Mean återgång handels system bandy pdf

Jag är nästan färdig med Howard Bandys nya bok, MeanReversion Trading Systems Praktiska metoder för att svänga handel medan jag sällan granskar böcker här på kvantifierbara kanter, står det här verkligen upp och förtjänar lite uppmärksamhet. Hur går det igenom varje steg i systemen - Byggprocessen Han granskar flera olika oscillatorer Han granskar inmatningsutgångstekniker Han diskuterar riskkontrollen Och dessutom ger han kod för allt han täcker i boken. Det är 50 för boken, vilket är en löjligt låg pris. Det finns handelskurser Det kostar tusentals dollar som inte ger så mycket bra information som Howard s Mean Reversion Trading Systems. All kodning görs i Amibroker, som tyvärr jag inte använder. Men eftersom han listar allt ut, använder de andra program som Jag kan översätta det till Tradestation, R, eller vad som helst. Och här är sparkaren för alla som använder Amibroker Howard har faktiskt satt upp en webbsida där bokköpare ca N ladda ner koden utan extra kostnad. Jag lovar Howard om hans ansträngningar. Om du har intresse av att utveckla dina egna handelssystem, är den här boken en underbar resurs som jag rekommenderar starkt. 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 av provperioden är Att köra några test. Detta kallas data-snooping. Längden av urvalet är så länge som modellen och marknaden förblir synkroniserade och systemet är lönsamt. Det finns ingen allmän relation mellan längden på ut - provperioden och längden på provperioden. SÅ väljer vi det externa urvalet så länge modellen och marknaden synkroniseras och systemet är lönsamt. Mycket trevligt arbete Jag undrar varför du stöder sådana Saker Vad måste du vinna Eller kanske för att jag respekterar Ditt arbete kanske du förbises detaljerna Ämnet i handel är i detaljerna. Vad en sorglig värld när man säger något trevligt om någons annat arbete ger e-postmeddelanden frågar mig vad jag måste vinna. Granskningen fick mig en bra tack från Mr Bandy, som jag aldrig har träffat eller talat med tidigare. Även om 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 , Då är det värt det här är fyllt med dem. Jag står vid min recension Jag trodde att boken hade massor av bra info Det var säkerhetskopierat av faktiska testresultat en sällsynthet, och eftersom han tillhandahåller all kod kan handlare verifiera resultaten Och enkelt utforska idéerna på egen hand. De som har läst boken är välkomna att skicka kommentarer positiva eller negativa nedan. Du vet alla mina åsikter. Istället för att du känner dig ledsen kanske du borde vara glad att någon tog sig tid att peka på att Du misstagen i den bo Okej som är av grundläggande karaktär, dvs kurvpassning, optimering, datautbildning och allt det nonsens som gör att handlare tappar pengar. Don t känna sig ledsen. Världen är inte ledsen när vi går mot verkligheten. Vi borde bara förändra kursen. Tack. Jag fick Howard S bok igår, och medan jag inte har avslutat det än, tror jag att data snooping kommentaren är lite överst. Howard varnar hela tiden om framtida läckor och fauxoptimeringsteknik. Måttligen borde mati faktiskt köpa boken innan han slänger den på sin nivå. Jag kom över den här kommentaren och som någon som har alla fyra av Band Bandy s böcker kände jag att jag skulle chime in på det här ämnet. Bandy är en stark förespråkare för goda systemutvecklingsmetoder och hans skrifter varnar klart om kurvets verkliga faror - fitting Den som har följt sin blogg eller läser sin bok i detalj kommer helt att förstå nyansen bakom hans uttalade syn på in-sample utanför provperioden som en person fann fel med. Bandy har blivit min favori Te författare om ämnet för kvantitativa handelsmetoder. I den här bloggen kommer jag att undersöka marknadsåtgärder och kvantifiera mina resultat. Med hjälp av känslor, bredd, pris och volymindikatorer - både standard och anpassad - kommer jag att försöka hitta korta kanter som kan vara Utnyttjas av marknadsaktörer Jag kommer ofta att lägga till synpunkter på dessa studier och kan ibland lägga upp åsikter utan kvantifierbar forskning bakom dem. Kvantifierbara kanter Guide till Fed Days Ebook Version 25.Alla innehåll på denna sida är endast för informationsändamål Det är INTE En rekommendation eller råd för att köpa eller sälja värdepapper Jag kan inneha positioner för mig själv eller kunder i de värdepapper eller branscher som nämns här Det finns en mycket hög grad av risk för handel med värdepapper