Mean Reversion Handelssystemer Bandy Pdf

Jeg er omtrent ferdig med Howard Bandys nye bok, MeanReversion Trading Systems Praktiske metoder for å svinge handel Mens jeg sjelden leser bøker her på kvantifiserbare kanter, står denne virkelig ut og fortjener litt oppmerksomhet. Hentet går gjennom hvert trinn i systemene - byggeprosessen Han undersøker flere forskjellige oscillatorer Han undersøker inngangsutgangsteknikker Han diskuterer risikostyring Og på toppen av alt gir han kode for alt han dekker i boken. Det er 50 for boken, noe som er en latterlig lav pris. Det er handelskurs Det koster tusenvis av dollar som ikke gir så mye god informasjon som Howard s Mean Reversion Trading Systems. Alle kodene er gjort i Amibroker, som dessverre jeg ikke bruker. Men siden han lister opp alt, bruker de andre programmer som Jeg kan oversette det til Tradestation, R, eller hva som helst. Og her er kickeren for alle som bruker Amibroker Howard, har faktisk satt opp en nettside der bokkjøpere ca n laste ned koden uten ekstra kostnad. Jeg anbefaler Howard på sin innsats Hvis du har interesse for å utvikle dine egne handelssystemer, er denne boken en fantastisk ressurs som jeg vil anbefale. Jeg har fulgt bloggen din for en stund, men jeg er nå overrasket fordi du anbefaler arbeidet til noen som hevder i boken hans. Min oppfatning er at lengden på prøveperioden skal være så kort som praktisk. Den eneste måten å bestemme lengden på prøveperioden er å køre noen tester. Dette kalles data-snooping. Lengden av prøveperioden er så lenge modellen og markedet forblir i synkronisering, og systemet forblir lønnsomt. Det er ingen generell sammenheng mellom lengden på utbruddet - proveperioden og lengden av prøveperioden. SÅ velger vi utvalget av prøver så lenge modellen og markedet synkroniseres, og systemet forblir lønnsomt. Veldig fint arbeid. Jeg lurer på hvorfor du støtter slike ting Hva må du få Eller kanskje fordi jeg respekterer arbeidet ditt kanskje du oversett oversikten Stoffet i handel er i detaljene. Hva en trist verden når du sier noe fint om andres arbeid, bringer e-postmeldinger, spør meg hva jeg må vinne. Gjennomgangen fikk meg en fin takknemlighet fra hr. Bandy, som jeg aldri har møtt eller snakket med før. Mens han ser på noen aspekter ved å teste annerledes enn jeg, har jeg ingen interesse i å argumentere for hvert poeng han gjør i sin bok For meg, hvis du kan ta verdifulle ideer og informasjon fra en bok , da er det verdt. Denne er fylt med dem. Jeg står ved min vurdering. Jeg trodde at boken hadde mye flott info. Det ble sikkerhetskopiert av faktiske testresultater en sjeldenhet, og siden han gir all koden, kan forhandlere verifisere resultatene og enkelt utforske ideene videre alene. De som har lest boken, er velkomne til å legge inn kommentarer positivt eller negativt under. Du vet alle mine meninger. I stedet for å føle deg trist, bør du kanskje være glad for at noen tok deg tid til å påpeke du feilene i det bo ok, som er av grunnleggende natur, det vil si kurvepasning, optimalisering, data snooping og alt det tull som gjør at handelsfolk mister penger. Don t føler seg trist. Verden er ikke trist når vi går imot virkeligheten, vi bør bare endre kurs. Takk. Jeg mottok Howard s bok i går, og mens jeg ikke har gjort det ennå, tror jeg datakunnskapskommentaren er litt over toppen. Howard forsøker stadig å lekke og fake optimaliseringsteknikker. Kanskje mati burde kjøpe boken før han slipper den på sitt nivå. Jeg kom over denne kommentaren, og som noen som har alle fire av Band Bandy s bøker følte jeg at jeg skulle chime inn på dette emnet. Bandy er en sterk forutsetning for gode systemutviklingspraksis og hans skrifter advare om de reelle farene ved kurven - fitting Enhver som har fulgt sin blogg eller leser boken hans i detalj, vil helt forstå nyansen bak hans uttalte syn på prøveutvalget utenom prøven som en person fant feil med. Bandy har blitt min favori te forfatter om temaet kvantitative handelsmetoder. I denne bloggen vil jeg undersøke markedsaksjon og kvantifisere funnene mine ved hjelp av sentiment, bredde, pris og volumindikatorer - både standard og tilpasset - jeg vil forsøke å avdekke kortsiktige kanter som kan være benyttet av markedsdeltakere Jeg vil ofte legge til mening i disse studiene og kan noen ganger legge inn meninger uten kvantifiserbar forskning bak dem. The Quantifiable Edges Guide til Fed Days Ebook versjon 25.Alle innhold på dette nettstedet er kun til informasjonsformål Det er IKKE en anbefaling eller råd til å kjøpe eller selge verdipapirer jeg kan holde stillinger for meg selv eller klienter i verdipapirer eller næringer nevnt her Det er en meget høy grad av risiko