Mekaniske Handelssystemer Forumet

MetaTrader Expert Advisor 9 juni 2014 bull no comments Matematisk forventning i valutakurshandel Forex Trading Noen forexhandlere bruker samme handelsstrategi for alle valutaer, mens andre bruker helt forskjellige strategier avhengig av valutaparene som handles. Eller handlende kan bruke flere strategier med flere forexpar, for å kanskje øke fortjenesten samtidig som risikoen for nedtelling som følge av overkoncentrasjon på en enkelt strategi, reduseres. Ekspertrådgivere (EA) gjør det mulig å optimalisere inngangsparametrene, men de gjør det ikke nødvendigvis enklere å sette egne strategier sammen i et enkelt system. Og testing kan vise økt risiko fra overlappende eller korrelerte drawdowns når ulike forexstrategier slås sammen. Ved hjelp av algoritmer kan et handelssystem sjekke valutapar og utføre bestemte operasjoner i henhold til inngangsparametere. Et flerspråklig multisystem EA kan utformes for å vurdere alle handelsstrategier side ved side. Dette kan være nyttig hvis bare en enkelt EA har lov til å få tilgang til en bestemt konto. Det kan være utfordrende å utvikle et forex trading system som fungerer godt over ulike valutapar under en rekke forhold. De fleste av de kjente systemene for handel med flere valutaer er basert på trend-etter-strategier, for eksempel Donchian-channel breakouts, og er designet for å tjene på meget langsiktige trender. Likevel må en strategi for flere valutaer vise klart en vinnerkant over de typiske tidshorisontene for valutahandlere. For eksempel, for at et system skal fungere godt med både EURUSD og USDJPY, må signalene ha stor sannsynlighet for suksess til tross for volatilitet og potensiell korrelasjon mellom de to parene. Og handler må bli vinnere i ganske korte tidsperioder. Hvis ikke, kan trading korrelerte par gi en risiko for overkoncentrasjon og overdreven uttelling. Det er mange lønnsomme muligheter i handel med de fire store valutaparene 8212 EURUSD, GBPUSD, USDJPY og USDCHF. Jeg har hatt god suksess ved å bruke en strategi basert på matematisk forventning (ME). Jeg bruker ME til å analysere data og finne omfattende handelsmuligheter og beregne entryexitpoeng for handel med de fire store valutaparene. Matematisk forventning forutser sannsynligheten for at en forex-handel vil vinne En godt programmert EA kan bruke ME-verktøy for å bidra til å bygge systemer som fungerer på tvers av flere valutapar. Ive har hjulpet utviklet et par systemer som fungerer i sanntid og viser langsiktig lønnsomhet gjennom back-testing. Nylig har handelsmenn blitt mer oppmerksomme på ulempene som oppstår ved bruk av data-mining teknikker for å back-test og finjustere strategier for valutahandel systemer. Alternative systemutviklingsmetoder som System Parameter Permutation (SPP) er nå tilgjengelige, og kan hjelpe handelsfolk å unngå problemet med data mining bias. Hvis det gjøres forsiktig, vil SPP eller data mining bidra til å bygge et sett med kvalitetsindikatorer for å generere signaler over de fire store valutaparene. Deretter beregner ekspertrådgiver matematisk forventning for å se om handelen er sannsynlig lønnsom eller ikke. Endelig er det et spørsmål om å spesifisere filtre og testing for å finne presise strategier som konsekvent resulterer i å vinne, lønnsomme signaler. Inn - og utgangspunkter beregnes av det mekaniske handelssystemet ved hjelp av matematisk forventning justert for dagens volatilitet. Beregning av matematisk forventning om suksess Matematisk forventning (ME) er en statistikk som måler størst midlertidig fortjeneste som en handel opplevde hele tiden den var åpen. Det ble først populært under Optimal-F-stillingsstørrelsen og pengestyringsreglene utviklet av Ralph Vince. Ligningen er: Matematisk forventning MFE MAE Det matematiske forventningsverktøyet gir valutakursforexhandlere en forutsigbar kant i utviklingen av vinnende systemer. ME er definert i henhold til begreper maksimal gunstig ekskursjon (MFE) og maksimal uønsket ekskursjon (MAE). MEs verdi kan beregnes i sanntid av det mekaniske handelssystemet. Maksimal gunstig ekskursjon er den største balansen på en gunstig handel før en forexhandel er stengt, uavhengig av sluttkurs i tidsperioden, enten daglig, time eller minutt. MFE er den høyeste positive balansen oppnådd mens handelen var åpen. Maksimal uønsket ekskursjon er det største urealiserte eller midlertidige tapet under en handel, uavhengig av om handelen ble stengt som en taper eller ikke. MAE er den laveste negative