Encyclopedia Trading Strategier Pdf

Encyclopedia of Trading Strategies. pdf T H E E N C Y C L O P D I A O F T A D I N G S T R E G E E JEFFREY OWEN KATZ, Ph. D. DONNA 1. M KORMIKK T R A D E M A R K S A N D S E R M I M E R K S Firma - og produktnavn knyttet til oppføringer i denne boken bør betraktes som varemerker eller servicemerker for det angitte selskapet. Bruken av et registrert varemerke er ikke tillatt for kommersielle formål uten tillatelse fra firmaet som heter. I noen tilfeller tilbys produkter fra ett selskap av andre selskaper og presenteres i en rekke forskjellige oppføringer i denne boken. Det er praktisk talt umulig å identifisere hvert varemerke eller tjenestemerk for hvert produkt og enhver bruk, men vi vil fremheve følgende: Visual Basic, Visual C og Excel er varemerker for Microsoft Corp. NAG-funksjonsbiblioteket er et servicemerk av Numerical Algorithms Group, Ltd. Numeriske Oppskrifter i C (bok og programvare) er et servicemerk av Numerical Recipes Software. TradeStation, SuperCharts og SystemWriter Plus er varemerker for Omega Research. Evolver er et varemerke for Palisade Corporation. Master Chartist er et varemerke for Robert Slade, Inc. TS-Evolve og TradeCycles (MESA) er varemerker for Ruggiero Associates. Divergengin er et servicemerk av Ruggiero Associates. C Builder, Delphi og Borland Database Engine er varemerker for Borland. CQC for Windows er et varemerke for CQG, Inc. Metastock er et varemerke for Eqnis International. teknisk analysefunksjonsbibliotek er et servicemerk for FM Labs. Excalibur er et varemerke for Futures Truth. MATLAB er et varemerke for The MathWorks, Inc. MESA96 er et varemerke for Mesa. C .. HELE PREFASJON xiii INNLEDNING xv Hva er et komplett mekanisk handelssystem - Hva er gode innlegg og utganger Den vitenskapelige tilnærmingen til systemutviklingsverktøy og materialer som trengs for den vitenskapelige tilnærmingen DEL I Handelens verktøy Innledning 1 Kapittel 1 Data 3 Typer av Data Data Tidsrammer Datakvalitet l Datakilder og leverandører Kapittel 2 Simulatorer 13 Typer Simulatorer Programmering Simulator Simulator Utdata Erformans Summnry rapporterer handel-for-trade rapporter) Simulator Perfomxmce (hastighet: kapasitet: strøm) l Pålitelighet av simulatorer - Velge riktig Simulatorsimulatorer brukt i denne boken Chaoter 3 Optimizers og optimalisering 29 Hvilke optimalisatorer gjør hvordan optimisatorer brukes. Optimaliseringsoptimaliseringer (implisitte optimizers brute force optimizers brukerstyrt optimalisering genetiske optimaliseringsoptimalisering ved simulert annealing analytiske optimaliserere linearpmgrwnming) l Hvordan feilsøkes med optimalisering (liten prøver: stor fxmztneter setter ingen verifikasjon). Hvordan lykkes med Oampmization (h-ge, representative eksempler få regler og parametere veriicatim resultater) Alternativer til tradisjonelle optimaliseringsoptimeringsverktøy og informasjon Hvilken optimaliserer er for deg Kapittel 4 Statistikk 51 Hvorfor bruke statistikk til å evaluere handelssystemer l Eksempeloptimalisering og kurvmontering l Eksempel Størrelse og representativitet. Evaluering av et system Statistisk eksempel 1: Evaluering av prøven utenfor prøven (hvilken fordeling er ikke normal, hva om det er seriell avhengighet, hva om markeder endres) l Eksempel 2: Evaluering av prøveeksempler Tolkning av eksempelstatistikken (optimalisering i-esults verifiseringsresultater) l Andre statistiske teknikker og deres bruk (genetisk evoJved-systemer multiple regresjon monte car10 simuleringer utprøvingstesting fremoverprøving) Konklusjon DEL II Undersøkelsen av innlegg Innledning 71 Hva utgjør en god ordre Brukes i Oppføringer (stoppordre begrensningsordrer markedsordrer velg passende ordre) Inngangsteknikker dekket i denne boken (breakouts og glidende gjennomsnitt oscillatorer sesongmessighet: mån - og solfenomener: sykluser og rytmer nevrale nettverk genetikkNy utviklet oppføringsregler) Standardiserte utganger Equalization of Dollar Volatility Basic Test Portfolio og Platfcnm Kapittel 5 Breakout Modeller 83 Typer av Breakouts l Kjennetegn ved B reakouts. Testing Breakout Modeller l Channel Breakout-poster (lukk kun kanalbrudd høyest higMåste lav bnxzkouts) l Volatilitet Breakout-poster l Volatilitet Breakout Variations (lange posisjoner kun valutaer bare adx tremififilter). Sammendrag Analyser (bruddstyper: inngangsordre interaksjonsbegrensninger andjilters analyse etter marked) Konklusjon l Hva har vi lammet Kapittel 6 Flytte gjennomsnittlige modeller 109 Hva er et flytende gjennomsnitt? Formålet med et flytende gjennomsnitt? Utstedelsen av Lag l Typer av bevegelige gjennomsnitt 1 Typer av Flytte gjennomsnittlige inngangsmodeller l Kjennetegn ved flytende gjennomsnittlige innføringer l Ordninger brukt til effektoppføringer Testmetodikk Test av trendmodeller Tester av mottrendsmodeller Konklusjon l Hva har vi lært ix Kapittel 7 Oscillatorbaserte innlegg 133 Hva er en Oscillator-type? av oscillatorer som genererer innlegg med oscillatorer Egenskaper for oscillatoroppføringer. Testmetodikk l Testresultater (te av overkjøpte oversatte modeller tester av signallinjemodeller tester av divergensmodellers sammendragsanalyser) - Konklusjon Hva