Dieser Beitrag wurde von Michael Covel8217s Interview Traders8217 Magazine, in dem er behauptet, dass Trendfolger don8217t versuchen, Vorhersagen zu machen. Diese Vorstellung, dass Trendfolger keine Rückkehr prognostizieren, wird häufig und häufig wiederholt. Es ist auch völliger Quatsch. Jede Trading-Strategie macht Prognosen 1. Ob diese Prognosen explizit oder versteckt hinter entryexit Regeln ist irrelevant. Alle Standard-Trendfolgesysteme können trivial in ein Prognosemodell umgewandelt werden, das die Rendite vorherbestimmt, weil sie grundsätzlich gleichwertig sind. Die spezifische Formulierung der Tendenz nach dem System spielt keine Rolle, so daß ich es einfach halte. Eine typische Trendfolgerung ist der Donchian-Kanal, der einfach die n-bar höchsten und niedrigsten ist. Betrachten Sie ein System, das lange dauert, wenn der Preis über dem 100-Tage-Donchian-Kanal schliesst und wenn der Preis unter dem 50-Tage-Donchian-Kanal endet. Dies ist die Eigenkapitalkurve des Systems, das auf Rohöl-Futures angewendet wird: Dieses System kann trivialerweise in ein Prognosemodell des Formulars umgewandelt werden, das die abhängige Variable y zurückgibt, und x eine Dummy-Variable sein, die den Wert 1 annimmt, wenn wir uns befinden Einen Trend, und den Wert 0, wenn wir nicht in einem Trend sind. Wie definieren wir 8220in einem trend8221 Mit den exakt gleichen Bedingungen verwenden wir für Ein-und Ausgänge, natürlich. Wir schätzen die Parameter und finden, dass 0, und 0,099 (mit p-Wert 0,013). Unter Verwendung dieser Tendenz nach dem Prognosemodell beträgt die erwartete Rendite in einem Trend etwa 10 Bp pro Tag und die erwartete Rendite, wenn sie nicht in einem Trend liegt, ist Null. Look ma, I8217m Prognose Auch ohne explizite Modellierung dieser Beziehung, Trendfolger implizit vorherzusagen, dass Trends über ihren Eintrittspunkt hinaus sonst Trend nach wouldn8217t Arbeit zu halten. Das Modell lässt sich problemlos mit komplizierteren Einstiegsregeln, Leerverkäufen, den Auswirkungen der volatilitätsbasierten Positionsbestimmung, etc. erweitern. Die Vorstellung der Ähnlichkeit zwischen mehreren Zeitreihen auf intuitive Weise ist kein einfaches Problem. Die Standardlösung ist eine Korrelationsmatrix, aber es ist ein problematischer Ansatz. Während es leicht ist, die Korrelation zwischen zwei Reihen zu überprüfen, und (mit Hilfe der bedingten Formatierung) die Beziehung zwischen einer Reihe und dem Rest, ist es schwierig, ein intuitives Verständnis dafür zu gewinnen, wie alle Reihen miteinander verwandt sind . Und wenn Sie eine Zeitdimension hinzufügen möchten, um zu sehen, wie Korrelationen sich geändert haben, werden die Dinge noch lästiger. Die Lösung ist multidimensionale Skalierung (die 8220classical8221 Version, die als Principal Coordinates Analysis bekannt ist). Es ist ein Weg, eine Distanzmatrix zu nehmen und dann jedes Objekt in N Dimensionen so zu legen, dass die Abstände zwischen jedem von ihnen so gut wie möglich erhalten bleiben. Offensichtlich ist N 2 der offensichtliche Anwendungsfall, da er die einfachsten Visualisierungen macht. MDS arbeitet ähnlich wie PCA, verwendet jedoch die Unähnlichkeitsmatrix als Eingabe anstelle der Serie. Hier ist ein guter Einblick in die Mathematik dahinter. Es ist zu beachten, dass MDS sich nicht darum kümmert, wie Sie den Abstand zwischen den Zeitreihen messen. Während ich Korrelationen in diesem Beispiel verwendet, könnte man genauso einfach eine Technik wie dynamische Zeitverzerrung verwenden. Unten ist ein Beispiel mit SPY, TLT, GLD, SLV, IWM, VNQ, VGK, EEM, EMB, mit 252 Tage Korrelationen als Abstandsmaß, berechnet jeden Montag. Das Bewegungsdiagramm lässt uns nicht nur die Abstände zwischen jeder ETF zu einem Zeitpunkt sehen, sondern auch, wie sie sich entwickelt haben. Einige interessante Dinge, die zu beachten sind: Beobachten Sie, wie REITs (VNQ) in der Finanzkrise stärker mit Aktien identisch sind, wie weit entfernt die Emerging Markets Schulden (EMB) von allem anderen sind und dass die Wechselbeziehung zwischen Silber (SLV) und Gold (GLD) . Here8217s die gleiche Sache mit einem Bündel von Sektor ETFs: Zu MDS zu Hause: in R und MATLAB können Sie cmdscale () verwenden. Ich habe eine C-Umsetzung hier gepostet. Als ich anfing, vor ein paar Jahren I didn8217t wirklich verfolgen meine Leistung jenseits der einfachen Bericht, dass IB erzeugt. Schließlich zog ich weiter, um Blätter zu übertreffen, die zu einer lächerlichen und unmanageable Größe wuchsen. Ich habe einen Blick auf tradingdiary pro, aber es war nicht flexibel oder tief genug für meine Anforderungen. So schrieb ich meine eigenen (ich habe es hier gepostet): Einerseits habe ich mich auf Flexibilität bei der Aufteilung der Daten (mit einem sehr vielseitigen Strategietradetag-System) und andererseits auf die Erzeugung von aussagekräftiger und relevanter Aufmerksamkeit konzentriert Informationen, die angewendet werden können, um Ihren Handel zu verbessern. Jetzt habe ich es auf WPF portiert und entfernt eine Reihe von proprietären Komponenten, so kann es offen sein. So8230 I8217m sehr glücklich zu verkünden, dass die erste Version (0.1) der QUSMA Performance Analytics Suite (QPAS) jetzt verfügbar ist. Eine Übersicht über die wichtigsten Leistungsanalysefunktionen finden Sie in der Dokumentation des Leistungsberichts. Der Hafen ist immer noch sehr frisch, so I8217d wirklich schätzen Ihre Rückmeldung. Für Fehlerberichte, Feature Requests, etc. können Sie entweder den GitHub Issue Tracker verwenden. Die Google-Gruppe. Oder die Kommentare zu diesem Beitrag. Während die IB-Flex-Anweisungen genügend Daten für die meisten Funktionen bereitstellen, benötigt QPAS zusätzliche Daten für Diagramme, Ausführungsanalysen und Benchmarking. Standardmäßig wird QDMS verwendet. Aber Sie können Ihre eigene Datenquelle verwenden, indem Sie die IExternalDataSource-Schnittstelle implementieren. Derzeit ist der einzige unterstützte Broker Interactive Brokers, aber für diejenigen unter Ihnen, die sie nicht verwenden, ist das Anweisungsimport-System flexibel: Weitere Informationen finden Sie unter Implementieren einer Statement Parser-Seite in der Dokumentation. Ich sollte beachten, dass ich im Großen und Ganzen die Anwendung für mich und meinen eigenen Handlungsstil entworfen habe, was bedeutet, dass einige Funktionen, die Sie erwarten könnten, fehlen: keine Sektorfaktorzuordnung für Aktienauswahl, keine Attributstatistiken für Kreditauswahl, tägliche Frequenzberechnung der Dinge Wie MAEMFE (so