Sistema de comércio complexo 18 (SlingShot 30M) Enviado por usuário em 31 de maio de 2011 - 07:00. Enviado por Charlie Johnson Eu queria compartilhar algo com você e esperava que você pudesse postá-lo de alguma forma, eu adoraria receber algum feed de volta sobre ele. Primeiro, a entrada é articulada em um vídeo do youtube chamado sling shot comercial postado pelo usuário forexautoscalper. Este é um vídeo de tiro e espero que você vai vê-lo Por favor. Esta é a entrada para a estratégia. Esse cara diz isso muito mais claro do que eu poderia possivelmente em um e-mail. Duração: 30 min Indicadores: nenhum Pares de moedas: sugerido - EUR / USD, GBP / USD, USD / CHF, USD / JPY Horário de negociação: 7:00 am GMT às 20:00 GMT No entanto, Como o 4 e os 8 gráficos no metatrader. Então é isso que eu uso. Em seguida, nesses quadros de tempo eu uso a média móvel simples de 20 e 62 ea configuração padrão de Macd 12-26-9 Todo o comércio de sling shot é tomado com as médias móveis, exceto claro que há convergência em mcad e preço. Em seguida, geralmente irá levá-lo através de médias móveis e mudar a tendência por um tempo. Ou pelo menos fazer um retracement considerável. E mais sobre este ponto é. Disque para baixo para o período de tempo de 15 minutos quando o tiro sling ou convergência está acontecendo no gráfico de 4 ou 8 horas. Isso ajuda a apertar as paradas até geralmente 30 pips. Eu também assistir os pontos altos e baixos da semana, se o tiro estilingue acontece nestes momentos, parece que é uma inversão para a semana e pode ser tomada para o que seria a média semanal de médias (que eu não sei como determinar por A maneira) eu costumo chamá-lo cerca de 2,5-3 pontos de base completa, ou em termos de pips 250-300. Então, eu adoraria ouvir de você e outros, tanto quanto tentar martelar ths em um sistema mecânico sólido que eu poderia usar, bem como outros. O tiro sling parece ser nada mais do que uma inversão gancho, como costumávamos chamá-lo no comércio de grãos. Mas parece ser confiável em callin perto altos e baixos na semana. Ou pontos de pivô no mercado. Obrigado Ed. Também espero que você pode obter o que estou dizendo aqui e postar isso para as pessoas a olhar e responder. Você tem um site muito legal para as pessoas para ajudar e compartilhar lá eu reeally como ele. O deus abençoa-o muito e frequentemente. Charlie Johnson Estratégias de Forex Forex trading não pode ser consistentemente rentável sem aderir a alguma estratégia de Forex. É preciso tempo e esforço para construir sua própria estratégia de negociação ou para adaptar um existente para suas necessidades comerciais e estilo. O que é uma estratégia de negociação Mais frequentemente, uma estratégia de negociação é um conjunto de regras de entrada e saída. Que um comerciante pode usar para abrir e fechar posições no mercado de câmbio. Essas regras podem ser muito simples ou muito complexas. Estratégias simples geralmente requerem apenas poucas confirmações, enquanto estratégias avançadas podem exigir múltiplas confirmações e sinais de diferentes fontes. Além disso, uma estratégia de negociação pode conter algumas regras de gerenciamento de dinheiro ou diretrizes. Algumas estratégias (por exemplo Martingale) podem ser centradas estritamente em torno de técnicas de dimensionamento de posição. Além das regras de entrada / saída e diretrizes opcionais de gerenciamento de dinheiro, as estratégias são muitas vezes caracterizadas pela lista de ferramentas de negociação necessárias para empregar a estratégia dada. Essas ferramentas são geralmente gráficos, indicadores técnicos ou fundamentais, alguns dados de mercado ou qualquer outra coisa que pode ser usado na negociação. Ao escolher uma estratégia, você precisa entender, qual das ferramentas necessárias você tem na posse. É importante escolher uma estratégia ou sistema que seja fácil de seguir com sua programação de negociação diária e que possa ser aplicado com sucesso com o tamanho do saldo da sua conta. Estratégias de Forex Mecânicas vs. Discrecionais que são negociadas com base em regras matemáticas rigorosas, sem condições ambíguas e nenhuma decisão comercial importante a ser feita pelo comerciante são chamados mecânicos. Um bom exemplo de um sistema mecânico é uma estratégia cruzada de média móvel, em que os períodos de MA são dados e as posições são inseridas e saídas exatamente no ponto de cruzamento. Ao trabalhar com estratégia de negociação mecânica, é fácil backtest um e determinar a sua rentabilidade. Você também pode automatizar tal sistema via MetaTrader consultores especializados ou qualquer outro software comercial. A desvantagem habitual de tais estratégias é a sua falta de flexibilidade antes das mudanças fundamentais no comportamento do mercado. Estratégias mecânicas são uma boa opção para comerciantes experientes em automação de negociação e backtesting. As estratégias que mantêm alguma incerteza e não podem ser facilmente formalizadas em regras matemáticas são chamadas discricionárias. Essas estratégias podem ser testadas apenas manualmente. Eles também são propensos a erros emocionais e vários preconceitos psicológicos. No lado positivo, a negociação discricionária é muito flexível e permite que os comerciantes experientes para evitar perdas em situação de mercado difícil, oferecendo uma oportunidade de estender o lucro quando os comerciantes consideram viável. Novos comerciantes de moeda deve provavelmente ficar longe de negociação discricionária, ou pelo menos tentar minimizar a extensão de sua discrição na negociação. Estratégias Neste repositório de estratégia de Forex, você encontrará várias estratégias que são divididas em três categorias principais: Indicador Indicador Estratégias de Forex são tais estratégias de negociação que são baseadas nos indicadores de gráfico Forex padrão e pode ser usado por qualquer pessoa que tenha um acesso a alguns gráficos (Por exemplo, plataforma MetaTrader). Estas estratégias de FX são recomendadas para os comerciantes que preferem indicadores de análise técnica sobre tudo o resto: Preço Ação Preço da ação estratégias de Forex são as estratégias de troca de moeda que não usam qualquer gráfico ou indicadores fundamentais, mas em vez disso são baseados puramente na ação de preço. Estas estratégias caberão ambos os comerciantes a curto prazo ea longo prazo, que não gostam do atraso dos indicadores padrão e preferem escutar como o mercado está falando. Vários padrões de velas, ondas, estratégias baseadas em carrapatos, grade e sistemas de posição pendentes todos eles se enquadram nesta categoria: Fundamental Fundamental Estratégias Forex são estratégias baseadas em fatores puramente fundamentais que estão por trás das moedas compradas e vendidas. Vários indicadores fundamentais, como taxas de juros e estatísticas macroeconômicas, afetam o comportamento do mercado Forex. Estas estratégias são bastante populares e irá beneficiar os comerciantes de longo prazo que preferem análise de dados fundamentais sobre fatores técnicos: Testando sua estratégia de Forex É muito importante para testar sua estratégia de negociação antes de ir ao vivo com ele. Existem duas maneiras de testar sua estratégia de negociação potencial: backtesting e testes diretos. Backtesting Backtesting é um tipo de teste de estratégia realizado nos dados passados. Pode ser automatizado ou manual. Para backtesting automatizado, um software especial deve ser codificado. O teste automatizado é mais preciso, mas requer um sistema de negociação totalmente mecânico para testar. O teste manual é lento e pode ser bastante impreciso, mas não requer programação extra e pode ser feito sem qualquer processo especial de preparação. Qualquer backtesting resultados devem ser tomadas com um grão de sal como a estratégia testada pode ter sido criado para caber backetsting particular dados históricos. Teste direto O teste direto é realizado em uma conta de demonstração ou em uma conta muito pequena (micro) ao vivo. Durante esses testes, você troca normalmente com sua estratégia como se estivesse negociando sua conta real. Como com o backtesting, o teste direto também pode ser automatizado. Neste caso, você precisaria criar um robô de negociação ou conselheiro especialista para executar seu sistema. Claro, com estratégia discricionária, você está