Trading System Robusthet

Hjem robuste handelssystemer er målet med trend-følgere. Robust Trading Systems er målet for trend-følgere. Du kan alltid finne galne annonser lovende handelssystemer med høy avkastning og 100 suksessfrekvenser plukke topper og bunner. Disse såkalte systemene oppnår sine resultater etter bruk av mange regler og mange unntak De var perfekt utviklet eller kurveformet Reglene er alltid overoptimert Å se bra på papir er bare alt du får De vunnet t vare eller holder opp til den virkelige verden. En god trend etter handelssystem må være robust Det er fem generelle kriterier for system robusthet. Sensibilitetsanalyse på systemregler parametere. Testing på mange markeder. System-wide risk analysis. System consistency. Can trend følgende beskrives i enkle og logiske termer. Et handelssystem med ikke mer enn tre til fem parametere for å optimalisere er ideell Parametre er den kvantitative delen av reglene eller betingelsene som må oppfylles. Test på mange markeder. En signifikant indikasjon på robusthet er å bruke et system optimalisert for ett marked på mange forskjellige markeder uten å endre noen parametere Hvis et system optimalisert på SP 500 kan bytte et Japan-fond, et lite kapitalfond og et fremvoksende markedssystem, er tilliten til det systemet økt. System-wide Risk Analysis. System-wide risikoanalyser forestiller alle måter systemet kan oppfylle sine mål. Tenk gjennom alternativene. Konsistente avkastninger viser et system over mange bransjer utnytter en kant Ordet kant brukes på samme måte som et kasino har en kant på roulette, over et stort antall handler, et system med en kant gir penger. Kan trenden etter beskrives i enkle og logiske termer. Et system må forklares i enkle og logiske termer Hvis et system avhenger på månens fase eller på det eksponentielle bevegelige gjennomsnittet av Fibonacci-oscillatoren, avslår du systemet. Du må forstå grunnlaget for et systems suksess. Følg følgende produkter. Michael Covel Trend Følgende produkter.1996-17 Trend Følgende Alle rettigheter forbeholdt Contact. Trend Following, TurtleTrader, er varemerker tjenestemerker av Trend Følgende Andre varemerker og servicemerker som vises på Trend Følgende nettverk av nettsteder, kan eies av Trend Following eller av andre parter, inkludert tredjeparter som ikke er tilknyttet Trend Following. og informasjon om Trend Følgende nettverk av nettsteder kan ikke kopieres, skrives ut eller distribueres uten skriftlig tillatelse fra Michael Covel og Trend. Men skriftlig tillatelse er enkelt og typisk gitt. Formålet med denne nettsiden er å oppmuntre til fri utveksling av ideer på tvers av investeringer, risiko, økonomi, psykologi, menneskelig adferd, entreprenørskap og innovasjon. Hele innholdet på dette nettstedet er basert på Michael Covels meninger, med mindre annet er angitt. Individuelle artikler er basert på de respektive forfatterens meninger, som kan beholde opphavsretten som bemerket Informasjonen på denne nettsiden er ment som en deling av kunnskap og i formasjon fra forskningen og opplevelsen av Michael Covel og hans samfunn. Informasjonen som er inkludert heri, er ikke utformet for å bli brukt som invitasjon til investering med noen rådgiver profilert. Alle data på dette nettstedet er direkte fra CFTC, SEC, Yahoo Finance, Google og avsløring dokumenter fra ledere som er nevnt her. Vi antar at alle data skal være nøyaktige, men påtar seg intet ansvar for feil, utelatelser eller skrivefeil fra kilder. Tendens Følgende markeder og selger ulike investeringsforsknings - og investeringsinformasjonsprodukter. Lesere er eneansvarlige for utvalg av aksjer, valutaer , opsjoner, råvarer, terminkontrakter, strategier og overvåking av sine meglerkontoer. Trend Følgende, dets datterselskaper, ansatte og agenter, krever ikke eller utfører handler eller gir investeringsrådgivning, og er ikke registrert som meglere eller rådgivere hos noen føderale eller statslige byråer Les vår fullstendige disclaimer. Watch Michael Covel s film nå Den eneste trenden følgende dokumentar. Stress Tes ting for handelsstrategi Robustness. by Michael R Bryant. I artikkelen om multi-market trading strategier diskuterte jeg begrepet robusthet, som jeg beskrev som ufølsomhet for variasjoner i dataene som strategien er basert på. Bygg et handelssystem over flere markeder er en måte å øke robustheten på. Men hva om du allerede har en strategi, og du vil se hvor robust den er. Å teste en handelsstrategi for robusthet, kalles ofte følsomhetsanalyse eller mer helhetlig som stresstesting. Den grunnleggende ideen er å se hva som skjer når små endringer gjøres