ट्रेडिंग सिस्टम - इक्विटी वक्र

दुबला और मीन हो रहा है। ऑस्कर कैगीगास द्वारा इक्विटी कर्व का परीक्षण। एक व्यापार प्रणाली जो लगातार मुनाफ़ी लाती है वह एक रक्षक है लेकिन अगर यह आपको आपके इच्छित परिणाम देने से रोकता है, तो इसका इस्तेमाल करना बंद करना सबसे अच्छा है हम एक नज़र रखते हैं। मुर्गी एक व्यापारिक प्रणाली की इक्विटी इसकी चलती औसत से नीचे आती है, अधिकांश व्यापारियों ने अपने नुकसान को सीमित करने के लिए अपने सिस्टम को निष्क्रिय कर दिया होगा, या पोर्टफोलियो के किसी भी घटक को हटाया जाएगा जो अन्य के साथ-साथ प्रदर्शन नहीं कर रहा है, लेकिन खतरे को कम करने का एक और तरीका है पोर्टफोलियो की बर्बादी की संभावना.इस लेख में, इस अनुच्छेद में, मैं आपके सिस्टम की इक्विटी वक्र में व्यापार करने के लिए कई परीक्षणों का प्रदर्शन करूँगा, मैं कई साधारण परीक्षणों का इस्तेमाल करके अपने खुद के व्यापार प्रणाली का उपयोग कर रहा हूं जो डोनिशियन-आधारित है सिस्टम खुद इस लेख के लिए प्रासंगिक नहीं है, क्योंकि आप किसी भी ट्रेडिंग सिस्टम का उपयोग कर सकते हैं मैं जिस पोर्टफ़ोलियो को चुना था वह बेतरतीब ढंग से चुनी गई वस्तुओं का मिश्रण है, निम्न प्रकार से ईसाइनल टिकर को कोष्ठकों में है। ऑस्ट्रेलियाई डॉलर AUD A0-FX. Eurodo एलएलआर यूरो ए 0 एफएक्स। लेन एचोग्स हे एफ। हेइटिंग ऑयल ओ एफ। पैलेडियम पीए एफ प्लैटिनम पीटी एफ। ब्रेंट क्रूड क्यूएम एफ एसविस फ्रैंक यूएसडीसीएचएफ़ ए 0 एफएक्स। ट्रेजरी बॉन्ड्स जेड बी एफ सोयबीन जेएस एफ एफ 10 साल ट्रेजरी नोट्स ZN एफ। जब व्यक्तिगत तौर पर कारोबार किया जाता है, तो इनमें से कुछ वस्तुएं सिस्टम में नुकसान उत्पन्न करती हैं जब इनमें से एक या कई बाज़ार सिस्टम के तर्क से कर्षण या डिसेनलाइज़िंग खोना शुरू करते हैं, तो मैं तकनीक की पहचान करने की कोशिश करता हूं जो कि सिस्टम के जोखिम को कम करने के लिए लागू किया जा सकता है। आंकड़े 1 बेंचमार्क सिमुलेशन जनवरी 2004 से जनवरी 2005 में, सिस्टम ने लाभ के बारे में 450,000 का उत्पादन किया। स्टॉक कॉमोडिटीज के तकनीकी विश्लेषण के जुलाई अंक में जारी। मूल रूप से स्टॉक्स कॉमोडिटीज पत्रिका के तकनीकी विश्लेषण के जुलाई 2013 के अंक में प्रकाशित एक लेख से समस्त सभी अधिकार आरक्षित कॉपीराइट 2013, तकनीकी विश्लेषण, इंक। माइकल आर ब्रायंट। एक पैसा प्रबंधन तकनीक जो कभी-कभी व्यापार प्रदर्शन को बेहतर बना सकती है, इक्विटी वक्र की चलती औसत के क्रॉसओवर के आधार पर स्थिति का आकार बदलने के लिए इक्विटी वक्र अपनी चलती औसत से ऊपर या उससे नीचे के पार जब या तो अधिक या कम अनुबंधों का व्यापार होता है। इस विचार को कार्यान्वित करने के लिए कम से कम दो बुनियादी तरीके हैं एक इक्विटी वक्र अपनी चलती औसत से ऊपर या नीचे के पार पार कर जाने पर व्यापार को रोकना है। विपरीत दिशा में एक विदेशी पर व्यापार फिर से शुरू करने के लिए यह सबसे बुनियादी और सामान्यतः इस्तेमाल किया जाने वाला तरीका है यदि आप सामान्य रूप से व्यापार बंद कर देते हैं, तो इक्विटी वक्र चलती औसत से कम हो जाता है, यदि आपका सिस्टम या पद्धति जीत और हानियों की धारियाँ उत्पन्न करती है, तो यह खोना शुरू हो जाता है, जब तक वह फिर से जीतना शुरू नहीं कर लेता व्यापार बंद कर देता है। दूसरी ओर, अगर आपके सिस्टम या पद्धति का मतलब है - कई जीत के बाद, यह खोना शुरू होता है, और इसके विपरीत - इक्विटी चलती औसत से ऊपर पार होने के बाद आप आमतौर पर व्यापार बंद कर देंगे निर्भरता विश्लेषण का उपयोग यह निर्धारित करने के लिए किया जा सकता है कि क्या आपके सिस्टम में इनमें से कोई भी सांख्यिकीय महत्व है। इक्विटी घन को लागू करने के लिए एक अधिक सूक्ष्म विधि रॉव ट्रेडिंग भी संभव है इक्विटी वक्र के क्रोसओवर पर कारोबार शुरू करने और रोकने के बजाय, आप औसत क्रॉसओवर चलते हुए स्थिति का आकार कम कर सकते हैं या बढ़ा सकते हैं उदाहरण के लिए, इक्विटी पार होने पर आप वर्तमान चयनित विधि के लिए