involvert i verdipapirer. Din bruk av informasjon på dette nettstedet er helt alene. risk. Rob Hanna Jeg har handlet profesjonelt siden 2001 Fra januar 2003 til februar 2007 er min bi-ukers kolonne Rob Hanna s Putting It All Toge der dukket opp på at jeg har gjennomført kvantitativ forskning og utforming av handelssystemer - hovedsakelig fokusert på kortsiktige kanter siden 2004 Se min komplette profil. Sweet Spot for Mean Reversion ETF Strategies. by Michael R Bryant. I sin siste bok diskuterte Howard Bandy hva han kaller det søte stedet for å utvikle sene reversjonshandelssystemer 1 Tanken er at den rette kombinasjonen av stanglengde, holdbarhet, systemnøyaktighet og andre variabler har en tendens til å maksimere risikoreduserte avkastninger. 2 Denne artikkelen viser hvordan betydelige reversjonshandelsstrategier som ligge i det søte stedet kan utvikles for ETFs som handler med valutaveksling. Bruk Adaptrade Builder til å utvikle et strategisk utviklingsverktøy for Windows, og jeg vil vise hvordan stresstestingsmetoder med Monte Carlo analyse kan brukes som en del av utviklingsprosessen for å finne robuste betydelige reverseringsstrategier for SP 500 SPY ETF og Select Sector SPDR ETFs Prosjektfiler for Builder, som inkluderer strategikoden, er forsynt ed for hvert eksempel. Landing i det søte stedet. Den grunnleggende ideen bak Dr Bandy s søte spot er at gode trading strategier bør bruke en kort bar størrelse og ha en ganske høy nøyaktighet med en kort hold periode og lav drawdown Den korte linjen størrelse og kort holdingsperiode maksimerer mulighetene til sammensatt avkastning mens høy nøyaktighet og lav uttelling gjør det lettere å gjenopprette fra tap. De sistnevnte kvaliteter gjør det også lettere å fastslå strategiens levedyktighet og å bestemme når det ikke lenger fungerer fordi typiske tapende streker for systemer med høy nøyaktighet har en tendens til å være relativt kort. Basert på Dr Bandy s retningslinjer, vil følgende karakteristikker bli brukt i denne artikkelen for å definere de optimale kravene til middels reversering ETF strategier. Daglige stenger 20 - 30 handler per år. Minst 65 vinne trades. Average barer i handler på mellom 1 og 4.By gjennomsnittlig reversering, jeg m refererer til strategier som prøver å kjøpe under gjeldende gjennomsnittspris og selge til en høyere pris som prisen vender tilbake til gjennomsnittet Ideen er å kjøpe lav og selge høy, i motsetning til trend-etter-systemer, som vanligvis prøver å kjøpe høyt og selge høyere. Bygging med Monte Carlo Analyse. I min siste nyhetsbrevartikel diskuterte jeg bruk av stresstesting i evaluering av handelsstrategier og forholdet til robusthet og strategioverskridelse. Jeg nevnte også at hvis det ble innlemmet i byggeprosessen, ville det føre til strategier som viste robusthet. Det er tilnærmingen som vil bli fulgt her . Stresstesting refererer til å vurdere hvor sensitiv en handelsstrategi er for sine innganger og miljø. En robust strategi - en som ikke er overpasset til markedet - vil være relativt ufølsom for endringer i inngangsparameterværdier og til andre endringer i miljøet, for eksempel endringer i prisdata. Monte Carlo analyse er teknikken som brukes til å evaluere effekten av disse endringene Strategiets innganger, prisdata og andre faktorer er løpende domly endret, og strategiens prestasjon blir vurdert. Ved å gjenta denne prosessen mange ganger, oppnås en resultatfordeling. Resultatene fra de opprinnelige dataene representerer ett poeng på fordelingen. Andre poeng på fordelingen representerer resultatene av å bruke litt forandrede versjoner av originale data, som kan generere resultater som er mer eller mindre gunstige enn de opprinnelige dataene. De såkalte Monte Carlo-resultatene er verdiene til ytelsesmålingene nettoresultat, prosentvis gevinst, profittfaktor osv. som ikke er verre enn et flertall typisk , 95 av evalueringene For eksempel, hvis Monte Carlo netto fortjeneste med 95 tillit er 15.000, betyr det at 95 av evalueringene hadde en netto overskudd på minst like mye som 15.000 Med andre ord, det er 95 sjanse for at nettoresultatet vil være minst 15 000, eller omvendt, det er 5 sjanse nettoresultatet vil være mindre enn 15 000. Når en handelsstrategi utvikles iterativt over suksessive generasjoner av modifikasjon en d-test vil bygging basert på Monte Carlo-resultatene ha en tendens til å drive strategien til en som er robust, siden bare en robust strategi vil ha gode Monte Carlo-resultater. Adaptrade Builder automatiserer denne prosessen, inkludert evaluering av strategienes resultater ved hjelp av Monte Carlo-resultatene av stress testing. Det første eksemplet er for SPDR SP 500-indeksen ETF-symbolet