dass jede intraday Trades zeigt null MAEMFE), und keine Optionen-spezifischen Analytics. All diese Dinge wäre ziemlich einfach hinzufügen, wenn Sie Lust dazu haben (und wissen ein bisschen C), though. Sehr detaillierte Leistungsstatistiken Ex-post-Risikoanalyse Benchmarking Execution analytics Fachzeitschrift: Annotate Trades mit Rich Text und Bildern Anforderungen: Screenshots: Und nun für etwas ganz anderes. Ein wenig Makro und ein bisschen Faktor relative Leistung: was passiert, wenn Rendite-Spreads und Small-Caps von den SampP 500 High Yield Spreads abweichen Erstens, let8217s spielen mit einigen Makro-Stil-Daten. Unterhalb von you8217ll finden Sie die SPY und BofA Merrill Lynch US High Yield Master II Option-Adjusted Spread (ein hoher Ausbeute Bond Spread Index) gegen SPY aufgetragen. Offensichtlich sind die beiden umgekehrt korreliert, da sich die Spreads auf Bärenmärkten verbreitern. Sehr niedrige Werte sind ein Zeichen der Überhitzung. We8217re immer noch etwa 130 bp weg von der Krise vor der Krise, so dass in dieser Hinsicht die aktuelle Situation scheint ziemlich gut. Es gibt ein bisschen mehr als das, obwohl. Erstens Divergenzen. Wenn Aktien immer wieder neue Höhen und Spreads beginnen steigen, it8217s in der Regel schlechte Nachrichten. Einige der interessantesten Bereiche zu sehen sind Juli 821798, April 821700, Juli 821707 und Juli 821711. Interessant ist auch das Gegenbeispiel von Mai 821710, die keine solche Divergenz zeigte: Der Flash Crash kann der Fahrer dieses Dip gewesen sein , Und die8217s offensichtlich unverbunden mit der Makro-Situation im Allgemeinen und hohe Rendite Spreads im Besonderen. So, let8217s versuchen, diese Divergenzen zu quantifizieren und sehen, wenn wir etwas Nützliches aus ihnen heraus erhalten können, auf dem Diagramm oben habe ich die Zeiten markiert, wenn sowohl die Ausbreitung und SPY waren in den Top 10 ihrer 100-Tage-Bereich. Wie Sie sehen können, waren diese in der Regel in der Nähe der Spitze, obwohl es mehrere 8220false Signale8221, zum Beispiel im November 821705 und September 821706. Hier sind die kumulativen Renditen für die nächsten 50 Tage nach einem solchen Signal: Ein Großteil dieser Wirkung hängt Auf überlappenden Perioden, obwohl, so it8217s nicht so gut, wie es aussieht. Trotzdem denke ich, dass es auf jeden Fall etwas wert ist, ein Auge zu behalten. Natürlich sind wir jetzt ziemlich weit von dieser Art von Signalauslösung, da die Spreads konsequent fallengelassen wurden. Größe: Wenn kleine Aktien divergieren In letzter Zeit haben wir gesehen, dass die Russell 2000 (und zu einem gewissen Grad die NASDAQ) ein Bad nehmen, während die SampP 500 hat seitwärts gehen mit nur sehr kleinen Drawdowns. Es gibt mehrere Möglichkeiten, diese Situation quantitativ zu formulieren. Ich ging einfach mit dem Unterschied zwischen der 20-tägigen Rückkehr von SPY und IWM. Die Ergebnisse sind ziemlich klar: Großkapital-Outperforming ist ein (leicht) bullish Signal, sowohl für große und kleine Aktien. Wenn die ROC (20) - Differenz grßer als 3 ist, weist SPY für die folgenden 2-3 Wochen eine überdurchschnittliche Rendite von 10bp pro Tag auf (IWM tut auch gut, was ungefähr 16bp pro Tag über die nächsten 10 Tage zurückkehrt). Die umgekehrte ist auch nützlich zu betrachten: Small-Cap-Outperformance ist bearish. Wenn die ROC (20) - Differenz unter -3 sinkt, gibt die nächsten 10 Tage SPY einen Mittelwert von -5 Bp pro Tag zurück. Offensichtlich nicht genug auf eigene Faust zu gehen, aber es könnte auf jeden Fall nützlich sein in Kombination mit anderen Modellen. Eine weitere interessante Divergenz zu betrachten ist Breite. Für die letzten paar Wochen, während SPY schwebt rund um alle Zeithöhen, sind viele der Aktien im Index unterhalb ihrer 50 Tage SMAs. I8217ll verlassen die Atemdivergenz Forschung als eine Übung für den Leser, wird aber beachten, dass im Gegensatz zu der Größe Divergenz, es tendenziell bärisch sein. In anderen Nachrichten I8217ve begann Posting-Binärdateien von QDMS (das QUSMA Data Management System) als it8217s immer reifer. Den Link finden Sie auf der Seite project8217s. It8217ll fordert Sie zur Aktualisierung auf, wenn eine neue Version erscheint. Bevor Sie diesen Beitrag lesen, lesen Sie die (Wagner preisgekrönten) Know Your System Drehen Data Mining von Bias profitieren durch System Parameter Permutation von Dave Walton. Das Konzept ist im Wesentlichen die Verwendung aller Ergebnisse aus einer Brute-Force-Optimierung und wählen Sie den Median als die beste Schätzung der Probenleistung. Der erste Schritt ist: Parameterabtastbereiche für das Systemkonzept werden vom Systementwickler bestimmt. Und hier liegt das Hauptproblem. Der Scanbereich bestimmt den Median. Wenn der Bereich zu groß ist, ist die Schätzung zu niedrig und basiert auf Daten, die im Wesentlichen irrelevant sind, da der Händler diese Kombination von Parametern nie wirklich auswählen würde. Wenn der Bereich zu schmal ist, ist die gesamte Übung sinnlos. Aber der Autor bietet keine Möglichkeit der Auswahl der optimale Bereich a priori (weil keine solche Methode existiert). Und natürlich, wie in der Zeitung erwähnt, ist die wiederholte Anwendung von SPP mit unterschiedlichen Bereichen problematisch. Um zu veranschaulichen, verwenden let8217s meine UDIDSRI Post von Oktober 2012. Die in Probe Zeitraum wird die Zeit, bevor diese Post und die 8220out von sample8221 Zeitraum wird die Zeit, nachdem es das Instrument QQQ ist, und die Strategie ist einfach zu lange an der Wenn UDIDSRI unter X liegt (der Wert auf der x-Achse unten). Wie Sie sehen können, ist die Beziehung zwischen Rückmeldungen am nächsten Tag und UDIDSRI ziemlich stabil. Die Out-of-Sample-Renditen sind höher als die meisten der Bereich, aber that8217s nur ein Artefakt der Riesen-Bullenmarkt in der aus Probe Zeitraum. Was wäre die optimale SPP-Reihe im Oktober 2012 Was ist die optimale SPP-Bereich im Nachhinein Wäre das Ergebnis nützlich gewesen Fragen Sie sich diese Fragen für jede Tabelle unten. Let8217s haben einen Blick auf SPY: Whoa. Das Optimum hat sich auf lt 0,05 bewegt. Angesichts eines sehr weiten Bereichs hätte SPP in diesem Fall eine korrekte Vorhersage gemacht. Aber ist dies eine permanente Verschiebung oder nur ein Ergebnis einer kleinen Stichprobe Let8217s sehen Sie die Ergebnisse für 30 Equity ETFs 1: Nun, that8217s, dass. Was ist mit SPP im Vergleich zu anderen Methoden Die Verwendung aller verfügbaren Marktdaten ermöglicht die beste Annäherung der langfristigen so dass mehr