i strategiinngangene, prisdata eller andre elementer i strategien eller handelsmiljøet. En robust strategi viser en proporsjonal og relativt dempet reaksjon på slike endringer, mens en strategi som ikke er robust vil reagere uforholdsmessig og noen ganger mislykkes når små endringer gjøres på innganger eller miljø. Hvorfor er dette viktig. Men bare er robusthet viktig fordi t Markedsføringene forblir ikke de samme Ta strateginputene, for eksempel Inngang som utkikkslengde for et bevegelige gjennomsnitt kan være optimalt i løpet av back-testperioden, men fremover kan forskjellige verdier være optimale Vi vil vite hvor godt strategien vil utføre når inngangene ikke lenger er optimale. En måte å adressere på er å se hvordan resultatene endres når inngangsverdiene endres. Som forklart i den tidligere artikkelen, er ideen om robusthet knyttet til overmatning av strategier. Vi vil ha for å sikre at strategien ikke har passet så tett på markedet i løpet av utviklingsprosessen at det ikke kan tåle noen endringer i markedet. Generelt sett kan vi teste for det ved å bytte marked, endre strategien eller begge deler. En strategi Det går ikke bra med at relativt små endringer ikke er robuste og vil trolig være overpasset. En slik strategi bør ikke forventes å gjøre det bra i fremtiden. Typer av stressstest. Det er mange forskjellige måter som en strategi kan bli stresstestet Vi kan gjøre endringer i strategien selv eller til prisdataene som vi testet på nytt. Vi kan endre handelskostnadene, for eksempel mengden slippe, eller endre stillingsstørrelsen. I prinsippet er alt som påvirker Strategiske back-testresultater kan varieres I denne artikkelen vil følgende tre typer stresstesting bli diskutert. Ved å legge til strategiske inputs. Making små endringer i individuelle priser. Ved å legge til startlinjen. Begrunnelsen for å endre strategiske innganger ble diskutert ovenfor For å endre dem, vil en prosentandel bli valgt tilfeldig mellom - Max og Max, hvor Max kan være i størrelsesordenen 1 eller 5 Denne prosentandelen vil bli brukt på verdier for hver inngang. For eksempel, hvis vi velger utseendet lengde for en indikator fra verdiområdet fra 1 til 100, da vil rekkevidden være 100, og den tilfeldig valgte endringsprosent vil bli brukt til 100. Endringsbeløpet, enten positivt eller negativt, vil da bli lagt til opprinnelsen al inngangsverdi for å gjøre det høyere eller lavere med det beløpet Vi vil også spesifisere et minimum mulig endringsbeløp, for eksempel 1 for mengden å endre en indikator-tilbakekallingslengde På den måten, hvis tilfeldig forandringsprosent er et lite tall, Inndata vil fortsatt bli endret. En måte at en strategi kan være overpasset og derfor ikke robust, er om den passer for tett til bestemte priser i back-testen. For eksempel, hvis strategien går langt på stopp og flere store, lønnsomme handler går inn på dagens høye pris, som bør øke et rødt flagg. Hvordan ser resultatene ut hvis høyen hadde vært en kryss lavere på de dagene. Hvis en slik liten forandring ville ødelegge resultatene, er strategien tydelig ikke robust En stresstestingsteknikk for å oppdage den slags overmontering er å foreta tilfeldige endringer i individuelle priser og evaluere resultatene. For å tilfeldig endre prisdataene, bruker vi to innstillinger. En er sannsynligheten for å endre pris. For eksempel , hvis sannsynligheten er 50, det mea ns there sa 50 sjanse for at en hvilken som helst pris - åpen, høy, lav, nær hver bar - vil bli endret. Den andre innstillingen er den maksimale prosentvise endringen som vil bli brukt til en pris som blir endret. Som med inngangsverdiene, Den faktiske mengden av endringen er tilfeldig valgt mellom - Max og Max, hvor Maks er maksimum prosent prisendring. Verdien av Max er tatt i prosent av gjennomsnittlig sant område over de siste 100 barene. For eksempel hvis det gjennomsnittlige sanne området er 10 poeng og den maksimale prosentvise endringen er 20, så endringsbeløpet er et tilfeldig valgt nummer mellom -2 og 2 poeng. La oss si at det faktiske tallet er -1 25 poeng og sluttkursen er 1250 50. være 1249 25 Endelig er det mulig at endring av en pris vil ugyldiggjøre normal prisbestilling, for eksempel å redusere åpningen slik at den er under den lave. For å forhindre det, må prisene kanskje justeres etter at endringen har holdt seg åpen og lukk innenfor det høye lavt spekteret Den siste stresstestmetoden som skal diskuteres, innebærer å endre startlinjen. Det er sannsynligvis åpenbart at en god strategi ikke bør falle fra hverandre når du starter backtesten på en annen linje. Det kan være mindre tydelig