Eine Einführung in Mean Reversion Trading und die 4 größten Herausforderungen Mean Reversion Trading wird oft als Counter-Trend oder Umkehr Handel, die alle, mehr oder weniger beschreiben die gleiche Art von Trading-Stil. Ein mittlerer Reversion-Händler sucht nach einem Preis, der sich deutlich von seinem mittleren (durchschnittlichen) Preis entfernt hat. Der mittlere Reversion-Trader sucht nach nicht nachhaltigen Trends. Obwohl die meisten Menschen den trendorientierten Ansatz bevorzugen, fühlte ich mich mit dem allgemeinen Trend-Trading-Denken nicht wohl und ich fing an, den mittleren Reversion-Handel sehr früh zu beobachten. Unnötig zu sagen, wurde ich ein paar Mal am Anfang verbrannt, da diese Trading-Stil ist nicht geeignet für absolute Anfänger aufgrund der emotionalen und psychologischen Herausforderungen, die sie auf den Händler stellt. In dem folgenden Artikel, werfen wir einen Blick auf mittlere Reversion Trading, was die meisten übersehenen Aspekte sind und welche Herausforderungen ein durchschnittlicher Reversion Trader zu tun hat. Mean Reversion Trading eine kurze Einführung Wie bereits erwähnt, ein durchschnittlicher Reversion Trader ist auf der Suche nach Möglichkeiten, wo der Preis weg von seinem durchschnittlichen (oder durchschnittlichen) Preis deutlich entfernt. Normalerweise wird der mittlere Preis unter Verwendung eines gleitenden Durchschnitts berechnet und auf die Diagramme angewandt. Zum Beispiel zeigt die nachstehende Tabelle die EURUSD-Tageskurve und einen geglätteten gleitenden Durchschnitt von 50 Perioden. Wie Sie sehen können, zieht Preis häufig weg von dem blauen gleitenden Durchschnitt und dann schnappt sofort zurück zu ihm. Wenn das zu gut klingt, um wahr zu sein, ist es. Natürlich zeigen die Rückblick-Charts mit den perfekten Trades nur die Hälfte der Geschichte. Der folgende Screenshot zeigt den gleichen EURUSD Daily Zeitrahmen mit dem gleichen gleitenden Durchschnitt. Aber dieses Mal markierte ich alle Pullbacks, die es nicht den ganzen Weg zum gleitenden Durchschnitt. Und natürlich, wenn wed näher aussehen, würde es viele weitere Male, wenn der Preis versuchte eine Reversion, aber es scheiterte. Daher ist der mittlere Rückversicherungshandel mehr als nur der Rückgriff auf den gleitenden Durchschnitt und erfordert ein sehr strenges Eintrittsmanagement, ein Risikomanagement und einen emotional stabilen Charakter, um Dinge wie Rache-Handel oder Überhandelungen zu vermeiden. Die vier Hauptprobleme des mittleren Reversion-Handels Im Folgenden werfen wir einen Blick auf die am häufigsten übersehenen Aspekte, die den mittleren Reversion-Handel schwerer machen, als es auf den ersten Blick scheint. 1 Wie bestimmen Sie die mittlere Obwohl dies scheint sehr offensichtlich, denken die meisten Trader nie über die Auswirkungen ihrer Wahl der gleitenden Durchschnitt auf ihren Handel. Schauen wir uns den EURUSD Chart von oben an. Dieses Mal haben wir zwei verschiedene gleitende Mittelwerte angewendet: den 100 geglätteten gleitenden Durchschnitt (SMA) in rot und den 50 SMA in blau. Die Unterschiede können unwesentlich erscheinen, aber für einen durchschnittlichen Reversion Trader ist die Wahl der richtigen gleitenden Durchschnitt eine der wichtigsten Entscheidungen und es ist auch eine sehr persönliche und individuelle. Dies sind die Hauptunterschiede zwischen