交易策略 設計

+

Adaptrade軟件通訊文章 約束驅動的戰略設計 由邁克爾·布萊恩特 當我還是一名研究生在工程機械研究設計二十多年以前，最有趣的研究項目中，我遇到了一個利用計算機算法來確定一個結構部件的最佳形狀 - 基本上，一台機器的一部分 - 只有立足 上的力和載荷的一部分需要處理。 傳統的方法是一直以開始與一些初始形狀，則使用重複分析的一個迭代過程，重新設計，以逐漸磨練的最佳形狀，與工程師指定在幾何每個改變，但須隨後的分析。 是什麼讓研究項目，以便讓我感興趣的是，計算機算法不僅自動化的分析步驟，但被指定在每一步的幾何形狀的變化，基本上是自動化什麼歷來是一個勞動密集型的任務。 這是約束驅動設計的示例。 在這種情況下的限制因素的力和加載對象被要求承受。 作為一個較為聽上去很像例如，考慮一個假想的計算機程序，可以設計僅基於像所需的氣體里程，加速度，範圍，乘客人數，門的數目，等等約束汽車。 雖然今天的技術可能是沒有達到這樣的任務，相同的基本方法可以很有效地用於設計交易策略。 戰略設計約束 術語約束是從數學優化領域，其中優化問題可被歸類為約束或約束借來的。 後者包括問題，其中目標函數最小化或最大化。 約束問題，另一方面，添加到一系列條件，這被表示為任一等於或不等於方程式。 這些是約束。 該溶液到一個約束優化問題不僅具有最小化或最大化的目標函數，它必須滿足約束方程。 那麼什麼限制模樣的交易策略設計的背景下？ 一種方法是想想有什麼好的交易策略的模樣。 難道你想看到比2.0獲得利潤的因素更大？ 做良好的交易策略，至少有60％的勝率在您看來的交易？ 你需要看到的不超過4個連續虧​​損的交易更認為這是一個好的策略？ 如果可以量化的，你認為有什麼好的交易策略是在性能指標方面，那麼你可以使用這些作為約束條件。 一些指標，如利潤因素，夏普比率，贏/損失率，是更通用性的，適用於任何策略，其他的都更具體的某幾種策略。 例如，如果你正在尋找每日酒吧波段交易系統，你可能心裡有東西一個星期換一次或兩次，持有交易不超過幾天更加最多。 在這種情況下，你可能想尋找的戰略，每年有50至100交易。 如果你正在構建未來五年的歷史數據，這會給你250至500行業在五年期間的約束。 按照同樣的思路，你可以在酒吧之間，也就是說，2和5個酒吧行業的平均數量設置一個限制。 除了更常見的通用指標，如利潤因素和夏普比率，有許多的，可以是在設計幾乎任何策略有幫助少的通用指標。 例如，資金曲線的相關係數是如何緊密地權益曲線近似於直線的量度。 越接近係數是1.0，越接近資金曲線是一條直線，這意味著更加一致和均勻的性能。 設置一個約束的相關係數為大於或等於0.95即可建立任何類型的策略是有用的。 的平均利潤/損失的統計顯著性是可以用作用於任何策略約束另一度量。 這測量它的可能性有多大，平均貿易大於零，因為在貿易結果的變異性和基於平均交易的所謂採樣分佈。 因為意義考慮交易的數量和這些交易的標準偏差，並以百分比表示，這是一個很好的替代交易作為構建約束的數目。 換句話說，而不是試圖找出你的背部，測試期間有多少行業需要確保有意義的結果，你可以指定一個顯著性值大於，比如說95％。 這可以作為一個通用的構建約束有用的一個稍微不尋常的指標是凱利分數。 這是賬戶資金的最佳部分的理論衡量，在每個貿易風險。 數值越高，意味著更多的股票可以在每個行業進行冒險。 因此，凱利餾分可以被看作是戰略返回多快可以配的度量。 或者，你可以把它看成是戰略質量的全面衡量，因為更快的複合結果的能力意味著更高的質量戰略。 誰與我聯繫他使用的凱利分數作為構建度量一位貿易商願意看到20％以上的值。 