Mekaniska handelssystem Ett mekaniskt handelssystem är ett där varje enskilt beslut fattas för dig av ett datorprogram som har utformats för att generera buysell-signaler. Under långa perioder överträffar mekaniska handelssystem människors bedömning, främst för att mänsklig bedömning innefattar impuls och känslor. Genom att avlägsna de dagliga svängningarna av känslor, inklusive girighet och rädsla men också stolthet, ilska och känsla av självvärt har datorprogrammet en distinkt kant. Överordnade signaler Efter att ha sagt det finns ingen dator så kunnig som den mänskliga hjärnan. Indikatorer registrerar traderbeteende med aritmetik, och indikatorer som definieras försvinner alltid men människans hjärna kan upptäcka och föreställa sig mänskligt beteende mer direkt, och också snabbare. Det prediktiva värdet av indikatorer är begränsat, medan människor ofta kan förutsäga andra beteenden med rättvis noggrannhet. Till exempel, om en ledande ekonomisk indikator som amerikanska löner kommer i dubbel konsensusprognos, vet varje näringsidkare direkt hur marknaden ska reagera. Även det mest fantasifulla mekaniska systemet kommer att få en fördröjning tills några av prisbeviset för reaktionen har haft tid att bli inspelad och inkluderad i indikatorerna. Detta är motiveringen för att överväga signalerna för mekaniska handelssystem, och det är inte dåligt när det används sparsamt och endast i situationer där mänsklig tolkning är klart överlägsen. I annat fall hävdar regeln att under långa perioder, mekaniska handelssystem nästan alltid överträffar mänsklig bedömning på grund av den destruktiva kraften i känslor. Det är viktigt att tänka igenom dessa problem eftersom nästan varje Forex-handlare idag använder ett mekaniskt handelssystem i viss mån. De flesta mekaniska system som har blivit korrekt utformade och utförda kommer att fungera för att generera högre vinster än att handel kommer att bli otrolig vid observation och instinkt. Problemet är inte att mekaniska system inte fungerar det är att handlare inte kan motstå att överstyra dem. När den näringsidkare som styr ett system har djup kunskap, mycket erfarenhet och bra instinkter kan ett bra mekaniskt system förbättras för att ge ännu bättre resultat. När näringsidkaren gör det överordnade är inte erfaren och sämre, sårbar för chatter, leder det mekaniska systemet till att förlora resultat. Detta är en av anledningarna till att handelsbussar säger att handel är en resa med självupptäckt. Om du verkligen tror på vetenskapen bakom teknisk analys. Du åsidosätter inte ditt mekaniska system. Om du åsidosätter till att få dåliga resultat betyder det att du har ett disciplinproblem. Vilka indikatorer Du kan köpa ett mekaniskt handelssystem hundratals är tillgängliga eller du kan bygga din egen. Att välja indikatorer är inte svårt. Du börjar i ena änden av en lista med indikatorer som tillhandahålls av din programvara eller plattform, och tittar på dem på ett diagram en efter en. Om indikatorn hjälper ditt öga att se mönster och flöden är det en bra indikator för dig. Kör igenom listan tills du får två eller fler (men inte mer än tio) som du tror kommer att leda dig bra. Lägg sedan dem alla på samma diagram och granska de resulterande branscherna för att se hur många var vinnare och hur många var förlorare. Att bygga ett mekaniskt system är mycket lättare än att fullborda ett handelssystem, för det mesta, för att du, som du fortsätter att lära dig om teknisk analys, alltid hittar någon teknik som är ny för dig som verkar som ett perfekt komplement till de indikatorer du redan har. Ibland är det sant men oftare finner du att som med alla indikatorer, kommer vissa att motsäga de andra. Den paraboliska SAR och MACD fungerar till exempel ganska bra för att generera buysell-signaler på nästan samma gång men båda saknar och vad gör du när snabbare indikatorer som RSI eller den stokastiska oscillatorn genererar motsatt signal om du har en preferens för trend-följer, kommer du hålla fast vid parabol plus MACD. Om din strategiska stil är att byta utbrott kommer du att lägga mer vikt på RSI och stokastiska. Poängen är att du måste väga dina indikatorer enligt den tidsram du handlar och till din huvudsakliga handelsstrategi och stil. Om din handelsstil är att vänta på en post som är mycket osannolikt att vara fel, kommer du att sakna den första delen av ett nytt drag, men du kommer inte att bli offer för falska breakouts och whipsaws. Din huvudsakliga stil är trend-following. Om din stil är att snatch varje tillfälle, måste du avgå dig till ett högt förhållande att förlora affärer, men också enstaka hemlöpning. Denna stil gör dig sannolikt en gungare. Denna skillnad i stil hakar tillbaka till din ursprungliga handelsplan. Vilken strategi är din huvudstrategi Du kan inte vara en trendföljare och en opportunistisk breakout-näringsidkare samtidigt. Du måste välja mellan dem eller ha två system och dela din kapitalandel mellan dem. Om du ibland tittar på trendindikatorer och ibland tar hänsyn till breakout-indikatorer, kan du inte lita på systemets hypotetiska spårning av den du själv skapat med hjälp av backtest. Att hoppa från en stil till en annan och låtsas att följa ett enda system