Marktdaten verfügbar sind, desto genauer die Schätzung. Das ist nicht der Fall. Die Kritik des Verfassers an CV ist, dass es eine unzureichende Nutzung von Marktdaten8221, aber that8217s eine schlechte Art der Betrachtung macht. CV verwendet alle Daten (nur nicht in 8220one go8221) und liefert uns mit tatsächlichen Schätzungen der out of sample Leistung, während SPP macht nur eine 8220educated guess8221. Eine Vermutung, die 100 abhängig von einem beliebig gewählten Parameterbereich ist. Stellen Sie sich zum Beispiel zwei Systeme vor: Einer hat stabile optimale Parameter über die Zeit, während der andere nicht. Die Implikationen in Bezug auf out of Probe Leistung sind offensichtlich. CV zeigt genau die Differenz zwischen den beiden, während SPP nicht. Abhängig von dem gewählten Bereich kann SPP die wahre Leistung des stabilen Systems stark unterschätzen. Es8217s viel reden über 8220regression zum mean8221, aber was bedeutet, dass SPP minimiert Standardfehler des Mittelwerts (SEM) unter Verwendung aller verfügbaren Marktdaten in der historischen Simulation. Das ist wahr, aber wieder, was bedeutet, Die wirkliche Frage ist nicht der Fehler der Schätzung, es ist, ob Sie schätzen das Richtige an erster Stelle. CV8217s Datenaufteilung isn8217t ein beliebiger Fehler getan, um den Fehler zu erhöhen There8217s ein Punkt, und das ist die Messung der tatsächlichen out of Sample Performance gegeben Parameter, die tatsächlich gewählt wurden. Tldr. Für einige Systeme SPP ist entweder sinnlos oder einfach falsch. Für einige andere Klassen von Systemen, bei denen von der Probenleistung erwartet wird, dass sie über einen Bereich von Parametern variieren, wird SPP wahrscheinlich vernünftige Ergebnisse liefern. Sogar in letzterem Fall glaube ich, dass Sie besser mit dem CV bleiben. März 26, 2014 middot von admin middot in QUSMA Mittelung finanziellen Zeitreihen in einer Weise, die wichtige Funktionen bewahrt ist ein interessantes Problem, und zentral in der Suche nach guten 8220alpha Kurven8221 zu schaffen. Ein Standard-Durchschnitt über mehrere Zeitreihen wird in der Regel weg glätten die markantesten Aspekte: die Größe der Extreme und ihre Timing. Natürlich sind diese Punkte die wichtigsten für die Händler, da sie geben Hinweise, wann und wo zu handeln. DTW Barycenter-Mittelung (oder DBA) ist ein iterativer Algorithmus, der eine dynamische Zeitverzerrung verwendet, um die zu mittelnde Reihe mit einem sich entwickelnden Mittel auszurichten. Es wurde in einem globalen Mittelwertbildungsverfahren für dynamische Zeitverzerrungen eingeführt, wobei Anwendungen für das Clustering von Petitjean et. Al. Wie Sie unten sehen, hat die DBA-Methode mehrere Vorteile, die sehr wichtig sind, wenn es um die Kombination von finanziellen Zeitreihen kommt. Beachten Sie, dass es auch zum Cluster von Zeitreihen mit k-means verwendet werden kann. Der Algorithmus arbeitet folgendermaßen: Die zu mittelnde n-Folge ist mit S 1 8230S n bezeichnet und hat die Länge T. Beginnt mit einer anfänglichen mittleren Reihe A. Während der Mittelwert nicht konvergiert: Für jede Serie S DTW gegen A durchführen und Speichern Sie den Pfad. Verwenden Sie die Pfade und konstruieren Sie einen neuen Mittelwert A, indem Sie jedem Punkt einen neuen Wert geben: den Durchschnitt jedes Punktes von S, der mit ihm im DTW-Pfad verbunden ist. Detaillierte Schritt-für-Schritt-Anleitungen finden Sie im oben genannten Papier. Ein guter Initialisierungsprozess ist extrem wichtig, da das DBA-Verfahren selbst deterministisch ist, das Endergebnis stark von der anfänglichen durchschnittlichen Sequenz abhängt. Für unsere Zwecke haben wir 3 verschiedene Ziele: Um die Form der Eingänge zu erhalten. Um die Größe der Extreme auf der y-Achse zu erhalten. Um das Timing dieser Extremwerte auf der x-Achse zu bewahren. Let8217s nehmen einen Blick an, wie DBA mit normalem Durchschnitt vergleicht und wie die anfängliche durchschnittliche Sequenz das Endergebnis beeinflußt. Für Testzwecke begann ich mit dieser Serie: Dann erstellt eine Reihe von Kopien, indem einige zufällige Variation und ein x-Achse Offset: Um zu beginnen, let8217s sehen, was ein einfacher Durchschnitt. Beachten Sie die Form, den Abstand zwischen Peak und Tal, und die Höhe der minimalen und maximalen Werte: alle weit von der ursprünglichen Serie. Der einfache Durchschnitt scheitert an allen 3 oben angeführten Zielen. Jetzt auf DBA. Was sind unsere Initialisierungsoptionen Mein erster Instinkt war zu versuchen, den Prozess mit dem einfachen Durchschnitt zu starten, oben. Während dies Ziel 2 erreicht, ist die Gesamtform offensichtlich falsch. Petitjean et. Al. Empfehlen, eine der Eingangsserien zufällig auszuwählen. Einerseits bewahrt dies die Form gut, aber das Timing der Extreme hängt davon ab, welche Serie gewählt wurde. Zusätzlich ist ein deterministisches Verfahren aus offensichtlichen Gründen bevorzugt. Meine Lösung war, eine Input-Serie für die Initialisierung zu verwenden, sondern sie durch einen deterministischen Prozess zu wählen. Zuerst tendiere ich jedes Mal, dann zeichne den X-Achsenwert der y-Achsen-Maximal - und Minimalwerte für jede Serie auf. Die Reihe, die dem Mittel dieser Werte am nächsten ist, wird gewählt. Dies erlaubt uns, die Form, die y-Achse extreme Größen zu bewahren und eine gute Vorstellung von der typischen X-Achsen-Position dieser Extreme zu erhalten: Sie können C-Code finden, um DBA hier zu tun. 3. Januar 2014 middot von admin middot in QUSMA Im ersten Teil der Serie behandeln wir dynamische Zeitverzerrung. Hier betrachten wir das Clustering. K-bedeutet Clustering ist wahrscheinlich die beliebteste Methode, vor allem wegen seiner Einfachheit und intuitiven Algorithmus. Allerdings hat es einige Nachteile, die es eine schlechte Wahl, wenn es um Clustering-Zeitreihen kommt. Stattdessen verwenden wir K-medoids-Clustering. Der wesentliche begriffliche Unterschied zwischen K-Mitteln und K-Medoiden ist die im Clustering-Algorithmus verwendete Distanz. K-Mittel verwendet den Abstand von einem Schwerpunkt (ein Durchschnitt der Punkte im Cluster), während K-Medoide die Entfernung von einem Medoid benutzen, was einfach ein aus den Daten ausgewählter Punkt ist. Die verwendeten Algorithmen für die endgültigen Cluster sind ganz anders. K-Medoid-Clustering hängt von Abständen von k (in diesem Fall 2) Punkte aus den Daten gezogen. K-bedeutet, dass Abstände von einem Schwerpunkt genommen werden, der durch Mittelung der Punkte in diesem Cluster erzeugt wird. Wie K-medoids im Vergleich