거래 시스템 견고성

DotheFinancial 블로그.
& raquo; 무역 시스템.
견고 함.
그러나 시스템이 견고하거나 최적화가 과다한 제품인지 여부는 최적화 이후 창에서 추론 할 수 있습니까? 우리는 최고의 성과를 얻는 영역을 확실한 승리의 방법으로 신뢰 할 필요가 없습니다. 보드에 충분한 다트가 던져지면 높은 점수를 매기거나 다른 방법으로 피아노 앞에서 원숭이를 넣고 충분한 시간을 할당하면 결국 소나타가 구성됩니다. 이 농담은 적어도 가장 실적이 좋은 투입물을 신뢰하려면 결과의 평균이 수익성이 있어야 함을 의미합니다. 결과의 1 ~ 5 % 만 수익성이 있다면 우연히 발생할 수 있습니다. 시스템의 변수에 충분한 입력 범위가 주어지면 결국 시스템은 과거 데이터에 대해 재산을 창출 할 것입니다. 견고한 시스템은 모든 테스트의 5 %만이 아니라 테스트의 평균에 대해 최적화 후의 긍정적 인 성과를 보여줍니다. 즉, 평균 결과가 긍정적이면 거래 시스템이 견고한 것으로 가정 할 수 있습니다. 더 통계적으로 기울이면 평균 순이익에서 표준 편차 (또는 그 배수)를 뺀 다음이 경우 평균 순이익이 양수인지 점검 할 수 있습니다.
따라서 투입물, 조건 및 변수의 수는 통제하에 유지되어야하고 최소 기간으로 축소되어야한다. 그러나 얼마나 많은 투입물, 조건 및 변수가 너무 많습니까? 이것은 독창적 인 특징이 이전 단락에서 묘사 된 수치 적 조건을 항상 존중해야만하는 자유의 수인 논쟁의 여지가있는 영역입니다. 입력을 고려하기 전에 입력이 달라 지거나 최적화 상태에서 변경이없는 경우 신속하고 간단한 최적화를 확인하는 것이 중요합니다. 그렇지 않으면 자유도를 높이기 위해 일정하게 유지하십시오.
고려해야 할 또 다른 포인트는 각 입력에 대해 선택할 스캔 범위입니다. 예를 들면이 문제에 대한보다 명확한 그림을 얻을 수 있습니다. 단기 이동 평균과 장기 이동 평균을 매일 평균 데이터로 사용하는 이동 평균 크로스 오버 시스템을 테스트하려면 짧은 이동 평균을 1에서 20까지 테스트 할 수 없습니다 (이것은 일간 데이터와 함께 단기간으로 간주 됨) 및 20에서 200으로 긴 이동 평균 (후자는 보통 일일 데이터로 장기간 고려되는 간격 임). 실제로 1에서 2 단계는 100 % 변경이며 19에서 20 단계는 5 % 변경입니다. 그러나 199에서 200으로 단계가 바뀌는 것은 단지 0.5 %의 변화에 ​​불과합니다. 스텝 스캔 범위를 거의 평행 관계로 놓아서 1에서 20까지의 스캔이 2의 단계로 수행되고 20에서 200까지의 스캔이 20의 단계로 수행됩니다.
최적화가 완료된 후에는 중요한 결정을 내려야합니다. 입력의 배치를 선택해야합니까? 우선 우리가해야 할 일은 변수의 입력 스캔 범위를 순이익 (또는 최적화를 위해 선택된 기준)과 관련하여 표시하는 함수 차트를 만드는 것입니다.
그림 2.2 : 변수의 변화에 ​​따른 차트 중간에서 순이익은 거의 같은 수준을 유지합니다.
그림 2.2 : 변수의 변화에 ​​따른 차트 중간에서 순이익은 거의 같은 수준을 유지합니다.
우리가 찾고있는 것은 이상적으로 수평선에 최대한 가까워서 순이익이 입력 값에 의존하지 않는 선입니다. 현실은 이론과 많이 다르므로 가볍게 자란 다음 잠시 동안 정상에 도달 한 다음 줄서는 선으로 만족해야합니다. 토핑 수준은 우리가 찾고있는 영역입니다. 즉, 입력을 변경하더라도 순이익은 거의 일정하게 유지되는 영역입니다. 이것은 견고한 입력 값이있는 영역입니다. 이것은 이익 이익과 정반대의 관계입니다. 즉, 순익이 높지만 주변 가치가 크게 떨어지는 지점에있는 지점입니다. 즉, 입력 값을 변경 한 후에도 순이익이 안정적으로 유지되는 영역을 찾아야합니다.
그림 2.3 : 변수가 변화하는만큼 순이익은 깊고 넓게 나타납니다. 변수의 순이익이 어느 정도 안정적으로 유지되는 영역이 없습니다.
요약하면 입력의 결과에 대한 논리적 경로가 있어야 입력의 배치와 관련하여 일관된 결과가 발생해야한다고 명시 할 수 있습니다. 투입물, 순이익 또는 인출액과 선형 관계가 없거나 최적화의 기본 규칙으로 두는 제약 조건이없는 경우 전체 결과 집합을 의심스러운 것으로 간주해야합니다.

거래 시스템 견고성
바퀴벌레와 치타의 이야기에서 물러나 보면 견고 함은 생존에 관한 것입니다. 자동화 된 거래 시스템의 경우 이는 시스템이 '생존하고 번성'함을 의미합니다. & live; & # 8221;
그러나 기계 거래 시스템에서 견고성을 살펴 보는 다른 방법이 있습니다.
견고성에 대한 다른 정의.
거래 시스템 견고성은 대개 약간의 차이가있을 때 시스템이 유사한 성능을 보임을 의미합니다. 그러나 그것에 대해 생각해 보면, 이것이 몇 가지 의미 일 수 있다는 것을 알고 있습니다.
