Hem robusta handelssystem är målet för trendföljare. Robust Trading Systems är målet för trendföljare. Du kan alltid hitta galen annonser lovande handelssystem med hög avkastning och 100 framgångsrika plockar toppar och bottnar. Dessa så kallade system uppnår sina resultat genom att Använda många regler och många undantag De var helt utvecklade eller kurva-passade Reglerna är alltid överoptimerade. Se bara bra på papper bara allt du får De vann t eller håller sig till den verkliga världen. En bra trend efter handelssystemet måste vara robust Det finns fem allmänna kriterier för system robusthet. Sensibilitetsanalys på systemregler parametrar. Test på många marknader. Systemövergripande riskanalys. Systemkonsekvens. Kan trend beskrivas i enkla och logiska termer. Ett handelssystem med högst tre Till fem parametrar för att optimera är ideal Parametrar är den kvantitativa delen av de regler eller villkor som måste uppfyllas. Test på många marknader. En signifikant indikation på robusthet är att använda ett system optimerat för en marknad på många olika marknader utan att ändra några parametrar Om ett system optimerat på SP 500 kan handla en Japan-fond, en liten cap fond och en tillväxtmarknad fond, är förtroendet för det systemet Ökad. Systemövergripande riskanalys. Systemövergripande riskanalys föreställer alla sätt system kan genomföra sina mål Tänk igenom alternativen. Konsekvent avkastning visar ett system över många branscher utnyttjar en kant Ordet kant används På samma sätt som ett kasino har en kant på roulette, över ett stort antal affärer, ett system med en kant gör pengar. Kan trenden följa beskrivas i enkla och logiska termer. Ett system måste förklaras i enkla och logiska termer Om ett system beror på månens fas eller på exponentiala glidande medelvärdet av Fibonacci-oscillatorn, avvisa systemet. Du måste förstå grunden för ett system s framgång. Träffa följande produkter. Michael Covel Trend Följande produkter.1996-17 Trend Efterföljande Alla rättigheter reserverade Contact. Trend Following, TurtleTrader, är varumärken som tjänstemärken för Trend Följande Andra varumärken och servicemärken som visas på Trend Following-nätverket av webbplatser kan vara ägda av Trend Following eller av andra parter, inklusive tredje parter som inte är anslutna till Trend Following. och information om Trend Following-nätverket av webbplatser får inte kopieras, skrivas om eller omfördelas utan skriftligt tillstånd från Michael Covel och Trend. Men skriftligt tillstånd är enkelt och typiskt tillåtet. Syftet med denna webbplats är att uppmuntra till fri utbyte av idéer Över investeringar, risker, ekonomi, psykologi, mänskligt beteende, entreprenörskap och innovation Hela innehållet på denna webbplats är baserat på Michael Covels åsikter, om inte annat anges. Enskilda artiklar baseras på respektive upphovsmanns åsikter, som kan behålla upphovsrätten som Noteras Informationen på denna webbplats är avsedd för kunskapsdelning och i bildning från Michael Covels forskning och erfarenhet. Informationen i detta dokument är inte avsedd att användas som en inbjudan till investeringar med någon rådgivare profilerad. Alla uppgifter på denna webbplats är direkt från CFTC, SEC, Yahoo Finance, Google och avslöjande dokument från ledare som nämns här Vi antar att alla uppgifter är korrekta, men tar inget ansvar för fel, utelämnanden eller skriftliga fel som görs av källor. Trend Efterföljande marknader och säljer olika investeringsforsknings - och investeringsinformationsprodukter Läsare är ensam ansvariga för urval av aktier, valutor , Alternativ, råvaror, terminskontrakt, strategier och övervakning av sina mäklarekonton Trend Efterfrågar sina dotterbolag, anställda och agenter inte eller genomför handel eller ger investeringsrådgivning och är inte registrerade som mäklare eller rådgivare med någon federal eller statlig myndighet Läs vår fullständiga ansvarsfriskrivning. Se Michael Covel s film nu Den enda trenden efter