Trading Systems: Design Your System - Del 1 13 Den forrige delen av denne opplæringen så på elementene som utgjør et handelssystem og diskuterte fordelene og ulempene ved å bruke et slikt system i et levende handelsmiljø. I denne delen bygger vi på den kunnskapen ved å undersøke hvilke markeder som er spesielt velegnet til systemhandel. Vi vil da ta en mer grundig titt på de ulike sjangrene av handelssystemer. Handel i ulike markeder Aksjemarkeder Aksjemarkedet er trolig det vanligste markedet for handel, særlig blant nybegynnere. I denne arena dominerer store spillere som Warren Buffett og Merrill Lynch, og tradisjonelle verdier og vekststrategier er langt den vanligste. Likevel har mange institusjoner investert betydelig i design, utvikling og implementering av handelssystemer. Individuelle investorer er med i denne trenden, men sakte. Her er noen viktige faktorer å huske på når du bruker handelssystemer i aksjemarkedene: 13 Den store mengden aksjer som er tilgjengelig, tillater handelsmenn å teste systemer på mange forskjellige typer aksjer - alt fra ekstremt volatile over-the-counter (OTC) aksjer til ikke-flyktige blå sjetonger. Effektiviteten av handelssystemer kan begrenses av den lave likviditeten til enkelte aksjer, spesielt OTC og rosa arkproblemer. Provisjoner kan spise i fortjeneste generert av vellykkede handler, og kan øke tap. OTC og rosa ark aksjer ofte pådrar ytterligere provisjon avgifter. De viktigste handelssystemene som brukes, er de som ser etter verdi - det vil si systemer som bruker forskjellige parametere for å avgjøre om en sikkerhet er undervurdert i forhold til tidligere prestasjoner, sine jevnaldrende eller markedet generelt. Valutamarkeder Valutamarkedet, eller forex. er det største og mest flytende markedet i verden. Verdens regjeringer, banker og andre store institusjoner handler trillioner dollar på valutamarkedet hver dag. De fleste institusjonelle handelsmenn på forexen er avhengige av handelssystemer. Det samme gjelder for enkeltpersoner på forexen, men noen handel basert på økonomiske rapporter eller rentebetalinger. Her er noen viktige faktorer å huske på når du bruker handelssystemer i forexmarkedet: Likviditeten i dette markedet - på grunn av det store volumet - gjør handelssystemene mer nøyaktige og effektive. Det er ingen provisjoner i dette markedet, bare sprer seg. Derfor er det mye lettere å foreta mange transaksjoner uten å øke kostnadene. Sammenlignet med mengden aksjer eller råvarer tilgjengelig, er antall valutaer som skal handles begrenset. Men på grunn av tilgjengeligheten av eksotiske valutapar - det vil si valutaer fra mindre land - er volatilitetsområdet ikke nødvendigvis begrenset. De viktigste handelssystemene som brukes i forex er de som følger trender (et populært ordtak i markedet er trenden er din venn), eller systemer som kjøper eller selger på breakouts. Dette skyldes at økonomiske indikatorer ofte forårsaker store prisbevegelser på en gang. Futures Equity, forex og råvaremarkeder tilbyr alle futures trading. Dette er et populært kjøretøy for systemhandel på grunn av økt utnyttbar utnyttelse og økt likviditet og volatilitet. Disse faktorene kan imidlertid kutte begge veier: de kan enten forstørre gevinstene dine eller forsterke tapene dine. Av denne grunn er bruken av futures vanligvis reservert for avanserte individuelle og institusjonelle systemhandlere. Dette skyldes at handelssystemer som kan kapitalisere på futures markedet krever mye større tilpasning, bruk mer avanserte indikatorer og ta mye lenger tid å utvikle. Så, hva er best Det er opp til den enkelte investor å bestemme hvilket marked som passer best til systemhandel - hver har sine egne fordeler og ulemper. De fleste er mer kjent med aksjemarkedene, og denne kjennskapen gjør det enklere å utvikle et handelssystem. Forex er imidlertid ofte antatt å være den overlegne plattformen for å drive handelssystemer - spesielt blant mer erfarne forhandlere. Videre, hvis en næringsdrivende bestemmer seg for å kapitalisere på økt