미래의 가격에 대한 견고성 (생존 측면) 내부 변화에 대한 견고성 (즉, 시스템 파라미터의 변동) 외부 변화 (즉, 가격 데이터의 변동)에 대한 견고성 시스템 설계의 견고성 시스템 테스트의 견고성.
또한 견고성에 대한 더 많은 논의를 위해 Trading Blox 포럼 게시물을 확인하십시오 (이 중 일부는이 게시물의 직접적인 아이디어에 영감을주었습니다).
다음과 같은 두 가지 가정을 할 수 있습니다.
첫 번째 : 변화에 견딜 수있는 시스템 (내부 및 외부)은 미래 가격에 강할 것입니다. 이는 시장이 항상 발전하고 변화하기 때문입니다. 시스템이 이러한 변경 사항을 처리 할 수 ​​있어야합니다.
두 번째는 디자인과 테스트 모두 강력한 개념과 절차를 사용하여 시스템을 만드는 것이 시스템의 견고성을 보장해야한다는 것입니다.
견고한 시스템 설계.
이것은 일반적으로 몇 가지 매개 변수로 많은 종과 휘파람이 아니라는 의미의 거래 전략으로 시작됩니다. (우리는 페라리가 잘 보이고 트랙을 빠르게 돌지 만 스피드 범프 나 지하 주차장을 지나칠 수는 없다는 것을 원하지 않습니다. ; 글쎄, 나는 정말로 & # 8230;하지만 당신은 요점을 얻는다! ;-)
강력한 거래 시스템 구축을 목표로 할 때 고려해야 할 또 다른 측면은 그의 시스템에서 견고한 도구와 구성 요소를 사용하고자하는 Bill Eckhardt의 다음 인용문으로 설명됩니다.
우리는 모든 시스템을 독점적으로 사내에서 개발했기 때문에 언급 할 수있는 공개적으로 인식 할 수있는 지표가 없습니다. 비선형 시스템과 비선형 지표를 사용합니다. 이동 평균이있는 필터와 같은 선형 표시기는 채굴 작업을 마쳤습니다.
통계에서 중간 값은 평균 / 평균보다 더 강력한 도구입니다 (이상 치와 같은 기본 데이터 변경의 영향을받습니다). 아마도 거래 전략에서 평균 대신 중간 값을 사용하는 것이 더 강력 할 수 있습니다. 움직이는 & # 8221; 중앙값 & # 8221; 크로스 오버 시스템은 고전적인 이동 평균 크로스 오버 시스템을 사용하는 것보다 훨씬 견고합니다. 이것은 내가 시험 할 계획입니다.
강력한 시스템 테스트.
견고한 시스템 테스트의 주요 측면은 백 테스트가 사실적이고 과도한 피팅이 발생하지 않도록 보장하는 것입니다. 이것들이 잘 문서화되어 있기 때문에 자세하게 설명하지는 않을 것입니다 (필자는 Perry Kaufman의 시스템 테스팅과 견고성에 관한 전체 장을 가지고있는 책을 추천합니다).
중요한 점은 양질의 데이터, 샘플 내 데이터 대 실제 데이터, 실제 가정 (비용, 미끄러짐 등), 전략의 논리입니다.
내부 변화에 대한 견고성.
이것은 거래 시스템의 매개 변수를 변경하는 경우입니다. 아마도 테스트하고 측정하는 것이 매우 쉽습니다. 채널 길이가 20 일인 Donchian 채널 브레이크 아웃 시스템이 있고 배율이 2 인 ATR 기반 중지가 30 일이라고 가정합니다.
견고한 시스템은 약간 다른 매개 변수를 사용하여 매우 유사한 성능을 보입니다 : 매개 변수를 변경할 때 (예 : +/- 10 % 범위) 시스템 성능의 전체적인 차이 / 표준 편차를 측정하여 견고성을 정량화 할 수 있습니다. 예 채널 길이가 22 일인 Donchian Channel Breakout 시스템 및 배수가 1.8 인 33 일 동안 ATR 기반 중지
외부 변화에 대한 견고성.
여기에는 주로 & # 8220; 매개 변수 & # 8221; 견고성을 테스트하기 위해 수정할 수있는 가격 데이터 거래되는 도구 집합 (작은 순열은 성능에 크게 영향을주지 않아야 함), 테스트 기간 (모든 기간에 걸쳐 시스템이 유사하게 수행됨) 또는 실제 가격의 임의의 약간의 수정과 같이 변경 될 수있는 몇 가지 사항이 있습니다.
미래 가격에 대한 견고 함.
불행히도 미래의 가격 데이터는 꽤 어렵습니다 (CSI는 꽤 좋지만 과거 데이터 만 제공합니다!) 좋은 제공자를 찾으면 나에게 자유롭게 느끼십시오 .- 그래서 퍼팅하기 전에 미래의 가격 견고성을 테스트 할 수는 없습니다. 그것은 살아 간다.
이전의 네 가지 사항에 대한 견고성에 중점을 둡니다. 이는 시스템이 미래 가격에 대해 동등하게 잘 작동하는지 확인하는 것입니다. 그러나 이러한 4 가지 견고성 측면은 장래의 가격 견고성을 뒷받침하는 역할 만 할 수 있습니다.
거래 시스템 개발자로서 우리는 일종의 위안을 얻고 싶어하지만, 우리는 미래가 예측할 수 없으며, 시장이 변할 것이고 따라서 미래 가격을 거래하는 시스템을 설계하는 것은 항상 어느 정도의 불확실성을 포함 할 것이라는 점을 명심해야합니다. 미래의 견고성을 보장하기 위해 매개 변수와 프록시가 중요한지 결정 (및 예측)하는 것은 우리에게 달려 있습니다.
