Populære Innlegg

Redaksjonens - 2020

Hvordan forstå at rådgiveren er utdatert?

God ettermiddag, mine damer og herrer, Forex handelsmenn!

Jeg hører ofte spørsmål fra nybegynnere om hvorfor du trenger en fremtidig test under optimalisering, hvordan du kan evaluere resultatene som er oppnådd under testing og optimalisering, hvordan du kan sammenligne testresultatene og arbeidet med sanntidsrådgivere.

Og det viktigste spørsmålet: "Hvordan forstå at rådgiveren er utdatert, har sluttet å jobbe som den skal, og det er på tide å trekke det fra kontoen?"

Det er nettopp disse spørsmålene jeg vil prøve å svare på i dag.

Ryggtester og ekte handel

I praksis hender det ofte at et system som har vist gode resultater i back testing ikke er i stand til å tjene penger på reell handel. Dette skyldes særegenhetene ved tilbaketesting, utført på historiske data, som systemet tilpasser seg som et resultat av optimalisering.

Back-testing programmer tar ikke hensyn til noen faktorer som påvirker suksessen til en handel, for eksempel graden av likviditet til et verktøy eller konkurranse fra andre budgivere. Testen tillater ikke å ta hensyn til mulige tekniske vanskeligheter, som (hvis vi legger spørsmålet om hastigheten på utførelsen av applikasjoner til side) er viktigst for høyfrekvent handel, de reduseres til kommunikasjonsmangel, funksjonsfeil hos meglere og selve utvekslingen. Ulempene med back testing er nyttige å ta i betraktning for å nøkternt vurdere mulighetene til systemet ditt.

Et av stadiene med å teste et system er optimalisering der roboten tilpasser seg historiske data for å oppnå et bedre resultat. Ved å endre verdiene på forskjellige parametere i algoritmen, kan nesten ethvert handelssystem tvinges til å vise et pluss på et tidligere kjent segment av prishistorien. Dessuten er antall parametre som brukes viktige: et enkelt system som bruker et lite antall variabler er vanskeligere å optimalisere, men med innføringen av hver tilleggsvilkår og parameter kan handelsresultatet forbedres. Den økende teoretiske lønnsomheten betyr imidlertid ikke at systemet blir bedre. Roboten er rett og slett bedre egnet til historiske data. Kompliserende systemet er det mulig å oppnå at det i en åpen historie vil fungere på alle mulighetene, men i markedet vil det bare gi tap.

Apotesen til kompleksiteten til handelssystemer er nevrale nettverk, som har mange parametere. En robot basert på et nevralt nettverk, som har husket en stor mengde informasjon, kan tilpasse seg historiske data så mye at den ganske enkelt vil bruke dem i fremtiden. Derfor, spesielt når det gjelder komplekse systemer med et stort antall koeffisienter, må optimaliseringsprosessen behandles med forsiktighet.

Et godt system skal i det minste vise til et positivt resultat uten optimalisering, hvis all lønnsomhet oppnås bare på bekostning av dette, har robotforfatteren grunn til å tenke. I optimaliseringsprosessen er det etter min mening ikke alltid verdt å dvele ved koeffisientene til systemet der det oppnås best lønnsomhet under back testing. Hvis parameterverdien er veldig nær kanten av det positive området (for eksempel 7 med positive resultater fra 5 til 20), er det fornuftig å flytte parameterverdien nærmere midten.

Fremover tester

Hva er en fremtidsprøve? Dette er en test av systemparametrene oppnådd under optimalisering på en annen historisk dataprøve enn den optimaliserte. Hvis vi forklarer det på fingrene, justerer vi først innstillingene våre til et stykke historie, finner vi noen bedre sett (dette kalles optimalisering), og deretter sjekker du på et senere stykke historie om disse innstillingene fremdeles er egnet eller de ikke lenger er relevante og rådgiveren med dem begynte å slå seg sammen. Mange nybegynnere unnlater å teste fremover. Jeg håper jeg har forklart deg hvorfor du ikke skulle overse dette.

Det beste settet med parametere på et bestemt stykke historie trenger ikke å være det beste på et senere stykke - alt kan endres hundre ganger. Og jeg tror nok en gang før du installerer rådgiveren i det virkelige liv, gjenforsikring og sjekker ytelsen til parameterne, skader det ikke, selv om du er sønn av en arabisk sjeik og bruker dollar i stedet for servietter.

I motsetning til etablerte hensyn, er ikke en fremtidig test nødvendigvis en sjekk i strategitesteren. Fremover kan gjennomføres online på en demo eller en liten ekte konto. Denne tilnærmingen har både fordeler og ulemper. Den største ulempen er at slik testing tar veldig lang tid. Et pluss kan tjene som det faktum at testavlesningene i dette tilfellet er så nær reelle indikatorer som mulig (faktisk er dette virkelige indikatorer). Det vil si at du definitivt vil se hvordan strategien til denne megleren i denne typen kontoer oppfører seg.

