Mejorar Las Estrategias De Negociación A Través De Paseo Análisis Adelante

Mejorar las estrategias de negociación a través de Paseo Análisis Adelante Mejorar las estrategias de negociación a través de Paseo Análisis Adelante Optimización tradicional de estrategias de negociación La optimización es el proceso de adaptar los parámetros de una estrategia dada a un mercado específico. En general, es una buena cosa cuando se hace correctamente, pero si no se hace correctamente, hay un alto riesgo de hacerlo mal y acabar con un sistema instalado curva (voy a profundizar más en la optimización tradicional de estrategias de negociación en futuros posts). ¿Qué es el ajuste de la curva? Siempre se puede encontrar una combinación de reglas y parámetros de negociación que se adapta perfectamente a los datos históricos disponibles, dando lugar a resultados comerciales excepcionales basadas en esas pruebas. Pero cuando esas reglas se ponen a prueba en un mercado vivo, fallan y perder dinero muy rápidamente. La mayoría de las estrategias disponibles comercialmente sufren de este problema. ¿Por qué? Debido a que los vendedores venden la estrategia basada en pruebas bonitas en lugar de la robustez de la estrategia. Es mucho más fácil vender en base a una curva de la equidad agradable que vender basado en el proceso de optimización compleja para aumentar la robustez y reducir el ajuste de curvas. Triste pero cierto. La forma correcta de optimizar Para evitar ajuste de curvas, uno debe dejar por lo menos 30% de los datos disponibles fuera del proceso de optimización. Por ejemplo, si tiene datos de 2000 a 2012 (12 años), el proceso de optimización sería: Optimizar para 2000 2009. Usted va a terminar con los mejores parámetros en este periodo. Seleccionar el mejor conjunto de parámetros. Los criterios para elegir es importante. Por ejemplo, la selección de la mejor AbsoluteProfit / RelativeDrawdown que tiene parámetros lo suficientemente robustos vecino es una buena opción. Pruebe el parámetro establecido en el fuera de período de la muestra (2010-2012). Si obtiene resultados diferentes en este período hay algo mal en fases anteriores. Usted debe volver a la fase de diseño. Una vez que tenga un conjunto de parámetros que funciona correctamente en el fuera de período de la muestra, debe ejecutar su estrategia en vivo. Los problemas de optimización tradicional Optimización tradicional es bueno, pero hay problemas obvios: El conjunto de parámetros elegido es de calidad media. Como tiene que sobrevivir a una gran cantidad de las condiciones del mercado (tanto en dentro de la muestra y los datos fuera de la muestra) no será realmente adaptado a cualquiera, se perderán muchas oportunidades comerciales. Degradación obliga reoptimizations periódicas. A medida que pasa el tiempo, el parámetro elegido establece degrada. Vamos a tener más datos y tendremos más diferentes condiciones de mercado. La mayor parte de las ganancias podría centrarse en periodos pequeños. Va a encontrar muchas estrategias por ahí CUVE equipados con las condiciones de mercado recientes, pero al probar que en años anteriores fallan. Un cambio drástico y definitivo en un mercado hará que la estrategia de llegar al peor de los casos, perder un montón de dinero Hay maneras de resolver la mayoría de los problemas anteriores de una manera tradicional. Pero el uso de caminar hacia adelante espero que debe ser capaz de superar o reducir el impacto de todos ellos. Camine Análisis Adelante Con Walk Análisis Delantero, en vez de hacer una gran optimización en los datos de muestras y pruebas en los datos fuera de la muestra, vamos a hacer un montón de pequeñas optimizaciones y pruebas en períodos mucho más pequeñas. El tamaño del período de optimización se denomina ventana de optimización. Según mis pruebas, el tamaño de la ventana de optimización debe ser adaptado a cada mercado, ya que se correlaciona directamente con los ciclos del mercado o la velocidad a la que cambia un mercado dado. Por ejemplo, en la siguiente imagen que estaríamos haciendo un análisis prospectivo Walk usando un tamaño de ventana Optimización de 3 meses y después de un período de un mes fuera de la muestra: Camina el análisis prospectivo de las estrategias de negociación El resultado de una prueba completa Walk Análisis Forward será la suma de los resultados de todas las pruebas más pequeños: El resultado de una prueba de caminata Análisis Adelante Una estrategia que es capaz de sobrevivir a un paseo Análisis Adelante adecuada mostrará niveles mucho más altos de la robustez de las estrategias de negociación conjuntos de parámetros de optimización tradicional. La mayoría de los rasgos o características curva ajustada añaden para mejorar los resultados a corto plazo no va a ser capaz de sobrevivir a esta prueba ya que constantemente fallar durante las diferentes fases de prueba. El objetivo de la caminata Análisis Adelante Hay dos objetivos principales para lograr con Walk Análisis Adelante: Robustez. El objetivo principal del Paseo Análisis Forward es lograr altos niveles de robustez. Por robustez me refiero a conseguir resultados similares en el comercio directo y en pruebas retrospectivas. El aumento de la rentabilidad. Un proceso Adelante Walk adecuada permitirá a la estrategia para adaptarse a un mercado cambiante que le permite comerciar con mayor frecuencia y el objetivo más pips en condiciones favorables y reducir la frecuencia de negociación y los objetivos de las condiciones desfavorables. Hay otros beneficios secundarios: Si el inefficience se borra del mercado, una aplicación Walk Forward adecuado será elegir no al comercio Si entonces los inefficience vuelve al mercado, será poco a poco volver a empezar con el comercio La vida de la estrategia es mucho más larga. El peor de los casos que nos haría dejar de operar la estrategia sería mucho más difícil de alcanzar. La eliminación del inefficience no sería suficiente para que dejemos de comercio. Además de eso, el proceso hacia adelante toda la caminata debe fallar para detectar estas condiciones de mercado.