zu K-bedeutet, hat es mehrere Funktionen, die es für die meisten Probleme in der Finanzierung überlegen. K-Medoide sind nicht empfindlich auf Ausreißer, die 8222pull8221 der Schwerpunkt zu einer ungünstigen Position. K-medoids können beliebige Distanzfunktionen verarbeiten. Im Gegensatz zu K-Mitteln besteht keine Notwendigkeit, einen Mittelwert zu definieren. Im Gegensatz zu K-Mitteln, K-medoids hat keine Probleme mit unterschiedlich großen Clustern. K-Medoide sind auch potenziell weniger rechenintensiv, wenn es schwierig ist, die Distanzfunktion zu lösen, da die Distanzen nur einmal für jedes Punktepaar berechnet werden müssen. Beachten Sie, dass there8217s keine Garantie für die Größe der einzelnen Cluster. Wenn Sie wollen, ist es trivial, eine Art von Strafenfunktion hinzuzufügen, um ähnlich große Cluster zu erzwingen. Der Algorithmus ist einfach: Wählen Sie k Punkte aus der Probe zu den ersten Medoiden (siehe unten für bestimmte Methoden). Geben Sie Cluster-Labels an jeden Punkt in der Stichprobe basierend auf dem nächsten Medoid. Ersetzen Sie die Medoide mit einem anderen Punkt in der Probe. Wenn die Gesamtkosten (Summe der Distanzen vom engsten Medoid) abnehmen, halten Sie diese neue Konfugugation. Wiederholen, bis es keine weitere Veränderung der Medoide gibt. Die Initialisierung, d. h. die Kommissionierung der Anfangscluster, bevor der Algorithmus ausgeführt wird, ist ein wichtiges Thema. Das Endergebnis ist empfindlich für das anfängliche Setup, da der Clustering-Algorithmus in lokalen Minimums gefangen werden kann. Es ist möglich, einfach Etiketten zufällig zuzuweisen und den Algorithmus mehrmals zu wiederholen. Ich bevorzuge eine deterministische Initialisierung Methode: Ich benutze eine Prozedur auf Park et al .. der Code, für den Sie weiter unten finden können. Der Kern davon ist, dass er das erste Medoid als den Punkt mit dem kleinsten durchschnittlichen Abstand zu allen anderen Punkten auswählt und dann die verbleibenden Medoide auf der Grundlage der maximalen Distanz von den vorherigen Medoiden auswählt. Es funktioniert am besten, wenn k auf (oder zumindest in der Nähe) der Anzahl der Cluster in den Daten festgelegt ist. Ein Beispiel, bei dem zwei verschiedene Gruppen (und zwei Ausreißer): Initialmedoide mit k2. Das erste Medoid wird aufgrund seiner Nähe zu den übrigen Punkten in dem unteren linken Cluster ausgewählt, dann wird das zweite am weitesten von dem ersten entfernt, wodurch 8222 die zwei offensichtlichen Cluster in den Daten aufgestellt werden. Etwas, das ich haven8217t gesehen habe getan, aber ich vermute, Potenzial ist, Cluster-Trades auf der Grundlage der Rendite, Länge, widrige Exkursion, etc. Dann schauen Sie sich den durchschnittlichen Zustand des Marktes (gemessen von einigen Indikatoren) in jedem Cluster, die häufigsten Branchen Die Bestände in jedem Cluster, oder vielleicht einfach die kumulative Returns-Serie von jedem Handel auf einer vernünftig hohen Frequenz. Unterschiede zwischen dem 8220good trades8221-Cluster und dem 8220bad trades8221-Cluster können dann verwendet werden, um Filter zu erzeugen. Das Umgekehrte, das Clustering auf der Grundlage von Bedingungen und dann das Betrachten der durchschnittlichen Renditen in jedem Cluster würde das gleiche Ziel erreichen. Ich habe eine einfache K-medoids-Klasse in C geschrieben, die beliebige Datentypen und Distanzfunktionen verarbeiten kann. Sie finden es hier. Ich glaube, es gibt Pakete für R und Python, wenn that8217s Ihre Sache. 31. Dezember 2013 middot von admin middot in QUSMA Das Jahr ist vorbei in ein paar Stunden und ich dachte, es wäre schön, eine schnelle Überprüfung des Jahres zu tun, besuchen Sie einige Studien und die beliebtesten Beiträge des Jahres, sowie Aktie Einige Gedanken über meine Leistung im Jahr 2013 und meine Ziele für 2014. Revisiting Old Studies IBS hat ziemlich schlecht im Jahr 2012 und didn8217t verwalten, um die erstaunliche Leistung von 2007-2010 auch in diesem Jahr erreichen. Allerdings war es noch recht gut: IBS lt 0,5 führte zu weit höheren Renditen als IBS gt 0,5, und das höchste Quartal hatte negative Renditen. Es funktioniert immer noch erstaunlich gut als Filter. Am wichtigsten ist, dass die Größe der Wirkung vermindert ist. Dies ist teilweise auf die geringe Volatilität zurückzuführen, die wir in diesem Jahr gesehen haben. Nach allem IBS am besten, wenn die Bewegungen sind groß, und SPY8217s 10-Tage realisierte Volatilität niemals brach 20 dieses Jahr. Hier sind die Statistiken: Die Original-Post finden Sie hier. Leistung in 2013 hasn8217t wurde so gut wie in der Vergangenheit, war aber immer noch in Ordnung. Ich denke, die Ergebnisse sind zumindest teilweise aufgrund der niedrigen Volatilität Umwelt in Aktien in diesem Jahr. UDIDSRI-Leistung, close-to-close Rückkehr nach einer Nullmesswert. DOTM Saisonalität I8217ve getan 3 Beiträge am Tag des Monats Saisonalität (US, EU, Asien), und im Durchschnitt der DOTM-Effekt hat seinen Job in diesem Jahr. Es gibt einige Fälle, in denen das obere Viertel nicht die oberen Rückkehr hat, aber ein einzelnes Jahr ist eine verhältnismäßig kleine Probe, also bezweifele ich dieses irgendwelche langfristigen Implikationen. Hier sind die Statistiken für 9 wichtige Indizes: Tag des Monats Saisonalität im Jahr 2013 VIX: VXV Ratio Meine Studien über die implizite Volatilität Indizes Verhältnis erwies sich als ziemlich schlecht arbeiten. Rückgaben, wenn das VIX: VXV-Verhältnis 5 über dem 10-tägigen SMA lag, waren -0,03. Es gab keine 200-Tage-Hochs im Verhältnis im Jahr 2013 Leistung Insgesamt würde ich sagen, es war eine gemischte Tasche für mich in diesem Jahr. Die Renditen waren recht gut, aber etwas unterhalb meiner langfristigen Erwartungen. Es war ein sehr gutes Jahr für Aktien, und meine Ergebnisse können mit konkurrieren mit SPY8217s 5,12 MAR-Verhältnis, das macht mich ziemlich schlecht fühlen. Natürlich verstehe ich, dass Jahre wie diese don8217t vertreten die langfristige, aber it8217s ärgerlich, geschlagen von bamph trotzdem. Einige Strategien taten wirklich gut: Das Risiko wurde unter Kontrolle und ganz innerhalb meines Zielbereichs gehalten, sowohl was die Volatilität als auch den maximalen Drawdown angeht. Sogar als ich an der year8217s maximalem Drawdown war, fühlte ich bequem8230there ist noch 8220psychological room8221 für mehr Hebelwirkung. Die täglichen Renditen waren positiv geschrumpft. Mein größter Erfolg war die Diversifizierung über Strategien und Assetklassen. Vor einem Jahr habe ich nur