Mean återgång handels system bandy pdf

Jag är nästan färdig med Howard Bandy8217s nya bok, 8220MeanReversion Trading Systems 8211 Praktiska metoder för Swing Trading 8221. Även om jag mycket sällan granskar böcker här på kvantifierbara kanter står den här verkligen upp och förtjänar lite uppmärksamhet. Howard går igenom alla steg i systembyggnadsprocessen. Han undersöker flera olika oscillatorer. Han granskar inmatningsförstärkningstekniker. Han diskuterar riskkontroll. Och framför allt ger han kod för allt han täcker i boken. Det är 50 för boken, vilket är ett löjligt lågt pris. Det finns handelskurser som kostar tusentals dollar som don8217t ger lika mycket bra information som Howard8217s 8220Mean Reversion Trading Systems8221. All kodning görs i Amibroker, som tyvärr jag inte använder. Men eftersom han listar allt ut, kan de som använder andra program som jag översätta det till Tradestation, R eller vad som helst. Och här är sparkaren för alla som använder Amibroker 8211 Howard har faktiskt skapat en webbsida där bokköpare kan ladda ner koden utan extra kostnad. Jag lovordar Howard på hans ansträngningar. Om du har intresse av att utveckla dina egna handelssystem, är den här boken en underbar resurs som jag rekommenderar starkt. 5 kommentarer: Jag har följt din blogg ett tag. Men jag är nu förvånad för att du lovar arbetet hos någon som påstår i sin bok att: (meanreversiontradingsystemsMRTS20AnalysisWM. pdf) quotMy view är att längden på provperioden bör vara så kort som det är praktiskt. Det enda sättet att bestämma längden på provperioden är att köra några test. Quot Detta kallas data-snooping citationstecken. Längden av urvalet är: Så länge modellen och marknaden förblir synkroniserade och systemet är lönsamt. Det finns inget generellt förhållande mellan längden av urvalsperiodens längd och längden av urvalsperioden. quot SO vi väljer det urvalet så länge modellen och marknaden synkroniseras och systemet är lönsamt. Mycket fint arbete. Jag undrar varför du stöder sådana saker. Vad måste du vinna. Eller kanske för att jag respekterar ditt arbete kanske du förbisedde detaljerna. Ämnet i handel är i detaljerna. Vilken tråkig värld som säger något trevligt om någon annans arbete ger e-postmeddelanden som frågar mig vad jag måste vinna. Granskningen fick mig ett bra tack från Mr. Bandy, som jag aldrig har träffat eller talat med tidigare. Medan han ser på vissa aspekter av testning annorlunda än jag, har jag inget intresse av att argumentera varje punkt som han gör i sin bok. För mig, om du kan ta värdefulla idéer och information från en bok, så är det värt. Den här är fylld med dem. Jag står vid min recension. Jag trodde att boken hade mycket bra info. Den backades upp av faktiska testresultat (en sällsynthet), och eftersom han tillhandahåller all kod kan handlare verifiera resultaten och enkelt utforska idéerna vidare på egen hand. De som har läst boken är välkomna att skicka kommentarer (positiva eller negativa) nedan. Du vet alla min åsikt. I stället för att känna sig ledsen kanske du borde vara glad att någon tog sig tid för att påpeka dig de misstag i den boken som är av grundläggande karaktär, dvs kurvpassning, optimering, datautbildning och allt det nonsens som gör att handlare förlorar pengar. Don är inte ledsen. Världen är inte ledsen när vi går mot verkligheten, vi borde bara förändra kursen. Tack. Jag fick Howards bok igår, och medan jag ännu inte har klarat det, tror jag att 39data snooping39 kommentaren är lite överst. Howard varnar hela tiden om 39-läckage läckage39 och faux optimering tekniker. Kanske mati borde faktiskt köpa boken innan han slänger den på sin nivå. Jag kom över den här kommentaren och som någon som har alla fyra av Dr Bandy39s böcker kände jag att jag skulle chime in på detta ämne. Dr Bandy är en stark förespråkare för goda systemutvecklingsmetoder och hans skrifter varnar tydligt om de verkliga farorna med kurvpassning. Den som har följt sin blogg eller läser sin bok i detalj kommer helt att förstå nyansen bakom hans uttalade synpunkter på provtagningsperioden som en person fann fel med. Dr Bandy har blivit min favorit författare om ämnet kvantitativa handelsmetoder. Rob Hanna Jag har handlat professionellt sedan 2001. Från januari 2003 till februari 2007 såg mina två veckor i kolumnen Rob Hannas Putting It All Together på TradingMarkets. Jag har genomfört kvantitativ forskning och utformar handelssystem - mest fokuserat på kortsiktiga kanter sedan 2004. Se min fullständiga profilThe Sweet Spot for Mean Reversion ETF-strategier av Michael R. Bryant I sin senaste bok diskuterade Howard Bandy vad han kallar quotsweet spotquot för att utveckla genomsnittliga återvändande handelssystem. 