den beiden Arten von gleitenden Mittelwerten: schneller gleitender Durchschnitt (50 SMA) langsamer gleitender Durchschnitt (100 SMA) Der Preis kann sich vom gleitenden Durchschnitt schneller und öfter entfernen. Preis nicht ziehen weg von der langsamen bewegenden Durchschnitt oft und es dauert länger. Im Allgemeinen mehr Handelschancen. Weniger Handelschancen. Der Preis kann in einem kürzeren Zeitraum auf den schnell fließenden Durchschnitt zurückgreifen. Eine Reversion kann nicht immer den gleitenden Durchschnitt leicht erreichen. Trades sind kürzer in der Entfernung und können eine geringere Belohnung haben: Risikoverhältnis Das Lohn-Risiko-Verhältnis kann nach starken Trendphasen höher sein. Mehr Trades und kleinere Trades. Weniger Handel, aber bessere Belohnung: Risikoverhältnis Wie Sie sehen können, ist dies nicht beurteilbar und es gibt kein Recht oder Unrecht, wenn es darum geht, einen gleitenden Durchschnitt für Ihren Handel zu wählen. Stattdessen möchte ich hervorheben, dass die Wahl des gleitenden Mittels weitreichende Konsequenzen für Ihren Trading-Stil hat und es auf persönlichen Präferenzen und Charakterstilen basieren muss. 2 Manchmal ist der Preis nicht rückläufig, aber der gleitende Durchschnitt fängt mit dem Preis an Der zweithäufigste übersehene und unterbewertete Aspekt ist, dass manchmal die Umkehrung sehr langsam vor sich geht und der gleitende Durchschnitt sich inzwischen dem Preis näher rückt und damit die Belohnung reduziert: Verhältnis des Handels. Der folgende Screenshot zeigt den Punkt. Obwohl auf den ersten Blick sieht es aus wie die durchschnittliche Reversion-Strategie funktioniert wie ein Charme und Preis immer wieder auf den gleitenden Durchschnitt kommt, ist es wichtig zu verstehen, dass manchmal der gleitende Durchschnitt fängt mit dem Preis schneller und kann die ursprüngliche Belohnung zu reduzieren: Risiko-Verhältnis und damit die Erwartung einer solchen Handelsstrategie. Ein Trader muss dann entscheiden, ob er seinen ursprünglichen Gewinn-Gewinn-Auftrag unverändert lässt oder wenn er seinen Gewinn-Gewinn zusammen mit dem gleitenden Durchschnitt bewegt. 3 Mittlere Reversion vs Fang ein fallendes Messer Picking Tops und Böden kann eine sehr gefährliche Sache zu tun, im Handel und Amateur-Händler, vor allem, oft in so handeln Verhalten, weil sie unterschätzen, dass der Preis auf Trends viel länger als sie zu halten denken. Während Perioden von lang anhaltenden und starken Trends, kann das Trading-Mittel Reversion oft zu signifikanten Verlust Streifen ohne Vorsichtsmaßnahmen führen. Der Screenshot unten zeigt die aktuelle EURUSD Daily Chart und es dauerte etwa 300 Handelstage, um schließlich treffen sich wieder mit dem gleitenden Durchschnitt. Der nächste Punkt ist sehr wichtig, um erhebliche Verluste während solcher Perioden zu vermeiden: Mittlerer Reversion-Handel Der mittlere Reversion-Handel ist nicht über die Vorhersage von Marktschwankungen. Aber die Eingabe eines Handels in die entgegengesetzte Richtung des vorherigen Trends, nachdem klare Signale gegeben worden sind. Ein mittlerer Reversion Trader wartet also nicht mit anstehenden Aufträgen auf vorgegebenen Ebenen, wie vor einem ansteigenden Zug stehen, sondern warten, bis der Zug zu einem Stillstand gekommen ist und weist darauf hin, dass er in die andere Richtung geht. 4 Emotionale