几乎每个交易者, 还有一个, 所有消费问题: 你如何建立一个有利可图的策略?
自然, 就会直接潜入统计和开始无往不利. 但, 在我们深入之前更深入地力学 — —,相信我还有很多 — — 我想谈一谈有关哲学和, 事实上, 规则 》 背后一个好的策略.
与需要会嘎吱嘎吱的所有数字, 它无疑是很重要要你为构建战略的想法的粗略草图. 只与那粗糙的剪影在手可以你然后进入实际构建一个声音的蓝图, 可行的战略.
还有不完美的交易策略
在这样说, 让我们得到一些完全清楚和的出路: 你第一次的交易规则是要明白,是不完美的策略. 但不要让这阻止你制作最好的交易策略可能. 有一些步骤你甚至开始起草你战略之前需要.
如果你希望有一天能够衡量的市场你需要先找到你的哲学起点. 这就是真理的一个永恒,你必须首先拥抱接受.
以前你潜入练习, 在公式数据和, 当然, 这笔钱, 你需要一个参考点. 和参考点是这: 市场有心跳. 这意味着没有一刀切的战略,能够预测市场的每一次. 这是因为市场不是静态的; 它不断流动和不断更改规则.
许多, 很多时候我见过交易员尝试优化他们的战略占每个可以想像的情况. 接下来你知道的, 他们不只是失去了方向,但他们已经失去了一捆. 我已经说过了, 没有单一的战略工程所有的时间. 从而, 建设一个成功的战略要求你预测市场在某些非常特定的点. 此外, 你需要认识到"死区"的战略不是预测, 和做一点,不准参与.
坚持规则
你对产生一个可行的交易策略的第二个规则是要明确机械的交战规则. 就是说, 清除时你打开贸易和当您关闭贸易条件. 你需要坚持这一规则, 无论发生什么. 如果你允许任何余地你真正改变的机制, 从而使它无法衡量.
让我们说你第一次的行动规则 》 看起来像这样: 当 120 天 EMA 十字架 60 上面的 EMA, 你买. 这次, 虽然, 你似乎的对你的交易是仍然看跌. 你决定,你不会,毕竟打开贸易.
虽然在这种情况是正确的称呼, 你已经干扰了规则. 因此得到的结果不是一种策略的副产品. 代替, 他们是你判断调用的结果. 当一个交易者干扰接战规则时他们消除能力来评估其有效性. 那为什么是一场悲剧?
因为这意味着你永远不会知道,你真的错了. 如果你从来没有从错误中学习你会总是让他们. 这是最危险的, 甚至致命, 陷阱, 和一个被烧数千名交易员与所谓的"好战略"。所以, 如果你想确保你的策略是成功 (并不只是随机成功), 遵守规则.
四个阶段的测试
所以现在,我们已经建立的哲学是干正事的时间. 你是如何测试是否或不是你的策略是值得推行的? 测试过程构成了四个不同阶段:
- 样品测试
- 优化
- 出的样品测试
- 前测试 (即. 模拟交易)
样品测试
当你想到测试策略本能地会想到什么? 回溯测试, 或基于历史数据的测试您的策略. 但是,尽管背测试是测试的更重要的部分之一, 它也可能会创建一些误解.
例如, 如果你要测试你对整个数据集的策略,, 你怎么会知道它的表现如何,当市场条件发生变化? 要解决此问题专业人员使用所谓的样品在样品.
你是如何执行的测试是相对简单. 历史数据分为两个部分, 在- 样品和出的样品. 在示例表示关于 2/3 而出的样品帐户,其余的测试周期 1/3. 你可以看到它是如何演绎在下图中.
在示例将您的策略以初步测试, 第一次干运行, 如果您将. 如果您的策略不好的样品测试, 这意味着你可能必须抛弃这一战略并回到制图板.
然而, 如果在样品测试显示返回上升曲线,是个好消息! 它意味着你有事要处理. 现在正是时候要拧紧螺钉, 就像一个机械师, 和在世界的交易意味着优化您的策略.
优化您的交易策略
现在, 优化策略或许是雕刻出一项战略的最数学密集型部分. 即使数学基础不是你的长处, 它是足够重要,不能忽视. 有三种方法,我们可以使用: 关联, 收益率分布和曲线拟合. 让我们看看如何,我们会把它们用.
当然, 作为我们将使用最简单的交易策略,交易者用来骑的案例研究的一个趋势是移动平均线交叉. 移动平均线交叉作品是这样: 如果快速移动平均线 (短时间) 上面缓慢移动平均 (长时间) 这是一个买入信号.
反过来, 如果快速移动平均线低于缓慢移动平均,那就是卖出信号. 现在, 比方说,我们决定打开但只有一个位置,是否满足某些参数. 问题是你如何能知道是否这些参数是, 事实上, 是最优的? 很好, 这是在哪里我们的统计方法将派上用场.