hvordan dette kan skje. Vurder en hypotetisk strategi som går lenge på et bevegelige gjennomsnittsovergang. Det holder handelen nøyaktig fem barer før den går ut på markedet. Bortsett fra logikkens egnethet, forestill deg hva handelshistorikken kan se ut på et prisdiagram. Hvis den bevegelige gjennomsnittlige inntaksbetingelsen bruker en kort - langsiktig gjennomsnittsovergang over et langsiktig gjennomsnitt, er det helt mulig at inngangsbetingelsen kan være sann i lang tid, dvs. at kortsiktig gjennomsnitt kan være høyere enn det langsiktige gjennomsnittet for mange barer i en ro. Hvis back-testen ble startet i løpet av den perioden, ville den første handelen komme inn på neste linje etter startfeltet, og hver handel ville vare fem barer, fulgt umiddelbart etter neste oppføring, og så videre. Nå vurderer hva som ville skje hvis startlinjen ble endret. Hvis startlinjen var en linje senere, ville hele serien av handler skiftes en linje til høyre. Det er helt mulig at noen av de fem serieene - bar handler ville være mye mer lønnsomme enn andre, avhengig av hvordan bransjene var i samsvar med en underliggende fem-bars trendsyklus som eksisterte. Så, avhengig av startlinjen, kan strategien være svært lønnsom eller ulønnsom på grunn av hvor bransjene startet og endte Det kan ikke være åpenbart under utviklingen at strategidogikken hadde denne typen avhengighet på startlinjen, spesielt for mer komplekse typer logikk. For å teste for effekten av startlinjen, er linjen som strategien bakprøven er startet vil bli variert med et tilfeldig tall valgt mellom 1 og N I eksemplet nedenfor ble N valgt til å være 300 Så startlinjen ble variert ved å legge til et tilfeldig valgt nummer mellom 1 og 300 til den opprinnelige startlinjen number. A Monte Carlo Approach. Hvis inngangene, prisene eller startlinjen ved en tilfeldig mengde bare gir et alternativ til å sammenligne med de opprinnelige resultatene. For å få et mer komplett bilde av hvor robust en strategi er, kan vi gjenta prosessen mange ganger til vi har en distribusjon av resultater Generelt sett varierer inngangsvariablene tilfeldig over et stort antall iterasjoner for å generere en statistisk fordeling av resultater for funksjonen som avhenger av disse inngangene, kalt Monte Carlo-analyse. I dette tilfellet Funksjonen er handelsstrategien og funksjonens innganger er strategiinngangene, markedsprisene og eller startlinjen. Ved å gjenta stresstesten mange ganger slutter vi med flere sett med handelsresultater. For å forstå hvordan Monte Carlo-prosessen fungerer, bør du vurdere eksempel vist i figur 1.Figur 1 Original egenkapitalkurve for en forex trading strategi. Egenkapitalkurven vist i figur 1 er for en handelsstrategi utviklet for EURUSD forex mar Det er en av bonusstrategiene som følger med Adaptrade Builder. Den ble utviklet i mars 2010 De siste 100 handler eller lignende har vært siden utgivelsen, noe som viser at Det har holdt seg bra i sanntid uten sporing. For å illustrere hvordan stresstestresultater kan analyseres ved hjelp av en Monte Carlo-tilnærming, bør du vurdere resultatene av stresstesting av forexstrategien på prisdataene, som vist i figur 2 , som viser totalt 20 egenkapitalkurver, hvorav 19 svarer til et annet sett med tilfeldig modifiserte prisdata. Den opprinnelige prisserien for EURUSD ble endret 19 ganger som beskrevet ovenfor, ved bruk av en sannsynlighet for prisendring på 50 med et maksimum prosentandeler på 20 Sammen med den opprinnelige kurven, vist som den tykkere grønne linjen, er det totalt 20 sett med resultater Totalt antall var holdt så lite som mulig for illustrative formål flere iterasjoner vil bli brukt nedenfor i re maining examples. Figure 2 Stress testing forex-strategien ved å variere prisdata 19 ganger. Det totale nettoresultatet som tilsvarer hver egenkapitalkurve i figur 2, er som følger.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. Den høyeste verdien, 147.855, tilsvarer den opprinnelige filen med prisdata Den laveste verdien er 50.201 I en Monte Carlo-analyse, Vi kan spørre hva nettoresultatet sannsynligvis vil være med en bestemt grad av tillit gitt variasjonen i resultatene. Et konfidensnivå på 95 er typisk, noe som betyr at det vil være en 5 sjanse for at nettoresultatet blir lavere enn vår valgte verdi til oppnå verdien av nettoresultatet ved 95-tillit, er listen ovenfor sortert fra høyeste til laveste, og verdien 95 av veien nedover listen er valgt. Siden vi har 20 elementer i listen, velger vi det 19. elementet i den sorterte listen , som ville være et nett p rifit på 68 459, det vil si den nest laveste verdien i