är mycket vanligt. Det visar brist på fokus och oförmåga att hålla fast vid den metod som redan valts, och sålunda avslöjar den känslomottagningen. När det gäller trendläge vs breakout-läget väljer du trend när du är rädd (och förmodligen bara förlorat). När du är i breakout-läge, är du i grepp om girighet trots allt, en breakout är en möjlighet att göra en vinst. Du kommer sannolikt att luta sig mot följande breakouts om du bara hade en fet vinst (eller kanske haft en stor förlust och känner dig desperat om att återhämta den). Att välja indikatorer är en interaktiv process som ser fram och tillbaka mellan den handelsstil du tror du börjar med och funktionerna och fördelarna med indikatorerna i realtid. Ibland är det ett pågående arbete som aldrig avslutas. Kombinera indikatorer Nästan alla system kommer att ha trendidentifierare (som glidande medelvärden, stöd och motståndslinjer etc.) och nästan alla system kommer också att ha breakout och väntar breakout-indikatorer, som kanaler, mönster och momentumindikatorer. Hur man använder båda typerna av indikatorer över en rad affärer är jobbet med ärlig backtesting och allvarlig disciplin. Analytiker rekommenderar alltid att du väljer mer än en indikator för ditt system och att ingen indikator bör vara mycket korrelerad med en annan, eftersom det du söker efter är bekräftelse. När en andra indikator överensstämmer med den första är sannolikheten nu mycket högre så att den nya signalen är korrekt. Bekräftelseprincipen är väl etablerad, men att kombinera konkurrerande tekniska begrepp är inte väldefinierat eller beskrivet någonstans. Tekniska författare säger bara att använda vad som passar din riskprofil utan att beskriva hur. Detta är irriterande och frustrerande experterna tillbaka, bara när du är på en kritisk punkt, men det är en nödvändig cop-out. Den enda tekniken för att välja din egen uppsättning indikatorer är att backtestera var och en av dem separat och sedan tillsammans. Backtesting Ärlig back-testing är avgörande för att välja indikatorer, oavsett om du köper eller uppfinnar ett mekaniskt handelssystem. Du behöver ett tillräckligt antal observationer för att dra en tillförlitlig avdrag, och det betyder minst 30 och förmodligen fler instanser av en specifik indikator buysell signaler. Du måste undersöka prestandan för varje indikator och sedan, för att göra saker grymt mer komplicerade, måste du undersöka prestandan av indikatorer i kombination. Du kanske verkligen uppskattar egenskaperna hos en viss indikator men tycker att det inte går bra ihop med andra. Detta är ett speciellt fel i genomsnittlig riktningsrörelse (ADX) och dess många kusiner, till exempel. Den svåraste delen av att köpa eller bygga ett handelssystem efter att ha svarat på åsidosättningsfrågan är att dina regler för pengarhantering passar dina indikatorer. Indikatorer har nästan alltid inbyggda buysell signaler. Vissa gör inte, som band och kanaler, men även den grundläggande glidande genomsnittliga crossoveren har per definition en inbäddad buysell-signal. Du köper när spotpriset eller ett kortsiktigt glidande medelvärde passerar över en längre tid och säljer när det faller under. Närhelst du har en bytbar parameter som antalet dagar i ett glidande medelvärde (eller någon annan indikator), kommer du att frestas att tweak parametrarna för att tvinga resultatet du vill ha. Problemet med det här förfarandet, namnet överfitting eller kurvmontering, är att det kan ha varit den optimala parametern för perioden du studerar men kommer troligtvis inte att vara den bästa parametern för kommande förhållanden. Om du älskar MACD men med standardparametrarna får du poster som är för sent för din handelsstil, måste du bestämma mellan att ändra din handelsstil och överge MACD. En breakout-handlare kommer knappast någonsin att få bekräftelse från MACD under första eller andra eller tredje perioden efter avbrottet. Om du fortfarande älskar MACD för dess tillförlitlighet i Forex, kan brottsförmedlaren höra det som en sanitetskontroll. Okej, du tar pausen och bleknar trenden, men ditt stopp kommer att vara hårt och ditt mål blir blygsamt. Du kommer att vara beredd att vända tillbaka till den primära trenden på en krona. Detta är obekväma, men om dina nerver kan ta det, kan det fungera. Nyckelpunktet är att din tradingstyle trend-following vs breakout trading i det här exemplet inte är något du upptäcker genom själsökning. Du upptäcker det genom att arbeta med indikatorer och testa dem igen. Du kan tänka vid början att du är en trendföljare eftersom du gillar det konservativa ljudet av det, men upptäcker dig som mer risk och borde verkligen vara en gungare. Eller om du är en swing-trader så underbar term, men upptäcker du föredrar mindre risk och trendföljande passar dig bättre. 