1 Tanken är att rätt kombination av stånglängd, hållbarhetstid, systemnoggrannhet och andra variabler tenderar att maximera riskjusterade avkastningar. 2 Den här artikeln visar hur genomsnittliga återvändandehandelsstrategier som ligger i den söta punkten kan utvecklas för börshandlade fonder (ETF) med hjälp av automatiserade verktyg. Använda Adaptrade Builder. ett strategiskt utvecklingsverktyg för Windows, Ill visar hur stresstestmetoder med Monte Carlo-analys kan användas som en del av utvecklingsprocessen för att hitta robusta medelåtervändningsstrategier för SampP 500 (SPY) ETF och Select Sector SPDR ETFs. Projektfiler för Builder, som innehåller strategikoden, finns för varje exempel. Landning i den söta platsen Den grundläggande idén bakom Dr Bandys söta fläck är att bra handelsstrategier ska använda en kort stångstorlek och ha en ganska hög noggrannhet med en kort hållbarhetstid och låg uttagsnivå. Den korta stångstorleken och den korta hållningsperioden maximerar möjligheterna till sammansatta avkastningar, medan den höga noggrannheten och låga nackdelen gör det lättare att återhämta sig från förluster. De senare egenskaperna gör det också lättare att fastställa strategins lönsamhet och att bestämma när det inte längre fungerar eftersom typiska förlorade streck för system med hög noggrannhet tenderar att vara relativt korta. Baserat på Dr Bandys riktlinjer, kommer följande egenskaper att användas i denna artikel för att definiera de optimala kraven för genomsnittliga reverserings ETF-strategier: Dagliga staplar 20 - 30 trades per år Minst 65 vinnande trader Genomsnittliga barer i branschen mellan 1 och 4 By genomsnittlig reversering, jag hänvisar till strategier som försöker köpa under det nuvarande genomsnittspriset och sälja till ett högre pris eftersom priset återgår till medelvärdet. Tanken är att köpa låga och sälja höga, i motsats till trendföljande system, som vanligtvis försöker köpa höga och sälja högre. Bygga med Monte Carlo Analys I min senaste nyhetsartikel diskuterade jag användningen av stresstestning vid utvärdering av handelsstrategier och dess relation till robusthet och överdriven strategi. Jag nämnde också att om det införlivades i byggprocessen skulle det tendera att leda till strategier som uppvisade robusthet. Det är det tillvägagångssätt som kommer att följas här. I korthet avser spänningstest att utvärdera hur känslig en handelsstrategi är för sina insatser och miljö. En robust strategi - en som inte överträffar marknaden - kommer att vara relativt okänslig för förändringar i sina ingångsparametervärden och andra förändringar i sin miljö, till exempel förändringar i prisdata. Monte Carlo-analys är tekniken som används för att utvärdera effekten av dessa förändringar. Strategys insatser, prisdata och andra faktorer förändras slumpmässigt, och strategys prestanda utvärderas. Genom att upprepa denna process många gånger erhålls en fördelning av resultat. Resultaten från de ursprungliga uppgifterna representerar en punkt på fördelningen. Andra punkter på fördelningen representerar resultaten från att använda lite ändrade versioner av originaldata, vilket kan ge resultat som är mer eller mindre gynnsamma än de ursprungliga uppgifterna. De så kallade Monte Carlo-resultaten är värdena för prestationsåtgärderna (nettovinst, procentvinster, vinstfaktor etc.) som inte är värre än en majoritet (typiskt 95) av utvärderingarna. Till exempel, om Monte Carlo-nettovinsten vid 95 förtroende är 15 000, innebär det att 95 av utvärderingarna hade en nettovinst på minst lika mycket som 15 000. Med andra ord, det är en 95 chans att nettovinsten kommer att vara minst 15 000, eller omvänt, det är en chans att