limitado apenas a testes manuais. Os resultados dos testes diretos são considerados mais úteis e representativos do que os dos backtests. Interpretando os resultados No entanto, você decide testar sua estratégia, você precisa entender os resultados que você começa. Intuitivamente, você gostaria de julgar os resultados de acordo com a rentabilidade da estratégia s, mas você não deve esquecer outros parâmetros importantes de estratégias de negociação bem sucedidas. São: tamanhos baixos do drawdown, períodos curtos do drawdown, probabilidade elevada de ganhar, relações de recompensa-a-risco médias elevadas e grande número de comércios. Idealmente, seu sistema deve ganhar igualmente bem em negociações de alta e de baixa, a curva de equilíbrio resultante deve ser consistente e uniforme, sem quedas significativas ou longos períodos planos. Se você estiver usando o MetaTrader para testar backtesting ou forward, você pode usar nossa ferramenta de análise de relatório para entender melhor os lados fortes e fracos de sua estratégia. Leitura adicional Se você quiser precisar de informações sobre estratégias de Forex ou precisa de alguns exemplos adicionais de estratégias de trabalho, você está convidado a navegar na nossa seção e-books sobre estratégias para aprender de e-books totalmente gratuitos para download. Você também pode optar por ler alguns artigos de nossa seção de construção de estratégia para melhorar seu conhecimento do assunto. Se você quiser compartilhar sua estratégia de negociação Forex com outros comerciantes, ou quer fazer algumas perguntas sobre as estratégias apresentadas aqui, por favor, junte-se a uma discussão das estratégias de Forex no fórum. Como ganhar com sistemas mecânicos de negociação Muita tinta tem sido dedicada a identificar as causas de falhas de sistemas mecânicos de negociação, especialmente após o fato. Embora possa parecer oxymoronic (ou, para alguns comerciantes, simplesmente moronic), a principal razão por que estes sistemas de negociação não é porque eles dependem muito da natureza hands-free, fogo e esquecer de negociação mecânica. Os próprios algoritmos não têm a supervisão e intervenção humanas objetivas necessárias para ajudar os sistemas a evoluir em sintonia com as mudanças nas condições do mercado. Falha de sistemas de negociação mecânica ou falha de comerciante Em vez de lamentar uma falha no sistema de negociação, é mais construtivo considerar as maneiras pelas quais os comerciantes podem ter o melhor de ambos os mundos: ou seja, os comerciantes podem desfrutar dos benefícios do algoritmo gerenciado de negociação mecânica Tais como execuções automáticas rápidas e decisões de negociação sem emoção, enquanto ainda alavancando sua capacidade humana inata para o pensamento objetivo sobre o fracasso e o sucesso. O elemento mais importante de qualquer comerciante é a capacidade humana de evoluir. Os comerciantes podem mudar e adaptar seus sistemas de negociação para continuar ganhando antes que as perdas se tornem financeiramente ou emocionalmente devastadoras. Escolha o tipo certo e quantidade de dados de mercado para testar Os comerciantes bem sucedidos usam um sistema de regras repetitivas para colher ganhos de ineficiências de curto prazo no mercado. Para os pequenos comerciantes independentes no mundo das negociações de valores mobiliários e derivativos, onde os spreads são finos e a concorrência feroz, as melhores oportunidades de ganhos advêm da detecção de ineficiências de mercado com base em dados simples e fáceis de quantificar. possível. Quando um comerciante desenvolve e opera sistemas de negociação mecânica com base em dados históricos, ele ou ela está esperando para ganhos futuros com base na idéia de que as ineficiências do mercado atual continuará. Se um comerciante escolhe o conjunto de dados errado ou usa os parâmetros errados para qualificar os dados, oportunidades preciosas podem ser perdidas. Ao mesmo tempo, uma vez que a ineficiência detectada em dados históricos não existe mais, então o sistema de negociação falha. As razões pelas quais desapareceu não são importantes para o comerciante mecânico. Apenas os resultados são importantes. Escolha os conjuntos de dados mais pertinentes ao escolher o conjunto de dados a partir do qual criar e testar sistemas de negociação mecânica. E, a fim de testar uma amostra suficientemente grande para confirmar se uma regra de negociação funciona de forma consistente em uma ampla gama de condições de mercado, um comerciante deve usar o maior período prático de dados de teste. Por isso, parece apropriado construir sistemas de negociação mecânicos com base tanto no conjunto de dados históricos mais longos possíveis quanto no conjunto mais simples de parâmetros de projeto. A robustez é geralmente considerada a capacidade de suportar muitos tipos de condições de mercado. A robustez deve ser inerente a qualquer sistema testado em um longo intervalo de tempo de dados históricos e regras simples. Testes prolongados e regras básicas devem refletir a maior variedade de condições de mercado no futuro. Todos os sistemas de negociação mecânica acabarão por falhar porque os dados históricos obviamente não contêm todos os eventos futuros. Qualquer sistema construído sobre dados históricos acabará por encontrar condições ahistóricas. Insight humano e intervenção impede estratégias automatizadas de correr fora dos trilhos. As pessoas no Knight Capital sabem algo sobre snafus negociação ao vivo. A simplicidade ganha pela sua adaptabilidade Os sistemas de comércio mecânico bem-sucedidos são como organismos vivos e respiratórios. Os estratos geológicos do mundo estão cheios de fósseis de organismos que, embora adequados idealmente para o sucesso a curto prazo durante os seus próprios períodos históricos, eram demasiado especializados para a sobrevivência ea adaptação a longo prazo. Os sistemas de negociação mecânicos algorítmicos simples com orientação humana são os melhores porque podem sofrer rápida e fácil evolução e adaptação às condições em mudança no ambiente (leia o mercado). Regras comerciais simples reduzem o potencial impacto do viés de mineração de dados. O viés da mineração de dados é problemático porque pode exagerar o quão bem uma regra histórica se aplicará em condições futuras, especialmente quando os sistemas de negociação mecânica estão focados em prazos curtos. Sistemas de negociação mecânicos simples e robustos não devem ser afetados pelos prazos usados para fins de teste. O número de pontos de teste encontrados dentro de um dado intervalo de dados históricos ainda deve ser grande o suficiente para provar ou refutar a validade das regras comerciais que estão sendo testadas. Dito de forma diferente, sistemas de negociação mecânicos simples e robustos superam o viés de mineração de dados. Se um comerciante usa um sistema com parâmetros de projeto simples, como o sistema QuantBar. E os testa usando o período de tempo histórico mais longo possível, então as únicas outras tarefas importantes serão aderir à disciplina de negociar o sistema e monitorar seus resultados no futuro. A observação possibilita a evolução. Por outro lado, os comerciantes que usam sistemas de negociação mecânicos construídos a partir de um conjunto complexo de múltiplos parâmetros correm o risco de pré-evoluir seus sistemas em extinção precoce. Construir um sistema robusto que aproveite o melhor da negociação mecânica, sem cair presa de seus pontos fracos É importante não confundir a robustez dos sistemas de negociação mecânica com a sua adaptabilidade. Sistemas desenvolvidos com base em uma infinidade de parâmetros levaram a ganhar negócios durante os períodos históricos e mesmo durante os períodos observados atuais são muitas vezes descritos como robusto. Isso não é uma garantia de que esses sistemas podem ser ajustados com êxito uma vez que tenham sido comércio passado seu período de lua de mel. Esse é um período de negociação inicial durante o qual as condições coincidem com um determinado período histórico em que o sistema foi baseado. Sistemas de negociação mecânicos simples são facilmente adaptados a novas condições, mesmo quando as causas de mudança de mercado permanecem obscuras e sistemas complexos ficam aquém. Quando as condições de mercado mudam, como fazem continuamente, os sistemas de