wenige Instrumente (fast ausschließlich US-Aktien-ETFs) mit einer begrenzten Anzahl von Strategien gehandelt. Kombinieren Sie das mit einer ziemlich schweren Eigenkapitalneigung in der GTAA-Allokation, und meine Portfolio-Renditen bewegten sich fast in lockstep mit den Indizes (es gab nur sehr wenige Shorting-Chancen in diesem Jahr8217s Umwelt, so dass die Wahl fast immer zwischen lange oder in bar war) . Die Erweiterung meines Asset-Universums in Verbindung mit der Erforschung neuer Strategien machte einen gigantischen Unterschied: Ich habe eine Reihe von Fehlern gemacht, die meine Performance in diesem Jahr erheblich verletzen. Kleine Fehler stapeln sich übereinander und am Ende haben eine ziemlich große Wirkung. Alles in allem habe ich verloren mehrere hundert bp auf diese Schrauben-ups. Hoffentlich können Sie aus meinen Fehlern lernen: Im März habe ich die US-Sommerzeit-Kicks früher vergessen als hier in Europa. Ich hatte Positionen im Freien zu verlassen und ich bekam dort 45 Minuten zu spät. Natürlich hatte sich der Markt gegen mich begeben. Ein Fehler in meiner Software führte zu falschen Umgang mit Dividenden, was dazu führte, dass die Signale mit falschen Preisen berechnet wurden, was zu einer langen Position führte, wenn ich kurz genommen hätte. Lehre mich die Wichtigkeit des Tests mit äußerster Vorsicht. Probleme mit der Berichterstattung Handelsausführungen an einem Austausch führte zu einem Fehler, wo ich die gleiche Bestellung zweimal und es hat mir ein paar Minuten gedauert, um die Position zu schließen, die ich versehentlich erstellt hatte. Ich nahm Lieferung auf einige FX-Futures, wenn ich didn8217t wollen, kostet mich Provisionen und verbreiten, um die Position abzuwickeln. Auftragseingang, schickte einen Kaufauftrag, als ich versuchte zu verkaufen. Fing es sofort so die Kosten nur Provisionen verbreiten. Und natürlich die größte: nicht nach meinen Systemen auf den Brief. Eine Kombination aus Angst, Feigheit, Überversprechen in meine Diskretion und Untervertrauen in meine Modellierungsfähigkeiten führten zu einigen Fällen, in denen ich keine Trades nahm, die ich hätte haben sollen. Das ist der schändlichste Fehler aller wegen seiner Banalität. I don8217t Plan auf Wiederholung es 2014. Ziele für 2014 Beat my 2013 risikoadjustierte Renditen. Don8217t wiederholen alle Fehler. Machen Sie neue Fehler Aber minimieren ihre Auswirkungen. Jeder Fehler ist eine wertvolle Lernerfahrung. Fortfahren auf dem gleichen Weg in der Forschung. Minimierung des Modellimplementierungsrisikos durch bessere Einheitentests. Am beliebtesten Die beliebtesten Beiträge des Jahres: Ich möchte Ihnen allen ein glückliches und profitables 2014 30. Dezember 2013 middot von admin middot in QUSMA DynamicHedge vor kurzem einen neuen Service namens 8220alpha curves8221: die wichtigste Idee ist, Muster zu finden In Rückkehr nach bestimmten Ereignissen und präsentieren die am häufigsten vorkommenden Muster. In ihren eigenen Worten, Alpha-Kurven 8220 präsentieren eine besondere Mischung aus Einzigartigkeit und Wiederholbarkeit8221. Here8217s, was sie aussehen, rangiert in der Reihenfolge von 8220pattern dominance8221. Nach ihnen, sie 8220us andere Faktoren als nur returns8221. Wir können darüber spekulieren, was andere Faktoren in sie, vielleicht etwas wie maximale Erweiterung oder das Timing der Maxima und Minima, aber I8217ll behalten Sie es einfach und verwenden nur Rückkehr. In diesem Beitrag I8217ll eine kurze Darstellung der dynamischen Zeitverzerrung, eine Methode der Messung der Ähnlichkeit zwischen Zeitreihen. In Teil 2 betrachten wir eine Clustering-Methode namens K-medoids. Schließlich in Teil 3 werden wir die beiden zusammen und generieren Diagramme ähnlich den Alpha-Kurven. Die Terminologie könnte ein wenig einschüchternd sein, aber die Ideen sind grundsätzlich sehr intuitiv. Solange Sie die Konzepte erfassen können, sind die Implementierungsdetails einfach zu ermitteln. Um ehrlich zu sein I8217m nicht so sicher über den praktischen Wert dieses Konzeptes, und ich habe keine Ahnung, wie man seine Leistung zu quantifizieren. Dennoch ist es eine interessante Idee und die Konzepte, die in sie gehen, sind auch in anderen Bereichen nützlich, so ist dies nicht ein völlig sinnloses Bestreben. Meine Backtesting-Plattform kann immer noch intraday Daten richtig zu behandeln, so I8217ll mit täglichen Bars statt, aber die Ideen sind die gleichen unabhängig von der Frequenz. Also, let8217s mit, warum wir überhaupt DTW überhaupt anfangen müssen. Was kann es tun, dass andere Maßnahmen der Ähnlichkeit, wie euklidischen Abstand und Korrelation kann nicht Ausgehend mit Korrelation: man muss bedenken, dass es ein Maß für die Ähnlichkeit auf der Grundlage der Differenz zwischen den Mitteln. Signifikant unterschiedliche Mittel können zu hohen Korrelationen führen, aber auffallend unterschiedliche Preisreihen. Zum Beispiel haben die Rückkehr dieser beiden Serien eine Korrelation von 0,81, obwohl sie sehr unterschiedlich sind. Eine zweite Problematik ergibt sich bei leicht phasenverschobenen Reihen, die sehr ähnlich sind, aber niedrige Korrelationen und hohe euklidische Abstände aufweisen können. Die Rückkehr dieser beiden Kurven hat eine Korrelation von .14: Also, was ist die Lösung für diese Fragen Dynamic Time Warping. Der Hauptgedanke hinter DTW ist, die Zeitreihe auf 8220warp8221 zu setzen, so dass die Abstandsmessung zwischen jedem Punkt nicht notwendigerweise erfordert, dass beide Punkte denselben Wert der x-Achse haben. Stattdessen können die weiter entfernten Punkte ausgewählt werden, um den Gesamtabstand zwischen den Reihen zu minimieren. Der Algorithmus (das Original 1987 von Sakoe amp Chiba ist hier zu finden) beschränkt den ersten und letzten Punkt auf den Anfang und das Ende jeder Serie. Von dort kann die Anpassung von Punkten als ein Pfad auf einem n-m-Raster visualisiert werden, wobei n und m die Anzahl von Punkten in jeder Zeitreihe sind. Quelle: Elena Tsiporkova, Dynamischer Zeitverzerrungsalgorithmus für Genexpressionszeitreihen Der Algorithmus findet den Weg durch dieses Gitter, das die Gesamtdistanz minimiert. Die Funktion, die den Abstand zwischen jedem Satz von Punkten misst, kann alles sein, was wir wollen. Um die Anzahl der möglichen Pfade zu beschränken, beschränken wir die möglichen Punkte, die verbunden werden können, indem wir den Weg monoton erhöhen, die Steigung begrenzen und beschränken, wie weit weg von einer geraden Linie der Weg verlaufen kann. Der Unterschied zwischen