Din användning av information på denna sida är helt egen Risk. Rob Hanna Jag har handlat professionellt sedan 2001 Från januari 2003 till februari 2007 mina två veckor kolumn Rob Hanna s sätter det alla Toge Där framkom jag att jag har genomfört kvantitativ forskning och utformar handelssystem - mest fokuserat på kortsiktiga kanter sedan 2004. Se min fullständiga profil. Sweet Spot för Mean Reversion ETF Strategies. by Michael R Bryant. I sin senaste bok diskuterade Howard Bandy Vad han kallar det söta stället för att utveckla genomsnittliga återförsäljningssystem 1 Tanken är att rätt kombination av stånglängd, innehavsperiod, systemnoggrannhet och andra variabler tenderar att maximera riskjusterade avkastningar 2 Denna artikel visar hur betydande reversionshandelsstrategier som Ligga i den söta platsen kan utvecklas för ETFs med börshandlade medel. Använda Adaptrade Builder ett strategiskt utvecklingsverktyg för Windows, jag ska visa hur stresstestmetoder med Monte Carlo-analys kan användas som en del av utvecklingsprocessen för att hitta robusta Genomsnittliga omvändningsstrategier för SP 500 SPY ETF och SPDR ETFs projektfiler för byggsektorn, som innehåller strategikoden, tillhandahålls Ed för varje exempel. Landande i den söta platsen. Den grundläggande idén bakom Dr Bandy s sötpunkt är att bra handelsstrategier bör använda en kort stångstorlek och ha en ganska hög noggrannhet med en kort hållbarhetstid och låg drawdown Den korta stångstorleken och Kort hållbarhet maximerar möjligheterna till sammansatt avkastning, medan den höga noggrannheten och låga nackdelar gör det lättare att återhämta sig från förluster. De senare kvaliteterna gör det också lättare att fastställa strategins lönsamhet och att bestämma när det inte längre fungerar eftersom typiska förlorande strimmor För system med hög noggrannhet tenderar att vara relativt kort. Baserat på Dr Bandy s riktlinjer, kommer följande egenskaper att användas i den här artikeln för att definiera de optimala kraven för genomsnittliga återvändande ETF strategier. Daily bars 20 - 30 trades per år. Minst 65 Vinnande trades. Average barer i branschen mellan 1 och 4.By genomsnittlig återföring, jag refererar till strategier som försöker köpa under det nuvarande genomsnittspriset och sälja till ett högre pris Som priset återgår till medelvärdet Tanken är att köpa låga och sälja höga, i motsats till trend-efterföljande system, som vanligtvis försöker köpa höga och sälja högre. Uppbyggnad med Monte Carlo Analys. I min senaste nyhetsartikel diskuterade jag Användning av stresstestning vid utvärdering av handelsstrategier och dess relation till robusthet och strategisk övermontering. 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 . Stresstest avser 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 dess ingångsparametervärden och till andra Förändringar i dess miljö, såsom förändringar i prisdata. Monte Carlo-analys är tekniken som används för att utvärdera effekten av dessa förändringar. Strategins insatser, prisdata och andra faktorer springer Domly förändras och strategins prestanda utvärderas Genom att upprepa denna process många gånger erhålls en fördelning av resultaten. Resultaten från de ursprungliga uppgifterna representerar en punkt på fördelningen. Andra punkter på fördelningen representerar resultaten från att använda lite förändrade versioner av Ursprungliga data, vilket kan ge resultat som är mer eller mindre gynnsamma än de ursprungliga uppgifterna. De så kallade Monte Carlo-resultaten är värdena för prestationsåtgärderna nettoresultat, procentvinster, vinstfaktor etc som inte är värre än en majoritet som vanligtvis , 95 av utvärderingarna Om till exempel Monte Carlos nettovinst med 95 förtroende är 15 000, innebär det att 95 av utvärderingarna hade en nettovinst på minst lika mycket som 15 000 Med andra ord finns det 95 chans att nettoresultatet Vara minst 15 000, eller omvänt, det är 5 chans att nettoresultatet blir mindre än 15 000. När en handelsstrategi utvecklas iterativt över successiva generationsändringar en D-testet bygger byggandet utifrån Monte Carlo-resultaten en tendens till 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 hjälp av Monte Carlo-resultat av stress Test. Det första exemplet är SPDR SP 500-indexet ETF-symbol SPY Dagliga staplar från 1 4 1999 till 4 23 2013 användes. Datumintervallet för byggandet sattes till 1 4 1999 till 1 2 2011, med de första 80 1 4 1999 - 8 10 2008 