negociação que são mais prováveis continuar a ganhar são aqueles que são simples e mais facilmente adaptável a novas condições um sistema verdadeiramente robusto é aquele que tem longevidade acima de tudo. Os sistemas de negociação mecânicos algorítmicos simples com orientação humana são os melhores porque podem sofrer rápida e fácil evolução e adaptação às condições em mudança no ambiente (leia o mercado). Infelizmente, após experimentar um período inicial de ganhos ao usar sistemas de negociação mecânicos excessivamente complexos, muitos comerciantes caem na armadilha de tentar ajustar esses sistemas de volta ao sucesso. O mercado é desconhecido, mas em mudança, as condições podem já condenado a toda espécie de sistemas de comércio mecânico à extinção. Mais uma vez, a simplicidade ea adaptabilidade às condições de mudança oferecem a melhor esperança para a sobrevivência de qualquer sistema comercial. Use uma medida objetiva para distinguir entre sucesso e fracasso A queda mais comum de um comerciante é um apego psicológico ao seu sistema comercial. Quando as falhas do sistema de negociação ocorrem, geralmente é porque os comerciantes adotaram um ponto de vista subjetivo ao invés de objetivo, especialmente no que diz respeito a stop-loss durante determinados ofícios. A natureza humana muitas vezes leva um comerciante a desenvolver um apego emocional a um determinado sistema, especialmente quando o comerciante tem investido uma quantidade significativa de tempo e dinheiro em sistemas de negociação mecânica com muitas peças complexas que são difíceis de entender. No entanto, é extremamente importante para um comerciante para fora do sistema, a fim de considerá-lo objetivamente. Em alguns casos, o comerciante torna-se delirante sobre o sucesso esperado de um sistema, até mesmo ao ponto de continuar a negociar um sistema obviamente perdedor muito mais tempo do que uma análise subjetiva teria permitido. Ou, depois de um período de gordura ganha, um comerciante pode se casar com um sistema anteriormente vencedor, mesmo quando sua beleza desaparece sob a pressão de perdas. Pior, um profissional pode cair na armadilha de escolher seletivamente os períodos de teste ou parâmetros estatísticos para um sistema já em perigo, a fim de manter a esperança falsa para o valor contínuo do sistema. Um critério objetivo, como o uso de métodos de desvio padrão para avaliar a probabilidade de falha atual, é o único método vencedor para determinar se os sistemas de negociação mecânica realmente falharam. Através de um olho objetivo, é fácil para um comerciante rapidamente detectar falha ou falha potencial em sistemas de negociação mecânica, e um sistema simples pode ser rápida e facilmente adaptado para criar um sistema recém-vencedor mais uma vez. A falha dos sistemas mecânicos de negociação é muitas vezes quantificada com base numa comparação das perdas correntes quando comparadas com as perdas ou abatimentos históricos. Tal análise pode levar a uma conclusão subjetiva e incorreta. O drawdown máximo é usado frequentemente como a métrica do limite pelo qual um comerciante abandonará um sistema. Sem considerar a forma pela qual o sistema atingiu esse nível de levantamento, ou o período de tempo necessário para atingir esse nível, um comerciante não deve concluir que o sistema é um perdedor com base na retirada sozinho. De fato, o melhor método para evitar descartar um sistema vencedor é usar um padrão de medição objetivo para determinar a distribuição atual ou recente dos retornos do sistema obtido durante a negociação. Compare essa medida com a distribuição histórica de retornos calculada a partir de back-testing, ao mesmo tempo que atribui um valor limiar fixo de acordo com a certeza de que a atual perda de distribuição de sistemas de negociação mecânica está além das perdas normais a serem esperadas e deve portanto ser Descartado como falhou. Assim, por exemplo, presumir que um comerciante ignora o nível atual drawdown que sinalizou um problema e desencadeou sua investigação. Em vez disso, compare a atual série de perdas com as perdas históricas que teriam ocorrido durante a negociação desse sistema durante períodos históricos de teste. Dependendo de como conservador é um comerciante, ele ou ela pode descobrir que a perda atual ou recente está além, digamos, o nível de certeza 95 implícito por dois desvios padrão do nível de perda histórica normal. Isso certamente seria um forte sinal estatístico de que o sistema está funcionando mal e, portanto, falhou. Em contraste, um operador diferente com maior apetite para o risco pode decidir objetivamente que três desvios padrão da norma (isto é, 99,7) é o nível de certeza apropriado para julgar um sistema de negociação como falhado. O fator mais importante para qualquer sucesso de sistemas de negociação, seja manual ou mecânica, é sempre a capacidade de tomada de decisão humana. O valor de bons sistemas de negociação mecânica é que, como todas as boas máquinas, eles minimizam as fraquezas humanas e capacitam realizações muito além das atingíveis através de métodos manuais. No entanto, quando devidamente construído, eles ainda permitem um controle firme de acordo com o juízo do comerciante e permitir que ele ou ela orientar clara de obstáculos e falhas potenciais. Embora um comerciante possa usar a matemática na forma de um cálculo estatístico da distribuição padrão para avaliar se uma perda é normal e aceitável de acordo com registros históricos, ele ou ela ainda está confiando no julgamento humano em vez de fazer puramente mecânico, decisões baseadas em matemática Baseado em algoritmos sozinho. Os comerciantes podem desfrutar o melhor dos dois mundos. O poder dos algoritmos e da negociação mecânica minimiza os efeitos da emoção humana e atraso na colocação e execução da ordem, especialmente no que diz respeito à manutenção da disciplina stop-loss. Ele ainda usa a avaliação objetiva do desvio padrão, a fim de manter o controle humano sobre o sistema de comércio. Estar preparado para a mudança, e estar preparado para mudar o sistema de comércio Junto com a objetividade para detectar quando os sistemas de negociação mecânica mudar de vencedores em perdedores, um comerciante também deve ter a disciplina e previsão para evoluir e mudar os sistemas para que possam continuar a ganhar Durante novas condições de mercado. Em qualquer ambiente cheio de mudanças, quanto mais simples o sistema, mais rápida e fácil será sua evolução. Se uma estratégia complexa falhar, pode ser mais fácil de substituir do que modificá-lo, enquanto alguns dos sistemas mais simples e mais intuitiva, como o sistema QuantBar. São relativamente fáceis de modificar no momento para se adaptarem às condições de mercado futuras. Em resumo, pode-se dizer que os sistemas de negociação mecânicos devidamente construídos devem ser simples e adaptáveis e testados de acordo com o tipo e quantidade de dados adequados para que sejam robustos o suficiente para produzir ganhos sob uma ampla variedade de condições de mercado. E, um sistema vencedor deve ser julgado pela métrica apropriada de sucesso. Em vez de simplesmente confiar em regras de negociação algorítmicas ou nos níveis máximos de retirada, qualquer decisão sobre se um sistema falhou deve ser feita de acordo com o juízo humano do comerciante e com base numa avaliação do número de desvios padrão do desempenho atual do sistema quando Medida em relação às suas perdas de teste histórico. Se os sistemas de negociação mecânica estão falhando para executar, o comerciante deve fazer as mudanças necessárias em vez de se apegar a um sistema perdedor. Comentários Só porque um sistema funcionou há 20 anos não significa que ele deve funcionar hoje. Tenha cuidado quando você sugere testar um sistema durante um longo período. Quão longo é longo Como também, como simples é simples Quatro regras com um total de quatro variáveis Sete regras com um total de dez variáveis Eu concordo geralmente que mais simples é melhor mas que é simples Usar o desvio padrão dos retornos deve fornecer conclusões similares à execução Uma análise Monte Carlo que não é difícil com o software que está disponível. Com uma análise MC, como você está ciente, pode-se ver os possíveis retornos e possíveis retiradas. O futuro não precisa se assemelhar ao passado, mas