Stabilität und Disziplin Obwohl dies für alle Arten von Trading gilt, ist es vor allem für mittlere Reversion Trader wichtig. Es kann sehr lange dauern, bis ein Handelssignal auftritt und sehr oft sehen Sie nicht alle Ihre Eintrag Kriterien, aber immer noch Preis geht zurück auf den gleitenden Durchschnitt. Bleiben weg vom Springen in spät und nicht versuchen, einen Handel zu jagen ist sehr wichtig. Andere Zeiten, alle Ihre Kriterien Line-Up, aber der Preis hält immer auf geht gegen Sie. Nicht Schneiden Sie Ihren Verlust und Hinzufügen zu einem Verlierer ist, was bedeuten, Reversion Händler oft tun, weil sie glauben, dass die Umkehrung überfällig ist. Tip: Oszillatoren, wie die STOCHASTIC, bieten oft die falschen Implikationen für mittlere Reversion Trader. Überkauft und überverkauft Szenarien werden oft als Gründe für die Gegen-Trend-Trades zu geben, während überkaufte Preise oft nur einen sehr starken Trend nicht eine überfällige Umkehr signalisieren. All diese Punkte heben die Komplexität und die Herausforderungen für den mittleren Reversion-Handel hervor und es wird offensichtlich, warum dieser Stil nicht für Amateur-Händler oder Händler geeignet ist, die immer noch mit dem mentalen Aspekt des Handels kämpfen. Allerdings fühlen sich nicht alle Händler bequem Handel mit einem Trend nach Strategie ist es deshalb wichtig, dass Sie sich selbst zu überprüfen, um Ihre perfekte Passform zu finden. Risk Disclaimer Trading Futures, Forex, CFDs und Aktien beinhaltet ein Risiko des Verlustes. Bitte beachten Sie sorgfältig, ob dieser Handel für Sie geeignet ist. Die Wertentwicklung in der Vergangenheit ist kein Hinweis auf zukünftige Ergebnisse. Artikel und Inhalte auf dieser Website dienen nur der Unterhaltung und stellen keine Anlageempfehlungen oder Ratschläge dar. Full Terms Image Credit: Tradeciety verwendete Bilder und Bildlizenzen heruntergeladen und erhalten durch Fotolia. Flaticon. Freepik und Unplash. Trading-Charts wurden mit Tradingview erhalten. Stockcharts und FXCM. Icon Design von Icons8 Tradeciety Copyright 2016, Alle Rechte vorbehalten Wir verwenden Cookies, um sicherzustellen, dass wir Ihnen die besten Erfahrungen auf unserer Website. Die kontinuierliche Nutzung dieser Website zeigt Ihre Zustimmung. Datenschutzrichtlinie I acceptThe Sweet Spot für Mean Reversion ETF-Strategien von Michael R. Bryant In seinem jüngsten Buch, Howard Bandy diskutiert, was er nennt die quotsweet spotquot für die Entwicklung von mittleren Reversion Handelssysteme. 1 Die Idee ist, dass die richtige Kombination aus Barlänge, Haltedauer, Systemgenauigkeit und anderen Variablen dazu tendiert, risikoadjustierte Renditen zu maximieren. 2 Dieser Artikel zeigt, wie Mittel Reverse Trading-Strategien, die in diesem Sweet Spot liegen, können für Exchange Traded Funds (ETFs) mit automatisierten Tools entwickelt werden. Verwenden von Adaptrade Builder. Ein Strategieentwicklungswerkzeug für Windows, Ill zeigen, wie Stresstests mit der Monte-Carlo-Analyse als Teil des Entwicklungsprozesses genutzt werden können, um robuste mittlere Reversionsstrategien für die SampP 500 (SPY) ETF und die Select Sector SPDR ETFs zu finden. Projektdateien für den Builder, die den Strategiecode enthalten, werden für jedes Beispiel bereitgestellt. Landing in der Sweet Spot Die Grundidee hinter Dr. Bandys Sweet Spot ist, dass gute