nettovinsten blir mindre än 15 000. När en handelsstrategi utvecklas iterativt över successiva generationer av modifiering och test, bygger byggandet utifrån Monte Carlo-resultaten en tendens att driva strategin till en som är robust eftersom endast en robust strategi kommer att ha bra Monte Carlo-resultat. Adaptrade Builder automatiserar denna process, inklusive utvärdering av strateginsultat med Monte Carlo-resultaten av stresstestning. Det första exemplet är SPDR SampP 500 index ETF (symbol SPY). Dagliga staplar från 141999 till 4232013 användes. Datumintervallet för byggnad sattes till 141999 till 122011, med de första 80 (141999 - 8102008) som användes för att bygga (dvs i prov) och de återstående data (8112008 - 122011) som användes för provning utanför provet. Återstående data (132011 - 4232013) avsattes för validering. All data erhölls från TradeStation 9. Strategidogiken var långsiktig och 100 av eget kapital placerades på varje handel med alla vinster återinvesterade och 0,015 per aktie dras av per omgång för handelskostnader. Adaptrade Builder använder en genetisk programmeringsalgoritm för att utveckla en population av strategier över successiva generationer. Nyckeln till att använda Builder för att hitta strategier som uppfyller våra optimala krav är att ställa in de så kallade byggnadsvärdena, som visas nedan i figur 1. Figur 1. Byggnadsmetoderna i Builder definierar sötpunkten för SPY-strategin. Listan över byggnadsmål innehåller tre generella mått, som alla maximeras. Dessa hjälper vägleda befolkningen till strategier mot de som har en hög nettovinst, korrelationskoefficient och statistisk signifikans, vilket är önskvärt för någon strategi. De specifika kvaliteterna letade efter (dvs. sötpunkten) definieras av byggbetingelserna, vilket inkluderar ojämlikhetsförhållandena för antalet branscher, medelstänger i branschen och procenten av vinster. Observera att villkoret för antalet branscher är inställt på ett intervall baserat på antalet år av in-sample data och målet att ha mellan 20 och 30 branscher per år. Observera också att andelen vinnande affärer är inställd till ett intervall mellan 65 och 85. Den övre gränsen har lagts till eftersom strategier med en ovanligt hög andel av vinsthandlarna generellt sett inte kommer att uppfylla något annat villkor. Att straffa sådana strategier kommer att bidra till att driva befolkningen mot strategier som uppfyller alla förhållanden, i motsats till strategier som oproportionerligt uppfyller ett villkor för att utesluta andra. Samma logik användes för att ställa in ett intervall för vinstfaktorn. De övriga villkoren - korrelationskoefficient, statistisk signifikans, vinstfaktor och Kellyfraktion - ingår inte i våra specifika krav, men läggs till för att förbättra de övergripande resultaten. Stresstestning och Monte Carlo-inställningar som användes för det här exemplet valdes på skärmbilden Byggnadsalternativ, som visas nedan i figur 2. Figur 2. Monte Carlo-analysen och stresstestalternativen väljs på fliken Byggalternativ. Som visat i figuren användes 99 Monte Carlo iterationer för varje analys. Detta innebär att 99 stresstester utfördes utöver utvärderingen av de ursprungliga uppgifterna. De 100 dataseten analyserades med användning av Monte Carlo-analysen för att extrahera resultaten vid 95-förtroende, där de användes för att utvärdera villkoren som visas i figur 1. Stresstesterna bestod av att randomisera priserna, randomisering av strateginångarna och randomisering av startfältet . Alla tre randomiseringar utfördes för varje stresstest. Eftersom varje strategi utvärderades 100 gånger (99 stresstester plus de ursprungliga uppgifterna) vid varje generation, tog detta tillvägagångssätt cirka 100 gånger så länge det skulle ha tagits om stressstest och Monte Carlo-analys inte använts. Av denna anledning användes en relativt liten befolkning av only100 medlemmar för att hålla lösningen tid rimlig. Befolkningen utvecklades under 10 generationer, och ett alternativ var inställt att börja om efter 10 generationer om nettovinsten under perioden utanför undersökningen var negativ. Aktiekurva-diagrammet från toppstrategin i befolkningen efter 20 generationer (1 ombyggnad) visas