løftestang og volatilitet, er futuresalternativet alltid åpent. Til slutt ligger valget i hendene til systemutvikleren. Typer av handelssystemer Trend-Følgende systemer Den vanligste metoden for systemhandel er trend-følgesystemet. I sin mest grunnleggende form venter dette systemet bare på en betydelig prisbevegelse, og kjøper eller selger i den retningen. Denne typen system banker på håp om at disse prisbevegelsene vil holde trenden. Flytte gjennomsnittlige systemer Ofte brukt i teknisk analyse. et glidende gjennomsnitt er en indikator som bare viser gjennomsnittsprisen på en aksje over en tidsperiode. Essensen av trender er avledet av denne måling. Den vanligste måten å bestemme inn - og utreise er en crossover. Logikken bak dette er enkel: en ny trend er etablert når prisen faller over eller under dens historiske pris gjennomsnitt (trend). Her er et diagram som tegner både prisen (blå linje) og IBMs 20-dagers røde linje: Breakout Systems Det grunnleggende konseptet bak denne typen system ligner på et glidende gjennomsnittssystem. Tanken er at når en ny høy eller lav er etablert, er prisbevegelsen mest sannsynlig å fortsette i retning av breakout. En indikator som kan brukes til å bestemme breakouts er et enkelt Bollinger Band overlegg. Bollinger Bands viser gjennomsnitt av høye og lave priser, og breakouts oppstår når prisen møter kantene på bandene. Her er et diagram som plots pris (blå linje) og Bollinger Bands (grå linjer) av Microsoft: Ulemper med Trend-Følgende systemer: Empirical Decision-Making Required - Ved bestemmelse av trender er det alltid et empirisk element å vurdere: Varigheten av den historiske trenden. For eksempel kan det bevegelige gjennomsnittet være de siste 20 dagene eller de siste fem årene, så utvikleren må bestemme hvilken som er best for systemet. Andre faktorer som skal bestemmes er de gjennomsnittlige høyder og nedturer i breakout-systemer. Lagging Nature - Flytte gjennomsnitt og breakout systemer vil alltid ligge. Med andre ord, de kan aldri slå den eksakte toppen eller bunnen av en trend. Dette resulterer uunngåelig i en fortabelse av potensiell fortjeneste, noe som noen ganger kan være betydelig. Whipsaw Effect - Blant markedskreftene som er skadelige for suksessen til trend-følgende systemer, er dette en av de vanligste. Whipsaw-effekten oppstår når det bevegelige gjennomsnittet genererer et falsk signal - det vil si når gjennomsnittet faller like i området, så reverserer plutselig retningen. Dette kan føre til store tap, med mindre effektive stopp-tap og risikostyringsteknikker er ansatt. Sideways Markets - Trend-følgende systemer er, av natur, i stand til å tjene penger bare i markeder som faktisk gjør trend. Men markeder flytter også sidelengs. holde seg innenfor et visst område for en lengre periode. Ekstrem volatilitet kan forekomme - Noen ganger kan trend-følgende systemer oppleve ekstrem volatilitet, men handelsmannen må holde seg til sitt system. Manglende evne til å gjøre det vil resultere i sikret fiasko. Countertrend Systems I utgangspunktet er målet med countertrend-systemet å kjøpe på laveste laveste og selge på høyeste høyde. Hovedforskjellen mellom dette og trend-etter-systemet er at motstrømsystemet ikke er selvkorrigerende. Med andre ord er det ikke satt tid for å gå ut av posisjoner, og dette resulterer i et ubegrenset ulemper potensial. Typer Countertrend Systems Mange forskjellige typer systemer betraktes som countertrend-systemer. Ideen her er å kjøpe når momentum i en retning begynner å falme. Dette beregnes oftest ved hjelp av oscillatorer. For eksempel kan et signal genereres når stokastikk eller andre relative styrkeindikatorer faller under bestemte punkter. Det finnes andre typer motstridshandelssystemer, men alle deler samme grunnleggende mål - å kjøpe lavt og selge høyt. Ulemper ved å motvirke følgende systemer: E mpirisk beslutningsprosess påkrevd - For eksempel er en av faktorene som systemutvikleren må bestemme seg for, hvilke punkter som relativstyrkeindikatorene taper. Ekstern