從約束建築 約束條件設置邊界的戰略設計。 設計過程的其它元件包括目標函數最大化或最小化，並用於尋找最大化或最小化目標函數，同時滿足約束條件的策略的算法。 如上文所提到，這些元素定義一個約束優化問題。 在約束驅動設計，硬工作通常由約束完成，這是大多數的努力應集中。 目標函數，在另一方面，可以相對簡單，如最大化淨利。 然而，如示於以下的例子中，它有時最好添加一些出現在約束條件的通用度量。 例如，一個合適的目標可被最大化的淨利潤，相關係數，和意義的總和。 在這種情況下，各術語將被縮放到範圍0 - 1給他們相等的權重中的目標函數。 給定目標函數和約束條件，該策略設計被發現作為解決相應的優化問題。 所有優化算法基本上搜索算法，開始與非最佳（在某些情況下，隨機的）設計並修改它在一系列步驟，最終收斂到該溶液中。 在下面給出的實施例中，最優化問題是使用遺傳算法的編程，這是適合於生成程序代碼，包括交易策略解決。 這個作品是如何在其他地方所描述的細節; 見，例如，大廈交易系統使用自動代碼生成。 總之，交易策略的人口發展了多代通過重組和修改類似於群體的成員繁殖和進化的生物過程。 該軟件Adaptrade生成器。 它實現了遺傳規劃算法，用來構建策略。 對於Adaptrade生成器用戶指南包括算法的更多細節。 約束驅動設計實例 為了說明約束驅動的戰略設計過程中，交易策略是專為蘋果公司的股票（代碼AAPL）的日常吧。 蘋果已經在幾乎穩定的上升趨勢多年，這可能使它看起來像一個容易的選擇。 然而，正如下文將要面臨的挑戰是要充分地處理股市的高波動性。 在下面的例子中，戰略是建在此期間1994年9月19日至6/16/2009，與用於超出抽樣測試期間從2009年6月17號到2013年2月21日。 $ 0.05每股成本為假定，並用$ 25,000起始帳戶權益價值。 利用股票倉位大小％是確定的股票每筆交易的數量。 這意味著每筆交易的價值為賬戶淨值的一定比例。 在第一個構建，股權100％被使用，這意味著該帳戶的股權，完全投入在每次交易。 在第二個版本，股本的百分比被選為生成算法。 在這兩種情況下，所有的利潤都再投資。 中構建約束下面的列表中使用： 在勝與LT條平均數= 10 相關係數＆GT; = 0.95 最大峰 - 谷縮編＆所述; = 30％ 除了生成的限制，構建目標設置如下： 最大化的淨利潤，體重1.0 最大化相關係數，體重1.0 最大化的意義，體重1.0 最大限度地減少複雜性，重量0.2 複雜性度量措施的戰略投入的數量。 它被列入建設目標，以相對小的權重，以幫助偏見的策略，片源較少的投入，從而降低了複雜性。 構建目標一起構建約束定義所謂的適應度函數的遺傳編程過程。 適應度函數等效於目標函數為相應的優化問題。 構建過程將嘗試最大限度地健身。 構建目標縮放的方式結合起來，把人口的成員之間的最大可能的適應度值是1.0。 這將出現人口的優勝劣汰成員，當所有的約束條件都滿足。 任何約束條件不滿足減去從健身，使得每個約束可從健身減去1.0的最大值。 這意味著，如果一個或多個約束不滿足，健身可以是一個負數。 相反，負的健身價值，就意味著一個或多個不滿意的約束。 全部投資 500戰略的人口發展了20代的Adaptrade生成器。 圖。 圖1示出平均人口健身一代如何提高代當賬戶淨值是完全投入在每次交易。 注意到，雖然健身普遍增加作為構建的進展，健身從未成為正的，這意味著一個約束或多個沒有滿足。 圖1.平均人口健身與在其股權​​100％投資於各個行業AAPL策略生成編號。 三的約束如下所示。 2，它描繪了每個指標的平均偏差從整個人口成員的約束值。 例如，利潤因素的平均偏差開始在約1.2。 