listen. Vi kan tolke dette resultatet som følger hvis randomiseringen av prisdataene er representative for typen tilfeldige forskjeller vi ville forvente i markedet, da kan vi forvente at 95 av tiden , vil nettoresultatet være minst 68 459. Den samme tilnærmingen kan brukes på en hvilken som helst resultatmåling som vi kanskje vil spore hvis metriske er en der en lavere verdi er bedre, for eksempel maksimal drawdown, vil listen bli sortert i motsatt retning rekkefølge før du velger verdien 95 av veien nedover listen. Eksamples of stress testing. Now vurdere et mer representativt eksempel, hvor totalt 100 prøver ble generert for Monte Carlo analyse Fig. 3 viser de ulike egenkapitalkurver som resulterer fra å variere prisfil 99 ganger pluss den opprinnelige kurven. Figur 3 Stress tester forexstrategien ved å variere prisdataene 99 ganger, for totalt 100 egenkapitalkurver. Ved å bruke Monte Carlo-tilnærmingen til resultatene for stresstesten, t han resulterer i tabell 1 ble generert med 95 tillit vist ved siden av resultatene for de opprinnelige dataene for sammenligning. Tabell 1 Stress testing av forexstrategien ved å variere prisdataene. Som forventet, resulterer Monte Carlo fra å endre prisdataene en reduksjon i ytelse sammenlignet med resultatene for de opprinnelige prisdataene. Stresstestresultatene er imidlertid fortsatt positive, noe som indikerer at strategien i det minste er moderat robust. I figur 4 nedenfor har samme tilnærming blitt anvendt på strategiinngangsverdiene Modifikasjonen prosent ble satt til 1, som for mange innganger innebar at minimumsendringsbeløpet ble brukt. Alle inngangene ble modifisert med minst minimumsbeløpet for hver evaluering. Den opprinnelige egenkapitalkurven vises nær toppen av diagrammet som tykkere , grønn linje Sammenlignet med resultatene for prisendringer, hadde endring av strateginputene en sterkere effekt på ytelsen. Figur 4 Stress testing av forexstrategien ved å variere strate gy-inngangene 99 ganger, for totalt 100 egenkapitalkurver. Monte Carlo-resultatene for den samme prøven av ytelsesstatistikker som ovenfor er vist i tabell 2 nedenfor, som inkluderer resultatene for de opprinnelige inngangsverdiene. Tabell 2 Stresstesting av forexstrategien ved å variere strategien inputs. Monte Carlo resultater, 95. Resultatene fra å variere startlinjen for samme forex strategi er vist nedenfor i Fig. 5 Sammenlignet med resultatene fra de andre to testene, vises relativt liten effekt fra å variere startlinjen , noe som tyder på at strategien for det meste er ufølsom for denne variabelen. Figur 5 Stress testing av forexstrategien ved å variere startstangen 99 ganger, for totalt 100 egenkapitalkurver. Monte Carlo-resultatene fra denne testen er vist i tabell 3 nedenfor, hvor de er sammenlignet med resultatene for den opprinnelige startbaren. Tabel 3 Stresstesting forexstrategien ved å variere startbaren. Monte Carlo resultater, 95.Results, Original Data. It er også mulig å endre alt sammen er eller å modifisere kombinasjoner av variabler, for eksempel å modifisere strategiinngangene samtidig med prisdataene I figur 6 nedenfor ble alle tre stresstester utført sammen Dette betyr at strateginputene, prisdataene og startlinjen ble tilfeldig modifisert samtidig som man evaluerer strategien. Figur 6 Stress tester forexstrategien ved å variere startstangen 99 ganger, for totalt 100 egenkapitalkurver. Klart er denne kombinasjonen av stresstester en streng test av strategiens robusthet. En eller to av egenkapitalkurvene vist i figur 6 ser ut til å vise et netto negativt eller nesten så nettoresultat. Kun en egenkapitalkurve nærmer seg den opprinnelige. Monte Carlo-resultatene basert på denne testen er vist nedenfor i Tabell 4. Tabel 4 Stresstesting forex strategi ved å variere prisdata, strategiinnganger og startbar. Monte Carlo resultater, 95.Results, Original Data. Summary og Conclusions. Over-fitting er alltid en bekymring når man utvikler en handelsstrategi. S kalt stresstest s måle hvor robust en handelsstrategi er, hvilket er en indikasjon på om strategien er overpasset eller ikke. Mens en variabel som påvirker en handelsstrategi, kan resultatene potensielt være gjenstand for en stresstest, og denne artikkelen fokuserer på tre viktige faktorer Ved å bestemme tilbakestestresultater blir prisdataene, strategiens s inngangsverdier og startlinjen for back-testen. Strategien som ble brukt for å illustrere hver stresstest viste moderat robusthet med hensyn til prisdata og inngangsverdier og god robusthet med hensyn til startlinjen Det er verdt å merke seg at eksempelstrategien hadde en treårig