dem Standard-Euklidischen Abstand und dem DTW kann graphisch dargestellt werden. In diesem Fall verwende ich zwei Sündenkurven. Die grauen Linien zwischen den Serien zeigen, welche Punkte die Distanzmessungen durchgeführt werden. Beachten Sie die Warping am Anfang und Ende der Serie, und wie die Punkte in der Mitte haben identische y-Werte, so dass die Gesamtstrecke minimiert. Was sind die praktischen Anwendungen der DTW im Handel Wie wir in den nächsten Kapiteln sehen können, kann sie dazu verwendet werden, Zeitreihen zu clustern. Es kann auch verwendet werden, um durchschnittliche Zeitreihen, mit dem DBA-Algorithmus. Ein weiterer potenzieller Einsatz ist k-nn Muster Matching-Strategien, die ich mit einem Bit8230some experimentiert haben schnelle Tests zeigten kleine, aber anhaltende Verbesserungen in der Leistung über euklidischen Entfernung. Wenn Sie es ausprobieren möchten, gibt es viele Werkzeuge gibt. I8217m mit der NDTW. NET-Bibliothek. Es gibt Bibliotheken für R und Python sowie. 11. Dezember 2013 middot von admin middot in QUSMA Das QUSMA-Datenmanagementsystem (QDMS) ist eine Anwendung zum Erfassen, Verwalten und Verteilen von niederfrequenten historischen und Echtzeitdaten, geschrieben in C. QDMS verwendet ein Client-Server-Modell. Der Server fungiert als Broker zwischen Clients und externen Datenquellen. Es verwaltet auch Metadaten auf Instrumenten und lokale Speicherung von historischen Daten. Schließlich fungiert es auch als Benutzeroberfläche für die Verwaltung der Metadaten-Amp-Daten, sowie importingexporting Daten von und zu CSV-Dateien. Derzeit unterstützt es zwei externe Datenquellen: Interactive Brokers und Yahoo, aber I8217ll werden mehr in die Zukunft. Beachten Sie, dass es jetzt nicht 8220production-ready8221 ist. Es gibt noch ein paar Bugs zu bügeln, und es verwendet auch instabile 3rd-Party-Bibliotheken (die Alpha-Version des MySQL. NET-Connector, weil es8217s die einzige, die Entity Framework 6 unterstützt). All the 8220core8221 functionality is implemented and functional, however. You can find the code here: githubqusmaqdms. I8217m releasing it under the permissive BSD License. Contributions by way of pull requests are more than welcome. If you8217d like to make any feature requests or just flame me for the quality of my code, leave a comment right here. I personally use it in my backtester and portfolio performance evaluation applications, and I8217m in the process of integrating it with my live trading app as well. Using the client is easy, let8217s take a look at some code examples: Getting a list of all instruments: Searching for a specific instrument, for example SPY: Requesting historical data: Requesting real time data: Some screenshots:March 18, 2013 5:00 am 88 comments Views: 48953 It8217s been about a year since I8217ve taken a look at the very popular 2-period RSI trading method by Larry Connors and Cesar Alvarez. Wir alle wissen, es gibt keine magischen Indikatoren, aber es gibt einen Indikator, der sicherlich wie Magie über mehrere Jahrzehnte gehandelt hat. Welcher Indikator ist unser zuverlässiger RSI-Indikator. In den letzten Jahren hat das Standard-2-Perioden-Handelssystem, wie in dem Buch definiert, 8220Short Term Trading Strategies That Work 8220, in einem Drawdown gewesen. Im Laufe des Jahres 2011 erlebte der Markt einen plötzlichen und anhaltenden Tropfen, der das System in Verlust brachte. Es hat sich langsam erholt seit. Unten ist ein Aktiengraph, der die Aktienkurve des Handelssystems darstellt, die den SPX-Index ab 1983 gehandelt hat. Sie können leicht sehen, die große Drop-around-Handelsnummer 120. Hier ist eine Nahaufnahmeansicht der letzten 19 Trades, die sich über die letzten fünf Jahre erstreckt. Die Handelsregeln von Larry Connors sind sehr einfach und bestehen aus lang-nur Trades. Zur Erinnerung gelten folgende Regeln: Der Preis muss über dem gleitenden 200-Tage-Durchschnitt liegen. Kauf auf nah, wenn kumulativer RSI (2) unter 5 ist. Beenden, wenn Preis über dem 5-Tage gleitenden Durchschnitt schließt. Alle Tests in diesem Artikel werden die folgenden Annahmen verwenden: Starting Equity: 100.000. Risiko pro Handel: 2.000. Die Anzahl der Aktien basiert auf einer 10-tägigen ATR-Berechnung. Es gibt keine Haltestellen. Die Pampl jeder Handel ist nicht reinvestiert. Ist die 2-Periode RSI-Indikator verlieren ihre Kante Schwer zu sagen, zu diesem Zeitpunkt. It8217s nicht wie Drawdowns haben nicht vorher geschehen, aber that8217s nicht wirklich, was ich erforschen möchte. Ich möchte einen genaueren Blick auf den RSI-Indikator für zwei Perioden werfen und sehen, ob wir das grundlegende Handelssystem von Larry Connors verbessern können. Tage nach der Eröffnung eines Handels Erste let8217s einen Blick auf, wie der Markt verhält sich nach einem RSI-Setup auftritt. Kurz gesagt, die 2-Periode RSI ist entworfen, um starke Pullbacks hervorzuheben. Das Kaufen in Pullbacks in einem Aufwärtstrend ist eine weithin bekannte und wirkungsvolle Handelsmethode und ist die Essenz des 2-Periode RSI Handelssystems. Wir können dies unter Beweis stellen, wie sich der Markt nach dem Auslösen eines Handels verhält. Ich schuf eine EasyLanguage Strategie, die eine Position X Tage nach dem Öffnen eines Handels halten kann. Ich habe dann getestet X für Werte im Bereich von 1 bis 30. Mit anderen Worten, ich möchte sehen, wie der Markt verhält sich 1-30 Tage nach Eröffnung eines Handels. Hat der Markt eine Tendenz zu klettern, nachdem Trade-Setup auftritt oder tendiert es dazu, tiefer zu driften unten ist ein Balkendiagramm, das die Ergebnisse darstellt. Jeder Balken ist der gesamte Pampl, basierend auf der Anzahl der Haltetage. Klicken für größeres Bild Je länger die Haltedauer, desto mehr PampL wird generiert. Dies zeigt, dass nach unserem 2-Perioden-RSI-Indikator ein Handel auslöst, neigt der Markt dazu, in den nächsten 30 Tagen zu klettern. It8217s auch wichtig zu beachten, alle Werte produzieren positive Ergebnisse. Dies zeigt die Robustheit in diesem speziellen Parameter. Moving Average Exit Period Die ursprünglichen Handelsregeln von Larry Connors nutzten einen dynamischen Exit auf Basis eines 5-Tage-Gleitendurchschnitts. Sobald der Preis über diesem Durchschnitt schloss, war der Handel geschlossen. Ich wollte einen genaueren Blick auf den Zeitraum nehmen, der für diesen gleitenden Durchschnitt verwendet wurde. Wie das Balkendiagramm oben, testete ich Werte 1-30 für den Zeitraum im gleitenden Durchschnitt verwendet. Klicken Sie für größeres