关联, 收益率分布和曲线拟合
第一种方法是相关. 实质上, 你切换到一组不同的参数,更好地相互关联到市场. 让我详细解释一下; 说你第一次的测试或审判了 120 长时间平均为天和 30 短的平均天数 (或 120, 30). 然后你测试更多的选择, 让我们说 120, 14 然后 60, 30 天.
接下来你比较每个数据集的相关性. 越近 ř2 相关系数是对 1, 更好. 这意味着这一战略是更好地预测市场. 如果你得到的 R 值是接近 -1?
很好, 很好, 太, 在它自己的方式. 这意味着你应该卖而不是购买, 因为市场是朝着相反的方向. (当然, 它是很难得到马十字架 -1 相关反正。)
现在, 如果你接近一个值 0 那不是很好. 那信号是你的策略和市场没有或只有很少的相关性. 如果你有第一回测试及相关的积极成果是 0 然后现实是你的成功是随机和不指示.
正如你可以看到从三个选项, 我们的第一选择是最相关的市场. 这表明,我们选择了在此特定情况下的参数优化.
收益率分布
之后,我们检查,看看哪种策略更好相关的市场上还有另一个方面来考虑. 让我们说一组参数更好地与相关市场因此它是更大的成功. 另一组的参数是不一样,相关但成功执行的贸易收益更多平均每笔交易.
正如在上面的图表看到, 我们可以看到,这就使成为一个有趣的洞察力. 我们初步的参数 (120, 30) 有更好的收益分布, 每笔交易的意义回报是稳定而不是波动. 这样才有意义,因为它对市场有较高的相关性, 我们所做的第一次试验所示.
现在, 我们得到一个有趣的结果, 和你很可能会遇到的那个. 我们的第一个参数作出更加恒定回报因为市场的相关性较高. 然而, 平均每笔交易回报率低于第二组号码 (120,14).
这是颇令人费解. 你将如何确定的呢, 然后, 哪一种策略是更好? 是它更好但不断挣得少每笔交易或赚得多,每笔交易,但不是经常?
要回答这个问题我们必须搬到我们最后的主食,在优化. 那是比较时使用的两个参数创建的曲线,看看哪一个工作对我们有好处, 即. 恒定的小收益或不变的更大的收益.
比较曲线
当我们覆盖曲线我们得到我们的答复: 第一组参数 (120,30) 仍然是可取的. 而在开始时有差的结果, 第二个选项的高波动意味着您的结果是更多的随机.
随机性最终将导致不能有效地预测市场战略. 然而, 如果第二组号码的回报率是极大的优势则在波动返回 可能 值得冒险.
但在这种情况下, 该 120, 30 证明了在结束了优异回报率, 补偿我们以较低的风险和在市场上被更预测. 所以, 现在,我们已经完成了我们的初步优化我们准备测试我们与出的样品测试阶段的策略.
外样品的测试
通过运行样品出战略后其他测试你会获得宝贵的见解,对于如何您的策略应对不同的市场条件比最初被认为是.
现在我们需要检查每个结果. 有两种不同策略 (A 和 B) 那与这两个中进行了测试。- 和出的样品. 如你看到的, A 战略已取得相当成功的样本 (2/3) 但是一旦对整个数据集检查它表现相当差.
相反, 好在两个零件中做了战略 B- 和出的样品, 你已经得到东西可行的意思. 从而, 有是一个更大的机会,你的策略是每个交易者想要什么 — — 赚钱.
毕业论文交易
祝贺! 如果你已经达到这个水平你已经成功地产生的回报. 现在是时候尝试您的交易策略与实时数据. 我们尚未与实际金钱交易,但它是最接近, 应该给你一个好的主意,至于如何好你的策略将现场表演.
你可能会发现你不在第一次通知的故障. 或也许可以用另一个指标改善的入口或出口的每笔交易. 有些的东西你只可能会发现交易时去生活. 后一些适当的取样, 类似的出的样本长度和 — — 瞧 — — 你已制作了一种交易策略.
肖恩 · 放在一起免费, 6-一步清单 帮助建立自己的交易商自动交易系统. 它是同一个,他用于 QB Pro. 如果你感觉充满从哪里开始您自己的策略, 然后那自由的讲义是逻辑的地方开始.
爱资哈尔 说
我还没有这个概念的理解是尚未
肖恩·奥弗顿 说
嗨爱资哈尔,
哪部分是不清楚?
–肖恩
尼科斯 说
非常好,很有帮助的文章
肖恩·奥弗顿 说
谢谢, 尼科斯!
David V 说
很好的文章. 有人尝试设计自动化的交易策略非常有用. 我读过许多文章,对交易和很少找到一个如此短暂和清晰,涵盖了如此多.
哇! 我书签这一.
肖恩·奥弗顿 说
谢谢, David. 这是一个最好的评论,我曾经在我的博客!
罗布 说
相关部分尚不清楚. 未标示的 y 轴和 x 轴的值, 和 R² 的计算是缺席.
你能详细谈谈那一点吗?