dokumentärutformning en robust mekanisk handelsstrategi En bästa praxis i handel. Från Brett Denna bästa praxis post kommer till oss från Edward Heming, som är författare till Herren Tedders trading blogg Han diskuterar några aspekter av att utveckla en pålitlig mekanisk handelsstrategi och täcker också Fördelar och nackdelar med mekanisk handel Observera att Henry Carstens också har lagt fram en serie artiklar om ämnet för att utveckla handelssystem. Vad jag mest tycker om Lord Tedders-artikeln är insikten att att undersöka systemidéer är ett bra sätt att få en känsla för marknad Av den anledningen kan det till och med gynna den diskretionära näringsidkaren De som vill få några av fördelarna med systemtestning utan utmaningarna med programmering kan titta på Odds Maker-programmet som utvecklats av Trade Ideas eller kan följa råd från Bonnie Lee Hill och utnyttja Rullgardinsmenyns testplattform tillgänglig via Ensign Software Med sådana verktyg är det enklare än någonsin att verkligen avgöra om dina idéer ger y ou med en prestandakant Tack till Edward för den insiktsfulla posten. En av de frågor som jag ofta får fråga om strategi design är hur designar du en robust mekanisk handelsstrategi. För att förstå hur man bygger en robust mekanisk strategi är det viktigt att förstå vad en robust mekanisk strategi är En mekanisk strategi är helt enkelt en kvantifierad beslutsström som leder antingen en handelsrobot eller näringsidkaren själv för att bestämma positionsstorlek, poster, utgångar och stoppar allt helt och hållet av mode, med andra ord om du har en mekaniskt fungerande system är din inmatning inte nödvändig eller om så i mycket begränsad grad. För att en mekanisk strategi ska kunna vara robust måste den kapitalisera på en handelskant. Det kan vara allt från en statistisk kant som trender till en arbitrage med utförandekanten. Strategin måste hålla sig över en omfattande period av affärer historiskt minst flera hundra och måste hålla upp i framtida handel som kan simuleras. En mekanisk sy Stam har flera fördelar som diskretionära handlare inte gör, såsom förmågan att utföra kvantitativ och data mining analys snabbt och över utökade historiska perioder Dessutom kan mekaniska system lindra en del av den känslomässiga nöd som följer med diskretionär handel särskilt bland nya handlare. Men det är viktigt att erkänna att mekanisk handel har flera nackdelar också Den första är att du måste kunna kvantifiera varje handelsbeslut som systemet kommer att göra, för det andra måste det mekaniska systemet justeras periodiskt precis som en diskretionär näringsidkare anpassar sina metoder antingen genom inbyggd adaptivitet, optimering eller diversifiering. Till sist arbetar mekaniska system endast om man lägger in den enorma tid och ansträngning som krävs för att programmera, testa, felsöka och ständigt justera den. För att utforma en mekanisk strategi är det viktigt att överväga Tre saker före något annat 1 ditt mål för det syftet Stam, 2 din marknad, 3 din tidsram När du har bestämt det här är det lätt att hitta din väsentliga metod, eftersom det bara finns 4 sätt att handla på alla marknader 1 trendhandel, 2 momentomsättning, 3 återföring till den genomsnittliga handeln, 4 och Grundläggande handel När du väl har bestämt ditt mål, marknad, tidsram och metod är du redo att försöka sätta ihop din första strategi. Många av er tänker nog på den här tiden, om jag inte vet något av det där. Om du redan är en erfaren diskretionär handlare bör det inte visa sig vara alltför svårt. Om du inte har omfattande erfarenhet måste du hitta en metod som fungerar. Metoden kan vara lika enkel som ett glidande medelvärde som är långt kort till så komplicerat som en kontinuerlig justering Samarbetsnätverk som är genetiskt återoptimerat dagligen Det bästa sättet för den oerfarna näringsidkaren att bygga ett nytt system är att testa idéer. Det kan göras på två sätt visuellt eller programmässigt. För så migone utan omfattande