Bild In diesem Diagramm können wir sehen, steigenden Gewinn, wie wir die gleitende durchschnittliche Periode von einem bis 14 erhöhen. Es ist ein langsamer Rückgang nach 14, wie wir bis zu unserem endgültigen Wert von 30 zu bleiben. It8217s sehr gut zu sehen, dass alle Werte zu produzieren Positive Ergebnisse. Dies zeigt die Stabilität über diesen Parameter und die Exit-Methode. RSI Threshold Let8217s betrachtet den Schwellenwert, der verwendet wird, um zu bestimmen, ob der Markt genug zurückgezogen hat, um einen langen Handel auszulösen. Wiederum erstellen wir ein Balkendiagramm, wenn wir einen Bereich von Schwellenwerten von 1-30 betrachten. Klicken für größere Bilder Wir sehen Werte unter 10 die besten Ergebnisse. Noch einmal, jeder Wert produziert positive Ergebnisse und dies ist ein sehr gutes Zeichen. Basierend auf den Informationen, die wir in diesem Artikel sahen, let8217s ändern Connors8217 Handelsregeln. Wir nehmen folgende Änderungen vor: Verwenden Sie einen Wert von 10 als RSI-Schwelle. Verwenden Sie einen 10-Periode einfachen gleitenden Durchschnitt als unser Ausgangssignal. Unten ist eine Tabelle, die den Unterschied zwischen den ursprünglichen Connors8217-Regeln und den modifizierten Connors8217-Regeln zeigt. Unsere Zunahme des Nettogewinns kommt auf Kosten von mehr Handel, die aufgrund der Tatsache, dass die Senkung der Stand auf das, was wir für eine lebensfähige Pullback. Durch die Erhöhung der RSI Schwelle von 5 bis 10 mehr Setups qualifizieren sich als gültige Eintrag, so nehmen wir mehr Trades. Aber wir machen auch mehr Geld für jeden Handel. Dies ist auf unsere längere Halteperiode durch die Erhöhung unserer gleitenden durchschnittlichen Periode von 5 bis 10 zurückzuführen. Am Ende sind wir bereit, mehr Trades zu nehmen und halten, um diese Trades für längere Zeit. Hinzufügen von Stop Loss Alle obigen Ergebnisse verwenden keinen Stop-Loss-Wert. Let8217s addieren einen 2.000 Stopverlust auf jedem Handel und sehen, wie es die Resultate ändert. Ich wählte diesen Wert, weil er unseren Risikowert bei der Skalierung der Aktienanzahl darstellt. Beachten Sie, dass wir nur 2 von unserem 100.000 Konto auf jedem Handel riskieren. Die rechte Spalte enthält die Ergebnisse mit dem 2.000 harten Stopp. Das wird immer besser und besser. Oft Stopps verletzt ein Handelssystem in mehreren wichtigen Leistungsfaktoren, aber nicht hier. Unser 2.000er Hard Stop verbessert das System über mehrere Leistungsfaktoren hinweg. Anders als das ursprüngliche Handelssystem produziert diese Eigenkapitalkurve neue Höchststände. Auf verschiedenen Märkten Let8217s jetzt Blick auf die Leistung auf verschiedenen Märkten. Ich werde die Handelsregeln überhaupt nicht ändern. Zum Vergrößern anklicken Beachten Sie die Anzahl der Trades ist deutlich niedriger für die oben genannten ETFs im Vergleich zu SPY. Dies ist darauf zurückzuführen, dass SPY seit 1993 ist, während diese anderen ETFs viel neuer sind. Insgesamt hält das System schön über diese verschiedenen Märkte. Schlussfolgerung Der RSI-Indikator scheint nach wie vor ein robuster Indikator für die Lokalisierung von Eintrittspunkten mit hoher Wahrscheinlichkeit innerhalb der wichtigsten Marktindizes zu sein. Sie können die Auslöseschwelle und Halteperiode über einen großen Bereich von Werten ändern und immer noch positive Ergebnisse erzielen. Ich hoffe, dieser Artikel wird Ihnen viele Ideen, um auf eigene Faust zu erkunden. Eine weitere Idee in Bezug auf Testparameter ist die unabhängige Optimierung der Parameter über die 8220portfolio8221 der Markt-ETFs anstatt nur SPX. Es besteht kein Zweifel in meinem Kopf der RSI-Indikator kann als Grundlage für ein profitables Handelssystem verwendet werden. Get The Book 18 März, 2013 7:03 am Sehr interessant und ermutigend Artikel und Informationen, danke. Wussten Sie, dass Larry Connors hat jetzt veröffentlicht, was er selbst 8221 die Connors RSI8221, die tatsächlich ein Verbund von drei Indikatoren ist, dass er Grund zu der Annahme hat, dass seine Meinung ist, dass sie empirische Beweise, dass dieser Indikator in der Regel, wenn auch nicht immer übertrifft Die RSI2. Er hat die Formel für alle offen, so dass ich nicht brechen alle Urheberrechte durch die Entsendung der folgenden Link März 18, 2013 7:31 am Pete, danke für den Link. Ich habe Download und Überprüfung der ConnorsRSI ein paar Monate zurück, aber ich hatte nicht die Zeit, es selbst zu testen. Es sieht interessant aus 18. März 2013 11:47 Hallo Jeff. Ich habe vor kurzem für einen TM Kurs unterzeichnet und während ihrer Webinare haben sie CRSI Ergebnisse v RSI2 Ergebnisse für eine gegebene Strategie veröffentlicht. Ich habe versucht, dies zu bestätigen, indem ich die Strategie codiert, aber nur can8217t sehen, wie CRSI ist besser als RSI2. TM weigere mich, mir den Strategie-Code zu geben, damit ich sehen kann, ob mein Coder etwas falsch gemacht hat. Vertrauen Sie mir, der Kurs habe ich mich für nicht billig Ich habe TM vor für Kurse verwendet und sie waren gut vor und sagen, viel mehr 8220open8221. Diesmal ist es nicht der Fall. Dieser Ansatz macht mich persönlich variieren vorsichtig. Immer noch hoffe, ich bin falsch, aber ich bin desillusioniert mit ihrem Ansatz auf diesem. Seien Sie gut, Ihre Meinung über die CRSI-Leistung zu hören v RSI2 20. März 2013 6.17 Uhr Ich habe mehrere Probleme mit diesem Kommentar. Erstens, was macht Sie denken, das ursprüngliche System fehlgeschlagen Ich don8217t sehen, dass es hat. Zweitens don8217t nur etwas, was Sie denken, ist 8220data snooping8221 und stehen auf Zeremonie, indem sie 8220that won8217t Arbeit.8221 Niemand weiß, was wird vorwärts gehen. 8220In Wirklichkeit8221 ist eine irreführende und nebulöse Phrase. Denken Sie konkret darüber nach, was hier los ist. Was ich mit dem Systementwicklungsprozess tun möchte, ist mir genug Vertrauen in das System zu geben, um es mechanisch vorwärts zu handeln. Wenn ich Zweifel habe, dass ich in der Lage bin, mit ihm in Zeiten des Drawdowns zu bleiben, dann werde ich wahrscheinlich scheitern. In diesem Fall prüfte Jeff die ursprünglichen Parameter zusammen mit umgebenden Werten und fand viele, um zu arbeiten. In allen Fällen fand er ein hohes Plateau der Aufführung, die genau ist, was Sie Vertrauen geben sollte, dass die Leistung n8217t fluke war. März 20, 2013 11:23 am Während Kurvenanpassung oder Daten-Snooping ist immer ein Anliegen Ich glaube, dieser Artikel zeigt die grundlegende Prämisse der RSI-Indikator als ein Mittel Reversion Trading-Tool gültig sein. Die Ergebnisse sind über eine Reihe von Eingangswerten und über mehrere wichtige Marktindizes hinweg positiv. Ich war mehr daran interessiert, positive Ergebnisse über einen Bereich von Werten für jeden der wichtigsten Parameter zu demonstrieren. 