volatilitet kan forekomme - Disse systemene kan også oppleve ekstrem volatilitet, og en manglende evne til å holde fast i systemet til tross for denne volatiliteten, vil resultere i sikret feil. Ubegrenset ulempe - Som tidligere nevnt er det ubegrenset ulemper, fordi systemet ikke er selvkorrigerende (det er ingen angitt tid for å gå ut av posisjoner). Konklusjon Hovedmarkedene som handelssystemer egner seg for, er aksje-, valuta - og futuresmarkedet. Hvert av disse markedene har sine fordeler og ulemper. De to viktigste sjangrene av handelssystemer er trend-follow og countertrend-systemene. Til tross for forskjellene deres krever begge typer systemer, i deres utviklingsstadier, empirisk beslutningsprosesser fra utviklerens side. Også disse systemene er utsatt for ekstrem volatilitet, og dette kan kreve noe utholdenhet - det er viktig at systemhandleren holder fast i systemet hans i disse tider. I den følgende avdelingen, velg en nærmere titt på hvordan du designer et handelssystem og diskutere noe av programvaren som systemhandlere bruker for å gjøre livet enklere. Planlegging av aksjemarkedssystemer: Gjennom gjennomgang av denne boken var jeg slått av observasjonen at det bare er nylig at bøker om systemer og systemutvikling og testing har blitt tilgjengelige for forhandlere. Jeg antar stadig forbedringer i personlige datamaskiner og deres økende kraft, og tilgjengeligheten av egnede programmer har bidratt sterkt til dette. Når domenet til store hedgefond og institusjonelle handelsmenn, handelssystemer og mekanisk handel blir mer allment akseptert og brukt av individuelle handelsmenn. Traders finner dem å være en mye mer pålitelig måte for å oppnå handelssuksess enn ved å bruke vilkårlige beslutningsprosesser og andre esoteriske tilnærminger for å komme frem til kjøp og salg av beslutninger. Men tilbake til denne boken. Dr Bruce Vanstone er assisterende professor ved Bond University i Australia, der han underviser kurs kurs kurs. Han har en doktorgrad i beregningsfinansiering, publisert faglig arbeid på børs handelssystemer, og er konsulent for et boutique hedgefond. Han er godt kvalifisert til å skrive en bok om handelssystemdesign. Hans medforfatter, Tobias Hahn, fullfører en doktorgrad ved Bond University, med fokus på markedsmikrostruktur og anvendelse av maskinlæringsteknikker til prising av derivatprodukter. Design, testing og implementering av mekaniske handelssystemer er ikke det mest spennende emnet for de som har blitt solgt av forhandlere og spruikere, som lovende mer enn det som kan leveres av de fleste tilnærminger til handel. Detaljhandlere og investorer blir imidlertid klar over at en mekanisk eller matematisk tilnærming til markedene som fokuserer på en langsiktig kanten eller rekkevidde av sannsynlige utfall, er en meget profesjonell tilnærming, som kan brukes på detaljnivå. Forfatterne forklarer hvordan de bygger et regelbasert system. De viser trinnene i å designe og teste et system til en kant er funnet, og deretter hvordan å utnytte denne kanten fullt ut for å maksimere avkastningen. De tar et detaljert innblikk i utviklingen av et handelssystem, samt de mange tingene som ikke skal innlemmes i et handelssystem. Deler av denne boken vil utfordre mange lesers tro og paradigmer om markedene og hvordan de fungerer. Et eksempel er kapittel 4.5, bruk og misbruk av teknisk analyse, hvor forfattere diskuterer begrepet data snooping som er ansatt av mange tekniske analytikere. I en casestudie på stoppestedet i et trendhandelssystem undersøkes bruken av stopptap i stor matematisk detalj, særlig bruken av de vanlig brukte ATR-stoppene (Average True Range). Deres forsknings konklusjoner er at de har testet et stort antall langsiktige og langsiktige trendbaserte systemer, og vi har ennå ikke funnet en enkelt sak hvor systemresultatene forbedres ved bruk av en stoppordningsregel. Som jeg sa, utfordrer denne boken mange av de eksisterende kastanjene som eksisterer i næringslivssirkler. Denne boken er en målesel for alle som er seriøse