Mittel Reversion Trading Systeme Howard Bandy Pdf

Ich bin gerade damit fertig mit Howard Bandy8217s neues Buch, 8220MeanReversion Trading Systems 8211 Praktische Methoden für Swing Trading 8221. Während ich sehr selten Bücher hier auf quantifizierbare Kanten zu überprüfen, ist dies wirklich herausragend und verdient etwas Aufmerksamkeit. Howard durchläuft jeden Schritt des Systemaufbaus. Er untersucht verschiedene Oszillatoren. Er prüft die Eintrittsverstärkertechniken. Er diskutiert die Risikokontrolle. Und darüber hinaus gibt er Code für alles, was er in dem Buch abdeckt. Es ist 50 für das Buch, das ist ein lächerlich niedriger Preis. Es gibt Trading Kurse, die viele Tausend Dollar kosten, die don8217t liefern so viel gute Informationen wie Howard8217s 8220Mean Reversion Trading Systems8221. Die ganze Kodierung erfolgt in Amibroker, was ich leider nicht benutzt habe. Aber da er alles auflistet, können diejenigen, die andere Programme wie mich benutzen, es in Tradestation, R, oder was auch immer übersetzen. Und hier ist der Kicker für jeden, der Amibroker benutzt 8211 Howard hat eigentlich eine Webseite eingerichtet, wo Buchkäufer den Code ohne zusätzliche Kosten herunterladen können. Ich empfehle Howard auf seine Bemühungen. Wenn Sie Interesse haben, Ihre eigenen Handelssysteme zu entwickeln, ist dieses Buch eine wunderbare Ressource, die ich sehr empfehlen kann. 5 Kommentare: Ich habe deinem Blog schon seit einiger Zeit verfolgt. Aber ich bin jetzt überrascht, weil Sie die Arbeit von jemandem, der in seinem Buch behauptet, dass: (meanreversiontradingsystemsMRTS20AnalysisWM. pdf) behaupten, dass die Länge der In-Sample-Periode so kurz wie praktisch sein sollte. Der einzige Weg, um die Länge der In-Sample-Periode zu bestimmen, ist, einige tests. quot zu laufen Dies wird als Data-Snooping quotDie Länge der Out-of-Sample-Periode ist: Solange das Modell und der Markt in sync bleiben und Das System bleibt rentabel. Es gibt keine allgemeine Beziehung zwischen der Länge der out-of-Sample-Periode und der Länge der in-Sample-Periode. quot So wählen wir die Out-of-Sample, solange das Modell und der Markt synchron sind und die System bleibt rentabel. Sehr gute Arbeit. Ich frage mich, warum Sie solche Sachen unterstützen. Was musst du gewinnen Oder vielleicht, weil ich deine Arbeit respektiere, vielleicht hast du die Details übersehen. Die Substanz im Handel ist in den Details. Was für eine traurige Welt, wenn du etwas Schönes über jemand anderes sagst, bringt E-Mails, die mich fragen, was ich zu gewinnen habe. Die Kritik hat mir ein schönes Dankeschön von Mr. Bandy, dem ich noch nie zuvor gesprochen und noch gesprochen habe. Während er einige Aspekte des Testens anders als ich betrachtet, habe ich kein Interesse daran, jeden Punkt, den er in seinem Buch macht, zu streiten. Für mich, wenn Sie wertvolle Ideen und Informationen aus einem Buch nehmen können, dann lohnt es sich. Dieser ist mit ihnen gefüllt. Ich stehe bei meiner Rezension. Ich dachte, das Buch hatte viele tolle Infos. Es wurde durch tatsächliche Testergebnisse (eine Rarität) gesichert, und da er den ganzen Code zur Verfügung stellt, können Händler die Ergebnisse verifizieren und die Ideen weiter auf eigene Faust erforschen. Diejenigen, die das Buch gelesen haben, sind willkommen, Kommentare zu schreiben (positiv oder negativ) unten. Sie kennen alle meine Meinung. Anstatt traurig zu sein, vielleicht sollten Sie sich freuen, dass jemand sich die Zeit genommen hat, Ihnen die Fehler in diesem Buch zu zeigen, die von grundlegender Natur sind, d. h. Kurven-Fitni, Optimierung, Daten-Snooping und all das Unsinn, dass Händler Geld verlieren. Es fühle mich traurig Die Welt ist nicht traurig, wenn wir gegen die Realität gehen, wir sollten einfach den Kurs wechseln. Vielen Dank. Ich habe gestern Howard39s Buch bekommen, und während ich es noch nicht beendet habe, denke ich, dass der 39data snooping39 ein bisschen übertrifft. Howard ist ständig vorsichtig über 39Future Lecks39 und Faux Optimierung Techniken. Vielleicht sollte mati eigentlich das Buch kaufen, bevor es es auf seinem Niveau verlor. Ich stieß auf diesen Kommentar und als jemand, der alle vier von Dr Bandy39s Bücher hat, fühlte ich, dass ich in diesem Thema