oversikt over positive sanntidssporingsresultater, men i enkelte tilfeller var stresstestresultaterene verre enn de faktiske resultatene utenfor prøven ble oppnådd av strategien Dette antyder at stresstesterne kan ha vært for alvorlige i disse tilfellene. Dette var spesielt tydelig da alle tre tester ble kombinert, som vist i figur 6 og tabell 4. Stresstesten for stra Tegy-innganger kan ha vært urealistisk strenge ved at det endret alle innganger for hver testteerasjon. En bedre tilnærming kan være å anvende samme metode som brukes til å modifisere prisdata, hvor en pris ble endret med en angitt sannsynlighet. I stedet for å endre alle innganger hver gang, kan en sannsynlighet brukes for å avgjøre om en gitt inngang skal modifiseres. Hvis ja, ville den bli endret på den måte som er beskrevet ovenfor ellers ville inngangen bli umodifisert. Det ble vist hvordan stresstestresultater kunne analyseres ved bruk Monte Carlo-analyse Dette tillot oss å kvantifisere resultatene og gi et estimat av ytelse som var generelt mer konservativ enn resultatene fra baktestene basert på de opprinnelige dataene. Artikkelen fokuserte på å teste en handelsstrategi etter at den ble utviklet i prinsippet, men samme tilnærming kan brukes som en del av strategiprosessen. I Adaptrade Builder utvikles strategiene basert på den testede ytelsen på prøveperioden I stedet for å bruke resultatene som er oppnådd ved å teste strategien på de opprinnelige dataene, gir Monte Carlo resultatene at 95 tillit fra stresstesten kunne brukes. De øverste strategiene i befolkningen ville være de som hadde det beste Monte Carlo resultater, som ville ha en tendens til å drive befolkningen mot robuste strategier. Dessverre, hvis hver Monte Carlo-analyse var basert på N-simuleringer, ville byggeprosessen ta N ganger så lenge ved hjelp av denne tilnærmingen. Sammen med prøveutprøvning og andre metoder som diskuteres i denne serien av artikler, gir stresstesting et annet verktøy for å identifisere robuste handelsstrategier og unngå overmontering. Hvis det brukes som en del av strategien evalueringsprosessen, kan stresstesting bidra til å utrydde strategier som er altfor følsomme for endringer i handelen miljø, noe som kan bidra til å unngå tap og øke sjansene for suksess i markedene. Alle stresstestene ble utført ved hjelp av Adaptrade Builder. Denne artikkelen ble vist i mars 2013-utgaven av Adaptrade Software-nyhetsbrevet. HYPOTETISKE ELLER SIMULERTE RESULTATRESULTATER HAR VISSE BEGRENSNINGER UTEN EN FAKTISK PRESTASJONSOPPTAK, SIMULERTE RESULTATER REPRESENTER IKKE FAKTISK HANDEL HVOR SOM HANDELENE HAR IKKE FAKTISKT UTFØRT, RESULTATET KAN VÆRE UNDER - ELLER OVERKOMPENSERT FOR VIRKNINGEN, OM NOEN, AV VISSE MARKEDSFAKTORER, SOM MANGLENDE LIKVIDITETSIMULERTE HANDELSPROGRAMMER I ALMINDELIGT ER OGSÅ FØLGENDE AV ATT DE ER DESIGNERT MED DEN FORDELING AV HINDSIGHT INGEN REPRESENTASJON GJELDES AT ENKEL KONTO VIL ELLER ER LIKELIG Å HENT RESULTATER ELLER TAPER SOM LIGER TIL DINE VISNING. Hvis du vil bli informert om nye utviklinger, nyheter og spesialtilbud fra Adaptrade Software, vennligst bli med i vår e-postliste Thank you.7 Typer Trading Robustness Bygg Robots Dette Weather All Storms. Building The Invincible Robot. Så du hørte om hvordan datamaskiner vil ru le handelsverdenen, hvordan intelligente roboter gjør millioner på markedene, og nå vil du bygge din gamle allmektige handelsrobot som kan erobre alle. Nå, denne artikkelen vil ikke love den magiske formelen eller den hellige gralen til din uovervinnelige robot, men Det er så nært som det blir. PS Handelsbegreper som er nevnt her, gjelder ikke for høyfrekvent trading i millisekunder. Gjør robotene dine intelligente, men ikke for intelligente. Hva betyr det for Weather All Storms. For at våre handelssystemer skal kunne vær alle stormer, aka forblir effektive i ulike markedsforhold, de trenger å tilpasse seg markedet Dette innebærer handelslogikk som er effektive i ulike perioder, backtesting rammer som minimerer tilbakevendende bias og regler som ikke er for stive. Denne kriteriene kan være oppsummert i ett ord Robustness. What er robusthet. Offentlig definisjon av robusthet I økonomi er robusthet evnen til et finansielt handelssystem å forbli effektivt under ulike marked s og ulike markedsforhold, eller evnen til en økonomisk modell å forbli gyldig under ulike forutsetninger, parametere og innledende forhold. For å oversette det til enklere ord. Et handelssystem er robust hvis det kan forbli effektivt i endrede markedsforhold. Koding, testing og evaluering av handelsroboter i disse dager er rimelige. Typer av robusthet. Robusthet