har vi lært Kapittel S Seasonality 153 Hva er sesongmessighet l Generering av sesongbaserte innlegg l Kjennetegn på sesonginnlegg. Ordrer brukt til å påvirke sesongmessige innlegg. Testmetodikk. Testresultater (test av grunnleggende tverrmodelltester av grunnmomentmodellen: Tester av crossover-modellen med konformtester av C-modellen med bekreftelse og inversjoner: oppsummeringsanalyser) Konklusjon Hva har vi lært Chmter 9 Lunar og Solar Rhythms 179 Legitimitet eller Lunacy l Lunar Cycles and Trading (generering av månenoppføringer: månestestmetodikk målingstestresultater tester av grunnleggende cmmo er modelltester av grunnmomentmodellen: tester av cnx mer-modellen med bekreftelsestestene av crmmver-modellen med bekreftelse og inversjoner Sammendragsanalyser konklusjon) Solaktivitet og handel (genererer soloppføringer: soltestresultater: konklusjon) Hva har vi lært Kapittel 10 Cycle-Based Entries 2Q3 Cycle Detection ved hjelp av MESA l Detektere sykluser ved hjelp av filterbanker (Butterworth Jilters Wavelet-baserte filtre) Generere Cycle Entries Bruke Filter Banks Egenskaper for Cycle-Based Entries. Testmetodikk. Testresultater. Konklusjon l Hva har vi lært Kapittel 11 Neural Networks 227 Hva er Neural Networks (feed-forward neural networks). Neural Networks in Trading l Forecasting med Neural Networks l Generere Entries med Neural Predictions. Omvendt Slow K-modell (kode for omvendt sakte k-modell: testmetode for omvendt sakte k-modellopplæringsresultater for revers-slow-k-modellen) l Turning Point Modeller (kode for vendepunktsmodell testmetodikk for vendepunktsmodell trening resulterer for vendepunktsmodeller) Handelsresultater for alle modeller (adingresultater for den motsatte sakte k-modellen: frading-resultater for bøydeming-modell-handelsresultater for topprottsmodellen) Sammendragsanalyser l Konklusjon Hva har vi lært Kapittel 12 Genetiske algoritmer 257 Hva er genetiske algoritmer Utvikler regelbaserte oppførselsmodeller Utvikler en oppføringsmodell han regler remplares) Testmetodikk (kode for å utvikle en oppføringsmodell) l Testresultater (løsninger utviklet for lange innspillingsløsninger utviklet for korte meldinger fesf-resultater for standardporteføljemarkedet - by-market tesf resultat: lik kurver reglene for rhe solurions tesred) Konklusjon Hva har vi lært DEL III Studien av utganger Intro avledning 281 Viktigheten av utgangen l Mål for en god utgangsstrategi Typer av utganger Ansatt i en avslutningsstrategi (pengeadministrasjon utløper sporutganger projir tnrgef exiW rime-baserte utganger volarilify airs: barriere avslutter signalutganger) Betraktninger når man avslutter markedet (gunning avvik med forutgående stopp: slippe konjunktur: konklusjon) Testing av avslutningsstrategier Standardoppføringer for testutganger (tilfeldig inngangsmodell) Chaoter 13 Standardutgangsstrategien 293 Hva er standardutgangsstrategien for standardutgangen Formålet med å teste SES l Test av den opprinnelige SES (testresultater) Test av den modifiserte SES (testresultater) Konklusjon - Hva har vi lært Kapittel 14 Forbedringer på standardutgangen 309 Formålet med testene 1 Test av de faste stopp og fortjenestemåltestene for dynamiske stopp (resten av den høyeste higWlowest low stop fesf av det dynamiske arr-baserte stoppet: fett av det modifiserte eksponentielle flytende gjennomsnittlige dynamiske stoppet) Test av Pro passe Tagetest av forlenget tidsbegrensning - Market-by-Market resultater for best mulig avslutning Konklusjon l Hva har vi lært xi Kapittel 15 Legge til kunstig intelligens for å avslutte 335 Testmetodikk for Neural Exit Component. Resultater av Neural Exit Test (baseline resultater neurale exit portjolio resultater: Neural Exit Market-by-Market resultater). Testmetodikk for den genetiske utgangskomponent (topp 10-løsninger med basislinjeutgang: resultater av regelbaserte utganger for lengder og shorts markeds-for-marked-resu1t. s (Hvis regelbaserte utganger for lengder: markeds-for-markedsresultater PREFACEI n Denne boken er kunnskapen som trengs for å bli en suksessfull handelsmann. Som en omfattende referanse - og systemutviklerveiledning forklarer boken mange populære teknikker og setter dem på prøve og utforsker innovative måter å tjene penger på. av markedet og å få en ekstra kant. I tillegg gir boken bedre metoder for å kontrollere risikoen, og gir innsikt i hvilke metoder som utfører dårlig og kan ødelegge kapital. Selv om grunnleggende er dekket: informasjon om hvordan man skaffer og skjermer data, hvordan man kan ordne back-test-systemer ved hjelp av handelssimulatorer, hvordan man trygt utfører optimalisering, hvordan man estimerer og kompenserer for kurvepassing, og til og med hvordan man vurderer resultatene ved hjelp av inferensiell statistikk. Denne boken demonstrerer wh y den sikreste måten å lykkes i handel er gjennom bruk av et godt, mekanisert handelssystem. For alle, men noen få handlende, gir systemhandel mm-e lønnsomme resultater enn diskretionær handel. Diskresjonær handel innebærer subjektive beslutninger som ofte blir følelsesmessige og fører til tap. Påvirke, usikkerhet, grådighet og frykt gjør det enkelt å forstyrre grunn og kunnskap som drivkraften bak handelen. Videre