Trading mekaniska system

Jämförande Backtesting och Live Trading System Exekvering: Efter en miljon branscher Systematiska handlare använder nästan alltid backtesting för att bedöma tidigare prestanda av en handelsalgoritm. Detta är ett otroligt värdefullt verktyg eftersom det ger oss möjlighet att få en uppfattning om hur en handelsalgoritm skulle ha utförts tidigare utan att behöva handla ett system under långa perioder. Men hela användbarheten av backtesting är beroende av hur bra simuleringsmodellen överträffar prestanda och därför är den öppen för många fallgropar som härrör från flera praktiska problem. På grund av ovanstående är it8217s väldigt viktigt att utföra livebacktesting jämförelser där en live-traded period jämförs med en backtest av exakt samma period för att se om resultaten 8211 oavsett om de är positiva eller negativa 8211 match. På today8217s inlägg vill jag diskutera en analys av livebacktesting konsistens Jag har gjort med att använda data från mer än 1 miljon levande trades från mer än två tusen Asirikuy skapade system. Det finns flera sätt på vilka en backtest kan göra det förflutna att se bättre ut än vad det verkligen skulle ha varit. I verklig handel finns vanligtvis likviditets-, tids - och spridningsproblem som i allmänhet är mycket svåra att ta hänsyn till vid backtesting. I Forex Trading är historisk likviditetsdata mycket svår att få, medan slippning är nästan omöjligt att redogöra för på grund av att historiska anslutningshastigheter och svarstider är okända. Tick-data kan lindra spridningsbehovet 8211, eftersom kryssdata innehåller buddata 8211 men det här är mäklare specifikt och kan sällan erhållas för en viss mäklare i mer än några år. Om simuleringar utförs utan hänsyn till någon av ovanstående 8211 utan likviditetsdata, förutsatt att perfekta avrättningar och med ständigt sprider sig 8211 då är det viktigt att se om dessa antaganden verkligen leder till acceptabla matchningar mellan backtesting och live trading. Om något av dessa antaganden leder till betydande problem måste simuleringarna göras mer pessimistiska för att anpassas till dessa ökade kostnader. Tack vare det faktum att vi har hundratals användare som handlar tusentals handelsstrategier i sina egna konton har vi kunnat samla en databas med miljontals affärer tillsammans med deras riktiga inmatnings - och utgångspriser som vi kan jämföra med våra backtests för att se hur Tja, våra simuleringar representerar det senaste förflutna. Först och främst kan vi se om vår backtesting och levande handelslogik verkligen är identisk och för det andra kan vi se om ovanstående problem relaterade till glid - och spridningskostnader påverkar vår handel på ett väsentligt negativt sätt. Vi har analyserat totalt 76.813 signaler som har genomförts på många olika handelskonton. För varje signal beräknar vi de genomsnittliga inmatnings - och utgångspriserna 8211 med hjälp av data från alla de transaktioner som tagits på grund av den signalen 8211 och det gör det möjligt för oss att uppskatta hur mycket inträde och utgång avviker på ett gynnsamt eller ogynnsamt sätt. I genomsnitt var vår totala avvikelse (öppen avvikelse plus nära avvikelse, bestämning av förmånlighet med tanke på handelsriktning för varje enskilt fall) -1,37 pips vilket innebär att varje handel som utfördes 1,37 pips mindre gynnsamt än vad som förväntas av våra simuleringar, kan man föreställa sig som betalande en Tillägg 1,37 pips per handel i spridningskostnader. Den första bilden i det här inlägget visar resultaten per par. Här kan vi faktiskt se att för 4 av 6 par har vi faktiskt fördelaktiga avvikelser (EURJPY 0,3, EURUSD 0,81, GBPUSD 2,05, USDJPY 1,17), vilket betyder att de spridda som vi använder i våra simuleringar är förmodligen bra uppskattningar för dessa symboler och förseningarna i utförande vi får är antingen gynnsamma eller lågt nog så