Энциклопедия торговых стратегий

Энциклопедия торговых стратегий

Заключение

Заключение Мы прошли долгий путь с начала изучения стратегий входов и выходов. Иногда дорога была тяжелой и безрадостной, иногда удивительной и полной надежд. Как всегда после долгого пути, хочется собраться с мыслями и ответить на вопросы: "Что же мы узнали?" и "Как это можно применить?". Ответом на первый вопрос может служить детальное рассмотрение наших результатов: начиная с открытий, сделанных при анализе поведения портфеля на целых классах моделей, и переходя к специфическим комбинациям моделей и приказов, к отдельным рынкам и оптимальным методам торговли на них. Исследованный в данной книге материал можно уподобить виду с самолета, летящего в темноте: с большой высоты видны только темные пространства (классы моделей, приносящих убытки) и светлые пятна (классы моделей, работающих хорошо или по крайней мере лучше, чем генератор случайных сделок). С этой высоты видна эффективность моделей относительно всего портфеля торгуемых рынков. Затем самолет снижается. Становится видно больше деталей - видно, что самые яркие скопления образованы источниками света с разной яркостью (сочетаниями моделей и приказов с различной эффективностью). В темных пространствах также попадаются маленькие изолированные точки света (удачные комбинации моделей и приказов на фоне массы убыточных). На этом уровне видны также участки, находящиеся в полутьме (сочетания моделей и приказов, приносящих убытки, но работающих лучше, чем модель случайных сделок, что дает надежду на улучшение в сочетании с к ...[ ... ]

КРУПНЫЙ ПЛАН

КРУПНЫЙ ПЛАН Мы полностью исследовали каждый из классов моделей входа (т.е. все следующие за трендом модели на основе скользящих средних, все модели на основе пробоев, все малые нейронные сети). Все тесты по каждой из этих групп усреднялись для данных в пределах и вне пределов выборки. С большим отрывом лидировала генетическая модель: только она давала устойчивую прибыль в усреднении по всем тестам ($3271). За ней по показателям усредненных результатов следовали малые нейронные сети. Нейронные сети разделяются на крупные и малые, поскольку для крупных сетей проблема подгонки под исторические данные представляет огромную сложность. В тестах каждая модель испытывалась с одной крупной и одной малой сетью. Вне пределов выборки малые нейронные сети в среднем приносили убыток в $860 со сделки. Это, несомненно, лучше, чем результат модели случайных входов, когда убытки составляли в среднем более $2000 при стандартном отклонении около $400. Далее в порядке убывания эффективности следуют сезонные модели. В среднем все тесты сезонных моделей приводили к потере $966 со сделки. Затем следуют три вида моделей на основе скользящих средних (на пересечении, угле наклона и поддержке/сопротивлении). В среднем в сделке они приносили убыток в $ 1 5 0 0 - это вполне сравнимо с убытком $2100, ожидаемым от чисто случайных входов. Иными словами, модели на основе скользящих средних были лишь немного лучше случайных входов. Эффективность всех прочих моделей была близкой к случайной, а модели на ...[ ... ]

Противотрендовые модели

Противотрендовые модели на основе скользящих средних работали менее стабильно, чем модели следования за трендом. Многие из них демонстрировали меньшие убытки или даже некоторую прибыль в пределах выборки. Вне пределов выборки наблюдалась аналогичная картина, особенно в отношении модели на основе поддержки/сопротивления скользящих средних. За исключением модели расхождения MACD, все осцилляторы приносили большие убытки. Почти всегда они работали хуже, чем случайные входы как в пределах, так и вне пределов выборки. Самой худшей была модель перекупленности/перепроданности RSI. В обеих частях выборки данных убытки при ее использовании были огромными, гораздо больше, чем ожидаемые убытки случайных входов. С другой стороны, сезонные модели были однозначно лучше случайного входа. Хотя только одна из них дала реальную прибыль и в пределах, и вне пределов выборки, две из них были прибыльны вне пределов выборки, а убыток еще нескольких был гораздо меньше, чем ожидаемый убыток модели случайных входов. Результаты простейшей лунной модели были неоднозначными. В пределах выборки большинство тестов показали убыток, который, тем не менее, был лучше ожидаемого убытка случайных входов. При этом модель на пресечении лунных средних была однозначно лучше случайного входа как в пределах, так и вне пределов выборки. Хотя солнечные модели в пределах выборки работали лучше случайного входа, вне пределов выборки результаты были неоднородными и изменчивыми. Это также относится к моделям на основе ц ...[ ... ]

Обобщение

Обобщение Многие из моделей были описаны как "значительно превосходящие случайные входы". Эти модели могли бы стать прибыльными в сочетании с улучшенной стратегией выходов. В части I I I книги с т а л о очевидно, что при использовании случайного входа хорошая стратегия выхода способна повысить прибыль (или снизить убытки) примерно на $1000 в средней сделке. Это означает, что при хорошем выходе модели, терпевшие убытки в несколько сот долларов, могут стать прибыльными. Как было сказано выше, путь был долгим, порой трудным и обескураживающим. Но при этом взгляд с высоты сумел обнаружить много потенциально прибыльных моделей входа. Кроме того, было обнаружено немало сюрпризов: так, несмотря на ужасную репутацию и опасную тенденцию к подгонке под исторические данные, наилучшими вне пределов обучающей или эволюционной выборки оказались именно нейронные сети и генетические модели. Другим сюрпризом оказалось то, что некоторые из наиболее популярных торговых подходов - например, пересечения скользящих средних и стратегии на основе осцилляторов - оказались в числе наихудших всего с несколькими исключениями. Примечательны были также результаты исследования циклических моделей, от которых ожидали хорошей, если не идеальной работы на основе их теоретического изящества. Но, возможно, ввиду их популярности, даже при солидной математической реализации эффективность этих моделей была низкой. ...[ ... ]

СВЕТЛЫЕ ТОЧКИ

СВЕТЛЫЕ ТОЧКИ Проводилось исследование эффективности торговли целым портфелем для каждого из трех видов приказов на вход (вход по цене открытия, по лимитному и стоп-приказу). Эффективность в пределах и вне пределов выборки оценивалась по отдельности. Наилучшая эффективность вне пределов выборки была показана генетическими моделями в длинных позициях. Вход по цене открытия был особенно прибылен (прибыль в процентах годовых - 64,2% в пределах и 41,0% вне пределов выборки). Эта модель была прибыльна также при входе по лимитному приказу и по стоп-приказу, принося высокие средние прибыли в сделке. Однако данная модель генерировала сделки очень редко (что можно исправить более сложными версиями подобных моделей). В порядке убывания эффективности вне пределов выборки следующей была комбинация модели пересечения сезонных средних с подтверждением при входе по стоп-приказу. Подобно длинным позициям генетической модели, она была прибыльна и в пределах, и вне пределов выборки: в пределах выборки средняя прибыль в сделке составила $846 при доходности 7,4%; вне пределов выборки средняя прибыль в сделке $1677 при доходности 9,5%. Другие сезонные модели также работали хорошо. Вне пределов выборки простая сезонная модель на основе пересечения также была прибыльной. Затем идет модель на основе точки разворота под управлением нейронной сети 16-10-1в коротких позициях. Эта модель давала прибыль везде и со всеми входами: вне пределов выборки при входе по цене открытия модель показала доходно ...[ ... ]

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60