programmeringserfarenhet, skulle det bästa vara att börja med det jag kallar ljus vid ljusstödstestning. Detta utförs genom att ta en idé som ett glidande medelvärde och testa det med historiska data på den givna marknaden och tidsramen genom att flytta din Kartlägger fram från det förflutna till framtiden och handlar sättet systemet skulle utan framtida kunskap om marknaderna. Den här metoden är hur jag testade mina första tio strategier, varav fyra jag fortfarande fortsätter att handla idag inklusive två som ritades av Phil McGrew som jag testat med den här metoden och fortfarande handlar idag Men jag var tvungen att testa nästan femtio eller sextio idéer för att komma ner till de tio strategierna som fungerar och slutligen förfina processen tills jag hade hittat fyra av de tio systemen som jag hittade att handla till ge dig ett exempel på hur tidskrävande denna process är, testade jag de tio strategierna som ofta tittar på över 2 år av 15 minuters barer och genomför hundratals affärer som jag spenderade nästan 7 00 reella timmar gör det här testet och jag är ganska snabb med ett diagram och excel Det låter som mycket arbete rätt Det var det men det gav mig också en känsla för de marknaderna som är nästan lika bra som att ha handlat dessa marknader i verkliga tid. Efter att ha gjort detta för en tid så kände jag att det var nödvändigt att vara ett effektivare sätt att testa idéer. Det finns programmatisk provning. Programmatisk provning kan igen vara väldigt lätt. Ett enkelt glidande medelvärde är en enkel sak att programmera i nästan vilken programmering som helst språk Men svårigheterna som kan förstöra den första programmatiska näringsidkaren är nästan oändliga. Många populära handelspaket spårar inte din aktieposition i fältet, men det spåras i baren och om du handlar dagliga staplar kan du föreställa dig problemen också. idéer som jag hade testat i stor utsträckning för hand var ibland svåra att programmera. Jag har haft så många upplevelser där jag misshandlade ett kritiskt begrepp även i en liten grad och det resulterade i att drastiskt olika resu Utöver vad jag vet att det inte var känt att det var koden som var felaktigt, kunde jag ha felaktigt avskedat många handelsideer som faktiskt var giltiga. Dessutom är det på denna nivå av programmatisk handel viktigt att överväga faktorer som minimerar ingångar grader av frihet och utnyttjande av flexibla ingångar Ett exempel på detta skulle vara att använda ett 3 ATR-stopp istället för ett 60 pipstopp så att när priserna och volatiliteten på marknaden fluktuerar kommer ditt stopp inte att tas ut på grund av slumpmässigt ljud. Andra sätt som du kan förbättra robustheten i din strategi inkluderar att utnyttja realistiska fyllningar och provisioner och se till att dina gränsvärden faktiskt hade fyllts på är det inte så lätt att testa i någon programvara som det borde vara. Optimering är ett annat användbart verktyg att överväga vid denna punkt i Din strategi testning karriär Detta är ett kraftfullt men tvåkantigt svärd Användning av genetiska algoritmer och liknande bergsklättring tekniker är en vanlig sätt att se till att y Vår optimering ger dig inte en enda punktavvikelse, utan snarare att det finns liknande inmatningsvärden som omger dina ingångar som ger liknande egenkapitalgrafer. Gå framåtprovning är ett annat användbart verktyg som kan hjälpa dig att uppnå realistiska resultat och se själv om en strategi skulle ha varit framgångsrik på data som inte var optimerade i likhet med framtiden. Gå vidare till programmatisk handel, efter att ha upplevt många fallgropar, känner jag att jag borde kunna testa mer än en idé i taget. I själva verket skulle jag helst vilja testa många idéer, över flera tidsramar och flera marknader Just nu är det det arbete jag är involverad i att utforma och jag tycker att detta kommer att hjälpa mig att analysera marknaderna med den hastighet och precision som kommer att ta min handel till nästa nivå. Detta är Arenan