स्थिति का आकार बढ़ा सकते हैं चलती औसत से ऊपर इक्विटी चलती औसत से नीचे पार हो जाती है तो आप वाई द्वारा स्थिति का आकार भी घटा सकते हैं। अधिक विशेष रूप से, मान लें कि आप फिक्स्ड फॉर्क्शनल पोजीशन का उपयोग कर रहे थे और स्थिति का आकार बढ़ाने का निर्णय लिया 50 जब इक्विटी चलती औसत से अधिक हो और कमी स्थिति आकार 30 जब इक्विटी चलती औसत से नीचे पार हो जाती है इस स्थिति में, स्थिति का आकार या तो 50 से अधिक या 30 कम हो जाएगा निश्चित फ़्लिकर पद्धति द्वारा निर्धारित मान से, वैकल्पिक रूप से, आप क्रॉसओवर पर स्थिति आकार को एक में बदल सकते हैं दिशा नहीं बल्कि दूसरे के लिए उदाहरण के लिए, आप चल औसत और मानक के ऊपर क्रॉसओवर पर स्थिति का आकार 40 बढ़ा सकते हैं चल औसत से नीचे क्रॉसओवर पर फिक्स्ड फिक्स्डल वैल्यू। उदाहरण के लिए, नीचे दिए गए ट्रेडिंग के परिणामों पर विचार करें इक्विटी वक्र लाल में दिखाया गया है, जो हरे रंग की 10 अवधि की चलती औसत के साथ दिखाया गया है। इक्विटी वक्र के नीचे वाला पट्टी ठेके की संख्या दर्शाता है, जिसे निर्धारित किया जाता है प्रत्येक 3,000 इक्विटी के लिए एक अनुबंध लेकर। इक्विटी वक्र क्रॉसओवर नियम लागू करने से पहले मूल इक्विटी वक्र और संविदाओं की संख्या इक्विटी वक्र लाल रंग में दिखाया जाता है, इक्विटी वक्र की औसत 10 में चलती औसत हरे रंग में है। नोट यह है कि इक्विटी वक्र इसका मतलब यह है कि जीत की एक श्रृंखला के बाद श्रृंखलाओं में नुकसान की एक श्रृंखला है, जिसके बाद जीत की दूसरी श्रृंखला है, और इसी तरह यह अनुबंधों की संख्या में परिलक्षित होता है, जो कई स्थानों में बढ़ जाता है और नाटकीय रूप से गिरता है एक व्यापार इस प्रकार के पैटर्न से पता चलता है कि जब इक्विटी वक्र अपनी चलती औसत से अधिक हो जाता है, तो कारोबार को रोकने के लिए बेहतर हो सकता है, जिससे घाटे में वापसी की आशंका होती है और इक्विटी वक्र गिरने पर व्यापार फिर से शुरू हो जाता है। जीतने के लिए उत्तरार्द्ध की उम्मीद के मुकाबले इसके चलते औसत से ऊपर दिखाए गए व्यापार श्रृंखला के लिए इस दृष्टिकोण को लागू करने से नीचे दिखाया गया इक्विटी वक्र उत्पन्न होता है। ईक्विटी वक्र और इक्विटी वक्र क्रॉसओवर नियम के साथ संविदाओं की संख्या लागू होते हैं क्रोससोवर पर चलती औसत कारोबार के ऊपर क्रॉसओवर पर ट्रेडिंग बंद हो जाती है। चलती औसत से नीचे इक्विटी कर्व लाल में दिखाया जाता है, इक्विटी वक्र की 10 अवधि की चलती औसत हरे रंग में होती है। यह परिवर्तन केवल धीरे-धीरे बढ़ती इक्विटी वक्र का ज्यादा लाभ और कम गिरावट का उत्पादन करता है, लेकिन यह कम ट्रेडों के साथ ऐसा करता है ईक्विटी वक्र के नीचे पट्टी चार्ट में रिक्त स्थान इंगित करता है कि ट्रेडों को छोड़ दिया जाता है ट्रेडों के लिए अनुबंध की संख्या पहले की तुलना में अधिक सुचारू रूप से बढ़ाने के लिए करती है, बिना नाटकीय उगता और मूल वक्र की बूँदें। एक समान लेकिन प्रति सेकेंड डॉलर की इक्विटी रकम से निर्धारित मूल्य के सापेक्ष स्थिति आकार को बढ़ाने या या उससे कम करके अधिक सूक्ष्म प्रभाव प्राप्त किया जा सकता है चलती औसत के क्रॉसओवर पर उदाहरण के तौर पर 3000 को छोड़ दें। यदि आप एडाप्टर सॉफ्टवेयर से नए विकास, समाचार और विशेष प्रस्तावों के बारे में सूचित करना चाहते हैं, तो कृपया हमारी ईमेल सूची में शामिल हों धन्यवाद। रैंडम डेटा इक्विटी वक्र के व्यापार का मूल्यांकन करना। हर कोई घृणा करता है उन दिनों की अवधि के दौरान जब आप ट्रेडिंग में धन खो रहे हैं, तो उन दिनों की कमाई का लाभ उठाते हैं यदि केवल उनकी तीव्रता और लंबाई को कम करने का एक तरीका था.