Generelt har fremtidsprøven tre hovedmål, og ikke ett. De to første er viktige for å overholde testteknologi. Sistnevnte gir viktig og unik informasjon om forventningene til fortjeneste og risiko for fremtidig handel med reelle kontoer.

dermed hovedmål test - for å forstå om resultatene oppnådd under optimalisering er reelle. Fakta er at et handelssystem som er utformet riktig, skal være lønnsomt ikke bare i optimaliseringsområdet, men også senere (i terminperioden og i sanntid). Men dette skjer ikke alltid - noen handelssystemer kan ganske enkelt ikke bestå den fremtidige testen, og begynner å strømme umiddelbart etter optimaliseringsperioden. Slike systemer er ganske enkelt i utgangspunktet ubrukbare, uansett hvor hardt du prøver å optimalisere parametrene deres. Derav regelen - hvis du har tenkt å bruke systemet i reell handel, er det ganske enkelt forpliktet til å passere fremover-testing.

Andre mål test - for å unngå overoptimalisering av systemparametere. Ganske ofte, hvis ikke optimaliseringsteknologien følges, kan til og med et godt system bli optimalisert. Dette kan skje på grunn av tilstedeværelsen av for mange regler og filtre, et for høyt antall optimaliserte parametere, eller for et lite trinn for optimalisering.

Fremover-testen gir et mål på effektiviteten, kalt indikatoren for fremtidig ytelse, som sammenligner den årlige avkastningskursen for terminperioden med den fortjeneste som oppnås under optimaliseringen. Det er enkelt å bestemme omoptimalisering av parametere basert på en sammenligning av årlige avkastningsrenter - hvis de er veldig forskjellige, har du å gjøre med omoptimalisering.

Og her kommer vi til tredje mål fremtesting - måling av lønnsomhet og risiko for et system for å bestemme investeringsforventninger. Et ideelt designet og optimalisert system vil ha de samme resultat- og risikoindikatorene for terminperioden og påfølgende handel som for optimaliseringsperioden. Hvis avkastningsraten på terminforsøket avviker betydelig fra overskuddet på terminalen eller i sanntid, er slike innstillinger ikke egnet. Jeg håper at du nå ikke har noen spørsmål om muligheten for å gjennomføre fremtidig testing.

Demotester og live-kontotester

Mange prøver å teste rådgivere på demokontoer. Ganske ofte kan du høre: "Jeg jager denne rådgiveren på en demo." Hvis du virkelig skal bruke denne eller den rådgiveren på ekte kontoer, bør du ikke gjøre dette.

FørstDet er ingen ytelsesproblemer på demokontoer. De fleste meglere konfigurerer demoserverne slik at den næringsdrivende ikke får problemer med glidning og rekvisita. Som et resultat hender det ofte at roboten fungerer bra på en demo, og når den er installert på en ekte konto, begynner den å tape penger.

Dernest, ganske ofte gir megleren den "beste spredningen" på demokontoer. Når du åpner en demokonto, vil du sannsynligvis motta tilbud med minst mulig spredning for denne megleren. Dermed kan påvirkningen av denne faktoren i stor grad påvirke ideen om den totale lønnsomheten til rådgiveren.

og for det tredjearbeider med demokontoer, opplever du ikke psykologisk press. Denne faktoren har også en positiv effekt på kontoen lønnsomhet.

Derfor er det best å teste rådgivere på små reelle kontoer - 100-200 dollar er i de fleste tilfeller nok. I tillegg gir mange meglere nå centkontoer. Og likevel er det ideelt å prøve å teste rådgiverne nøyaktig på serverne som du har tenkt å handle på.

Sentrale indikatorer for handelssystemer

Nå skal vi analysere de viktigste indikatorene for handelssystemer, tenke på om vi skal være oppmerksom på visse indikatorer og hvor viktige de er.

Maksimal trekning

Å drive enhver virksomhet er kostbart. Forex er den samme virksomheten som alle andre, og kostnadene for handelsoverskudd bestemmes her av risiko og margin.

Maksimal trekning er verdien av den dypeste nedgangen i avkastningskurven på en handelskonto før den når et nytt maksimum. Det er psykisk veldig vanskelig å tåle store ulemper i reell handel. Når jeg velger sett, vurderer jeg vanligvis ikke resultater med en nedtrekning på mer enn 15-20%. Når jeg beregner pengehåndtering prøver jeg å oppnå en maksimal trekning på ett par på ikke mer enn 10-15%. Når du arbeider med store beløp, anbefales det at maksimalt tillatt trekk på kontoen ikke er mer enn 5%. Døm selv hvor fint det er i et par måneder å slippe en ti millioneders konto med 20%. Ikke hver nerve er så sterk, og noen ganger oppstår det tvil i det brukte handelssystemet. Jo høyere maksimal tilbaketrekning, jo høyere er det psykologiske presset som oppdages av den næringsdrivende.

Det kreves handel for å tjene penger. En serie med å miste avtaler treffer den næringsdrivendes ego, foruroligende og tvinger ham til å ta utslett avgjørelser. Dette angår selvfølgelig mer manuell handel, men likevel, når de handler med roboter, overvåker de algoritmiske handelsmenn tilstanden til kontoene sine, slik at det ikke vil være mulig å bli kvitt den psykologiske faktoren i algoritmisk handel fullstendig (selv om påvirkningen av denne faktoren i stor grad blir jevnet ved å eliminere behovet for den næringsdrivende ta handelsbeslutninger). Og likevel, hvis den næringsdrivende ikke er psykologisk klar til å akseptere slike ulemper, er det bedre å bestemme en akseptabel ramme på forhånd, selv på land, ved å justere rådgiverens masse på riktig måte.