Trading-Strategien sollten eine kurze Bar Größe und haben eine ziemlich hohe Genauigkeit mit einer kurzen Haltedauer und niedrigen Drawdown. Die kurze Balkengröße und die kurze Halteperiode maximieren die Chancen für zusammengesetzte Renditen, während die hohe Genauigkeit und der niedrige Drawdown die Erholung von Verlusten erleichtern. Die letztgenannten Qualitäten machen es auch leichter, die Durchführbarkeit der Strategie zu bestimmen und zu bestimmen, wann ihre nicht mehr funktionieren, da typische Losing Streaks für hochgenaue Systeme in der Regel relativ kurz sind. Basierend auf den Richtlinien von Dr. Bandys werden in diesem Artikel die folgenden Merkmale verwendet, um die optimalen Voraussetzungen für mittlere Reversions-ETF-Strategien zu definieren: Tägliche Balken 20 - 30 Trades pro Jahr Mindestens 65 gewinnende Trades Durchschnittliche Balken in Trades zwischen 1 und 4 By Mittlere Reversion, Im Bezug auf Strategien, die versuchen, unter dem aktuellen Durchschnittspreis kaufen und verkaufen zu einem höheren Preis, wie der Preis wieder auf den Mittelwert. Die Idee ist, niedrig zu kaufen und hoch zu verkaufen, im Gegensatz zu Trendfolgesystemen, die typischerweise versuchen, hoch zu kaufen und höher zu verkaufen. Gebäude mit Monte Carlo-Analyse In meinem letzten Newsletter-Artikel, diskutierte ich die Verwendung von Stresstests bei der Bewertung von Handelsstrategien und ihre Beziehung zu Robustheit und Strategie über-Anpassung. Ich erwähnte auch, dass es, wenn es in den Build-Prozess integriert würde, dazu neigen, zu Strategien zu führen, die Robustheit aufweisen. Das ist der Ansatz, der hier verfolgt werden. Kurz gesagt, Stresstests beziehen sich auf die Bewertung, wie empfindlich eine Handelsstrategie auf ihre Inputs und Umwelt ist. Eine robuste Strategie, die nicht überkompatibel zum Markt ist, ist relativ unempfindlich gegenüber Änderungen ihrer Eingangsparameterwerte und anderer Veränderungen in ihrer Umgebung, wie etwa Änderungen der Preisdaten. Monte Carlo Analyse ist die Technik zur Bewertung der Wirkung dieser Veränderungen. Die Strategien Inputs, Preis-Daten, und andere Faktoren werden zufällig verändert, und die Strategie-Performance wird ausgewertet. Durch mehrmaliges Wiederholen dieses Vorgangs erhält man eine Verteilung der Ergebnisse. Die Ergebnisse der ursprünglichen Daten repräsentieren einen Punkt der Verteilung. Andere Punkte auf der Verteilung stellen die Ergebnisse dar, aus denen leicht veränderte Versionen der ursprünglichen Daten verwendet werden, die zu Ergebnissen führen können, die mehr oder weniger günstig sind als die ursprünglichen Daten. Die so genannten Monte Carlo-Ergebnisse sind die Werte der Leistungsmaße (Nettogewinn, Prozentgewinne, Gewinnfaktor etc.), die nicht schlechter sind als die Mehrheit (typischerweise 95) der Bewertungen. Wenn beispielsweise der Nettogewinn von Monte Carlo bei 95 Vertrauen 15.000 beträgt, bedeutet dies, dass 95 der Bewertungen einen Nettogewinn von mindestens 15.000 haben. Mit anderen Worten, es gibt eine Chance, dass der Nettogewinn wird mindestens 15.000, oder umgekehrt theres eine 5 Chance der Nettogewinn wird weniger als 15.000. Wenn eine Handelsstrategie iterativ über aufeinanderfolgende Generationen von Modifikationen und Tests entwickelt wird, wird der Aufbau auf der Grundlage der Monte Carlo-Ergebnisse