कुछ लोगों को लगता है कि इक्विटी वक्र का व्यापार उत्तर है मूल विचार यह है कि जब आप बुरी तरह से कर रहे हैं, तो आप अपने जोखिम को कम करें या इसे पूरी तरह से हटा दें, जबकि अभी भी अपने वर्चुअल प्लस पर नज़र रखे जो आप बिना किसी हस्तक्षेप के बने होते हैं। एक बार जब आपका आभासी पीएल आपको वापस अपने सिस्टम में ढेर कर लेता है तो यह विचार यह है कि जब आप सिस्टम बंद कर देते हैं, तो आपको कम नुकसान होगा। यह भी सच होना अच्छा है कि इस पद का मकसद इस सवाल का उत्तर देने का प्रयास करना है। यह कुछ ऐसा है जो मैंने अतीत में देखा है, जैसा कि अन्य लोगों के साथ है, लेकिन मिश्रित परिणाम हालांकि सभी analysi मैंने देखा या किया है खुद को वास्तविक वित्तीय आंकड़ों के आधार पर सिस्टम के बैकस्टेस को देखकर शामिल है, मेरा मानना ​​है कि इस तकनीक का सही मूल्यांकन करने के लिए हमें बड़ी मात्रा में यादृच्छिक डेटा का उपयोग करने की आवश्यकता है, जो कि कुछ पीठ के अचेतन प्रभाव से प्रभावित नहीं होगा परीक्षण आते हैं यह हमें यह भी पता लगाने की अनुमति देगा कि किन परिस्थितियों में इक्विटी वक्र व्यापारिक कार्य में मदद मिलेगी या नहीं। यह एक यादृच्छिक डेटा का इस्तेमाल करने वाली श्रृंखला में दूसरा पोस्ट है। पहला पोस्ट यहां है। हम इक्विटी वक्र कैसे व्यापार करते हैं I आप इक्विटी वक्र व्यापार के बुनियादी विचार से काफी परिचित हैं, तो यह सोचने के लिए जा रहे हैं यदि नहीं, तो इसके शायद वायदा पत्रिका से इस उत्कृष्ट लेख को पढ़ना संभव है। एक इक्विटी वक्र ट्रेडिंग ओवरले में निम्नलिखित घटकों का समावेश होगा। यह पहचानने का एक तरीका है कि सिस्टम बुरी तरह से कर रहे हैं, और कितना द्वारा मात्रा निर्धारित। व्यापार प्रणाली degearing के लिए एक नियम दिया है कि यह कितनी बुरी तरह से कर रहा है। वर्चुअल खाते की वक्र बेहतर कर रहा है एक बार प्रणाली को पुनः प्राप्त करने के लिए एक दूसरा नियम। मैं पहचानने के लिए दो मुख्य तरीके देखा है आईएनजी कि सिस्टम बुरी तरह से कर रहा है पहला उदाहरण है कि एक सीधा कदम का उपयोग करें तो, उदाहरण के लिए, यदि आपका ड्रॉडाउन 10 से अधिक है तो आप कार्रवाई कर सकते हैं कभी-कभार निरपेक्ष आहरण के बजाय, कुछ हालिया अवधि में उच्चतर के बाद से गिरावट माना जाता है। दूसरा बदलाव खाते की वक्र के चलने औसत या कुछ अन्य समान फ़िल्टर का उपयोग करना है यदि आपका खाता वक्र चलती औसत से नीचे आता है, तो आप कार्रवाई। वहाँ अन्य रूपांतर हैं, विशेष रूप से मैंने देखा कि उत्कृष्ट जॉन किनले ब्लॉग में अधिक जटिल भिन्नता थी। अपने सिस्टम को खराब करने के लिए, मोटे तौर पर आप यह सोच सकते हैं कि ईथियर एक ही बार में यह सब गहरा होता है, या धीरे-धीरे आमतौर पर अगर हम चलती एक इक्विटी वक्र का औसत तो यह सुझाव दिया जाता है कि आप अपनी स्थिति को पूरी तरह से कट कर देते हैं। यदि आप वर्तमान सूचकांक को अपने सूचक के रूप में इस्तेमाल कर रहे हैं, तो आप धीरे-धीरे गिरावट कर सकते हैं और फिर 20 के द्वारा कुल 40 में जब आप 20 ड्रॉडाउन इतने पर। ध्यान दें कि यह सामान्य तौर पर सामान्य पार्सिंग के अलावा होगा, जब आप 10 साल का नुकसान उठाना चाहते हैं, तो आप हमेशा पैसे कम करते हैं, तो आप 10 से अपने सिस्टम को पाटने की परवाह किए बिना चाहे आप इक्विटी वक्र ट्रेडिंग ओवरले का उपयोग कर रहे हों। नियम सामान्य रूप से बदले जाने वाले नियम और प्रक्रिया के पीछे होता है। प्राचीन शोध। इक्विटी वक्र के व्यापार के विचार कुछ ऐसा है जो अकादमिक शोधकर्ताओं को नजरअंदाज कर देता है, जब तक कि वे इसे कुछ नहीं कह रहे हैं - यदि आप किसी भी औपचारिक साहित्य की समीक्षा के बजाय किसी भी अच्छे शोध के बारे में जानते हैं, तो कृपया लिखिए I google के निदान के पहले पृष्ठ पर त्वरित रूप से देखा गया है या कम से कम कोई स्पष्ट लाभ नहीं है। क्यों यादृच्छिक डेटा.