Kapital som kreves

Nødvendig kapital - minimumsbeløpet for å handle en rådgiver. Når vi kjenner til maksimal trekning og riktig oppsetting av pengestyring, kan vi bestemme mengden minimumsinvestering for å handle en rådgiver. Vår oppgave er å fordele en slik mengde penger slik at vi med en innstilt pengestyring tåler minst 1,5 maksimale trekkplaster ganske rolig, uten unødvendige nerver. Noen profesjonelle handelsmenn er forsikret ved å akseptere tre maksimale trekk.

Antall avtaler

Hver type handelssystem har sitt pålitelige antall transaksjoner. For intradagshandel er dette vanligvis fra 200 til flere tusen transaksjoner per år. For handel på D1 kan antall transaksjoner per år nå så lite som 10. Uansett er det verdt å huske at jo flere transaksjoner det er i statistikk, jo mer pålitelig er resultatet. Som regel er minimum antall transaksjoner for evaluering av systemparametere hundre.

Gjennomsnittlig fortjeneste per handel

Når du utvikler et handelssystem er det veldig viktig å være oppmerksom på denne indikatoren. Jo høyere gjennomsnittlig fortjeneste per handel, jo bedre. Noen ganger hender det at i tester når du handler med lodd 0.1, gir systemet 3-5 dollar fortjeneste per handel. Etter å ha evaluert alle de andre parametrene, bestemmer den næringsdrivende å sette systemet på en reell konto. Etter litt tid viser det seg at systemet taper penger.

Når du vurderer statistikken til en reell konto, viser det seg at gjennomsnittlig fortjeneste per handel er i negativ sone. Hvordan skjedde det? Bare testing ble utført med en spredning på to punkter og uten å ta hensyn til virkeligheten. Og den virkelige spredningen viste seg å være 3 poeng mer enn planlagt, og som et resultat var det bare $ 2 igjen fra gjennomsnittlig fortjeneste per handel. Og de glemte å ta hensyn til utglidningen, som "spiste" ytterligere to poeng. Pluss kommisjonen, som generelt ble glemt. Og til slutt var gjennomsnittlig fortjeneste minus en dollar.

Gjennomsnittlig fortjeneste per handel er en viktig parameter, og for ikke å febrilsk søke etter en megler som "dette" vil fungere i pluss, er det verdt å fokusere på verdier som ikke er lavere enn 10 poeng ($ 10 per handel med mye 0,1), eller bedre - mer .

Vinnende prosentandel

Jeg har allerede skrevet mye om dette, men jeg vil gjenta det igjen. Mange fagpersoner jobber med en prosentandel lønnsomme handler på 50, 40 eller enda mindre. Men det er psykisk veldig vanskelig og ikke alle tåler en slik handel. Som regel forklares en lav prosentandel (under 50%) av et høyt forhold mellom gjennomsnittlig lønnsom transaksjon og gjennomsnittlig ulønnsom transaksjon - fra 3 til 1 og over. En slik balanse er karakteristisk for langsiktige trendhandelssystemer. Scalper-systemer og intradagssystemer er vanligvis preget av en verdi på 60-70 prosent eller enda høyere, men overskuddet til tap der er vanligvis ikke høyere enn 1 til 1. Men slike systemer er allerede mer komfortable og deres avkastningskurver ser jevnere ut . Likevel er det ekstremt vanskelig å finne et slikt system, som er stabilt på samme tid - noen ganger er handel med en prosentandel lønnsomme transaksjoner på under 50% mindre tidkrevende.

Resultatestimat

Etter at du har sammenlignet det gjennomsnittlige årlige overskuddet til handelssystemet med andre investeringsinstrumenter du bruker og bestemt deg for at det er lurt å bruke systemet i denne vene, er det på tide å evaluere TS om risiko og nødvendig kapital. Et årlig overskudd på $ 100 000 er kult, men hvis du trenger 2 millioner for å sette inn det, er det bare 5% per år, det er ikke så kult. Dessuten, hvis maksimal trekning er 25%, som tilsvarer $ 500K eller et risiko-til-risiko forhold på 1 til 5 - er dette generelt ingen steder verre.

Og omvendt, hvis det kreves 100K for samme fortjeneste med en risiko på 10% eller 10K, er forholdet mellom lønnsomhet og risiko allerede 10: 1. Og dette er bare et fantastisk resultat.

Risikojustert avkastning - RAR

Eksemplene ovenfor antyder den riktige ideen om at vurderingen av lønnsomheten til systemet skal utføres under hensyntagen til risikoen som er nødvendig for å oppnå denne lønnsomheten. Forholdet mellom lønnsomhet og risiko (belønning til risikoforhold) er bare en slik indikator. Han sammenligner den maksimale årlige avkastningen med den maksimale trekningen som var tillatt.

For eksempel vil en årlig avkastning på $ 25 000 med en trekning på $ 5 000 gi en belønning til risikoforhold på 5. Som regel, jo høyere dette forhold, jo bedre. Mange handelssystemer har denne indikatoren fra 5 til 10.

Avkastning på egenkapitalen

Generelt sett bør overskudd betraktes som avkastning på investeringen. Det beregnes ganske enkelt - det er nok til å dele det årlige overskuddet med den minste nødvendige kapitalen.

