نحوه توسعه ، تست و بهینه سازی یک استراتژی معاملاتی - راهنمای کامل

تدوین یک استراتژی معاملاتی از ابتدا تا پایان یک فرایند پیچیده است. این روند مراحل زیر را دنبال می کند:

• تدوین استراتژی
• کد شبه را بنویسید
• تبدیل به کد کار
• اولین پشتی را شروع کنید
• بهینه کردن
• نتایج آزمون را ارزیابی کنید
• برو زنده
• نظارت
• ارزیابی و تنظیم
• فرایند بهینه سازی

ما در مورد هر یک از این نکات به طور جداگانه بحث خواهیم کرد. در اینجا تجسم فرایند طراحی آورده شده است:

تجزیه و تحلیل پیاده روی مهمترین بلوک ساختمان استراتژی تجارت شما است. در این مرحله مشخص می شود که آیا بازده فرضی نتیجه بیش از حد یا نتیجه یک سیستم تجاری قوی است. اگر تجزیه و تحلیل پیاده روی نتایج منفی ایجاد کند ، باید به اولین مرحله از روند توسعه استراتژی خود برگردید. تجزیه و تحلیل به سه سؤال اساسی پاسخ می دهد: آیا سیستم معاملاتی سودآور است ، این عامل سود در تجارت در زمان واقعی انتظار می رود و چگونه تغییرات در شرایط بازار بر عملکرد استراتژی من تأثیر می گذارد.

عناصر یک استراتژی تجارت

• قوانین ورود و خروج
• مدیریت ریسک
• اندازه موقعیت

فرمول مؤثر برای تجزیه و تحلیل ریسک استراتژی ، حداکثر کشش ضرب شده با حاشیه ایمنی است. ضرب ایمنی باید در حدود 1. 5 باشد. این مفهوم را می توان با افزودن سرمایه مورد نیاز برای استراتژی متشکل از عناصر زیر گسترش داد: حداکثر کاهش ، نیازهای حاشیه ای و ضریب ایمنی. به عنوان مثال ، فرض می کنیم که ما در حال تجارت E-Mini S& P 500 هستیم که اندازه حساب مورد نیاز ، 15،000 دلار (حداکثر پیش بینی) با 1. 5 و اضافه کردن 13100 دلار (نیاز حاشیه) ، 35،600 دلار است. با این حال ، این مدل این واقعیت را در نظر نمی گیرد که ما می توانیم در ابتدای سفر تجاری خود به بدترین حالت خود ضربه بزنیم. به همین دلیل است که ما باید یک رویکرد محافظه کارانه تر را در نظر بگیریم: 15،000 دلار (حداکثر کاهش) با 1. 5 ضرب شده و 2 برابر 13100 دلار (الزامات حاشیه ای) اضافه می کنیم. در این سناریو می توانیم دو فروپاشی شدید را آب و هوا کنیم و به تجارت استراتژی خود ادامه دهیم.

با سفارشات خروجی سود را مدیریت کنید

برای مدیریت سود به معنای حفظ سرمایه است. هدف اصلی این است که هرچه بیشتر سود را بدست آوریم. چندین روش مختلف برای دستیابی به این هدف وجود دارد. در اینجا توضیح مختصری در مورد انواع سفارش محبوب تر که می توانید استفاده کنید آورده شده است.

حراج: حراج در طی دوره افتتاح قبل از بازار برای اجرای با قیمت افتتاحیه محاسبه شده (COP) وارد سیستم معاملات الکترونیکی می شود.

اختیاری: یک دستور اختیاری یک دستور محدود است که با مبلغ "اختیاری" مشخص شده و مشخص شده از قیمت محدودی که ممکن است برای افزایش دامنه قیمت که از آن سفارش محدودیت واجد شرایط برای اجرای آن است استفاده می شود. بازار فقط قیمت محدود را می بیند.

بازار: سفارش بازار سفارش خرید یا فروش در پیشنهاد بازار یا قیمت پیشنهاد است.

بازار در صورت لمس: بازاری در صورت لمس (MIT) دستور خرید (یا فروش) قرارداد زیر (یا بالاتر) بازار است. هدف آن استفاده از تغییرات ناگهانی یا غیر منتظره در سهم یا سایر قیمت ها است و به سرمایه گذاران قیمت ماشه را برای تنظیم سفارش در اختیار سرمایه گذاران قرار می دهد.

به بازار عرضه می شود: یک سفارش به بازار به منظور حفظ قیمت خرید نسبت به بهترین پیشنهاد ملی (NBO) یا قیمت فروش نسبت به بهترین پیشنهاد ملی (NBB) طراحی شده است. بسته به عرض نقل قول ، این دستور ممکن است منفعل یا پرخاشگر باشد.

Pegged to Stock: یک سفارش به سهام به طور مداوم قیمت سفارش را با محصول Delta Define User امضا شده و تغییر قیمت سهام اصلی گزینه تنظیم می کند. دلتا به عنوان یک مطلق وارد شده و فرض می شود که برای تماس ها مثبت و منفی برای قرار دادن باشد. قیمت سفارش تماس خرید یا فروش با اضافه کردن Delta Times تغییر در قیمت سهام زیرین به قیمت شروع مشخص شده برای تماس تعیین می شود.

به عنوان اولیه: سفارشات نسبی (a. k. a. pegged to Premary) وسیله ای را برای معامله گران فراهم می کند تا از بهترین پیشنهاد و پیشنهاد ملی (NBBO) به دنبال قیمت تهاجمی تر باشند. معامله گران با عمل به عنوان ارائه دهندگان نقدینگی و ارائه پیشنهادات و پیشنهادات تهاجمی تر از بهترین پیشنهادات و پیشنهادات فعلی ، شانس خود را برای پر کردن سفارش خود افزایش می دهند. نقل قول ها با حرکت بازارها به طور خودکار تنظیم می شوند تا پرخاشگر بمانند. برای سفارش خرید ، پیشنهاد شما با جبران تهاجمی تر به NBB بسته می شود و اگر NBB بالا برود ، پیشنهاد شما نیز بالا می رود. اگر NBB پایین بیاید ، هیچ تعدیل نخواهد بود زیرا پیشنهاد شما حتی پرخاشگرتر می شود و اجرا می شود. برای فروش ، پیشنهاد شما با جبران تهاجمی تر به NBO بسته می شود و اگر NBO پایین بیاید ، پیشنهاد شما نیز پایین می آید. اگر NBO حرکت کند ، هیچ تعدیل نخواهد بود زیرا پیشنهاد شما تهاجمی تر و اجرا می شود.