मैं व्यक्तिगत तौर पर ऊपर शोध दिलचस्प खोजता हूं, लेकिन निश्चित नहीं एक रास्ता या अन्य मेरा मुख्य मुद्दा यह है कि यह सभी अलग-अलग वित्तीय साधनों और विभिन्न प्रकार के व्यापारिक प्रणालियों में किया गया था, जो अलग-अलग परिणाम दिए थे, क्योंकि यह उन उपकरणों के बारे में कुछ खास है जहां इक्विटी वक्र ट्रेडिंग काम करती है, लेकिन यह सिर्फ मूक किस्मत होने की अधिक संभावना है नोट: यह थोड़ा और अधिक ताकतवर है कि विभिन्न प्रकार के व्यापार नियम अलग-अलग परिणाम देंगे और हम इसे नीचे देखेंगे। मैं व्यक्तिगत रूप से सोचता हूं कि हम इस तरह के ओवरले का सही ढंग से मूल्यांकन कर सकते हैं बिना रैंडम डेटा का उपयोग करके अलग-अलग मनमानी व्यापार रणनीतियों के लिए रिटर्न सृजन करते हुए हम यह फैसला कर सकते हैं कि औसत इक्विटी वक्र ट्रेडिंग बेहतर होगा। यादृच्छिक डेटा का उपयोग करने का एक अन्य लाभ एक इक्विटी वक्र ओवरले सिस्टम का मूल्यांकन करना यह है कि हम संभावित रूप से अधिक से अधिक बचने से बचते हैं यदि हम अपने सिस्टम पर ओवरले के एक संस्करण को चलाते हैं, और यह काम नहीं करता है, तो यह काम करने तक एक अलग बदलाव का प्रयास करने के लिए बहुत ही आकर्षक है बेशक हम फिट हो सकते हैं नमूना के आधार पर ओवरले मापदंडों लेकिन यह काफी काम का एक सा है और हम वास्तव में नहीं जानते हैं कि हमारे पास उस रणनीति के लिए सही मापदंड हैं जो आगे बढ़ रहे हैं या यदि वे बैकस्टेस्ट के लिए सबसे अच्छा बन गए हैं। यादृच्छिक डेटा का मतलब है कि हम यह खोज सकते हैं कि एक व्यापार प्रणाली की प्रमुख विशेषता क्या है जो इक्विटी वक्र को काम करने की अनुमति देगी, या नहीं। परीक्षा का डिज़ाइन करना। जो ओवरले पद्धति। शायद इक्विटी वक्र व्यापार करने के तरीकों की असीमित विविधता उपरिशायी जिसमें से मैं ऊपर कुछ ऊपर ही छुआ था लेकिन यह पहले से ही लंबा पोस्ट करने से बचने के लिए एक एन्सेलोपीडिया का आकार मैं सिर्फ एक ही विधि का परीक्षण करने के लिए अपने आप को सीमित करने जा रहा हूँ किसी भी स्थिति में मुझे विश्वास नहीं है कि अन्य मेथ के परिणाम ओडीएस काफी अलग होंगे। मैं सबसे लोकप्रिय, चलती औसत, विधि पर ध्यान केंद्रित करने जा रहा हूँ। जब ईक्विटी वक्र नीचे से गिरता है, यह एन डे चलती औसत है, सिस्टम बंद करें आभासी वक्र की गणना रखें, और इस अवधि के दौरान औसत चलती है जब वर्चुअल वक्र के चलते चलते हैं तो औसत चलते हुए सिस्टम को वापस चालू करें। अभी हमें एन फ्यूचर्स पत्रिका का सवाल 10, 25 और 40 दिन का प्रयोग करता है और जीवन को सरल बनाने के लिए मैं वही करूँगा लेकिन मुझे कम से कम ये समय के अविश्वसनीय रूप से कम समय लगते हैं इन तेजी से एन ट्रेडिंग की लागत के लिए किसी भी लाभ को डूब सकता है हम मिलते हैं और मैं इसे बाद में खोजूँगा। इसके अलावा, 2011 और 2013 के बीच होने वाले रुझान के चलते 3 साल के ड्रॉडाउन से बचने के लिए अच्छा नहीं होगा क्योंकि हम यादृच्छिक डेटा का उपयोग कर रहे हैं, जब तक हम चाहते हैं कि हम लंबे समय तक चलती रहें औसत जो हमें सार्थक परिणाम नहीं दे पाएंगे अगर हम केवल कुछ ही खाते के घटता परीक्षण करते हैं जो केवल 20 साल लंबा थे। तो मैं एन 10, 25, 40, 64, 128, 256, 512 का उपयोग करूँगा। व्यावसायिक दिनों में 2 सप्ताह, 5 सप्ताह , 8 सप्ताह, 3 महीने, 6 महीने, 1 वर्ष, 2 साल cumx, mavx, idx आईडीएक्स पर cumx mavx अगर अन्यथा 0 पर लौटता है, तो अन्यथा। अगर कमक्स आईडीएक्स एमएवीएक्स आईडीएक्स रिटर्न 1 0 रिटर्न 0. 0 आइपीएफ़ओवरओवर एक्स एक्स, एन-लैंग्ड एक ईक्विटी वर्क फिल्टर लागू करते हैं ओवरले। एक्स रिटर्न की पीडी टाइम सीरीज है। लांघ लागू करने के लिए मैव है । फ्लैट स्पॉट के साथ एक नया एक्स रिटर्न। यदि Nlength NOOVERLAY वापसी एक्स Nlength mavx, idx के लिए रेंज लैन x में idx केवल एक अंतराल के साथ आवेदन कर सकते हैं। कौन सा मानदंड। इक्विटी वक्र व्यापार के बारे में सोचने का एक अच्छा तरीका यह है कि यह बीमा खरीदने या वित्तीय दृष्टि से आपके सिस्टम के निष्पादन पर डाल दिया गया विकल्प है यदि आपका सिस्टम खराब तरीके से बीमा पॉलिसी है आपको बहुत अधिक खोने से रोकता है। मेरा एक पसंदीदा अनुवाद TINSTAAFL है यदि हम बीमा खरीद रहे हैं, या एक विकल्प, तो इसके लिए लागत होना चाहिए चूंकि हम किसी भी प्रकार के स्पष्ट प्रीमियम का भुगतान नहीं कर रहे हैं, लागत में आने चाहिए किसी अन्तर्निहित तरीके से कुछ खोने का रूप यह एक कम