läuten sollte. Dr. Bandy ist ein starker Befürworter von guten Systementwicklungspraktiken und seine Schriften warnen vor den wirklichen Gefahren der Kurvenanpassung. Jeder, der seinem Blog gefolgt ist oder sein Buch im Detail liest, versteht die Nuance hinter seinen erklärten Ansichten in der Probe-of-Probe-Periode, dass eine Person Fehler gefunden hat. Dr. Bandy ist mein Lieblingsautor zum Thema quantitative Handelsansätze geworden. In diesem Blog werde ich die Marktaktivitäten untersuchen und meine Erkenntnisse quantifizieren. Mit Stimmung, Breite, Preis - und Volumenindikatoren - sowohl Standard als auch individuell - werde ich versuchen, kurzfristige Kanten aufzudecken, die von den Marktteilnehmern ausgenutzt werden könnten. Ich werde diese Studien häufig hinzufügen und kann manchmal Meinungen ohne quantifizierbare Forschung hinter ihnen posten. Die quantifizierbaren Edges Guide to Fed Days Ebook Version 25 gtgtgtgtgtgt Disclaimer ltltltltltltltlt Alle Inhalte auf dieser Website dienen nur zu Informationszwecken. Es ist NICHT eine Empfehlung oder Beratung zum Kauf oder Verkauf von Wertpapieren. Ich kann Positionen für mich oder Kunden in den hier erwähnten Wertpapieren oder Branchen halten. Es besteht ein sehr hohes Risiko für den Handel mit Wertpapieren. Ihre Nutzung von Informationen auf dieser Website erfolgt ausschließlich auf eigene Gefahr. Rob Hanna Ich bin seit 2001 professionell gehandelt. Von Januar 2003 bis Februar 2007 erschien meine zweiwöchige Spalte Rob Hannas Putting It All Together auf TradingMarkets. Ich habe die quantitative Forschung und die Gestaltung von Handelssystemen durchgeführt - meistens konzentriert auf kurzfristige Ränder seit 2004. Mein komplettes Profil ansehenHow, um profitable Mittelreversion-Handelssysteme zu bauen Als Händler haben sich die meisten meiner Strategien auf die Philosophie des Trendes konzentriert. Doch im Laufe der Zeit habe ich erkannt, dass mittlere Reversion Trading-Systeme auch rentabel sein können, wenn sie richtig umgesetzt werden. Manchmal müssen sie vielleicht etwas länger dauern und ein paar diskretionäre Elemente einbeziehen, um gut zu arbeiten. Tatsache ist, dass sich die Finanzmärkte in Zyklen bewegen. Manchmal werden sie sich tendieren, und der Trend nach Strategien wird am besten funktionieren, und zu anderen Zeiten werden sie reichen und zurück zum Mittel zurückkehren. Range-bound Märkte sind eigentlich häufiger als Trending-Märkte, dh mittlere Reversion-Strategien haben in der Regel höhere Gewinnprozentsätze als Trend nach. Wie man profitable mittlere Reversion-Handelssysteme aufbaut Der erste Schritt beim Aufbau einer erfolgreichen mittleren Reversionsstrategie besteht darin, zunächst zu vermitteln, welche mittlere Reversion ist. Während Trendfolger nach Trends suchen, die für lange Zeiträume weitergehen, suchen die Reversionshändler nach Märkten, die ungewöhnlich niedrig oder hoch sind und die schließlich wieder auf ihr normales Niveau zurückkehren werden. Die mittlere Reversion geht also darum, nach Märkten zu suchen, die sich deutlich von ihrem Durchschnitt abgewichen haben, was wohl zu einem gewissen Punkt in die Zukunft zurückkehren wird. Viele Arten von mittleren Reversionsstrategien beruhen daher auf technischen Indikatoren, um anzuzeigen, wann ein Markt weg von it8217s ist. Bewegliche Mittelwerte, Bollinger Bands, RSI, MACD und andere Oszillatoren können auf diese Weise verwendet werden. Die Idee der mittleren Reversion kann auch auf Grundlagen angewendet werden. Zum Beispiel sind die Aktien in der Regel in Korrelation mit dem Ergebnis so, wenn ein Unternehmen8217s Einkommen deutlich über dem jüngsten Durchschnitt, it8217s eine gute Wette, dass im nächsten Quartal Ergebnis wird wieder nach unten mehr im Einklang mit dem langfristigen Durchschnitt kommen. Es gibt eine ähnliche Geschichte für ökonomische Konzepte wie Inflation und Wirtschaftswachstum, die im Laufe der Zeit oftmals zum langfristigen Durchschnitt zurückkehren wird. Schritt Ein Blick nach Mustern in den Daten Der erste Schritt zum Aufbau eines mittleren Reversion Trading-System dann ist es, Preis-Charts auf der Suche nach Ideen oder Mustern, die Sie vielleicht profitieren können, zu scannen. Wenn Sie einen bestimmten Markt