att det inte spelar någon roll på ett betydande sätt. Det finns dock två fall med negativa resultat, den första är USDCHF (-1,53) och den andra är GBPJPY (-8,78). I det första fallet är avvikelsen inte så hög, men i det andra har vi ett resultat som är oerhört negativt, vilket förmodligen beror på det mesta av anledningen till att vårt huvudsakliga genomsnitt per handel är negativt. Anledningen till det ovanstående beror dels på att GBPJPY är mycket mer flyktig, att de andra paren och eftersom vi använder en spridning av 5 pips för denna symbol som är 8211, vilket framgår av ovanstående bevis 8211 förmodligen för lågt. Även om 5 pips ligger över den genomsnittliga Oanda-marknadsspridningen för denna symbol ger det inte tillräckligt med utrymme för ytterligare förluster på grund av glidning och utvidgning. Den andra bilden visar avvikelserna när de splittras av branschen öppnade vid olika timmar. Det är uppenbart att alla timmar är inte samma och även för den mycket negativa GBPJPY verkar det finnas några timmar då avvikelser tenderar att vara positiva. Du kan också se några fall där avvikelser är extremt positiva 8211 till exempel GBPUSD-affärerna öppnade vid 8 8 8211 Detta är huvudsakligen relaterat till det faktum att handeln öppnades den här timmen har ställt positiva nyheter som helhet av en slump och eventuellt också mött några viktiga Marknadsföra rörliga händelser som Brexit eller GBP-flashkortet positivt. Det är dock osannolikt att sådana avvikelser kommer att bestå under en betydligt lång tidsperiod, eftersom de förmodligen är följden av dessa sällsynta händelser som råkar gynna vissa strategier mer än andra med lycka till. Jag förväntar mig att dessa avvikelser blir lägre och lägre som en funktion av tiden, vilket ger oss en mycket mjukare kurva efter några års handel. Av samma anledning måste vi ta mer tid och samla mer information innan vi överväger några åtgärder som kan innebära direkt användning av denna information (som gruvsystem som handlar i timmar då avvikelser förväntas vara gynnsamma). Ovanstående visar redan att våra simuleringsspridningskostnader sannolikt måste ökas avsevärt för GBPJPY och kanske bara måttligt för USDCHF. Det visar också att vår verkställighet har varit bra över hela linjen 8211 på de flesta symboler i själva verket 8211 och att högre likviditetssymboler visar lägre avvikelser än lägre likviditetssymboler (inte överraskande eftersom dessa kostnadsökningar för det mesta är relaterade till genomförandefördröjningar och spridning vidgning). Vi har nu kodat några skript för att utföra ovanstående analys varje vecka så we8217ll kan hålla uppdaterade flikar om hur våra system kör och huruvida våra simuleringar är anpassade till dessa avrättningar. Om du vill lära dig mer om vårt samhälle och hur du också kan skapa egna algoritmiska handelsstrategier, vänligen överväga att ansluta dig till Asirikuy. en webbplats fylld med pedagogiska videor, handelssystem, utveckling och ett bra, ärligt och öppet tillvägagångssätt mot automatiserad trading. strategies. Simple Moving Average Crosses som lönsamma handelssystem Som du kanske vet har den här veckan varit dedikerad till att hitta lönsamma enkla handelssystem. Ett av de första handelssystemen som nya handlare utsätts för är det glidande medelvärdet. Ett glidande medelvärde är helt enkelt en linje som ritas på skärmen som återspeglar prisgenomsnittet för det förflutna x antal perioder för varje stapel. En rörlig genomsnittlig korsstrategi går enkelt in eller ut från marknaden när två glidande medelvärden går över eller när priset i sig rör sig över eller under det glidande genomsnittet. Varför är det här förnuftigt. Den glidande genomsnittliga korsstrategin är meningsfull, för det som i grunden innebär är att om priset rör sig över det genomsnittliga genomsnittet, bör priset stiga och vice versa. Samma när du handlar korset