औसत रिटर्न या कुछ और जो अधिक सूक्ष्म हो सकता है इसका मतलब यह नहीं है कि इक्विटी वक्र ट्रेडिंग स्वतः एक बुरी चीज है - यह उस पर निर्भर करता है कि क्या आप निम्न अधिकतम ड्राडाउन की तुलना में अधिक मूल्य देते हैं अंतर्निहित प्रीमियम जो आप दे रहे हैं यह मानता है कि हम कम से कम ड्रॉडाउन प्राप्त कर रहे हैं - जैसा कि हम देखेंगे बाद में यह मामला हमेशा मामला नहीं होगा। मैं प्रदर्शन का मूल्यांकन करने के कई तरीकों के बारे में सोच सकता हूं जो जोखिम और इनाम को संतुलित करता है और दुख की बात है, सबसे आम, तीव्रता अनुपात, उपयुक्त यहाँ ओवरले के साथ इक्विटी वक्र की अस्थिरता, एक तकनीकी शब्द का उपयोग करने के लिए, अजीब - विशेष रूप से बड़े एन लम्बी अवधि के बिना रिटर्न के लिए अवधि के साथ जोड़ दिया जाएगा जब मानक विचलन सामान्य होता है तो वक्र की अस्थिरता ओवरले हमेशा कम होगा लेकिन यह एक अच्छी तरह से परिभाषित आंकड़ा नहीं होगा उच्च सांख्यिकीय क्षण भी भुगतना पड़ेगा। इसके बजाय मी मीट्रिक रिटर्न ड्रॉडाउन का उपयोग करने जा रहा हूँ सटीक होने के लिए मैं देख रहा हूँ कि ओवरले जोड़ने वाले प्रभाव को निम्नलिखित खाता वक्र पर है औसत वार्षिक रिटर्न। औसत पतन। अधिकतम गिरावट। औसत वार्षिक वापसी औसत drawdown. Average वार्षिक वापसी अधिकतम drawdown ध्यान दें कि रिटर्न ड्रॉडाउन प्रदर्शन का एक अच्छा उपाय है, क्योंकि यदि आप अपने लीवरेज को दोगुना करते हैं तो यह पैमाने पर आविष्कार होगा। यह योजना अपरिवर्तित होगी। मेरी योजना एक यादृच्छिक खाता वक्र उत्पन्न करना है, और उसके बाद सभी को मापना है तब मैं इसे इक्विटी ओवरले, और आँकड़े remeasure। अंत में बस ध्यान दें कि इस पोस्ट के अधिकांश के लिए मैं लागत पर विचार नहीं किया जाएगा छोटे एन के लिए, दिया हम अपनी पूरी रणनीति को बंद कर रहे हैं और फिर इसे हर हफ्ते संभावित पुनरारंभ, ये अंत में मैं आपको एक विचार दूंगा कि यह निष्कर्ष विभिन्न व्यापारिक उपकरणों की लागतों के प्रति कितना संवेदनशील है। कौन सा इक्विटी वक्र की विशेषताओं। यादृच्छिक डेटा का उपयोग करने के लिए व्यापक रूप से प्रक्रिया की बात है। वास्तविक डेटा की महत्वपूर्ण विशेषताओं को पहचानें जो आपको मॉडल की आवश्यकता है। कुछ वास्तविक डेटा के खिलाफ। एक प्रक्रिया तैयार करें जो आवश्यक विशेषताओं के साथ यादृच्छिक डेटा बनाती है। यादृच्छिक डेटा बनाएं, और तब करें जो आपको करने की आवश्यकता है। नोट करें कि एक स्पष्ट डांगे इस प्रक्रिया का बहुत यादृच्छिक डेटा है जो बहुत अच्छा है। आजादी की पर्याप्त डिग्री के साथ एक चरम मामले में आप यादृच्छिक डेटा का निर्माण कर सकते हैं जो आपको उस डेटा को ठीक तरह से दिखता है, जैसा आप याद करते हैं। आपके द्वारा चलाए जा रहे परीक्षणों के लिए और कैलिब्रेटेड। एक ट्रेडिंग सिस्टम रिटर्न की कौन-सी विशेषताओं को प्रभावित होगा कि इक्विटी वक्र ओवरले कितनी अच्छी तरह काम करेगा जैसा कि मेरी पिछली पोस्ट में मैं एक विशेष अस्थिरता लक्ष्य वाले रिटर्न का उत्पादन करूँगा - नतीजे हैं.उनकी भी एक निश्चित अपेक्षित शार्प अनुपात होगा एक नकारात्मक शार्प अनुपात इक्विटी वक्र ओवरले के साथ शानदार होना चाहिए - यह खराब सिस्टम को बंद कर देगा एक उच्च सकारात्मक शार्प अनुपात के साथ वे शायद कम से कम बड़े एन एन के लिए कोई प्रभाव नहीं होगा बीच में चीजें अधिक रोचक हो जाएंगी मैं -2 से 2 से शार्प अनुपात का परीक्षण करूँगा। मेरा अंतर्ज्ञान यह है कि तिरछा महत्वपूर्ण है यहां नकारात्मक तिरछा रणनीतियां उनके संक्षिप्त, तेज, लॉस को देख सकती हैं एसईएस कम सकारात्मक प्रवृत्ति जैसे प्रवृत्ति निम्नलिखित रणनीतियों, जो पूंजी में धीमे रक्तस्राव को देखते हैं, एक ओवरले द्वारा सुधार की जा सकती हैं और यह उन लोगों के बीच एक सामान्य राय है जो इस प्रकार की प्रणालियों को पसंद करते हैं I अस्थिरता या मध्यस्थता प्रणाली, प्रणाली के बाद एक तेजी से प्रवृत्ति के एक विशिष्ट करने के लिए। अंत में मुझे लगता है