om deres systembaserte handel, og for de som handler med subjektiv analyse, for å forstå hva de står overfor i markedene. Det er en av de mest interessante bøkene jeg har hatt gleden av å se på. Se artikkelen på kilden websiteDesigning Stock Market Trading Systems Om forfatterne Bruce Vanstone Dr. Bruce Vanstone er assisterende professor ved Bond University i Australia. Han fullførte sin PhD i Computational Finance i 2006. Han er en regelmessig presentatør og utgiver av faglig arbeid på børs handelssystemer på internasjonalt nivå. Han lærer kurs på handelsmarkedet på universitetet, og er konsulent for et boutique hedgefond i Australia. Mer informasjon om Bruces. Les mer om Bruce Vanstone Tobias Hahn Tobias Hahn studerer for tiden mot en doktorgrad ved Bond University i Australia. Hans forskning fokuserer på markedsmikrostruktur, og spesielt anvendelsen av maskininnlæringsteknikker til prising av derivatprodukter. Innholdsfortegnelse Listing Forord Godkjenninger Innledning 1. Utforming av aksjemarkedssystemer 1.1 Innledning 1.2 Motivasjon 1.3 Omfang og data 1.4 Den effektive markedshypotesen 1.5 Kunnskaps illusjon 1.6 Investering mot handel 1.6.1 Investering 1.6.2 Handel 1.7 Bygg et mekanisk aksjemarkedssystem 1.8 Stedet for mykt databehandling 1.9 Slik bruker du denne boken 2. Introduksjon til handel 2.1 Innledning 2.2 Ulike tilnærminger til handel 2.2.1 Retning av handel 2.2.2 Handelsplan 2.2.3 Type oppførsel utnyttet 2.2.3.1 Trendbasert handel 2.2.3.2 Breakout trading 2.2.3.3 Momentum trading 2.2.3.4 Gjennomsnittlig reversering trading 2.2.3.5 Høyfrekvent handel 2.3 Konklusjon 2.4 Det neste trinnet 3. Fundamentale variabler 3.1 Innledning 3.1.1 Benjamin Graham og verdi investere 3.2 Informasjonsfordel og markedseffektivitet 3.3 A Note on Adjustments 3.4 Kjerne Strategier 3.4.1 Intrinsic verdi estimater 3.4.2 Fundamentale filtre 3.4.3 Rangordre filtre 3.5 Elemenne ts av et grunnleggende-basert filter 3.5.1 Rikdom på et firma og dets aksjonærer 3.5.1.1 Bokført verdi 3.5.1.2 Omløpsmidler kontra kortsiktig gjeld 3.5.1.3 Utnyttelsesgrad 3.5.2 Inntektskapasitet 3.5.3 Evne til å generere kontanter 3.6 Fundamental Nøkkeltall og industri sammenligninger 3.7 En endelig notat om Invest Investing Research 3.8 Det neste trinnet 3.9 Case Study: Analysere en variabel 3.9.1 Innledning 3.9.2 Eksempel - PE forhold 3.9.3 Rikdomslab 3.9.4 SPSS 3.9.5 Outliers 4. Tekniske variabler 4.1 Innledning 4.1.1 Kartlegging 4.1.2 Tekniske indikatorer 4.1.3 Andre tilnærminger 4.2 Kartlegging og mønsteranalyse 4.3 Tekniske indikatorer 4.3.1 Intermarkedsanalyse 4.3.2 Flytende gjennomsnitt 4.3.3 Volum 4.3.4 Momentumindikatorer 4.3.4.1 Moving Average ConvergenceDivergence (MACD) 4.3.4.2 Relativ styrkeindikator (RSI) 4.4 Alternative tilnærminger 4.5 På bruk og misbruk av teknisk analyse 4.6 Case Study: Har teknisk analyse noen troverdighet 5. Soft Computing 5.1 Innledning 5.1.1 Typer myke databehandling 5.1.2 Ekspert-systemer 5.1.3 Saksbasert resonnement 5.1.4 Genetiske algoritmer 5.1.5 Sverm-intelligens 5.1.6 Kunstige nevrale nettverk 5.2 Gjennomgang av forskning 5.2.1 Soft computing-klassifisering 5.2.2 Forskning i tidsserienes prediksjon 5.2.3 Forskning om mønstergjenkjenning og klassifisering 5.2.4 Forskning i optimalisering 5.2.5 Forskning i ensemble-tilnærminger 5.3 Konklusjon 5.4 Det neste trinnet 6. Opprette kunstige nevrale nettverk 6.1 Innledning 6.2 Å uttrykke ditt problem 6.3 Partisjoneringsdata 6.4 Finne variabler av betydning 6.5 ANN Arkitekturvalg 6.6 ANN Training 6.6.1 Momentum 6.6.2 Treningsrate 6.7 ANN In-sample Testing 6.8 Konklusjon 6.9 Det neste trinnet 7. Handelssystemer og distribusjoner 7.1 Innledning 7.2 Studere en gruppe av handel 7.2.1 Gjennomsnittlig lønnsomhetsgrad 7.2.1.1 Studentene t - test 7.2.1.2 Løpetest 7.2.2 Vinnerstatistikk 7.2.3 Løsning av metriske data 7.2.4 Sammendrag av beregninger 7.2.5 Fordeling 7.2.5.1 Kortsiktig distribusjon 7.2.5.2 Midlertidig dis tildeling 7.2.5.3 Langsiktig distribusjon 7.2.6 Sammenligning av to sett med råvarer 