Robustheit Des Trading-Strategie - Wie Zu Messen

Robustheit des Trading-Strategie Wie zu messen? Veröffentlicht 27. April 2015 | Von admin Wenn Sie eine profitable Handelsstrategie besitzen, eines der ersten Dinge, die Sie sich mit Sorge ist, wie robust Ihre Strategie ist. Es gibt mehrere Möglichkeiten zur Kontrolle der Stabilität der Handelsstrategie. Bevor Sie nun weiterlesen beginnen, beachten Sie bitte, dass es nicht die Absicht dieses Artikels, um in die Tiefe zu beschreiben, die Natur dieser verschiedenen Ansätze, aber kurz beschreiben nur einige von ihnen. Die meisten dieser Ansätze haben ihre eigenen Grenzen und es gibt keine gute oder schlechte Weise. Das beste Handelssysteme sollten gute Ergebnisse in der Mehrzahl der Tests zu erreichen, aber es ist nicht immer der Fall sein. Erstens ist festgelegt, was die Robustheit einer Handelsstrategie bedeutet. Die Robustheit kann als eine Widerstandsfähigkeit gegen oder überwunden ungünstigen Bedingungen beschrieben. Also, wenn es um die Handelsstrategie kann man sagen, dass das robuste Handelsstrategie sollte widerstehen oder zu überwinden ungünstigen Marktbedingungen. Mit dem zu widerstehen oder zu überwinden, meinen wir, ähnliche Leistungseigenschaften zu erhalten, wie hatte in historischen Tests, ohne dabei eine größere Menge an Kapital als erwartet erreicht. Praktisch ist eine robuste Handelsstrategie ein, die konsequent für ein breites Set von Werten Parameter (Eingang) auf vielen verschiedenen Märkten seit vielen Jahren erprobt angewendet gute Ergebnisse. Perry J. Kaufman Dies bedeutet, dass der robuste Handelsstrategie sollte profitabel in unterschiedlichen Marktbedingungen (Trending x abgehackt Markt bull x Bärenmarkt) über die breite Palette von Strategieparameterwerte viele Jahre zurück in die Geschichte und auch in einem Korb von verschiedenen Märkten. Wie können wir also die Robustheit einer Trading-Strategie zu messen? 1) Historische Performance Testing (Backtesting) Wenn wir wollen, dass unsere Tests statistisch signifikant sollten wir immer mit einem groß genug Marktdaten Probe zu arbeiten. Durch die groß genug ist, dass wir je mehr desto besser. Wenn wir Marktdaten erreicht viele Jahre zurück in die Geschichte und tun das Backtesting auf ihnen haben wir in der Tat, führen Sie die Grundrobustheitstest. Mit anderen Worten: Wir testen, ob das Handelssystem in der Lage ist, unterschiedliche Geschäftsbedingungen, die während dieser Zeit erschienen war zu behandeln. Es können Zeiten von flüchtigen Stier oder Bärenmarkt, Trends oder abgehackt Markt und unser System müssen alle von ihnen zu behandeln. Was kann, wenn wir das Backtesting nur an wenigen letzten Jahren von einem Marktdaten passieren (oder sogar weniger) ist, dass in diesem Zeitraum die Marktbedingungen die gleichen bleiben, aber wenn wir anfangen, den Handel und die Marktbedingungen ändern unsere Strategie nicht mehr funktioniert. Der Höhe der Marktdaten auf die Anzahl der insgesamt den Handeln zusammen. Wieder je höher die Zahl ist, desto besser. Wir können unserem Test nicht zu erklären zu sein statistisch signifikant, wenn wir nur 10 oder 20 der insgesamt Trades. Gleichzeitig müssen wir uns über die Qualität der Daten zu sorgen. Diese sind wirklich wichtige Aspekte, die die Testergebnisse verfälschen könnte. 