nedan i figur 3. Figur 3. Aktiekurvor för varje stresstest för den slutliga SPY-strategin. Varje kurva i figur 3 representerar ett stresstest. Såsom kan ses har alla de olika kapitalkurvorna i allmänhet samma form med positiva resultat utanför provet. Följande är några av Monte Carlo-resultaten med 95 förtroende som motsvarar fig. 3. Totalt antal vinstmedel-medelstänger i handel Utöver antalet branscher, vilket är färre än vad man efterfrågar, uppfyller strategin de ursprungliga kraven. Strategin passerar också valideringstestet. När slutdatumet förlängs till 4232013 ökar Monte Carlo totala nettovinst till 67,015. Strategidogiken uppfyller också kravet på en genomsnittlig reverseringsstrategi: den går in på en gränsvärde och utgångar med hjälp av ett indikatorförhållande. Gränsvärdet innebär att marknaden måste komma ner till gränsvärdet, så strategin är att köpa låg och sälja efter att marknaden går tillbaka. Det är viktigt att komma ihåg att dessa är Monte Carlo-resultat vid 95-förtroende, vilket innebär att till exempel 95 av stresstestutvärderingarna hade en total nettovinst som var minst lika stor som 56 784. Om stresstestningen är avstängd och strategin utvärderas på originaldata är kapitalkurvan som visas nedan i figur 4. Figur 4. Equitykurva för den slutliga SPY-strategin på originaldata. Denna kapitalkurva motsvarar en nettovinst på 109 497, vilket motsvarar en årlig avkastning på 5,5. Även om detta bara är en blygsam avkastning slår det lätt upp köp-och-håll-avkastningen på cirka 1,8 under samma period och uppnås utan hävstångseffekt och med en stadigt ökande kapitalkurva under en period som omfattar två björnmarknader. A Select Sector SPDR Exempel Det andra exemplet handlar om att bygga en strategi över en portfölj av ETF som består av SPDR: erna. Dessa ETF delar upp SampP 500-indexet i nio sektorer så att varje aktie i SampP 500 placeras i en av de nio sektorerna utan överlappning. De nio sektorerna är Consumer Discretionary (XLY), Consumer Staples (XLP), Energy (XLE), Financial (XLF), Hälsovård (XLV), Industrial (XLI), Material (XLB), Technology (XLK) och Utilities (XLU). De flesta av samma inställningar användes för att bygga upp denna strategi som i det sista exemplet. Men eftersom nio gånger så mycket prisdata användes i byggnaden minskade antalet Monte Carlo iterationer från 99 till 5. De andra byggalternativen var desamma som i figur 2 med undantag för ombyggnadsalternativet, som inte kom in i spela. För positionering satsades 20 av eget kapital på varje handel. Eftersom inte alla marknader sannolikt skulle vara handel samtidigt, valdes denna inställning för att ge tillräckliga positionsstorlekar utan att resultera i hävstångseffekt (dvs överinvestering). Insamlingsperioden för denna byggnad var 141999 till 5282009 med 5292009 till 122012 som perioden utanför provet och 132012 till 4232013 avsatt för validering. Aktiekurva-diagrammet från en av de bästa strategierna i befolkningen efter 10 generationer (inga ombyggnader) visas nedan i figur 5. Figur 5. Equitykurvor för varje stresstest för den slutliga Select Sector SPDR-portföljstrategin. Varje aktiekurva i figur 5 representerar portföljens eget kapital som genereras från backtestning på samtliga nio marknader samtidigt för en uppsättning stresstestinställningar (eller de ursprungliga uppgifterna). Några sammanfattande Monte Carlo-resultat visas nedan. Total nettovinst Till skillnad från föregående exempel är resultaten inte väsentliga annorlunda när Monte Carlo-analysen är avstängd och resultaten utvärderas över ursprungliga data. I detta fall ökar den totala nettovinsten till 205 140. Denna strategi passerar också valideringstestet. Aktiekurvan för strategin över de ursprungliga uppgifterna (ingen stresstest), där valideringsperioden ingår, visas nedan i figur 6. Figur 6. Aktiekurva för den slutliga Select Sector SPDR-portföljstrategin på originaldata . Denna egenkapitalkurva motsvarar en nettovinst på 249 431, vilket motsvarar en årlig avkastning på 9,5 med en sämstfallshastighet på 21. Som med föregående exempel går strategidogiken långt in i en gränsorder. De flesta av utgångarna är via en målavgång, med andra affärer som går ut på basis av