dazu tendieren, die Strategie zu einem robusten zu treiben, da nur eine robuste Strategie gute Monte Carlo-Ergebnisse haben wird. Adaptrade Builder automatisiert diesen Prozess, einschließlich der Auswertung der Strategieergebnisse unter Verwendung der Monte Carlo Ergebnisse von Stresstests. Das erste Beispiel ist für den SPDR SampP 500 Index ETF (Symbol SPY). Es wurden Tagesbalken von 141999 bis 4232013 verwendet. Der Zeitraum für den Bau wurde auf 141999 bis 122011 festgelegt, wobei die ersten 80 (141999 - 8102008) für den Aufbau (d. H. In Probe) und die verbleibenden Daten (8112008 - 122011) verwendet wurden. Die verbleibenden Daten (132011 - 4232013) wurden für die Validierung reserviert. Alle Daten wurden von TradeStation 9 bezogen. Die Strategie-Logik war lang-nur, und 100 des Eigenkapitals wurde auf jedem Handel investiert, wobei alle Gewinne reinvestiert wurden und 0,015 pro Aktie pro Umlauf für die Handelskosten abgezogen. Adaptrade Builder verwendet einen genetischen Programmieralgorithmus, um eine Population von Strategien über aufeinanderfolgende Generationen zu entwickeln. Der Schlüssel zur Verwendung von Builder, um Strategien zu finden, die unsere optimalen Anforderungen erfüllen, ist die Festlegung der sogenannten Build-Metriken, die in Abb. 1. Figure 1. Die Build-Metriken im Builder definieren den Sweet Spot für die SPY-Strategie. Die Liste der Build-Ziele enthält drei Allzweck-Metriken, die alle maximiert werden. Diese helfen, die Bevölkerung der Strategien auf diejenigen, die einen hohen Nettogewinn, Korrelationskoeffizienten und statistische Signifikanz, die für jede Strategie wünschenswert sind. Die spezifischen Qualitäten, die gesucht wurden (d. H. Der Sweet Spot), werden durch die Build-Bedingungen definiert, welche die Ungleichungsbedingungen für die Anzahl der Trades, die durchschnittlichen Bars in Trades und den Prozentsatz der Gewinne einschließen. Beachten Sie, dass die Bedingung für die Anzahl der Abschlüsse auf einen Bereich festgelegt wird, der auf der Anzahl der Jahre der In-Probe-Daten basiert und das Ziel, zwischen 20 und 30 Trades pro Jahr zu haben. Beachten Sie auch, dass der Prozentsatz der Gewinne Trades auf einen Bereich zwischen 65 und 85 festgelegt ist. Die obere Grenze wurde hinzugefügt, weil Strategien mit einem ungewöhnlich hohen Prozentsatz der Gewinne Trades in der Regel nicht erfüllen einige andere Bedingung. Eine Bestrafung solcher Strategien wird dazu beitragen, die Bevölkerung zu Strategien zu bewegen, die alle Bedingungen erfüllen, im Gegensatz zu Strategien, die unverhältnismäßig eine Bedingung zum Ausschluss von anderen erfüllen. Die gleiche Logik wurde für die Einstellung eines Bereichs für den Profitfaktor verwendet. Die anderen Bedingungen - Korrelationskoeffizient, statistische Signifikanz, Gewinnfaktor und Kelly-Anteil - sind nicht Teil unserer spezifischen Anforderungen, sondern wurden hinzugefügt, um die Gesamtergebnisse zu verbessern. Die Stresstests und Monte-Carlo-Einstellungen, die für dieses Beispiel verwendet wurden, wurden auf dem Bildschirm Build-Optionen ausgewählt, wie unten in Fig. 2. Abbildung 2. Die Optionen für Monte-Carlo-Analyse und Stresstests werden auf der Registerkarte "Erstellungsoptionen" ausgewählt. Wie in der Abbildung gezeigt, wurden für jede Analyse 99 Monte-Carlo-Iterationen verwendet. Das