2) Strategieparameter Stabilitätstest Diese Art der Robustheitstest kann leicht mit eingebautem Optimierungswerkzeuge in Tradestation / Multicharts oder andere Software durchgeführt werden. Der Zweck dieses Tests ist es, den Effekt der Verwendung verschiedener Parameter (Eingang) setzt auf das Handelssystem die Leistung zu überprüfen. Wenn der Test hat sowohl positive als auch ähnliche Leistungsergebnisse für zeigte eine breite Palette von Parametersätzen ist es ein Zeichen eines Handelssystems Robustheit. Wir untersuchen vor allem die folgenden Eigenschaften: A) Die Verteilung der Leistung über die Optimierung Raum - hier, um ein profitables durchschnittliche Simulation, eine geringe Standardabweichung und einen kleinen Bereich (max-min) der Handelssystem Nettogewinn sehen wir wollen. Wir können einen Belastungstest durchzuführen: Ist die durchschnittliche Simulations minus der ersten. Standardabweichung positiv ist? Ist der durchschnittliche Simulations minus der zweiten. std. Abweichung positiv ist? Und ist der durchschnittliche Simulations minus der dritten. std. Abweichung positiv ist? Unter Verwendung des Excel-Programm unserer Analyse könnte wie folgt aussehen: * Zu illustrativen Zwecken B) Die Form der Optimierung Raum -, um die Form der Optimierung Raum untersuchen wir können 3D-Diagramm in Excel oder ein anderes Programm durch Auftragen von zwei Parametern (Input) auf der horizontalen Achse und die Gewinne auf der vertikalen Achse zu verwenden. Wenn wir mehr Parameter als zwei in unserer Strategie, die wir so genannte Sensitivitätsanalyse durchführen, wo wir erforschen die Auswirkungen jedes einzelnen Parameter an einem Handelstag die Systemleistung, wenn andere Parameter konstant links (dann könnten wir wahlweise mit zwei Parameter mit dem größten Einfluss gehen an einem Handelstag die Systemleistung und kompilieren eine 3D-Grafik). Im Allgemeinen sind wir für eine flache Form in die Gewinnverteilung der Suche und bei der Durchführung von Sensitivitätsanalyse Wir wollen nicht alle Parameter zu sehen, um einen großen Einfluss auf das Handelssystem die Leistung haben. * Zu illustrativen Zwecken 3) Out-of-Sample Data-Test Dies ist einer der am häufigsten verwendeten Tests von der Mehrheit der Händler verwendet. Es basiert auf Aufteilen der verfügbaren Marktdaten in In-Probe und Out-of-Sample-Daten Segmenten. Die In-Sample-Daten werden während des Entwicklungsprozesses des Trading-Strategie verwendet, wenn die Out-of-Sample (OOS) Daten werden außer Acht gelassen. Wenn der Entwicklungsvorgang abgeschlossen ist, können wir die OOS Daten für die Prüfung, wie unsere Strategie verhält sich auf eine unsichtbare Daten verwenden. Der Grund für die Verwendung des OOS Daten ist einfach: bei der Entwicklung einer Strategie, die auf historischen Marktdaten können wir leicht auf die Anpassung der Strategie, um diese Daten zu gleiten. Dies wird oft Überanpassung oder Kurvenanpassung genannt. Dieses Phänomen verursacht unserer Strategie auf dem Papier gut aussehen, aber es real versagt. Daher ist es immer gut, ein paar OOS Daten beiseite zu lassen. Die Einstellung der richtigen Proportion zwischen dem In-Probe und dem OOS Daten liegt im Ermessen eines jeden. In den meisten Fällen das Datensegment OOS liegt bei 15-30% der Datenmenge festgelegt. Wenn wir alle verfügbaren historischen Marktdaten bei der Entwicklung der Strategie verwendet haben, dann müssen wir warten, bis neue Daten, die aus dem Markt kommen, zu erhalten. Dies kann ein langwieriger Prozess sein, weil wir warten müssen, um statistisch signifikante Anzahl von insgesamt Trades zu bekommen. Allerdings kann es eine gute Möglichkeit, sowohl die historischen OOS Daten und