19. März 2013 5:45 Vielen Dank für die Buchung, Jeff Ich denke, das war sehr gründlich. Eine letzte Sache, die ich gerne erlebe, ist eine Walk-Forward-Optimierung, um zu sehen, ob die Eigenkapitalkurve durch Rücksetzen von Handelsparametern auf periodischer Basis verbessert werden kann. Ich frage mich, ob dies nicht so sehr ein Schritt des Systementwicklungsprozesses ist, da es ein ganz anderer Ansatz zur Systementwicklung ist, als das, was Sie hier getan haben 20. März 2013 11:26 Ich neige dazu, Vorwärtsoptimierung beim Design zu vermeiden Ein System, aber it8217s eine interessante Idee zu testen, sobald ein System abgeschlossen ist. März 20, 2013 6:10 am Ich dachte ursprünglich war es ermutigend, dass das System gut funktioniert in mehreren Märkten, weil Sie so mehrere Märkte für mehr Nettogewinn handeln könnte. Allerdings muss die Verteilung dieser Trades untersucht werden. Wenn mehrere Märkte oft auf einmal gehandelt werden, was wahrscheinlich ist, dann könnte das gesamte Portfolio Wärme ein Anliegen sein. Wenn Sie begrenzte maximale offene Positionen dann irgendwie you8217d haben, die Tickern gehandelt würde im Falle mehr qualifizierte, etc. gehandelt werden. Das könnte eine ganze andere Dose von Arbeiten zu öffnen. Wenn die Studie von mehreren Märkten getan wird, um Robustheit dieser Feststellung zu suggerieren, wenn sie auf einem und nur einem Markt gehandelt wird, dann habe ich keine Bedenken darüber. Sie handeln nur den einen Markt mit diesem System auf einer sehr begrenzten Exposure (und Gewinn-Potenzial) Basis. März 20, 2013 11:29 am Die Studie von mehreren Märkten war einfach, die Robustheit des Konzepts über ähnliche Märkte zu testen. Ich glaube nicht, dass dieses Handelskonzept ein guter Kandidat für den Handel auf all diesen Märkten ist. Ja, das ist ein guter Vorschlag und vielen Dank für den Austausch. Die meisten der Zeit I8217m begrenzt auf Zeit, so kann ich8217t erforschen alle die verschiedenen Methoden der Evolution. Ich hoffe, dies gibt anderen liest viele Ideen zu erkunden. April 6, 2014 10:40 am TK vielen Dank für diesen Vorschlag Ich habe bisher eine einfachere Methode verwendet, um eine Strategie gegen die Zufälligkeit zu testen: Ich berechne nur den durchschnittlichen Gewinn des Basiswertes über dem durchschnittlichen Hold der Strategie (während des Tests Zeitraum) und dann vergleiche ich es mit meiner Strategie8217s Erwartung (pro Handel), die mindestens das Doppelte der Größe der ehemaligen sein sollte. Was denken Sie über diese Methode Mit besten Grüßen Oliver March 28, 2013 7:20 am Re: neue ConnorsRSI Formel auf der Website. Für jene, die diese neue Formel ansahen, ließ ich sie in eine Strategie fallen und porträtierte sie gegen die rsi2-konkurrierenden Komponenten von ND100 plus einige andere hohe Beta-Aktien (insgesamt 200 Aktien), die bis 1995 zurückgehen. Die neue Connors-Formel, Gewinn-Faktor 8211 1,79 vs 1,9 traditionellen rsi mit der Strategie-Einstellungen i gelten) als Standard-rsi2 und hatte einen etwas höheren Draw unten in den Korb ich sah. Ich werde nicht mit dem neuen ConnorsRSI. September 8, 2013 7:03 pm Ich habe ähnliche Tests und hatte ähnliche Ergebnisse. Die ConnorsRSI warn8217t schlecht, aber es wasn8217t überlegen in keiner Weise zum Standard RSI2. April 16, 2013 7:31 am Wirklich interessante Artikel. I8217ve auch Blick auf RSI2 und ConnorsRSI Strategien vor kurzem. Eine Sache, die ich gefunden habe, ist, dass sie don 't zwingend funktionieren, dass gut über verschiedene Märkte, im Gegensatz zu dem, was Sie gefunden haben. Ihr Test hier betrachtet verschiedene Märkte, aber sie sind alle stark korreliert. Sie können dies sehen, wenn Sie sie alle auf dem gleichen Chart, auf (zum Beispiel) Google Finanzen. Ich denke, das ist wahrscheinlich, weil sie alle auf US-Aktienmärkte in einigen Geschmack oder andere basieren. Wenn Sie RSI2 oder Connors RSI Backtests auf anderen internationalen Indizes (zB CAC40, Nikkei, Hang Seng) ausführen, werden Sie wahrscheinlich sehr enttäuschende Ergebnisse bekommen. Die einzige Ausnahme ist die UK FTSE 100, obwohl dies dazu neigt, die US-Märkte etwas spiegeln, so dass dies isn8217t genau überraschend. Hoffe, das ist nützlich. April 16, 2013 7:43 am Hallo SJones. Froh, dass Sie den Artikel genossen. Was Sie sagen, ist wahr. Die Connor-Setups funktionieren gut auf großen US-Indizes, aber nicht viel anderes. Das Buch, das diese Setups von Connor beschreibt, zeigt, dass alle Tests und Ergebnisse für die US-Märkte sind. Also, es8217s nicht so überraschend, dass sie möglicherweise nicht gut funktionieren, auf anderen Indizes außerhalb der USA Vielen Dank für den Kommentar 12. August 2013 19:40 Ja, das kann verwirrend sein. Erstens gibt es keine Haltestellen in dieser Marktstudie so, halten Sie das im Auge. Das 2k-Risiko pro Handel stellt ein 2-Risiko dar, das auf einem 100.000-Konto basiert. Dieser Dollarwert wird einfach verwendet, um unsere Positionsgröße oder unsere Exposition zu berechnen. Während der gesamten Studie bleibt dies ein fester Wert 8211 2.000. Der Nenner in unserer Berechnung ändert sich jedoch auf Basis der Marktvolatilität. Je mehr Volatilität, desto weniger Aktien werden erworben. Der große Punktwert ist einfach der Dollarwert für jeden Punkt des gehandelten Instruments. In diesem Fall ist es8217s 1,00. Allerdings, wenn es der S038P Futures-Vertrag wäre es 50 pro Punkt. So grosser Punktwert ist in der Berechnung, also kann die Marktstudie verschiedene handelbare Instrumente behandeln. Hoffe das hilft. August 13, 2012 9:37 am Danke für Ihre Antwort Jeff Ich weiß, dass die Strategie nicht verwenden, stoppt, aber Sie enthalten eine modifizierte Regeln mit Stop von 2000. Ich fand das interessant, weil viele Händler, einschließlich mich, müssen einige Stop zu verwenden. So, können supouse, dass die durchschnittliche wahre Strecke (20) für heute 1,18 ist und ich handele die SPY. Anteile 2.000 pro Handel (5 ATR (20) BigPointValue) 2000 (51.181) 338.98 Ich kaufte 399 SPY und benutze die 2000 risk399 Anzahl der Aktien5.01 So legte ich die Haltestelle 5.01 unter den Eintrittspreis Ich lese das richtig, Stop, dass Sie in den geänderten Regeln berechnet Danke August 13, 2013 11:28 am Build Profitable Trading Systems
Comments
Post a Comment