Sweep to Fill: سفارشات جارو برای پر کردن هنگامی که یک معامله گر سرعت اجرا را بیش از قیمت کند ، مفید هستند. یک سفارش جارو به پر کردن بهترین قیمت و مقدار دقیق ارائه شده/در دسترس با آن قیمت را مشخص می کند و بخش مربوط به سفارش شما را برای اجرای فوری منتقل می کند.

سفارش محدود: سفارش محدودی سفارش خرید یا فروش با قیمت مشخص یا بهتر است. سفارش محدود تضمین می کند که اگر سفارش پر شود ، با قیمتی که کمتر از قیمت حد مجاز شما باشد ، پر نمی شود ، اما تضمین نمی کند.

جعبه بالا: یک جعبه سفارش برتر به عنوان سفارش بازار با بهترین قیمت فعلی اجرا می شود. اگر سفارش فقط تا حدی پر شود ، باقیمانده به عنوان سفارش محدود با قیمت محدودی برابر با قیمتی که بخش پر شده سفارش اجرا شده ارسال می شود.

محدودیت در صورت لمس: محدودیت در صورت لمس ، دستور خرید (یا فروش) قرارداد با قیمت مشخص یا بهتر ، در زیر (یا بالاتر) بازار است. این سفارش در سیستم نگه داشته می شود تا قیمت ماشه لمس شود. یک سفارش روشن شبیه به یک سفارش توقف محدود است ، به جز این که یک سفارش فروش روشن بالاتر از قیمت فعلی بازار قرار گرفته است و یک سفارش فروش محدودیت در زیر قرار می گیرد.

محدودیت در بستن: یک سفارش محدود (LOC) با نزدیک ارسال می شود و اگر قیمت بسته شدن در یا بهتر از قیمت محدودیت ارسال شده باشد ، اجرا می شود.

Limit On Open: یک سفارش محدود به باز (LOO) یک ترتیب محدود را با زمان OPG در حال لازم برای ایجاد سفارش ارسال شده در بازار باز می کند ، و این فقط با قیمت محدود یا بهتر اجرا می شود. سفارشات مطابق با قوانین خاص مبادله پر می شوند.

خویشاوند منفعل: سفارشات نسبی منفعل وسیله ای را برای معامله گران فراهم می کند تا در حالی که سفارش را به بهترین پیشنهاد (برای خرید) می برند ، قیمت کمتری نسبت به بهترین پیشنهاد و پیشنهاد (NBBO) داشته باشند. قیمت سفارش به طور خودکار تنظیم می شود زیرا بازارها حرکت می کنند تا سفارش را تهاجمی تر نگه دارد. برای سفارش خرید ، قیمت سفارش شما با جبران کمتری تهاجمی به NBB بسته می شود و اگر NBB بالا برود ، پیشنهاد شما نیز بالا می رود. اگر NBB پایین بیاید ، هیچ تعدیل نخواهد شد زیرا پیشنهاد شما تهاجمی خواهد شد و اجرا می شود. برای سفارش فروش ، قیمت شما با جبران کمتر تهاجمی به NBO بسته می شود و اگر NBO پایین بیاید ، پیشنهاد شما نیز پایین می آید. اگر NBO حرکت کند ، هیچ تعدیل نخواهد بود زیرا پیشنهاد شما تهاجمی خواهد شد و اجرا می شود. علاوه بر جبران ، می توانید یک کلاه مطلق را تعریف کنید ، که مانند قیمت محدود کار می کند و از اجرای سفارش شما در بالا یا پایین تر از سطح مشخص جلوگیری می کند. نظم نسبی منفعل شبیه به نظم نسبی/چسبیده به نخستین است ، به جز اینکه نسبی منفعل جبران خسارت را از پیشنهاد کم می کند و بستگان جبران خسارت را به پیشنهاد اضافه می کنند.

توقف: سفارش توقف یک دستورالعمل برای ارسال سفارش خرید یا فروش در صورت دستیابی یا نفوذ قیمت ماشه توقف مشخص شده توسط کاربر است. یک سفارش توقف یک قیمت خاص اعدام تضمین نمی شود و ممکن است به طور قابل توجهی از قیمت توقف آن استفاده کند. سفارش توقف فروش همیشه زیر قیمت فعلی بازار قرار می گیرد و به طور معمول برای محدود کردن ضرر یا محافظت از سود در موقعیت طولانی سهام استفاده می شود. سفارش توقف خرید همیشه بالاتر از قیمت فعلی بازار قرار می گیرد. این معمولاً برای محدود کردن ضرر یا کمک به محافظت از سود در فروش کوتاه استفاده می شود.

محدودیت توقف: یک دستور توقف محدود یک دستورالعمل برای ارسال سفارش خرید یا فروش در هنگام دستیابی یا نفوذ قیمت ماشه توقف مشخص شده توسط کاربر است. سفارش دارای دو مؤلفه اساسی است: قیمت توقف و قیمت محدود. هنگامی که تجارت در یا از طریق قیمت توقف اتفاق افتاده است ، سفارش قابل اجرا می شود و به عنوان یک سفارش محدود وارد بازار می شود ، این یک سفارش برای خرید یا فروش با قیمت مشخص یا بهتر است.