SPY Daglige stenger fra 1 4 1999 til 4 23 2013 ble brukt Datoperioden for bygging ble satt til 1 4 1999 til 1 2 2011, med de første 80 1 4 1999 - 8 10 2008 brukt til bygging dvs. in-sample og resterende data 8 11 2008 - 1 2 2011 brukt til utprøving av test De resterende dataene 1 3 2011 - 4 23 2013 ble satt til side for validering Alle data ble oppnådd fra TradeStation 9. Strategidogikken var langvarig, og 100 av egenkapitalen ble investert på hver handel, med all overskudd reinvestert og 0 015 per aksje trukket per runde-turnering for trading costs. Adaptrade Builder bruker en genetisk programmeringsalgoritme for å utvikle en befolkning av strategier over s uccessive generasjoner Nøkkelen til å bruke Builder for å finne strategier som oppfyller våre optimale krav, er å sette de såkalte byggemetrene, vist nedenfor i figur 1.Figur 1 Byggemetrene i Builder definerer søtspissen for SPY-strategien. Listen over Bygg Målene inneholder tre generelle mål, som alle blir maksimert. Disse bidrar til å lede befolkningen i strategier mot de som har høy nettovinst, korrelasjonskoeffisient og statistisk betydning som er ønskelige for enhver strategi. De spesifikke egenskapene vi leter etter dvs. det søte punktet er definert av byggevilkårene, som inkluderer ulikhetsforholdene for antall bransjer, gjennomsnittlige barer i bransjer og prosentandelen av gevinster. Merk at betingelsen for antall handler er satt til en rekkevidde basert på antall år med in-sample data og målet om å ha mellom 20 og 30 handler per år Merk også at prosentandelen av vinnende handler er satt til et område mellom 65 og 85 Den øvre grensen ble lagt til fordi strategier med uvanlig høy prosentandel av vinnende bransjer generelt ikke vil oppfylle en annen betingelse. Straffering av slike strategier vil bidra til å drive befolkningen mot strategier som oppfyller alle forhold, i motsetning til strategier som uforholdsmessig tilfredsstiller en betingelse for utelukkelse av andre Den samme logikken ble brukt til å sette inn en rekkevidde for profittfaktoren. Andre forhold - korrelasjonskoeffisient, statistisk signifikans, profittfaktor og Kelly fraksjon - er ikke en del av våre spesifikke krav, men ble lagt til for å forbedre de samlede resultatene Stresstesting og Monte Carlo-innstillingene som ble brukt for dette eksempelet ble valgt på skjermbildet Byggalternativer, som vist nedenfor i figur 2.Figur 2 Monte Carlo-analyse og stresstestalternativer er valgt på kategorien Byggalternativer. Som vist på figuren, 99 Monte Carlo iterasjoner ble brukt for hver analyse. Dette innebærer at 99 stresstester ble utført i tillegg til evalueringen av opprinnelige data De 100 datasettene ble analysert ved hjelp av Monte Carlo analyse for å trekke ut resultatene ved 95-tillit, hvor det ble brukt til å evaluere betingelsene vist i figur 1 Stresstestene besto av randomisering av prisene, randomisering av strategiinngangene og randomisering av startlinjen Alle tre randomiseringene ble utført for hver stresstest. Fordi hver strategi ble evaluert 100 ganger 99 stresstester pluss de opprinnelige dataene i hver generasjon, tok denne tilnærmingen omtrent 100 ganger så lenge det ville ha tatt hatt stresstesting og Monte Carlo analyse ikke blitt brukt Av denne grunn ble en relativt liten befolkning på only100 medlemmer brukt for å holde løsningen rimelig. Befolkningen ble utviklet over 10 generasjoner, og et alternativ ble satt til å starte igjen etter 10 generasjoner dersom nettoresultatet i utkanten av - prøveperioden var negativ. Egenkapitalkurven fra toppstrategien i befolkningen etter 20 generasjoner 1 gjenoppbygging er vist nedenfor i figur 3.Figur 3 Egenkapital kurver for hver spenningstest for den endelige SPY-strategien. Hver kurve i figur 3 representerer en spenningstest. Som det fremgår, har alle de forskjellige egenkapitalkurver generelt samme form med positive resultater utenfor prøven. Følgende er noen av Monte Carlo resultater med 95 tillit som tilsvarer Fig 3.Total Nettoresultat. Barer i Trades. Aside fra antall bransjer, som er færre enn bedt om, oppfyller strategien de opprinnelige kravene Strategien passerer også valideringstesten Når sluttdatoen utvides til 4 23 2013, øker nettoresultatet i Monte Carlo til 67 015 Strategidogikken tilfredsstiller også kravet om en gjennomsnittlig reverseringsstrategi som går inn på en grenseordre og utganger ved bruk av en indikatorbetingelse Grenseinngangen betyr at markedet må komme ned til grenseverdien, så strategien er å kjøpe lav og selge etter at markedet går tilbake. Det er viktig å huske på at disse er Monte Carlo-resultater på 95 selvtillit, noe som betyr at for eksempel, 95 av stresstestevalueringene