för de bästa strategiska designerna, där statistisk datautvinning, marknadsanalys, tidsramsanalys, teknisk analys, grundläggande analys och penninghantering kombineras med realistisk evolutionstestning i ett enda paket. Som du kan se är avancerad programmatisk provning och handel en komplex arena, jag själv lär mig fortfarande och anser mig inte att vara en expert. Den goda nyheten är att framgångsrik robust mekanisk strategi skapande och genomförande kan göras i så enkelt eller så komplicerat ett sätt som du väljer. De mycket enkla strategierna som testats och utformats med ljus genom ljusstöd är fortfarande en hörnsten i min handelsmetodik. Från Brett Notice Edward s råd börjar små, hålla det möjligt och bygga sedan dina färdigheter Dina bästa idéer kommer från intensiv observation, men några av de bästa idéerna är enklaste och enklaste. Jag har nyligen skickat ett samtal till handlare och programmörer som vill samarbeta. Detta kan vara ett lovande sätt att komma igång. Brett Steenbarger, Ph D Författare av Trading Psychology Wiley, 2003, Förbättrad Trader Performance Wiley, 2006, Daglig Trading Coach Wiley, 2009, Och handelspsykologi 2 0 Wiley, 2015 med intresse för att använda historiska mönster på marknader för att hitta en handelskant Som en prestationstränare för portföljförvaltare och handlare på finansiella organisationer är jag också intresserad av prestationsförbättring bland handlare, som bygger på forskning från expert Artister på olika områden Jag tog avstånd från bloggar från och med maj 2010 på grund av min roll i en global makro hedgefond Blogging återupptogs i februari 2014, tillsammans med regelbunden inläggning till Twitter och StockTwits steenbab undervisar jag kort terapi som klinisk docent vid SUNY Upstate i Syracuse, med särskild tonvikt av lösningsfokuserade terapier för den psykologiska samordnaren av The Art and Science of Brief Psychotherapies, American Psychiatric Press, 2012 Jag erbjuder inte coaching för enskilda näringsidkare, men välkomnar frågor och kommentarer på steenbab på Aol dot com Se min fullständiga profil. Skriv till. Twitter Trader. Blog Archive. Stress Testing för Trading Strategy Robustness. by Michael R Bryant. I artikeln om handelsstrategier för flera marknader diskuterade jag begreppet robusthet, som jag beskrev som okänslighet för variationer i de data som strategin bygger på. Att bygga ett handelssystem över flera marknader är ett sätt att öka robustheten. , vad händer om du redan har en strategi och du vill se hur robust det är. Att testa en handelsstrategi för robusthet kallas ofta känslighetsanalys eller mer i vardagen som stresstest. Grundtanken är att se vad som händer när små förändringar är Till strategins ingångar, prisdata eller andra delar av strategin eller handelsmiljön En robust strategi uppvisar en proportionell och relativt dämpad reaktion på sådana förändringar, medan en strategi som inte är robust kommer att reagera oproportionerligt och ibland misslyckas direkt när små förändringar Är gjorda till sina ingångar eller miljö. Varför är detta viktigt. Men det är bara robusthet viktigt eftersom marknaderna aldrig blir lika Ingångar som utkikslängden för ett glidande medelvärde kan vara optimala under backtestperioden, men framåt kan olika värden vara optimala. Vi vill veta hur bra strategin ska utföra när ingångarna är Inte längre optimalt Ett sätt att ta itu med är att se hur resultaten ändras när inmatningsvärdena ändras. Som förklaras i den tidigare artikeln är tanken på robusthet relaterad till strategisk övermontering. Vi vill se till att strategin inte har Har varit så passformig på marknaden under utvecklingsprocessen att det inte kan klara några förändringar på marknaden Generellt sett kan vi testa på det genom att byta marknad, förändra strategin eller båda. En strategi som inte står bra upp till relativt små förändringar är inte robusta och kommer sannolikt att vara överpassade. En sådan strategi bör inte förväntas