er det vanskelig å teste og verifisere en skjønnsmessig handelsmodell. Systembasert handel er derimot objektiv. Følelser er ute av bildet. Gjennom programmert logikk og antagelser uttrykker mekaniserte systemer handelsmennets grunn og kunnskap. Best av alt, er slike systemer lett testet: Dårlige systemer kan avvises eller endres, og gode cntes kan forbedres. Denne boken inneholder solid informasjon som kan være til stor hjelp når du designer, bygger og tester et lønnsomt mekanisk handelssystem. Mens det legges vekt på en grundig, kritisk analyse av de ulike faktorene som er ment å bidra til vinnende systemer, blir også de viktigste elementene i et komplett mekanisk handelssystem dissekert og forklart. For å være komplett må alle mekaniske handelssystemer ha en inngangsmetode og en utgangsmetode. Inngangsmetoden må oppdage muligheter til å komme inn på markedet på punkter som sannsynligvis vil gi handel med et godt forhold mellom risiko og belønning. Utgangsmetoden må beskytte mot overdreven kapitalforstyrrelse når en handel går galt eller når markedet svinger, samt effektivt fanger fortjeneste når markedet beveger seg gunstig. En betydelig mengde plass er viet til systematisk back-testing og evaluering av utgangssystemer, metoder og strategier. Selv handelsmannen som allerede har en handelsstrategi eller et system som gir akseptable utganger, vil sannsynligvis oppdage noe som kan brukes til å forbedre systemet, øke fortjenesten og redusere risikoeksponeringen. Også inkludert i disse sidene er handelssimuleringer på hele pqrtfolios of tradables. Som det er påvist, er løpende analyser på porteføljer enkle, hvis det ikke er lett å oppnå. Den enkle beregningen av egenkapitalvekstkurver, maksimale utfall, risikofaktorer, avkastning på kontoer, antall bransjer og alle xiv FORFØRE den andre relaterte typen informasjon som er nyttig for å vurdere et handelssystem på en hel portefølje av varer eller aksjer på en gang er gjort tydelig. Prosessen med å gjennomføre porteføljevennlige fremdrift og andre former for testing og optimalisering er også beskrevet. For eksempel er det gitt instruksjoner om hvordan man søker etter et sett med parametere som når de kobles til et system som brukes til å handle hver av et sett av varer, gir den beste totale nettoresultatet med lavest drawdown (eller kanskje den beste Sharpe Ratio, eller noe annet mål for porteføljeprestasjon ønsket) for det hele settet av varer. Små institusjonelle handelsmenn (CTA) som ønsker å drive et system på flere varemerker, som et middel til diversifisering, risikoreduksjon og likviditetsforbedring, bør finne denne diskusjonen spesielt nyttig. Til slutt, for å holde alle aspekter av systemene og komponentene blitt testet objektivt og helt mekanisk, har vi trukket på våre faglige og vitenskapelige forskningsbakgrunner for å anvende den vitenskapelige metoden til studiet av inn - og utgangsteknikker. I tillegg, når det er aktuelt, brukes statistikk til å vurdere betydningen av resultatene av undersøkelsene. Denne tilnærmingen skal gi størst mulig informasjon om hva som er en gyldig og nyttig komponent i en vellykket handelsstrategi. Slik at alle vil dra nytte av undersøkelsene, blir den nøyaktige logikken bak hver inn - eller utgangsstrategi omtalt i detalj. For de som ønsker å kopiere og utvide studiene som er indeholdt her, er det også gitt omfattende kildekode i teksten, samt på en CD-ROM (se tilbud på baksiden av boken). Siden et grunnleggende handelssystem alltid består av to komponenter, inneholder denne boken naturlig følgende to deler: Studien av oppføringer og studien av utganger. Diskusjoner av bestemte teknologier som kan brukes til genererende oppføringer eller utganger, f. eks. nevrale nettverk, håndteres i sammenheng med å utvikle bestemte inn - eller utgangsstrategier. Introduksjonen inneholder leksjoner om de grunnleggende problemene rundt implementeringen av den vitenskapelige tilnærmingen til handelssystemutvikling. Den første delen av denne boken, Trade of Tools, inneholder grunnleggende informasjon, som er nødvendig for alle systemhandlere. Konklusjonen gir en oppsummering av forskningsresultatene, med forslag til hvordan man best søker kunnskap og fremtidig forskning. Tillegget inneholder referanser og foreslått lesing. Til slutt vil vi påpeke at denne boken er en videreføring og utbredelse av en serie artikler som vi publiserte som Bidragende forfattere til teknisk analyse av aksjer og råvarer fra 1996 og fremover. Jeffrey Owen Katz, Ph. D. og Donna L. McCormick I N T R O D U C T I O N Det er en ting de fleste handelsmenn har til felles: De har tatt utfordringen med å prognose og handle på finansmarkedene, å lete etter de små øyene med lukrativ ineffektivitet i et stort hav med effektiv markedsadferd. For en av forfatterne, Jeffrey Katz, var denne utfordringen i utgangspunktet et middel til å nyte en besettelse med matematikk. For over ti år siden utviklet han en modell som ga inngangssignaler for Standard amp Poors 500 (SampP 500) og OEX. Mens disse signalene var, på den tiden, omtrent 80 nøyaktig, fant Katz seg andre gjetninger. Dessuten måtte han stole på sine egne subjektive bestemmelser om slike kritiske faktorer som hva slags