hadde en samlet netto overskudd på minst like stor som 56 784 Hvis stresstestingen er slått av og strategien evalueres på opprinnelige data, er egenkapitalkurven som vist under i figur 4.Figur 4 Egenkapitalkurve for Den endelige SPY-strategien på de opprinnelige dataene. Denne egenkapitalkurven tilsvarer en nettovinst på 109 497, noe som tilsvarer en årlig avkastning på 5 5. Mens dette bare er en beskjeden avkastning, slår det enkelt kjøp og kjøp av ca. 1 8 i samme periode og oppnås uten innflytelse og med en stadig økende egenkapitalkurve gjennom en periode som inkluderer to bjørnmarkeder. Velg sektor SPDR Eksempel Det andre eksempelet innebærer å bygge en strategi over en portefølje av ETFer som består av Select Sector SPDR Disse ETFene deler SP 500-indeksen i ni sektorer slik at hver lager i SP 500 er plassert i en av de ni sektorer uten overlapping. De ni sektorene er Consumer Discretionary symbol XLY, Consumer Staples XLP , Energy XLE, Financial XLF, Helse XLV, Industrial XLI, Materialer XLB, Technology XLK og Utilities XLU. Most av de samme innstillingene ble brukt til å bygge denne strategien som i det siste eksemplet. Men fordi ni ganger så mye prisdata var brukt i bygningen, reduserte jeg antall Monte Carlo iterasjoner fra 99 til 5 De andre byggealternativene var de samme som i figur 2 med unntak av gjenoppbyggingsalternativet som ikke kom inn i spill. For stillingsstørrelsen ble 20 av egenkapitalen investert på hver handel Siden ikke alle markeder var sannsynlig å handle samtidig, ble denne innstillingen valgt for å gi tilstrekkelige posisjonsstørrelser uten å resultere i innflytelse, dvs. overinvestering. Prøveperioden for denne byggingen var 1 4 1999 til 5 28 2009 med 5 29 2009 til 1 2 2012 som ikke-prøveperiode og 1 3 2012 til 4 23 2013 avsatt for validering Egenkapitalkurven fra en av de øverste strategiene i befolkningen etter 10 generasjoner, ikke gjenoppbygges, er vist nedenfor i Fig. 5.Figur 5 Aktiekurver for ea ch stresstest for den endelige Select Sector SPDR porteføljestrategien. Hver egenkapitalkurve i figur 5 representerer porteføljens egenkapital generert fra back-testing på alle ni markeder samtidig for ett sett av stresstestinnstillinger eller de opprinnelige dataene. Noen sammendrag Monte Carlo-resultater vises under. Total nettoresultat. I motsetning til det forrige eksempelet, er resultatene ikke vesentlig forskjellige når Monte Carlo-analysen er slått av og resultatene blir vurdert over de opprinnelige dataene. I dette tilfellet øker den totale nettoresultatet til 205 140. Denne strategien passerer også valideringstest Egenkapitalkurven for strategien over de opprinnelige dataene er det bare ingen stresstesting, der valideringstiden er inkludert, vist nedenfor i figur 6.Figur 6 Egenkapitalkurve for den endelige Select Sector SPDR porteføljestrategien på de opprinnelige dataene. Dette egenkapitalkurven tilsvarer en netto overskudd på 249.431, noe som tilsvarer en årlig avkastning på 9 5 med en worst case-nedgang på 21 som med det forrige eksempelet strategisk logikk går lenge på en grense rekkefølge De fleste av utgangene er via en målutgang, med andre handler utgående basert på en indikator betingelse eller på et beskyttende stopp. Last ned gjennomsnittlige reverseringsprosjektfiler. høyreklikk, lagre mål som fil krever at Adaptrade Builder skal åpnes. Av lisensieringsgrunner inkluderer prosjektfilene ikke prisdata. Den såkalte "sweet spot" for handelsstrategier anbefalt av Dr Bandy ser ut til å gi effektive betingelser for å bygge betydelige tilbakevendende handelsstrategier på en automatisert måte ved hjelp av et verktøy som Adaptrade Builder. Det var mulig å finne strategier som oppfyller de fleste kravene til begge eksemplene, en enkeltmarkedsstrategi for SPY ETF-markedet, og en strategi for en portefølje av ETFer som består av de ni utvalgte SPDR-sektorene. Begge strategiene slår buy-and-hold og holdt seg bra i valideringstesten. For begge eksempler ble stresstesting med Monte Carlo-analyse ansatt for å øke sjansene for å finne robuste strategier. Sammenlignet med porteføljeeksemplet var stresstestresultatene for SPY-strategien for det indre markedet vesentlig mer konservative mindre gunstige enn resultatene fra de opprinnelige dataene Selv om noe av det kan skyldes strengere stresstesting sammenlignet med porteføljens eksempel, foreslår det t Hatt SPY-strategien er mindre robust enn porteføljeproblemet Generelt, hvor Monte Carlo-resultatene avviker markant fra resultatene på de opprinnelige dataene, kan det forventes at det beste estimatet av fremtidige resultater vil være et sted i mellom, selv om det vil avhenge på hvor konservativ stresstesting og