Что такое фондовая биржа Как торговать на бирже
Binomo
Как стать успешным трейдером Стратегии биржевой торговли Лучшие дилинговые центры Forex Лучшие биржевые брокеры
Пардо Р. Разработка, тестирование, оптимизация торговых систем для биржевого трейдера

Боб Пардо работает над оптимизационными проблемами многие годы. Будучи автором тестовой программы широкого применения Advanced Trader и разработчиком многочисленных торговых стратегий, он вне всякого сомнения обладает всеми необходимыми знаниями для рассмотрения процесса оптимизации со всех сторон – с точки зрения разработки, тестирования и получения результатов.

Какой Форекс-брокер лучше?          Альпари          Exness          Forex4you          Сделай свой выбор!

Мультирыночная мультипериодная оптимизация

Структура мультирыночной мультипериодной оптимизации ана¬логична структуре мультирыночного мультипериодного теста, описанного в предыдущей главе. Ее цель – получить более точ¬ное представление о прибыли и риске, исходя из эффективности модели с оптимальными параметрами (См. Рис. 7-4).

Чтобы определить универсальность и устойчивость торговой модели, ее оптимизируют на диверсифицированной корзине рынков. Чем больше рынков, на которых модель может торго¬вать, тем она полезней. Не столь очевидно то, что чем больше рынков, на которых модель может торговать хорошо, тем она ус¬тойчивей.


А знаете ли Вы, что: брокер бинарных опционов Binomo для своих клиентов регулярно проводит турниры с бесплатной регистрацией и реальными денежными призами.

С уважением, Админ.


Тестирование на более широкой базе обеспечивает большую статистическую валидность. Есть и другое соображе¬ние. Торговая модель, которая может давать хорошие результаты на диверсифицированной корзине рынков, чаще основана на более общем принципе ценового поведения. Модель, эффектив¬ная лишь на одном рынке, всегда вызывает подозрения, если только она не была с самого начала предназначена для работы на этом рынке.

Также проводится оптимизация модели на наборе разных временных параметров. Тренды меняются. Волатильность меняется. Ликвидность меняется. Фундаментальные условия спроса и предложения тоже меняются. Следовательно, модель, торгую¬щая хорошо лишь на некоторых временных периодах и плохо – на остальных, требует дальнейших исследований. Была ли ценовая активность в периоды плохой эффективности модели исклю¬чительно неблагоприятна для нее? Если да, то, возможно, модель все еще требует переосмысления. Если ценовая активность была нормальной, но просто непредусмотренной, то возможно наличие какого-то изъяна в строении модели. Подобным образом, могла иметь место ценовая активность, исключительно благоприятная для данной торговой модели. При таких условиях эф¬фективность торговой модели окажется хорошей. Но поскольку эти условия были исключением, такую эффективность нельзя считать типичной.

Как будет выглядеть такой оптимизационный тест? Для одного рынка он будет следующим:

Примените этот же 5-периодный тест, состоящий из 128 ска¬нирований, к остальным 9 рынкам, входящим в корзину: кофе, хлопок, сырая нефть, золото, грудинная свинина, соевые бобы, S&P500, сахар и швейцарские франки.

Общее число сканирований для 10-рыночной 5-периодной оптимизации – 4800.

Как модель реагирует на оптимизацию?

Первый шаг – необходимо посмотреть, какова реакция модели на оптимизацию. Всегда существует шанс, что параметры моде¬ли, выбранные априори на первом тесте, действительно будут оптимальными. Однако вероятность этого для 10-рыночного 5-периодного теста крайне мала. Это одна из причин объема и ди¬апазона такого тестового цикла; он должен быть достаточно широким, чтобы обеспечить оптимальные параметры в рамках его границ.

Средняя эффективность мультирыночной мультипериодной оптимизации должна улучшаться по сравнению с эффективностью мультирыночного мультипериодного теста. Маловероятно, что вы¬бранное случайно на первом тесте значение (параметра) даст пико¬вую эффективность. Это особенно очевидно при оптимизации не¬скольких переменных. Часто между несколькими переменными существует много взаимосвязей: вся степень этой синергии, изме¬ряемой прибылью, оптимизацией, как правило, не раскрывается. По этим причинам околопиковый показатель прибыльности мо¬жет быть обнаружен лишь в процессе мультирыночной мультипе¬риодной оптимизации. В этом и состоит функция оптимизации.

Например, предположим, что средняя годовая прибыль для 1-рыночного 5-периодного теста составляет $2,000. Разумно было бы ожидать для 1-рыночной 5-периодной оптимизации данного рынка более высокой годовой прибыли. К тому же, подобного улучшения годовой прибыли следует ожидать при оптимизации каждого рынка.