이것은 역설처럼 들리 겠지만 자동화 된 거래 시스템을 설계하는 것은 생각보다 많은 재량과 예측을 필요로합니다.
지금까지 8 개의 댓글 (& D);
튼튼함에 관한 좋은 기사, 그 의미를 잃기 시작한 너무나 느슨하게 사용 된 용어.
또한 한 상인이 이동 평균을 포기하고 사내 지표를 개발하는 방법에 대한 흥미로운 견적이었습니다. 평균 대 평균에 대한 귀하의 생각은 흥미로운 것입니다. 트위 킹 될 수있는 (그리고 스트레스를 견뎌야하는) 또 다른 변수는 가격의 정의입니다. 우리는 일반적으로 종가를 가격의 정의로 사용합니다. 왜 시장의 추세에 따라 높거나 낮지 않은지 사십시오. 또는 평균 가격 (HLC / 3)의 개념은 어떻습니까?
구성 요소에 대한 견고성을 분석하는 것은 흥미로운 아이디어입니다. 나는 똑같은 생각을할지 모르겠다.
여기에 대한 우리의 생각. 견고 함은 시스템이 변화하는 조건에서 잘 수행 할 수있는 능력입니다.
미래의 조건은 결코 과거의 조건과 똑같지는 않기 때문에보다 견고한 시스템은 덜 견고한 시스템보다 실제 거래에서 돈을 벌 수 있습니다.
따라서 견고성은 시스템이 개발과 비교하여 실제 거래에서 유사하게 수행 될 가능성을 측정 한 것입니다.
분석 결과 흥미로운 질문이 제기됩니다. 외부 변화에 대한 시스템을 견고하게 만들 수 있다면 어떻게 변화를 측정 할 수 있을까요?
우유 & # 8211; 이 가격 변동에 대한 좋은 생각. 당신이 창의력을 발휘하는 한 (훌륭한 아침 식사를 펼친 것처럼 -----), 두터운 트랙에서 벗어날 수 있습니다. 흥미로운 것을 찾으십시오.
George, 나는 비슷한 개념을 표현하려고 노력하고 있다고 생각합니다. 만약 당신이 개발하는 시스템이 변화 (매개 변수의 변화 나 가격, 도구의 변화 등)에 강건하다면, 미래의 가격에 대해 견고 할 것입니다. ; 그러나 이것은 미래의 변경 사항이 개발 중 시스템에서 변경 한 사항과 유사 할 것이라는 가정을 포함합니다 (시스템에 미치는 영향과 관련하여).
견고성을 측정하는 측면에서, 나는 당신이 당신의 거래 시스템을 평가하고 시스템을 변화시킬 때이 목적 함수의 표준 편차를 측정하기위한 목적 함수를 설계 할 수 있다고 생각할 것입니다.
나는 시스템 테스트와 디자인이 정확한 과학과는 거리가 멀다는 귀하의 결론에 동의합니다.
우리가 미래에 & # 8221;에 대해 테스트 할 수는 없지만, 데이터, 나는 샘플 밖의 테스트가 가능한 한 좋은 도구라고 생각합니다.
Kaufman의 뛰어난 책 외에도 Robert Pardo의 Trading System의 설계, 테스트 및 최적화를 추천합니다.
Robert Pardo는 최고의 상인이기도합니다.
그렇습니다. 실험을 설계하거나 미래의 변화가 비슷할 것이라는 가정을 측정하고 싶습니다.
안녕, 나는 forex를 위해 체계를 한 번 연구했다. 2000 년에서 2010 년까지 7 가지 주요 통화 쌍 각각에서 돈을 벌 수 있습니다. 매개 변수를 다소 변경 한 후에도 여전히 수익이 높습니다. 문제는 1990 년에서 2000 년 사이의 통화 시장에서 잘 수행되지 못했으며, 그 기간 동안 손익분기가되었다는 것입니다. 그 이유는 유로화 도입과 2000 년 이후에 시장 가격 패턴이 다소 바뀌 었다는 것입니다. 따라서이 시스템은 2000 년에서 2010 년 사이에 잘 ​​작동합니다. 최근 10 년 동안 잘 수행 할 수있는 이런 종류의 시스템이 충분히 견고하며 자신있게 사용해야한다고 생각하십니까?
그럼 & # 8211; 이런 종류의 접근법에 대한 문제점은 시장이 향후 2000-2010 년과 비슷할 것으로 예상한다는 것입니다. 나는 내가 생각하기에 "강인 할 수있는 접근법"을 선호한다고 생각한다. 1990-2000 조건으로의 회귀를 포함하여 시장이 당신에게 던질 수있는 조건에 상관없이 일반적으로 이는 2000-2010 년 실적이 저조 할 것이라는 것을 의미합니다. & # 8230;
이제는 시스템 개발에도 약간의 재량이 관련되어 있습니다. 조건이 그대로 유지된다고 생각하면 최근 시장 상황에서만 잘 작동하는 시스템을 유지하는 것이 좋습니다. 또한 잠재적으로 시스템을 개발하고 모니터링하여 변화하는 환경에 적응하도록 시도 할 수 있습니다.
나는 당신의 제안이 매우 합리적이라고 생각합니다. 이 시스템은 풀백 시스템입니다. 그것은 장기 추세를 따르고, 시장이 약세를 보일 때까지 기다린 후 가격이 이전 수준을 초과 할 때 시장에 진입합니다. 2000-2010 년 통화 시장에 대한 나의 관찰에서 각 중요한 저항 수준에 따라 많은 한계 / 정지 명령이있을 것입니다. 결과적으로 가격이 중요한 저항을 성공적으로 넘어 서면 더 높은 기회를 가질 수 있습니다. 그러나 이것은 1990-2000 년의 경우가 아닌 것으로 보인다. 그 기간에 여러 번 가격이 소액으로 중요한 저항을 넘어 서서 빨리 되돌아옵니다. 그래서이 시스템은 당시에는 성능이 좋지 않았습니다.