Monte Carlo-analyse er. Det virker rimelig at porteføljestrategien vil være mer robust enn single-market-strategien, siden porteføljestrategien ble bygget over ni forskjellige markeder og måtte jobbe rimelig godt over en bredere ulike prisdata Det ble bygget over ni ganger så mye data og har omtrent ni ganger så mange handler. Den større ytelsen til porteføljestrategien kan gjenspeile den positive effekten av diversifisering over de ni ulike sektorene i SPDR. Selv om ingen strategi oppfylte kravet For antall bransjer kan det være mulig å finne strategier som oppfyller alle krav hvis en større befolkning brukes eller mer Strenge gjenoppbyggingskrav er ansatt, noe som vil kreve mer byggetid. Alternativt kan det være slik at en slik strategi ikke er funnet på grunn av de motstridende kravene til høy nøyaktighet, handelsfrekvens, kort varighet og så videre. Det beste settet av byggevilkårene er en som fullt ut utnytter markedets potensial og gjenstår realistisk med et sett av nyttige byggevilkår, som de som tilbys av Dr Bandy, med innebygde robusthetsfunksjoner, for eksempel stresstesting og Monte Carlo analyse, i et automatisert verktøy som Builder bør gi et solid rammeverk for å utvikle effektive handelsstrategier. Bandy, Howard B Mean Reversion Trading Systems Blue Owl Press, Inc Sioux Falls, SD, 2013, s. 138.Bandy, Howard B Modeling Trading System Ytelse Blue Owl Press, Inc Sioux Falls, SD, 2011, s. 154. Denne artikkelen ble vist i april 2013-utgaven av Adaptrade Software-nyhetsbrevet. SP 500- og Select Sector SPDR-er er varemerker for The McGraw-Hill Companies, Inc. HYPOTETISKE ELLER SIMULERTE RESULTATRESULTATER HAR VISSE BEGRENSNINGER UTEN ET FAKTISK PRESTASJONSOPPTAK, SIMULERTE RESULTATER ER IKKE FORTEGNT FAKTISK HANDEL, SOM HANDELENE IKKE ER FAKTISKT BEGRENSET , RESULTATene kan være under - eller overkompenserte for effekten, om noen av visse markedsfaktorer, slik som mangel på likviditetsimulerte handelsprogrammer generelt, er også utsatt for det faktum at de er utformet med fordelene ved hindsight ingen representasjon ER GJORT AT ENKEL KONTO VIL ELLER ER LIKELIG Å HENT RESULTATER ELLER TAPER SOM LIGER TIL SINE. Hvis du ønsker å bli informert om nye utbygginger, nyheter og spesialtilbud fra Adaptrade Software, vennligst bli med på vår e-postliste Takk. En leser sendte meg noen handelsregler han fikk fra et nyhetsbrev fra Nick Radge. Han ønsket å vite om disse reglene virkelig gjorde så vel som publisert i nyhetsbrevet. De virket for enkle å produsere ce så gode resultater Strategien som presentert var lang og kort og gikk på margin, men han ønsket å vite hvordan det gjorde det lenge bare siden han ikke hadde kort. Etter å ha kontaktet Nick Radge på The Chartist jeg bekreftet med ham var det OK å publisere disse reglene. The Original Rules. Tested fra 1 1 1995 til 5 31 2014 Maksimalt 20 stillinger på 10 av egenkapitalen hver Dette betyr at strategien kan bli 200 investert Sjelden fikk man 200 investert i henhold til Nick Radge. Lukk større enn 100 dagers glidende gjennomsnitt. Lukk mindre enn 5-dagers glidende gjennomsnitt.3 Nedre nedgang Ikke lavere lukker, jeg gjorde denne feilen første gang jeg skrev koden. Medlem av Russell 1000. Sett en grenseoppkjøpsordre for neste dag hvis prisen faller ytterligere 5 ganger 10-dagers gjennomsnittlig true range. Close er større enn forrige dag s close. Sell på de neste åpningene på Rules. No fancy regler er her Det er standard mean reversion strategi Til tider vil strategien produsere flere signaler enn det er åpne spor For å handle dette må man se på markedene i løpet av dagen og ta signalene når de skjer Dette er ikke realistisk for de fleste siden de ikke er fulltidshandlere som sitter foran datamaskinene. Man kan automatisere dette, men det er ikke en enkel oppgave. Du kan ha tatt pause på den enkle exit-regelen av en nærbilde At reglene bringer tilbake minner mens jeg jobbet for Connors Research Første gang jeg hørte om denne regelen og testet, trodde jeg det var ingen måte denne regelen kunne fungere jeg skjønte det ville ødelegge en helt god strategi Jeg var flabbergasted at den fungerte og ga gode resultater. Dette er grunnen til at jeg skal teste ideer før de kaster dem ut. Du vet aldri hva som skal fungere. De testede reglene. Jeg gjorde følgende endringer i opprinnelige regler. Testet fra 1 1 2004 til 6 30 2014.Allow maks 10 stillinger på 10 hver Ingen margin. Added en likviditetsregler av.21-dagers glidende gjennomsnitt av dollar-volum større enn 10 million. Pris som handel større enn 1. Når det er flere signaler enn åpne stillinger, kode ville tilfeldig velge hvilke aksjer som skulle gå inn og deretter løp 500 løp for hver test. Russell 