1. Det största problemet med att välja eller bygga ett mekaniskt handelssystem är att välja indikatorer. bestämma hur mycket som ska överdrivas. Backtesting och live trading system execution: Efter en miljon branscher använder systematiska handlare nästan alltid backtesting för att bedöma tidigare resultat av en handelsalgoritm. Detta är ett otroligt värdefullt verktyg eftersom det ger oss möjlighet att få en uppfattning om hur en handelsalgoritm skulle ha utförts tidigare utan att behöva handla ett system under långa perioder. Men hela användbarheten av backtesting är beroende av hur bra simuleringsmodellen överträffar prestanda och därför är den öppen för många fallgropar som härrör från flera praktiska problem. På grund av ovanstående är it8217s mycket viktigt för att utföra livebacktesting jämförelser där en live-traded period jämförs med en backtest av exakt samma period för att se om resultaten 8211 oavsett om de är positiva eller negativa 8211 match. På today8217s inlägg vill jag diskutera en analys av livebacktesting konsistens Jag har gjort med att använda data från mer än 1 miljon levande trades från mer än två tusen Asirikuy skapade system. Det finns flera sätt på vilka en backtest kan göra att förflutna ser bättre ut än vad det verkligen skulle ha varit. I verklig handel finns vanligtvis likviditets-, tids - och spridningsproblem som i allmänhet är mycket svåra att ta hänsyn till vid backtesting. I Forex trading är historisk likviditetsdata mycket svår att få, medan slippning är nästan omöjligt att redogöra för på grund av att historiska anslutningshastigheter och svarstider är okända. Tick-data kan lindra spridningsbehovet 8211, eftersom kryssdata innehåller buddata 8211 men det här är mäklare specifikt och kan sällan erhållas för en viss mäklare i mer än några år. Om simuleringar utförs utan hänsyn till någon av ovanstående 8211 utan likviditetsdata, förutsatt att perfekta avrättningar och med ständigt sprider sig 8211 är det därför viktigt att se om dessa antaganden verkligen leder till acceptabla matchningar mellan backtesting och live trading. Om något av dessa antaganden leder till betydande problem måste simuleringarna göras mer pessimistiska för att anpassa sig till dessa ökade kostnader. Tack vare det faktum att vi har hundratals användare som handlar tusentals handelsstrategier i sina egna konton har vi kunnat samla en databas med miljontals affärer tillsammans med deras riktiga inmatnings - och utgångspriser som vi kan jämföra med våra backtests för att se hur bra våra simuleringar representerar det senaste förflutna. Först och främst kan vi se om vår backtesting och levande handelslogik verkligen är identisk och för det andra kan vi se om ovanstående problem relaterade till glid - och spridningskostnader påverkar vår handel på ett väsentligt negativt sätt. Vi har analyserat totalt 76 813 signaler som har genomförts på många olika handelskonton. För varje signal beräknar vi de genomsnittliga inmatnings - och utgångspriserna 8211 med hjälp av data från alla affärer som tagits på grund av den signalen 8211 och det gör det möjligt för oss att uppskatta hur mycket inträde och avgång avviker på ett gynnsamt eller ogynnsamt sätt. I genomsnitt var vår totala avvikelse (öppen avvikelse plus nära avvikelse, bestämning av fördelning med tanke på handelsriktning för varje enskilt fall) -1,37 pips vilket innebär att varje handel som utfördes 1,37 pips mindre gynnsamt än vad som förväntas av våra simuleringar, kan man föreställa sig som betalande en Tillägg 1,37 pips per handel i spridningskostnader. Den första bilden i det här inlägget visar resultaten per par. Här kan vi faktiskt se att för 4 av 6 par har vi faktiskt fördelaktiga avvikelser (EURJPY 0,3, EURUSD 0,81, GBPUSD 2,05, USDJPY 1,17), vilket betyder att de spridda som vi använder i våra simuleringar är förmodligen bra uppskattningar för dessa symboler och förseningarna i utförande vi får är antingen gynnsamma eller låga nog att inte betyda på ett betydande sätt. Det finns dock två fall med negativa resultat, den första är USDCHF (-1,53) och den andra är GBPJPY (-8,78). I det första fallet är avviket inte så högt, men i det andra har vi ett resultat som är oerhört negativt, vilket förmodligen beror på det mesta av anledningen till att vårt huvudsakliga genomsnitt per handel är negativt. Anledningen till det ovanstående beror dels på att GBPJPY är mycket mer flyktig så att de andra paren och eftersom vi använder en spridning av 5 pips för denna symbol som är 8211, vilket framgår av ovanstående bevis 8211 troligen för lågt. Även om 5 pips ligger över den genomsnittliga Oanda-marknadsfördelningen för denna symbol ger det inte tillräckligt med utrymme för ytterligare förluster på grund av glidning och utvidgning. Den andra bilden visar avvikelserna när de splittras av branschen öppnade vid olika timmar. Det är uppenbart att alla timmar är inte samma och även för den mycket negativa GBPJPY verkar det finnas några timmar då avvikelser tenderar att vara positiva. Du kan också se några fall där avvikelser är extremt positiva 8211 till exempel GBPUSD-affärerna öppnade på timme 8 8211. Detta beror huvudsakligen på att handeln som öppnades vid denna timme har mött positiva nyheter som helhet av en slump och eventuellt också mött några viktiga marknadsföra rörliga händelser som Brexit eller GBP flash-kortet positivt. Det är emellertid osannolikt att sådana avvikelser kommer att bestå under en betydligt lång tidsperiod, eftersom de förmodligen är konsekvensen av dessa sällsynta händelser som råkar gynna vissa strategier mer än andra genom lycka till. Jag förväntar mig att