handeln, bemerken Sie ein interessantes Verhalten Ist der Markt zurück, wenn RSI berührt ein überverkauftes Niveau von 8217208217 Ist der Markt in der Regel wieder nach it8217s bewegt 2 Standardabweichungen in die entgegengesetzte Richtung Schritt Zwei Destill in Code Der nächste Schritt Ist, um Ihre Idee auf Papier in Form von mathematischen Code zu bekommen. Auf diese Weise können Sie ein Trading-Programm wie Amibroker verwenden, um diese Idee auf echte Preisdaten zu testen. Du könntest dies von Hand machen, aber es wäre ein sehr langwieriger und ineffizienter Gebrauch von Zeit. Schritt 3 Back-Test der Code gründlich Um den Code richtig zu testen, müssen Sie ein bisschen über das richtige Systemdesign lernen. Im Wesentlichen werden Sie die Strategie so gründlich wie möglich auf verschiedenen Zeitrahmen und auf verschiedenen Märkten testen wollen. Immer sicherstellen, um ein großes Stück von Daten reserviert für aus Probe-Test zu halten. Sie testen dann Ihre Tests auf den In-Sample-Daten und bestätigen Ihr System einmal mit den Out-of-Sample-Daten. Wenn es nicht mit den Out-of-Sample-Daten ausfällt, dann ist das System nicht robust genug und du musst nochmal anfangen Walk-Forward-Analyse ist etwas, das Sie in den Griff bekommen sollten, um sicherzustellen, dass das System in verschiedenen Marktbedingungen halten wird. Schritt Vier Papier Handel das System Wenn Sie durch die Schritte des richtigen System-Design gehen und Sie am Ende mit einer mittleren Reversion-Strategie Sie glauben, robust zu sein, it8217s wichtig, nicht in den Markt zu stürzen und starten Sie es sofort handeln. Nehmen Sie sich Zeit, um auf frischen, Live-Daten zu validieren, damit Sie sicher sein können, dass die Strategie funktionieren wird. Denn am Ende des Tages sind die einzigen wahren Out-of-Sample-Daten zukünftige Daten. Sobald Sie das System auf Papier für eine Weile gehandelt haben und es immer noch funktioniert, dann können Sie beginnen, es mit echtem Geld anzuwenden. Schritt Fünf Überprüfung des Systems Wenn Sie eine profitable und robuste mittlere Reversion-Strategie haben, dann sollte es in ähnlicher Weise wie Ihre vorherigen Back-Tests durchführen. Sie können diese Informationen verwenden, um das System im Auge zu behalten und sicherzustellen, dass es sich so verhält, wie es sein sollte. Halten Sie ein Auge auf die System-Metriken wie die Gewinn-Verlust-Verhältnis, die Erwartung oder die Drawdown-Ebenen. Wenn Sie einen Drawdown erleben, der deutlich größer ist als jeder, den Sie im Back-Test-Modus erlebt haben, ist es ein Zeichen, dass das System abgebrochen ist. Übrigens finden Sie viele nützliche Informationen über Handelssysteme, einschließlich der Werkzeuge und Bücher, die ich verwende, um zu helfen, sie auf der Registerkarte Ressourcen zu erstellen. Überlegungen für mittlere Reversion-Handelssysteme Eines der Hauptprobleme bei mittleren Reversion-Handelssystemen ist die Risikokontrolle. Ein mittlerer Reversion Trader sieht einen Markt, der aus dem Durchschnitt gefallen ist, so billig das Problem ist, dass, wenn der Markt weiter sinkt, wird es sogar billiger. Die entsprechende Antwort von einem mittleren Reversion-Händler ist daher, den Markt weiterhin zu kaufen, wenn er fällt. Dies geht gegen die meisten Prinzipien der Risikokontrolle, da es nicht klug ist, zu einer verlorenen Position hinzuzufügen oder zu versuchen, ein fallendes Messer zu fangen. Die Antwort von mittleren Reversion Trader ist es, verschiedene Arten von Exits zu Trendfolgern zu verwenden. Zeitbasierte Ausgänge werden häufig verwendet und bedeuten, dass Reversionshändler in der Regel Regeln haben, um sie davon abzuhalten, zu viele Male zu einem bereits verlorenen Handel hinzuzufügen. Natürlich ist eine weitere wichtige Überlegung die Daten, die zum Testen des Handelssystems verwendet wurden. Es versteht sich von selbst, dass ein Handelssystem nur so gut ist wie die Daten it8217s getestet auf so ohne gute Daten können Sie ein gutes System bauen. Ich benutze Norgate Premium Data, die mit einer Reihe von verschiedenen Plattformen arbeitet. Sie können hier eine kostenlose Testversion erhalten. Eine weitere wichtige Überlegung für mittlere Reversion Trader ist die Bedingung auf dem Markt. Wie bereits erwähnt, funktionieren