Trailing Stop: یک سفارش توقف فروش فروش قیمت توقف را با مبلغ ثابت زیر قیمت بازار با مبلغ "دنباله دار" متصل می کند. با افزایش قیمت بازار ، قیمت توقف با مبلغ دنباله افزایش می یابد ، اما اگر قیمت سهام کاهش یابد ، قیمت ضرر توقف تغییر نمی کند و با افزایش قیمت توقف ، سفارش بازار ارسال می شود. این تکنیک به گونه ای طراحی شده است که به یک سرمایه گذار اجازه می دهد حداکثر ضرر ممکن را تعیین کند ، بدون اینکه حداکثر سود ممکن را تعیین کند. سفارشات توقف "خرید" تصویر آینه ای از سفارشات توقف توقف فروش است و برای استفاده در بازارهای در حال سقوط مناسب ترین است.

هدف سود

روش دیگر برای محافظت از سود خود ، استفاده از سطح قیمت است که در آن از تجارت خارج خواهید شد. استفاده از یک هدف سود یک روش تهاجمی تر برای قفل کردن سود است. پیچیدگی منفی این رویکرد این است که شما ممکن است خیلی زود از معاملات خود خارج شوید.

به طور کلی اهداف سود درصدی درصد بالاتری از معاملات برنده و منحنی عدالت صاف تر را تولید می کند. عملکرد کلی می تواند پایدارتر شود و معمولاً در هنگام طراحی سیستم های معاملاتی با فرکانس بالا می توان از چنین روشی استفاده کرد. برعکس ، استراتژی های زیر از اهداف سود کمترین سود را دارند.

ترتیب هدف سود به عنوان یک سفارش محدود و GTC وارد می شود. تغییر قیمت شبانه می تواند بر میزان قیمت سفارش قیمت فروش تأثیر بگذارد و با قیمت افتتاح پر شود. اساساً این بدان معنی است که در صورت ایجاد شکاف در یک شب ، در صورت ایجاد شکاف ، قیمت X را بالاتر از سطح قیمت سفارش قیمت فروش خود می گیریم. سیستمهایی که اهداف سود محکم دارند به ویژه در برابر شکافهای یک شبه آسیب پذیر هستند.

اندازه موقعیت

اندازه معاملات اندازه شرط بندی ما را تعیین می کند و یک مؤلفه مهم سیستم معاملاتی ما را نشان می دهد. قوانین اندازه تأثیر زیادی در عملکرد کلی نمونه کارها ما دارد. با این حال ، اندازه موقعیت کارآمد دشوار است. یکی از مشکلات مربوط به اندازه گیری موقعیت موثر ناشی از توزیع های دم چربی است که می تواند به شدت بر نتایج ما تأثیر بگذارد.

اگر می خواهید در یک جلسه هیئت مدیره تصور کنید ، چهره گفتاری را که اکنون دنیای اقتصادی را فرا گرفته است استفاده کنید: "اما دم چربی چیست؟"این روش دیگری برای پرسیدن "چگونه همه نبوغ ها متوجه خطری که شما اجرا می کردید متوجه نشده اید؟"شاهدان خجالت زده و اخیراً C. E. O را اخراج كردند كه توزیع ارزش ها و خطرات مورد علاقه مدیران ، آژانس های رتبه بندی اعتبار و تحلیلگران اوراق بهادار به نظر می رسد كه از این گذشته چندان طبیعی نیستند.

ویلیام صفیر. دم چربیمجله نیویورک تایمز.

مشکل دیگر عدم استحکام آماری بسیاری از اقدامات در هنگام اندازه گیری موقعیت است. این مهم است که آگاه باشید که اندازه موقعیت می تواند یک سیستم تجارت را بشکند یا ایجاد کند.

در مرحله بعدی ما در مورد چهار مدل اندازه گیری موقعیت مختلف بحث می کنیم که می توانید در استراتژی خود پیاده سازی کنید:

• روش کلی
• روش بی ثباتی
• ماوراء
• ضد مارتینگال

در اینجا مثالی آورده شده است ، فرمول زیر از روش کلی که توسط پروفسور ادوارد تورپ برای قمار و تجارت استفاده شده است ، گرفته شده است.

کلی ٪ = (برنده ٪ - ضرر ٪) / (متوسط سود / متوسط ضرر)

با فرض اینکه یک استراتژی درصد برنده 60 ٪ ، میانگین برد 3000 دلار و میانگین ضرر 1500 دلار است ، Kelly ٪ ٪ از سرمایه معاملات ما را به ما می گوید تا در تجارت بعدی ما به خطر بیفتد.

• Kelly ٪ = (60 - 40) / (3000 دلار / 1500 دلار)
• کلی ٪ = 10 ٪

بعد اندازه موقعیت خود را محاسبه می کنیم. ما اندازه ریسک خود را 10 ٪ از سهام خود داریم. ریسک در هر قرارداد 1000 دلار و اندازه حساب 500000 دلار. اندازه تجارت به شرح زیر محاسبه می شود:

• کل سهام به ریسک = 500،000 $ 0. 1
• کل سهام برای ریسک = 50،000 دلار
• تعداد قراردادها = 50،000 دلار / 1000 دلار
• تعداد قراردادها = 50

لطفاً توجه داشته باشید که این اعداد غالباً فاقد استحکام آماری هستند و باید به عنوان راهنما به جای یک عدد دقیق استفاده شوند.

روش نوسانات اندازه موقعیت شما را با توجه به نوسانات فعلی بازار تعیین می کند. یک رویکرد محبوب استفاده از ATR است. در اینجا فرمول یک توقف ATR 2 x است:

اندازه موقعیت = ((اندازه putfolio * ٪ سرمایه برای ریسک)/(ATR * 2))

• ارزش حساب 300000 دلار
• Atr دارایی 15 دلار
• معاملات دارایی با 290 دلار

فرض کنیم شما مایل به از دست دادن 5 ٪ از سرمایه خود در هر تجارت هستید ، معادل 15000 دلار در مثال ما. شما همچنین باید تصمیم بگیرید که چند واحد ATR را که مایل هستید قبل از خروج از موقعیت خود ، اجازه دهید دارایی را علیه شما طی کند. در فرمول ما برای توقف 2 X ATR رفتیم.