balansen på handelen mens den var åpen. For å kvantifisere og analysere ME fra et gitt forex-par, kan forhandlere enkelt beregne gjennomsnittlig MFE og gjennomsnittlig MAE for et stort antall tidligere handler. Matematisk forventning er lik maksimal gunstig ekskursjon minus maksimal uønsket ekskursjon. Hvis gjennomsnittlig MFE er større enn gjennomsnittlig MAE, er matematisk forventning positiv. Jo større forholdet mellom MFE og MAE for et gitt valutapar, desto gunstigere er utsikterna for en potensiell handel. Multikurrency forex trading strategier basert på matematisk forventning Når du handler EURUSD, GBPUSD, USDJPY og USDCHF med en multikursstrategi basert på matematisk forventning, er denne metriske vanligvis positiv og generelt høy og lignende blant de ulike valutaparene. Det er viktig å unngå å vurdere posisjonsstørrelsen, eller trade-exit-regler eller andre parametere mens ekspertrådgiveren analyserer inngangspunkter. Disse parametrene kan settes uavhengig av det mekaniske handelssystemet basert på ME justert for volatilitet, som omtalt senere i denne artikkelen. Etter å ha bestemt inngangs - og handelsretningen, beregner det mekaniske handelssystemet MFE og MAE-verdier generelt først ved 10 barer utover inngangsprisen, deretter 15 barer utover, deretter 20 barer utover inngangsprisen. I tillegg til signalinngangspunkter viser ME også om forexhandelens fordel er best umiddelbart etter åpning av stillingen, eller ved noe gjennomsnittsintervall etter at de er i posisjon. Min enkleste multinasjonale handelsstrategi bruker daglige diagrammer og bygger på en kombinasjon av tre prisbaserte regler, og bare noen få parametere som bruker matematisk forventning til å forutsi suksess. Reglene for lange og korte handler er som følger: Handel lenge (og lukk ut en kort handel) når: Lukk gt Forrige Lukk Åpne gt Forrige Lav Forrige Lukk gt Forhånd Lukk Handel Kort (og lukk ut en lang handel) når: Lukk lt Forrige Lukk Åpne lt Forrige Høy Forrige Lukk lt Prior Lukk Dette systemet reverserer handelen når signalet endres. Så, hvis systemet har en lang posisjon åpen når et kort signal er mottatt, lukker systemet den lange posisjonen og i stedet går kort. På samme måte, hvis systemet har en åpen 8220short8221-posisjon når et 8220long8221-nivå mottas, vil det lukke det korte og straks gå lang. En annen parameter i dette systemet er stopp-utløseren som er satt til en verdi bare litt mer enn det femten-dagers eller tjue-dagers gjennomsnittlige sanne området (ATR). Denne verdien oppdateres hver gang et nytt signal mottas i samme retning. Likevel, hvis det er nye signaler i samme retning, legger systemet mitt ikke nye posisjoner, siden Ive har funnet ut at drawdowns oppveier ytterligere fortjeneste når det gjøres. Endelig tildeler systemet, med hensyn til stillingsstørrelse, maksimalt 2 kontokapital til en enkelt high-ME-handel. Hvis det er flere signaler i flere valutapar, viser ME-beregningene imidlertid korrelasjon mellom signalene, de totale posisjonene vil ikke være mer enn 2 av egenkapitalen. Handelsresultater Dette enkle valutamarkedet for valutahandel har vist gode resultater i reell handel, og back-testing over en tjueårsperiode viser at det ville ha hatt lønnsomme resultater i minst seksten av de tjue årene som ble testet. Det har vist et belønnings-til-risikofaktor på rundt 1,7 og vinnerprosent rundt 45, mens resultatfaktoren var nesten 1,4. Likevel kan uttrekningene være lange. Den lengste nedtellingen som ble sett under tilbakest testing var mer enn 1000 dager. Forholdet mellom fortjeneste og opptjening ved bruk av denne strategien ligner på kjøp og salg av aksjer, og under tilbakestilling var forholdet 0,35 med en total avkastning på mer enn 500 i løpet av en tjueårig tilbaketest . Risikostyring for multinasjonale handelsstrategier ved å bruke ME Ved å vite de gjennomsnittlige MFE - og MAE-verdiene, kan en forex-aktør programmere et mekanisk system med flere valutaer for å avslutte en handel med et fortjenestemål eller stopp-poeng bestemt ved å legge til et beregnet antall pips utover Maksimum Gunstig utflukt eller maksimal uønsket ekskursjonsverdier. I gjennomsnitt, for å vinne over tid, må forex trading systemet nå overskuddsmålet oftere enn det berører stopputgangsnivået. For eksempel, hvis systemet mitt ser en gjennomsnittlig MAE på 35 pips og en gjennomsnittlig MFE på 55 pips, er det en omsettelig mulighet. Profittmålet kan projiseres for 50 pips, som er 5 pips mindre enn MFE, og stopputgangen kan settes til 30 