ordre som skal brukes for oppføring, når de skal gå ut, og hvor de skal stoppe. Disse bestemmelsene, essensen av skjønnsmessig handel, ble ofte drevet mer av følelser av frykt og avarice enn av grunn og kunnskap. Som et resultat, churned han og vacillated, gjorde dårlige beslutninger, og tapt oftere enn vant. For Katz, som for de fleste handlende, virket ikke diskretionær handel. Hvis skjønnsmessig handel ikke fungerte, så hva gjorde Kanskje systemhandel var svaret. Katz bestemte seg for å utvikle et helt automatisert handelssystem i form av et dataprogram som kunne generere kjøp, salg, stopp og andre nødvendige bestillinger uten menneskelig vurdering eller intervensjon. Et godt mekanisk system, foreslått logikk, ville unngå problemene knyttet til diskresjonær handel, dersom disiplinen til å følge den kunne bli mønstret. Et slikt system ville gi eksplisitte og veldefinerte oppføringer, normale eller lønnsomme utganger, og unormale eller pengestyringsutganger designet for å kontrollere tap på dårlige handler. Et fullt automatisert system vil også gjøre det mulig å gjennomføre historiske tester, objektive etterpå, og å gjøre slike tester på store mengder data. Grundig testing var den eneste måten å avgjøre om et system virkelig fungerte og ville være lønnsomt å handle, berettede Katz. På grunn av kjennskap til dataseriene, kunne gyldige tester ikke utføres av øye. Hvis Katz så på et diagram og trodde en gitt formasjon signaliserte et godt sted å komme inn på markedet, kunne han ikke stole på den troen fordi han allerede hadde sett hva som skjedde etter at formen hadde skjedd. Videre, hvis diagrammer fra tidligere år ble undersøkt for å finne andre eksempler på formasjonen, ville forsøk på å identifisere mønsteret ved øyeeballing være forutinntatt. På den annen side, hvis mønsteret som skal testes, kunne formelt defineres og eksplisitt kodet, kan datamaskinen da objektivt gjøre alt arbeidet: Det ville kjøre koden på mange års historisk data, lete etter den angitte formen, og evaluere (uten ettersyn) oppførselen til markedet etter hver forekomst. På denne måten kan datamaskinen indikere om han faktisk var riktig i sin hypotese at en gitt formasjon var lønnsom. Avgangsregler kan også vurderes objektivt. Endelig vil et veldefinert mekanisk handelssystem tillate slike ting som provisjoner, slippe, umulige tider og markeder som flyttet før han kunne bli innregnet. Dette ville bidra til å unngå ubehagelige sjokk når man flyttet fra datasimuleringer til ektehandel . Et av problemene Katz hadde i sitt tidligere handelsforsøk, var å ikke vurdere de høye transaksjonskostnadene som var involvert i trading OEX-opsjoner. Gjennom fullstendig mekanisering kunne han sørge for at systemtestene inkluderer alle slike faktorer. På denne måten kan potensielle overraskelser bli eliminert, og en veldig realistisk vurdering kunne fås av hvordan noe system eller systemelement ville utføre. Systemhandel kan, trodde han, være nøkkelen til større suksess i markedene. W H A T I S A C O M P L E T E M E C H A N I C A L T R A D E N G S Y S T E M. Et av problemene med hvite Katzs tidlige handel var at systemet bare ga inngangssignaler, og etterlot bestemmelsen av utganger til subjektiv vurdering, var det derfor ikke et komplett, mekanisk handelssystem. Et komplett, mekanisk handelssystem, en som kan testes og distribueres på en helt objektiv måte, uten å kreve menneskelig vurdering, må gi både oppføringer og utganger. For å være virkelig fullstendig, må et mekanisk system eksplisitt gi følgende informasjon: 1. Når og hvordan, og muligens til hvilken pris, å komme inn på markedet 2. Når og hvordan, og muligens til hvilken pris, å gå ut av markedet med et tap 3. Når og hvordan, og muligens til hvilken pris, for å gå ut av markedet med fortjeneste Innsignalet til et mekanisk handelssystem kan være så enkelt som eksplisive ordrer til å kjøpe eller selge på de neste dagene som er åpne. Ordrene kan være litt mer utførlige, f. eks. å gå inn i morgen (eller på neste linje) ved hjelp av en grense eller et stopp. Deretter igjen, svært komplekse kontingentbestillinger, som kun utføres i bestemte perioder, hvis spesifiserte forhold er mTrading Strategies En økonomisk teori om total utgifter i økonomien og dens effekter på produksjon og inflasjon. Keynesian økonomi ble utviklet. En beholdning av en eiendel i en portefølje. En porteføljeinvestering er laget med forventning om å tjene en avkastning på den. Dette. Et forhold utviklet av Jack Treynor som måler avkastning opptjent over det som kunne vært opptjent på en risikofri. Tilbakekjøp av utestående aksjer (tilbakekjøp) av et selskap for å redusere antall aksjer på markedet. Selskaper. En skattemessig tilbakebetaling er refusjon på skatter betales til en person eller husstand når den faktiske skatteforpliktelsen er mindre enn beløpet. Den monetære verdien av alle ferdige varer og tjenester produsert innen et land grenser i en bestemt tidsperiode. Encyclopedia of Trading Strategies av Jeffrey Owen Katz Ph. D. McGraw-Hill 1 utgave 29. februar 2000 Engelsk ISBN: 0070580995 387 sider PDF 5 MB Encyclopedia of Trading Strategies er for handelsfolk som ønsker å ta neste skritt til konsekvent lønnsom