dessa avvikelser blir lägre och lägre som en funktion av tiden, vilket ger oss en mycket jämnare kurva efter några år av handel. Av samma anledning måste vi ta mer tid och samla mer data innan vi betraktar några åtgärder som kan innebära direkt användning av denna information (t. ex. gruvsystem som handlar i timmar då avvikelser förväntas vara gynnsamma). Ovanstående visar redan att våra simuleringsspridningskostnader sannolikt måste ökas avsevärt för GBPJPY och kanske bara måttligt för USDCHF. Det visar också att vår verkställighet har varit bra över hela linjen 8211 på de flesta symboler i själva verket 8211 och att högre likviditetssymboler visar lägre avvikelser än lägre likviditetssymboler (inte överraskande eftersom dessa kostnadsökningar för det mesta är relaterade till förseningsfördröjningar och spridning vidgning). Vi har nu kodat några skript för att utföra ovanstående analys varje vecka så we8217ll kan hålla uppdaterade flikar om hur våra system kör och huruvida våra simuleringar är anpassade till dessa avrättningar. Om du vill lära dig mer om vårt samhälle och hur du också kan skapa egna algoritmiska handelsstrategier, vänligen överväga att ansluta dig till Asirikuy. en webbplats fylld med pedagogiska videor, handelssystem, utveckling och ett ljud, ärligt och öppet sätt mot automatiserad trading. strategies. How att vinna med mekaniska handelssystem. Mycket bläck har ägnats åt att fastställa orsakerna till mekaniska handelssystemfel, särskilt efter faktum. Även om det kan verka oxymorontiskt (eller för vissa handlare, helt enkelt moroniska), är den främsta anledningen till att dessa handelssystem misslyckas, eftersom de förlitar sig för mycket på den mekaniska handelens handfria, brand-och-glömma karaktär. Algoritmerna saknar själva det objektiva mänskliga övervakningen och insatsen som behövs för att hjälpa systemen att utvecklas i takt med förändrade marknadsförhållanden. Mekanisk handelssystemfel eller misslyckande av näringsidkare Istället för att bemöta ett handelssystemfel är det mer konstruktivt att överväga hur handelsmän kan ha det bästa av båda världarna: det vill säga, handlare kan njuta av fördelarna med algoritmstyrda mekaniska handelssystem , till exempel automatiska avrättningar med snabb eld och emotionsfria handelsbeslut, samtidigt som de utnyttjar sin medfödda mänskliga kapacitet för ett objektivt tänkande om misslyckande och framgång. Det viktigaste inslaget i någon näringsidkare är den mänskliga förmågan att utvecklas. Handlare kan ändra och anpassa sina handelssystem för att fortsätta vinna innan förluster blir ekonomiskt eller känslomässigt förödande. Välj rätt typ och mängd marknadsdata för testning Framgångsrika näringsidkare använder ett system med repetitive regler för att skörda vinster från kortfristiga ineffektiviteter på marknaden. För små oberoende handlare i den stora världen av värdepapper och derivathandel där spridningar är tunna och konkurrenshäftiga kommer de bästa möjligheterna till vinster att spåra ineffektiviteten på marknaden baserat på enkla data som är lätt att kvantifiera och sedan vidta åtgärder så snabbt som möjligt möjlig. När en näringsidkare utvecklar och driver mekaniska handelssystem baserat på historiska data hoppas han eller hon på framtida vinster baserat på tanken att nuvarande ineffektivitet på marknaden fortsätter. Om en näringsidkare väljer fel dataset eller använder felaktiga parametrar för att kvalificera data, kan dyrbara möjligheter gå förlorade. Samtidigt, när ineffektiviteten som upptäckts i historiska data inte längre existerar, misslyckas handelssystemet. Anledningen till att den försvann är oväsentlig för den mekaniska näringsidkaren. Endast resultaten betyder. Välj de mest relevanta dataseten när du väljer datasetet för att skapa och testa mekaniska handelssystem. För att kunna prova ett prov som är tillräckligt stort för att bekräfta huruvida en handelsregel fungerar konsekvent under ett brett utbud av marknadsförhållanden, måste en näringsidkare använda den längsta praktiska perioden av testdata. Så det verkar lämpligt att bygga mekaniska handelssystem baserat på både den längsta möjliga historiska datamängden och den enklaste uppsättningen designparametrar. Robusthet anses generellt vara förmågan att motstå många typer av marknadsförhållanden. Robusthet borde vara inneboende i något system som testas över en lång rad historiska data och enkla regler. Långtestning och grundläggande regler bör återspegla det bredaste utbudet av potentiella marknadsförhållanden i framtiden. Alla mekaniska handelssystem kommer i slutändan att misslyckas, eftersom historiska data uppenbarligen inte innehåller alla framtida händelser. Varje system som bygger på historiska data kommer så småningom att stöta på historiska förhållanden. Människans insikt och ingripande förhindrar automatiserade strategier att springa av skenorna. Folk på Knight Capital vet något om live trading snafus. Enkelhet vinner med sin anpassningsförmåga Lyckade mekaniska handelssystem är som levande, andningsorganismer. Världens geologiska skikt fylls med fossiler av organismer som, även om de är idealiska för kortvarig framgång under sina egna historiska perioder, var för