با استفاده از پارامترهای خطر خود ، اگر 6 ٪ از دست بدهیم ، مایل به خروج از موقعیت خود هستیم. ما این تعداد درصد را با ضرب 20 دوره ATR از دارایی خود توسط پارامتر خطر ما از یک توقف 2 x ATR دریافت می کنیم. اکنون ارزش مطلق توقف خود را داریم که 30 دلار است. ما 5 ٪ سرمایه ریسک (15،000 دلار) خود را 30 دلار تقسیم می کنیم و تعداد واحدها را برای خرید دریافت می کنیم. در این مثال 500.

محاسبه ATR: مقدار TR به سادگی منهای زیاد است و 20 روز اول ATR میانگین مقادیر روزانه TR برای 20 روز گذشته است.

روش دیگر برای اندازه گیری موقعیت مبتنی بر نوسانات ، روش نوسانات خوشه ای است که می تواند برای S& P 500 اعمال شود. ما بسته به سطح VIX نوسانات S& P 500 را برای هر خوشه محاسبه می کنیم. به عنوان مثال ، قیمت VIX 15-17 نشان دهنده یک خوشه است ، 17. 1-19 نشان دهنده خوشه دوم است. هر یک از این فواصل قیمت اندازه ریسک ما را تعیین می کند. در این سناریو بسته به معیارهای عملکرد استراتژی ما ، حداکثر توقف نوسانات وجود دارد.

روش Martingale بعد از هر باخت ، اندازه تجارت را دو برابر می کند و پس از هر پیروزی در یک واحد شروع می شود. این روش از یک روش مدیریت پول قمار گرفته شده است. در مقابل ، روش ضد مارتینگال با دو برابر شدن تعداد واحدهای تجاری پس از هر پیروزی شروع می شود و پس از باخت یکی از آنها شروع می شود.

ذهن باز و بسته شدن لغزش

اگر استراتژی شما در حال تجارت است ، قیمت افتتاحیه بیشتر بانکهای اطلاعاتی شامل اولین تیک روز یا نقطه میانی آن محدوده افتتاحیه است. برای نتایج پشتی شما به این معنی است که سفارش شما در بازار باز است. در واقعیت ، یک سفارش بازار در باز شدن در محدوده افتتاحیه پر از بدترین قیمت ممکن پر شده است. اگر استراتژی شما در حال انجام معاملات زیادی و به ویژه در زمان افتتاح بازار و در آخرین دقایق نزدیک بازار باشد ، این شکل از لغزش می تواند اضافه شود. همانطور که با قیمت افتتاحیه از قیمت بسته شدن در پایگاه داده شما به عنوان قیمت پر کردن بازار به ترتیب نزدیک استفاده می شود. قیمت اجرای واقعی در محدوده اختتامیه خواهد بود.

محدود کردن مدار حرکت و رویدادهای اقتصادی

مسئله دیگر با توجه به نتایج پشتی شما ، حرکات محدود است. قراردادهای آتی محدودیت معاملات روزانه دارند که حداکثر نوسان قیمت را تعیین می کند. در شرایط نادر ، یک بازار می تواند محدودیت را به بالا یا محدود کند و برای بقیه روز معاملات در این سطح قیمت باقی بماند. حرکت حد به عنوان یک قطع کننده مدار عمل می کند و حداکثر تغییر است که قیمت یک قرارداد آتی کالا در یک روز مجاز است. این مبلغ مبنای آن از قیمت بسته شدن روز گذشته است. یک استراتژی معاملاتی نباید در روزهای محدود قفل شده وارد تجارت شود. نتایج قابل اعتماد پشتی باید این نوع روزها را حذف کند.

معاملات مهم رویداد نیز باید از پشت پرده استراتژی شما مستثنی باشد ، مگر در مواردی که شما یک استراتژی محور رویداد را اجرا می کنید. اکثر معامله گران این عمل را به یک عمل تبدیل نمی کنند که در زمینه انتشار گزارش های کلیدی اقتصادی ، در گروههای زمانی از پیش تعیین شده وارد نشوند. در طی این رویدادها ، لغزش قیمت گسترده رخ خواهد داد. در جامعه بازرگانی دیدگاههای متضادی وجود دارد که آیا این معاملات باید در نتایج پشتی شما گنجانده شود. بسیاری معتقدند که یک استراتژی سیستماتیک به خوبی طراحی شده باید بتواند چنین طوفانی را با موفقیت در طوفان های نوسانات ایجاد کند. از نظر ما بستگی به نوع استراتژی شما در حال اجرا و فرکانس معاملات شما دارد.

انقضاء و رول قرارداد

قراردادهای آتی دارای طول عمر محدودی هستند که بر نتیجه معاملات و استراتژی خروج شما تأثیر می گذارد. دو اصطلاح مهم انقضا انقضا و بازپرداخت است.

تاریخ انقضا یک قرارداد آخرین روز است که می توانید آن قرارداد را تجارت کنید. این به طور معمول در روز جمعه سوم ماه انقضا رخ می دهد ، اما با قرارداد متفاوت است.

قبل از انقضا ، یک معامله گر آینده سه گزینه دارد:

• رولور زمانی است که یک معامله گر موقعیت خود را از قرارداد ماه جلو به یک قرارداد دیگر در آینده منتقل می کند. معامله گران تعیین می کنند که چه زمانی باید با تماشای حجم هر دو قرارداد منقضی و قرارداد ماه آینده به قرارداد جدید منتقل شوند. یک معامله گر که قصد دارد موقعیت های خود را بچرخاند ، ممکن است وقتی حجم به سطح مشخصی رسیده باشد ، به قرارداد ماه آینده تغییر کند و اختلاف قیمت بین دو قرارداد در پایین ترین سطح قرار دارد.
• جبران یا انحلال یک موقعیت ساده ترین و متداول ترین روش برای خروج از تجارت است. معمولاً هنگام اجرای تعداد زیادی از معاملات داخلی ، گردش موقعیت از نگرانی کمتری برخوردار خواهد بود.
• اگر یک معامله گر قبل از انقضاء قرارداد ، جایگاه خود را جبران نکرده یا به آن بپردازد ، قرارداد منقضی می شود و معامله گر به تسویه حساب می رود.