används för att bygga, dvs i prov och resterande data 8 11 2008 - 1 2 2011 används för provning utanför provet Återstående data 1 3 2011 - 4 23 2013 avsattes för validering All data erhölls från TradeStation 9. Strategi logiken 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 Befolkning av strategier över s Uccessive generations 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 Fig 1.Figur 1 Byggnadsmetoderna i Builder definierar den söta platsen för SPY-strategin. Listan över Build Målen innehåller tre generella mått, vilka alla maximeras. Dessa hjälper vägleda befolkningen till strategier mot de som har en hög nettovinst, korrelationskoefficient och statistisk signifikans som är önskvärda för en strategi. De specifika kvaliteterna vi söker Dvs den söta punkten definieras av byggvillkoren, som inkluderar ojämlikhetsförhållandena för antalet branscher, medelstänger i branschen och procentdelen av vinster. Notera att villkoret för antalet branscher är inställt på ett intervall baserat på Antal år av in-sample data och målet att ha mellan 20 och 30 branscher per år Observera också att andelen vinnande affärer är inställd på ett intervall mellan 65 och 85 Den övre gränsen tillsattes eftersom strategier med en ovanligt hög procentandel av vinnande affärer generellt inte kommer att uppfylla något annat villkor. Att straffa sådana strategier hjälper till att driva befolkningen mot strategier som uppfyller alla förhållanden, i motsats till strategier som oproportionerligt uppfyller ett villkor för uteslutning Av andra Samma logik användes för att ställa in ett intervall för vinstfaktorn. Övriga förhållanden - korrelationskoefficient, statistisk signifikans, vinstfaktor och Kellyfraktion - ingår inte i våra specifika krav, men har lagts till för att förbättra de övergripande resultaten Stresstestning och Monte Carlo-inställningarna som användes för det här exemplet valdes på skärmbilden Byggalternativ, som visas nedan i figur 2.Figur 2 Monte Carlo-analysen och stresstestalternativen väljs på fliken Byggalternativ. Som visas i figuren, 99 Monte Carlo iterationer användes för varje analys. Det innebär att 99 stresstester utfördes utöver utvärderingen av Ursprungliga data De 100 dataseten analyserades med hjälp av Monte Carlo-analysen för att extrahera resultaten vid 95-förtroende, där de användes för att utvärdera de förhållanden som visas i Fig. 1 Stresstesten bestod av att randomisera priserna, randomisera strateginsignalerna och randomisera startfältet Alla tre randomiseringar gjordes 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 tagit haft stressstest och Monte Carlo-analys inte varit Används Av den anledningen användes en relativt liten befolkning på only100 medlemmar för att hålla lösningen tidskrävande. Befolkningen utvecklades under 10 generationer och ett alternativ skulle börja om efter 10 generationer om nettoresultatet i utkanten - provperioden var negativ. Aktiekurva-diagrammet från toppstrategin i befolkningen efter 20 generationer 1 återuppbyggnad visas nedan i figur 3.Figur 3 Equity Kurvor för varje stresstest för den slutgiltiga SPY-strategin. Varje kurva i Fig 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 resultat vid 95 förtroende motsvarande Fig 3.Total Net Profit. Average Bars i Trades. Aside från antalet affärer, vilket är färre än vad man efterfrågat, uppfyller strategin de ursprungliga kraven Strategin passerar också valideringstestet När slutdatumet Förlängs till 4 23 2013, ökar den totala nettovinsten i Monte Carlo till 67 015. Strategilogiken uppfyller också kravet på en genomsnittlig reverseringsstrategi. Den går in i en gränsvärde och utgångar med hjälp av ett indikatorvillkor. Gränsvärdet innebär att marknaden måste komma ner Till gränsen pris, så strategin är att köpa lågt och sälja efter att marknaden går tillbaka. Det är viktigt att komma ihåg att dessa är Monte Carlo-resultat på 95 förtroende, vilket innebär att till exempel, 95 av stresstestutvärderingarna hade en total nettovinst på minst lika stor som 56 784 Om stresstestningen är avstängd och strategin utvärderas på de ursprungliga uppgifterna är aktiekurvan som visas nedan i figur 4.Figur 4 Equitykurva för Den slutliga SPY-strategin på de ursprungliga uppgifterna. Denna egenkapitalkurva motsvarar en nettovinst på 109 497, vilket motsvarar en årlig avkastning på 5 5. Medan det bara är en blygsam avkastning slår det lätt om köp och återköp av cirka 1 8 under samma period