Trading Mekaniske Systemer

Sammenligne Backtesting og lever trading system gjennomføring: Etter en million bransjer Systematic handelsfolk nesten alltid bruke backtesting å vurdere tidligere resultater av en handelsalgoritme. Dette er et utrolig verdifullt verktøy som gir oss mulighet til å få en ide om hvordan en handelsalgoritme ville ha utført tidligere uten å måtte handle et system for lengre perioder. Men hele bruken av backtesting er avhengig av hvor godt simuleringene modellen forbi ytelsen, og derfor er den åpen for mange fallgruver som kommer fra flere praktiske bekymringer. På grunn av det ovenfor er it8217s svært viktig å utføre livebacktesting sammenligninger hvor en live-handlet periode er sammenlignet med en backtest av den samme perioden for å se om resultatene 8211, uansett om de er positive eller negative 8211 match. På today8217s innlegg Jeg vil diskutere en analyse av livebacktesting konsistens Jeg har laget bruk av data fra mer enn 1 million live-bransjer hentet fra mer enn to tusen Asirikuy-opprettede systemer. Det finnes flere måter som en backtest kan gjøre fortiden ser bedre ut enn hva det egentlig ville vært som. I reell handel er det vanligvis likviditet, timing og spredning av bekymringer som generelt er svært vanskelig å ta hensyn til ved backtesting. I Forex trading er historiske likviditetsdata svært vanskelig å få, mens slipping er nesten umulig å regne på grunn av det faktum at historiske tilkoblingshastigheter og responstider er ukjente. Tick-data kan lindre spredningsbehovet 8211, da kryssdata inneholder budsjettdata 8211, men dette er megler-spesifikt og kan sjelden oppnås for en bestemt megler i mer enn noen få år. Hvis simuleringer utføres uten hensyn til noen av de ovennevnte 8211 uten likviditetsdata, antas perfekt henrettelser og med konstante spredninger 8211 så er det kritisk å se om disse forutsetningene virkelig fører til akseptable samsvar mellom backtesting og live trading. Hvis noen av disse forutsetningene fører til betydelige problemer, må simuleringene gjøres mer pessimistiske for å tilpasse seg disse økte kostnadene. Takket være det faktum at vi har hundrevis av brukere som handler tusenvis av handelsstrategier i sine egne kontoer, har vi kunnet samle en database med millioner av handler sammen med deres reelle inngangs - og utgangspriser som vi kan sammenligne med våre backtests for å se hvordan vel våre simuleringer representerer den siste tiden. Først av alt kan vi se om vår backtesting og live trading logikk er faktisk identisk og for det andre kan vi se om de ovennevnte problemene knyttet til slippage og spredningskostnader påvirker vår handel på en betydelig negativ måte. Vi har analysert totalt 76.813 signaler som har blitt utført over mange ulike handelsregnskap. For hvert signal beregner vi de gjennomsnittlige inngangs - og utgangsprisene 8211 ved å bruke data fra alle handler som ble tatt på grunn av dette signalet 8211, og dette tillater oss å estimere hvor mye inngang og utgang avvikes på en gunstig eller ugunstig måte. I gjennomsnitt var vår totale avvik (åpen avvik i tillegg til nær avvik, bestemmelse av fordeler med tanke på handelsretning for hvert tilfelle) -1,37 pips, noe som betyr at hver handel utført 1,37 pips mindre gunstig enn forventet av våre simuleringer, kan dette forestilles som å betale en tillegg 1,37 pips per handel i spredningskostnader. Det første bildet i dette innlegget viser resultatene etter par. Her kan vi faktisk se at for 4 av 6 par har vi faktisk gunstige avvik (EURJPY 0.3, EURUSD 0.81, GBPUSD 2.05, USDJPY 1,17), noe som betyr at spredene vi bruker i våre simuleringer, er trolig gode estimater for disse symbolene og forsinkelsene i gjennomføring vi får er enten gunstig eller lav nok til ikke å saken på en betydelig