uma análise MC é uma maneira de testar um sistema. Fácil dar diretrizes difíceis de desenvolver um sistema com uma borda. E mais difícil de comércio .. se possível compartilhar algumas variáveis 2 fazer um sistema comercial. Por razões de simplicidade, torná-lo simples Regras de compra Regras de saída (Pára ou Saída de lucro) Regras curtas Saídas curtas (Pára ou Saída de lucro) Permaneça fora (se exigido como por sistema) Concordo com muitas coisas que você mencionou. E além disso, me dá um par de idéias para tentar. Oi todos Shaun, concordo. Focando em não perder é um sucesso muito importante de sucesso. Tarun, um EA que eu tenho construído que é muito bem sucedido usa um pivô simples pivô swing estratégia comercial. Um indicador personalizado do meu próprio dá-me um viés pré-mercado (para cima ou para baixo) e meu gatilho para a entrada é o preço de mercado dentro de um intervalo de 2 pip do pivô diário principal. A estratégia de saída é simples demais, o preço vai parar ou fechar metade da posição em Support1 ou Resistance1. Stoploss é então movido para quebrar mesmo. O preço pára então para fora ou alcança S2 ou R2 em que a metade da posição restante é fechada outra vez, o stoploss é movido para S1 ou R1. O preço será então parar ou mover para S3 ou R3 em que ponto a posição restante é fechada. Essa estratégia simples vale 1 milhão de dólares ao longo de um período de 15 anos. Livre, meu prazer. A maioria das pessoas não vai fazer nada com esta informação de qualquer maneira lol. O Dilema: Estratégia simples, EA altamente complicada. Porque, porque cada estratégia tem limites e saber o que faz com que falhar é o primeiro passo para s apenas don t desistir. Ficar focado e continuar aprendendo. De fato. Você poderia publicar a maioria das estratégias no jornal. Quase ninguém faria nada com ele. Eu amo a ênfase em re falando minha linguagem gostaria de acrescentar 3 pontos a considerar ao avaliar o desempenho dos sistemas de negociação programada. Primeiro de tudo, quando voltar a testar um sistema no MetaTrader é importante lembrar que MT4 não fornece um verdadeiro fluxo de dados tick. Isso simplesmente simula os dados de carrapatos usando barras de dados armazenadas no Centro de História. Isso significa que o histórico de preços muito recente pode ser construído a partir de barras de 1 ou 5 minutos e a história mais distante pode ser construída a partir de barras de 15 ou 30 minutos. Executar testes durante períodos de vários anos pode forçar MT4 a simular os dados de carrapatos usando barras de períodos de tempo ainda maiores. É por isso que você verá muitos testes de desempenho que foram executados no MetaTrader ao longo de vários períodos de um ano que têm uma curva característica. Há uma curva abruptamente rentável nos primeiros anos e uma curva plana para perder no período de tempo recente. Se o sistema fosse executado com os verdadeiros dados de carrapatos, muito provavelmente teria um desempenho fraco ao longo do período de teste porque os primeiros anos foram simulados em barras de 15M ou 30M e foram menos voláteis do que a ação de preço real do período. Em segundo lugar, a maioria das pessoas que projetam sistemas de negociação tendem a otimizar seu sistema para maximizar o lucro obtido durante o período de tempo que foi usado para testar o sistema. Como exemplo, digamos que o designer do sistema testou seu sistema durante um período de 5 anos. A inclinação natural é ajustar as variáveis para maximizar o lucro. O processo de pensamento é algo como isto: Se o sistema produz um lucro de 50 e um fator de lucro de 2,5 durante este período de teste, então eu deveria ter pelo menos um desempenho aceitável em uso em tempo real. Acredite em mim este é o beijo da morte na programação EA ea razão por que tantos consultores comerciais falham. O cliente compra o desempenho lucrativo durante o período de teste de volta e, em seguida, inevitavelmente perde quando ele tenta executar a EA com dinheiro real. Testes adequados de volta tentam encontrar o verdadeiro desempenho médio da EA com base em vários períodos de teste. Finalmente, há o problema que foi tocado no artigo de saber se os resultados que você está experimentando são estaticamente válidos. Naturalmente como o Sr. Flor indica se uma raia perdedora estiver fora de 2 desvios padrão então as possibilidades são algo mudaram. Gostaria de salientar que a distribuição de comércios vencedores e perdedores é sempre aleatória e determinada pela percentagem global de vencedores ou perdedores numa amostra de transacções assumindo que é suficientemente grande para ser estaticamente válido. Para dar um exemplo vamos dizer que o seu sistema requer uma taxa de 50 vitórias para ser rentável. Bem, nós já sabemos de lançar uma moeda que tem a mesma taxa de 50 vitórias que os vencedores e perdedores tendem a aglomerar juntos em vitórias e derrotas estrias. Além disso, sabemos a partir do estudo de estatísticas que a distribuição de vencedores e perdedores na EA com uma taxa de 50 vitórias será a mesma que a distribuição obtida atirando uma moeda. Ou seja, haverá em um grupo de 1000 comércios, em média, 8 derrotas consecutivas de 5 perdedores em uma linha e 8 vitoriosos de 5 vencedores consecutivos. Semelhança em um grupo de 1000 comércios você também deve ver em média de 4 perdendo e vencido raias de 6 em uma fileira, 2 perdendo e ganhando raias de 7 em uma fileira e 1 ganhando e perdendo raia de 8 e 1 vencendo e perdendo raia de 9 em uma fileira. É importante que o usuário tenha uma idéia realista do tamanho e do número de estrias perdedoras que ele vai encontrar usando o EA. Caso contrário, ele vai certamente desistir e bastante a primeira vez que ele encontra uma série de perder esperado de comércios. Isso t testar nada no MetaTrader. Eu só usá-lo para negociação ao vivo. Os dados fracos e incapacidade de testar carteiras torna inutilizável para os meus propósitos. Você está certo sobre otimização. A maneira mais fácil de evitar isso é minimizar o número de parâmetros em sua estratégia. Eu só tenho 4 na minha estratégia Dominari, por exemplo. Agradecimentos para os pensamentos detalhados Sistema complexo de comércio 18 (SlingShot 30M) Enviado por Usuário em 31 de maio de 2011 - 07:00. Enviado por Charlie Johnson Eu queria compartilhar algo com você e esperava que você pudesse postá-lo de alguma forma, eu adoraria receber algum feed de volta sobre ele. Primeiro, a entrada é articulada em um vídeo do youtube chamado sling shot comercial postado pelo usuário forexautoscalper. Este é um vídeo de tiro e espero que você vai vê-lo Por favor. Esta é a entrada para a estratégia. Esse cara diz isso muito mais claro do que eu poderia possivelmente em um e-mail. Duração: 30 min Indicadores: nenhum Pares de moedas: sugerido - EUR / USD, GBP / USD, USD / CHF, USD / JPY Horário de negociação: 7:00 am GMT às 20:00 GMT No entanto, Como o 4 e os 8 gráficos no metatrader. Então é isso que eu uso. Em seguida, nesses quadros de tempo eu uso a média móvel simples de 20 e 62 ea configuração padrão de Macd 12-26-9 Todo o comércio de sling shot é tomado com as médias móveis, exceto claro que há convergência em mcad e preço. Em seguida, geralmente irá levá-lo através de médias móveis e mudar a tendência por um tempo. Ou pelo menos fazer um retracement considerável. E mais sobre este ponto é. Dial para baixo para o período de tempo de 15 minutos quando o tiro sling ou convergência está acontecendo no gráfico de 4 ou 8 horas. Isso ajuda a apertar as paradas até geralmente 30 pips. Eu também assistir os pontos altos e baixos da semana, se o tiro estilingue acontece nestes momentos, parece que é uma inversão para a semana e pode ser tomada para o que seria a média semanal de médias (que eu não sei como determinar por A maneira) eu costumo chamá-lo cerca de 2,5-3 pontos de base completa, ou em termos de pips 250-300. Então, eu adoraria ouvir de você e outros, tanto quanto tentar martelar ths em um sistema mecânico sólido que eu poderia usar, bem como outros. O tiro sling parece ser nada mais do que uma inversão gancho, como costumávamos chamá-lo no comércio de grãos. Mas parece ser confiável em callin perto altos e baixos na semana. Ou pontos de pivô no mercado. Obrigado Ed. Também espero que você pode obter o que estou dizendo aqui e