कि रिटर्न का स्व-सम्बन्ध महत्वपूर्ण हो सकता है यदि हम दूसरे के बाद नुकसान प्राप्त करते हैं तो इक्विटी वक्र ट्रेडिंग हानि बहुत खराब होने से पहले आपके सिस्टम को बंद करने में मदद कर सकता है पहले तो अंशांकन चरण के लिए हमें वास्तविक व्यापार प्रणालियों के कुछ वास्तविक रिटर्न की आवश्यकता होती है। जिन प्रणालियों में मुझे दिलचस्पी है, वे मेरी नियम में वर्णित व्यापार नियम हैं और इस पद में इस प्रवृत्ति का एक नियम है, जो कि नियम-भिन्नता के चलते चलने वाले औसत क्रॉसओवर, या ईडब्ल्यूएमएसी संक्षिप्त और एक धारण नियम के लिए। सबसे पहले तिरछा शैलीगत तथ्य यह है कि निम्नलिखित प्रवृत्ति, विशेष रूप से तेजी से चल रही प्रवृत्ति, सकारात्मक तिरछी है लेकिन हम इस प्रभाव को वारंवार होने की अपेक्षा नहीं करेंगे ठेठ होल्डिंग अवधि की तुलना में बहुत अधिक तेजी से आश्चर्यजनक रूप से दैनिक रिटर्न बहुत तेज नियमों के लिए भी कोई महत्वपूर्ण तिरछ नहीं दिखाता है साप्ताहिक आवृत्ति में ईडब्ल्यूएमएसी के 2,8 और 4,16 के सबसे तेज़ रूपों में मासिक आवृत्ति पर लगभग 1 0 भिन्नता 8,32 और 16,64 सकारात्मक पतवार पार्टी में शामिल हो सकती है, जो शायद कम से कम दो अलग-अलग रूपों में होती है। कैरी आपको किसी भी नकारात्मक तिरछा को नहीं देख पाती है, जिसे आप कह सकते हैं कि सिर्फ एफएक्स ले जाएगा, हालांकि यह निश्चित रूप से सकारात्मक सकारात्मक नीति है। बहुत सारे शोधों से पता चलता है कि नियमों का पालन करने वाले रुझान में रिटर्न उत्पन्न होते हैं, जो आमतौर पर नकारात्मक रूप से स्वत: पूर्णतः जुड़े होते हैं और बाद के कागज से पता चलता है कि इक्विटी के पास लगभग 2 2 का मासिक autocorrelation है, जबकि स्व-संचालन के अनुसरण में प्रवृत्ति लगभग -0 3 में आती है। महत्वपूर्ण निष्कर्ष। मेरा निष्कर्ष यह है कि यथार्थवादी इक्विटी के लिए घटता है यह केवल कुछ मानक विचलन और तिरछा के साथ दैनिक रिटर्न उत्पन्न करने के लिए पर्याप्त नहीं है हमें कुछ उत्पन्न करने की आवश्यकता है एक विशिष्ट समय पैमाने पर कुछ गुण हैं और हमें स्व-सम्बंधित रिटर्न्स उत्पन्न करने की आवश्यकता है। मैं -2 और 1 के बीच तिरछा परिणाम, -0 3 और 0 3 के बीच autocorrelation, और -1 और 2 के बीच तीव्र अनुपात का प्रभाव दिखाऊंगा हम कैसे मॉडल करते हैं। पिछली पोस्ट में मैंने दिखाया कि स्क्वॉड यादृच्छिक डेटा कैसे उत्पन्न किया जा सकता है अब हमें कुछ कन्फ्यूशियस करना है यह खंड थोड़ा तकनीकी है और यदि आप ध्यान नहीं देते हैं कि यादृच्छिक डेटा कहां से आता है लंबे समय के रूप में यह सही गुण मिला है। एक autocorrelated प्रक्रिया मॉडलिंग का क्लासिक तरीका है एक autoregressive एआर 1 मॉडल नोट बनाने के लिए मैं उच्च calibrating से बचने के लिए उच्च autoregression की अनदेखी। यह मानता है कि दूसरे, तीसरे क्रम के स्वचलन उसी पैटर्न का पालन करते हैं, जैसे वे एआर 1 मॉडल में होते हैं। तो हमारे मॉडल is. rt Rho r t-1 et. Where Rho वांछित autocorrelation है और यह हमारी त्रुटि प्रक्रिया है गाऊसी शोर ऑटोोकॉरिलेशन प्रस्तुत करना वितरण के अन्य क्षणों का पालन करता है मैंने इसके लिए सुधारों में सुधार किया है जो एबीएस आरओ के उचित स्तर के लिए काम करता है 0 8 आप वास्तविक जीवन व्यापार प्रणाली में इस स्तर की कुछ भी देखने की संभावना नहीं रखते हैं। यह अजगर कोड दिखाता है कि यादृच्छिक डेटा कैसे होता है उत्पादित है, और जांचता है कि उसकी सही गुण हैं। अब, हम विभिन्न आवृत्तियों पर अलग-अलग व्यवहार से कैसे निपटते हैं ब्राउनियन पुल का उपयोग करते हुए इस तरह से निपटने के लिए बहुत जटिल तरीके हैं, लेकिन सरलतम समय पर उचित रूप से रिटर्न उत्पन्न करना है सूचक की गति से इसका मतलब है कि लेयर और फास्ट ईडब्ल्यूएमएसी नियमों के लिए साप्ताहिक रिटर्न का मतलब 2,4 और 4,8 और धीमी ईडब्ल्यूएमएसी नियमों के लिए मासिक यदि आप एक बहुत तेजी से व्यापारिक नियमों का व्यापार कर रहे हैं तो अगर आपको स्पष्ट