och uppnås utan hävstångseffekt och med en stadigt ökande kapitalkurva under en period som inkluderar två björnmarknader. A Select Sector SPDR Exempel Det andra exemplet handlar om att bygga en strategi över en portfölj av ETF som består av Select Sector SPDR Dessa ETF delar upp SP 500-indexet i nio sektorer så att varje aktie i SP 500 placeras i en av de nio sektorerna utan överlappning. De nio sektorerna är konsumentdiskretionär symbol XLY, Consumer Staples XLP , Energy XLE, Financial XLF, Hälsovård XLV, Industrial XLI, Material XLB, Technology XLK och Utilities XLU. Most av samma inställningar användes för att bygga denna strategi som i det senaste exemplet Men eftersom nio gånger så mycket prisdata var Som användes i byggnaden minskade antalet Monte Carlo iterationer från 99 till 5. De andra byggalternativen var desamma som i Fig 2 med undantag för ombyggnadsalternativet som inte kom i spel. 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 överinvesteringar. Undersökningsperioden för denna byggnad var 1 4 1999 till 5 28 2009 Med 5 29 2009 till 1 2 2012 som exemplarperiod och 1 3 2012 till 4 23 2013 avsatt för validering Aktiekurva-diagrammet från en av de översta strategierna i befolkningen efter 10 generationer, inga ombyggnader visas nedan i Fig 5.Figur 5 Equitykurvor för ea Ch stresstest för den slutliga Select Sector SPDR-portföljstrategin. Varje kapitalkurva i Fig 5 representerar portföljens eget kapital som genereras från back-test på alla nio marknader samtidigt för en uppsättning stresstestinställningar eller de ursprungliga uppgifterna. En del sammanfattande Monte Carlo-resultat visas Under. Total nettovinst. Under det föregående exemplet är resultaten inte väsentligt annorlunda när Monte Carlo-analysen är avstängd och resultaten utvärderas över de ursprungliga uppgifterna. I det här fallet ökar den totala nettovinsten till 205 140. Denna strategi passerar också Valideringstest Aktiekurvan för strategin över de ursprungliga uppgifterna är endast ingen stressprovning, där valideringstiden ingår, visas nedan i figur 6.Figur 6 Equitykurva för den slutliga Select Sector SPDR-portföljstrategin på de ursprungliga data. This Aktiekurvan motsvarar en nettovinst på 249 431, vilket motsvarar en årlig avkastning på 9 5 med en sämstfallshastighet på 21 som i föregående exempel Strategilogik går in i en begränsningsordning De flesta av utgångarna är via en målutgång, med andra verksamheter som slutar baserat på ett indikatorförhållande eller på ett skyddande stopp. Ladda ner medelåtervända projektfiler. Högerklicka, Spara mål som fil kräver Adaptrade Builder att öppna. Av licenshänsyn innehåller projektfiler inte prisdata. Den så kallade söta fläcken för handelsstrategier som rekommenderas av Dr Bandy verkar ge effektiva förutsättningar för att bygga upp betydande återföring av 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-strategierna. Båda strategierna slog köp och håll och höll sig bra ihop Valideringstestet. För båda exemplen användes stresstestning med Monte Carlo-analys för att öka chanserna att hitta robusta strategier. Jämfört med portföljexemplet var stresstestresultaten för den enskilda marknaden SPY-strategin betydligt mer konservativ mindre gynnsam än resultaten Från de ursprungliga uppgifterna Även om något av det kan bero på den strängare stresstestningen jämfört med portföljexemplet, föreslår det t Hatten 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, även om det beror på 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 Olika prisdata Det byggdes över nio gånger så mycket data och har ungefär nio gånger så många affärer. Den högre prestandan i portföljstrategin kan spegla den positiva effekten av diversifiering över de nio olika sektorerna i SPDR. Även om ingen strategi uppfyllde kravet För antalet branscher kan det vara möjligt att hitta strategier som uppfyller alla krav om en större befolkning används eller mer Stränga ombyggnadskrav är anställda, 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 Av byggnadsförhållandena är en som utnyttjar marknadens potential fullt ut samtidigt som den fortfarande är realistisk med en uppsättning användbara byggnadsförhållanden, såsom de som tillhandahålls av Dr Bandy, med inbyggda robusthetsfunktioner, såsom stresstestning och Monte Carlo-analys, i ett automatiserat verktyg Som Builder bör tillhandahålla en solid ram för att utveckla effektiva handelsstrategier. Bandy, Howard B Mean