måte. Det er imidlertid to saker med negative resultater, den første er USDCHF (-1,53) og den andre er GBPJPY (-8,78). I det første tilfellet er avviket ikke veldig høyt, men i det andre har vi et resultat som er enormt negativt, sannsynligvis står for hovedårsaken til at vårt hovedmiddel per handel er negativt. Årsaken til det ovenstående skyldes både at GBPJPY er mye mer flyktig som de andre parene, og fordi vi bruker en spredning på 5 pips for dette symbolet som er 8211, som vist ved overbevisning 8211 sannsynligvis for lavt. Selv om 5 pips er over gjennomsnittlig Oanda-markedsspredning for dette symbolet, gir det ikke nok plass til ytterligere tap på grunn av glidning og utvidelse. Det andre bildet viser avvikene når splittet av handler åpnet på forskjellige timer. Det er tydelig at alle timer ikke er det samme, og selv for den svært negative GBPJPY synes det å være noen timer når avvik har en tendens til å være positiv. Du kan også se noen tilfeller hvor avvikene er svært positive 8211 for eksempel GBPUSD-handler åpnet klokken 8 8211. Dette er hovedsakelig knyttet til at handler åpnet på denne timen har møtt positive nyheter som helhet ved en tilfeldighet og potensielt også møtt noen viktige Markedsbevegende hendelser som Brexit eller GBP-flashkortet positivt. Det er imidlertid lite sannsynlig at slike avvik vil vare over en betydelig lang periode, da de sannsynligvis er konsekvensen av disse sjeldne hendelsene som skjedde for å favorisere noen strategier mer enn andre ved bare lykke. Jeg forventer at disse avvikene blir lavere og lavere som en funksjon av tiden, noe som gir oss en mye jevnere kurve etter noen år med handel. Av samme grunn må vi ta mer tid og samle inn flere data før vi vurderer handlinger som kan innebære direkte bruk av denne informasjonen (for eksempel gruvesystemer som handler i timevis når avvik forventes å være gunstige). Ovennevnte viser allerede at våre simuleringsutbredelseskostnader sannsynligvis må økes betydelig for GBPJPY og kanskje bare moderat for USDCHF. Det viser også at utførelsen vår har vært god over hele linjen 8211 på de fleste symboler, faktisk 8211, og at høyere likviditetssymboler viser lavere avvik enn lavere likviditetssymboler (ikke overraskende siden disse kostnadsøkningene hovedsakelig er relatert til forsinkelsesforsinkelser og spredning utvidende). Vi har nå kodet noen skript for å utføre analysen ovenfor hver uke, slik at vi8217ll kan holde oppdaterte faner om hvordan våre systemer utfører og hvorvidt våre simuleringer stemmer overens med disse henrettelsene. Hvis du vil lære mer om samfunnet vårt og hvordan du også kan lage dine egne algoritmiske handelsstrategier, vær så snill å vurdere å bli med Asirikuy. et nettsted fylt med utdanningsvideoer, handelssystemer, utvikling og en lyd, ærlig og gjennomsiktig tilnærming til automatiserte trading. strategies. Simple Moving Average Crosses som lønnsomme handelssystemer Som du kanskje vet nå, har jeg i denne uken vært dedikert til å finne lønnsomme, enkle handelssystemer. Et av de første handelssystemene som nye handelsmenn blir utsatt for, er det bevegelige gjennomsnittskorset. Et glidende gjennomsnitt er ganske enkelt en linje trukket på skjermen som gjenspeiler pris gjennomsnittet av det siste x antall perioder for hver stolpe. En bevegelig gjennomsnittlig kryssstrategi er ganske enkelt å gå inn eller ut av markedet når to bevegelige gjennomsnitt krysser eller når prisen selv beveger seg over eller under glidende gjennomsnitt. Hvorfor gir dette mening. Den bevegelige gjennomsnittlige kryssstrategien er fornuftig fordi det som i utgangspunktet innebærer at hvis prisen går over det8217s gjennomsnitt, bør prisen øke og omvendt. Det samme når du handler krysset med to forskjellige bevegelige gjennomsnitt. Hvis