ser ut til å være et overanvendt ord Mange snakker om robusthet i et handelssystem uten spesifikk referanse til enkel type robusthet. Det er mange typer robusthet, denne artikkelen vil snakke om main seven. Period Robustness. Seasonal Robustness. Timeframe Robustness. Instrument Robustness. Optimisation Robustness. Parameter Robustness. Portfolio Robustness. Period Robustness. Definition Et handelssystem er robust på tvers av perioder hvis det kan forbli effektivt i ulike markedsperioden. Markedsperioder kan karakteriseres inn i 2 typer generiske og strategiske. Generiske markedsperioder. Figurer 1 seks generiske markedsperioder. Fig re 1 viser oss de seks hoved generiske markedsperioder I dette tilfellet analyserer vi utviklingen av våre handelssystemer i disse seks periodene. Vær imidlertid oppmerksom på at noen generiske markedsperiodebord er 5 av 5 eller større.5 av 5 Y-akser Svært lav volatilitet, lav volatilitet, nøytral, høy volatilitet, svært høy volatilitet.5 med 5 x akse Sterk utløpende, utløpende, svingende, nedtrengning, kraftig nedtrend. Klassifiseringen 5 ved 5 er bare en variant av originalen 2 av 3, men Det er ingenting galt med 5 til 5 eller en større klassifisering. Hvis vårt handelssystem virker på tvers av de 6 grunnleggende periodene, betyr dette at perioden er robust. Strategiske markedsperioder. Strategiske markedsperioder er definert av handelsmannen. Dette avhenger av spesifikk betingelser som sterkt påvirker aktiva du handler med. Selvfølgelig varierer disse spesifikke betingelsene for forskjellige eiendeler. For eksempel, hvis vi handler EURUSD, vil US Federal Reserve pengepolitikken sterkt påvirke vår handel. Derfor vil vi analysere 2 str Ategiske markedsperioder 1 Fed Easing 2 Fed Stramming Hvis du er trading aksjer, vil et eksempel være 1 Like før inntjeningsløsning 2 Like etter innløsning av innløsning. Søknad om handel. Dette betyr at hvis mitt handelssystem ikke er periode robust, er det ulønnsomt. Det er feil Det er mange handelssystemer som er utformet for å fange opp et spesifikt marked ineffektivitet. Vårt mål er å forstå våre handelssystem s egenskaper slik at vi vet hvordan og når de skal distribuere dem. Sesong Robustness. Definisjon Et handelssystem er sesongmessig robust hvis den er i stand til å holde seg effektiv til tross for sesongmessige effekter. Sesong Robusthet kan betraktes som en delmengde av Period Robustness. En sesongmessig effekt er enhver markedsavvik eller økonomisk effekt som ser ut til å være relatert til kalenderen. Vi sier at det finnes sesongmessige effekter i markedet hvis det er repetitiv oppførsel i markedene over tid Det er fem hovedtyper av sesongmessige effekter. Intra-Day Effect Spesifikk oppførsel av markedet s på bestemte tider av dagen. Dag Effekt Spesifikke oppførsel av markeder på bestemte dager i uken. Effekt Effekt Spesifikke oppførsel av markeder i enkelte måneder av året. Quarter Effect Spesifikke oppførsel av markedene på kvartalsbasis. Flerårig Effekt The Termen inkluderer noen ganger flerårige effekter, for eksempel 10-årig dekadal-syklus. I de fleste tilfeller er sesongmessige effekter ikke selvoppfyllende profetier. De er skapt av markedsgrunnlag.1 Forexmarkeder er mer aktive på bestemte tider av dagen på grunn av globalt marked overlapper.2 Januar Effekt eksisterer på grunn av skattemessige årsaker.3 Markeder har en tendens til å være roligere i den tidligere halvdelen av den første fredagen i hver måned på grunn av ikke-farm Payrolls. Figur 2 Undersøker januar-effekten Credits. Application to Trading. Hvorfor utnytter vi ikke denne gjentatte ineffektiviteten. Det er definitivt mulig, men det er flere grunner til at dette kan være vanskelig. Timing og omfanget av sesongmessige effekter er ustabile. Markeddeltakere prøver hele tiden å utnytte sesongvirkninger Disse handlingene påvirker omfanget og oppførselen til sesongvirkningen. Derfor skaper dette en dynamisk situasjon der sesongmessige effekter stadig forandres. Handelskursen er for høy. Den årlige effekten kan eksistere fordi kostnadene for å utnytte effekten er for høye Den høye kostnaden virker som en naturlig barriere for å beskytte sesongens effekter. Vi tror ikke markedet er helt effektivt, men vi tror det er i en viss grad effektivt. I mange tilfeller er det vanskelig å utnytte en sesongmessig effekt fordi Effektivitet er priset i. For eksempel vil du kanskje kjøpe en opsjonsstruktur som øker i verdi når volatiliteten øker under ikke-gårdsavgift fordi du forventer høyere volatilitet. Slike selgere har imidlertid lagt vekt på høy volatilitet og dermed priset Dette inn i prisprismodellen premier. Timeframe Robustness. Definisjon Et handelssystem er tidsramme robust hvis det er i stand til å holde seg effektiv når det handles i ulike tidsrammer. Timeframe refererer til lysestake-perioden 1min, 5min, 15min, 1hour, daglig osv. Våre handelssystem er tidsramme robust hvis den underliggende handelsstrategien er effektiv i ulike tidsrammer. Vi må forstå tidsrammens robusthet i to typer markedsforhold.1 Vår fortjeneste oppfører seg som en fraktal på tvers av tidsrammer. 