mittlere Reversionsstrategien am besten in reichen Gebieten und insgesamt sind die Märkte in der Regel um rund 60 der Zeit gebunden. Allerdings können mittlere Reversionssysteme bei großen Trends spektakulär ausfallen. Es ist daher sinnvoll, eine Strategie zu haben, wenn der Markt nicht reicht. Zum Beispiel möchten Sie vielleicht einen Trend nach Strategie sowie ein mittleres Reversion-System zu betreiben, oder Sie könnten einen Filter zu stoppen Sie die Eingabe von mittleren Reversion Trades, wenn der Markt ist Trends. Dieses Buch von Dr. Howard Bandy ist gut für mittlere Reversion Trader. Ich werde sagen, dass einige der Ideen ziemlich komplex sind, und insgesamt ist das Buch auf Amibroker Benutzer ausgerichtet. Trotzdem ist es eine gute Ergänzung zur Bibliothek für ernsthafte Händler. Ideen für mittlere Reversion Handelssysteme Wenn der Marktpreis größer ist als die obere Bollinger Band, verkaufen Sie den Markt Wenn der Marktpreis niedriger ist als die niedrigere Bollinger Band, kaufen Sie den Markt Wenn RSI weniger als 20 ist, kaufen Sie den Markt Wenn RSI mehr ist Als 80, verkaufen den Markt Wenn der Rohstoffkanalindex (CCI) über 120 ist, verkaufen den Markt Wenn der Rohstoffkanalindex (CCI) kleiner als -120 ist, kaufen Sie den Markt Wenn der Markt 10 höher als die 50 EMA ist, verkaufen Sie Der Markt Wenn der Markt 10 niedriger als die 50 EMA ist, kaufen Sie den Markt Wenn die VIX ist 20 höher als it8217s zwei Jahre Durchschnitt, kaufen Sie den Markt Wenn 5 Jahre EPS von einer Aktie sinkt 20 unter dem Durchschnitt, kaufen die Aktie Ein Beispiel aus Der Kurs Mittlere Reversionsstrategien neigen dazu, bei kürzeren Zeitrahmen besser zu arbeiten und sind somit ideal für schwingende Händler. In meinem Buch und Kurs decke ich mehr als 30 Handelssysteme ab. Beide bedeuten Reversion und Trend nach. Diese ist mit einer sehr einfachen Formel entworfen, die die Steigung zwischen zwei letzten Punkten auf einem 24-Perioden-exponentiellen gleitenden Durchschnitt (EMA) misst. Die Amibroker-Formel für den Indikator ist wie folgt: Die GRA (Gradienten-) Formel misst daher die Steilheit der EMA-Kurve. Eine Kaufposition wird eingegeben, wenn GRA unter 0,98 sinkt, da dies eine deutlich überverkaufte Bedingung anzeigt. Immer wenn sich GRA nach 1.02 zurückzieht, ist die Position geschlossen. Ich habe das System auf täglichen Daten über SampP 500 Aktien zwischen 2000 und 2010 getestet und erhielt eine zusammengesetzte jährliche Rendite von 16,73. Mit einem maximalen Drawdown von -47 und 59 Sieger-Verhältnis. Hier ist die Eigenkapitalkurve: Sehen Sie mehr Beiträge wie diese Eine Wie man ein Nifty Positions-Handelssystem in weniger als 3 Minuten mit Amibroker Amibroker AFL Collection erlernen Lernen Sie Amibroker mit TradingMarkets: Review 20 Basic Amibroker Kaufen Argumente Schreiben von AFL für Amibroker Testing Die RSI 2 Trading-Strategie 8 Amibroker Rotation Trading-Ideen Intraday-Trading-Systeme mit Ende des Tages Daten: Pivot Punkte Studie Dies ist der Grund, warum Forex Trading ist nicht einfach (einfache Trading-Systeme entlarvt) Wie zu scrutinisieren 038 Verbesserung eines Trading-System Einfache Trading-System macht 170 ein Jahr Wo historisch zu bekommen Börsen-Daten für Amibroker JB MarwoodThe Sweet Spot für Mean Reversion ETF-Strategien von Michael R. Bryant In seinem jüngsten Buch, Howard Bandy diskutiert, was er nennt die quotsweet spotquot für die Entwicklung von mittleren Reversion Handelssysteme. 1 Die Idee ist, dass die richtige Kombination von Stablänge, Halteperiode, Systemgenauigkeit und anderen Variablen dazu neigt, risikoadjustierte Renditen zu maximieren. 