هنگام پیمودن قرارداد ، سه گزینه دارید.

غیر قابل تنظیم

جدول زیر یک قرارداد آینده نظری را نشان می دهد. ستون اول روز رول را شمارش می کند. دو بعدی قیمت قراردادهای فوریه و مارس را نشان می دهد.

_{رول های غیر قابل تنظیم}

ستون های غیر قابل تنظیم همانطور که در بالا نشان داده شده است ، قیمت ها را تنظیم نمی کنند. در روز رول ما قیمت های جدید را برای انقضا فوریه ثبت می کنیم. این روش همانطور که در روز 0 مشاهده می شود (روز Rollover) پرش قیمت 5 دلار را تولید می کند. این قیمت به طور دقیق نشان دهنده تغییر قیمت است اما پشتی ما را تحریف می کند. چرا؟هیچ راهی برای گرفتن سود 5 دلار وجود ندارد.

تفاوت تنظیم شده

برای حذف این اختلاف قیمت بین انقضاء قرارداد ، ما باید قیمت خود را تنظیم کنیم. ما در اینجا دو انتخاب داریم. ما می توانیم در گذشته با قیمت شروع کنیم و به جلو تنظیم کنیم یا با قیمت فعلی شروع می کنیم و دوباره تنظیم می کنیم. از آنجا که داشتن قیمت فعلی با قیمت فعلی سری ما مفید است ، ما همیشه تنظیم خواهیم کرد. این بدان معناست که هنگام تنظیم یک سری زمانی آتی ، قیمت هایی که در نمودار ما نشان داده می شوند ، قیمت هایی نیستند که ابزار در آن معامله می شود.

اولین روش برای انجام این کار ، تفاوت قیمت بین قراردادهای جدید و قدیمی و افزودن آن تفاوت به قیمت های قدیمی است. جدول زیر نمونه ای از این روش را نشان می دهد.

از آنجا که فضای بهینه سازی یک استراتژی تجارت می تواند پیچیده باشد ، کارآیی یک الگوریتم ژنتیکی آنها را برای توسعه استراتژی توصیه می کند.

این الگوریتم با تکرار مراحل نسل های پی در پی ادامه می یابد. هر نسل جمعیت جدیدی از مجموعه های پارامتر را تولید می کند. این روند تا:

• تعداد از پیش تعیین شده نسل ها ارزیابی شده اند.
• یک راه حل خوب پیدا شده است.
• بهبود چشمگیر در تناسب اندام جمعیت دیگر انجام نشده است.

روشهای جستجوی ژنتیکی تمایل به یافتن یک راه حل خوب دارند اما برای یافتن بهترین راه حل ممکن تضمین نمی کنند. با این حال ، باید به بهترین راه حل ممکن نزدیک باشد. این الگوریتم با ارزیابی تنها 5 تا 10 درصد از کل جمعیت نامزد می تواند پارامترهای برتر را شناسایی کند.

در اینجا یک اجرای ساده از یک الگوریتم ژنتیکی با استفاده از پایتون وجود دارد:

i = 0 تناسب اندام = 0 پیشخوان = 0 در حالی که منn_repeats: Stop y = [] fit = [] جفت = randompamperfrom (x) برای j در جفت: y = crossover (j) y = randommitation (y) y. ضمیمه (y) fit. append (y)) y، fit = ordermaxtomin (y ، fit) بهترین حالت = fit [0] اگر بهترین حالت
بهینه سازی ازدحام ذرات
بهینه سازی swarm ذرات با انتخاب گروهی از پارامترهای استراتژی بالقوه که به طور تصادفی در کل فضای بهینه سازی واقع شده اند ، آغاز می شود. سرعت مثبت یا منفی نیز با تعیین سرعت تنظیم تنظیم پارامتر تعیین می شود. برای تجسم آن ، پارامتر را به عنوان ذره ای که از طریق فضای بهینه سازی پرواز می کند تصور کنید.
همان پارامترها در کل فرآیند بهینه سازی ادامه می یابد اما موقعیت آنها در فضای بهینه سازی به طور مداوم تغییر می کند. در مرحله بعدی در طول هر تکرار PSO ، هر مجموعه پارامتر در موقعیت خود تنظیم می شود. سوم ، هر ذره بهترین مکان شخصی خود را در فضای بهینه سازی به یاد می آورد. چهارم ، هر ذره همچنین ذرات دیگر را هنگام یافتن بهترین نقطه جدید جهانی به روز می کند.
مانند الگوریتم های ژنتیکی ، کاربرد مؤثر یک PSO به شدت به کیفیت عملکرد جستجو متکی است.
محدودیت ها
از آنجا که روشهای جستجوی مستقیم هر ترکیب مجموعه پارامتر ممکن را ارزیابی نمی کنند ، درجه خاصی از عدم اطمینان در نتایج پس از بارداری وجود دارد. آنها قادر به یافتن حداکثر جهانی نیستند. بسیاری از این روشهای جستجو هنگام جستجوی فضای بهینه سازی تند و تیز با مشکلات روبرو می شوند.
اگر مجموعه بهینه سازی شما به همان اندازه نمودار نشان داده شده در بالا به نظر می رسد ، باید به طور جدی دوباره ایده خود را در نظر بگیرید. استفاده از هر روش جستجو در مورد فضای بهینه سازی سنبله ، نتایج پارامتر قابل اعتماد ایجاد نمی کند.
بهترین روش ارزیابی ، روشی است که پارامتر تعیین شده برای یک استراتژی معاملاتی را انتخاب می کند که بیشترین موفقیت در موفقیت معاملات در زمان واقعی را دارد. برای ارزیابی روش استفاده از ویژگی های اصلی یک استراتژی تجاری خوب باید شامل موارد زیر باشد:
 