postar isso para as pessoas a olhar e responder. Você tem um site muito legal para as pessoas para ajudar e compartilhar lá eu reeally como ele. O deus abençoa-o muito e frequentemente. Charlie Johnson MetaTrader Expert Advisor Ferramentas de probabilidade para melhor negociação Forex Para ser bem sucedido, os comerciantes forex precisam saber a matemática básica de probabilidade. Afinal, é difícil conseguir e manter os ganhos comerciais sem antes ter a capacidade de compreender os números e medi-los. Muitos comerciantes usam uma combinação de indicadores de caixa preta para desenvolver e implementar regras de negociação. No entanto, a diferença entre um bom comerciante e um grande é a sua compreensão das métricas e métodos para calcular o desempenho e ganhos. Probabilidade e estatísticas são a chave para desenvolver, testar e lucrar com a negociação forex. Ao conhecer algumas ferramentas de probabilidade, é mais fácil para os comerciantes para definir metas comerciais em termos matemáticos, criar e operar estratégias de negociação eficaz e avaliar os resultados. É útil para rever os conceitos mais básicos de probabilidade e estatísticas para forex trading. Compreendendo a matemática da probabilidade, você saberá a lógica usada por sistemas negociando mecânicos e por côordenadores peritos (EA). Distribuição normal A ferramenta mais básica de probabilidade na negociação forex é o conceito de distribuição normal. A maioria dos processos naturais são normalmente distribuídos. Distribuição uniforme implica que a probabilidade de um número estar em qualquer lugar em um contínuo é aproximadamente igual. Este é o tipo de distribuição que resultaria da difusão artificial de objetos tão uniformemente quanto possível através de uma área, com uma quantidade uniforme de espaçamento entre eles. No entanto, em vez de uma distribuição uniforme, o preço de um par de moedas provavelmente será encontrado dentro de uma determinada área a qualquer momento. Essa é sua distribuição normal, e as ferramentas de probabilidade podem mostrar uma aproximação de onde esse preço provavelmente será encontrado. A distribuição normal oferece aos operadores de forex poder de previsão quanto à probabilidade de que um preço de par de moedas alcance um certo nível durante um determinado período de tempo. Os computadores usam um gerador de números aleatórios para calcular as médias (médias) dos preços dos forex, a fim de determinar sua distribuição normal. Se um grande número de preços de amostra forem verificados, a distribuição normal formará a forma de uma curva de sino quando plotada graficamente. Quanto maior o número de amostras, mais suave será a curva. As regras de médias simples são úteis para os comerciantes, mas as regras da distribuição normal oferecem poder preditivo mais útil. Por exemplo, um comerciante pode calcular que o movimento de preço diário médio de um par de forex é, digamos, 50 pips. No entanto, a distribuição normal também pode dizer ao comerciante a probabilidade de que um determinado movimento diário preço vai cair entre 30 e 50 pips, ou entre 50 e 70 pips. De acordo com as regras de distribuição normal e desvio padrão, aproximadamente 68 das amostras serão encontradas dentro de um desvio padrão da média (média), e cerca de 95 serão encontradas dentro de dois desvios padrão da média. Finalmente, há uma probabilidade 99.7 de que a amostra caia dentro de três desvios padrão da média. A distribuição normal e funções de desvio padrão em consultores especializados (EA) e sistemas de negociação ajudam os comerciantes de forex a avaliar a probabilidade de que os preços podem mover uma certa quantidade durante um determinado período de tempo. No entanto, os comerciantes devem ser cautelosos quando se utiliza o conceito de distribuição normal sozinho para fins de gestão de risco. Mesmo que a probabilidade de um evento raro (como uma diminuição de preço de 50) possa parecer baixa, fatores de mercado imprevistos podem tornar a possibilidade muito maior do que aparece durante os cálculos de distribuição normal. A confiabilidade da análise depende da quantidade e qualidade dos dados Ao modelar curvas de distribuição normais, a quantidade e a qualidade dos dados do preço de entrada são muito importantes. Quanto maior o número de amostras, mais suave será a curva. Além disso, para evitar erros de cálculo resultantes de dados insuficientes, é importante que cada cálculo seja baseado em pelo menos trinta amostras. Assim, para testar uma estratégia de negociação forex através da estimativa dos resultados de negociações amostra, o desenvolvedor do sistema deve analisar pelo menos 30 comércios, a fim de chegar a conclusões estatisticamente confiáveis sobre os parâmetros que estão sendo testados. Da mesma forma, os resultados de um estudo de 500 negócios são mais confiáveis do que aqueles de uma análise de apenas 50 comércios. Dispersão e expectativa matemática para estimar o risco Para os traders forex, as características mais importantes de uma distribuição são sua expectativa matemática e dispersão. A expectativa matemática para uma série de ofícios é fácil de calcular: Basta somar todos os resultados comerciais e dividir esse valor pelo número de comércios. Se o sistema de negociação é rentável, então a expectativa matemática é positiva. Se a expectativa matemática é negativa, o sistema está perdendo em média. A inclinação relativa ou a planicidade da curva de distribuição é mostrada pela medição do spread ou dispersão dos valores de preços dentro da área da expectativa matemática. Tipicamente, a expectativa matemática para qualquer valor distribuído aleatoriamente é descrita como M (X). Assim, a dispersão pode ser definida como D (X) M (XM (X) 2. A dispersão eo desvio padrão são criticamente importantes para o risco A gestão em sistemas de negociação forex. Manto maior o valor do desvio padrão, maior será o potencial de redução, e quanto maior o risco. Além disso, quanto menor o valor de desvio padrão, menor será a retirada, enquanto a negociação do sistema. Por exemplo, abaixo é uma amostra de avaliação de risco para um teste de um sistema de negociação forex: Número comercial X (Trade Gain ou Loss) No exemplo acima com base no número mínimo de trinta operações para uma amostra adequada, é importante notar que A expectativa matemática é positiva, então a estratégia de negociação forex é realmente rentável. No entanto, o desvio padrão é alto, então para ganhar cada dólar o comerciante está arriscando uma quantidade muito maior este sistema traz risco significativo. Matemática: Para determinar a expectativa matemática para este grupo de negócios, somar todos os ganhos e perdas de negócios, em seguida, dividir por 30. Este é o valor médio M (X) para todos os comércios. Nesse caso, é igual a um ganho médio de 4,26 por comércio. Até agora, o sistema parece promissor. Em seguida, para calcular o desvio padrão da dispersão, a média acima de 4,26 é subtraída dos resultados de cada comércio, depois é quadrada e a soma de todos estes quadrados é adicionada em conjunto. The sum is divided by 29, which is the total number of trades minus 1. By using the formula for Dispersion of (X) M (X-M(X) 2 given above, here s a check of the calculation from the first trade in our example: Trade 1: -17.08 4.26 -21.34, and (-21.34) 2 455.39 The same calculation is performed for each trade in the test series. In this example, the dispersion over the series equals 9,353.62 and by definition its square root equals the standard deviation ( ), which in this case is 96.71. Thus the forex trader sees that the risk for this particular system is fairly high: The mathematical expectation is indeed positive, with a mean profit of 4.26 per trade, yet the standard deviation is high when compared with that profit. It can be seen that the trader is risking about 96.71 for each opportunity to earn 4.26 in profit. This risk may be acceptable, or the trader may choose to modify the system in search of lower risk. Z-score Beyond the riskiness of a particular trading system, forex traders can also use normal distribution and standard deviation to calculate the Z-score, which indicates how often profitable trades will occur in relation to losing trades. During the process of developing a winning forex trading system, the