Algoritma dan Strategi Forex Mekanikal | OneStepRemoved

Tiga Cara yang berbeza Itu Keberterusan Bias Boleh Merosakkan ujian tersokong anda

oleh Tinggalkan komen

Ia seolah-olah seperti yang banyak kita belajar tentang membangunkan dan menguji strategi perdagangan kuantitatif, semakin kita sedar betapa mudahnya keputusan ujian tersokong kami boleh hancur. Salah satu cara yang paling mudah yang kita boleh menghasilkan keputusan ujian sama sekali tidak berguna adalah dengan menggunakan data yang tidak betul dibersihkan.

Berat sebelah survivorship boleh menjalar ke dalam data harga yang kita gunakan untuk ujian tersokong kita dalam pelbagai cara halus. Tiga cara yang paling jelas adalah melalui perbezaan harga seperti yang diniagakan-, gagal termasuk saham dinyahsenaraikan, atau melalui ujian indeks kerana mereka hari ini terdiri daripada menggunakan komponen sejarah mereka.

berat sebelah survivorship

Termasuk hanya stok yang telah cukup kuat untuk terus hidup boleh membuka keputusan ujian tersokong anda sehingga banyak versi yang berbeza berat sebelah survivorship.

Setiap kelemahan set data boleh mempunyai kesan yang berbeza-beza pada keputusan ujian tersokong kami, bergantung kepada jenis strategi kita dan menguji beberapa pembolehubah lain. Dalam jawatan baru-baru ini, Cesar Alvarez mengambil masa untuk menguji beberapa strategi menggunakan data yang mengandungi versi yang berbeza berat sebelah survivorship. Keputusan beliau menunjukkan bahawa ada kalanya berat sebelah yang boleh memberi kesan yang diabaikan, tetapi ada juga kalanya kesan yang penting.

Komponen Indeks

Pada masa yang berlainan sepanjang tahun, setiap satu daripada indeks utama akan membuat pelarasan kepada saham yang terdiri daripada indeks. Ini dilakukan untuk mengekalkan keupayaan indeks untuk mengesan pasaran umum dengan cara yang tertentu.

Dengan menggunakan hanya saham yang terdiri daripada versi hari ini indeks sebagai alam semesta ujian tersokong, kita secara automatik menghapuskan semua saham yang telah dilakukan dengan baik cukup untuk dikeluarkan daripada indeks yang lebih panjang backtest kami. Ini meninggalkan kita dengan alam semesta saham yang lebih kukuh daripada versi kita akan sebenarnya mempunyai jika kita diniagakan sistem hidup dalam tempoh yang.

Cesar penyelidikan ini menunjukkan kepada kita satu strategi yang dapat menyiarkan pulangan tahunan sebanyak 36.25% dengan pengeluaran maksimum 24.54%. Walau bagaimanapun, apabila strategi yang sama tepat diuji pada versi sejarah betul indeks, pulangan tahunan menurun kepada 14.07% dan pengambilan maksimum meningkat kepada 30.42%.

Stok dinyahsenaraikan

Saham dinyahsenaraikan adalah bentuk yang paling biasa difahami berat sebelah survivorship. Ini adalah saham yang pengujianbelakang kami akan terlepas kerana mereka tidak lagi tersenarai disebabkan oleh pemerolehan atau kebankrapan. Sama seperti saham yang tidak lagi disenaraikan dalam indeks, gagal untuk mengambil kira saham dinyahsenaraikan dalam alam semesta kita memberikan kita alam semesta yang lebih kukuh saham daripada kita akan mempunyai dalam dagangan.

Bukti bahawa Cesar menyediakan dalam kes ini adalah menarik kerana ia tidak selaras. Apabila menguji bermakna strategi perkembalian, termasuk saham dinyahsenaraikan muncul untuk benar-benar meningkatkan prestasi. Walau bagaimanapun, apabila menguji trend strategi berikut, termasuk saham dinyahsenaraikan telah memberi kesan negatif ke atas pulangan tahunan dan pengambilan maksimum.

Sebagai Dagangan Harga

Satu lagi idea yang berat sebelah survivorship Cesar mahu ujian adalah pengaruh harga berpecah-diselaraskan prestasi ujian tersokong. Oleh kerana pecahan saham, terdapat banyak keadaan di mana harga berpecah-diselaraskan bersejarah saham individu adalah jauh lebih rendah daripada mereka benar-benar berada pada masa yang.

Teori Cesar adalah bahawa ini boleh mempunyai pengaruh yang negatif terhadap ujian tersokong strategi yang memerlukan harga minimum untuk saham itu akan menimbang. Walaupun ini kedengaran agak munasabah, keputusan menunjukkan bahawa perbezaan yang hampir tiada pada kebanyakan kes.

Empat Sebab Mengapa Strategi Pendek Adakah Lebih Sukar Than You Think

oleh Tinggalkan komen

Strategi pendek tanpa henti merayu kepada peniaga kuantitatif. Keupayaan untuk mengambil keuntungan daripada pasaran pada masa-masa apabila semua yang lain panik dan kehilangan wang adalah jenis perkara yang hampir setiap peniaga bermimpi tentang.