fungera bra i framtiden. Typer av stressprovning. Det finns många olika sätt att en strategi kan stresstestas. Vi kan göra förändringar S till själva strategin eller till de prisuppgifter som vi testar om det. Vi kan ändra handelskostnaderna, till exempel mängden glidning, eller ändra positionering. I princip kan allt som påverkar strategins backtestresultat vara Varierad I den här artikeln kommer följande tre typer av stresstest att diskuteras. Koppling av strategin inputs. Making små förändringar till individuella priser. Koppling av startfältet. Motiveringen för att ändra strategins ingångar diskuterades ovan För att ändra dem kommer en procentandel Väljas slumpmässigt mellan - Max och Max, där Max kan vara i storleksordningen 1 eller 5. Denna procentandel kommer att tillämpas på värdena för värden för varje ingång. Om vi exempelvis väljer back-length för en indikator från intervallet av värden från 1 till 100, då skulle intervallet vara 100 och den slumpmässigt valda förändringsprocenten skulle tillämpas på 100. Ändringsmängden, antingen positiv eller negativ, skulle då läggas till det ursprungliga ingångsvärdet för att göra det högre eller lägre R av det beloppet Vi ska också ange ett lägsta möjliga förändringsbelopp, till exempel 1 för att mängden ska ändra en indikatorvisningsback-längd. Om sättet för slumpmässigt byte är ett litet antal, kommer ingången ändå ändras. En väg att en strategi kan vara överpassad och därför inte robust, är om den passar för nära till specifika priser i backtestet. Om strategin träder iväg på ett stopp och flera stora lönsamma affärer går in på den höga dagens pris, vilket skulle ge upphov till en röd flagga Hur skulle resultaten bli om högan hade varit en kryssare lägre på de dagarna Om en sådan liten förändring skulle förstöra resultaten, är strategin tydligt inte robust En stresstestteknik för att Upptäcka den typen av övermontering är att göra slumpmässiga ändringar av individuella priser och utvärdera resultaten. För att slumpmässigt ändra prisdata använder vi två inställningar. En är sannolikheten för att ändra ett pris. Till exempel, om sannolikheten är 50, att Betyder att det är 50 chans att något pris - Öppet, högt, lågt, stängt av varje stapel - kommer att ändras Den andra inställningen är den maximala procentuella förändringen som kommer att tillämpas på ett pris som ändras. Som med ingångsvärdena är den faktiska storleken av ändringen slumpmässigt vald mellan - Max och Max, där Max är den maximala procentuella prisförändringen Värdet på Max tas i procent av det genomsnittliga sanna intervallet över de senaste 100 barerna Om till exempel det genomsnittliga sanna intervallet är 10 poäng och den maximala procentuella förändringen är 20 , Då ändringsbeloppet är ett slumpmässigt valt nummer mellan -2 och 2 poäng Låt oss säga att det faktiska numret är -1 25 poäng och slutkursen är 1250 50 Det ändrade stänget skulle då vara 1249 25 Slutligen är det möjligt att byta ett pris kommer att ogiltiggöra den normala prisbeställningen, till exempel att minska den öppna så att den s under den låga. För att förhindra att priserna kan behöva justeras efter att ändringen har hållits öppna och stänger inom det höga låga intervallet. Stress testmetod som kommer att b e diskuteras innebär att man ändrar startfältet Det är troligt uppenbart att en bra strategi inte ska falla ifrån varandra när du startar backtestet på en annan stapel. Det kan vara mindre uppenbart hur detta kan hända. Tänk på en hypotetisk strategi som går långt på ett glidande medelvärde crossover Det handlar sedan om handeln exakt fem barer innan man lämnar på marknaden Att lägga bort logikens lämplighet, föreställ dig vad handelshistoriken kan se ut på ett prisschema Om det glidande genomsnittliga inmatningsvillkoret använder en kortsiktig genomsnittskorsning över en långsiktig Terminsgenomsnitt är det helt möjligt att inträdesvillkoren kan vara sann under en lång tidsperiod, dvs det kortsiktiga genomsnittet