die neuen Daten bis aus dem Markt für diesen Test zu verwenden. In einem solchen Fall müssen Sie die Strategie "Inkubation" für einen Zeitraum von Zeit zu lassen und nur, wenn es erweist sich wie erwartet verhalten man es live zu starten. * Out-of-Sample-and-In-Mustersegmente of Gold Super-einfache Strategie 4) Weg-Forward Testing Unserem Test wird immer durch die Höhe der OOS Daten beschränkt. Deshalb wurden neue Methoden der Robustheitsprüfung erstellt. Die am häufigsten verwendete ist wohl der Weg-Forward Testing (dh Weg-Forward-Analyse - WFA). Neben anderen Methoden können wir die Cluster-Analyse von Tradestation, das ist eigentlich ein Vielfaches WFA oder Kreuzvalidierung Verfahren zu nennen. Der WFA ist ein Vielfaches In-Probe und zum OOS Tests, die in der Zeit geht Vorlauf. Es wird in mehreren Durchgängen in dem jeweils nachfolgenden Durchlauf bewegt sich vorwärts in der Zeit durch einen Anteil der Länge der OOS Periode ausgeführt. Wie nachfolgend dargestellt: In jedem Durchlauf optimieren wir die Handelsstrategie Parameter (Eingänge) Werte nach Fitness-Funktion (zB max Nettogewinn) und testen Sie dann die beste Einstellung auf dem OOS Daten. Der Zweck dieses Verfahrens ist es, zu bestimmen, ob die Strategie in der Lage ist, auf der OOS-Daten in der gleichen Weise wie für die in-Probendaten zu arbeiten. Wenn die Strategie funktioniert gut auf dem OOS Daten seiner Leistung berücksichtigt werden können realistische und nicht nur das Ergebnis der Kurvenanpassung. Diese Methode ist besonders nützlich, wenn wir planen, die Strategieparameter-Werte in regelmäßigen Abständen zu ändern. Tools wie dem Walk-Forward Optimizer in Tradestation kann noch mehr. Die so genannte Cluster-Analyse führt mehrere WFA, in dem die Ergebnisse werden für verschiedene Werte des Out-of-Sample% berechnet, und der Weg vorwärts Läuft. 5) Kreuzvalidierung Dieses Verfahren ermöglicht auch eine bessere Nutzung der verfügbaren Daten als der WFA. Es nutzt jeden Teil der Daten als OOS an einem gewissen Punkt. Nicht nur die Daten nach dem In-Abtastperiode. Als Nachteil dieser Methode ist es oft seine Empfindlichkeit gegenüber Nicht-Stationarität der Märkte (ändernden Marktbedingungen) angegeben. Es wird unter Verwendung von Daten Rückweg vom Anfang des Datensatzes für die OOS-Tests und die Integration dieser Ergebnisse in die Gesamttestergebnissen hervorgerufen. Auf der anderen Seite sollte die robuste Handelsstrategie in der Lage Umgang mit der Nicht-Stationarität der Märkte sein. Gute Ergebnisse in diesem Test kann nur von Vorteil für unsere Strategie. Wir können davon ausgehen, dass, wenn die Strategie erzielt gute Ergebnisse bei der Parameter-Stabilitätstest wird es auch am Ende auch in der WFA und dem Kreuzvalidierungstest. 6) Multimarket und Multi-Zeitrahmen-Test Wenn wir gehen, um eine Multitest durchzuführen, müssen wir zuerst feststellen, ob die Strategie wurde entwickelt, um auf mehreren unterschiedlichen Märkten oder einfach nur auf einem bestimmten Markt oder Marktsegment (zB Index-Futures) handeln. Beide Arten von Strategien, sind gültig. Doch die Strategien eine gute Leistung auf den verschiedenen Märkten in der Regel robuster. Wenn wir die Prüfung der Strategie für den Handel erstellt auf den mehreren unterschiedlichen Märkten werden wir ein Portfolio von verschiedenen Märkten zu bilden und wir tun die Strategie darauf zu testen. Um ein stark diversifiziertes Portfolio aufbauen können wir eine Korrelationsmatrix der Schlusskurse der Märkte zu