दिखाई दे उस आवृत्ति पर रिटर्न पैटर्न। मैं इस पोस्ट के बाकी के लिए दैनिक रिटर्न का उपयोग करूँगा, लेकिन मैंने यह जांच की है कि इक्विटी वक्र फिल्टर लैकबैक का उपयोग करते हुए कम से कम 3 साप्ताहिक और मासिक आवृत्तियों पर वे अब भी सही हैं रिटर्न की बारंबारता की तुलना में कई गुना अधिक समय। पुनर्कथन के लिए मैं इक्विटी वक्र फिल्टर के लिए अलग-अलग लुकबैक की जांच करने जा रहा हूं और मैं 2 और 1 के बीच तिरछा, -0 4 और 0 4 के बीच autocorrelation के साथ उत्पन्न होने वाला हूँ , और 1 और 2 के बीच शार्प अनुपात। मैं रिटर्न स्थिरांक का मानक विचलन रखूंगा, क्योंकि यह प्रत्येक प्रक्रिया के समग्र स्तर को बदल देगा और परिणामों को प्रभावित नहीं करेगा और मैं परिणामों को दैनिक रिटर्न के साथ देखूंगा परिणाम बहुत महत्वपूर्ण नहीं होंगे अन्य अवधियों के साथ अलग. आपको सभी कोड की ज़रूरत है यहाँ। एसआरपी अनुपात। इस खंड में मैं शर्पो अनुपात को बदल सकता हूं, जबकि शून्य और ऑटोकोरियलेशन को शून्य पर निर्धारित किया जाता है, और शून्य क्रमशः क्रमशः टाइप करें। रिटर्न। सभी प्लॉटों का अनुसरण करें जो समान प्रारूप हैं, प्रत्येक पंक्ति में इस मामले में रिटर्न विशेषता पैरों अनुपात का एक अलग स्तर दिखाता है एक्स एक्सिस इक्विटी वक्र फिल्टर एन दिन गिनती को दर्शाता है जो हम एम के लिए उपयोग कर रहे हैं औसत औसत ध्यान दें कि एन 1000, जो हमेशा दाहिने ओर होता है, इसका मतलब है कि हम सभी पर एक फिल्टर का उपयोग नहीं कर रहे हैं y अक्ष इस मामले में रुचि के आंकड़ों के औसत मूल्य को दर्शाता है जो कि सभी यादृच्छिक इक्विटी घटता में औसत वार्षिक रिटर्न हम पैदा करते हैं और फिल्टर करते हैं। अच्छी खबर यह है कि यदि आप जानते हैं कि आप व्यापारिक प्रणाली बकवास हैं, तो इक्विटी वक्र प्रणाली को लागू करना, अधिमानतः बड़े एन के साथ, प्रदर्शन को बेहतर बनाता है यदि आपको पता था कि आपके सिस्टम में गड़बड़ी होती है तो जटिल फ़िल्टर इसे बंद करने के लिए आप इसे बिल्कुल भी बदले में परेशान नहीं करेंगे हालांकि सभी लाभदायक इक्विटी घटता इक्विटी वक्र व्यापार कम होने के बजाय इक्विटी वक्र व्यापार कम हो जाता है, आपकी वापसी। औसत पछाड़ना। सिस्टम के लिए जो भी ब्रेक लेते हैं या पैसे खो देते हैं औसत ड्रॉडाउन कम है इक्विटी वक्र ट्रेडिंग सिस्टम, जैसा कि आप विशेष रूप से बड़ी एन के लिए फिर से उम्मीद कर सकते हैं, लेकिन लाभदायक प्रणालियों के लिए कोई लाभ नहीं है, और औसतन drawdowns भी थोड़ा खराब हो सकता है। अधिकतम गिरावट। लाभदायक सिस्टम के लिए पूर्व शायद कम मूल्यों के लिए अधिकतम ड्रॉडाउन में मामूली कमी हो सकती है हानि बनाने वाली प्रणालियों के लिए ड्रॉडाउन में सबसे बड़ी कमी एन के बड़े मूल्यों के लिए है, हालांकि सभी फिल्टर किसी से बेहतर नहीं हैं। औसत वार्षिक रिटर्न औसत ड्रॉडाउन। अब कोशिश करते हैं और डालते हैं एक साधारण आंकड़े में रिटर्न और ड्रॉडाउन को एक सरल आंकड़े में लाभकारी सिस्टम के लिए ओवरले कोई अंतर नहीं बनाता है लाभकारी सिस्टम के लिए यह कम कर देता है ड्रॉडाउन एडजस्ट किया गया एसआर 2 0 लाइन के दाहिने हाथ पर कूबड़ लौटाता है हम इस तथ्य की वजह से होने वाली एक कलाकृति है जिसे हम गणना नहीं कर सकते यह आंकड़ा जब औसत गिरावट शून्य है। औसत वार्षिक रिटर्न अधिकतम गिरावट। यह आंकड़ा एक ही कहानी बताता है एक मुनाफे के लिए एक इक्विटी वक्र ओवरले लगाने प्रणाली के लिए औसत ओवरक्स अधिकतम औसत गिरावट अनुपात कम कर देता है छोटे एन शायद बदतर और वे बहुत अधिक होगा, व्यापार लागतों के साथ खराब होने पर लागू हो सकता है यदि आपके पास एक ऐसा सिस्टम है जो निश्चित रूप से पैसे खो देता है तो एक ओवरले आवेदन करना, किसी भी नजरिए से, आपके नुकसान को कम करेगा इस खंड में मैं तीव्रता अनुपात और स्व-पारिवारिकता को एक, और शून्य पर रखते हुए स्क्व्यू में बदलता हूं, क्रमशः क्रमशः। साइनेरिओटिप वायरींग सेकेंड समयरेखा 1 दैनिक रिटर्न। औसत वार्षिक रिटर्न औसत ड्रॉडाउन। समय बचाने के लिए गणना आंकड़ों के आगे आगे बढ़ने दें Bluntly मेरा अंतर्ज्ञान गलत था तिरछा कोई फर्क नहीं पड़ता ओवरले सभी यहां दिखाए गए सभी तिरछा मूल्यों के लिए नुकसान पहुंचाते हैं। औसत वार्षिक रिटर्न अधिकतम ड्रॉडाउन। वापसी अधिकतम ड्रॉडाउन की इसी तरह की कहानी है.