handel. Forfatterne selv har erfarne veteraner fra FUTURES TRADING arena8211pinpoint handelsmetoder og strategier som har blitt vist å produsere markedsbeslag. Deres strenge og systematiske backtesting av hver metode, ved hjelp av samme sett med markeder og analytiske teknikker, gir en vitenskapelig, systembasert tilnærming til systemutvikling8230 for å hjelpe deg med å samle handelssystemet som vil sette deg på veien til å bli en mer konsekvent lønnsom handelsmann . Beslektede innlegg: Legg igjen en kommentar Avbryt svar Siste innlegg Drupal For Dummies Joomla 3 Beginner8217s Guide Bygg online fellesskap med Drupal, phpBB og WordPress Opprette en webside i Dreamweaver 8: Visual QuickProject Guide av Nolan Hester CouchDB og PHP Webutvikling Beginner8217s Guide CSS Web Design for Dummies Populære Innlegg Last ned: Collins Arbeide med Accent (PDF CD) Engelsk Engelsk Ferdighetskurs Brosjyre: Intermediate (Nivå B1) 2013 8211 2014 Engelsk Grammatikk En Ressursbok for Studenter Engelsk Engelsk Ferdighetskatalog: Avansert (Nivå C1) 2013 8211 2014The Encyclopedia of Trading Strategies. pdf THEENCYCLOPEDIAOFTRAD INGSTRATEGIES JEFFREY OWEN KATZ, Ph. D. DONNA 1. M KORMIKK T R A D E M A R K S A N D S E R M I M E R K S Firma - og produktnavn knyttet til oppføringer i denne boken bør betraktes som varemerker eller servicemerker for det angitte selskapet. Bruken av et registrert varemerke er ikke tillatt for kommersielle formål uten tillatelse fra firmaet som heter. I noen tilfeller tilbys produkter fra ett selskap av andre selskaper og presenteres i en rekke forskjellige oppføringer i denne boken. Det er praktisk talt umulig å identifisere hvert varemerke eller tjenestemerk for hvert produkt og enhver bruk, men vi vil fremheve følgende: Visual Basic, Visual C og Excel er varemerker for Microsoft Corp. NAG-funksjonsbiblioteket er et servicemerk av Numerical Algorithms Group, Ltd. Numeriske Oppskrifter i C (bok og programvare) er et servicemerk av Numerical Recipes Software. TradeStation, SuperCharts og SystemWriter Plus er varemerker for Omega Research. Evolver er et varemerke for Palisade Corporation. Master Chartist er et varemerke for Robert Slade, Inc. TS-Evolve og TradeCycles (MESA) er varemerker for Ruggiero Associates. Divergengin er et servicemerk av Ruggiero Associates. C Builder, Delphi og Borland Database Engine er varemerker for Borland. CQC for Windows er et varemerke for CQG, Inc. Metastock er et varemerke for Eqnis International. teknisk analysefunksjonsbibliotek er et servicemerk for FM Labs. Excalibur er et varemerke for Futures Truth. MATLAB er et varemerke for The MathWorks, Inc. MESA96 er et varemerke for Mesa. C .. HELE PREFASJON xiii INNLEDNING xv Hva er et komplett mekanisk handelssystem - Hva er gode innlegg og utganger Den vitenskapelige tilnærmingen til systemutviklingsverktøy og materialer som trengs for den vitenskapelige tilnærmingen DEL I Handelens verktøy Innledning 1 Kapittel 1 Data 3 Typer av Data Data Tidsrammer Datakvalitet l Datakilder og leverandører Kapittel 2 Simulatorer 13 Typer Simulatorer Programmering Simulator Simulator Utdata Erformans Summnry rapporterer handel-for-trade rapporter) Simulator Perfomxmce (hastighet: kapasitet: strøm) l Pålitelighet av simulatorer - Velge riktig Simulatorsimulatorer brukt i denne boken Chaoter 3 Optimizers og optimalisering 29 Hvilke optimalisatorer gjør hvordan optimisatorer brukes. Optimaliseringsoptimaliseringer (implisitte optimizers brute force optimizers brukerstyrt optimalisering genetiske optimaliseringsoptimalisering ved simulert annealing analytiske optimaliserere linearpmgrwnming) l Hvordan feilsøkes med optimalisering (liten prøver: stor fxmztneter setter ingen verifikasjon). Hvordan lykkes med Oampmization (h-ge, representative eksempler få regler og parametere veriicatim resultater) Alternativer til tradisjonelle optimaliseringsoptimeringsverktøy og informasjon Hvilken optimaliserer er for deg Kapittel 4 Statistikk 51 Hvorfor bruke statistikk til å evaluere handelssystemer l Eksempeloptimalisering og kurvmontering l Eksempel Størrelse og representativitet. Evaluering av et system Statistisk eksempel 1: Evaluering av prøven utenfor prøven (hvilken fordeling er ikke normal, hva om det er seriell avhengighet, hva om markeder endres) l Eksempel 2: Evaluering av prøveeksempler Tolkning av eksempelstatistikken (optimalisering i-esults verifiseringsresultater) l Andre statistiske teknikker og deres bruk (genetisk evoJved-systemer multiple regresjon monte car10 simuleringer utprøvingstesting fremoverprøving) Konklusjon DEL II Undersøkelsen av innlegg Innledning 71 Hva utgjør en god ordre Brukes i Oppføringer (stoppordre begrensningsordrer markedsordrer velg passende ordre) Inngangsteknikker dekket i denne boken (breakouts og glidende gjennomsnitt oscillatorer sesongmessighet: mån - og solfenomener: sykluser og rytmer nevrale nettverk genetikkNy utviklet oppføringsregler) Standardiserte utganger Equalization of Dollar Volatility Basic Test Portfolio og Platfcnm Kapittel 5 Breakout Modeller 83 Typer av Breakouts l Kjennetegn ved B reakouts. Testing Breakout Modeller l Channel Breakout-poster (lukk kun kanalbrudd høyest higMåste lav bnxzkouts) l