حتی توزیع معاملات
 
حتی توزیع سود تجاری
 
سود طولانی/کوتاه متعادل
 
گروه بزرگی از پارامترهای استراتژی سودآور در بهینه سازی
 
پارامتر خطر قابل قبول/تست استرس/بزرگترین کاهش
 
دویدن برنده و از دست دادن متعادل
 
تعداد زیادی از معاملات
 
ارزیابی عملکرد استراتژی
برای ارزیابی یک استراتژی از یک روش پیشرفته تر استفاده می کنیم که همبستگی بین منحنی سهام و سود کامل است. این عملکرد استراتژی را به پتانسیل سود واقعی ارائه شده توسط بازار اندازه گیری می کند. در این زمینه سود کامل نشان دهنده یک معیار نظری از پتانسیل بازار است. این سود کل فروش هر اوج و خرید هر فرورفتگی است.
منحنی حقوق صاحبان سهام مجموع مانده حساب کاربری ، معاملات بسته و سود تجارت باز است. همبستگی بین منحنی عدالت و سود کامل ضریب همبستگی بین این دو است که ا ز-1 تا 1 متغیر است. یک مقدار نزدیک به 1+ یک استراتژی تجاری خوب را نشان می دهد زیرا به ما می گوید منحنی سهام با سود کامل در حال افزایش است. در اینجا فرمول است:
ضریب همبستگی = جمع [(x (i) - m'x) (y (i) - m'y)/[(n - 1) x sd'x x sd'y]
 
n = تعداد روزها
 
x = سود کامل
 
y = منحنی عدالت
 
M'x = میانگین سود کامل
 
من = میانگین منحنی سهام عدالت
 
sd'x = انحراف استاندارد سود کامل
 
sd'y = انحراف استاندارد منحنی سهام عدالت
 
هرچه همبستگی با 1+ بیشتر باشد ، استراتژی به دست آوردن فرصت های بازار است. سیگنال مهم دیگر برای یک استراتژی خوب این است که در دوره هایی با نوسانات کم عملکرد استراتژی کاهش می یابد اما در منحنی سهام هیچ افتادگی بزرگی وجود ندارد.
اندازه گیری ارزیابی دیگر ، بازگشت بدبین در حاشیه است. این یک بازده سالانه در حاشیه است که فرض می کند یک استراتژی در طول تجارت زنده نسبت به آنچه در پشتی های تاریخی انجام شده است ، بهینه کمتری خواهد داشت.
سود ناخالص با محاسبه سود ناخالص پایین تنظیم شده تعدیل می شود. ابتدا تعداد معاملات برنده را که توسط ریشه مربع آن کاهش می یابد محاسبه می کنیم. ما در حال تنظیم عملکرد استراتژی با خطای استاندارد آن هستیم. این تعداد نسبت به میانگین تجارت برنده است و ما سود ناخالص پایین تر تعدیل شده خود را می گیریم. در مرحله بعد ضرر ناخالص تنظیم می شود و ما تعداد از دست دادن معاملات را با ریشه مربع آن افزایش می دهیم. سود/ضرر ناخالص جدید تنظیم شده پس از آن محاسبه می شود. این برای تولید نرخ سالانه بازده حاشیه استفاده می شود:
prom =<[AW × (#WT − Sq(#WT))] − [AL × (#LT − Sq(#LT))]>/MARGIN # WT = تعداد WINS AW = میانگین برنده # lt = تعداد ضرر و زیان al = متوسط ضرر # wt = تعداد تعدیل شده برنده ها # lt = تعدیل ضرر AAGP = سود ناخالص سالانه تنظیم شده AAGL = تعدیل ضرر ناخالص سالانه تنظیم شدهA#wt = #wt - sq (#wt) a#lt = #lt + sq (#lt) aagp = a#wt × aw aagl = a#lt × al
به عنوان مثال:
 
150،000 دلار سود ناخالص سالانه
 
67 برد
 
40،000 دلار ضرر ناخالص سالانه
 
28 ضرر
 
حاشیه 30،000 دلار
 
نرخ بازده سالانه حاشیه 367 ٪ خواهد بود.[150،000 دلار - 40،000 دلار] / 30،000 دلار = 3. 667 = 367 ٪
محاسبه بازگشت ما با فرمول PROM:
تعداد تعدیل شده برنده = 67 - sq (67) = 58 تعداد تعدیل شده ضرر = 28 + sq (28) = 34 سود ناخالص سالانه تعدیل شده = (150،000 دلار/67) × 58 = 129،850 $ تنظیم ضرر ناخالص سالانه = (40،000/28 دلار)34 × 34 = 48،571 $ PROM = (129،850 دلار - 48،571 دلار)/30،000 دلار = 2. 7093 PROM = 271 ٪ در سال
این محاسبه فرض می کند که یک سیستم تجاری هرگز به همان اندازه که در پشتی های پشتی انجام می شود ، در تجارت زنده پیروز نخواهد شد. این یک فرض بدبینانه را منعکس می کند و به همین ترتیب نشان دهنده یک اقدام محافظه کارانه تر است. علاوه بر این ، این اندازه گیری نمونه های تجاری کوچک را مجازات می کند. هرچه تعداد معاملات کوچکتر باشد ، سود و زیان بدبین تر تعدیل می شود. همچنین می توانید با از بین بردن بزرگترین تجارت برنده خود از سود ناخالص ، مشتق دقیق تری از فرمول فوق اضافه کنید.
حداکثر کاهش
حداکثر پیش بینی نقش مهمی در ارزیابی استراتژی ما دارد. بسیاری از اقدامات دیگر در مورد کاهش وجود دارد و مفید است که در رابطه با حداکثر پیش بینی به آنها نگاه کنیم. در این زمینه ، دانستن میانگین کاهش و حداقل پیش بینی ها مفید است. اگر حداکثر کاهش سه برابر بزرگتر از میانگین کاهش باشد ، دلیل تحقیقات بیشتر است. درک شرایط بازار که باعث این کاهش می شود ، مهم است. در بعضی موارد ، کاهش بزرگ ممکن است ناشی از وقایع غیر منتظره باشد. به همین دلیل ما نمی توانیم به اندازه کافی بر اهمیت دم چربی تأکید کنیم و تأثیر آن چه تاثیری بر عملکرد نمونه کارها داشته باشد. ریسک یکی از مهمترین هزینه های تجارت است. بسیاری از سرمایه گذاران قدردانی نمی کنند که این خطرات دم "چربی" چقدر است.
چارچوب بهینه سازی
چهار تصمیم کلیدی برای تنظیم چارچوب وجود دارد:
 