肖恩·奥弗顿 说
嘿,罗布,
我得 Lior 权衡. 谢谢你的问题.
Lior 衣柜 说
嗨,罗布,
谢谢你的问题. 相关措施是大量王位市场移动 vs 特定信号的战略收益. 因此,如果市场移动 10 点子和你移动的策略 10 如果您的策略不会有增益会 1.相关的点子, 为说 8 本来有相关小于 1. 如果市场移动 10 点子,但你失去的策略 10 将相关的点子 -1. 在本质上它的措施如何好你的策略预测是怎么回事,接下来发生.
Brandon 说
I’m guessing the correlation graphs are statistical linear regression where the X axis would be 100% 胜 (independent variable) and the Y axis would be the strategy I’m testing (dependent variable)? https://onlinecourses.science.psu.edu/stat501/node/250
Are the data points cumulative? The graphs seem to suggest that they are.
Are the data points sampled over a given time frame (ie once per week/month/etc)?
Why is the R2 correlation better than a simple win/loss ratio?
肖恩·奥弗顿 说
I couldn’t get that link to work, but the graphs are the correlations of the moving average pairs compared to the underlying market.
If you look closely at the x-axis, you’ll notice that it’s over several thousand bars, which is years of data.
Correlations are better than win:loss because win:loss can often result from a purely random signal. Getting a 90% correlation is not a coincidence, 但 1,000 coin tosses can come out profitable. There are even rare instances where it’s wildly profitable. You want to know how reliable the profit actually was.
Brandon Miller 说
I think that makes sense. I’ve been toying with my backtest class and I added what I call a perfect balance. This is calculated by looking at the candles between trade start and trade close. Wherever the highest (or lowest) price falls is used to calculate the perfect balance. So this would ideally be the perfect strategy (胜利 100% of the time using only what the market gives it.)
My idea is to compare the perfect balance with the actual strategy balance performance using linear regression and r squared correlations.
That sound right or am I way off?
肖恩·奥弗顿 说
It’s very right. I’ve done machine learning along those lines trading at random frequencies. If you know the optimal entry and exits for a given frequency, the goal is to then find predictors to match those exits. Whether or not you use linear regression depends on the distribution of the variables, but that’s usually the tool of choice.
Brandon Miller 说
Fantastic! Always a learning experience. Now if I could go back in time and redo my system in python instead of php I would be in good shape 😀
感谢肖恩. I appreciate your work.
Denis 说
可惜的是,您的网站不是法语
肖恩·奥弗顿 说
对不起.
迈克 说
You guys are kidding yourselves. Technical analysis is junk science.
肖恩·奥弗顿 说
I don’t understand the comment. This article isn’t about technical analysis. It’s about measuring the results of your predictions and then acting accordingly. What exactly is the objection? You don’t think mathematical observation works?
Based on your comment, you may enjoy this video: The RSI Doesn’t Work.
mujahid 说
eurusd open don
肖恩·奥弗顿 说
什么?
Anderegg 说
For me this is not clear: How do you do the division between In-sample and out sample? What data you take for that? Or do you simply say that a strategy should be successful for 2/3 的时间? Thanks for an explanation.
肖恩·奥弗顿 说
Hi Ean,
There are several methods, though these are the 2 最常见的:
1) Divide the data in half. The first half is in-sample. The second is out-of-sample.
2) Divide the data into 6-12 month chunks. Optimize in one chunk, then test in the next chunk. Re-optimize, then test in the next chunk.
The second method is only appropriate if your strategy is sensitive to parameter settings. Most of the stuff I do is very simple, which leads me to use the first method 99% 的时间.
–肖恩
Noble 说
which is your best robot for begners ?
肖恩·奥弗顿 说
Hi Noble,
It’s not quite that simple. I suggest you read through my beginner’s trading article to get my advice for new traders.
–肖恩
Daniel 说
肖恩喜,
Have you heard of the Algorithmic Traders Association? Do you think it’s a valid organization in the sense of giving quality training or qualification?
Just wanted your opinion on this as algo trading is a still new subject and doesn’t seem to have specific training on this.
This might be even an area where you could expand to. Provide broad training on all concepts of algo trading.
肖恩·奥弗顿 说
嗨 Daniel,
I’ve never heard of the organization. I’d be leery of organizations issuing credentials, 虽然. Algo trading is insanely difficult. You really need to develop math and science skills if you want to do it well. Your time would be better spent exposed to physcial science subjects rather than market specific. You’ll get better ideas from other disciplines.
–肖恩
Stef 说
Your correlation charts, are these created automatically by Tradestation, or can this be done in Excel?
How would you go about creating these – do you have the code, or steps?
肖恩·奥弗顿 说
It’s a very broad subject, but the short answer is that it’s not something that trading platforms support. You’ll need to use 3rd party software to build correlation charts.
I usually use R, which is not beginner friendly but very powerful. Excel would be quite a bit easier. Plot your x-y data, then calculate a linear regression of the sorted data. You can use CORREL to build the graphs.