Her er et eksempel: vi har et system som gir en maksimal trekke på $ 10.000 og et årlig overskudd på $ 40.000. Lønnsomhets / risiko-forholdet er ganske bra, det er lik fire. For eksempel er vi klare for nedtrekk på 20%, og da vil vi godta trekningen på testen for 10% (dobbel margin). Da vil minimumskapitalen for handel med oss ​​være 100 000 dollar. Etter å ha investert 100 000 dollar, vil vi få $ 40 000 per år eller et avkastning tilsvarer 40% per år.

Fordelen med å vurdere årlig avkastning er den enkle sammenligningen. Dette er en generelt akseptert standard, som også letter sammenligningen av et bestemt handelssystem med andre.

Systemeffektivitet

Denne metoden for å sammenligne gevinsten til forskjellige systemer vurderer gevinsten fra systemet i sammenheng med dagens markedsmuligheter. I forskjellige perioder har markedene større eller mindre potensiale for fortjeneste, og det vil være logisk å ta hensyn til dette når man sammenligner indikatorer.

Her er det verdt å introdusere en annen definisjon.Potensiell markedsgevinst er overskuddet som kan oppnås ved å kjøpe hver bunn og selge hvert toppunkt i den betraktede tidsperioden (vanligvis et år).

Ingen handelssystem er naturlig nok i stand til å presse alt ut av markedet. Derfor kan du legge inn en spesiell koeffisient - effektiviteten til handelssystemet. Dette er effektiviteten til hvor effektivt systemet konverterer potensielle overskudd som tilbys av markedet til reelle handelsgevinster på den næringsdrivendes konto. Anta for eksempel at netto gevinsten til systemet er $ 25 000 og potensielle $ 300 000. Da er systemeffektiviteten (25/300) = 8,33%. Dette er ganske bra ytelse. I gjennomsnitt har relativt gode handelsstrategier et forhold på 5% eller høyere.

Effektivitetsindikatoren gjør det enkelt å sammenligne systemer for forskjellige markeder og i forskjellige perioder. Markedene endrer seg kontinuerlig, og de indikatorene som systemet hadde i fortiden, kan aldri gjentas. Samtidig er systemeffektiviteten en ganske pålitelig indikator. Effektivitet, som forblir på et gjennomgående høyt nivå fra år til år, er en indikator på stabiliteten og høye kvaliteten i handelssystemet og antyder at uansett hvordan markedet endrer seg, fortsetter systemet å tjene på det på en kontinuerlig og stabil basis.

Resultatfaktor

I stedet for å bedømme systemet ut fra den gjennomsnittlige årlige fortjenesten, er det mer praktisk å vurdere en slik parameter som gevinstfaktoren. Faktisk er denne koeffisienten et nytt forsøk på å måle effektiviteten av handelssystemet. Resultatfaktor er kvoten på å dele totalfortjeneste med totaltap. For eksempel kan en gevinstfaktor på 1,5 indikere at systemet i gjennomsnitt taper 2 (3/2 = 1,5) for hver 3 dollar fortjeneste. En verdi over 1 indikerer at systemet kan tjene penger. Jo høyere denne enheten er, desto mer effektiv er den. Det anbefales ikke å vurdere systemer med en gevinstfaktor under 1,3 og ideelt sett strebe etter en verdi på 1,6.

Handelsstabilitet

Handelsstabilitet er det viktigste elementet i et handelssystem. Jo mer stabilt handelssystem i alle henseender, jo bedre. Og omvendt, jo mer rotete og ustabilt systemet, desto farligere er det, og derfor bør det føre til stor tvil. Enig, når resultatene er veldig uberegnelige og det er vanskelig å gjette om du vil få et overskudd på 80% i år, eller om systemet vil miste alt den siste måneden av året og gå i minus - ikke den beste tingenes tilstand. La oss se hvordan du kan måle stabiliteten i handel og hvilke indikatorer som brukes for dette.

Overskuddsdeling

Ensartetheten av resultat- og tapsfordelingen i testen og fremoverprøvene er den viktigste indikatoren på stabilitet. Den rent nettovinsten brakt av systemet sier ikke noe om stabiliteten. Tross alt kunne all fortjeneste oppnådd på bare en måned i året, mens resten av tiden systemet lekket penger. Det er fordelingen av overskudd og tap over tid som gir en god ide om hvor mye du vil måtte bekymre deg når du bruker systemet.

Anta at et system har et overskudd på $ 50.000 over en femårsperiode med en trekning på $ 10.000. Som for eksempel vist i tabellen:

årprofitsag
201350 0005 000
201430 0006 000
201510 0007 000
2016- 15 0009 000
2017- 25 00010 000

Det største overskuddet var det aller første året, det største tapet - i det siste. Hvis du i tillegg bygger et lønnsomhetsdiagram, vil vi se en fallende kurve. Enda verre er det at årlige nedtrekk øker. Dette handelssystemet blomstret i løpet av de to første årene, hvoretter det tydelig har fusjonert kapital i flere år nå.

Eller et annet eksempel:

årprofitsag
2013-15 0005 000
2014110 00010 000
2015-15 0007 000
2016-15 0006 000
2017-15 0004 000

Selv en rask titt på tabellen viser at all overskuddet ble gjort i 2014. Resten av tiden tapte systemet jevnlig penger. Dette alene er nok til å forlate en slik strategi.