1000 resultater. Den gjennomsnittlige CAR av de 500 Monte Carlo-løpene er 22 35 med en Max DD på 21 02 Overraskende gode resultater fra slike enkle regler. Standardavviket for CAR og MDD er mye mindre enn forventet. P 500 resultater. Resultatene er ikke like gode som å bruke Russell 1000, men fortsatt gode. Sannsynligvis på grunn av det mindre universet som fører til lavere eksponering. Russell 3000 Results. Having et større univers, gir oss mer eksponering som gir høyere CAR. Hvis du er interessert i et regneark av dataene som brukes til å generere disse tabellene, skriv inn informasjonen din nedenfor, og jeg vil sende deg en link til regnearket. Regnearket inneholder de fullstendige Monte Carlo-løpdataene i regneark er detaljer om hvordan du får AmiBroker-koden som jeg brukte til denne posten. Fint tanker. Hva jeg liker om denne strategien, er hvor enkelt det er, men produserer gode resultater. Bare 3 oppsettregler. En veldig enkel exitregel som man tror ikke ville fungere Det største problemet med strategien er at folk flest ikke kan handle fordi det krever å være foran markedet hele dagen i et fremtidig innlegg, vil vi se på endringer reglene for å gjøre det mer omsettelig for gjennomsnittlig person. Added på 8 15 2014 I kommentaren tråden nedenfor spurte et par personer resultatene jeg hadde en forsker venn av min kode opp reglene som angitt på dette innlegget hans resultater matchet min nøyaktig Dette gir meg full tillit til at resultatene er korrekt. God Quant Trading. Fyll i gratis regneark. Cesar Alvarez - 12. august 2014 Svar. Det er 10 5 år i testen med 252 barer per år som gir 2646 barer i testen ikke 2375 Gjennomsnittlig hold er 3 58 barer, men man må forstå hvordan AmiBroker beregner antall barer som holdes for en stilling. Hvis jeg går inn i en stilling i dag ved åpningen og utgangen i morgen på det åpne, beregner AmiBroker det som en 2 bar hold. I virkeligheten er det bare 1 bar tid En bør under trakten en fra Avg Bards Held som AmiBroker prøver. Hvis vi tar 7183 handler 10 stillinger 3 58-1 barer 2646 totalt barer i test 100 70 som ligger svært nær eksponeringen i AmiBroker-rapporten på 69 67 Ved disse beregningene er alt bra På grunn av dine bekymringer, doblet jeg koden min for å forsikre meg om at jeg ikke kom inn på mer enn 10 stillinger eller ved hjelp av margin. Jeg er alltid klar over at jeg kan, og jeg gjør feil. Etter å ha sjekket koden ser jeg ingen problemer. Gi svar. Det er faktisk mer komplisert enn det, og eksponeringsberegningen er feil fordi du har et eneste system, og du må bare se på perioder når betingelsene er oppfylt. Gitt det, vil systemet trolig holde mange flere stillinger enn 10 på en gitt tid Vær oppmerksom på at de fleste forhandlerne beregner CAR basert på start - og innledende egenkapital og ikke kontoen for margin. Den eneste måten å løse dette på er at du skal gi en komplett handelsrapport her, slik at alle kan være overbevist om at du er nei t bruker margin i dine CAR-beregninger Jeg trodde dette var det som var inkludert i regnearket, men jeg fant bare en link der for å kjøpe Amibroker-koden for 50 Hvis dette systemet var en ekte vinner, har jeg ikke mening å selge den til 50, dette er hva teorien om rasjonell oppførsel sier. Jeg er ikke helt overbevist om at resultatene dine er riktige eller at koden din er riktig. Den eneste måten du overbeviser meg på er å gi komplette resultater eller kode slik at leserne dine kan gjengi dem. et svar. Cesar Alvarez - 14. august 2014 Reply. Here er koden som hindrer meg fra å ha mer enn 100 investert. Her er koden som begrenser meg til å ikke ha mer enn 10 stillinger eller har mer enn 100 investert. Med mindre AmiBroker, har plutselig ødelagt, disse linjene skal forhindre at jeg har mer enn 100 invested. posqty 10 pctPerPosition 100 posqty SetOption MarginRequirement, 100 SetPositionSize pctPerPosition, spsPercentOfEquity. If du fortsatt tror at koden er feil, foreslår jeg at du kodes opp t han strategi og legge ut resultatene dine Jeg har gitt deg de fulle reglene jeg gjemmer ingenting Det kan fortsatt være en feil i koden jeg ikke har funnet, men på dette tidspunktet gir jeg deg det til å kode og legge inn resultater som motsetter mine resultater. Gjør et svar. Jeg prøver bare å høre, men det er ingen reversering av bevisbyrden. Vilken versjon av AMI bruker du. Prøv å legge til dette. Jeg vil gjenta igjen at høy avkastning umiddelbart burde utløse et rødt flagg Enhver med mer enn 3 måneders tilbakemeldingserfaring, vet dette. Oppgi et svar. Caesar Alvarez - 15. august 2014 Svar. Jeg gjør det Her er denne linjen med kode SetOption MaxOpenPositions, posqty. Leave a reply. Cesar Alvarez - 15. august 