trader may wonder how many of the profitable trades seen during testing were random, and how many consecutive losing trades must be tolerated in order to achieve winning trades. For example, let s assume the average expected profit from a given forex trading system is four times less than the expected loss amount from each stop-loss order triggered while trading this system. Some traders may assume that the system will win over time, as long as there is an average of at least one profitable trade for each four losing trades. Yet, depending upon the distribution of wins and losses, during real-world trading this system may draw down too deeply to recover in time for the next winner. Normal distribution can be used to generate a Z-score, sometimes called a standard score, which lets traders estimate not only the ratio of wins to losses, but also how many wins/losses are likely to occur consecutively. A positive Z-score represents a value above the mean, and a negative Z-score represents a value below the mean. To obtain this value, the trader subtracts the population mean from an individual raw value then divides the difference by the population standard deviation. The basic standard score calculation for a raw score designated as x is: Where is the population mean and is the population standard deviation. It s important to understand that calculating the Z score requires that the trader know the parameters of the population, not merely the characteristics of a sample taken from that population. Z represents the distance between the population mean and the raw score, expressed in units of the standard deviation. So, for a forex trading system: Z N x (R 0.5) P / (P x (P N) / (N 1) N is the total number of trades during a series R is the total number of series of winning and losing trades P equals 2 x W x L W is the total number of winning trades during a series L is the total number of losing trades during a series Individual series can be represented by a consecutive sequence of pluses or minuses (for example or ). R counts the number of such series. Z can offer an assessment of whether a forex trading system is operating on-target, or how far off-target it may be. Just as importantly, a trader can use Z-score to determine whether a trading system contains fewer or greater series of winners and losers than expected from a random sequence of trades In other words, whether the outcomes of consecutive trades are dependent upon each other. If the Z-score is near 0, then the distribution of trade results is near the normal distribution. The score of a sequence of trades may indicate a dependency between the results of those trades. This is because a normal random value will deviate from the average value by not more than three sigma (3 x ) with a certainty of 99.7 . Whether the Z value is positive or negative will inform the trader about the type of dependence: A positive Z value indicates that the profitable trade will be followed by a loser. And, positive Z indicates that the profitable trade will be followed by another profitable one, and a loser will be followed by another loss. This observed dependency lets the forex trader vary the position sizes for individual trades in order to help manage risk. Sharpe Ratio The Sharpe Ratio, or reward-to-variability ratio, is one of the most valuable probability tools for forex traders. As with the methods described above, it relies on applying the concepts of normal distribution and standard deviation. It gives traders a method to check the performance of a trading system by adjusting for risk. The first step is to calculate the Holding Period Returns (HPR). For example, a trade which resulted in a profit of 10 has a HPR calculated as 1 0.10 1.10 while a trade which loses 10 is calculated as 1 0.10 0.90. Likewise, HPR can be calculated by dividing the after-trade balance amount by the before-trade amount. The Average Holding Period Returns (AHPR) is then calculated by adding up all individual holding-period returns, then dividing by the number of trades. AHPR by itself produces an arithmetic average which may not properly estimate the performance of a forex trading system over time. Instead, a trading system s investment efficiency can be more closely estimated by using the Sharpe Ratio, which shows how AHPR minus the risk-free rate of long-term investment returns relates to the standard deviation of the trading system. Sharpe Ratio AHPR (1 RFR) / SD When AHPR is the average holding period return, RFR is the risk-free rate of return from safe investments such as bank interest rates or long-term T-bond rates, and SD is the standard deviation. Since more than 99 of all random values will fall within a distance of 3 around the mean value of M(X) for a given trading system, the higher the Sharpe Ratio, the more efficient the trading system. For example, if the Sharpe Ratio for normally-distributed trade results is 3, it indicates that the probability of losing is less than 1 per trade, according to the 3-sigma rule. The concepts of normal distribution, dispersion, Z-score and Sharpe Ratio are already incorporated into the logarithms of EAs and mechanical trading systems, and their usefulness is invisible to most traders. Yet, by knowing how these basic probability tools work, forex traders can have a deeper understanding of how automated systems perform their functions, and thereby enhance the probability of winning trades. Are you currently using probability tools to increase your own chance for success How To Win With Mechanical Trading Systems Much ink has been devoted to pinpointing the causes of mechanical trading systems failures, especially after the fact. Although it may seem oxymoronic (or, to some traders, simply moronic), the main reason why these trading systems fail is because they rely too much on the hands-free, fire-and-forget nature of mechanical trading. Algorithms themselves lack the objective human oversight and intervention necessary to help systems evolve in step with changing market conditions. Mechanical trading systems failure, or trader failure Instead of bemoaning a trading-system failure, it s more constructive to consider the ways in which traders can have the best of both worlds: That is, traders can enjoy the benefits of algorithm-managed mechanical trading systems, such as rapid-fire automatic executions and emotion-free trading decisions, while still leveraging their innate human capacity for objective thinking about failure and success. The most important element of any trader is the human capability to evolve . Traders can change and adapt their trading systems in order to continue winning before losses become financially or emotionally devastating. Choose the right type and amount of market data for testing Successful traders use a system of repetitive rules to harvest gains from short-term inefficiencies in the market. For small, independent traders in the big world of securities and derivatives trading, where spreads are thin and competition fierce, the best opportunities for gains come from spotting market inefficiencies based on simple, easy-to-quantify data, then taking action as quickly as possible. When a trader develops and operates mechanical trading systems based on historical data, he or she is hoping for future gains based on the idea that current marketplace inefficiencies will continue. If a trader chooses the wrong data set or uses the wrong parameters to qualify the data, precious opportunities may be lost. At the same time, once the inefficiency detected in historical data no longer exists, then the trading system fails. The reasons why it vanished are unimportant to the mechanical trader. Only the results matter. Pick the most pertinent data sets when choosing the data set from which to create and test mechanical trading systems. And, in order to test a sample large enough to confirm whether a trading rule works consistently under a wide range of market conditions, a trader must use the longest practical period of test data. So, it seems appropriate to build mechanical trading systems based on both the longest-possible historical data set as well as the simplest set of design parameters. Robustness is generally considered the ability to withstand many types of market