Volatilitet Breakout-poster l Volatilitet Breakout Variations (lange posisjoner kun valutaer bare adx tremififilter). Sammendrag Analyser (bruddstyper: inngangsordre interaksjonsbegrensninger andjilters analyse etter marked) Konklusjon l Hva har vi lammet Kapittel 6 Flytte gjennomsnittlige modeller 109 Hva er et flytende gjennomsnitt? Formålet med et flytende gjennomsnitt? Utstedelsen av Lag l Typer av bevegelige gjennomsnitt 1 Typer av Flytte gjennomsnittlige inngangsmodeller l Kjennetegn ved flytende gjennomsnittlige innføringer l Ordninger brukt til effektoppføringer Testmetodikk Test av trendmodeller Tester av mottrendsmodeller Konklusjon l Hva har vi lært ix Kapittel 7 Oscillatorbaserte innlegg 133 Hva er en Oscillator-type? av oscillatorer som genererer innlegg med oscillatorer Egenskaper for oscillatoroppføringer. Testmetodikk l Testresultater (te av overkjøpte oversatte modeller tester av signallinjemodeller tester av divergensmodellers sammendragsanalyser) - Konklusjon Hva har vi lært Kapittel S Seasonality 153 Hva er sesongmessighet l Generering av sesongbaserte innlegg l Kjennetegn på sesonginnlegg. Ordrer brukt til å påvirke sesongmessige innlegg. Testmetodikk. Testresultater (test av grunnleggende tverrmodelltester av grunnmomentmodellen: Tester av crossover-modellen med konformtester av C-modellen med bekreftelse og inversjoner: oppsummeringsanalyser) Konklusjon Hva har vi lært Chmter 9 Lunar og Solar Rhythms 179 Legitimitet eller Lunacy l Lunar Cycles and Trading (generering av månenoppføringer: månestestmetodikk målingstestresultater tester av grunnleggende cmmo er modelltester av grunnmomentmodellen: tester av cnx mer-modellen med bekreftelsestestene av crmmver-modellen med bekreftelse og inversjoner Sammendragsanalyser konklusjon) Solaktivitet og handel (genererer soloppføringer: soltestresultater: konklusjon) Hva har vi lært Kapittel 10 Cycle-Based Entries 2Q3 Cycle Detection ved hjelp av MESA l Detektere sykluser ved hjelp av filterbanker (Butterworth Jilters Wavelet-baserte filtre) Generere Cycle Entries Bruke Filter Banks Egenskaper for Cycle-Based Entries. Testmetodikk. Testresultater. Konklusjon l Hva har vi lært Kapittel 11 Neural Networks 227 Hva er Neural Networks (feed-forward neural networks). Neural Networks in Trading l Forecasting med Neural Networks l Generere Entries med Neural Predictions. Omvendt Slow K-modell (kode for omvendt sakte k-modell: testmetode for omvendt sakte k-modellopplæringsresultater for revers-slow-k-modellen) l Turning Point Modeller (kode for vendepunktsmodell testmetodikk for vendepunktsmodell trening resulterer for vendepunktsmodeller) Handelsresultater for alle modeller (adingresultater for den motsatte sakte k-modellen: frading-resultater for bøydeming-modell-handelsresultater for topprottsmodellen) Sammendragsanalyser l Konklusjon Hva har vi lært Kapittel 12 Genetiske algoritmer 257 Hva er genetiske algoritmer Utvikler regelbaserte oppførselsmodeller Utvikler en oppføringsmodell han regler remplares) Testmetodikk (kode for å utvikle en oppføringsmodell) l Testresultater (løsninger utviklet for lange innspillingsløsninger utviklet for korte meldinger fesf-resultater for standardporteføljemarkedet - by-market tesf resultat: lik kurver reglene for rhe solurions tesred) Konklusjon Hva har vi lært DEL III Studien av utganger Intro avledning 281 Viktigheten av utgangen l Mål for en god utgangsstrategi Typer av utganger Ansatt i en avslutningsstrategi (pengeadministrasjon utløper sporutganger projir tnrgef exiW rime-baserte utganger volarilify airs: barriere avslutter signalutganger) Betraktninger når man avslutter markedet (gunning avvik med forutgående stopp: slippe konjunktur: konklusjon) Testing av avslutningsstrategier Standardoppføringer for testutganger (tilfeldig inngangsmodell) Chaoter 13 Standardutgangsstrategien 293 Hva er standardutgangsstrategien for standardutgangen Formålet med å teste SES l Test av den opprinnelige SES (testresultater) Test av den modifiserte SES (testresultater) Konklusjon - Hva har vi lært Kapittel 14 Forbedringer på standardutgangen 309 Formålet med testene 1 Test av de faste stopp og fortjenestemåltestene for dynamiske stopp (resten av den høyeste higWlowest low stop fesf av det dynamiske arr-baserte stoppet: fett av det modifiserte eksponentielle flytende gjennomsnittlige dynamiske stoppet) Test av Pro passe Tagetest av forlenget tidsbegrensning - Market-by-Market resultater for best mulig avslutning Konklusjon l Hva har vi lært xi Kapittel 15 Legge til kunstig intelligens for å avslutte 335 Testmetodikk for Neural Exit Component. Resultater av Neural Exit Test (baseline resultater neurale exit portjolio resultater: Neural Exit Market-by-Market resultater). Testmetodikk for den genetiske utgangskomponent (topp 10-løsninger med basislinjeutgang: resultater av regelbaserte utganger for lengder og shorts markeds-for-marked-resu1t. s (Hvis regelbaserte utganger for lengder: markeds-for-markedsresultater PREFACEI n Denne boken er kunnskapen som trengs for å bli en suksessfull handelsmann. Som en omfattende referanse - og systemutviklerveiledning forklarer boken mange populære teknikker og setter dem på prøve og utforsker