2014 Svar. På grunn av dine fortsatte bekymringer og at jeg vil sørge for at koden er riktig som jeg har sagt før det er mulig at jeg har en feil som jeg ikke har funnet, spurte jeg en tjeneste fra noen jeg kjenner som er en profesjonell forsker med svært sterke AmiBroker ferdigheter, for å programmere strategi som reglene som er gitt i dette innlegget Da jeg jobbet for Connors Research, var måten vi bekreftet en strategi ved å gi de engelske reglene som i dette innlegget til en annen undersøkelse for å kode opp. Vi sammenlignet resultater. Forskerens resultater for denne strategien matchet min identisk På dette punktet vurderer jeg strategien verifisert og korrekt, med mindre du vil si at reglene som angitt i innlegget er feil. Gi svar. Jeg vil gjerne ha en kopi av regnearket. Oppgi et svar. Også så langt Etter hvert som reglene går, må lukkingen under 5 dagers MA først skje, og deretter de 3 nedre nedgangene etter at Or kan de 3 nedre nedgangene begynne over MA og deretter lukkes under 5 dagers MA på 3. dag. Legg igjen et svar. Caesar Alvarez - 12. august 2014 Svar. For å få en kopi av regnearket Fyll ut skjemaet nederst på posten. På oppsettingsdagen har lukkene vært under MA5 og den dagen er minst tredje dag på rad med 3 nedre nedtastinger. gi svar. i stedet for å handle individuelt ks, hvordan ville resultatene dine være forskjellige for handel med ETF SPY, enten lang, kort eller penger mkt, og bare på EOD Takk for at du deler arbeidet ditt Hilsen, Jim. Gi svar. Cesar Alvarez - 13. august 2014 Svar. En ville må gjøre store endringer i strategien på grunn av mangel på handler, eksponeringen vil være svært lav og dermed lav CAGR. Vare et svar. Takk Cesar Det var også min mistanke om at det ville være svært få handler hvis man handlet SPY Er det en favoritt strategi for deg, eller at du anbefaler for handel SPY på EOD, bare takk. Gi svar. Cesar Alvarez - 14. august 2014 Svar. Jeg handler ikke for tiden SPYs. Jeg undersøker en mulig SPY alternativ handel strategi Men det er i de tidlige stadiene av etterforskning. Gi svar. Hei, hva AFL-setningen bruker du for å begrense åpne stillinger til 10 Som noen allerede påpekt, ser det ut til at systemet tar mer enn 10 stillinger og overstiger kontant egenkapital. Jeg husker AFL har en kommando for å begrense åpningen av nye stillinger til 10, men jeg husker ikke det å ha en til å begrense nye stillinger basert på allerede åpne. Som allerede nevnt er CAGR urealistisk, og dette er muligens på grunn av overestimering. Gi et svar. Caesar Alvarez - 14. august 2014 Svar. Som jeg har påpekt at jeg tror at koden er riktig Ikke å si at det fortsatt kan være feil Jeg har sjekket det flere ganger Hvorfor tror du at koden er feil. Her er koden som begrenser meg til å ikke ha mer enn 10 stillinger eller ha mer enn 100 invested. Med mindre AmiBroker, plutselig er ødelagt, bør disse linjene hindre meg fra å ha mer enn 100 invested. posqty 10 pctPerPosition 100 posqty SetOption MarginRequirement, 100 SetPositionSize pctPerPosition, spsPercentOfEquity. Leave a reply. Cesar Alvarez - 15. august 2014 Reply. One mer linje med kode SetOption MaxOpenPositions, posqty. Leave a reply. Thanks for den fantastiske, interessante nettstedet blog. With hilsen til utgangen av dette systemet Lukk er større enn forrige dag s nær, hvordan avslutter du hvis dette konditerer ione skjer aldri egentlig Det er utgangen krever en nær pris som er høyere enn forrige dag s nær pris, så hva hvis prisen bare fortsatte å falle, som et eksempel, ville du ikke holde det hele veien ned, eller hvis prisen holdt oscillerende i en rekkevidde slik at denne tilstanden aldri ble oppfylt Lageret kan holdes for alltid. Hva mangler jeg. Oppgi et svar. Cesar Alvarez - 15. august 2014 Svar. I teorien kan aksjene lukke hver dag til det treffer null. I alle mine testing dette har aldri skjedd hvis prisen svinger, så vil vi komme seg ut fordi for å oscillere aksjen må lukke opp og da vil vi komme ut. Jeg er enig med deg. Det er en merkelig exit. Gi et svar. Cesar, Hva ville være Den inverse versjonen av denne strategien, dvs. hva er inngangene hvis du vil handle kort. Gi svar. Caesar Alvarez - 15. august 2014 Svar. Først har jeg ikke testet den korte versjonen av dette. være Lukk MA5. Bytt Endre Trigger er Forrige lukk 5 ATR10.Sell forandre Selg på første nære lukk. Gi svar. Cesar Jeg spurte en tjeneste fra noen jeg vet hvem som er en profesjonell forsker med svært sterke AmiBroker ferdigheter, for å programmere strategien som reglene som er gitt i dette innlegget. Jeg synes det er interessant at denne personen var i stand til å programmere denne strategien, generere resultatene og teste dem på mindre enn en halv