2 Dieser Artikel zeigt, wie mittlere Reversion-Handelsstrategien, die in diesem Sweet Spot liegen, für Exchange Traded Funds (ETFs) mit automatisierten Tools entwickelt werden können. Verwenden von Adaptrade Builder. Ein Strategieentwicklungswerkzeug für Windows, Ill zeigen, wie Stress-Testmethoden mit der Monte-Carlo-Analyse als Teil des Entwicklungsprozesses verwendet werden können, um robuste mittlere Reversionsstrategien für die SampP 500 (SPY) ETF und die Select Sector SPDR ETFs zu finden. Projektdateien für Builder, die den Strategiecode enthalten, werden für jedes Beispiel bereitgestellt. Landing in the Sweet Spot Die Grundidee hinter Dr. Bandys Sweet Spot ist, dass gute Trading-Strategien sollten eine kurze Bar Größe und haben eine ziemlich hohe Genauigkeit mit einer kurzen Haltezeit und niedrigen Drawdown. Die kurze Stabgröße und die kurze Halteperiode maximieren die Chancen für zusammengesetzte Renditen, während die hohe Genauigkeit und der niedrige Drawdown es leichter machen, sich von Verlusten zu erholen. Die letzteren Qualitäten machen es auch leichter, die Lebensfähigkeit der Strategie zu etablieren und zu bestimmen, wann es nicht mehr funktioniert, weil typische verlusthafte Streifen für hochgenaue Systeme in der Regel relativ kurz sind. Basierend auf den Richtlinien von Dr. Bandys werden in diesem Artikel die folgenden Merkmale verwendet, um die optimalen Voraussetzungen für mittlere Reversions-ETF-Strategien zu definieren: Tägliche Takte 20 - 30 Trades pro Jahr Mindestens 65 Siegesserie Durchschnittliche Takte im Handel zwischen 1 und 4 By Mittlere Reversion, Im, die sich auf Strategien beziehen, die versuchen, unterhalb des aktuellen Durchschnittspreises zu kaufen und zu einem höheren Preis zu verkaufen, wenn der Preis auf den Mittelwert zurückkehrt. Die Idee ist, niedrig zu kaufen und hoch zu verkaufen, im Gegensatz zu Trendfolgesystemen, die typischerweise versuchen, hoch zu kaufen und höher zu verkaufen. Gebäude mit Monte-Carlo-Analyse In meinem letzten Newsletter-Artikel habe ich den Einsatz von Stresstests bei der Bewertung von Handelsstrategien und seiner Beziehung zu Robustheit und Strategie übertrieben diskutiert. Ich habe auch erwähnt, dass, wenn es in den Build-Prozess integriert wurde, würde es dazu neigen, zu Strategien, die Robustheit zeigte führen. Das ist der Ansatz, der hier verfolgt wird. Kurz gesagt, Stress-Tests bezieht sich auf die Bewertung, wie empfindlich eine Handelsstrategie ist, um ihre Inputs und Umwelt. Eine robuste Strategie, die nicht marktüblich ist, wird relativ unempfindlich gegenüber Änderungen ihrer Eingangsparameterwerte und anderen Änderungen in ihrer Umgebung sein, wie etwa Änderungen der Preisdaten. Monte Carlo Analyse ist die Technik, die verwendet wird, um die Wirkung dieser Veränderungen zu bewerten. Die Strategys-Inputs, Preisdaten und andere Faktoren werden nach dem Zufallsprinzip geändert und die Performance der Strategien ausgewertet. Durch wiederholtes Wiederholen dieses Vorgangs wird eine Verteilung der Ergebnisse erhalten. Die Ergebnisse der ursprünglichen Daten stellen einen Punkt auf der Verteilung dar. Andere Punkte auf der Verteilung stellen die Ergebnisse dar, indem sie leicht veränderte Versionen der ursprünglichen Daten verwenden, die Ergebnisse erzeugen können, die mehr oder weniger günstig sind als die ursprünglichen Daten. Die so genannten Monte-Carlo-Ergebnisse sind die Werte der Performance-Maßnahmen (Nettogewinn, Prozentgewinne, Gewinnfaktor etc.), die nicht schlechter sind als die Mehrheit (typischerweise 95) der Auswertungen. Zum Beispiel, wenn die Monte Carlo Nettogewinn bei 95 Vertrauen ist 15.000, das bedeutet, dass 95 der Auswertungen hatte einen Nettogewinn mindestens so groß wie 15.000. Mit anderen Worten, theres eine 95 Chance, dass der Nettogewinn wird mindestens 15.000 sein, oder umgekehrt theres eine 5 Chance der Nettogewinn wird weniger als 15.000 sein. Wenn eine Handelsstrategie iterativ über aufeinanderfolgende Generationen von Modifikation und Test entwickelt wird, wird der Aufbau, der auf den Monte-Carlo-Ergebnissen basiert, dazu neigen, die Strategie auf eine robuste zu bringen, da nur eine robuste Strategie gute Ergebnisse von Monte Carlo haben wird. Adaptrade Builder automatisiert diesen Prozess, einschließlich der Auswertung der Strategie Ergebnisse mit dem Monte Carlo Ergebnisse der Stresstests. Das erste Beispiel ist für den SPDR SampP 500 Index ETF (Symbol SPY). Tägliche Stäbe von 141999 bis 4232013 wurden benutzt. Der Datumsbereich für den Bau wurde auf 141999 bis 122011 eingestellt, wobei die ersten 80 (141999 - 8102008) für den Bau (d. H. In-Probe) und die verbleibenden Daten (8112008 - 122011) verwendet wurden, die für die Prüfung außerhalb des Samples verwendet wurden. Die verbleibenden Daten (132011 - 4232013) wurden zur Validierung beiseite