ett indikatorförhållande eller på ett skyddsstopp. Hämta medelåtervändningsprojektfiler: (högerklicka, Spara mål som. Till. zip-filen kräver att Adaptrade Builder öppnas.) Av licenshänsyn ingår inte projektdata i prisfiler. Den så kallade söta fläcken för handelsstrategier som rekommenderas av Dr. Bandy verkar ge effektiva förutsättningar för att bygga på att återställa handelsstrategier på ett automatiserat sätt med hjälp av ett verktyg som Adaptrade Builder. Det var möjligt att hitta strategier som uppfyllde de flesta kraven för båda exemplen: en marknadsstrategi för SPY ETF-marknaden och en strategi för en portfölj av ETF som består av de nio Select Sector SPDR. Båda strategierna slog buy-and-hold och höll sig bra i valideringsprovet. För båda exemplen användes stresstestning med Monte Carlo-analys för att öka chanserna att hitta robusta strategier. Jämfört med portföljexemplet var stresstestresultaten för strategin för den inre marknaden (SPY) väsentligt mer konservativ (mindre gynnsam) än resultaten från de ursprungliga uppgifterna. Även om vissa av detta kan bero på den strängare stresstestningen jämfört med portföljexemplet, föreslår det att SPY-strategin är mindre robust än portföljexemplet. I allmänhet, där Monte Carlo-resultaten avviker markant från resultaten på de ursprungliga uppgifterna, kan det förväntas att den bästa uppskattningen av framtida resultat skulle ligga någonstans däremellan, men det beror på hur konservativ stressprovningen och Monte Carlo-analysen är . Det verkar rimligt att portföljstrategin skulle vara robustare än den inre marknaden eftersom portföljstrategin byggdes på nio olika marknader och var skyldig att arbeta rimligt bra över en bredare mängd prisdata. Den byggdes över nio gånger så mycket data och har ungefär nio gånger så många affärer. Portföljstrategins större prestanda kan spegla den positiva effekten av diversifiering över de nio olika sektorerna i SPDR. Trots att ingen strategi uppfyllde kravet på antalet branscher kan det vara möjligt att hitta strategier som uppfyller alla krav om en större befolkning används eller strängare ombyggnadskrav används, vilket skulle kräva mer byggtid. Alternativt kan det vara så att en sådan strategi sannolikt inte kommer att hittas på grund av de motstridiga kraven på hög noggrannhet, handelsfrekvens, kort varaktighet och så vidare. Den bästa uppsättningen byggnadsvillkor är en som utnyttjar marknadens potential fullt ut samtidigt som den är realistisk. Att kombinera en uppsättning användbara byggförhållanden, som de som tillhandahålls av Dr. Bandy, med inbyggda robusthetsfunktioner, såsom stresstestning och Monte Carlo-analys, i ett automatiserat verktyg som Builder, bör ge en solid ram för att utveckla effektiva handelsstrategier. Bandy, Howard B. Mean Reversion Trading Systems. Blue Owl Press, Inc. Sioux Falls, SD, 2013, sid. 138. Bandy, Howard B. Modelling Trading System Performance. Blue Owl Press, Inc. Sioux Falls, SD, 2011, sid. 154. Denna artikel uppträdde i april 2013-numret av Adaptrade Software-nyhetsbrevet. SampP 500 och Select Sector SPDR är varumärken som tillhör The McGraw-Hill Companies, Inc. HYPOTETISKA ELLER SIMULERADE RESULTATRESULTAT HAR VISSA NUVÄRDA BEGRÄNSNINGAR. I likhet med en verklig prestationsrekord, representerar SIMULERADE RESULTAT INTE VERKSAMHET. Eftersom de faktiska omständigheterna inte har genomförts, kan resultaten ha underförstått eller överkompenseras för konsekvenserna, om några av vissa marknadsfaktorer, som saknar likviditet. SIMULERADE HANDELSPROGRAMMER I ALLMÄNT ÄR ÄVEN FAKTISKT ATT DE DESIGNERAS MED FÖRDELNINGEN AV HINDSIGHT. INGEN REPRESENTATION GÖRAS ATT ANTAL KONKURRERAR ELLER ÄR LIKTIGT FÖR ATT FÖRVÄNDA RESULTAT ELLER TABELL SOM LIKNAR TILL DE VISADE. Om du vill bli informerad om nya nyheter, nyheter och specialerbjudanden från Adaptrade Software, var vänlig och följ med i vår e-postlista. Tack. MR Swing är ett kvantitativt system som utnyttjar daglig medelåtervändning och svänghandel i olika marknadsregimer för att ge ökad absolut och risk. Bokrecension - Mean Reversion Trading Systems av Howard Bandy: meanreversiontradingsystemsMRTS20AnalysisWM. pdf). Bokrecension - Mean Reversion Trading