specialiserade för långsiktig överlevnad och anpassning. Enkla algoritmiska mekaniska handelssystem med mänsklig vägledning är bäst för att de kan genomgå snabb, enkel utveckling och anpassning till förändringsförhållandena i miljön (läs marknadsplats). Enkla handelsregler minskar den potentiella effekten av data-mining bias. Bias från data mining är problematisk eftersom det kan överdriva hur bra en historisk regel kommer att tillämpas under framtida förhållanden, särskilt när mekaniska handelssystem är inriktade på korta tidsramar. Enkla och robusta mekaniska handelssystem bör inte påverkas av de tidsramar som används för teständamål. Antalet testpunkter som finns inom ett visst antal historiska data borde fortfarande vara tillräckligt stora för att bevisa eller motbevisa giltigheten för de handelsregler som testas. Förklarade olika, enkla, robusta mekaniska handelssystem kommer att skryta data mining bias. Om en näringsidkare använder ett system med enkla designparametrar, såsom QuantBar-systemet. och testar den genom att använda den längsta lämpliga historiska tidsperioden, kommer de enda andra viktiga uppgifterna att hålla sig till disciplinen att handla systemet och övervaka resultaten framåt. Observation möjliggör evolution. Å andra sidan, handlare som använder mekaniska handelssystem byggda från en komplex uppsättning av flera parametrar riskerar att förutveckla sina system till tidig utrotning. Bygg ett robust system som utnyttjar det bästa av mekanisk handel utan att falla i byte mot dess svagheter. Det är viktigt att inte förväxla robustheten i mekaniska handelssystem med anpassningsförmåga. System som utvecklats utifrån en mångfald parametrar medförde att vinsthandeln under historiska perioder och även under aktuella observerade perioder beskrivs ofta som robusta. Det är ingen garanti för att sådana system framgångsrikt kan tweaked när de har handlat förbi sin smekmånadsperiod.8221 Det är en första handelsperiod under vilken förhållanden råkar sammanfalla med en viss historisk period som systemet baserades på. Enkla mekaniska handelssystem anpassas enkelt till nya förutsättningar, även om de grundläggande orsakerna till förändringar på marknaden är oklara och komplexa system är korta. När marknadsförhållandena förändras, så är de handelssystem som troligtvis fortsätter att vinna de som är de enkla och lättast anpassningsbara till nya villkor. Ett väldigt robust system är en som har lång livslängd framför allt. Enkla algoritmiska mekaniska handelssystem med mänsklig vägledning är bäst för att de kan genomgå snabb, enkel utveckling och anpassning till förändringsförhållandena i miljön (läs marknadsplats). Tyvärr, efter att ha upplevt en första period av vinster vid användning av alltför komplicerade mekaniska handelssystem, faller många handlare i fällan för att försöka anpassa systemen till framgång. Marknaderna är okända, ändå förändrade, förutsättningarna kan redan ha dömdat hela arten av mekaniska handelssystem till utrotning. Återigen erbjuder enkelhet och anpassningsförmåga till förändrade förutsättningar det bästa hoppet på överlevnad för något handelssystem. Använd en objektiv mätning för att skilja mellan framgång och misslyckande En näringsidkare mest vanliga undergång är en psykologisk koppling till hans eller hennes handelssystem. När handelsfel uppstår, beror det vanligtvis på att näringsidkare har antagit en subjektiv snarare än objektiv synpunkt, särskilt när det gäller stoppförluster under särskilda branscher. Människans natur driver ofta en näringsidkare för att utveckla en känslomässig koppling till ett visst system, särskilt när näringsidkaren har investerat betydande tid och pengar i mekaniska handelssystem med många komplexa delar som är svåra att förstå. Men det är kritiskt viktigt för en näringsidkare att gå utanför systemet för att överväga det objektivt. I vissa fall blir näringsidkaren bedräglig om systemets förväntade framgång, även för att fortsätta att handla ett uppenbart förlorande system långt längre än en subjektiv analys skulle ha tillåtit. Eller efter en period av fett vinner, kan en näringsidkare bli gift med ett tidigare vinnande system även om dess skönhet bleknar under tryck av förluster. Värre, en näringsidkare kan falla i fällan för att selektivt välja testperioder eller statistiska parametrar för ett redan förlorande system för att upprätthålla falskt hopp för systemets fortsatta värde. En enda målmetod för att bestämma huruvida mekaniska handelssystem verkligen har misslyckats är att en objektiv målstav, till exempel att använda standardavviksmetoder för att bedöma sannolikheten för nuvarande fel. Genom ett objektivt öga är det lätt för en näringsidkare att snabbt upptäcka fel eller potentiellt misslyckande i mekaniska handelssystem och ett enkelt system kan snabbt och enkelt anpassas för att skapa ett nyvinande system en gång till. Fel på mekaniska handelssystem kvantifieras ofta baserat på en jämförelse av nuvarande förluster när de mäts mot de historiska förlusterna eller neddragningarna. En sådan analys kan leda till en subjektiv, felaktig slutsats. Maximal drawdown används ofta som tröskelvärdet genom vilket en näringsidkare kommer att överge ett system. Utan