gelegt. Alle Daten wurden von der TradeStation 9 abgerufen. Die Strategielogik war langwierig und 100 Eigenkapital wurde in jedem Handel investiert, wobei alle Gewinne reinvestiert wurden und 0,015 je Aktie pro Umlauf für Handelskosten abgezogen wurde. Adaptrade Builder verwendet einen genetischen Programmieralgorithmus, um eine Population von Strategien über aufeinanderfolgende Generationen zu entwickeln. Der Schlüssel zur Verwendung von Builder, um Strategien zu finden, die unseren optimalen Anforderungen gerecht werden, ist die Festlegung der sogenannten Build-Metriken, die unten in Abb. 1. Abbildung 1. Die Build-Metriken im Builder definieren den Sweet-Spot für die SPY-Strategie. Die Liste der Build-Ziele enthält drei Allzweck-Metriken, die alle maximiert werden. Diese helfen, die Bevölkerung von Strategien zu denen zu begleiten, die einen hohen Nettogewinn, einen Korrelationskoeffizienten und eine statistische Signifikanz aufweisen, die für jede Strategie wünschenswert sind. Die spezifischen Qualitäten, die gesucht wurden (d. H. Der Sweet Spot), werden durch die Build-Bedingungen definiert, die die Ungleichheitsbedingungen für die Anzahl der Trades, die durchschnittlichen Balken im Handel und den Prozentsatz der Gewinne beinhalten. Beachten Sie, dass die Bedingung für die Anzahl der Trades auf einen Bereich eingestellt ist, der auf der Anzahl der Jahre der Stichprobendaten basiert und das Ziel, zwischen 20 und 30 Trades pro Jahr zu haben. Beachten Sie auch, dass der Prozentsatz der Sieger-Trades auf einen Bereich zwischen 65 und 85 eingestellt ist. Die Obergrenze wurde hinzugefügt, da Strategien mit einem ungewöhnlich hohen Prozentsatz der Siegerabschlüsse im Allgemeinen keine andere Bedingung erfüllen. Die Stimulierung solcher Strategien wird dazu beitragen, die Bevölkerung auf Strategien zu stoßen, die alle Bedingungen erfüllen, im Gegensatz zu Strategien, die überproportional eine Bedingung zum Ausschluss anderer erfüllen. Die gleiche Logik wurde bei der Festlegung eines Bereichs für den Gewinnfaktor verwendet. Die anderen Bedingungen - Korrelationskoeffizient, statistische Signifikanz, Gewinnfaktor und Kelly-Fraktion - sind nicht Teil unserer spezifischen Anforderungen, sondern wurden hinzugefügt, um die Gesamtergebnisse zu verbessern. Die Stress-Tests und Monte-Carlo-Einstellungen, die für dieses Beispiel verwendet wurden, wurden auf dem Bildschirm "Build-Optionen" ausgewählt, wie unten in Abb. 2. Abbildung 2. Die Monte-Carlo-Analyse - und Stress-Testoptionen werden auf der Registerkarte "Build-Optionen" ausgewählt. Wie in der Abbildung gezeigt, wurden für jede Analyse 99 Monte Carlo Iterationen verwendet. Dies bedeutet, dass neben der Auswertung der Originaldaten auch 99 Stresstests durchgeführt wurden. Die 100 Datensätze wurden unter Verwendung der Monte-Carlo-Analyse analysiert, um die Ergebnisse bei 95 Vertrauen zu extrahieren, wo sie verwendet wurden, um die in Fig. 1. Die Stresstests bestanden aus der Randomisierung der Preise, der Randomisierung der Strategie-Inputs und der Randomisierung der Start-Bar. Alle drei Randomisierungen wurden für jeden Stresstest durchgeführt. Weil jede Strategie 100 mal (99 Stress-Tests plus die ursprünglichen Daten) bei jeder Generation ausgewertet wurde, dauerte dieser Ansatz etwa 100-mal so lange, wie es genommen hatte, hatte Stress-Tests und Monte-Carlo-Analyse nicht verwendet worden. Aus diesem Grund wurde eine relativ kleine Bevölkerung von nur 100 Mitgliedern verwendet, um die Lösungszeit angemessen zu halten. Die Bevölkerung wurde über 10 Generationen entwickelt, und eine Option wurde eingestellt, um nach 10 Generationen zu beginnen, wenn der Nettogewinn in der Out-of-Sample-Periode negativ war. Die Eigenkapitalkurve aus der Top-Strategie in der Population nach 20 Generationen (1 Rebuild) ist unten in Abb. 3. Abbildung 3. Eigenkapitalkurven für jeden Stresstest für die endgültige SPY-Strategie. Jede Kurve in Abb. 3 stellt einen Stresstest dar. Wie zu sehen ist, haben alle verschiedenen Eigenkapitalkurven im Allgemeinen die gleiche Form mit positiven Out-of-Sample-Ergebnissen. Im Folgenden sind einige der Monte-Carlo-Ergebnisse bei 95 Vertrauen entsprechend Fig. 3. Gesamtes Nettogewinn Durchschnittliche Stäbe im