Systems av Howard Bandy. Jag har följt din blogg ett tag. Men jag är nu förvånad för att du lovar arbetet hos någon som hävdar i sin bok att: (Min uppfattning är att längden på provperioden bör vara så kort som det är praktiskt. Det enda sättet att bestämma längden på i provperioden är att köra några test. Detta kallas data-snooping. Han hävdar också. Längden av urvalsperioden är: Så länge modellen och marknaden förblir synkroniserade och systemet är lönsamt . Det finns inget generellt förhållande mellan längden av urvalsperioden och längden av provperioden. Så vi väljer det urvalet så länge modellen och marknaden synkroniseras och Systemet fortsätter att vara lönsamt. I sin senaste bok diskuterade Howard Bandy vad han kallar söta stället för att utveckla vanliga återförsäljningssystem. 1 Tanken är att. Som läsare av min följeslagsbok, Modeling Trading System Perfor - mance, kommer jag att känna igen, jag rekommendera system som handlar ofta, håll under en kort period av. Bandy - Hur man builjar d ett effektivt handelssystem - Gratis nedladdning som Powerpoint Presentation (.ppt), PDF-fil (. pdf), textfil (.txt) eller visa presentationsglas på nätet. Mean reversion Mönster Säsongscykel Övriga 34. Mycket fint arbete. Jag undrar varför du stöder sådana saker. Vad måste du vinna. Eller kanske för att jag respekterar ditt arbete kanske du förbisedde detaljerna. Ämnet i handel är i detaljerna. Vilken tråkig värld som säger något trevligt om någons arbete ger e-postmeddelanden som frågar mig vad jag måste vinna. Granskningen fick mig ett bra tack noter från MR MR Swing är ett kvantitativt system som sysselsätter daglig medelåtervändning och swinghandel i olika marknadsregimer för att ge ökad absolut och risk. Bandy, som jag aldrig har träffat eller talat med tidigare. Medan han ser på vissa aspekter av testning annorlunda än jag, har jag inget intresse av att argumentera varje punkt som han gör i sin bok. För mig, om du kan ta värdefulla idéer och information från en bok, så är det värt. Den här är fylld med dem. Jag står vid min recension. Jag trodde att boken hade mycket bra info. Den backades upp av faktiska testresultat (en sällsynthet), och eftersom han tillhandahåller all kod kan handlare verifiera resultaten och enkelt utforska idéerna vidare på egen hand. De som har läst boken är välkomna att skicka kommentarer (positiva eller negativa) nedan. Du vet alla min åsikt. I stället för att känna sig ledsen kanske du borde vara glad att någon tog sig tid att påpeka dig de misstag i den boken som är av grundläggande natur, jag. kurva-anpassning, optimering, data snooping och allt det nonsens som gör att handlare förlorar pengar. Dont känna dig ledsen. Världen är inte ledsen när vi går mot verkligheten, vi borde bara förändra kursen. Tack. Jag fick Howards bok igår, och medan jag inte har klarat det ännu tror jag att data snooping kommentaren är lite överst. Howard varnar hela tiden om framtida läckor och fauxoptimeringstekniker. Kanske mati borde faktiskt köpa boken innan han slänger den på sin nivå. Jag kom över den här kommentaren och som någon som har alla fyra Bandys böcker, kände jag att jag skulle chime in på detta ämne. Dr Bandy är en stark förespråkare för goda systemutvecklingsmetoder och hans skrifter varnar tydligt om de verkliga farorna med kurvpassning. Den som har följt sin blogg eller läser sin bok i detalj kommer helt att förstå nyansen bakom hans uttalade synpunkter på provtagningsperioden som en person fann fel med. Dr Bandy har blivit min favorit författare om ämnet för kvantitativa handelsmetoder. Hur man bygger lönsamma genomsnittliga återförsäljningssystem Som en näringsidkare har de flesta av mina strategier fokuserat på filosofin om trendföljande. Men med tiden har jag insett att betydande återförsäljningssystem kan också vara lönsamma om de genomförs korrekt. Ibland kan de behöva vara lite längre och involvera vissa diskretionära element för att fungera bra. Faktum är att finansmarknaderna går i cykler. Ibland kommer de att trenden, och trenden efter strategierna kommer att fungera bäst, och vid andra tillfällen kommer de att sträcka sig och återgå till medelvärdet. Områdsbaserade marknader är faktiskt