att överväga det sätt på vilket systemet nådde den nivån eller den tid som krävs för att nå den nivån, bör en näringsidkare inte dra slutsatsen att systemet är en förlorare baserat på enbart dragning. Standardavvikelsen mot nedräkning som ett misslyckande värde Faktum är att den bästa metoden för att undvika att slänga ett vinnande system är att använda en objektiv mätstandard för att bestämma aktuell eller nyligen fördelad avkastning från systemet som erhållits när det faktiskt handlas. Jämför den mätningen mot den historiska fördelningen av avkastning beräknad från backtestning, samtidigt som ett fast tröskelvärde tilldelas i enlighet med säkerheten att den nuvarande förlorade fördelningen av mekaniska handelssystem är faktiskt bortom normala, förväntade förluster och bör därför vara kasseras som misslyckad. Så, till exempel, antar att en näringsidkare ignorerar den nuvarande drawdown-nivån som har signalerat ett problem och utlöst hans undersökning. I stället jämför den nuvarande förlorande sträckan mot de historiska förluster som skulle ha inträffat under handeln med systemet under historiska testperioder. Beroende på hur konservativ en näringsidkare är, kan han eller hon upptäcka att den nuvarande eller senaste förlusten är bortom, säg 95-säkerhetsnivån, som indikeras av två standardavvikelser från den normala historiska förlustnivån. Detta skulle säkert vara ett starkt statistiskt tecken på att systemet fungerar dåligt och har därför misslyckats. I motsats till detta kan en annan näringsidkare med större aptit för risker objektivt bestämma att tre standardavvikelser från normen (dvs 99,7) är den lämpliga säkerhetsnivån för att bedöma ett handelssystem som misslyckat. Den viktigaste faktorn för någon trading system8217 framgång, vare sig manuell eller mekanisk, är alltid den mänskliga beslutsförmågan. Värdet av bra mekaniska handelssystem är att, liksom alla bra maskiner, de minimerar mänskliga svagheter och ger resultat överlägset de som kan uppnås genom manliga metoder. Men när de är korrekt byggda tillåter de fortfarande fast kontroll enligt handlarens dom och tillåter honom eller henne att undanröja hinder och eventuella misslyckanden. Även om en näringsidkare kan använda matematik i form av en statistisk beräkning av standardfördelning för att bedöma huruvida en förlust är normal och acceptabel enligt historiska uppgifter, ställer han eller hon fortfarande på mänsklig bedömning istället för att göra rentmekaniska, matematiska beslut baserat på algoritmer ensam. Traders kan njuta av det bästa av båda världarna. Algoritmernas och mekaniska handelens kraft minimerar effekterna av mänsklig känsla och tardiness på orderplacering och utförande, särskilt när det gäller att upprätthålla disciplinen för stoppavbrott. Den använder fortfarande den objektiva bedömningen av standardavvikelsen för att behålla mänsklig kontroll över handelssystemet. Var förberedd för förändring och var beredd att byta handelssystem Tillsammans med objektiviteten att upptäcka när mekaniska handelssystem byter från vinnare till förlorare måste en näringsidkare också ha disciplin och framsyn för att utveckla och byta system så att de kan fortsätta vinna under nya marknadsförhållanden. I vilken miljö som fylls med förändring, desto enklare är systemet, desto snabbare och enklare blir dess utveckling. Om en komplex strategi misslyckas kan det vara lättare att byta än att ändra det, medan några av de enklaste och mest intuitiva systemen, som QuantBar-systemet. är relativt lätta att ändra på flyga för att anpassa sig till framtida marknadsförhållanden. Sammanfattningsvis kan det sägas att välbyggda mekaniska handelssystem ska vara enkla och anpassningsbara och testade enligt rätt typ och mängd data så att de kommer att vara robusta nog att producera vinster under en mängd olika marknadsförhållanden. Och ett vinnande system måste bedömas med lämplig framgångsrik framgång. I stället för att endast förlita sig på algoritmiska handelsregler eller maximala drawdownnivåer, måste varje beslut om huruvida ett system har misslyckats göras enligt den mänskliga bedömningen av handlaren och baseras på en bedömning av antalet standardavvikelser för systemets nuvarande prestanda när det mäts mot dess historiska testförluster. Om mekaniska handelssystem misslyckas med att utföra, bör näringsidkaren göra nödvändiga förändringar istället för att hålla fast vid ett förlorande system. Bara för att ett system fungerade för 20 år sedan betyder det att det borde fungera idag. Var försiktig när du föreslår att du testar ett system under en lång period. Hur länge är lång Likaså, hur enkelt är enkelt Fyra regler med totalt fyra variabler Sju regler med totalt tio variabler Jag överensstämmer i allmänhet med att enklare är bättre men det är enkelt Att använda avkastningens standardavvikelse bör ge liknande slutsatser att springa en Monte Carlo-analys som inte är svår med programvara som är tillgänglig. Med en MC-analys kan man, som du är medveten, se möjliga avkastningar och eventuella drawdowns. Framtiden doesn8217t måste likna det förflutna men en MC-analys är ett sätt att testa ett system. Lätt att ge riktlinjer svårt att utveckla ett system med en