conditions. Robustness should be inherent in any system tested across a long time range of historical data and simple rules. Lengthy testing and basic rules should reflect the widest array of potential market conditions in the future. All mechanical trading systems will eventually fail because historical data obviously does not contain all future events. Any system built on historical data will eventually encounter ahistorical conditions. Human insight and intervention prevents automated strategies from running off the rails. The folks at Knight Capital know something about live trading snafus . Simplicity wins by its adaptability Successful mechanical trading systems are like living, breathing organisms. The world s geologic strata are filled with fossils of organisms which, although ideally suited for short-term success during their own historical periods, were too specialized for long-term survival and adaptation. Simple algorithmic mechanical trading systems with human guidance are best because they can undergo quick, easy evolution and adaptation to the changing conditions in the environment (read marketplace). Simple trading rules reduce the potential impact of data-mining bias. Bias from data mining is problematic because it may overstate how well a historical rule will apply under future conditions, especially when mechanical trading systems are focused on short time frames. Simple and robust mechanical trading systems shouldn t by affected by the time frames used for testing purposes. The number of test points found within a given range of historical data should still be large enough to prove or disprove the validity of the trading rules being tested. Stated differently, simple, robust mechanical trading systems will outshine data-mining bias. If a trader uses a system with simple design parameters, such as the QuantBar system. and tests it by using the longest appropriate historical time period, then the only other important tasks will be to stick to the discipline of trading the system and monitoring its results going forward. Observation enables evolution. On the other hand, traders who use mechanical trading systems built from a complex set of multiple parameters run the risk of pre-evolving their systems into early extinction. Build a robust system that leverages the best of mechanical trading, without falling prey to its weaknesses It s important not to confuse the robustness of mechanical trading systems with their adaptability. Systems developed based on a multitude of parameters led to winning trades during historical periods and even during current observed periods are often described as robust. That is no a guarantee that such systems can be successfully tweaked once they have been trade past their honeymoon period. That is an initial trading period during which conditions happen to coincide with a certain historical period upon which the system was based. Simple mechanical trading systems are easily adapted to new conditions, even when the root causes of marketplace change remain unclear, and complex systems fall short. When market conditions change, as they continually do, the trading systems which are most likely to continue to win are those which are simple and most-easily adaptable to new conditions a truly robust system is one which has longevity above all. Simple algorithmic mechanical trading systems with human guidance are best because they can undergo quick, easy evolution and adaptation to the changing conditions in the environment (read marketplace). Unfortunately, after experiencing an initial period of gains when using overly-complex mechanical trading systems, many traders fall into the trap of attempting to tweak those systems back to success. The market s unknown, yet changing, conditions may have already doomed that entire species of mechanical trading systems to extinction. Again, simplicity and adaptability to changing conditions offer the best hope for survival of any trading system. Use an objective measurement to distinguish between success and failure A trader s most-common downfall is a psychological attachment to his or her trading system. When trading-system failures occur, it s usually because traders have adopted a subjective rather than objective viewpoint, especially with regard to stop-losses during particular trades. Human nature often drives a trader to develop an emotional attachment to a particular system, especially when the trader has invested a significant amount of time and money into mechanical trading systems with many complex parts which are difficult to understand. However, it s critically important for a trader to step outside the system in order to consider it objectively. In some cases, the trader becomes delusional about the expected success of a system, even to the point of continuing to trade an obviously-losing system far longer than a subjective analysis would have allowed. Or, after a period of fat wins, a trader may become married to a formerly-winning system even while its beauty fades under the pressure of losses. Worse, a trader may fall into the trap of selectively choosing the testing periods or statistical parameters for an already-losing system, in order to maintain false hope for the system s continuing value. An objective yardstick, such as using standard deviation methods to assess the probability of current failure, is the only winning method for determining whether mechanical trading systems have truly failed. Through an objective eye, it s easy for a trader to quickly spot failure or potential failure in mechanical trading systems, and a simple system may be quickly and easily adapted to create a freshly-winning system once again. Failure of mechanical trading systems is often quantified based on a comparison of the current losses when measured against the historical losses or drawdowns. Such an analysis may lead to a subjective, incorrect conclusion. Maximum drawdown is often used as the threshold metric by which a trader will abandon a system. Without considering the manner by which the system reached that drawdown level, or the length of time required to reach that level, a trader should not conclude that the system is a loser based on drawdown alone. Standard deviation versus drawdown as a metric of failure In fact, the best method to avoid discarding a winning system is to use an objective measurement standard to determine the current or recent distribution of returns from the system obtained while actually trading it. Compare that measurement against the historical distribution of returns calculated from back-testing, while assigning a fixed threshold value according to the certainty that the current losing distribution of mechanical trading systems is indeed beyond normal, to-be-expected losses, and should therefore be discarded as failed. So, for example, assume that a trader ignores the current drawdown level which has signaled a problem and triggered his investigation. Instead, compare the current losing streak against the historical losses which would have occurred while trading that system during historical test periods. Depending upon how conservative a trader is, he or she may discover that the current or recent loss is beyond, say, the 95 certainty level implied by two standard deviations from the normal historical loss level. This would certainly be a strong statistical sign that the system is performing poorly, and has therefore failed. In contrast, a different trader with greater appetite for risk may objectively decide that three standard deviations from the norm (i. e. 99.7 ) is the appropriate certainty level for judging a trading system as failed. The most important factor for any trading systems success, whether manual or mechanical, is always the human decision-making ability. The value of good mechanical trading systems is that, like all good machines, they minimize human weaknesses and empower achievements far beyond those attainable through manual methods. Yet, when properly built, they still allow firm control according to the trader s judgment and allow him or her to steer clear of obstacles and potential failures. Although a trader can use math in the form of a statistical calculation of standard distribution to assess whether a loss is