vanligare än trending marknader vilket innebär att omvända strategier oftast har högre vinnande procentandelar än trenden följer. Hur man bygger lönsamma genomsnittliga återvändandehandelssystem Det första steget i att bygga en framgångsrik medelåtervändningsstrategi är att först komma överens om vad som betyder en omvänd återgång. Trots att trendföljare letar efter trendiga marknader som fortsätter under långa perioder, letar återvändande handlare efter marknader som är ovanligt låga eller höga, vilket så småningom kommer tillbaka till sin normala nivå. Sålunda innebär det en omvänd marknad att leta efter marknader som har avvikit väsentligt från genomsnittet, vilket sannolikt kommer att återgå till genomsnittet vid någon tidpunkt i framtiden. Många typer av genomsnittliga reverseringsstrategier är därför beroende av tekniska indikatorer för att indikera när en marknad är borta från det genomsnittliga. Flyttande medelvärden, Bollinger Bands, RSI, MACD och andra oscillatorer kan alla användas på detta sätt. Idén om genomsnittlig reversering kan också tillämpas på grundval. Lagret rör sig i allmänhet i samband med intäkterna, så om ett företag8217s resultat kommer ut väsentligt över det senaste genomsnittet, är it8217 en bra insats för att intäkterna i nästa kvartal kommer att komma tillbaka ner i linje med det långsiktiga genomsnittet. It8217 är en liknande historia för ekonomiska koncept som inflation och ekonomisk tillväxt som ofta kommer att återgå till det långsiktiga genomsnittet över tiden. Steg 1 Leta efter mönster i data Det första steget att bygga ett genomsnittligt reversionshandelssystem är att skanna prisdiagram som letar efter idéer eller mönster som du kan dra nytta av. Om du handlar en viss marknad märker du något intressant beteende Får marknaden våren tillbaka när RSI berör en överlämnad nivå på 8217208217 Kommer marknaden vanligtvis tillbaka efter att it8217s flyttat 2 standardavvikelser i motsatt riktning Steg två Destillera i kod Nästa steg är att få din idé ner på papper i form av matematisk kod. Genom att göra det kan du använda ett handelsprogram som Amibroker för att testa den ideen på verkliga prisuppgifter. Du kan göra det för hand, men det skulle vara en mycket lång och ineffektiv användning av tiden. Steg tre Back-test koden noggrant För att testa koden korrekt måste you8217ll lära dig lite om korrekt systemdesign. I huvudsak vill du testa strategin så noggrant som möjligt på olika tidsramar och på olika marknader. Var noga med att hålla en stor bit av data som är reserverad för ur provprovning. Därefter gör du testningen på in-sample-data och bekräftar ditt system en gång med data utanför provet. Om det misslyckas med att använda data utanför provet är systemet inte tillräckligt robust och you8217ll måste börja om igen. Walk-forward-analys är något du bör ta tag i för att säkerställa att systemet kommer att hålla upp under olika marknadsförhållanden. Steg fyra Pappershandel systemet Om du går igenom stegen för korrekt systemdesign och du slutar med en genomsnittsbackstrategi som du tror är robust är it8217 viktigt att du inte rusar in på marknaden och börjar handla med det genast. Ta dig tid att validera på färsk live data först så att du kan vara säker på att strategin kommer att fungera. Eftersom i slutet av dagen är de enda sanna data som inte är tillgängliga för exemplet framtida data. När du har handlat systemet på papper ett tag och det fortfarande fungerar, kan du börja använda det med riktiga pengar. Steg Fem Granska systemet Om du har en lönsam och robust medelåtervändningsstrategi, ska den på samma sätt utföra dina tidigare backtest. Du kan använda denna information för att hålla koll på systemet och se till att det fungerar som det ska vara. Håll ett öga på systemets mätvärden, till exempel vinst-förlustförhållandet, förväntan eller utdelningsnivåerna. Om du upplever en drawdown som är signifikant större än någon du har upplevt i backtestläge, är det ett tecken på att systemet har brutit ner. Förresten kan du hitta mycket mer användbar information om handelssystem, inklusive de verktyg och böcker jag använder för att bygga dem på fliken Resurser. Överväganden för genomsnittliga