Reversion Trading Systems Blue Owl Press, Inc Sioux Falls, SD, 2013, s. 138.Bandy, Howard B Modeling Trading System Prestanda Blue Owl Press, Inc Sioux Falls, SD, 2011, s. 154. Denna artikel uppträdde i april 2013-numret av Adaptrade Software-nyhetsbrevet. SP 500- och Select Sector SPDR är varumärken som tillhör The McGraw-Hill Companies, Inc. HYPOTETISKA ELLER SIMULERADE RESULTATRESULTAT HAR VISSA BEGRÄNSNINGAR TILL NÅGOT FAKTISKT RESULTATREKORD, SIMULERADE RESULTAT FÖRSÄKRAR INTE SÄRSKILDA HANDEL SOM HANDLINGARNA INTE FAKTISKT UTFÖRS. , RESULTATEN KAN FÖRSÖKAS ELLER ÖVERKOMMÄNDERAS FÖR IMPACTEN, OM NÅGON AV SÄRSKILDA MARKNADSFAKTORER, SOM SÅ TILLGÄNDER OM LIKVIDITETSIMULERADE HANDELSPROGRAM I ALLMÄNNA ÄR ÄVEN FAKTISKT ATT DE DESIGNERAS MED FÖRDELNINGEN AV HINDSIGHT NO REPRESENTATION SKA GÖR ATT NÅGON KONTO VIL ELLER ÄR LIKELIGT ATT FÖRVÄNDA RESULTAT ELLER TABELL SOM LIKNAR TILL DESS VISNING. Om du vill bli informerad om nya nyheter, nyheter och specialerbjudanden från Adaptrade Software, var vänlig och följ med i vår e-postlista Tack. En läsare Skickade mig några handelsregler som han fick från ett nyhetsbrev från Nick Radge. Han ville veta om dessa regler verkligen gjorde såväl som publicerade i nyhetsbrevet. De verkade för enkla att producera Ce så bra resultat Strategin som presenterades var lång och kort och gick på margin men han ville veta hur det gjorde det långa först eftersom han inte kortade Efter att ha kontaktat Nick Radge hos The Chartist jag bekräftade med honom var det OK att publicera dessa regler. The Original Rules. Tested från 1 1 1995 till 5 31 2014 Max 20 positioner till 10 av eget kapital varje Detta innebär att strategin kan vara 200 investerad Sällan fick man 200 investerat enligt Nick Radge. Stäng större än 100 dagars glidande medelvärde. Stäng mindre än det 5-dagars glidande genomsnittet.3 lägre nedgångar Inte lägre stänger, jag gjorde detta misstag första gången jag skrev koden. Medlem av Russell 1000.Sätt en order för begränsnings köp för nästa dag om priset sjunker ytterligare 5 gånger 10-dagars genomsnittliga true range. Close är större än föregående dag s close. Sell på nästa öppningar på Rules. No fancy regler är här Det är standard genomsnittlig reversion strategi Ibland kommer strategin att producera mer signaler än det finns öppna spår För att handla detta måste man titta på Marknaderna under dagen och ta signalerna när de händer Det är inte realistiskt för de flesta eftersom de inte är fulltidshandlare som sitter framför sina datorer. Man kan automatisera detta, men det är inte en enkel uppgift. Du kan ha tagit paus Vid den mycket enkla avslutningsregeln på en närliggande Regler ger tillbaka minnen medan jag arbetade för Connors Research Den första gången jag hörde om denna regel och testades trodde jag att det inte finns något sätt att denna regel skulle fungera. Jag tänkte att det skulle förstöra ett helt bra Strategi Jag var flabbergastad att den fungerade och gav bra resultat Det är därför jag säger att man bör testa idéer innan man slänger ut dem. Du vet aldrig vad som ska fungera. De testade reglerna. Jag gjorde följande ändringar i originalreglerna. Testade från 1 1 2004 Till 6 30 2014. Tillåta maximalt 10 positioner vid 10 vardera Ingen marginal. Tillfogade en likviditetsregler för 21 dagars glidande medelvärde av dollarvolymer större än 10 miljoner. Priset som handel är större än 1. När det finns fler signaler än öppna Positioner, Kod skulle slumpmässigt välja vilka lager att komma in jag körde 500 körningar för varje test. Russell 1000 resultat. Den genomsnittliga CAR av de 500 Monte Carlo-körningarna är 22 35 med en Max DD på 21 02 Överraskande bra resultat från sådana enkla regler. Standardavvikelsen För CAR och MDD är mycket mindre än förväntat. SP 500 resultat. Resultaten är inte så bra som att använda Russell 1000 men fortfarande bra. Sannolikt på grund av det mindre universum som leder till lägre exponering. Russell 3000 Results. Having ett större universum ger Oss mer exponering som ger högre CAR. Om du är intresserad av ett kalkylblad med data som används för att generera dessa tabeller, ange din information nedan och jag kommer att skicka en länk till kalkylbladet. Kalkylbladet innehåller hela Monte Carlo-kördata I Kalkylblad är detaljer om hur man får den AmiBroker-koden som jag använde för detta inlägg. Fina tankar. Vad jag tycker om denna strategi är hur enkelt det är, men producerar bra resultat. Endast 3 