edge823082308230.and svåraste att byta .. om möjligt dela med sig någon variabel 2 göra ett handelssystem. För enkelhets skull gör det enkelt Köp Regler Utgångsregler (Stopp eller vinstutgång) Korta regler Korta utgångar (Stopp eller vinstutgång) Stanna ut (om det behövs per system) Ställningsstorlek (med tanke på max drawdown) Thats it8230 kan lägga till något stycke råd du vill8230 Tack för inlägget håller jag med många saker som du nämnde. Och dessutom ger mig ett par idéer att försöka. Hej Alla Shaun, jag håller med. focusing on not losing is a very important success of success. Tarun, an EA that i have built that is very successful uses a simple pivot point swing trading strategy. A custom indicator of my own gives me a premarket bias (up or down) and my trigger for entry is market price within a 2 pip range of the main daily pivot. exit strategy is simple too, price will either stop out or close half the position at Support1 or Resistance1. Stoploss is then moved to break even. Price will then stop out or reach S2 or R2 at which point half the remaining position is closed again, stoploss is moved to S1 or R1. Price will then stop out or move to S3 or R3 at which point the remaining position is closed. 8211 That simple strategy is worth 1million dollars over a 15 year period. free, my pleasure. most people wont do anything with this info anyway lol. The Dilema: Simple strategy, highly complicated EA. why because every strategy has limits and knowing what causes it to fail is the first step to 8220focusing on not losing8221. aka, put meausures in place to anaylize the market and make your EA either shut off or adapt when the market is acting in ways bad for your strategy. also, RR, balance protection and using a LOT scale makes the EA pretty complex but its well worth the effort. combine a simple strategy with a detailed managment system inside of a complex EA is worth 50million over 15 years. Dont expect this kind of system to come together over night, i spent 2 years building mine but its been a very exciting journey. If you8217re passionate about trading and EA8217s just dont give up. stay focused and keep learning. Indeed. You could publish most strategies in the newspaper. Almost nobody would do anything with it. I love the emphasis on 8220not losing8221 rather than winning. You8217re speaking my language I would add 3 points to consider when evaluating the performance of programmed trading systems. First of all when back testing a system in MetaTrader it is important to remember that MT4 does not provide a true tick data stream. It merely simulates the tick data by using data bars stored in the History Center, This means that very recent price history may be constructed from 1 or 5 minute bars and history farther out may be constructed from 15 or 30 minute bars. Running tests over periods of several years may force MT4 to simulate the tick data using bars of even larger time periods. This is whyyou will see many performance tests which were run in MetaTrader over a several year periods that have a characteristic curve. There is a steeply profitable curve in the early years and a flat to losing curve in the recent time period. If the system was run on the true tick data most likely it would perform poorly throughout the testing period because the early years were simulated on 15M or 30M bars and were less volatile than the actual price action of the period. Secondly, most of the people who design trading systems tend to over optimize their system to maximize the profit obtained during the time period which was used to test the system. As an example let8217s say the system designer tested his system over a 5 year period. The natural inclination is to tweak the variables to maximize the profit. The thought process goes something like this: If the system produces a 50 profit and a 2.5 profit factor over this test period then I should get at least an acceptable performance in real time use. Believe me this is the kiss of death in EA programming and the reason so many commercial expert advisers fail. The customer buys into the profitable performance during the back testing period and then inevitably loses when he tries to run the EA with real money. Proper back testing attempts to find the true average performance of the EA based on several testing periods. Finally, there is the problem that was touched on in the article of knowing if the results you are experiencing are statically valid. Of course as Mr. Flower states if a losing streak is outside 2 standard deviations then chances are something has changed. I would like to point out that the distribution of winning and losing trades is always random and determined by the overall percentage of winners or losers in a sample of trades assuming that it is large enough to be statically valid. To give an example let8217s say your system requires a 50 win rate to be profitable. Well, we already know from flipping a coin that has the same 50 win rate that the winners and losers will tend to clump together in winning streaks and losing streaks. Further more we know from the study of statistics that the distribution of winners and losers in the EA with a 50 win rate