미래의 가격 패턴이 2000-2010 년과 같은지 여부는 확실하지 않으므로 2000-2010 년 실적이 저조하더라도 두 기간 모두에서 실적이 좋은 시스템을 선호 할 수 있습니다. 변화하는 조건을 시도하고 적응하도록 시스템을 개발하고 모니터링하는 귀하의 제안은 매우 유용합니다! 감사!
코멘트 남기기 (취소)
무료 업데이트.
인기 게시물.
Search Au. Tra. Sy 블로그.
글로벌 선물 브로커.
Au. Tra. Sy 블로그, 추세 추종의 맛과 체계적인 무역 연구 및 개발.
면책 조항 : 과거 실적이 반드시 미래 결과를 나타내는 것은 아닙니다. 선물 거래는 복잡하며 상당한 손실 위험이 있습니다. 따라서 모든 투자자에게 적합하지 않을 수 있습니다. 이 사이트의 내용은 일반적인 정보로만 제공되므로 투자 조언으로 간주해서는 안됩니다. 모든 사이트 내용은 증권 또는 금융 상품을 매매하거나 특정 거래 또는 투자 전략에 참여할 것을 권장하는 것으로 해석되어서는 안됩니다. 이 사이트에서 표현 된 아이디어는 전적으로 저자의 의견입니다. 저자는 위에 언급 된 금융 상품이나 전략에서 직위를 갖거나 갖지 않을 수도 있습니다. 귀하가이 사이트에서 정보 나 분석 결과로 취한 조치는 귀하의 전적인 책임입니다.
역기능 성과는 많은 내재적 인 제한이 있으며 그 중 일부는 아래에 설명되어 있습니다. 어떤 계정이 이익이나 손실과 유사한 이익을 보일 것이라는 어떠한 진술도 제시되어 있지 않습니다. 사실상, 실적 실적과 특정 거래 프로그램에 의해 흔히 성취되는 실제 결과의 차이는 종종 상이합니다. 외상 성과 결과의 제한 중 하나는 일반적으로 통찰력의 혜택과 함께 준비된다는 것입니다. 또한 HYPOTHETICAL TRADING은 재무 위험을 포함하지 않으며 HYPOTHITICAL TRADING RECORD는 실제 거래의 재정적 위험에 대한 완전한 설명을 할 수 없습니다. 예를 들어, 손실을 저 지르거나 거래 손실이있는 특정 거래 프로그램에 참석할 수있는 능력은 실제 거래 결과에 약간의 영향을 미칠 수있는 자료 포인트입니다. 일반적으로 시장에 관련된 수많은 요인들이 있으며, 실적 실적의 준비 및 거래 결과에 중대한 영향을 미칠 수있는 모든 특정 거래 프로그램의 구현에 대한 충분한 정보가 포함되어 있지 않습니다.
이 성과 표와 결과는 자연의 견해이며 실제 회계에서의 거래를 나타내지 마십시오.

알고리즘 트레이딩 시스템의 견고성 (그 작업)
이것은 최적화 및 커브 피팅, 시장 선택, 백 테스팅, 워크 포워드 테스트, 포트폴리오 생성, 일중 알고리즘 트레이딩 (intraday algorithmic trading), 거래 분석, 거래 분석 및 거래 분석 등 소매 투자자를위한 알고리즘 트레이딩 시스템의 주제를 심도있게 논의 할 일련의 기사 중 첫 번째 기사입니다. 기타 등등.
이 첫 번째 기사에서는 특정 거래 시스템이 견고한 지 여부를 확인하는 방법에 대해 설명합니다.
Wikipedia의 견고성 (robustness)에 정의 된 바와 같이, 금융 거래 시스템이 다른 시장 및 시장 조건 하에서 효과를 발휘할 수있는 능력을 정의하거나, 다른 가정, 매개 변수 및 조건 하에서 유효한 경제 모델의 능력을 정의합니다. 초기 조건. & # 8221;
일중 거래 시스템의 견고성을 평가하기위한 네 가지 주요 테스트가 있습니다.
시스템이 다양한 매개 변수 조합으로 작동합니까? 시스템이 다양한 시간 프레임에서 작동합니까? 시스템이 다양한 계측기에서 작동합니까? 이 시스템은 자주 재 최적화 할 필요없이 지난 6 년간의 데이터를 처리합니까?
ES (S & amp; P 500 Mini)에 대한 예를 만들기 위해 간단한 변동 변동 일중 시스템을 사용합시다. 이는 PeriodS (느린 표시기 막대에서의 되돌아보기 기간) 및 PeriodF (빠른 표시기 막대에서의 되돌아보기 기간)와 같이 최적화 할 수있는 두 가지 주요 매개 변수 만있는 간단한 시스템입니다. 시스템의 특성은 다음과 같습니다.
하루 종일 진입 : 변동성이 증가하면서 빠르게 움직입니다. 출구 : 정지 손실, 추세 변화, 일과 종료 위험 관리 : 변동성 기반 정지 손실, 후행 정지 손실, 범위 축소 필터, 하루 최대 거래 수 제한 위치 결정 : 1 계약.
시스템이 다양한 매개 변수 조합으로 작동합니까?
다양한 매개 변수 조합의 견고성을 확인하기 위해 Periods를 100 bars에서 500 bars까지 25 steps, PeriodF를 10 bars에서 40 bars까지 10 단계로 최적화합니다.
우리는 SQN 평균이 4.4, 최소 1.9, 최대 5.8이라는 것을 알 수 있습니다.
시스템 품질 번호 (System Quality Number, SQN)는 밴 타프 (Van Tharpe)가 대중화하고 다음과 같이 정의 된 통계적 t - 점수를 기반으로 시스템 품질을 나타내는 지표입니다.