Handel Abgesehen von der Anzahl der Trades, die weniger als gefragt ist, erfüllt die Strategie die ursprünglichen Anforderungen. Die Strategie übergibt auch den Validierungstest. Wenn das Enddatum auf 4232013 verlängert wird, steigt der Nettogewinn des Monte Carlo auf 67.015 an. Die Strategielogik erfüllt auch die Voraussetzung für eine mittlere Reversionsstrategie: sie tritt mit einer Indikatorbedingung auf eine Limit Order ein und verlässt sie. Der Limiteintrag bedeutet, dass der Markt auf den Grenzpreis herunterkommen muss, so dass die Strategie niedrig ist und verkauft wird, nachdem der Markt zurückgegangen ist. Es ist wichtig zu beachten, dass dies Monte Carlo Ergebnisse bei 95 Vertrauen, was bedeutet, dass zum Beispiel 95 der Stresstest Auswertungen hatte einen Gesamtnettogewinn mindestens so groß wie 56.784. Wenn der Stresstest abschaltet und die Strategie auf die ursprünglichen Daten ausgewertet wird, ist die Eigenkapitalkurve wie in Abb. 4. Abbildung 4. Eigenkapitalkurve für die endgültige SPY-Strategie auf den Originaldaten. Diese Eigenkapitalkurve entspricht einem Reingewinn von 109.497, was einer jährlichen Rendite von 5,5 entspricht. Während dies nur eine bescheidene Rendite ist, schlägt es leicht die Buy-and-Hold-Rendite von etwa 1,8 über den gleichen Zeitraum und wird ohne Hebelwirkung und mit einer stetig wachsenden Eigenkapitalkurve während eines Zeitraums erreicht, der zwei Bärenmärkte umfasst. A Select Sector SPDR Beispiel Das zweite Beispiel beinhaltet den Aufbau einer Strategie über ein Portfolio von ETFs, die aus den Select Sector SPDRs bestehen. Diese ETFs teilen den SampP 500 Index in neun Sektoren auf, so dass jeder Bestand im SampP 500 in einen der neun Sektoren ohne Überlappung platziert wird. Die neun Sektoren sind Consumer Discretionary (Symbol XLY), Consumer Staples (XLP), Energy (XLE), Financial (XLF), Health Care (XLV), Industrial (XLI), Materialien (XLB), Technologie (XLK) und Utilities (XLU). Die meisten der gleichen Einstellungen wurden verwendet, um diese Strategie wie im letzten Beispiel zu bauen. Da jedoch neunmal so viel Preisdaten im Bau verwendet wurden, reduzierte ich die Anzahl der Monte Carlo Iterationen von 99 auf 5. Die anderen Build-Optionen waren die gleichen wie in Abb. 2 mit Ausnahme der Wiederaufbau-Option, die nicht ins Spiel kam. Für die Positionsbestimmung wurde 20 des Eigenkapitals für jeden Handel investiert. Da nicht alle Märkte wahrscheinlich gleichzeitig handeln würden, wurde diese Einstellung gewählt, um angemessene Positionsgrößen zu schaffen, ohne dass sie zu einer Hebelwirkung (d. H. Überinvestitionen) führen würde. Die In-Sample-Periode für diesen Build war 141999 bis 5282009 mit 5292009 bis 122012 als Out-of-Sample-Zeitraum und 132012 bis 4232013 für die Validierung beiseite gesetzt. Die Eigenkapitalkurve von einer der Top-Strategien in der Population nach 10 Generationen (keine Umbauten) ist unten in Abb. 5. Abbildung 5. Eigenkapitalkurven für jeden Stresstest für die endgültige Select Sector SPDR Portfolio-Strategie. Jede Eigenkapitalkurve in Abb. 5 repräsentiert das Portfolio-Eigenkapital, das aus einem Backtest auf allen neun Märkten gleichzeitig für eine Reihe von Stress-Test-Einstellungen (oder die ursprünglichen Daten) generiert wird. Einige Zusammenfassung Monte Carlo Ergebnisse sind unten gezeigt. Total Nettogewinn Im Gegensatz zum vorherigen Beispiel sind die Ergebnisse nicht wesentlich anders, wenn die Monte Carlo-Analyse ausgeschaltet ist und die Ergebnisse über die ursprünglichen Daten ausgewertet werden. In diesem Fall steigt der Gesamtgewinn auf 205.140. Diese Strategie übergibt auch den Validierungstest. Die Eigenkapitalkurve für die Strategie über die ursprünglichen Daten (kein Stress-Test), in der die Validierungsperiode enthalten ist, ist unten in Abb. 6. Abbildung 6. Eigenkapitalkurve für die endgültige Select Sector SPDR Portfolio-Strategie auf die ursprünglichen Daten. Diese Eigenkapitalkurve entspricht einem Nettogewinn von 249.431, was einer jährlichen Rendite von 9,5 mit einem Worst-Case-Drawdown von 21 entspricht. Wie beim vorherigen Beispiel tritt die Strategielogik lange auf eine Limit Order ein. Die meisten Ausgänge sind über einen Zielausstieg, mit anderen Trades, die auf