återförsäljningssystem Ett av de stora problemen med genomsnittliga återförsäljningssystem är riskkontroll. En genomsnittlig återförsäljare ser en marknad som har sjunkit från genomsnittet så billigt är problemet att om marknaden fortsätter att sjunka blir den ännu billigare. Det lämpliga svaret från en genomsnittlig återförsäljare är därför att fortsätta att köpa marknaden när den faller. Detta går emot de flesta principerna för riskkontroll eftersom det inte är klokt att lägga till en förlorad position eller försöka fånga en fallande kniv. Svaret från genomsnittliga återvändandehandlare är att använda olika typer av utgångar till trendföljare. Tidsbaserade utgångar används ofta och vanliga återförsäljare har vanligtvis regler för att hindra dem från att lägga för många gånger till en redan förlorad handel. En annan viktig faktor är naturligtvis de data som8217 använde för att testa handelssystemet. Det är självklart att ett handelssystem bara är lika bra som de data som testas på så bra data kan du skapa ett bra system. Jag använder Norgate Premium Data som fungerar med ett antal olika plattformar. Du kan få en kostnadsfri prövning av tjänsten här. En annan viktig faktor för genomsnittliga återförsäljare är villkoret på marknaden. Som tidigare nämnts fungerar genomsnittliga reversionsstrategier bäst på intervallbundna marknader och överlag har marknaderna en tendens att vara intervallbunden runt 60-talet. Men betydande reversionssystem kan misslyckas spektakulärt under stora trender. Det är därför meningsfullt att ha en strategi för när marknaden inte sträcker sig. Till exempel kanske du vill driva en trendföljande strategi samt ett genomsnittligt reverseringssystem, eller du kan ha ett filter som hindrar dig från att gå in i genomsnittliga återförsäljare när marknaden trender. Den här boken av Dr Howard Bandy är bra för genomsnittliga återvändandehandlare. Jag kommer att säga att några av idéerna är ganska komplexa och övergripande är boken inriktad på Amibroker-användare. Ändå är it8217 ett bra komplement till biblioteket för seriösa handlare. Idéer för genomsnittliga återförsäljningssystem När marknadspriset är större än det övre Bollinger-bandet, sälja marknaden När marknadspriset är lägre än det lägre Bollingerbandet, köp marknaden När RSI är mindre än 20 köper marknaden när RSI är mer än 80, sälja marknaden När varukanalsindexet (CCI) är över 120, sälja marknaden När råvarukanalindex (CCI) är mindre än -120, köp marknaden När marknaden är 10 högre än 50 EMA, sälja marknaden marknaden När marknaden är 10 lägre än 50 EMA, köp marknaden När VIX är 20 högre än it8217s tvåårsmedel köper marknaden När 5 års EPS-lager faller 20 under genomsnittet köper du ett lager Ett exempel från Kursen Betydande reverseringsstrategier tenderar att fungera bättre på kortare tidsramar och är därför idealiska för swinghandlare. I min bok och kurs täcker jag mer än 30 handelssystem. både genomsnittlig reversion och trend efterföljande. Den här är utformad med en mycket enkel formel som mäter lutningen mellan två senaste punkter på ett 24-tal exponentiellt glidande medelvärde (EMA). Amibrokerformeln för indikatorn är följande: GRA (gradient) - molekylen mäter därför EMA-kurvens brantahet. En köpposition anges när GRA sjunker under 0,98 eftersom detta indikerar ett betydligt överlåtet tillstånd. När GRA går tillbaka över 1.02 är positionen stängd. Jag testade systemet på dagliga data om SampP 500-lager mellan 2000 och 2010 och fick en sammansatt årlig avkastning på 16,73. med en maximal uppdelning av -47 och 59 vinnare förhållandet. Här är aktiekurvan: Se fler inlägg som denna. Hur man bygger ett Nifty positionellt handelssystem på under 3 minuter med Amibroker Amibroker AFL Collection. Lär Amibroker med TradingMarkets: Granska 20 Basic Amibroker Köp Argument Skriva AFL för Amibroker Testing. RSI 2 Trading Strategy 8 Amibroker Rotational Trading Idéer Intradag Trading Systems med slutet av dagen Data: Pivot Points Study Det är därför Forex Trading är inte lätt (enkla handelssystem debunked) Hur man granskar 038 Förbättra ett handelssystem Ett enkelt handelssystem gör 170 ett år Var att bli historisk aktiemarknadsdata för Amibroker JB Marwood