uppsättning regler En riktigt enkel exitregel som Man skulle tro att det inte skulle fungera Det största problemet med strategin är att de flesta inte kan handla med det eftersom det kräver att de står framför marknaden hela dagen. I ett framtida inlägg kommer vi att se på förändringar reglerna för att göra det mer omsättningsbart för Genomsnittlig person. Added den 8 15 2014 I kommenteringen tråd nedan frågade ett par personer resultaten jag hade en forskare vän min kod upp reglerna som anges på detta inlägg Hans resultat matchade mina exakt Detta ger mig fullständigt förtroende för att resultaten Är korrekta. God Quant Trading. Fyll i gratis kalkylblad. Cesar Alvarez - 12 augusti 2014 Svar. Det finns 10 5 år i testet med 252 barer per år som ger 2646 barer i testet inte 2375 Medelhållet är 3 58 Barer men man måste förstå hur AmiBroker beräknar antalet barer som hålls för en position. Om jag går in i en position idag och öppnar morgonen på öppet sätt beräknar AmiBroker att det är 2 bar. I verkligheten är det bara 1 bar tid Man borde sub En av Gem Bards Held som AmiBroker prövar. Om vi ​​tar 7183 affärer 10 positioner 3 58-1 barer 2646 totala stavar i test 100 70 som ligger mycket nära exponeringen i AmiBroker-rapporten av 69 67 Med dessa beräkningar är allt bra På grund av dina problem dubbelkodde jag min kod för att försäkra mig om att jag inte gick in i mer än 10 positioner eller med marginal. Jag är alltid medveten om att jag kan och jag gör misstag. Efter att ha kontrollerat min kod ser jag inga problem. Lämna ett svar. Det är faktiskt mer komplicerat än det, och exponeringsberäkningen är fel eftersom du gör ett system med endast larm och du måste bara titta i perioder då villkoren är uppfyllda. Med tanke på att systemet förmodligen håller många fler positioner än 10 på En viss tid Observera att de flesta återförsäljare beräknar CAR baserat på start - och initialkapital och inte redovisar marginaler. Det enda sättet att lösa detta är att du ska lämna en fullständig rapport om handeln här, så att alla kan vara övertygade om att Du är nej T använder marginal i dina CAR-beräkningar Jag trodde att detta var vad som inkluderades i kalkylbladet men jag hittade bara en länk där för att köpa Amibroker-koden för 50 Om det här systemet var en sann vinnare, är det inte meningsfullt att sälja det till 50, det här Är vad teorin om rationellt beteende säger. Jag är inte övertygad alls om att dina resultat är korrekta eller att din kod är korrekt. Det enda sättet för dig att övertyga mig är att tillhandahålla fullständiga resultat eller kod så att dina läsare kan reproducera dem. Ett svar. Cesar Alvarez - 14 augusti 2014 Reply. Here är koden som hindrar mig från att ha mer än 100 investerat. Här är koden som begränsar mig till att inte ha mer än 10 positioner eller har mer än 100 investerat. Om inte AmiBroker, har plötsligt Brutna, bör dessa linjer hindra mig från att ha mer än 100 invested. posqty 10 pctPerPosition 100 posqty SetOption MarginRequirement, 100 SetPositionSize pctPerPosition, spsPercentOfEquity. If du fortfarande tror att koden är fel, föreslår jag att du kodar upp t Han strategi och skicka dina resultat Jag har gett dig de fullständiga reglerna Jag gömmer ingenting Det kan fortfarande finnas ett fel i koden som jag inte hittat, men nu lämnar jag det till dig att koda och skicka resultat som strider mot mina resultat . Lämna ett svar. Jag försöker bara att höra men det går inte att vända om bevisbörden. Vilken version av AMI använder du. Försök lägga till detta. Jag kommer att upprepa igen att den höga avkastningen borde ha omedelbart utlöst en röd flagga Någon som har mer än 3 månaders backtesting erfarenhet vet detta. Lämna ett svar. Cesar Alvarez - 15 augusti 2014 Svar. Jag gör det här. Det här är den här koden. SetOption MaxOpenPositions, posqty. Leave a reply. Cesar Alvarez - 15 augusti 2014 Svara. På grund av dina fortsatta bekymmer och att jag vill se till att koden är korrekt som jag har sagt innan det är möjligt att jag har en bugg som jag inte har hittat, frågade jag en tjänst från någon jag vet vem som är en professionell forskare Med mycket starka AmiBroker färdigheter, att programmera Strategi som reglerna i detta inlägg När jag arbetade för Connors Research var sättet vi verifierade en strategi att ge de engelska reglerna som i det här inlägget till en annan undersökning för att koda. Vi jämförde sedan resultaten. Forskarens resultat för denna strategi