av två olika glidande medelvärden. Om genomsnittet av ett litet antal perioder ligger över genomsnittet av ett större antal perioder, innebär det att priset ökar och så vidare. Men, det är inte så enkelt. Problemet med den glidande genomsnittliga strategin är att prisrörelsen måste vara tillräckligt lång för att indikatorns låga kvalitet ska vara minimal. Eftersom det rörliga genomsnittet slår marknaden på grund av att det tar tid att reagera på marknadsförflyttningar (eftersom det är ett medelvärde av tidigare perioder), då om prisrörelserna är för små kommer du alltid att komma in för sent och avsluta med att förlora. Det är därför som glidande medelstrategier misslyckas med att fungera långsiktigt på alla mindre tidsramar. I mindre tidsramar är trenderna inte långvariga och de vänder sig snabbt, whipsaw och skickar oss en massa blandade och falska signaler som gör strategin förlorande. Så var flyttar medeltal lönsam. Tja, högre tidsramar med mycket långa glidande medelvärden är störst eftersom du fångar extremt stora marknadsförflyttningar (ibland till och med 2000 pips) och du får mycket få trades, ungefär en eller två varje år. Denna strategi minskar avsevärt hur mycket pengar du betalar i spridningar och garanterar en långsiktig stabil vinst. Dessa strategier kan enkelt handlas med unviersalemacross som finns på forex-tsd som let8217s du trade ma crosses. Nedan kan du se ett backtestingschema för EURUSD, GBPUSD och USDJPY (från 1999, på dagliga diagram). Denna strategi är mycket bra och fångar verkligen de årliga marknadsutvecklingarna. Modelleringskvaliteten är näst på grund av några diagrammatchningsfel på grund av volymen men igen är errosen av denna backtesting nästan ingen eftersom vi handlar mycket långsiktigt, faktiskt kan du enkelt visuellt backa upp strategin och se till att resultaten verkligen är vad dom är. 8211 8211 Trots att denna strategi har långsiktig lönsamhet och har några affärer varje år, kommer de flesta handlare aldrig ens att överväga det eftersom de fortfarande tycker att 20-50 är ett reellt vinstmål i forexautomatisk handel. Om vi ​​tittar på handeln med EURUSD (200 långsamma och 20 fasta ma) ser vi att varje bransch tar en enorm vinst. I själva verket är den genomsnittliga vinsten mer än 5 gånger den genomsnittliga förlusten på grund av detta. Nedan kan du se ett exempel på handel med de glidande medelvärdena, på nästa diagram ser du en högre tidsram (veckovis) där du kan se hur ea fångade hela den långsiktiga trenden perfekt. 8211 8211 Detta system kan ge dig en vinst på cirka 40-50 per år med en ränta på högst 30. Även om det här är bättre än de bästa fondförvaltarna i världen, är de flesta detaljhandlare (de flesta är inte lönsamma ) kommer att hävda att detta vinstmål är för litet för dem och att de 8220know8221 att den kvantiteten kan göras månadsvis. Detta är sant, en person kan göra 40-50 för en månad eller två, men marknadsexponeringen som krävs för att tjäna detta belopp kommer att torka kontot. Det jag strävar efter är konstant, konsekvent, stabil, långsiktig vinst. Jag bryr mig inte om handel 2 eller 3 gånger om året, i själva verket anser jag det här bättre än att gå in i ståndpunkter varje dag. 8211 Om du vill lära dig mer om andra kommersiella och gratis automatiserade handelssystem som jag har använt och granskat samt expertrådgivare som jag har programmerat för att följa långsiktiga stabila strategier, såsom 4 veckors breakout, sköldpaddsystemet och 8and8-systemet, var vänlig överväga köpa min e-bok om automatiserad handel eller prenumerera på mitt veckovisa nyhetsbrev för att få uppdateringar och kontrollera live - och demokonton som jag kör med flera expertrådgivare. Jag hoppas att du tyckte om artikeln Hur man skapar ett mekaniskt handelssystem Hittills har we8217ve lärt dig hur du utvecklar din handelsplan. We8217ve diskuterade också hur viktigt