gjennomsnittet av et lite antall perioder er over gjennomsnittet av et større antall perioder, betyr dette at prisen øker og så videre. Men vel, det er ikke så enkelt. Problemet med den bevegelige gjennomsnittlige strategien er at prisbevegelsen må være lang nok for at indikatorens sakte kvalitet skal være minimal. Siden det bevegelige gjennomsnittet slår markedet fordi det tar tid å reagere på markedsbevegelser (fordi det er gjennomsnittlig tidligere perioder), så hvis prisbevegelsene er for små, vil du alltid komme inn for sent og gå ut med tap. Det er derfor at glidende gjennomsnittlige strategier ikke klarer å jobbe lenge på alle de mindre tidsrammer. I mindre tidsrammer er trender ikke langvarige og de reverserer raskt, whipsaw og sender oss en mengde blandede og falske signaler som gjør strategien til å miste. Så hvor flytter gjennomsnittene lønnsomme. Vel, høyere tidsrammer med svært sakte bevegelige gjennomsnitt er størst fordi du fanger ekstremt store markedsbevegelser (noen ganger til og med 2000 pips), og du får svært få handler, omtrent en eller to hvert år. Denne strategien reduserer i stor grad mengden penger du betaler i spreads og garanterer et langsiktig stabilt overskudd. Disse strategiene kan lett handles med unviersalemacross og funnet på forex-tsd som let8217s du trade ma crosses. Nedenfor kan du se et backtestingskjema for EURUSD, GBPUSD og USDJPY (fra 1999, på daglige diagrammer). Denne strategien er veldig god og fanger virkelig de år lange markedstrendene. Modelleringskvaliteten er na på grunn av noen feilfeil på grunn av feil på grunn av volum, men igjen er feilene i denne backtesting nesten ingen fordi vi handler veldig langsiktig, faktisk kan du enkelt visuelt teste strategien og se at resultatene faktisk er hva de er. 8211 8211 Selv om denne strategien har langsiktig lønnsomhet og har noen få handler hvert år, vil de fleste forhandlere aldri overveie det fordi de fortsatt tror at 20-50 er et reelt resultatmål i forex-automatisert handel. Hvis vi ser på handelen til EURUSD (200 slow ma og 20 fast ma) ser vi at hver bransje tar en enorm mengde profitt. Faktisk er gjennomsnittlig gevinst mer enn 5 ganger gjennomsnittlig tap på grunn av dette. Nedenfor kan du se en prøvehandel med de bevegelige gjennomsnittene som er tegnet. På neste diagram ser du en høyere tidsramme (ukentlig) hvor du kan se hvordan ea fanget hele den langsiktige trenden perfekt. 8211 8211 Dette systemet kan gi deg et overskudd på ca 40-50 pr år med en nedtelling på ikke over 30. Igjen, selv om dette er bedre enn de beste fondforvalterne i verden, er de fleste forhandlere (de fleste av dem ikke lønnsomme ) vil hevde at dette overskudsmålet er for lite for dem, og at de kan gjøre det i månedsbasis. Dette er sant, en person kan lage 40-50 for en måned eller to, men markedseksponeringen som trengs for å tjene dette beløpet, vil tørke kontoen. Det jeg sikter på er konstant, konsekvent, stabil, langsiktig fortjeneste. Jeg har ikke noe imot handel 2 eller 3 ganger i året, faktisk anser jeg dette bedre enn å gå inn i stillinger hver dag. 8211 Hvis du vil lære mer om andre kommersielle og gratis automatiserte handelssystemer jeg har brukt og vurdert, så vel som ekspertrådgivere jeg har programmert til å følge langsiktige stabile strategier, for eksempel 4 ukers breakout, turtle system og 8and8 systemet, bør du vurdere kjøpe min eBok på automatisert handel eller abonnere på mitt ukentlige nyhetsbrev for å motta oppdateringer og sjekke live og demo kontoer jeg kjører med flere ekspertrådgivere. Jeg håper du likte artikkelen Hvordan lage et mekanisk handelssystem Så langt har we8217ve lært deg hvordan du utvikler din handelsplan. We8217ve diskuterte også hvor viktig det er for deg å oppdage hvilken type forex-handelsmann du