einer Indikatorbedingung oder einem Schutzstopp aufhören. Download Mean Reversion Project Files: (rechte Maustaste, Ziel speichern als. In. zip Datei benötigt Adaptrade Builder zu öffnen.) Aus Lizenzgründen enthalten Projektdateien keine Preisdaten. Die so genannte Sweet-Spot für Handelsstrategien, die von Dr. Bandy empfohlen werden, scheint effektive Bedingungen für den Aufbau von Mitteln, die Handelsstrategien in automatisierter Weise mit einem Werkzeug wie Adaptrade Builder umzuwandeln. Es war möglich, Strategien zu finden, die die meisten Anforderungen für beide Beispiele erfüllen: eine Einmarktstrategie für den SPY ETF-Markt und eine Strategie für ein Portfolio von ETFs, bestehend aus den neun Select Sector SPDRs. Beide Strategien schlagen Buy-and-Hold und hielten sich gut im Validierungstest. Für beide Beispiele wurde der Stresstest mit der Monte-Carlo-Analyse eingesetzt, um die Chancen auf eine robuste Strategie zu erhöhen. Im Vergleich zum Portfolio-Beispiel waren die Stress-Testergebnisse für die Single-Market-Strategie (SPY) wesentlich konservativer (weniger günstig) als die Ergebnisse der ursprünglichen Daten. Während einige davon aufgrund der strengeren Belastungstests im Vergleich zum Portfolio-Beispiel liegen können, schlägt es vor, dass die SPY-Strategie weniger robust ist als das Portfolio-Beispiel. Im Allgemeinen, wo die Ergebnisse von Monte Carlo deutlich von den Ergebnissen der ursprünglichen Daten abweichen, könnte man erwarten, dass die beste Schätzung der zukünftigen Ergebnisse irgendwo dazwischen liegen würde, obwohl das davon abhängt, wie konservativ der Stresstest und die Monte-Carlo-Analyse ist . Es scheint vernünftig, dass die Portfoliostrategie robuster wäre als die Einmarktstrategie, da die Portfoliostrategie auf neun verschiedenen Märkten aufgebaut wurde und über eine breitere Palette von Preisdaten hinweg gut funktionieren musste. Es wurde über neun Mal so viel Daten gebaut und hat etwa neun Mal so viele Trades. Die stärkere Performance der Portfoliostrategie kann die positive Auswirkung der Diversifikation auf die neun verschiedenen Sektoren der SPDR widerspiegeln. Obwohl keine Strategie die Forderung nach der Anzahl der Trades erfüllt, kann es möglich sein, Strategien zu finden, die alle Anforderungen erfüllen, wenn eine größere Population verwendet wird oder strengere Wiederherstellungsanforderungen angewendet werden, die mehr Buildzeit erfordern würden. Alternativ kann es auch sein, dass eine solche Strategie aufgrund der widersprüchlichen Anforderungen von hoher Genauigkeit, Handelshäufigkeit, kurzer Handelsdauer und so weiter unwahrscheinlich ist. Der beste Satz von Baubedingungen ist eine, die das Marktpotenzial voll ausschöpft und realistisch bleibt. Die Kombination von einer Reihe von nützlichen Build-Bedingungen, wie die von Dr. Bandy, mit eingebauten Robustheit Features, wie Stress-Tests und Monte Carlo-Analyse, in einem automatisierten Tool wie Builder sollte eine solide Rahmen für die Entwicklung effektiver Trading-Strategien. Bandy, Howard B. Mittlere Reversion Trading Systems. Blue Owl Press, Inc. Sioux Falls, SD, 2013, p. 138. Bandy, Howard B. Modellierung von Trading System Performance. Blue Owl Press, Inc. Sioux Falls, SD, 2011, p. 154. Dieser Artikel erschien in der April 2013 Ausgabe des Adaptrade Software-Newsletters. Die SampP 500 und Select Sector SPDRs sind Marken der McGraw-Hill Companies, Inc. HYPOTHETISCHE ODER SIMULATED PERFORMANCE ERGEBNISSE HABEN BESTIMMTE INHERENTE BESCHRÄNKUNGEN. UNTERNEHMEN EINE TATSÄCHLICHE LEISTUNGSAUFNAHME, ERFOLGREICHE ERGEBNISSE NICHT VERTRETEN AKTUELLES HANDEL. AUCH AUCH DIE HÄNDLER HABEN NICHT AKTUELL AUSGEFÜHRT WERDEN, DIE ERGEBNISSE KÖNNEN FÜR DIE AUSWIRKUNGEN, WENN JEDOCH, BESTIMMTE MARKTFAKTOREN, WIE FREI DER FLÜSSIGKEIT VORGESEHEN WERDEN KÖNNEN. SIMULIERTE HANDELSPROGRAMME IN ALLGEMEINEN SIND AUCH AUF DIE TATSACHE, DIE SIE MIT DEM BENEFIT VON HINDSIGHT ENTWICKELT WERDEN. KEINE REPRÄSENTATION IST GEMACHT, DASS JEDES KONTO WIRD ODER IST, WIE GEWINNT ODER VERLUSTE ÄNDERN ZU DIESEM ANGEBOT ZU ERHÖHEN. Wenn Sie sich über Neuentwicklungen, Neuigkeiten und Sonderangebote von Adaptrade Software informieren möchten, melden Sie sich bitte bei unserer E-Mail-Liste an. Vielen Dank.