Og et tredje eksempel:

årprofitsag
201310 0007 000
20145 00010 000
201510 0006 000
201610 0005 000
201715 0004 000

I alle tre eksemplene var den resulterende fortjenesten $ 50.000 med en maksimal trekning på $ 10.000. Men vær oppmerksom på enhetens resultat i sistnevnte tilfelle. I tillegg viser systemet en hyggelig retning oppover og en nedgang i nedtrekningen. Dessuten hadde systemet et maksimalt uttrekk i den fjerneste driftsperioden. Alt dette indikerer handelssystemets ganske tilfredsstillende stabilitet.

Her er et annet eksempel:

årprofitsag
2013- 25 00010 000
2014- 15 0009 000
201510 0007 000
201630 0006 000
201750 0005 000

Dette eksemplet er det inverse av det første. Til tross for en utvetydig forbedring av indikatorene, er dette alternativet trolig uegnet. Men hvis det er et stort ønske om å fortsatt bruke det i handel, er det først av alt nødvendig å finne svaret på spørsmålet: hvorfor fungerte det så dårlig før og fungerte så bra nå? Kanskje dette er en midlertidig faktor, og litt tid etter at systemet startet, vil det allerede uttømme seg.

Generelt bør du bli veiledet av følgende regel - jo mer enhetlige resultatene, desto bedre. Hvis lønnsomheten har en tendens, er det nødvendig at den er moderat oppover, og ikke omvendt. Dessuten bør enhver trend være berettiget.

Deal Distribution

Fordelingen av transaksjoner beregnes vanligvis på nøyaktig samme måte som fordelingen av overskudd og tap for en gitt tidsperiode. Jo mer enhetlig fordelingen, jo bedre, selvfølgelig.

Den beste strategien er en hvor fortjeneste og tap er jevnt fordelt over hele perioden. Men du vil aldri oppnå perfekt enhetlighet. Derfor er det viktig å sikre at i det minste ikke kommer hovedgevinsten som et resultat av en eller flere serier med vellykkede transaksjoner.

For øvrig, en serie vinnende og tapende handler bør også fordeles jevnt over hele nettstedet. Jo mindre standardavvik, jo mer forutsigbart og stabilt resultat av handel.

Så et stabilt handelssystem har følgende egenskaper:

  • den mest enhetlige fordelingen av overskudd og tap;
  • den jevneste fordelingen av gevinster og tap;
  • den jevneste fordelingen av serier med gevinster og tap.

Maksimal trekning

Maksimal trekning spiller en avgjørende rolle i vurderingen av risikoen for handelssystemet. Det bør evalueres i forhold til andre tapende serier generert av handelssystemet. Per definisjon maksimal trekning - Dette er den største tapsserien, men det er også viktig å vite hvor mye denne serien er større enn andre. For eksempel, hvis maksimal tilbaketrekning bare er 20-40% mer enn alle andre trekkperioder, kan dette tjene som ytterligere bevis på systemets stabilitet.

Hvis ditt maksimale uttrekk er 300% av gjennomsnittlig uttrekning, er dette et ganske dårlig tegn. Med mindre dette selvfølgelig er forårsaket av objektive grunner som et aksjemarkedsulykke eller andre force majeure-hendelser. Slike hendelser er nesten umulig å forutsi, og ofte fører de til betydelige tap, så det er verdt å prøve å beskytte deg mot force majeure. Dette gjøres ved å introdusere spesielle algoritmer i strategien som begrenser de maksimale tapene.

Den største vinnerstrekningen

Det bør evalueres på samme måte som den største tapsgivende serien. Det skal sammenlignes med den gjennomsnittlige vinnerstrekningen. I tillegg bør ikke den største vinnerstrenget gi en forholdsmessig stor andel av strategiens samlede overskudd.

Ytterligere statistiske verktøy for å evaluere handelsresultater

For å evaluere effektiviteten til handelssystemer brukes ofte forskjellige faktorer. De lar deg se på handelsresultatet i sammenheng med ulike faktorer. Mange av disse koeffisientene er allerede vurdert, så jeg vil bare gi en kort beskrivelse av dem. Noen er ennå ikke vurdert, og jeg vil dvele ved dem litt mer.

Sharpe Ratio

Investeringsresultat måles ofte i form av inntektsspredning. En slik indikator er Sharpe Ratio. Denne koeffisienten viser hvordan det aritmetiske gjennomsnittet AHPR, redusert med risikofri rente, og standardavviket til SD fra HPR-serien er relatert. Verdien av risikofri rente RFR (risikofri rente) blir vanligvis tatt lik renten på innskudd på banken eller inntektsrenten på statsobligasjoner.

Du kan lære mer om denne koeffisienten her.

Fortjeneste over holdtid (HPR)

I sin bok “Mathematics of Money Management” bruker Ralph Vince konseptet HPR (holding period return) - fortjeneste for den tiden transaksjonen avholdes. En avtale som ga 10% fortjeneste tilsvarer HPR = 1 + 0,10 = 1,10. En avtale som ga et tap på 10% tilsvarer HPR = 1-0. 10 = 0,90. På en annen måte kan HPR-verdien for en transaksjon oppnås ved å dele saldoverdien etter at transaksjonen er lukket (Balance Close) med balanseverdien på tidspunktet for åpningen av transaksjonen (Balance Open):

HPR = BalanceClose / BalanceOpen

Dermed tilsvarer hver posisjon ikke bare transaksjonsresultatet i økonomiske vilkår, men også med HPR. Dette lar deg sammenligne systemer, uavhengig av pengestyring som brukes i hvert tilfelle. En av indikatorene på en slik sammenligning er det aritmetiske gjennomsnittet - AHPR (gjennomsnittlig avkastning på holdeperioden).