متغیرها و دامنه اسکن که در بهینه سازی مورد استفاده قرار می گیرند باید تعریف شود
 
نمونه داده کافی باید انتخاب شود
 
عملکرد جستجو که بهترین پارامترها را مشخص می کند باید انتخاب شود
 
دستورالعمل های ارزیابی بهینه سازی باید تنظیم شود
 
متغیرها
بهتر است برای جلوگیری از افزایش بیش از حد به تعداد متغیرهای کمتری بروید. متغیرهای استراتژی کلیدی باید شناسایی شوند که برای بهینه سازی استفاده می شود. متغیرهای اصلی مواردی هستند که بیشترین تأثیر را در عملکرد استراتژی دارند. تمام متغیرهای دیگر باید از فرآیند بهینه سازی خارج شوند. اگر اهمیت متغیرها مشخص نیست ، باید یک مرحله تجربی اضافه شده انجام شود. مؤثرترین روش اسکن هر متغیر به طور جداگانه ، یک بار است.
دامنه اسکن و اندازه مرحله
هنگام تعریف محدوده داده برای بهینه سازی ما باید به دو نکته توجه کرد. اولاً ملاحظات نظری، اگر استراتژی معاملاتی کوتاه مدت داشته باشیم، اسکن یک متغیر در محدوده 1 تا 1000 روز معاملاتی منطقی نیست. چرا یک استراتژی معاملاتی درون روز را ارزیابی می کنید که چندین بار در روز معامله می کند و داده های آن به 1000 روز معاملاتی می رسد؟محدوده پارامتر مناسب تر 20 تا 30 روز خواهد بود.
بعد ملاحظات عملی را در نظر می گیریم. وقتی اسکن نمونه های تاریخی بزرگ با متغیرهای متعدد برای بهینه سازی قدرت پردازش به یک ملاحظه واقعی تبدیل می شود. مثال ما را با مراحل محاسبه به خاطر بسپارید و تعداد متغیرها برابر با تعداد کل شبیه سازی های تاریخی است. با این حال، هنگام آزمایش با متغیرهای متعدد، بهتر است اندازه گام های هر متغیر متناسب با یکدیگر اسکن شوند. به عنوان مثال، اگر محدوده متغیر اول 10 تا 30 (10 x 3) در مراحل 1 باشد و متغیر دوم از 40 شروع شود، برای حفظ این نسبت، محدوده آن باید به (30x3) 90 ختم شود و مرحلهاندازه باید 3 باشد. یافتن بهترین اندازه های گام به ویژه در محیط های بهینه سازی چند بعدی همیشه آسان نیست. با این وجود، تلاش برای رسیدن به تعداد مناسب اندازه گام برای هر متغیر و حفظ آنها متناسب با یکدیگر مهم است.
داده های تاریخی
یکی از مهم ترین بخش های فرآیند بهینه سازی، اندازه داده های تاریخی است. دو اصل اصلی وجود دارد که نمونه داده مورد استفاده را تعریف می کند:
 
نمونه به اندازه کافی بزرگ برای تولید نتایج آماری معنی دار
 
داده های کافی برای گنجاندن شرایط مختلف بازار
 
همانطور که قبلا ذکر کردیم شما باید حداقل 30 معامله داشته باشید. در عمل باید نمونه بسیار بزرگتری از معاملات داشته باشید. اجرای اصل دوم می تواند دشوارتر باشد. نمونه داده های تاریخی باید تا حد امکان حاوی انواع روندها باشد. باید شامل حداقل دو مورد از چهار روند بازار باشد: شلوغ، چرخه ای، صعودی و نزولی. داده ها همچنین باید شامل طیف وسیعی از سطوح نوسان باشد.
می توان بیان کرد که یک استراتژی معاملاتی قوی و سازگار با ویژگی های زیر تعریف می شود:
 
ایجاد آلفا در طیف وسیعی از مجموعه پارامترها
 
در روندهای مختلف بازار
 
در اکثر دوره های زمانی مختلف تاریخی
 
رژیم های نوسانات مختلف و رویدادهای غیرمنتظره - توزیع های دم چربی
 
نمایه بهینه سازی
سه مؤلفه وجود دارد که استحکام یک پروفایل بهینه سازی را تعریف می کنند:
 
بخش قابل توجهی از مجموعه متغیر سودآور در کل بهینه سازی کل.
 
توزیع عملکرد در کل فضای بهینه سازی به طور مساوی با تغییرات کوچک توزیع می شود.
 
شکل مجموعه های متغیر سودآور. پرش داده های بزرگی وجود ندارد. شکل تندتر یا ناپیوسته از مشخصات بهینه سازی ، احتمال اینکه این یک استراتژی تجاری قوی باشد ، کمتر احتمال دارد.
 