自指定的約束條件為利潤因子的值大於或等於2，這意味著在其中初始種群策略的平均利潤因子約為0.8。 圖2.平均約束差對在其股權100％投資於各個行業AAPL策略生成編號。 約束偏差贏利因素，相關係數，和Kelly部分被示收斂到接近零。 理想情況下，約束偏差應收斂於零的構建過程的進展。 在大多數情況下，這是圖。 2表示。 但是，考慮到相同類型的積為最大的MAE和最大百分比縮編，如圖所示。 3。 圖3.平均約束差對在其股權100％投資於各個行業AAPL策略生成編號。 約束偏差最大的美和最大百分比縮編顯示匯聚成的高值，說明制約因素沒有得到滿足。 對於最大MAE約束指定的值不大於10％。 如圖。 3，即使經過20代，最大MAE的平均人口值仍有約27％，約17個百分點，高於或。 同樣地，約束的最大百分比縮編為30％，還20代以後，人口平均為約63％。 這就解釋了為什麼健身保持，即使經過20代負：優化無法滿足這兩個條件。 為什麼會出現這種情況？ 圖。 圖4示出用於從所述構建過程所得頂端策略之一的資金曲線。 在整個近18年的時間，實現淨利潤超過$ 39個億元看出，開始只有$ 25,000元。 平均年回報率超過50％。 然而，漁獲物，這些令人瞠目的回報率是在構建過程不能滿足這兩個約束條件。 最大峰值到谷提款比例在此期間剛剛超過50％，最壞情況下的MAE（最大不利偏差），用來測量開放的貿易縮編為20％。 這意味著，為了實現這些收益，你將不得不忍受高達20％的縮編在一個單一的貿易和股權超過50％的總縮編。 圖為其中股票100％投資於各行業頂級AAPL戰略4.資金曲線。 能夠滿足所有約束的原因構建過程收斂到這種類型的策略，而不是一個，就是選擇的頭寸調整迫使每個戰略，進行全面投資於各個行業。 這保證了股票價格的潛在波動性將反映在結果中。 最優投資 一看就知道這的確是發生了什麼，第二個版本是運行在百分比權益的頭寸調整值被允許由生成算法來選擇。 而不是在每次交易投資100％股權，該算法是自由交易的股票少，如果它有助於滿足約束條件。 圖5.平均人口健身與在其中的股權低於100％投資於各個行業AAPL策略生成編號。 比較圖。 1。 圖。 圖5顯示了健身在構建過程中如何進化的。 請注意，平均人口健身成為積極的約10代後，不象圖。 1，甚至20後一代的健身為陰性。 的最大MAE和縮編約束演進如下所示。 6.不同於圖。 3，其中顯示了相同的結果對於全部投資，結果在圖1的情況下。 6表明，最大的MAE和最大縮編的偏差收斂於零，這表明約束都已滿足。 圖6.平均約束偏差與對於其中公平小於100％投資於每次交易AAPL策略生成號。 約束偏差最大的美和最大百分比縮編顯示收斂到接近零，表明約束已經得到滿足。 比較圖。 3。 如上所述，在該第二版本所不同的是，公平的位置上漿的百分比被允許由構建算法來選擇，而不是固定在100％。 對於人口頂級策略之一，股權的百分比，導致從構建過程中為24％。 這意味著，賬戶淨值的24％投資於各個行業，而不是100％，如在之前的版本。 對於這種策略將所得資金曲線如下所示。 7.形成鮮明對比的圖中所示的出大小的回報。 4，這裡顯示的結果對應的淨利潤約$ 90,000的不到9％的年均回報率。 但是，與在圖中所示的策略。 4，這種策略符合所有指定的約束條件，包括約9％的最大MAE和大約19％的最壞情況縮編。 圖7.股權曲線，其中股權24％投資於各貿易AAPL策略。 1.在每個計劃代號的數字是指最大同時行情可以看作實時/延遲TradingExpert臨（Rtalerts，AIQ圖表，行情/晴雨表）。 2.