2 Ingen fraktal atferd. Scenario 1 Vår fortjeneste oppfører seg som en fraktal over tidsrammer. Ikke vi refererer til lysestake mønsteret når vi snakker om Fractals. Offentlig definisjon av fraktaler En fraktal er et naturlig fenomen eller et matematisk sett som viser et repeterende mønster som vises i hver skala Hvis replikasjonen er nøyaktig den samme på alle skalaer, kalles det et selvlignende mønster. For å forenkle det En fraktal er et mønster som gjentar seg i forskjellige visualer eller tid skalaer. Figur 3 Fractals i forskjellige tidsrammer. Som vi zoomer inn i de nedre tidsrammer, ser vi at formene egenskapene til aktivet forblir de samme. Våre tradisjoner ng system vil alltid være tidsramme robust når det handler en ressurs som oppfører seg som en fraktal på tvers av tidsrammen Hvis markedet oppfører seg på samme måte i hver tidsramme, bør det ikke være noen forskjell i vårt handelssystems oppførsel. Scenario 2 Ingen fraktal atferd . En generell tommelfingerregel er at støyvolatiliteten øker når vi går til den nedre tidsrammen. Vår handelssystem vil være tidsramme robust her dersom den underliggende logikken er effektiv til tross for de ulike støynivåene og markedsadferdene på forskjellige tidsrammer. Anvendelse til handel. Hvis vårt handelssystem er tidsrammebestemt, virker det på alle tidsrammer. Dette betyr imidlertid ikke at vi forblir likegyldige med tidsrammen vi handler. Vi bør handle på lavere tidsramme Dette vil maksimere antall handelsmuligheter per tid. Forstå en gjennomsnittlig handel på 1 5 barer Hvis du handler på Daglig tidsramme, vil du brenne 52 handler om året 260 hverdager 5 Hvis du handler på 1 Timetid, kan du brenne 1248 260 24 5 handler og deg ar Derfor vil fortjenesten din være 24 ganger høyere uten å vurdere effekten av sammensetning. Skal vi handle på lavest mulig tidsramme. Ved å følge logikken som er nevnt ovenfor, bør vi være massivt lønnsomt hvis vi skal handle på lavest mulig tidsramme 1min for MT4. rett Dessverre og unødvendig, nei. Det er usannsynlig at et handelssystem skal være perfekt tidsramme robust. Det er usannsynlig at en eiendel skal oppføre seg på en perfekt fraktal måte. Når vi går til lavere tidsrammer, øker støyen. Aktivets oppførsel blir mer uforutsigbar på grunn av til sanntidsinnflytelse fra dagens hendelser, markedsmikrostruktur og spekulasjon av markedsdeltakere. Derfor bør vi velge en tidsramme som balanserer støyreduksjon og profittmaksimering. Hvis vårt handelssystem ikke er tidsrammebestemt, må vi forstå hvilken tidsramme som er mest egnet for our trading system in different market conditions. Instrument Robustness. Definition A trading system is robust across instruments assets if it ca n remain effective across different instruments. A trading system is instrument robust if it performs as expected across different assets This means that the trading system s underlying trading logic is capturing an inefficiency that exist in multiple assets. Application to Trading. Instrument robustness is not a gauge of a trading system s performance In fact, most trading systems are not instrument robust Trading systems are designed to capture specific market inefficiencies and these inefficiencies tend to be instrument specific Thus, it is not unusual that most trading systems are not instrument robust. Instead of aiming for instrument robustness, we should understand how our trading systems work in different assets This will allow us to discover common inefficiencies in different assets and deploy our portfolio of trading systems more effectively. Optimisation Robustness. Definition A trading system is robust in optimisation if the trading system objective function is maximised while mi nimising curve fitting. Before we explain in detail what Optimisation Robustness is, let s briefly understand what optimisation, objective function and curve fitting are. Optimisation The process where we adjust the structure and rules of a trading system to maximise or minimise its objective function. Objective Function This is the performance output of a backtest that we are trying to maximise