berechnen und dann nutzen Sie diesen Märkten, die negative oder leicht positive Korrelation haben wird. Gleichzeitig sollten wir die Märkte, die keine entscheidende Grundverbindungen haben zu wählen. Ein kleineres Portfolio mit verschiedenen Terminmärkten könnte beispielsweise bestehen aus: E-mini S & P 500, Euro, T-Bonds, Gold, Rohöl, Zucker, Soja und Magere Schweine. Für eine genauere Prüfung ist es angebracht, ein größeres Portfolio zu nutzen. Die robuste Handelsstrategie muss nicht in immer gute Handelsergebnisse auf einem einzigen Markt erfolgreich zu sein, aber es kann große Gesamtergebnisse, wenn auf ein Portfolio von Märkten angewendet zu erreichen. Wenn wir testen Strategie für den Handel erstellt auf einem bestimmten Markt oder Marktsegment können wir nicht unbedingt gute Ergebnisse auf anderen Märkten. Aber wenn wir zu mehr Selbstbewusstsein, dass diese Ergebnisse nicht nur eine Frage des Glücks möchten wir die Strategie Robustheit auf ähnlichen Märkten zu testen. Zum Beispiel, wenn wir eine Strategie, die geschaffen wurde, um nur E-mini S & P 500 handeln können wir testen, ob die Strategie ist auch profitabel auf andere US-E-Mini-Index-Futures (Dow Jones, Nasdaq 100, Russell 2000, E-Mini-MidCap SP 400) und auf ihre größeren Gegen Verträge, die mehr historische Daten zur Verfügung zu haben. Wenn die Strategie erzielt gute Ergebnisse ist es ein Zeichen eines bestimmten Grad an Robustheit. Allerdings sind diese Märkte sind in der Regel hoch korreliert, und das ist der Grund, warum wir diese Ergebnisse so überzeugend wie die Ergebnisse der Tests auf den mehreren unterschiedlichen Märkten nicht berücksichtigen. Es ist nicht leicht, eine robuste Handelsstrategie, die alle Anforderungen erfüllen würde. Die robusten Strategien kann auch mit hohen Anforderungen an die Trading-Kapital, Ausrüstung und Hintergrund zugeordnet werden. Daher hat es in der Regel einige Kompromiss. ZB die Strategien Handel an den mehreren unterschiedlichen Märkten beschäftigt in der Regel täglich Zeitrahmen oder höher und sie Positionen zu halten für mehr als einen Tag. Dies bringt höhere Anforderungen an die Trading-Kapital und deshalb ist es sehr schwer, diese Art von Strategien mit einem kleineren Konto und wenn ja, dann in der Regel mit katastrophalen Folgen zu handeln. Für die kleineren Konten ist es eher angebracht, den Handel inner täglich (Öffnungs - und Schließposition an einem Tag), aber die Intraday-Strategien können anfälliger für einen Markt Lärm und es schwieriger sein, eine robuste Intraday-Trading-Strategie zu entwickeln. Selbst die Größe der Trading-Konto kann eine Schlüsselrolle bei der Erreichung einer höheren Robustheit zu spielen. Das ganze Thema der Messung der Robustheit der Handelsstrategie ist weit komplizierter. Dieser Artikel wurde nur einige der grundlegenden Richtungen, in die wir gehen können skizziert. Die Robustheit wird nach wie vor zu einem der Hauptthemen der automatisierten Handel zu sein. 1) Pardo, Robert. Die Bewertung und Optimierung von Handelsstrategien. Wiley; 2. Auflage (8. Februar 2008). ISBN 978-0470128015. 2) Clenow, Andreas. Nach dem Trend: Diversified Managed Futures Trading. Wiley; 1. Auflage (14. Januar 2013). ISBN 978-1118410851. 3) Aronson, David; Masters, Timothy. Statistisch Sound Machine Learning für den algorithmischen Handel von Finanzinstrumenten: die Entwicklung prädiktiver-Model-Based Trading Systems Mit TSSB. Createspace Independent Publishing Platform (1. Juni 2013). ISBN 978-1489507716.