Sammen med det aritmetiske gjennomsnittet introduserer Ralph Vince begrepet geometrisk middelverdi, som vi utpekte som GHPR (geometrisk holdeperiode-retur), som nesten alltid er mindre enn det aritmetiske gjennomsnittet AHPR.

Systemet med høyest geometrisk middel vil gi størst fortjeneste hvis du handler basert på reinvestering. En geometrisk gjennomsnitt mindre enn en betyr at systemet vil tape penger hvis du handler basert på reinvestering.

Den matematiske forventning (Forventet)

Gjennomsnittsverdien kan ikke bare beregnes for prøven, men for en tilfeldig variabel, hvis fordelingen er kjent. I dette tilfellet er den spesielle betydningen av middelverdien matematisk forventning. Matematisk forventning kjennetegner den "sentrale" eller gjennomsnittsverdien til en tilfeldig variabel.

For lønnsom handel bør den matematiske forventningen være høyere enn null, pluss all transaksjonskostnad (for eksempel spredning, bytter, utkjøringer, provisjoner og så videre). Mer informasjon om den matematiske forventningen finner du her.

Standardavvik

Vi har allerede diskutert standardavviket ovenfor da vi snakket om handelssystemets stabilitet. Denne verdien viser verdiene i forhold til gjennomsnittsverdien. Jo mindre standardavviksverdi, jo mer stabilt resultat, jo høyere verdi - jo mindre sannsynlig vil du få et avkastning nær gjennomsnittsverdien. Nå som vi forstår hva et standardavvik er, la oss gå videre til en mer detaljert vurdering av denne egenskapen.

For handelsregnskap brukes ofte tre gjennomsnitt: gjennomsnittlig lønnsomhet for en viss periode, gjennomsnittlig fortjeneste og gjennomsnittlig tap. Da er det logisk å beregne tre standardavvik for hvert gjennomsnitt: standardavvik for gjennomsnittlig lønnsomhet, standardavvik for gjennomsnittlig fortjeneste og standardavvik for gjennomsnittlig tap.

Gjennomsnittlig lønnsomhet er definert som summen av overskudd og tap delt på antallet, denne verdien viser den mest sannsynlige verdien av lønnsomheten som en konto kan føre til i en viss periode. Standardavviket for gjennomsnittlig avkastning oppsummerer gevinster og tap. Hvis vi antar at fordelingen av systemets lønnsomhet er underordnet normalfordelingen, vil verdien av det potensielle utbyttet med en sannsynlighet på 95% ligge i området mellom to standardavvik fra gjennomsnittsresultatet.

Ved å analysere standardavviket fra gjennomsnittlig fortjeneste, kan du vite hva spredningen av fortjenesten er i forhold til gjennomsnittsverdien. Jo mindre standardavvik, jo nærmere forventet resultat til gjennomsnittsverdien, desto mer stabilt er det.

Parametere MAE og MFE

Ser vi på det endelige resultatet av handel, som presenterer utfallet av handelsoperasjoner, kan vi ikke trekke noen konklusjoner om tilstedeværelsen av beskyttende stopp (Stop Loss) eller om effektiviteten av fortjenestetaking. Vi ser bare åpningsdato, sluttdato og det endelige resultatet - resultat eller tap.

Vi har ingen informasjon om flytende fortjeneste i løpet av levetiden til hver handelsposisjon og om alle posisjoner i det samlede aggregatet, og vi kan ikke ta vurderinger om arten av handelssystemet. Hvor risikabelt er det, hvordan ble fortjeneste oppnådd, ble papirfortjeneste tapt? Svarene på disse spørsmålene kan gis oss tilstrekkelig med parametrene MAE (Maximum Adverse Excursion) og MFE (Maximum gunstig Excursion).

Hver åpen stilling frem til nedleggelsestidspunktet opplever stadig svingninger i fortjenesten. Hver transaksjon i perioden mellom åpning og lukking nådde maksimalt overskudd og maksimalt tap. MFE viser maksimal prisbevegelse i en gunstig retning. Følgelig viser MAE den mest ugunstige prisbevegelsen. Det ville være logisk å måle begge indikatorene i poeng, men hvis handelen ble utført på forskjellige valutapar, for å bringe til en fellesnevner, kan du bruke det monetære uttrykket.

Hver lukkede transaksjon tilsvarer resultatet av denne transaksjonen og to indikatorer - MFE og MAE. Hvis transaksjonen oppnådde et overskudd på $ 100, men samtidig oppnådde MAE (maksimalt flytende tap i løpet av stillingen) - $ 1000, er dette ikke den beste måten å karakterisere denne transaksjonen. Tilstedeværelsen av mange transaksjoner med et positivt resultat, men med store negative MAE-verdier for hver transaksjon, forteller oss at systemet overskrider ulønnsomme posisjoner, og før eller senere er slik handel dømt.