SQN = 제곱근 (N) 평균 (N 이익 및 손실 중) / 표준 편차 (N 이익 및 손실 중).
기본적으로 평균 거래량을 평균 거래량의 표준 편차로 나눈 값과 거래 횟수의 제곱근을 곱한 값입니다. 따라서 많은 거래, 높은 평균 거래 및 평균 거래의 낮은 변동성이 높은 SQN을 제공합니다.
아래에서 더 많은 정보를 찾을 수 있습니다. 일반적으로 2.5 이상의 값은 좋은 시스템을 나타냅니다.
NinjaTrader의 코드는 저희 사이트에서 무료로 다운로드 할 수 있습니다 : vbosystems. info/download. html.
위의 분석은이 시스템이 다양한 매개 변수 조합에 대해 견고 함을 보여줍니다.
시스템이 다양한 시간 프레임에서 작동합니까?
두 번째 테스트는 시간 프레임과 관련됩니다. 견고한 시스템은 다양한 시간 프레임에서 좋은 결과를 유지합니다. 다양한 시간 프레임에 대한 견고성을 확인하기 위해 두 매개 변수를 300 (PeriodS) 및 30 (PeriodF)으로 고정하고 시간 프레임을 10에서 50까지 5 단계로 최적화합니다.
가장 낮은 SQN 값은 3.6이고 시간 프레임은 25입니다. 이 차트는이 시스템이 전반적으로 좋은 SQN 값을 유지하지만 낮고 높은 시간 프레임에서 가장 효과적임을 나타냅니다.
시스템이 다양한 계측기에서 작동합니까?
견고한 시스템은 다양한 계측기에서 우수한 결과를 유지합니다. 가장 견고한 시스템은 여러 기기에서 동일한 매개 변수를 사용하여 좋은 결과를 얻을 수 있습니다. 최소한 최상의 매개 변수가 다를지라도, 다른 계측기에서 실제로 작동 할 수있는 시스템에 중점을 두어야합니다.
다양한 도구를 통해 견고성을 확인하기 위해 27 분 막대에서 최적화합니다. 100 개 막대에서 600 막대까지 단계별로 25 개 및 PeriodF, 5 개 막대에서 50 개 막대까지 5 개 단계, 12 개 선물 계약 바구니에서 인덱스, forex , 에너지 및 이자율 : 6B, 6E, CL, EMD, ES, FDAX, FGBL, IBEX35, NG, RT, TF, ZB. 최적화는 다음과 같은 결과를 제공합니다.
2006 년 1 월부터 2013 년 4 월까지 위의 결과는이 특정 시스템이 수익을 낼 수 있음을 보여줍니다. 다른 매개 변수로 & # 8211; 몇몇 미래 시장에. 그러나 가장 견고한 시스템은 동일한 매개 변수를 유지하면서 여러 거래 내역간에 우수한 결과를 유지합니다. 모든 교역 재에 걸친 평균 SQN의 히트 맵을 분석하면 다음 결과가 표시됩니다.
위의 표는 모든 매개 변수에 걸쳐 모든 교역 재에 걸친 평균 SQN이 최소값 2로 비교적 안정적임을 보여줍니다. 가장 안정된 매개 변수를 찾으려면 가장 좋은 방법은 평균 SQN을 다음과 같은 표준 편차로 나누는 것입니다. 다음 히트 맵 :
12 가지 선물 모두에서 가장 안정적인 매개 변수 조합은 다음 결과를 제공하는 PeriodF = 15 및 PeriodS = 425입니다.
위의 결과는이 시스템이 지수, 외환, 에너지 및 금리에 걸쳐 다양 화 된 12 가지 선물 계약 전반에 걸쳐 강력한 결과를 나타냄을 나타냅니다.
이 시스템은 자주 재 최적화 할 필요없이 지난 6 년간의 데이터를 처리합니까?
견고한 시스템은 빈번히 재 최적화 할 필요없이 여러 해 동안 좋은 결과를 유지할 것입니다. 최상의 SQN을 제공 한 첫 번째 테스트에서 매개 변수를 고려해 봅시다 : PeriodS = 150 및 PeriodF = 30. ES 15 분 막대의 결과는 다음과 같습니다.
거래 건수는 매년 일치합니다 (2013 년은 4 월 중순까지만 데이터가 표시됨).
결론적으로, 거래 시스템의 견고성을 평가할 때 수행 할 4 가지 핵심 테스트가 있습니다. 시스템이 다양한 매개 변수 조합, 다양한 시간 프레임, 다양한 계측기 및 과거 데이터의 최소 6 년 이상에 걸쳐 잘 최적화 된 경우에만 자주 재 최적화해야 완전히 견고한 것으로 간주 할 수 있습니다.
이 기사에 설명 된 모든 최적화 작업은 NinjaTrader 및 Kinetick 1 분 데이터를 사용하여 수행되었습니다. 거래 시스템에 대한 자세한 내용은 다음 웹 사이트를 방문하십시오 : vbosystems. info.
& # 8212; VbO Systems의 Amon Licini 작성. VbO Systems는 거의 모든 자산 클래스에서 자동 거래가 가능한 NinjaTrader로 코딩 된 100 % 자동화 된 거래 시스템을 개발하고 있습니다. Vbo Systems의 설립자 인 Amon Licini는 15 년 동안 개인 상인이었으며 이탈리아의 다양한 회사에서 상급 관리자를 지 냈습니다. Amon의 주요 거래 이익은 일중 시스템의 변동성 및 개방 범위에 있습니다. 그는 밀라노에서 아내와 2 명의 자녀와 함께 살며 새로운 시스템을 개발하지 않을 때 여행하는 것을 좋아합니다. Amon은 밀라노 폴리 테크닉 대학교 (Polytechnic University of Milan)에서 기계 공학 학위를 취득했습니다.