bedeutet, dass zusätzlich zur Auswertung der Originaldaten 99 Stresstests durchgeführt wurden. Die 100 Datensätze wurden unter Verwendung der Monte-Carlo-Analyse analysiert, um die Ergebnisse bei 95 Vertrauen zu extrahieren, wobei zur Bewertung der in Fig. 1. Die Stress-Tests bestand aus Randomisierung der Preise, Randomisierung der Strategie-Eingänge und Randomisierung der Start-Bar. Alle drei Randomisierungen wurden für jeden Stresstest durchgeführt. Da jede Strategie 100-mal (99 Stress-Tests plus die ursprünglichen Daten) bei jeder Generation ausgewertet wurde, dauerte dieser Ansatz etwa 100-mal so lange, wie es hätte Belastungstests und Monte-Carlo-Analyse nicht verwendet worden wäre. Aus diesem Grund wurde eine relativ kleine Population von nur 100 Mitgliedern verwendet, um die Lösungszeit angemessen zu halten. Die Bevölkerung entwickelte sich über 10 Generationen, und eine Option wurde eingestellt, um über 10 Generationen beginnen, wenn der Reingewinn in der Out-of-Sample-Periode war negativ. Die Eigenkapitalkurve von der Top-Strategie in der Bevölkerung nach 20 Generationen (1 Wiederaufbau) ist unten in Abb. 3. Figure 3. Eigenkapitalkurven für jeden Stresstest für die finale SPY-Strategie. Jede Kurve in Fig. 3 repräsentiert einen Stresstest. Wie ersichtlich, haben alle verschiedenen Eigenkapitalkurven die gleiche Form mit positiven Out-of-Sample-Ergebnissen. Im folgenden sind einige der Monte Carlo-Ergebnisse bei 95 Vertrauen entsprechend Fig. 3. Nettogewinn-durchschnittliche Bars in Trades Abgesehen von der Anzahl der Trades, die weniger als gefragt ist, entspricht die Strategie den ursprünglichen Anforderungen. Die Strategie gibt auch den Validierungstest weiter. Wenn das Enddatum auf 4232013 verlängert wird, erhöht sich der Nettogewinn von Monte Carlo auf 67.015. Die Strategielogik erfüllt auch die Forderung nach einer mittleren Reversionsstrategie: sie tritt bei einer Limit Order ein und beendet sie mit einer Indikatorbedingung. Die Grenze Eintrag bedeutet, dass der Markt auf den Grenzpreis kommen muss, so ist die Strategie zu kaufen niedrig und verkaufen, nachdem der Markt zurück geht. Es ist wichtig zu beachten, dass dies Monte Carlo Ergebnisse bei 95 Vertrauen sind, was bedeutet, dass zum Beispiel 95 der Belastungstest Auswertungen hatten einen Nettogewinn mindestens so groß wie 56.784. Wenn der Belastungstest abgeschaltet wird und die Strategie auf den ursprünglichen Daten ausgewertet wird, ist die Eigenkapitalkurve wie nachstehend in Figur 1 gezeigt. 4. Abbildung 4. Eigenkapitalkurve für die endgültige SPY-Strategie auf den ursprünglichen Daten. Diese Eigenkapitalkurve entspricht einem Reingewinn von 109.497, was einer Jahresrendite von 5,5 entspricht. Während dies nur eine bescheidene Rendite ist, schlägt es leicht die Buy-and-Hold-Rendite von rund 1,8 im gleichen Zeitraum und wird ohne Hebelwirkung und mit einer stetig wachsenden Eigenkapitalkurve über einen Zeitraum erreicht, der zwei Bärenmärkte umfasst. A Select Sector SPDR Beispiel Das zweite Beispiel beinhaltet das Erstellen einer Strategie über ein Portfolio von ETFs, die aus den Select Sector SPDRs bestehen. Diese ETFs teilen den SampP 500 Index in neun Sektoren auf, so dass jeder Bestand im SampP 500 in einen der neun Sektoren ohne Überlappung platziert wird. Die neun Sektoren sind Consumer Discretionary (Symbol XLY), Consumer Staples (XLP), Energy (XLE), Financial (XLF), Health Care (XLV), Industrial (XLI), Materialien (XLB), Technologie (XLK) und Utilities (XLU). Die meisten der gleichen Einstellungen wurden verwendet, um diese Strategie wie im letzten Beispiel zu erstellen. Da jedoch neun Mal so viele Preisdaten im Build verwendet wurden, reduzierte ich die Anzahl der Monte-Carlo-Iterationen von 99 auf 5. Die anderen Build-Optionen waren die gleichen wie in Abb. 2 mit Ausnahme der Wiederherstellungsoption, die nicht ins Spiel kam. Für die Positionsbestimmung wurden 20 von Eigenkapital in jedem Handel investiert. Da nicht alle Märkte zur gleichen Zeit handelbar waren, wurde diese Einstellung gewählt, um ausreichende Positionsgrößen bereitzustellen, ohne eine Hebelwirkung (d. h. Überinvestition) zur Folge zu haben. Die Stichprobenperiode für diesen Build betrug 141999 bis 5282009 mit 5292009 bis 122012 als Out-of-sample-Zeitraum und 132012 bis 4232013 für die Validierung beiseite gelegt. Die Eigenkapitalkurve von einer der obersten Strategien in der Bevölkerung nach 10 Generationen (keine Wiederaufbau) ist unten in gezeigt. 5. Abbildung 5. Eigenkapitalkurven für jeden Stresstest für die endgültige Selektion SPDR Portfolio-Strategie. Jede Eigenkapitalkurve in Abb. 5 stellt das Portfolio-Eigenkapital dar, das aus Backtests auf allen neun Märkten gleichzeitig für einen Satz von Stresstest-Einstellungen (oder die ursprünglichen Daten) erzeugt wird. Einige Übersicht Monte Carlo Ergebnisse werden unten angezeigt. Total Net Profit Im Gegensatz zum vorherigen Beispiel sind die Ergebnisse nicht wesentlich unterschiedlich, wenn die Monte Carlo-Analyse ausgeschaltet wird und die Ergebnisse über die ursprünglichen Daten ausgewertet werden. In diesem Fall erhöht sich der Reingewinn auf 205.140. Diese Strategie leitet auch den Validierungstest weiter. Die Eigenkapitalkurve für die Strategie über die ursprünglichen Daten (ohne Belastungstest), in der die Validierungsperiode eingeschlossen ist, ist nachfolgend in 6 gezeigt. 6. Abbildung 6. Eigenkapitalkurve für die endgültige Selektion SPDR Portfolio-Strategie auf die ursprünglichen Daten. Diese Eigenkapitalkurve entspricht einem Nettogewinn von 249.431, was einer jährlichen Rendite von 9,5 mit einem Worst-Case-Drawdown von 21 entspricht. Wie im vorherigen Beispiel tritt die Strategielogik lange auf einen Limitauftrag ein. Die meisten Exits sind über ein Ziel-Exit, mit anderen Geschäften verlassen auf der Grundlage einer Indikator-Bedingung oder auf einem Schutz-Stop. Download Mean Reversion-Projektdateien: (Rechtsklick, Ziel speichern unter als. zip-Datei benötigt Adaptrade Builder zum Öffnen.) Lizenzierungsgründe enthalten Projektdateien keine Preisdaten. Die so genannte Sweet Spot für Handelsstrategien von Dr. Bandy empfohlen scheint effektive Bedingungen für den Aufbau von Mittelwerten Handelsstrategien in einer automatisierten Weise mit einem Tool wie Adaptrade Builder bieten. Es konnten Strategien gefunden werden, die die meisten Anforderungen für beide Beispiele erfüllen: eine einheitliche Marktstrategie für den SPY-ETF-Markt und eine Strategie für ein Portfolio von ETFs, bestehend aus den neun Select Sector SPDRs. Beide Strategien schlugen Buy-and-Hold und hielt sich gut in der Validierung Test. Für beide Beispiele wurden Stress-Tests