matchade Min identisk Vid denna tidpunkt anser jag att strategin verifierats och korrigeras Om du inte vill säga att reglerna som anges i inlägget är fel. Varja ett svar. Jag skulle vilja ha en kopia av kalkylbladet. Skicka ett svar. Även så långt Som reglerna går Är det nära under 5 dag MA att hända först och sedan 3 nedre nedgångar efter det Or kan de 3 nedre nedgångarna börja över MA och då stängs under 5 dag MA på 3: e dagen. Lämna ett svar. Cesar Alvarez - 12 augusti 2014 Svar. För att få en kopia av kalkylbladet Fyll i formuläret längst ner på posten. På installationsdagen har stängningen varit under MA5 och den dagen är minst den Tredje dagen i rad med 3 lägre nedgångar. Ge ett svar. I stället för att handla individuella stoc Ks, hur skulle dina resultat vara annorlunda för handel med ETF SPY, antingen Lång, Kort eller Pengar MKT, och bara på EOD Tack för att du delar ditt arbete Hälsningar, Jim. Lämna ett svar. Cesar Alvarez - 13 augusti 2014 Svar. En skulle Måste göra stora förändringar i strategin på grund av brist på handel, exponeringen skulle vara mycket låg och därmed låg CAGR. Lämna ett svar. Tack Cesar Det var min misstanke också att det skulle finnas väldigt få trades om man handlade SPY Finns det en favoritstrategi för din, eller att du rekommenderar för handel SPY på EOD, bara tack. Ge ett svar. Cesar Alvarez - 14 augusti 2014 Svar. Jag för närvarande inte handlar SPYs jag undersöker ett möjligt SPY alternativ handel Strategi Men det är i de tidiga stadierna av utredningen. Lämna ett svar. Hej, vilket AFL-uttalande använder du för att begränsa öppna positioner till 10 Som någon redan påpekat ser det ut att du tar system över 10 positioner och överstiger det egna kapitalet jag minns AFL Har befogenhet att begränsa öppningen av nya positioner Till 10 men jag minns inte det att ha en att begränsa nya positioner baserat på redan öppna. Som redan noterat är CAGR orealistiskt och detta beror möjligen på överskattning. Lämna ett svar. Cesar Alvarez - 14 augusti 2014 Svar. Som jag har Påpekade att jag tror att koden är korrekt. Inte att säga att det fortfarande kunde vara fel. Jag har kontrollerat det flera gånger. Varför tycker du att koden är fel? Här är koden som begränsar mig till att inte ha mer än 10 positioner eller mer Än 100 investerat Om inte AmiBroker plötsligt har brutits, bör dessa linjer hindra mig från att ha mer än 100 invested. posqty 10 pctPerPosition 100 posqty SetOption MarginRequirement, 100 SetPositionSize pctPerPosition, spsPercentOfEquity. Leave a reply. Cesar Alvarez - 15 augusti 2014 Reply. One Mer kodlinje SetOption MaxOpenPositions, posqty. Leave a reply. Thanks för den fantastiska, intressanta webbplatsbloggen. Med vad gäller utgången till detta system är Stäng större än föregående dag s nära, hur avslutar du om det här stämmer Jon förekommer aldrig egentligen Det är, utgången kräver ett nära pris som är högre än föregående dag s nära pris, så vad händer om priset bara fortsatte att falla, som ett exempel skulle du inte hålla det hela vägen eller om priset höll oscillerande i en Sträcka sig så att detta villkor aldrig kom i uppfyllelse. Aktien kan hållas för evigt. Vad jag saknar. Ge ett svar. Cesar Alvarez - 15 augusti 2014 Svar. I teorin kunde stocken stängas varje dag tills det slår noll. Testning detta har aldrig hänt Om priset oscillerar, då kommer vi att gå ut för att för att oscillera stocken måste stänga upp och då skulle vi komma ut Jag håller med dig det är en konstig exit. Lämna ett svar. Cesar, vad skulle vara Den inverse versionen av denna strategi, dvs vad är ingångarna om du vill handla kort. Lämna ett svar. Cesar Alvarez - 15 augusti 2014 Svar. Först har jag inte testat den korta versionen av detta. Var nära MA5.Buy change Trigger är Föregående stäng 5 ATR10 . Sälja förändring Sälj på första ner nära. Lämna ett svar. Jag frågade en tjänst från någon jag vet vem som är en professionell forskare med mycket starka AmiBroker färdigheter, för att programmera strategin som de regler som anges i denna post. Jag tycker det är intressant Att denna person kunde programmera den här strategin, generera resultaten och testa dem på mindre än en halv dag. Ursprungligen när du gav reglerna var det alternativ jag gav dig inte med. Det här gav du. Posqty 10 pctPerPosition 100 posqty SetOption MarginRequirement , 100 SetPositionSize pctPerPosition, spsPercentOfEquity. And den här jag föreslog. was not included. Ditt inlägg som detta