Эффективность всех тестов в каждой отдельной оптимизации следует рассматривать в связке, и она должна удовлетворять ста¬тистическому критерию, обеспечивающему валидность резуль¬татов. Как минимум 30% всех тестов в оптимизации должны быть равны или выше заранее заданного минимального порога эф¬фективности, основанного на тестах более широкого диапазона. Более высокий процент прибыльных моделей в оптимизации указывает на более устойчивую торговую модель. Очень низкий процент прибыльных моделей может быть всего лишь всплеском прибыли и статистической аномалией, с малой или вовсе отсут¬ствующей предсказательной ценностью.

Должны быть свидетельства того, что выбранная топ-модель окружена другими моделями с хорошими результатами и поэто¬му не является изолированным всплеском прибыли. Каждая оп¬тимизация должна охватывать достаточно большую выборку данных и группу диапазонов сканирования переменных, кото¬рые обеспечат статистически значимое число степеней свободы. Каждую оптимизацию следует разрабатывать таким образом, чтобы она генерировала статистически валидное число сделок. Торговая эффективность должна удовлетворять важнейшему критерию равномерного распределения по выборке данных.

Что такое более высокая эффективность?

Более высокая эффективность оценивается по трем параметрам. Основной мотив трейдинга – повышение годовой ставки доходно¬сти. Более высокая прибыль – это оценка суммы в долларах на ин¬вестированную единицу капитала, получения которой можно ожи-дать. Однако для опытного трейдера снижение или стабилизация годового риска, измеряемого максимальным проседанием, значи¬мо в такой же степени. Сокращение риска снижает требуемый тор¬говый капитал. Это повышает доходность без повышения риска.

Процент выигрышных сделок – другой важный показатель повышения эффективности. Более отточенная торговая модель может иногда приводить к увеличению размера средней сделки. Это также значительно расширяет «зону комфорта» трейдера. Большее чувство комфорта приводит к большей уверенности в модели. Это обеспечивает готовность следовать данной торговой системе и не пытаться оспаривать ее сигналы.

Средняя годовая эффективность торговли должна отныне на¬ходиться на приемлемом уровне по критериям стандартных ин¬вестиций. Каждый трейдер должен определить для себя прием¬лемую норму прибыли для данного уровня риска, являющегося частью его торговой стратегии.

Например, инвестирование $10,000 в казначейские векселя может давать 5-процентный доход без риска потери капитала. Это невысокая доходность, но она должна рассматриваться как «без¬рисковое» вложение. В отличие от этого, торговля десятью тыся-чами долларов на фьючерсах сопряжена с риском потери капита¬ла. Убытки при этом могут быть очень большими, и существует риск, что они превысят первоначальное капиталовложение.

Поскольку риск фьючерсной торговли с высоким кредитным рычагом (левереджем) настолько высок, ее доходность должна быть намного выше доходности других, менее рискованных ин¬вестиций. В глазах многих трейдеров 10-процентный годовой до¬ход на торговый капитал был бы неприемлемым. При правиль¬ных разработке и тестировании торговой системы риск может быть обоснованно оценен в процентах от торгового капитала. Однако ввиду высокого левереджа и природы экономических це¬новых шоков никогда нельзя исключить полную потерю торго¬вого капитала. Всегда существует небольшая вероятность убыт¬ка, превышающего капитализацию, даже если в тестовых резуль¬татах такого не встретится никогда.

Матрица решения

Если средняя прибыльность системы отрицательна, то система плохая. Дальнейшее тестирование не требуется. Вернитесь к ста¬дии разработки. Однако если при переоценке системы определе¬но, что диапазоны сканирования переменных были слишком уз¬кими для адекватной оценки эффективности, то установите их правильно и повторите мультипериодную мультирыночную оп¬тимизацию.

Если и пиковая, и средняя эффективность по прежнему оста¬ются на предельно-допустимом уровне, данная система сомни¬тельна и ее ценность, по всей вероятности, невелика. Желатель¬но, чтобы каждый оптимизационный тест давал по меньшей ме¬ре небольшой процент прибыльных и предельно-допустимых по прибыльности тестовых результатов. Именно поэтому очень важно оценивать оптимизацию как по пиковой эффективности модели, так и по средней эффективности. Вероятно, при даль¬нейшем тестировании удастся выделить лишь остров хороших результатов. Вернитесь к стадии разработки.

Если средняя эффективность торговой системы соответствует критерию прибыльности, имеет приемлемый риск и выигрывает по сравнению с другими инвестиционными возможностями, си¬стема замечательна. Теперь данную торговую систему необходи¬мо подвергнуть окончательному и решающему тесту: форвардно¬му анализу. Переходите к последнему тесту.
Содержание Далее

Что такое фондовая биржа
Яндекс.Метрика