will be the same as the distribution obtained from tossing a coin. Namely, there will be in a group of 1000 trades on average 8 losing streaks of 5 losers in a row and 8 winning streaks of 5 winners in a row. Similarity in a group of 1000 trades you should also see on average of 4 losing and winning streaks of 6 in a row, 2 losing and winning streaks of 7 in a row and 1 winning and losing streak of 8 and 1 winning and losing streak of 9 in a row. It is important that the user has a realistic idea of size and number of losing streaks he WILL encounter using the EA. Otherwise he will surely give up and quite the first time he encounters an expected losing series of trades. That8217s one of the many reasons that I don8217t test anything in MetaTrader. I only use it for live trading. The weak data and inability to test portfolios makes it unusable for my purposes. You8217re right about over-optimizing. The easiest way to avoid this is to minimize the number of parameters in your strategy. I only have 4 in my Dominari strategy, for example. Thanks for the detailed thoughtsHow To Create A Mechanical Trading System So far, we8217ve taught you how to develop your trading plan. We8217ve also discussed how important it is for you to discover which type of forex trader you are. Next, we8217re gonna teach you how to add some meat to your thin trading plan frame by showing you how to create a forex trading system . More specifically, we8217re gonna teach you all about forex mechanical trading systems. Mechanical trading systems are systems that generates trade signals for a trader to take. They are called mechanical because a trader will take the trade regardless of what is happening in the markets. In theory, this should eliminate all biases and emotions in your trading, because you are supposed to follow the rules of your system NO MATTER WHAT . If you do a simple search in Google for 8220forex trading systems8221 you8217ll find many many many people out there who claim to have the 8220Holy Grail8221 system that you can purchase for 8220only8221 a few thousand dollars. These systems supposedly make thousands of pips a week and never lose. They will show you supposed 8220results8221 of their perfect systems and it will make your eyeballs turn into dollar signs as you sit there and say to yourself, 8220Wow I can make all this money if I just give this guy 3,000. Besides, if his system making thousands of pips a week, I8217ll be able to make my money back in no time.8221 Slowww down cowboy. There are some things you should know before you give them your credit card number and make that impulse buy. The truth is that many of these systems DO in fact work. The problem is that forex traders lack the discipline to follow the rules that go along with the system. The second truth (Is there such thing as a second truth) is that instead of paying thousands of dollars on a system, you can actually spend your time developing your own mechanical trading system for free . and use that money you were going to spend as capital for your forex trading account. The third truth is that creating mechanical trading systems isn8217t that difficult. What is difficult is following the rules that you set when you do develop your system. There are many articles that sell systems, but we haven8217t seen any that teach you how to create your own system. This lesson will guide you through the steps you need to take to develop a forex mechanical trading system that is right for you. At the end of the lesson, we will give you an example of a system that one of the FX-Men uses just so we can show you how awesome we are (Insert evil laugh here.) Goals of your mechanical trading system We know you8217re saying, 8220DUH, the goal of my trading system is to make a billion dollars8221 While that is a wonderful goal, it8217s not exactly the kind of goal that will make you a successful forex trader. When developing your mechanical trading system, you want to achieve two very important goals: Your system should be able to identify trends as early as possible. Your system should be able to avoid you from whipsaws. If you can accomplish those two goals with your trading system, you have a much better chance of being successful. The hard part about those goals is that they contradict each other. If you have a system who8217s primary goals is to catch trends early, then you will probably get faked out many times. On the other hand, if you have a mechanical trading system that focuses on avoiding whipsaws, then you will be late on many trades and will also probably miss out on a lot of trades. Your task, when developing your mechanical trading system, is to find a compromise between the two goals. Find a way to identify trends early, but also find ways that will help you distinguish the fake signals from the real ones. If you have no idea where to start, drop by our Free Forex Trading Systems thread in our forums. Tons of forex traders post their ideas for trading systems, so you may find one or two that you can use when you build your own mechanical trading system. Spara dina framsteg genom att logga in och markera lektionen komplett
No comments:
Post a Comment