저자 소개 시스템 상인 성공 기여자.
기고서 작성자는 금융 시장에 적극적으로 참여하고 기술 또는 정량 분석에 전념합니다. 그들은 System Trader Success에 대한 이야기, 통찰력 및 발견 사항을 공유하고 더 나은 시스템 상인이되기를 바랍니다. 공헌하는 작가가되고 세계와 당신의 메시지를 공유하고 싶다면 저희에게 연락하십시오.
관련 게시물.
부서진 전략 또는 시장 변화 : 실적 저조 여부 조사.
어떤 작품을 찾았는지, 그리고 작동하지 않는 것.
주식 곡선 거래 & # 038; 을 넘어서.
인기 게시물.
2013 년 Connors 2 기간 RSI 업데이트.
이 단순한 지표는 돈을 다시 벌어들입니다.
아이비 포트폴리오.
Simple Gap 전략 개선, Part 1.
Capital Evolution LLC의 저작권 © 2017. - Thrive Themes에 의해 설계된 | WordPress에 의해 구동.
다시 로그인하십시오. 로그인 페이지가 새 창에서 열립니다. 로그인 한 후 닫고이 페이지로 돌아갈 수 있습니다.

기계적인 Forex.
기계 거래 전략을 사용하여 외환 시장에서 거래합니다.
무역 시스템의 견고성을 측정하려고 시도 : 경도 지수.
어제의 포스트에서 나는 궤양 지수와이 측정 방법에 대해 이야기했습니다. 통증 지수 & # 8211; 심리적 관점에서 전략을 교환하는 것이 얼마나 쉽고 어려운지를 우리에게 보여줍니다. 이 두 지수는 전략이 매우 스트레스가 많은지 여부를 무역에 알리는 방법으로 인출 기간과 깊이를 사용합니다. 이 측정에 대해 생각하고 시스템 품질에 대한 비영리 관련 측면에 어떻게 관련되는지 생각해 보았습니다. 나는 거래 전략의 견고 함을 제외하고는 거래 시스템의 거의 모든 측면을 측정 할 수있는 지표를 갖고 있다고 생각했습니다. 다음 몇 단락을 통해 나는 내가 가진 아이디어를 소개 할 것이다. 경도 지수 & # 8211; 이를 통해 다른 전략과 비교할 때 전략이 얼마나 강력한지를 측정 할 수 있습니다.
우리는 무역 전략이 얼마나 좋은지 나쁜지 생각할 때 대개 인하와 이익 측면에서 생각합니다. 대부분의 사람들은 & # 8211; 특히 새로운 상인 & # 8211; 가치가있는 경향은 제한된 인하와 함께 이익을 가져다주는 거래 시스템의 능력입니다. 이 문제는 많은 & # 8211; 매번 그렇지 않다면 & # 8211; 이 값을 유도하는 데 사용되는 대부분의 통계 정보는 시뮬레이션의 결과이므로 예측 이익과 실제 위험의 측정을 구성하며 결과적으로 시스템이 매우 우수하다는 것을 속일 수 있습니다. 실제로는 단순히 그렇지 않습니다.
전략의 매우 중요한 특징 & # 8211; 얼마나 많은 이익을 얻는가 아니면 그것을 끌어 내리는가? & # 8211; 미래 시장 상황 하에서 계속 작동하는 전략의 후드로 정의 될 수있는 견고성입니다. 확실히 수정 구슬이 없습니다. 시스템이 작동하지 않거나 작동을 계속할 지 여부를 알려주지 만 다른 시스템과 비교하여 실패한 시스템의 후드를 수학적으로 측정하는 데 사용할 수있는 몇 가지 사항이 있습니다. 예를 들어, 우리는 직관적으로 10 개의 다른 계측기에 대해 신뢰할 수있는 시뮬레이션을 가진 전략이 단일 통화 쌍을 거래하는 시스템보다 실패 가능성이 적으며, 0.01 % 단계 기준은 커브 피팅 (따라서 새로운 조건 하에서 실패) 가능성이 높습니다.
이 정보를 사용하여 나는 방정식을 고안했다. 경도 지수 & # 8211; 그들의 견고 함을 이야기 할 때 전략이 다른 전략과 어떻게 비교되는지 알려줍니다. 이 방정식은 시스템 견고성과 관련하여 고려해야 할 모든 측면, 특히 이러한 전략이 시뮬레이션에서 파생 된 경우 고려합니다. 이 지수는 어떠한 이익도 포함하지 않으며 정보를 끌어 내려는 것이 아니라 미래의 상황을 견딜 수있는 전략을 통해 거래 시스템의 품질을 측정하는 것입니다. 인덱스가 계산되는 방법은 다음과 같습니다.
경도 지수의 가치가 높을수록 전략이 더 강력 해지고 미래의 시장 상황에서 생존 할 수있는 가능성과 관련하여 품질이 높아집니다. 동일한 매개 변수를 사용하여 더 많은 계측기를 판매하는 시스템을 보았을 때 샘플 기간이 길어지고 거친 최적화가 이루어지면 미래에 생존 할 수있는 가능성이 훨씬 높아졌습니다. 이 인덱스는 아웃 오브 샘플 테스트에 많은 비중을두고 있습니다. 실제로 최적화되지 않은 시장 상황에서 전략이 살아남거나 변경되지 않는 경우입니다. 경도 지수는 처벌되는 동안 자유도가 낮고 시험 기간이 긴 시스템을 보상합니다. 커브 피팅 (더 미세한 최적화, 더 짧은 테스트 기간, 더 많은 자유도 등)보다 높은 두뇌를 가진 전략.