På samme måte kan du få informasjon fra MFE-verdiene. Hvis posisjonen ble åpnet i riktig retning, nådde MFE (ubegrenset maksimal fortjeneste) på transaksjonen 3000 dollar, men som et resultat ble transaksjonen avsluttet med et resultat på pluss 500 dollar, kan det sies at det ville være fint å avgrense systemet for beskyttelse av uforpliktet fortjeneste. Dette kan være en slags flytestopp (Trailing Stop), som vi kan dra opp til prisen med en gunstig bevegelse i vår retning. Hvis mangelen på fortjeneste er systematisk, kan handelssystemet forbedres betydelig. MFE vil fortelle oss om det.

Van Tharp estimeringsteknikk

Kvaliteten på det evaluerte systemet foreslår Van Tharp å måle som forholdet mellom den matematiske forventningen og standardavviket for transaksjonsresultatene:

der M (x) er den matematiske forventningen,

σ er standardavviket.

Den resulterende verdien av R er klassifisert som følger:

mindre enn 0,16 - veldig dårlig kvalitet,

fra 0,16 til 0,20 - lavt,

fra 0,20 til 0,25 - gjennomsnittlig,

fra 0,25 til 0,30 - bra,

fra 0,30 til 0,50 - utmerket,

fra 0,50 til 0,70 - utmerket,

fra 0,70 og mer - gral.

Jo større den matematiske forventningen til systemet og jo mindre standardavvik, jo høyere er kvaliteten på systemet.

I vårt tilfelle er den matematiske forventningen et enkelt gjennomsnitt av alle transaksjoner:

der xi er resultatet av den i-th transaksjonen,

n er antall transaksjoner foretatt av handelssystemet.

Standardavviket er kvadratroten til variansen:

Vel, hvordan finne variansen, har vi allerede analysert hundre ganger.

Teknikken for å beregne estimater etter koeffisienten til Sortino

Sortino-koeffisient er forholdet mellom den matematiske forventningen og standardavviket for resultatene av transaksjoner med negativ avkastning:

der M (x) er den matematiske forventningen,

σ 'er standardavviket med negativ avkastning.

Den resulterende verdien er klassifisert som følger:

mindre enn 0,24 - veldig dårlig kvalitet,

fra 0,24 til 0,30 - lavt,

fra 0,30 til 0,38 - gjennomsnittlig,

fra 0,38 til 0,45 - bra,

fra 0,45 til 0,75 - utmerket,

fra 0,75 til 1,00 - utmerket,

fra 1,00 og mer - gral.

Det negative standardavviket standardavvik er kvadratroten av gjennomsnittsverdien av summen av kvadratene for tapsmessige handler:

Når du beregner avviksverdien, bør et viktig poeng tas i betraktning: positive transaksjoner er ikke ekskludert fra beregningen, verdiene deres erstattes av nuller. Dette påvirker antall handler (n) i formelen.

Så hvordan vet du om et system ikke lenger fungerer?

Å forstå at systemet ikke lenger fungerer er veldig viktig for den næringsdrivende.Hva skal jeg gjøre hvis kontoen får lang tid? Systemet sluttet å virke, og er det på tide å fjerne det? Eller er trekkperioden i ferd med å avslutte? Mange handelsmenn, spesielt nybegynnere, har absolutt ingen handlingsplan for en slik sak.

Mange erfarne handelsmenn vil si at de planlegger å vente en viss tid, og hvis systemet ikke begynner å avslutte nedtrekningen, vil det bli bestemt at det ikke lenger fungerer. En annen populær tilnærming er å vente på det doble nedtrekket som vises i testene. Men hvor riktig er begge disse tilnærmingene? Støttes de av statistikk? Hvor mye tid tar det å vente? Hvorfor er det et dobbelt trekkplaster, og ikke, si, en trippel? Det er ingen statistikk om dette, det er bare måten å gjøre det på.

Og likevel, hvordan forstå hvordan systemet er ødelagt? Ved hjelp av gamle, ikke bekreftede statistiske metoder, eller er det fortsatt verdt en liten tanke? La oss prøve det andre alternativet for en endring.

Og vi vil begynne å tenke på hva det handler om når systemet slutter å fungere. Vel, dette betyr at den ikke lenger fungerer, ikke fungerer som den ble lagt i. Alt vi trenger å gjøre er bare å sammenligne om systemet fungerer på samme måte som i testene.

Men hvilken parameter å sammenligne? Vi undersøkte ganske mange egenskaper, men for å evaluere systemets ytelse, er det verdt å trekke frem en av de viktigste - distribusjonen av transaksjonene våre på en reell konto i sammenligning med denne distribusjonen på testen. Alt som må sjekkes er om utvalget av reelle tradingavtaler er en del av utvalget fra testene. Hvis du kan tilbakevise hypotesen om at dette er slik med en viss grad av selvtillit (vanligvis 95%), handler ikke systemet lenger som det var ment. Så hun brøt sammen, og du kan trygt trekke den fra kontoen.

Å bruke dette kriteriet er et veldig kraftig verktøy. Tross alt, i dette tilfellet stoler du på en slik vitenskap som statistikk. Og hun er handelsmannens beste venn. Og du trenger ikke å vente ytterligere 1,5 måneder, og lure på om systemet vil komme ut av nedtrekningen. Ingen grunn til å vente på to testtrekk, og tape penger. Enkle beregninger i Excel (som vi bokstavelig talt har utført på 10 minutter i en av leksjonene til ExcelTrader-kurset) - og du har allerede en klar, statistisk validert, vitenskapelig forsvarlig beslutning om å fjerne systemet fra kontoen.