or minimise. An easy and lazy way to choose an objective function is to use Net Profit This is rarely a good idea In trading, this output should consist of 3 things reward, consistency and risk. Curve Fitting The process of catering the trading system so closely to historical data that it becomes ineffective in the future. Why Because the future rarely reflects the past. Because the future rarely reflects the past, we need an optimisation process that minimises curve fitting This will increase the odds of success of our trading system A trading system going through such a process can be said to be opt imisation robust. Application to Testing. This brings us to our solution The Walk Forward Optimisation. Definition according to Wikipedia. The trading strategy is optimised with in-sample data for a time window in a data series The remainder of the data are reserved for out-of-sample testing A small portion of the reserved data following the in-sample data is tested with the results recorded The in-sample time window is shifted forward by the period covered by the out-of-sample test, and the process repeated At the end, all of the recorded results are used to assess the trading strategy. To translate into simpler words. We optimise our trading system using one period in-sample , and apply the optimised parameters to the next period out-of-sample Repeat The performance of the trading system is collated using all the out-of-sample periods. Figure 4 In-sample and out-of-sample periods.1 Optimise trading system using In-Sample A.2 Test trading system s performance in Out-Sample A.3 Optimise tradi ng system using In-Sample B.4 Test trading system s performance in Out-Sample B.5 Repeat for Period C to E.6 We will evaluate the trading system s performance in Out-Sample A to E. The aim of this process is to examine how will our trading system perform when executed in unknown territory out-of-sample. Parameter Robustness. Definition A trading system is parameter robust if its performance does not change drastically due to slight change in parameter values. If the underlying trading logic is sound, changing the parameter values slightly should not significantly affect its performance If the performance changes drastically, the trading system exhibits signs of curve fitting. Application to Testing. The results of an optimisation can be viewed in an optimisation surface parameter space if we are only optimising two parameters The x-axis and y-axis represents our two parameters The z-axis represents our objective function. Figure 5 Optimisation Surface with spiky peaks. Figure 6 Optimisation Su rface with flat hills. The two figures above represents the optimisation surface of a trading system that uses two parameters, a fast moving average and a slow one When we examine this optimisation surface, we prefer flat hills over spiky peaks Flat hills indicate little change in performance even if we shift the parameter values slightly. Portfolio Robustness. Definition Portfolio Robustness occurs when a group of trading systems are able to remain effective in different market conditions. Portfolio Robustness and Period Robustness are different as Portfolio Robustness focuses on the complementary effects of separate trading systems Different trading systems have different strengths and weaknesses They can be combined in a way to maximise our objective function of the portfolio in the long run. Application to Trading. For illustration, assume we have two trading systems which are long term profitable but are negatively correlated to each other. Figure 7 Net equity curve of a portfolio of two robots. By combining these two trading systems, we are able to cancel out the risk in their performance and achieve a net long run positive result with significantly lower risk. By applying this concept to a portfolio of different trading systems, we aim to achieve Portfolio Robustness. This article serves to briefly introduce the seven main types of robustness However, in order to truly have a good grasp on building great trading systems, you need these three elements Trading System Design, Coding for Algorithmic Trading and Market Knowledge What s next Go Google these topics and get started. AlgoTrading101 is the first comprehensive online course on algorithmic trading Learn the fundamentals of algo trading and put your ideas into action along with more than 10,000 students Learn more about us at AlgoTrading101.This dude runs an algorithmic trading academy with over 13,000 students Click on the Author link above to learn more about him. Post navigation.