인덱스의 값은 시스템마다 크게 다를 수 있습니다. 예를 들어 현재의 퀴미치 전략을 고려해 봅시다 & # 8211; Â 7 가지 다른 통화 쌍을 기반으로 한 매우 견고한 시스템. 그것에 대한 통증 지수를 계산합니다. 해결 된 방정식은 다음과 같습니다.
위의 결과는 Quimichi & # 8211; 개발 과정을 고려하여 & # 8211; EUR / USD에서만 거래되는 Watukushay FE와 같은 체계의 경도 지수는 훨씬 더 미세한 방법으로 최적화 된 변수가 더 많았으나 경도 지수는 단지 8 인 것으로 나타났습니다. 이 두 지수의 견고성 시스템이 매우 크고 Quimichi는 더 많은 통화 쌍을 거래하고, 최적화 된 변수가 적으며, 변수가 Watukushay FE보다 훨씬 더 조잡한 방식으로 최적화 되었기 때문에 훨씬 견고하다고 쉽게 간주 될 수 있습니다.
위의 제안 된 계산을 향상시키는 데는 여러 가지 방법이있을 수 있지만, 이 경도 지수는 향후 시장 상황의 변화에 ​​대한 강력한 전략과 관련하여 다른 전략이 어디에 위치하는지에 대한 좋은 아이디어를 제공 할 것입니다. 위의 지수는 수학적 방법으로 견고성을 측정하려는 나의 첫 번째 시도입니다. 견고성은 비율을 끌어 내리는 이익과 같은 다른 통계에 종종 무시되는 매우 중요한 특성이기 때문에 필요합니다. 무역 전략의 가장 중요한 특성. 물론 이는 단지 제안 일 뿐이며 위의 방정식에 대한 제안이나 기여는 분명 환영할만한 의견이나 질문 또는 제안을 남겨 두십시오!
자동화 된 트레이딩에 관한 제 작업에 대해 더 자세히 알고 싶다면 어떻게 트레이딩 전략을 염두에 두어야할까요? Asirikuy, 교육 비디오, 트레이딩 시스템, 개발 및 사운드에 대한 정직하고 투명한 접근 방법으로 가득 찬 웹 사이트 일반적으로 자동화 된 거래. 나는이 기사를 즐겼기를 바랍니다! :영형)
& # 8220; 거래 시스템을 측정하려고하는 12 가지 응답 & # 8221; 견고성 : 경도 지수 & # 8221;
정말 독창적 인 아이디어!
나는 포트폴리오의 지수를 계산할 수 있는지 여부를 알고 싶어한다.
그것은 기본 시스템의 색인 또는 더 복잡한 것의 단지 합계일까요?
1 시간 이상의 수식에 여러 시간 프레임을 통합하는 방법은?
당신이 아는 한 제 직업으로 인해 나는 접근의 위험을 보곤합니다.)
귀하의 제안 된 공식이 전략이 과도하게 적용되었을 가능성이 얼마나 높은지 공감할 수는 있지만 높은 경도 지수를 가진 전략은 아무도 믿을 수 없게됩니다. 실패하거나 확실하게 수익성있는 결과로 이어질 수 있습니다. 그리고 그것은 위험 요소입니다.
이 색인 번호에 실제적인 관련성을 할당하기가 어렵습니다. 적은 수의 전략을 교환해야합니까? 어느 인덱스 번호에서 거래하기에는 너무 위험합니까? 정확한 위험은 무엇입니까? 특정 번호가 있으면 어떻게됩니까? 내 생각에, 당신이 할 수있는 유일한 합당한 일은 보상금을 통해이 점수를 향상시킬 수있는 기회가 있는지 확인하는 것입니다. 그러나 얼마나 멀리 할 수 ​​있습니까? 점수가 낮은 전략에 비해 매우 득점이 좋은 전략이 실패하기 전에 시장 상황을 어떻게 변화시켜야합니까?
필자의 견지에서 볼 때, 견고한 전략은 시장 조건이 적합하지 않으면 (그리고 그것에 적응할 방법을 찾지 못하면) 단일 위치를 열지 않는 전략이다. 궁극적 인 테스트는 모든 쌍에 전략을 떨어 뜨리는 것입니다. 쌍에 대해서는 전략이 쓰여지지 않았기 때문에, 시장 논리가 이익을 허용하지 않을 때 진입 논리가 충분히 탐지되어야합니다. 즉, Symbol () 이름을 간단하게 검색하는 것이 아니라 시장을 관측하고 길게 느슨한 행진을 거치지 않고 말입니다.
이 의미에서 나는 현재의 전략 중 어느 것도이 시험을 통과하지 못할 것이라고 생각한다. (btw. 나는 상업적 전략을 알지 ​​못한다.) 현재 우리는 돈을 잃어 버린 후에 만 ​​적응할 수없는 시장 상황을 감지 할 수 있으며, 우리는이 시간을 줄이기 위해 노력해야합니다.
당신의 의견에 대해 대단히 감사합니다. o) 물론, 경도 지수는 전략이 미래에 수익성이 있는지를 결정하지 않으며 (인덱스가없는 것처럼), 전략이 어떤 전략이 계속해서 일할 가능성이 더 높은지를 나타낼뿐입니다 미래 시장 상황. 이 지수는 '규모 비교'를 제공하지 않습니다. 통증 지수와 비슷하지만 한 시스템의 견고성과 다른 시스템의 견고성을 비교하는 방법으로 사용됩니다. 예를 들어 Quimichi Vs Watukushay FE가 기사에 나와 있습니다.