er. Deretter skal vi lære deg hvordan du legger til noe kjøtt til din tynne handelsplanramme ved å vise deg hvordan du lager et forex trading system. Nærmere bestemt vil vi lære deg alt om forex mekaniske handelssystemer. Mekaniske handelssystemer er systemer som genererer handelssignaler for en næringsdrivende å ta. De kalles mekanisk fordi en handelsmann vil ta handelen uavhengig av hva som skjer i markedene. I teorien bør dette eliminere alle forstyrrelser og følelser i din handel, fordi du skal følge reglene i ditt system INGEN MATTER HVA. Hvis du gjør et enkelt søk i Google for 8220forex trading systems8221, finner du mange mange mennesker der ute som påstår at de har 8220Holy Grail8221-systemet som du kan kjøpe for noen få tusen dollar. Disse systemene gjør angivelig tusenvis av pips i uken og mister aldri. De vil vise deg at de hadde 8220 resultater8221 av deres perfekte systemer, og det vil gjøre dine øyenbryter til dollartecken mens du sitter der og si til deg selv, 8220Wow kan jeg gjøre alt dette hvis jeg bare gir denne fyren 3000. Dessuten, hvis hans system lager tusenvis av pips i uken, kan I82 gjøre pengene mine tilbake på kort tid.8221 Slow down cowboy. Det er noen ting du bør vite før du gir dem kredittkortnummeret ditt og gjør det impulskjøpet. Sannheten er at mange av disse systemene faktisk fungerer. Problemet er at valutahandlere mangler disiplinen til å følge reglene som går sammen med systemet. Den andre sannheten (er det sånn som en annen sannhet) er at i stedet for å betale tusenvis av dollar på et system, kan du faktisk bruke tiden din til å utvikle ditt eget mekaniske handelssystem gratis. og bruk de pengene du skulle tilbringe som kapital for din forex trading konto. Den tredje sannheten er at å skape mekaniske handelssystemer er det vanskelig. Det som er vanskelig følger de reglene du angir når du utvikler systemet. Det er mange artikler som selger systemer, men vi har sett noe som lærer deg hvordan du lager ditt eget system. Denne leksjonen vil veilede deg gjennom trinnene du må ta for å utvikle et forex mekanisk handelssystem som passer for deg. På slutten av leksjonen vil vi gi deg et eksempel på et system som en av FX-Men bruker, slik at vi kan vise deg hvor fantastisk vi er. (Sett inn ond ler her.) Mål for ditt mekaniske handelssystem Vi kjenner you8217re sier 8220DUH, målet med mitt handelssystem er å tjene en milliard dollar8221 Selv om det er et fantastisk mål, er it8217s ikke akkurat det slags mål som vil gjøre deg til en vellykket forex-handelsmann. Når du utvikler ditt mekaniske handelssystem, vil du oppnå to svært viktige mål: Systemet ditt skal kunne identifisere trender så tidlig som mulig. Systemet ditt skal kunne unngå deg fra whipsaws. Hvis du kan oppnå de to målene med handelssystemet ditt, har du en mye bedre sjanse til å lykkes. Den harde delen om disse målene er at de motsier seg hverandre. Hvis du har et system who8217s primære mål er å fange trender tidlig, vil du sannsynligvis bli faked ut mange ganger. På den annen side, hvis du har et mekanisk handelssystem som fokuserer på å unngå whipsaws, så vil du være forsinket på mange bransjer, og vil også trolig gå glipp av mange handler. Din oppgave, når du utvikler ditt mekaniske handelssystem, er å finne et kompromiss mellom de to målene. Finn en måte å identifisere trender tidlig, men også finne måter som vil hjelpe deg med å skille mellom falske signaler fra de virkelige. Hvis du ikke har noen ide om hvor du skal begynne, kan du gå gjennom vår Free Forex Trading Systems tråd i vårt forum. Tonnevis av forexhandlere legger inn ideene sine for handelssystemer, så du kan finne en eller to som du kan bruke når du bygger ditt eget mekaniske handelssystem. Lagre fremgangen din ved å logge inn og merke leksjonen fullstendig