天下載到本地TradingExpert Pro數據庫的到底是無限數量的行情中，每天晚上的所有計劃。 3，擬與日1年歷史終結是指歷史可用的量，下載一個給定的股票。 什麼市場都可以通過IDC？ 日下載數據結束 日下載美國和加拿大的股票，美國共同基金，美國指標和市場數據結束。 流數據 美國和加拿大的股票，美國和其他指數，期貨，外匯9對。 點擊交換/服務包，其中適用於行情的細節包括在內。 非專業的交易費用月刊 如何設計一個外匯交易策略，真正的作品！ 這是毫無疑問的，有外匯交易策略萬噸您可以在線學習 無論是外匯的策略是從外匯論壇或其他交易商blog. it並不重要 因為一個簡單的事實是，有太多的不同的外匯交易策略，你可以免費學習 其中在process. might是給你比幫助您更混亂。 就像老話。 太多的選擇可真令人困惑壞。 .. 如果你已經依靠別人外匯策略以某種方式交易的market. BUT就是無法真正做到持續盈利無論什麼 那麼，也許它的時間你考慮設計您自己的外匯交易策略 它是非常簡單的，只要你知道如何在外匯市場上的價格走勢有些道理 讓我給你的這句話在這裡的一個例子： 我們都知道，technically. there 3個方向，價格就要搬到即： 1）向上 - 趨勢。 （看漲） 2）向下 - 趨勢？ （看跌） 3）路面橫向或測距（不確定） 僅此而已.. 由此不難知道這一點，但STILLno疑問，多數交易商認為他們知道這一切：.OKits一個上升趨勢now..I應買入 。我看到的趨勢是下降的now. I不得出售 聽起來相當簡單indeedbut怎麼來的只有5％的交易商在世界上真正賺錢一致？ 最新發生的其他95％？ 他們失去了慘敗。再和again. after綻放他們的帳戶（或帳戶。）.. 如果你仍然不破裂您的帳戶的類別 然後認為自己是幸運的你將學習在這裡可能會改變對外匯交易你的看法 即使超充您的成功..No笑話！ Easy. just了解到，在外匯market. there有一定的修復模式可以為了把所有的賠率在你身邊有機可乘。 例如 ？ 這無非是價格回力/回撤.. 無論是向上Trendor下降趨勢。 將有SURE是，你可以以良好的回報/風險比率輸入價格回力/回撤期 因此，為了設計出你自己的外匯交易策略，真正的作品 它有進軍這個價位拉回。並充分利用它.. 可以說，這是一個下降趨勢now..and的價格已經移動/突破.. 你打算在跳馬上並無論如何廠生產的止損值，只是因為其他交易商表示，他們還利用點子的量呢？ 絕對沒有！ 這有時會工作，但如果你想真正把一切困難在你的身邊。 你真的要得到itselfespecially市場價格行為的提示。 下面有什麼，我一個下降趨勢中拉回平均分享到： 外匯拉回交易策略 令人驚奇的是，... 無論是其在一個上升趨勢，下降趨勢和路面橫向市場。 這個價格拉回鐵定存在，這是察覺他們的只是一個問題，然後進入普遍趨勢。 （和戰略性廠止損剛上拉回的頂部）。 Moreover..it也將出現在市場上，不管方向是什麼的唯一現象 因此，為了使您能夠設計出真正的作品一個外匯交易策略 你剛設計圍繞價格這一戰略 - 回力因素 這是當你在一個價格 - 回力，你可以每次交易取得了良好的回報/風險比率ENTER .. 加上優秀的資金management. You也沒問題後一個月weekmonth後持續盈利耙從你的交易週.. （就像我做的.. *笑*） 沒有什麼比能夠自信地交易的外匯市場，並知道你每次進入一個trade..You實際上把所有的賠率在你的身邊！ 這種感覺確實很不錯.. 試試吧，你就知道了。 So..isnt這時候你設計一個外匯交易策略，經過這個真正的作品？