kan vara högre än det långsiktiga genomsnittet för många barer i en row. If Backtestet startades under den perioden, den första handeln skulle komma in i nästa stapel efter startfältet och varje handel varade fem barer, följdes omedelbart av nästa post och så vidare. Tänk nu vad som skulle happe n om startfältet ändrats Om startfältet var en stapel senare skulle till exempel hela serien av affärer flyttas en stapel till höger. Det är helt möjligt att en del av dessa serier av femhandelsaffär skulle vara mycket mer lönsam än andra beroende på hur affärerna anpassades till någon underliggande fembar trendcykel som existerade. Beroende på startfältet kan strategin vara mycket lönsam eller olönsam på grund av var handeln startade och slutade. Det kan inte vara uppenbart under utveckling att strategidogiken hade denna typ av beroende på startfältet, speciellt för mer komplicerade typer av logik. För att testa för effekten av startfältet, kommer den stapel som strategin bakre testet påbörjas att varieras av en slumpmässig Nummer valt mellan 1 och N I exemplet nedan valdes N för att vara 300 Så startfältet varierades genom att lägga till ett slumpmässigt valt nummer mellan 1 och 300 till ursprunglig startstångsnummer. A Monte Carlo Approach. Varying t hans ingångar, priser eller startfältet med en slumpmässig mängd ger endast ett alternativ att jämföra med de ursprungliga resultaten. För att få en mer komplett bild av hur robust en strategi är kan vi upprepa processen många gånger tills vi har en fördelning av resultat I allmänhet varierar inmatningsvariablerna slumpmässigt över ett stort antal iterationer för att generera en statistisk fördelning av resultat för funktionen som beror på dessa ingångar, kallas Monte Carlo-analys. I detta fall är funktionen handelsstrategin och funktionen ingångar är strategins ingångar, marknadspriser och startfältet. Genom att upprepa stresstestet många gånger slutar vi med flera uppsättningar handelsresultat. För att förstå hur Monte Carlo-processen fungerar, överväg det exempel som visas i Fig 1.Figur 1 Den ursprungliga kapitalkurvan för en valutahandelsstrategi. Aktiekurvan som avbildas i figur 1 är en handelsstrategi som utvecklats för EURUSD-valutamarknaden på dagliga barer, med ett standardparti 100 000 per handel och 50 per lot för handelskostnader Detta är en av bonusstrategierna som ingår i Adaptrade Builder Det utvecklades i mars 2010 De senaste 100 branscherna eller så har varit sedan release, vilket visar att det har hållit bra i realtid Utan att spåra spårning. För att illustrera hur stresstestresultat kan analyseras med hjälp av ett Monte Carlo-tillvägagångssätt, överväga resultaten av stresstestning av forexstrategin på prisdata, som visas i figur 2, som visar totalt 20 aktiekurvor , Varav 19 motsvarar en annan uppsättning slumpmässigt modifierade prisuppgifter Den ursprungliga prisserien för EURUSD modifierades 19 gånger som beskrivits ovan, med en sannolikhet för prisförändringar på 50 med en maximal procentuell förändring av 20 tillsammans med den ursprungliga kurvan , Som visas som den tjockare gröna linjen finns totalt 20 uppsättningar av resultat. Det totala antalet hålls så litet som möjligt för illustrativa ändamål. Fler iterationer kommer att användas nedan i de återstående exemplen. Figur 2 Stresstest Forexstrategin genom att variera prisuppgifterna 19 gånger. Den totala nettovinsten som motsvarar varje aktiekurva i fig 2 är följande.147855 00 133286 00 87771 00 92707 00 132149 00 88384 00 126019 00 96581 00 105466 00 102946 00 86753 00 96127 00 116611 00 68459 00 109427 00 96242 00 111020 00 50201 00 130076 00 104181 00. Det högsta värdet, 147 855, motsvarar den ursprungliga filen med prisdata Det lägsta värdet är 50 201 I en Monte Carlo-analys kan vi fråga vad nettovinsten Kommer sannolikt att vara med en viss grad av förtroende med tanke på variationen i resultaten. En konfidensnivå på 95 är typisk, vilket innebär att det skulle finnas