det är för dig att upptäcka vilken typ av Forex Trader du är. Därefter kommer vi att lära dig hur man lägger till lite kött i din smala handelsplanram genom att visa hur man skapar ett valutahandelssystem. Mer specifikt kommer vi att lära dig allt om forex mekaniska handelssystem. Mekaniska handelssystem är system som genererar handelssignaler för en näringsidkare att ta. De kallas mekaniska eftersom en näringsidkare kommer att ta handel oavsett vad som händer på marknaderna. I teorin borde detta eliminera alla fördomar och känslor i din handel, för att du ska följa reglerna i ditt system INTE SÄRSKILDA VAD. Om du gör en enkel sökning i Google för 8220forex trading systems8221 you8217ll hittar många många många där ute som hävdar att ha 8220Holy Grail8221-systemet som du kan köpa för 8220only8221 några tusen dollar. Dessa system gör förmodligen tusentals pips per vecka och förlorar aldrig. De kommer att visa dig 8220resultat8221 av deras perfekta system och det kommer att göra dina ögonbollar till dollar tecken när du sitter där och säger till dig själv, 8220Wow kan jag göra alla dessa pengar om jag bara ger den här killen 3000. Dessutom, om hans system gör tusentals pips per vecka, kan I82 göra mina pengar tillbaka på nolltid.8221 Sakta ner cowboy. Det finns några saker du borde veta innan du ger dem ditt kreditkortsnummer och gör det impulsköp. Sanningen är att många av dessa system faktiskt fungerar. Problemet är att valutahandlare saknar disciplinen att följa de regler som följer med systemet. Den andra sanningen (är det sånt som en andra sanning) är att istället för att betala tusentals dollar på ett system kan du faktiskt spendera din tid att utveckla ditt eget mekaniska handelssystem gratis. och använd de pengar du skulle spendera som kapital för ditt Forex trading konto. Den tredje sanningen är att det är svårt att skapa mekaniska handelssystem. Det som är svårt följer de regler du ställer in när du utvecklar ditt system. Det finns många artiklar som säljer system, men vi har sett något som lär dig hur du skapar ditt eget system. Denna lektion kommer att vägleda dig genom de steg du behöver ta för att utveckla ett mekaniskt valutasystem som passar dig. I slutet av lektionen kommer vi att ge dig ett exempel på ett system som en av FX-Men använder just så att vi kan visa dig hur fantastiskt vi är. (Sätt in ondskan skratt här.) Mål för ditt mekaniska handelssystem Vi vet you8217re 8220DUH, målet med mitt handelssystem är att göra en miljard dollar8221 Även om det är ett underbart mål är it8217s inte exakt det slags mål som gör dig till en framgångsrik Forex-handlare. När du utvecklar ditt mekaniska handelssystem vill du uppnå två mycket viktiga mål: Ditt system ska kunna identifiera trender så tidigt som möjligt. Ditt system borde kunna undvika dig från whipsaws. Om du kan uppnå dessa två mål med ditt handelssystem, har du en mycket bättre chans att bli framgångsrik. Den svåra delen om dessa mål är att de strider mot varandra. Om du har ett system som 8282s främsta mål är att fånga trender tidigt, kommer du förmodligen att bli faktade ut många gånger. Å andra sidan, om du har ett mekaniskt handelssystem som fokuserar på att undvika whipsaws, så kommer du vara sen på många affärer och kommer också förmodligen att sakna många affärer. Din uppgift, när du utvecklar ditt mekaniska handelssystem, är att hitta en kompromiss mellan de två målen. Hitta ett sätt att identifiera trender tidigt, men hitta även sätt som hjälper dig att skilja de falska signalerna från de riktiga. Om du inte har någon aning om var du ska börja, gå till vår Free Forex Trading Systems tråd i vårt forum. Många valutahandlare lägger fram sina idéer för handelssystem, så du kan hitta en eller två som du kan använda när du bygger ditt eget mekaniska handelssystem. Spara dina framsteg genom att logga in och markera lektionen komplett