dag. Opprinnelig, da du ga reglene, var alternativet jeg ga deg ikke inkludert. Dette ga du. Positivt 10 pctPerPosition 100 posqty SetOption MarginRequirement , 100 SetPositionSize pctPerPosition, spsPercentOfEquity. And denne jeg foreslo. was not included Ditt innlegg som dette må inkluderes har et tidsstempel minst 3 timer etter mitt innlegg. Jeg ser ikke en grunn til å utelate det i utgangspunktet fordi det handler med akkurat de problemene som er opptatt. Derfor er en måte for deg å bevise at resultatene dine er riktige, å legge ut en Excel-fil av Amibroker-handel for handel for det første tilfellet av Russell 1000. Jeg tror ikke du burde ha en Y innsigelser mot det Da vil problemet bli avgjort på en eller annen måte Du kan ha noe her, men oddsen er mot deg, og du har muligens enten optimalisert systemet til å passe over tidligere data eller har en feil som overstiger CAGR Hvis dette systemet fungerte og faktisk produserer en CAGR som høy det gir ingen mening å selge koden for 50 Vennligst ikke fortell meg at du er en god samaritan, og du vil gjøre bloggen din besøkende rik på 50 ned. Gi et svar. Cesar Alvarez - 16. august, 2014 Svar. Årsaken til utelatelsen er jeg savnet den ene koden når jeg kopierte over det jeg ønsket å vise. Siden du har fått noen til å kode det, kan du verifisere selv om resultatene er riktige eller ikke så langt jeg er bekymret, disse resultatene er riktige som jeg sa at jeg hadde en annen person koden dem opp og får akkurat de samme resultatene jeg setter pris på at du tar opp dine bekymringer om at koden var feil, men jeg har bevist meg selv, det er ingen problemer jeg bare vil bruke mer tid og energi på dette emnet , hvis noen gir bevis på at resultatene er feil. Gi svar. Denne strategien er faktisk en intradag-strategi, ikke interdag. Du kan ha mange aksjer som oppfyller kriteriene på en gitt dag. I virkeligheten vil du imidlertid bare kjøpe disse aksjene, det vil gå ned tidligere Å ha EOD-data du ikke vet, hvilken du vil kjøpe Det er derfor du trenger å bruke MonteCarlo. Vi antar at 5 lagre oppfyller kriterier og går ned med minst 5 prosent Etter få dager 4 av dem reverserer goog-aksjer og man går videre ned dårlig lager MonteCarlo forutsetter at fordelingen av sannsynligheten er uniform Andre ord, du vil kjøpe gode aksjer i 4 tilfeller og den dårlige i 1 tilfelle. Og hva hvis dårlig lager nesten alltid går ned raskere det gode lager Det vil bety at fordeling av sannsynlighet ikke er uniform og testresultatene er ikke pålitelige Mitt spørsmål er hvorfor kan du anta at den første aksjen som vil gå ned er en god bestand Hvordan vet du at aksjen det vil gran St gå ned for å begrense på gitt dag er ikke dårlig lager Jeg stiller spørsmålet, fordi jeg opprettet lignende gjennombruddsstrategi, men dette spørsmålet bekymrer meg. Oppgi et svar. Cesar Alvarez - 16. august 2014 Svar. Jeg gjorde en Monte Carlo simulering på disse resultatene Vi vet ikke hvilke aksjer som utløser først. Du er riktig at vi ikke vet om dårlige aksjer har en tendens til å utløse først eller ikke, slik at distribusjonen ikke er uniform. Informasjonen og analysen på dette nettstedet er gitt til informasjonsformål bare ingenting her skal tolkes som personlig investeringsrådgivning Under ingen omstendigheter representerer denne informasjonen en anbefaling om å kjøpe, selge eller holde noen sikkerhet Ingen av informasjonen på dette nettstedet er garantert riktig, og alt som er skrevet her, bør være underlagt uavhengig verifisering Du og deg alene er eneansvarlig for eventuelle investeringsbeslutninger du gjør. Ideene og strategiene bør aldri brukes uten først å vurdere din egen personlige og økonomi. al situasjon eller uten å konsultere en finansiell profesjonell, kan jeg holde stillinger for meg selv eller klienter i verdipapirer eller næringer nevnt her. Det er en meget høy grad av risiko involvert i verdipapirer. Din bruk av informasjon på dette nettstedet er helt på egen risiko Mine tanker og meninger vil også forandres fra tid til annen som jeg lærer og samler mer kunnskap. Etter å ha jobbet med Cesar, gikk handelsevnen min fra uforutsigbar og knapt lønnsom til konsekvent lønnsom. Det er ingen måte jeg danner profesjonelt med penger i dag, men det var ikke for Cesar Alvarez yrkesrådgivning. - Mark Angil, RBD Adaptive, LLC. Jeg har kjent Cesar i 8 år og han er min første og fremste ressurs for finansmarkedsforskning, kvantifisert strategiutvikling og koding. Rob Davenport - LCA Capital, LLC. Til slutt skjønte jeg at de fleste modellene de presenterte ble konstruert av Cesar. Hans arbeid er opplysende, informativt og veldig lett å forstå, og det er veldig forfriskende å se i Quant-verdenen.