pips, som er 5 pips utenfor MAE. Når det gjelder systemdesign, er det viktig å programmere handelssystemet for å definere profittmål og stopppoeng i henhold til volatilitet i stedet for å sette et fast antall pips. Volatilitet bidrar til å bestemme utgangspunkter for handel med flere valutaer Som nevnt tidligere, kan et mekanisk handelssystem enkelt bruke Average True Range (ATR) som et volatilitetsavhengig verktøy for å beregne MAE og MFE for å angi avslutningspunkter. Systemet bestemmer inngangsprisen pluss eller minus en prosentandel av ATR som er brukbar i henhold til ME-analysen. For å få en stor nok prøve, setter jeg vanligvis ATR for å beregne de forrige 15 eller 20 tidsrammer. For eksempel, under et marked når EURUSD flytter et gjennomsnitt på rundt 100 pips per dag, bør systemet beregne målresultatpoeng og stopppoeng basert på gjeldende volatilitet og analyse av ME. Så, hvis en handel beveger seg i en gunstig retning for 55 pips, og hvis den nåværende ATR er 85 pips, blir flyttingen ikke rapportert som 55 pips i stedet, MFE er rapportert som 64,7 av ATR. Over tid har jeg sett at MFE for de fire store valutaparene EURUSD, GBPUSD, USDJPY og USDCHF ser ut til å svinge rundt en MFE-verdi på ca 60 av ATR, og gjennomsnittlig MAE rundt 40 av ATR for den typiske oppføringen etter 15 tidsperioder. For å finjustere Forex trading resultater i henhold til volatilitet, kan det mekaniske handelssystemet sette resultatmål og stopp-poeng på ulike nivåer. Systemet kan for eksempel angi overskuddsmålutgangspunktet til 55 av ATR-verdien borte fra inngangspunktet, ikke ved MFE-verdien på 60. Og volatiliteten kan kreve at du stiller stopputgangspunktene til 45 av ATR-verdien utenfor inngangspunktet, ikke ved 40 av ATR. Likevel vil dette systemet sannsynligvis nå målet overskuddsnivåer oftere enn stop-loss nivåer, og vinnere bør være større så lenge målet overskudd er satt større enn stopp-tap. For alle handler er det beregnede antallet pips for målfortjeneste og stopp-tap alltid basert på volatilitet bare i øyeblikket av handelen, som reflektert av ATR. Når et signal oppstår, kontrollerer handelssystemet verdien av gjeldende ATR, og beregner deretter det eksakte antallet pips for å nå målresultat og stopp-nivå. Som et eksempel, anta at det er et signal å gå lenge i EURUSD, og ​​den nåværende ATR er 100 pips. Så vil resultatpoengpunktet være på 55 pips over oppgangsprisen (55 av ATR-verdien). Og stoppet vil være på 45 pips under inngangsprisen (45 av ATR). Noen få tanker om matematisk forventning Den matematiske forventningen er generelt lavere for korte handler, og noen handlere har sett ME økning med så mye som atten barer etter det åpne, og deretter forfall under prisveier med så mye som åtti barer etter åpning. For lange handler har MEG generelt en lengre levetid, med verdier som kan øke raskt opp til den trettende tidsperiode, og fortsett sakte fremover til omtrent 75 tidsperioder. Ved hjelp av dette systemet er min gjennomsnittlige varighet i om lag 25 dager. Den beste oppsiden når det handler om USDUSD, GBPUSD, USDJPY og USDCHF, synes å tilfelle med rundt 30 tidsperioder. Hvis den gunstige bevegelsen fortsetter videre forbi det gjennomsnittlige punktet, så er det sannsynlig at en eller annen grunnleggende forspenning i markedet forlenker flyttingen. I sammendraget utnytter denne grunnleggende valutakursutvekslingsstrategien en positiv, høy ME som deles over de fire store valutaparene. Oppføringene, fortjeneste mål og stopp-poeng er alle basert på ME. Når indikatorene for matematisk forventning forutsier suksess, kan de fire store valutaparene 8212 EURUSD, GBPUSD, USDJPY og USDCHF vellykkes handles enten sammen eller separat. Har du prøvd ME i din tradingComparing Backtesting og lever trading system gjennomføring: Etter en million bransjer Systematic handelsmenn nesten alltid bruke backtesting å vurdere tidligere ytelse 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 i forhold til 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 der avvikene er svært positive. 8211 for eksempel GBPUSD-handler åpnet klokken 8 8211. Dette er hovedsakelig knyttet til at handler som ble åpnet på denne tiden, 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 pedagogiske videoer, handelssystemer, utvikling og en lyd, ærlig og gjennomsiktig tilnærming mot automatiserte trading. strategies. How å 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 onde latter her.) Mål av 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