innovative måter å tjene penger på. av markedet og å få en ekstra kant. I tillegg gir boken bedre metoder for å kontrollere risikoen, og gir innsikt i hvilke metoder som utfører dårlig og kan ødelegge kapital. Selv om grunnleggende er dekket: informasjon om hvordan man skaffer og skjermer data, hvordan man kan ordne back-test-systemer ved hjelp av handelssimulatorer, hvordan man trygt utfører optimalisering, hvordan man estimerer og kompenserer for kurvepassing, og til og med hvordan man vurderer resultatene ved hjelp av inferensiell statistikk. Denne boken demonstrerer wh y den sikreste måten å lykkes i handel er gjennom bruk av et godt, mekanisert handelssystem. For alle, men noen få handlende, gir systemhandel mm-e lønnsomme resultater enn diskretionær handel. Diskresjonær handel innebærer subjektive beslutninger som ofte blir følelsesmessige og fører til tap. Påvirke, usikkerhet, grådighet og frykt gjør det enkelt å forstyrre grunn og kunnskap som drivkraften bak handelen. Videre er det vanskelig å teste og verifisere en skjønnsmessig handelsmodell. Systembasert handel er derimot objektiv. Følelser er ute av bildet. Through programmed logic and assumptions, mechanized systems express the traders reason and knowledge. Best of all, such systems are easily tested: Bad systems can be rejected or modified, and good cntes can be improved. This book contains solid information that can be of great help when designing, building, and testing a profitable mechanical trading system. While the emphasis is on an in-depth, critical analysis of the various factors purported to contribute to winning systems, the essential elements of a complete, mechanical trading system are also dissected and explained. To be complete, all mechanical trading systems must have an entry method and an exit method. The entry method must detect opportunities to enter the mar - ket at points that are likely to yield trades with a good risk-to-reward ratio. The exit method must protect against excessive loss of capital when a trade goes wrong or when the market turns, as well as effectively capture profits when the market moves favorably. A considerable amount of space is devoted to the systematic back-testing and evaluation of exit systems, methods, and strategies. Even the trader who already has a trading strategy or system that provides acceptable exits is likely to discover something that can be used to improve the system, increase profits, and reduce risk exposure. Also included in these pages are trading simulations on entire pqrtfolios of tradables. As is demonstrated, running analyses on portfolios is straightforward, if not easy to accomplish. The ease of computing equity growth curves, maximum drawdowns, risk-to-reward ratios, returns on accounts, numbers of trades, and all xiv PREFACE the other related kinds of information useful in assessing a trading system on a whole portfolio of commodities or stocks at once is made evident. The process of conducting portfolio-wide walk-forward and other forms of testing and optimiza - tion is also described. For example, instruction is provided on how to search for a set of parameters that, when plugged into a system used to trade each of a set of commodities, yields the best total net profit with the lowest drawdown (or perhaps the best Sharpe Ratio, or any other measure of portfolio performance desired) for that entire set of commodities. Small institutional traders (CTAs) wishing to run a system on multiple tradables, as a means of diversification, risk reduction, and liq - uidity enhancement, should find this discussion especially useful. Finally, to keep all aspects of the systems and components being tested objective and completely mechanical, we have drawn upon our academic and sci - entific research backgrounds to apply the scientific method to the study of entry and exit techniques. In addition, when appropriate, statistics are used to assess the significance of the results of the investigations. This approach should provide the most rigorous information possible about what constitutes a valid and useful com - ponent in a successful trading strategy. So that everyone will benefit from the investigations, the exact logic behind every entry or exit strategy is discussed in detail. For those wishing to replicate and expand the studies contained herein, extensive source code is also provided in the text, as well as on a CD-ROM (see offer at back of book). Since a basic trading system is always composed of two components, this book naturally includes the following two parts: The Study of Entries and The Study of Exits. Discussions of particular technologies that may be used in gener - ating entries or exits, e. g. neural networks, are handled within the context of devel - oping particular entry or exit strategies. The Introduction contains lessons on the fundamental issues surrounding the implementation of the scientific approach to trading system development. The first part of this book, Tools of the Trade, con - tains basic information, necessary for all system traders. The Conclusion pro - vides a summary of the research findings, with suggestions on how to best apply the knowledge and