måste inkluderas har en tidsstämpel minst 3 timmar efter mitt inlägg. Jag ser inte en anledning att släppa ut det i första hand eftersom det handlar om Med exakt de uppkomna frågorna. Därför är det enkelt att bevisa att dina resultat är korrekta, att posta en excel-fil av Amibroker-handeln för handel för det första fallet med Russell 1000. Jag tror inte att du borde ha en Y invändningar mot det Då kommer problemet att lösas på något sätt Du kan ha något här men oddsen är emot dig och du har eventuellt antingen optimerat systemet för att passa tidigare data eller har en bugg som överstiger CAGR Om detta system fungerade och faktiskt producerar En CAGR som högt ger ingen mening att sälja koden för 50 Vänligen säg inte att du är en bra samaritan och du vill göra dina bloggbesökare rika för en 50-ner. Skicka ett svar. Cesar Alvarez - 16 augusti, 2014 Svar. Anledningen till utelämnandet är att jag saknade den ena koden när jag kopierade över det jag ville visa. Eftersom du har fått någon att koda den kan du själv verifiera om resultaten är korrekta eller inte. Såvitt jag Är orolig, dessa resultat är korrekta som jag sa att jag hade en annan person kodar dem och får exakt samma resultat jag uppskattar att du tar upp dina bekymmer att koden var fel men jag har bevisat mig själv det finns inga problem jag bara spenderar Mer tid och energi på detta ämne , Om någon ger bevis på att resultaten är fel. Ge ett svar. Denna strategi är i själva verket en intradagstrategi, inte interdag. Du kanske har många lager som uppfyller kriterierna på en given dag. I verkligheten skulle du dock bara köpa dessa aktier, Det kommer att gå ner tidigare med EOD-data du inte vet, vilken du kommer att köpa. Det är därför du behöver använda MonteCarlo. Antag att 5 lager uppfyller kriterierna och går ner med minst 5 procent efter några dagar 4 av dem vänder på googlager och man går längre ner dåligt lager MonteCarlo förutsätter att fördelningen av sannolikhet är likformig Andra ord, du kommer att köpa bra lager i 4 fall och dåliga i 1 fall. Och vad om dåligt lager nästan alltid går ner Snabbare det bra lager Det betyder att fördelningen av sannolikhet inte är enhetlig Och testresultaten är inte tillförlitliga Min fråga är varför skulle du kunna anta att det första lagret som kommer att gå ner är ett bra lager Hur vet du att beståndet Det kommer att gran St gå ner för att begränsa på en given dag är inte dåligt lager Jag ställer frågan, för att jag skapat liknande medel för omvänd strategi, men den här frågan bekymrar mig. Lämna ett svar. Cesar Alvarez - 16 augusti 2014 Svar. Jag gjorde en Monte Carlo simulering på dessa resultat Vi vet inte vilka lager som utlöses först Du är korrekt att vi inte vet om dåliga lager tenderar att utlösa först eller inte, så distributionen är inte enhetlig. Informationen och analysen på denna sida tillhandahålls för informationsändamål only Nothing herein should be interpreted as personalized investment advice Under no circumstances does this information represent a recommendation to buy, sell or hold any security None of the information on this site is guaranteed to be correct, and anything written here should be subject to independent verification You, and you alone, are solely responsible for any investment decisions you make The ideas and strategies should never be used without first assessing your own personal and financi al situation, or without consulting a financial professional I may hold positions for myself or clients in the securities or industries mentioned here There is a very high degree of risk involved in trading securities Your use of any information on this site is entirely at your own risk My thoughts and opinions will also change from time to time as I learn and accumulate more knowledge. Efter att ha arbetat med Cesar gick min handelsprestation från oförutsägbar och knappt lönsam till konsekvent lönsam. Jag har inget sätt att professionellt förvalta pengar idag, det var inte för Cesar Alvarez professionella råd och hjälp. - Mark Angil, RBD Adaptive, LLC. Jag har känt Cesar i 8 år och han är min första och främsta go-to-resurs för finansmarknadsundersökningar, kvantifierad strategiutveckling och kodning. Rob Davenport - LCA Capital, LLC. Eventually, I realized that the majority of the models they presented were engineered by Cesar His work is enlightening, informative and very easy to understand, and that is very refreshing to see in the Quant world.