en 5 chans att nettovinsten är lägre än vårt valda värde. För att uppnå värdet av nettoresultatet vid 95 Förtroende, listan ovan är sorterad från högsta till lägsta och värdet 95 av vägen nerför listan väljs. Eftersom vi har 20 artiklar i listan väljer vi den 19: e posten i den sorterade listan, vilket skulle vara en nettovinst Av 68 459 dvs den näst lägsta va lue i listan. Vi kan tolka detta resultat enligt följande om slumpmässig prissättning av prisuppgifterna är representativ för den typ av slumpmässiga skillnader vi kan förvänta oss på marknaden, då kan vi förvänta oss att 95 av tiden kommer nettoresultatet att vara vid minst 68 459. Samma tillvägagångssätt kan tillämpas på varje prestationsmått som vi kanske vill spåra Om metriska är en där ett lägre värde är bättre, till exempel maximal drawdown, skulle listan sorteras i motsatt ordning innan du väljer värdet 95 av Vägen nerför listan. Exemplar av stressprovning. Nå överväga ett mer representativt exempel, där totalt 100 prover genererades för Monte Carlo-analysen Fig 3 visar de olika kapitalkurvorna som följer av att prisfilen varieras 99 gånger plus det ursprungliga kurva. Figur 3 Stressprovning av forexstrategin genom att variera prisuppgifterna 99 gånger, för totalt 100 aktiekurvor. Användandet av Monte Carlo-tillvägagångssättet till resultaten för stresstestet genererades resultaten i tabell 1 vid 95 förtroende som visas bredvid resultaten för de ursprungliga uppgifterna för jämförelse. Tabel 1 Stress tester forexstrategin genom att ändra prisdata. Som förväntat resulterar Monte Carlo resultat av att ändra prisuppgifterna en minskning av prestanda jämfört med resultaten för Ursprungliga prisuppgifter Stresstestresultaten är dock fortfarande positiva, vilket tyder på att strategin är åtminstone måttligt robust. I fig 4 nedan har samma tillvägagångssätt tillämpats på strateginångsvärdena. Modifieringsprocenten sattes till 1, vilket, För många ingångar, menade att minsta förändringsbeloppet tillämpades. Alla inmatningarna ändrades med åtminstone minimibeloppet för varje utvärdering. Den ursprungliga aktiekurvan visas nära toppen av diagrammet som den tjockare gröna linjen Jämfört med resultaten för Prisändringar, modifiering av strategins ingångar hade en starkare effekt på prestanda. Steg 4 Stress testa forexstrategin genom att ändra strateginsignalerna 99 gånger, för totalt 100 e quitykurvorna. Monte Carlo-resultaten för samma prov av prestandametri som ovan visas i tabell 2 nedan, vilket inkluderar resultaten för de ursprungliga inmatningsvärdena. Tabel 2 Stresstestning av forexstrategin genom att ändra strategin inputs. Monte Carlo Results, 95. Resultaten från att ändra startfältet för samma forexstrategi visas nedan i Fig. 5 Jämfört med resultaten från de andra två testen ses relativt liten effekt från att variera startfältet, vilket tyder på att strategin för det mesta är okänslig för detta variabel. Figur 5 Stress testar forexstrategin genom att ändra startfältet 99 gånger, för totalt 100 egenkapitalkurvor. Monte Carlo-resultaten från detta test visas i tabell 3 nedan, där de jämförs med resultaten för det ursprungliga start Bar. Table 3 Stress testa forex-strategin genom att ändra startfältet. Monte Carlo Results, 95.Results, Original Data. It s också möjligt att ändra allt tillsammans eller ändra kombinationer av variabel s, såsom modifiering av strateginsignalerna samtidigt som prisdata I fig 6 nedan utfördes alla tre stresstest tillsammans. Detta betyder att strateginångarna, prisdata och startfältet slumpmässigt modifierades samtidigt före utvärdering av strategin. Figur 6 Stressprovning av forexstrategin genom att ändra startfältet 99 gånger, för totalt 100 aktiekurvor. Klart är denna kombination av stresstester ett svårt test av strategins robusthet. En eller två av kapitalkurvorna Som visas i Fig. 6 verkar visa en netto negativ eller nästan så nettovinst. Endast en egenkapitalkurva närmar sig den ursprungliga. Monte