for future research. The Appendix contains references and suggested reading. Finally, we would like to point out that this book is a continuation and elab - oration of a series of articles we published as Contributing Writers to Technical Analysis of Stocks and Commodities from 1996, onward. Jeffrey Owen Katz, Ph. D. and Donna L. McCormick I N T R O D U C T I O N There is one thing that most traders have in common: They have taken on the challenge of forecasting and trading the financial markets, of searching for those small islands of lucrative inefficiency in a vast sea of efficient market behavior. For one of the authors, Jeffrey Katz, this challenge was initially a means to indulge an obsession with mathematics. Over a decade ago, he developed a model that pro - vided entry signals for the Standard amp Poors 500 (SampP 500) and OEX. While these signals were, at that time, about 80 accurate, Katz found himself second - guessing them. Moreover, he had to rely on his own subjective determinations of such critical factors as what kind of order to use for entry, when to exit, and where to place stops. These determinations, the essence of discretionary trading, were often driven more by the emotions of fear and avarice than by reason and knowl - edge. As a result, he churned and vacillated, made bad decisions, and lost more often than won. For Katz, like for most traders, discretionary trading did not work. If discretionary trading did not work, then what did Perhaps system trading was the answer. Katz decided to develop a completely automated trading system in the form of a computer program that could generate buy, sell, stop, and other necessary orders without human judgment or intervention. A good mechanical system, logic suggested, would avoid the problems associated with discretionary trading, if the discipline to follow it could be mustered. Such a system would pro - vide explicit and well-defined entries, normal or profitable exits, and abnor - mal or money management exits designed to control losses on bad trades, A fully automated system would also make it possible to conduct historical tests, unbiased by hindsight, and to do such tests on large quantities of data. Thorough testing was the only way to determine whether a system really worked and would be profitable to trade, Katz reasoned. Due to familiarity with the data series, valid tests could not be performed by eye. If Katz looked at a chart and believed a given formation signaled a good place to enter the market, he could not trust that belief because he had already seen what happened after the forma - tion occurred. Moreover, if charts of previous years were examined to find other examples of the formation, attempts to identify the pattern by eyeballing would be biased. On the other hand, if the pattern to be tested could be formally defined and explicitly coded, the computer could then objectively do all the work: It would run the code on many years of historical data, look for the specified for - mation, and evaluate (without hindsight) the behavior of the market after each instance. In this way, the computer could indicate whether he was indeed correct in his hypothesis that a given formation was a profitable one. Exit rules could also be evaluated objectively. Finally, a well-defined mechanical trading system would allow such things as commissions, slippage, impossible tills, and markets that moved before he xvi could to be factored in. This would help avoid unpleasant shocks when moving from computer simulations to real-world trading. One of the problems Katz had in his earlier trading attempt was failing to consider the high transaction costs involved in trading OEX options. Through complete mechanization, he could ensure that the system tests would include all such factors. In this way, potential surprises could be eliminated, and a very realistic assessment could be obtained of how any system or system element would perform. System trading might, he thought, be the key to greater success in the markets. W H A T I S A C O M P L E T E. M E C H A N I C A L T R A D I N G S Y S T E M. One of the problems witb Katzs early trading was that his system only provided entry signals, leaving the determination of exits to subjective judgment it was not, therefore, a complete, mechanical trading system. A complete, mechanical trading system, one that can be tested and deployed in a totally objective fashion, without requiring human judgment, must provide both entries and exits. To be truly com - plete, a mechanical system must explicitly provide the following information: 1. When and how, and possibly at what price, to enter the market 2. When and how, and possibly at what price, to exit the market with a loss 3. When and how, and possibly at what price, to exit the market with a profit The entry signals of a mechanical trading system can be as simple as explic - it orders to buy or sell at the next days open. The orders might be slightly more elaborate, e. g. to enter tomorrow (or on the next bar) using either a limit or stop. Then again, very complex contingent orders, which are executed during certain periods only if specified conditions are m