mit Monte-Carlo-Analyse eingesetzt, um die Chancen für die Suche nach robusten Strategien zu erhöhen. Im Vergleich zum Portfolio-Beispiel waren die Stresstestergebnisse für die Single-Market-Strategie (SPY) wesentlich konservativer (weniger günstig) als die Ergebnisse der ursprünglichen Daten. Während einige davon aufgrund der strengeren Belastungstests im Vergleich zum Portfolio-Beispiel liegen, schlägt sie vor, dass die SPY-Strategie weniger robust als das Portfolio-Beispiel ist. In der Regel, wo die Monte Carlo Ergebnisse deutlich von den Ergebnissen auf den ursprünglichen Daten divergieren, könnte erwartet werden, dass die beste Schätzung der zukünftigen Ergebnisse wäre irgendwo dazwischen, obwohl das hängt davon ab, wie konservativ die Belastungstests und Monte Carlo-Analyse ist . Es erscheint vernünftig, dass die Portfoliostrategie robuster als die Binnenmarktstrategie wäre, da die Portfoliostrategie auf neun verschiedenen Märkten aufgebaut wurde und über ein breiteres Spektrum an Preisdaten hinweg gut funktionieren musste. Es wurde über neunmal so viele Daten gebaut und hat etwa neunmal so viele Trades. Die höhere Performance der Portfolio-Strategie kann die positive Auswirkung der Diversifizierung auf die neun verschiedenen Sektoren der SPDR widerspiegeln. Obwohl keine Strategie die Anforderung an die Anzahl der Trades erfüllt, kann es möglich sein, Strategien zu finden, die alle Anforderungen erfüllen, wenn eine größere Population verwendet wird oder strengere Wiederaufbauanforderungen eingesetzt werden, was mehr Buildzeit erfordern würde. Alternativ kann es sein, dass eine derartige Strategie aufgrund der widersprüchlichen Erfordernisse hoher Genauigkeit, Handelshäufigkeit, kurzer Handelsdauer und so weiter unwahrscheinlich ist. Die besten Baustellenbedingungen sind die, die das Marktpotential voll ausschöpfen und gleichzeitig realistisch bleiben. Die Kombination einer Reihe von nützlichen baulichen Bedingungen, wie die von Dr. Bandy, mit integrierten Robustheits-Features, wie Stress-Tests und Monte Carlo-Analyse, in einem automatisierten Tool wie Builder sollte eine solide Rahmenbedingungen für die Entwicklung wirksamer Handelsstrategien. Bandy, Howard B. Mittelwert Reversion Trading Systems. Blue Owl Press, Inc. Sioux Falls, SD, 2013, p. 138. Bandy, Howard B. Modellierung des Handelssystems. Blue Owl Press, Inc. Sioux Falls, SD, 2011, p. 154. Dieser Artikel erschien in der April 2013 Ausgabe des Adaptrade Software-Newsletters. Die SampP 500 und Select Sector SPDRs sind Warenzeichen der McGraw-Hill Companies, Inc. HYPOTHETISCHE ODER SIMULATIVE LEISTUNGSERGEBNISSE HABEN BESTIMMTE INHERENTE BESCHRÄNKUNGEN. EINE AKTUELLE LEISTUNGSAUFNAHME, SIMULATIVE ERGEBNISSE NICHT VERTRETEN. WENN DIE HÄNDE NICHT TATSÄCHLICH AUSGEFÜHRT WERDEN KÖNNEN, KÖNNEN DIE ERGEBNISSE AUSSERDEM AUF DIE AUSWIRKUNGEN AUF BESTIMMTE MARKTFAKTOREN ENTSTANDEN WERDEN KÖNNEN. SIMULATED HANDELSPROGRAMME IM ALLGEMEINEN SIND AUCH AUF DIE TATSACHE, DIE SIE MIT DEM VORTEIL VON HINDSIGHT ENTWERFEN. KEINE REPRÄSENTATION IST GEMACHT, DASS JEDE KONTO ODER GELTEND ZU ERWERBENDE GEWINNE ODER VERLUSTE VERÄNDERT WIRD. Wenn Sie über Neuentwicklungen, Neuigkeiten und Angebote von Adaptrade Software informiert werden möchten, können Sie sich gerne an unsere E-Mail-Liste wenden. Vielen Dank.
No comments:
Post a Comment