Så hva trenger du for dette?

Først må du gjøre en systemtest på historiske data. For å gjøre dette, kan du ganske enkelt bruke hvilken som helst strategitester, og deretter overføre testdataene, for eksempel for å utmerke seg for videre analyse. Det viktigste er å få resultatene av transaksjonene i seg selv - overskudd og tap.

For det andre trenger du data som du vil bekrefte. Mange av dere har sannsynligvis kontostatistikk på myfxbook. I øverste høyre hjørne av vekstoversikten for kontoen er det en "eksport" -knapp. Ved å klikke på den, vil du se en rullegardinmeny der du må velge formatet til lagrede data. For vårt formål vil csv-formatet passe:

Åpne den resulterende filen, forbered dataene:

Hvis du klikker på "Tekst etter kolonner", kommer vi inn i veiviseren for tekstfordeling. Velg en variant med en separator:

Myfxbook bruker komma som separator:

Deretter tar vi veiviseren til slutten og konverterer de resulterende dataene til en tabell:

Nå kan vi sortere dataene etter verdier og skjule radene vi ikke trenger. Finn kolonnen "handling" og sett avmerkene i filteret som følger:

Nå finner du "gain" -kolonnen, kopier den og overfør den til et nytt ark:

Vi trenger ikke lenger arket med uttalelsen, slett det:

Nå åpner filen med testresultatene fra MetaTrader-terminalen:

Trykk ctrl + a og ctrl + c for å velge alle linjene i filen, deretter ctrl + v på et nytt ark i excel:

Slett overskriften, og la bare linjene med avtaler:

Konverter dataene til en tabell:

Fjern filteret for "Profit" -kolonnen, og merk av for de tomme linjene:

Kopier kolonnen “Fortjeneste”:

Og overfør den til arket som den forberedte kolonnen med transaksjoner fra den virkelige kontoen allerede ligger på:

Så vi vil sammenligne disse to kolonnene. Beregn først gjennomsnittsverdien for testverdiene:

Og for ekte:

Vi beregner også antall transaksjoner:

Deretter definerer vi standardavviket for befolkningen (hva som ble oppnådd på testen):

Og standardavviket for utvalget (fra en ekte konto):

Deretter må vi beregne - standardfeilen:

Og den siste - z konvertering:

Finn standard distribusjonsberegner på nettverket eller bruk nettstedet som vises på skjermdumpen:

Fyll ut verdien på z-transformasjonen, som vist på figuren over, og klikk på beregne. Som et resultat får vi verdien av P:

I vårt eksempel viste P seg å være 0,504. Dette er mye mer enn 0,05, så vi kan ikke si at dataene fra kontoen er forskjellige fra dataene fra testene. Derfor kan vi konkludere med at strategien fungerer innenfor rammen av den tenkte algoritmen.

Du kan også se en video der denne teknikken er beskrevet (en av leksjonene til ExcelTrader-kurset):

Som du kan se, er ideen veldig enkel. Vi har et langt stykke data innhentet under testen av handelsstrategien, og det er et lite stykke oppnådd under arbeidet med en ekte konto. Og det er en teknikk som lar deg bestemme om denne lille brikken ligner på dataene som ble oppnådd under testen. Selvfølgelig, med en viss grad av sannsynlighet - 95%. Men i de fleste tilfeller er dette nok.

Så når skal jeg trekke systemet fra kontoen?

For noen vil et signal for å sjekke systemet være en trekning av halve kontoen. Noen vil ganske enkelt ignorere den vitenskapelige tilnærmingen til dette problemet og fortsette å bruke "bestefar" -metodene. Og spesielt den svake hjertet vil begynne å teste systemene sine med hver nedtrekking på mer enn 10%.

Det faktum at systemet for øyeblikket handler med overskudd, betyr ikke i det hele tatt at det handler nøyaktig som tiltenkt. Med andre ord, et system som handler med fortjeneste kan også handle ikke slik det ble fastsatt i opprettelsen. Mest sannsynlig vil reaksjonen på denne ideen være slik - hvis du tjener penger, trenger du ikke å røre noe. Men et system som fungerer "annerledes" bærer også en fare, fordi det akkurat samme dag vil begynne å fungere i det røde. Etter min mening er det verdt å sjekke systemene en gang i måneden, og hvis kjøretøyet som taper penger ikke klarer testen, er det hensynsløst å trekke det fra kontoen. Så langt kan systemene som tjener penger ganske enkelt tas på en blyant og overvåkes mer nøye.

Konklusjon

Handel er for det første statistikk. Og i dag har vi analysert mange indikatorer som på en eller annen måte preger kvaliteten på handelssystemet. Selvfølgelig er det også et enormt antall forskjellige koeffisienter som koeffisienten for blekksprut, Jensen, Sterling, Sortino, som også ble oppfunnet for å evaluere handel. Egenskapene som er gitt i denne artikkelen er imidlertid ganske tilstrekkelige for evaluering i de fleste tilfeller.

Hver for seg vil jeg trekke frem en metode for å evaluere ytelsen til handelssystemer, som jeg nevnte ovenfor, og som er diskutert i videokurset om Excel. Dette er en veldig kraftig, vitenskapelig forsvarlig måte å ta beslutninger om å trekke et system fra en konto eller fortsette handel med. Jeg håper han hjelper deg mer enn en gang.

Legg Igjen Din Kommentar