물론 모든 것을 거래 할 수있는 시스템을 갖추면 시장이 수익성있는 거래라고 판단되는 시장에 맞지 않을 때만 빠져 나가는 것이 좋을 것입니다. 그러나 슬프게도 이것은 모든 거래가 시장 노출과 패자로 끝날 확률을 동반하기 때문에 이럴 수는 없습니다. 물론, 당신은 완벽한 시스템이 항상 승리한다고 암시하지 않을 수도 있습니다. 시장 상황이 항상 시스템이 알지 못하는 것으로 변할 수 있기 때문에 모든 시장 조건 (묵시 기간 포함)에서 가장자리를 유지한다는 개념조차도 결함이 있습니다. 시스템이 작동을 멈추기 전에 작동을 멈출 때를 알 수 있기 때문에 미래를 예측하는 것 (정의에 의해 100 % 확신 할 수없는 일)이 있기 때문에 모든 장비에서 가장 중요한 시스템을 유지하는 것이 불가능할 가능성이 높습니다.
따라서 전략의 개선과 역동적 인 적응 가능성은 분명하지만, 시장을 지속적으로 유지할 수 없다는 것을 보여주기 전에 시스템 거래를 중단 할 수있는 시점까지 시장 노출을 감소시키지 않습니다. 수익성있는 거래는 본질적으로 반응 적 (예측 불가능)이기 때문에 시스템이 작동하지 않을 확률을 위해 시스템이 실패했다고 말하기 전에 시스템이 실패하는 것을 볼 필요가 있습니다. 우리가 그 거래를해야 할 필요가 있습니다. 근본적으로 미래가 확실하지 않기 때문에 우리는 시스템이 실패 할 때까지 실패했는지 확신 할 수 없습니다.
당신의 코멘트 Fd에 대해 다시 한번 아주 고맙습니다.
& # 8220; 쌍에 전략이 쓰여지지 않은 경우, 시장 논리가 이익을 허용하지 않을 때 엔트리 논리가 충분해야합니다. & # 8221;
i think this statement should be changed to: “entry logic needs to be good enough to detect when market behaviour will not allow for profits.”
this second statement does not ask for a prediction; it just asks for an estimate of possible profitability, of trade potential.
a successful strategy uses its indicators to measure the potential for a profitable trade prior to entry. if the currency is showing an “aberrant” personality – i. e. the currency’s normal volatility per timeframe is outside a specified range – the entry conditions would not be met.
in theory, you should be able to put a long-term profitable euro strategy on the pound and it would only trade when the pound acted like the euro. but this euro strategy on the pound would only be long-term successful if the pound continued to act like the euro during the trade.
note that the above has nothing to do with the hardness index – which only looks at the robustness of the strategy’s statistics, not at the strategy itself.
thank you for this very interesting article. It seems that this index is in some way more important than the pain or ulcer index. While these last indices focus on the difficult to trade a system or portfolio on a psychological point of vue, the hardness index focuses on the probability to be profitabile in the long run, which is more important. Qumici is in this sense the most robust of our strategies and you told this already in your first system presentation video. What surprise me is that Qumici has not been very considered in our most used portfolios, maybe because nobody likes its long and quite deep DD. I think it would be worth working a little bit on it in order to associate other systems which could somewhat hedge a bit these DD and allowing to better use Quimici portfolio by smoothing the equity curve. About Coatl, when we optimise the settings (on D1 timeframe and using 20 years of data) we generate a huge amount of likely profitable EAs. Maybe among all these profitable strategies, we could find one which is suitable for all or almost all of the majors and minors pairs using the same settings, but how would it be possible to find it between the tons of staregies genrated without loosing our whole life? I think this will be the most robust of all the strategies so far. What is your opinion?
Thank you very much for your comment :o) This index is not more or less important than other tools which measure performance but it is simply an additional source of information which evaluates a non-profit related aspect of trading strategies. I have always believed that people put too much weight on profit and draw down statistics without ever considering robustness as much as they should when it should be at least as important as performance based statistics.
As you say Quimichi is not used within any portfolios but this is mainly because it doesn’t compliment other strategies (which are mostly intra-day systems) that well. Certianly it would be interesting to have a portfolio including Quimichi but up until now I haven’t found a portfolio combination which gives results which are good enough to consider. Regarding your questions about Coatl, this is certainly a great idea and something we are implementing within our C++ genetic framework, with this framework we will be able to search for a system that gives profitable results along X number of instruments, something which will give us the power to create far more robust trading strategies than what we can currently do with Coatl (which is limited in its evaluation powers due to the limitations of MT4, as you so clearly put it we would “loose our lives” attempting to cross-test all systems on all pairs in MT4). Certainly as we evolve and develop more powerful evaluation tools our possibilities – especially for the development of more robust systems – become much larger :o) Thank you very much again for your comment Maurizio,
meant to say: “detect when market behaviour will Probably not allow for profits. ”.
I think your formula misses the number of trades per year. Without this a strategy with for example 3 parameters and some 3 trades per year could generate a perfect index also it is a curve fittet strategy and the 3 trades in the the out of sample period have just been lucky.
In any case the actual sample size is a key parameter to be evaluated for any statistical meaningfull analysis.
Thank you for your comment :o) You’re right in that the sample size is significant but trade number is a misleading statistical measurement. What if I made a system which takes 10 trades per entry signal with 1/10th the lot size ? As you see it is as easy to generate a system that scores better simply because it has traded more regardless of whether or not each trade corresponds to a different “entry event”. The adequate statistical measurement would most likely be the number of distinct entry signals rather than the number of trades. However you are definitely right in that including sample size is key :o) Thanks again for your comment,
is AOS as potent as NYO?
how could you determine the relative weights of the terms?
Thank you for your comment :o) Definitely a tricky question since there is no clear way in which the different “strengths” of parameters can be determined. The reason why I gave the out of sample testing a higher rating was because obviously doing trading outside an optimized region should be exponentially more important (as the system is “walking the walk”) but the different relevance of parameters against each other has no “correct” way of being calculated so it depends on the judgement of the person building the index. Certainly I attempted to put my best judgement into the proposed index but that does not mean that a better measurement could not be devised :o) Thanks again for your comment,