इस अनुभाग में मैं स्काव और शार्प अनुपात शून्य पर और एक क्रमशः शून्य पर तय किया जाता है। औसत वार्षिक प्रतिफल। हम पर नतीजे पर लटका हुआ है यदि आपके पास ऋणात्मक या शून्य स्वत: संबंध हैं तो इक्विटी वक्र ओवरले जोड़ना आपके रिटर्न को बहुत बदतर बना देगा लेकिन अगर आपके पास सकारात्मक आत्मसम्मान है तो इससे उन्हें सुधार होगा , तेज ओवरले के साथ अच्छी तरह से याद रखना कि हम यहां की कीमतों की अनदेखी कर रहे हैं यह समझ में आता है कि आखिरकार अगर कुछ सकारात्मक आत्मसम्मान है तो हम चाहते हैं एनडी इसका पालन करते हैं। हालांकि, जैसा कि हम पहले से ही चल रहे रुझानों पर नकारात्मक चर्चा करते हैं, इसलिए लगता है कि इक्विटी वक्र ओवरले सिस्टम के बाद की प्रवृत्ति के लिए कोई नहीं हैं। औसत ड्रॉडाउन। अग्रिम ड्रॉडाउन केवल तभी सुधार किए हैं जब ऑटोोकैरेलैलेशन सकारात्मक है। अगर नकारात्मक बात यह है कि औसत खींचा नकारात्मक नकारात्मक प्रणाली के लिए भी छोटे हैं। अधिकतम गिरावट। अधिकतम ड्रॉडाउन के लिए एक समान तस्वीर है। औसत वार्षिक रिटर्न औसत ड्रॉडाउन। मैंने इस प्लॉट पररियलियोटाइप विविधिंग ऑटोमोटर को और अधिक लाइन जोड़ दी है, यह देखने के लिए कि क्या हम एक ब्रेक पॉइंट भी पा सकते हैं जिस पर आपको इक्विटी वक्र ओवरले का उपयोग करना चाहिए यह 40 दिनों या उससे कम की एन लंबाई के साथ 0 2 या अधिक के ऑटोकोएरलटिलेशन की तरह लग रहा है। याद रखें कि मैंने इन गणनाओं में से किसी भी में लागतों को शामिल नहीं किया है प्रत्येक प्रणाली में वार्षिक टर्नओवर को प्रत्येक प्रणाली में इक्विटी वक्र फिल्टर श्रेणी में जोड़ा जाता है, Nolength के लिए 23 से Nlength 10 से 1 2 के लिए Nlength 512 के लिए सबसे सस्ता वायदा मैं व्यापार व्यापार के साथ प्रति वर्ष 0 001 एसआर इकाइयों की निविदा लागत, नासाडैक जैसी कुछ चीज़ों के लिए यह एक बड़ी समस्या नहीं है, एन की लंबाई 10 के साथ औसत लंबाई को कम करने से 1 के आसपास है। मेरी पुस्तक का अध्याय 12 देखें कि मैं कैसे टर्नओवर और मानकीकृत लागतों की गणना करता हूं। लेकिन आइए हम और अधिक महंगे भविष्य, ऑस्ट्रेलियाई ब्याज दर के भविष्य का उपयोग करते हुए देखें, प्रति वर्ष लगभग 0 03 एसआर इकाइयों की लागत के साथ। छोटे एन की तुलना में बहुत खराब दिखता है मैं यह सुझाव देता हूं कि इस लागत स्तर पर आपको एक सकारात्मक आत्मसंयम इक्विटी वक्र पर कारोबार करने पर विचार करने से पहले कम से कम 0 2 का। औसत वार्षिक रिटर्न अधिकतम ड्रॉडाउन। इससे पहले कि यह 0 1 या अधिक के एक ऑटोकोट्रैलेशन जैसा दिखता है, इक्विटी वक्र ट्रेडिंग का उपयोग करने के लिए पर्याप्त होगा, लेकिन अगर हम इस तस्वीर को प्राप्त करने से पहले लागतें लागू करते हैं.और फिर से केवल एक उच्च स्वचालन होगा। विचार है कि आप आसानी से एक औसत चलती औसत फिल्टर जोड़कर लाभदायक इक्विटी वक्र आसानी से सुधार कर सकते हैं, संभवतः, गलत यह परिणाम विभिन्न सकारात्मक शर्प अनुपातों और स्तरों के बीच मजबूत है तिरछा फ़िल्टर के लिए एक छोटी चलती औसत का प्रयोग धीमी गति से एक से भी बदतर है, भले ही हम लागतों की उपेक्षा करते हैं। एक अपवाद है, यदि आपका ट्रेडिंग रणनीति रिटर्न सकारात्मक ऑटोकोएरलेशन दिखाती है तो अपेक्षाकृत कम चलती औसत के साथ एक फिल्टर लागू करने से संभवतः आपके रिटर्न में सुधार होगा , लेकिन सिर्फ अगर आपके व्यापार की कीमतें पर्याप्त रूप से कम हैं। फिर भी यदि आपकी रणनीति रणनीति के अनुसरण में एक प्रवृत्ति है, तो शायद इसमें नकारात्मक आत्मसंकलन होगा, और फ़िल्टर लागू करना एक निरंतर आपदा होगा। यह एक यादृच्छिक डेटा पहला पोस्ट यहाँ है पोर्टफोलियो अनुकूलन पर अगली पोस्ट यहाँ है।