Carlo-resultaten baserat på detta test visas nedan i Tabell 4. Tabel 4 Stresstestning av forexstrategin genom att ändra prisdata , Strategiska ingångar och startbar. Monte Carlo Results, 95.Results, Original Data. Summary och Conclusions. Over-fitning är alltid en oro när man utvecklar en handelsstrategi. Så kallade stresstester mäter hur robust en handelsstrategi Är vilken indikation på huruvida strategin är överkompatibel. Även om en variabel som påverkar en handelsstrategi s resultat kan potentiellt vara föremål för ett stressprov, fokuserade denna artikel på tre viktiga faktorer vid bestämning av back-testresultatet Prisdata, strategin s ingångsvärden och startfältet för backtestet. Strategin använde sig för att illustrera varje stresstest visat måttlig robusthet med avseende på prisdata och ingångsvärden och god robusthet med avseende på startfältet s värt att notera att exempelstrategin hade en treårig rekord av positiva spårningsresultat i realtid, men i vissa fall var stresstestresultatet sämre än det faktiska urvalet av resultat som uppnåddes av strategin. Detta föreslår att Stresstester kan ha varit för svåra i dessa fall. Det var särskilt tydligt när alla tre testerna kombinerades, som visas i Fig 6 och Tabell 4. Stresstestet för strategins ingångar kan ha varit orealistiskt Y strikt genom att det modifierade alla ingångar för varje testteeration. Ett bättre tillvägagångssätt kan vara att tillämpa samma metod som används för att modifiera prisdata, där ett pris modifierades med en viss sannolikhet snarare än att ändra alla ingångar varje gång en Sannolikheten kunde tillämpas för att bestämma om en given ingång skulle modifieras. Om så skulle ändras på sätt som beskrivits ovan annars skulle ingången omodifieras. Det visades hur stresstestresultaten kunde analyseras med hjälp av Monte Carlo-analys oss att kvantifiera resultaten och ge en uppskattning av prestanda som i allmänhet var mer konservativ än resultaten av backtestet baserat på de ursprungliga uppgifterna. Fokusen på artikeln var att testa en handelsstrategi efter att den hade utvecklats. Samma tillvägagångssätt kan användas som en del av strategiprocessen. I Adaptrade Builder utvecklas strategierna baserat på den testade prestandan i provperioden. I stället för att använda Prestandan som erhållits från att testa teststrategin på de ursprungliga dataen, kan Monte Carlo-resultaten med 95 förtroende från stresstestet användas. De bästa strategierna i befolkningen skulle vara de som har de bästa Monte Carlo-resultaten, vilket skulle tendera att köra befolkningen mot robusta strategier Tyvärr, om varje Monte Carlo-analys baserades på N-simuleringar, skulle byggprocessen ta N gånger så länge med detta tillvägagångssätt. Utöver provtagning och andra metoder som diskuteras i denna serie artiklar, stressar testing provides another tool to help identify robust trading strategies and avoid over-fitting If applied as part of the strategy evaluation process, stress testing may help weed out strategies that are overly sensitive to changes in the trading environment, which could help avoid losses and increase your chances of success in the markets. All stress tests were performed using Adaptrade Builder. This article appeared in the March 2013 issue of the Adaptrade Software newsletter. HYPOTHETICAL OR SIMULATED PERFORMANCE RESULTS HAVE CERTAIN INHERENT LIMITATIONS UNLIKE AN ACTUAL PERFORMANCE RECORD, SIMULATED RESULTS DO NOT REPRESENT ACTUAL TRADING ALSO, SINCE THE TRADES HAVE NOT ACTUALLY BEEN EXECUTED, THE RESULTS MAY HAVE UNDER - OR OVER-COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY SIMULATED TRADING PROGRAMS IN GENERAL ARE ALSO SUBJECT TO THE FACT THAT THEY ARE DESIGNED WITH THE BENEFIT OF HINDSIGHT NO REPRESENTATION IS BEING MADE THAT ANY ACCOUNT WILL OR IS LIKELY TO ACHIEVE PROFITS OR LOSSES SIMILAR TO THOSE SHOWN. If you d like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list Thank you.
No comments:
Post a Comment