هرچه تعداد مجموعه های متغیر که شبیه سازی های تاریخی سودآور تولید می کنند بیشتر باشد ، احتمال اینکه این نتایج از نظر آماری معنی دار باشد بیشتر است. در اینجا چند نمونه از پروفایل های مختلف بهینه سازی آورده شده است:
 
 
عدد
درصد
میانگین
تعداد آزمایشات
500
100 ٪
8،457 دلار
تست های سودآور
55
11 ٪
25،894 دلار
از دست دادن تست
445
89 ٪
8،415 دلار
مشخصات بهینه سازی ناموفق
نمودار فوق نمونه ای از یک مجموعه متغیر است که در بالای یک دور استراحت می کند و به تدریج در حال کاهش تپه از سایر مجموعه های متغیر سودآور است. این نمایه بهینه سازی جامد را نشان می دهد.
پس از ارزیابی استحکام استراتژی ما باید ارزیابی کنیم که آیا این استراتژی به فرایند بهینه سازی ما پاسخ مثبت داده است یا خیر. در مرحله پایانی ما باید سیستم معاملاتی در آزمون قاطع قرار گیرد: تجزیه و تحلیل به جلو.
تجزیه و تحلیل راه رفتن به جلو
تجزیه و تحلیل قدم به جلو ، استحکام یک سیستم را منحصراً بر اساس تجارت خارج از نمونه داوری می کند. اگر این استراتژی در این تجزیه و تحلیل عملکرد خوبی داشته باشد ، نشان داده شده است که نتایج دنیای واقعی را تولید می کند و می تواند در زمان واقعی معامله شود. تجزیه و تحلیل به ما پاسخ به چهار سوال می دهد:
 
آیا سیستم قوی است و آیا می تواند آلفا را در معاملات زمان واقعی ایجاد کند؟
 
چه میزان بازده انتظار می رود؟
 
چگونه تغییرات در رفتار بازار بر عملکرد استراتژی تأثیر می گذارد؟
 
بهترین تنظیم متغیر برای استفاده در معاملات زمان واقعی چیست؟
 
هدف نهایی اصلی ارزیابی این است که آیا این استراتژی یک فرایند قوی است که می تواند تکرار شود یا بهتر از آن نتیجه بیش از حد باشد. بنابراین ، تجزیه و تحلیل پیاده روی تنها راه رسیدن به یک اندازه گیری آماری قابل اعتماد از عملکرد معاملات است. تحقیقات گذشته نشان داده است که استراتژی هایی که دارای 50 تا 60 درصد راندمان پیاده روی به جلو هستند ، می توانند قوی تلقی شوند. در مقابل ، یک استراتژی ضعیف WFA را تصویب نمی کند.
برای دستیابی به اعتبار آماری در طول WFA ، چندین راهپیمایی باید در یک استراتژی معاملاتی انجام شود. اگر نتایج سازگار باشد و عملکرد نمونه نزدیک به عملکرد نمونه باشد ، می توان نتیجه گرفت که یک سیستم بسیار قوی ایجاد کرده است.
تغییر شرایط بازار
تمایلات فصلی در بسیاری از بازارها به ویژه در بازارهای کشاورزی وجود دارد. همه بازارها چرخه های اوج و فرورفتگی را تحت تأثیر قرار می دهند و الگوهای عرضه و تقاضا را تحت تأثیر قرار می دهند. بازارها می توانند دوره ای از نوسانات کم و زیاد داشته باشند. بازارهایی که بسیار متوسط هستند ، بازگرداندن قیمت ها و همچنین دوره هایی که روند قوی دارند. این واقعیت که تغییر نوسانات به طور مداوم پیچیدگی قابل توجهی را به الگوهای بازار اضافه می کند.
این بحث روشن می کند که یک بازار می تواند به روش های مختلفی تغییر کند که باعث می شود تجزیه و تحلیل پیاده روی برای طراحی یک استراتژی تجاری قوی بسیار مهم باشد.
اندازه پنجره های درون و خارج از نمونه به فرکانس تجارت بستگی دارد. بگذارید فرض کنیم که ما یک سیستم معاملاتی کوتاه مدت را ارزیابی می کنیم و 1 سال داده کنه داریم. این استراتژی در 9 ماه از داده های کنه بهینه شده و تجزیه و تحلیل پیاده روی در 3 ماه داده انجام می شود. بهترین مجموعه متغیر در 3 ماه داده آزمایش می شود. اگر داده های بیشتری در دسترس باشد ، می توانیم چندین WFA را برای داده ها قبل از مجموعه داده های خارج از نمونه انجام دهیم.
در این مرحله سه نتیجه گیری اصلی وجود دارد:
 
اگر استراتژی در اکثر این تست های پیاده روی از دست بدهد ، ما یک استراتژی معاملاتی قابل معامله نداریم.
 
اگر استراتژی در این تست ها نسبتاً انجام شود ، ممکن است استدلال برای یک استراتژی بیش از حد فقیر باشد.
 
اگر این استراتژی با سود خارج از نمونه متناسب با سود درون نمونه خود در اکثر تست ها انجام شود ، می توانیم فرض کنیم که یک استراتژی تجاری قوی داشته باشد.
 
اجزای زیر برای تجزیه و تحلیل پیاده روی مورد نیاز است:
 
محدوده اسکن برای متغیرها
 
تابع جستجو برای استفاده
 
اندازه جهان بهینه سازی
 
اندازه پنجره درون و خارج از نمونه
 
اندازه جهان بهینه سازی توسط:
 
بسامد تجارت
 
سبک استراتژی تجارت - حرکت ، روند ، تشخیص الگوی ، تجارت رویداد ؛
 
ماندگاری متغیرهای تجاری
 
همانطور که قبلاً ذکر شد استراتژی های کوتاه مدت از پنجره های بهینه سازی کوتاه تر از یک تا دو سال بهره مند می شوند. به طور معمول یک پنجره پیاده روی به جلو باید در محدوده 25 تا 35 درصد از جهان بهینه سازی باشد. هنگامی که نوبت به تجارت زنده می رسد ، استراتژی که در دو سال از داده ها بهینه شده باشد ، به احتمال زیاد تا شش ماه پایدار خواهد بود. مدلی ساخته شده در 4 سال داده به مدت یک سال و در بهترین حالت سناریو به مدت دو سال قابل استفاده خواهد بود.
برای نشان دادن مثال زیر از یک اسکن 2 متغیر در یک پنجره بهینه سازی 48 ماهه را در نظر بگیرید.