7.3 Konklusjoner 7.4 Neste trinn 8. Posisjonsstørrelse 8.1 Innledning 8.1.1 Fast posisjonering 8.1.2 Kelly metode 8.1.3 Optimal-f 8.1.4 Prosentandel av egenkapitalen 8.1.5 Maksimal risikoprosent 8.1.6 Martingale 8.1.7 Anti-martingale 8.2 Pyramiding 8.3 Konklusjoner 8.4 Det neste trinnet 9. Risiko 9.1 Innledning 9.2 Handelsrisiko 9.2.1 Stoppordreordninger 9.2.2 Bruke maksimal ugunstig ekskursjon (MAE ) for å velge terskelgrensen 9.3 Risikoen for ruin 9.4 Porteføljerisiko 9.5 Tilleggsportefølje-beregninger 9.6 Monte Carlo-analyse 9.7 Case Study: Stopper Nyttig i Trend Trading System 10. Case Studies 10.1 Introduksjon 10.2 A Note om Data 10.3 A Note om Case Studies 10.4 Oppbygge et teknisk handelssystem med nevrale nettverk 10.4.1 Splitting data 10.4.2 Benchmark opprinnelige regler 10.4.3 Identifisere spesifikke problemer 10.4.4 Identifisere innganger og utdata for ANN 10.4.5 Trene nettene 10.4.6 Utlede pengehåndtering og risikoinnstillinger 10.4.7 Benkeprøving i stikprøve 10.4.8 Benkeprøving utenfor utvalg 10.4.9 Bestemme sluttprodukt 10.5 Bygge et grunnleggende handelssystem med nevrale nettverk 10.5.1 Splitting data 10.5.2 Benchmark startregler 10.5.3 Identifiser spesifikk problemer 10.5.4 Identifisere innganger og utdata for ANN 10.5.5 Tren nettverkene 10.5.6 Utlede pengehåndterings - og risikoinnstillinger 10.5.7 In-sample benchmarking 10.5.8 Utvalg av benchmarking 10.5.9 Avgjør sluttprodukt Avsluttende tanker Vedlegg Script Segmenter Bibliografi Indeks Forord Bekreftelser Innledning 1. Utforming av aksjemarkedssystemer 1.1 Innledning 1.2 Motivasjon 1.3 Omfang og data 1.4 Den effektive markedshypotesen 1.5 Kunnskaps illusjon 1.6 Investering mot handel 1.6.1 Investering 1.6.2 Handel 1.7 Bygg en mekanisk lager Market Trading System 1.8 Plasseringen av Soft Computing 1.9 Slik bruker du denne boken 2. Introduksjon til Trading 2.1. Nyttige LinksDesigning Stock Market Trading Systems Registrer deg for å lagre biblioteket ditt Ved å utforme aksjemarkedssystemer Bruce Vanstone og Tobias Hahn veileder deg gjennom deres velprøvde metodikk for å bygge regelbaserte aksjemarkedssystemer som bruker både grunnleggende og tekniske data. Denne boken viser trinnene som kreves for å designe og teste et handelssystem til en handelskant er funnet, hvordan man bruker kunstige nevrale nettverk og myk databehandling for å oppdage en kant og utnytte det fullt ut. Lær hvordan du bygger handelssystemer med større innsikt og pålitelighet enn noen gang. De fleste handelssystemer i dag unnlater å inkorporere data fra eksisterende forskning i driften. Det er her Vanstone og Hahns metodikk er unikt. Designet for å integrere det beste fra tidligere forskning om arbeidet med finansielle markeder i byggingen av nye handelssystemer, hjelper denne syntesen med å produsere aksjemarkedssystemer med uovertruffen dybde og nøyaktighet. Denne boken inneholder derfor en detaljert gjennomgang av nøkkelfunnforskning, som viser hvordan man skal teste eksisterende forskning, hvordan man skal dra nytte av den ved å utvikle den til et regelbasert handelssystem, og hvordan man kan forbedre den med kunstig intelligensteknikk. Ideene og metodene beskrevet i denne boken har blitt testet og testet i varmen i markedet. De har blitt brukt av hedgefond til å bygge sine handelssystemer. Nå kan du også bruke dem. Publiseringsdetaljer Utgiver: Harriman House Edition: 1 Utgivelsesdato: 2011 Tilgjengelig i: Singapore, India Kindle Book OverDrive Les Adobe EPUB eBook 1,6 MB Bruce Vanstone (Forfatter) Dr. Bruce Vanstone er assisterende professor ved Bond University i Australia. Han fullførte sin PhD i Computational Finance i 2006. Han er en regelmessig presentatør og utgiver av faglig arbeid på børs handelssystemer på internasjonalt nivå. Tobias Hahn (Forfatter) Tobias Hahn studerer for tiden mot en doktorgrad ved Bond University i Australia. Hans forskning fokuserer på markedsmikrostruktur, og spesielt anvendelsen av maskininnlæringsteknikker til prising av derivatprodukter.
No comments:
Post a Comment