normal and acceptable according to historical records, he or she is still relying on human judgment instead of making purely-mechanical, math-based decisions based on algorithms alone. Traders can enjoy the best of both worlds. The power of algorithms and mechanical trading minimizes the effects of human emotion and tardiness on order placement and execution, especially with regard to maintaining stop-loss discipline. It still uses the objective assessment of standard deviation in order to retain human control over the trading system. Be prepared for change, and be prepared to change the trading system Along with the objectivity to detect when mechanical trading systems change from winners into losers, a trader must also have the discipline and foresight to evolve and change the systems so they can continue to win during new market conditions. In any environment filled with change, the simpler the system, the quicker and easier its evolution will be. If a complex strategy fails, it may be easier to replace than to modify it, while some of the simplest and most-intuitive systems, such as the QuantBar system. are relatively easy to modify on-the-fly in order to adapt to future market conditions. In summary, it can be said properly-built mechanical trading systems should be simple and adaptable, and tested according to the right type and amount of data so that they will be robust enough to produce gains under a wide variety of market conditions. And, a winning system must be judged by the appropriate metric of success. Instead of merely relying on algorithmic trading rules or maximum drawdown levels, any decision about whether a system has failed should be made according to the trader s human judgment, and based on an assessment of the number of standard deviations of the system s current performance when measured against its historic-test losses. If mechanical trading systems are failing to perform, the trader should make the necessary changes instead of clinging to a losing system. Comments Just because a system worked 20 years ago doesn t mean it should work today. Be careful when you suggest testing a system over a long period. How long is long Likewise, how simple is simple Four rules with a total of four variables Seven rules with a total of ten variables I will generally agree that simpler is better but what is simple Using the standard deviation of returns should provide similar conclusions to running a Monte Carlo analysis which is not difficult with software that is available. With a MC analysis, as you are aware, one can see the possible returns and possible drawdowns. The future doesn t have to resemble the past but a MC analysis is one way to test a system. Easy to give guidelines hard to develop a system with an edge. and hardest to trade.. if possible share some variable 2 make a trading system. for simplicity sake make it simple Buy Rules Exit Rules (Stops or Profit Exit) Short Rules Short Exits (Stops or Profit Exit) Stay out (if required as per system) position size (considering max. drawdown) Thats it Thanks for the post, I agree with many things that you mentioned. And besides, gives me a couple of ideas to try. Hi All Shaun, i agree. focusing on not losing is a very important success of success. Tarun, an EA that i have built that is very successful uses a simple pivot point swing trading strategy. A custom indicator of my own gives me a premarket bias (up or down) and my trigger for entry is market price within a 2 pip range of the main daily pivot. exit strategy is simple too, price will either stop out or close half the position at Support1 or Resistance1. Stoploss is then moved to break even. Price will then stop out or reach S2 or R2 at which point half the remaining position is closed again, stoploss is moved to S1 or R1. Price will then stop out or move to S3 or R3 at which point the remaining position is closed. That simple strategy is worth 1million dollars over a 15 year period. free, my pleasure. most people wont do anything with this info anyway lol. The Dilema: Simple strategy, highly complicated EA. why because every strategy has limits and knowing what causes it to fail is the first step to s just dont give up. stay focused and keep learning. Indeed. You could publish most strategies in the newspaper. Almost nobody would do anything with it. I love the emphasis on re speaking my language I would add 3 points to consider when evaluating the performance of programmed trading systems. First of all when back testing a system in MetaTrader it is important to remember that MT4 does not provide a true tick data stream. It merely simulates the tick data by using data bars stored in the History Center, This means that very recent price history may be constructed from 1 or 5 minute bars and history farther out may be constructed from 15 or 30 minute bars. Running tests over periods of several years may force MT4 to simulate the tick data using bars of even larger time periods. This is whyyou will see many performance tests which were run in MetaTrader over a several year periods that have a characteristic curve. There is a steeply profitable curve in the early years and a flat to losing curve in the recent time period. If the system was run on the true tick data most likely it would perform poorly throughout the testing period because the early years were simulated on 15M or 30M bars and were less volatile than the actual price action of the period. Secondly, most of the people who design trading systems tend to over optimize their system to maximize the profit obtained during the time period which was used to test the system. As an example let s say the system designer tested his system over a 5 year period. The natural inclination is to tweak the variables to maximize the profit. The thought process goes something like this: If the system produces a 50 profit and a 2.5 profit factor over this test period then I should get at least an acceptable performance in real time use. Believe me this is the kiss of death in EA programming and the reason so many commercial expert advisers fail. The customer buys into the profitable performance during the back testing period and then inevitably loses when he tries to run the EA with real money. Proper back testing attempts to find the true average performance of the EA based on several testing periods. Finally, there is the problem that was touched on in the article of knowing if the results you are experiencing are statically valid. Of course as Mr. Flower states if a losing streak is outside 2 standard deviations then chances are something has changed. I would like to point out that the distribution of winning and losing trades is always random and determined by the overall percentage of winners or losers in a sample of trades assuming that it is large enough to be statically valid. To give an example let s say your system requires a 50 win rate to be profitable. Well, we already know from flipping a coin that has the same 50 win rate that the winners and losers will tend to clump together in winning streaks and losing streaks. Further more we know from the study of statistics that the distribution of winners and losers in the EA with a 50 win rate will be the same as the distribution obtained from tossing a coin. Namely, there will be in a group of 1000 trades on average 8 losing streaks of 5 losers in a row and 8 winning streaks of 5 winners in a row. Similarity in a group of 1000 trades you should also see on average of 4 losing and winning streaks of 6 in a row, 2 losing and winning streaks of 7 in a row and 1 winning and losing streak of 8 and 1 winning and losing streak of 9 in a row. It is important that the user has a realistic idea of size and number of losing streaks he WILL encounter using the EA. Otherwise he will surely give up and quite the first time he encounters an expected losing series of trades. That t test anything in MetaTrader. I only use it for live trading. The weak data and inability to test portfolios makes it unusable for my purposes. You re right about over-optimizing. The easiest way to avoid this is to minimize the number of parameters in your strategy. I only have 4 in my Dominari strategy, for example. Thanks for the detailed thoughts
Comments
Post a Comment