Walaupun banyak peniaga mengakui bahawa ada wang yang akan dibuat di sebelah pendek hanya kira-kira mana-mana pasaran, kita semua tahu bahawa ia bukan satu tugas yang mudah. Jualan singkat umumnya dianggap menjadi lebih sukar daripada perdagangan kedudukan panjang, dan ada sebab yang baik untuk.

short selling

Strategi Pendek mempunyai daya tarikan yang luar biasa kepada peniaga-peniaga kuantitatif, tetapi ada risiko lebih rumit daripada keputusan ujian tersokong dapat mendokumentasikan.

Cesar Alvarez telah berdagang strategi pendek untuk tahun. Logik beliau menjelaskan rayuan:

Saya suka pintasan saham kerana ia adalah sangat keras psikologi, kerana itu, Saya percaya bahawa terdapat kelebihan yang baik ada.

Dalam siaran di blognya minggu lepas, Cesar mengakui bahawa beliau sedang mempertimbangkan menghentikan strategi pendek beliau yang telah menguntungkan daripada 2006 melalui 2012. Beliau menjelaskan bahawa empat isu-isu yang berbeza datang sepanjang 2013 bahawa strategi beliau benar-benar berjuang dengan. Isu-isu ini tidak muncul untuk menjadi halangan utama dalam keputusan ujian tersokong, tetapi mereka jauh lebih rumit dalam keadaan dagangan.

Bolehkah Anda Ambil Semua Isyarat?

Kebimbangan pertama yang membincangkan Cesar adalah apabila broker tidak dapat mencari saham untuk anda untuk meminjam, yang penting dalam jualan pendek. Cesar mengatakan bahawa, pada masa-masa, dia mempunyai kesukaran yang dialami meminjam saham stok amat cair untuk jualan pendek.

Seperti yang anda tahu, gagal mengambil satu atau lebih daripada perdagangan isyarat dengan strategi yang boleh menjadi perbezaan antara satu tahun yang menguntungkan dan tahun kehilangan. Tidak ada cara untuk meramalkan atau backtest untuk jenis isu.

Faedah ke atas Saham dipinjam

Satu lagi seretan pada nombor pelaksanaan strategi pendek Cesar ini telah faedah yang dikenakan bagi pinjaman saham untuk menjual pendek. Beliau menjelaskan bahawa terdapat sangat sedikit konsisten dalam bidang ini. Atas sebab itu, ia adalah sukar untuk menyesuaikan ujian tersokong anda ke akaun untuk faedah boleh ubah ini.

Meningkatkan Kerugian

Isu ketiga yang Cesar menyebut adalah bahawa kedudukan aa bergerak lagi terhadap anda, ia akan menjadi bahagian yang lebih besar daripada akaun anda. Ini betul-betul bertentangan dengan apa yang berlaku dengan saham rugi dalam kedudukan panjang.

Sebagai harga menjunam lebih jauh dan jauh berbanding kedudukan yang singkat, lebih dan lebih banyak modal diperlukan untuk membeli balik saham yang telah dipinjam dan dijual. Cesar mendedahkan bahawa ini memberikan kesan yang besar terhadap strategi pendek dalam 2013.

Jurang Swan Hitam

Komplikasi akhir yang Cesar telah dihadapi dengan strategi jualan singkat beliau adalah jurang yang besar yang boleh berlaku untuk apa-apa bilangan sebab. Pergerakan Black Swan benar-benar tidak dapat diramalkan, jadi tidak ada cara untuk mengambil kira mereka semasa ujian tersokong. Walau bagaimanapun, apabila mereka muncul, mereka mempunyai kuasa untuk menghapuskan akaun keseluruhan dengan cepat.

 

 

Adakah Anda Membiarkan Data pengintipan Jejas ujian tersokong anda?

oleh Tinggalkan komen

Ia adalah penting untuk menghapuskan sebanyak mungkin berat sebelah daripada proses ujian tersokong anda. Ini akan memastikan bahawa apa-apa hasil yang positif adalah lebih cenderung untuk terus bergerak ke hadapan. Walau bagaimanapun, menghapuskan mereka yang berat sebelah yang lebih sukar yang anda mungkin berfikir.

Pengintipan Data adalah salah satu berat sebelah yang lebih luas, yang anda mungkin mendedahkan anda kepada ujian tersokong. Ia boleh terdiri daripada perkara-perkara yang jelas seperti menghadkan sampel data anda kepada tempoh pasaran lembu jantan. Ia juga boleh muncul lebih diskret dalam bidang seperti mengoptimumkan parameter bagi penunjuk yang berbeza strategi anda mungkin menggunakan.

pengintipan data

Menjadi terlalu selektif mengenai data atau parameter yang anda gunakan untuk backtest anda boleh mendedahkan keputusan anda untuk data pengintipan berat sebelah.

Kumpulan CXO Penasihat mengambil lihat pengintipan berat sebelah dalam jawatan baru-baru ini yang sebenarnya preview bab dalam buku yang akan datang mereka. Nama bab, Mengelakkan atau Mengurangkan pengintipan Bias, menunjukkan bahawa terdapat mungkin beberapa bentuk berat sebelah pengintipan dalam mana-mana backtest. Matlamat kami adalah untuk mengurangkan kesan terhadap nombor prestasi sebanyak mungkin.

Bab ini bermula dengan senarai borang-borang yang berbeza yang berat sebelah pengintipan boleh mengambil:

Berat sebelah pengintipan, juga dikenali sebagai berat sebelah perlombongan dan manfaat lebih longgar daripada pengalaman yang lalu, adalah booster buatan terkenal prestasi backtest. Ia mengambil pelbagai bentuk:

  • Dalam memilih yang terbaik daripada banyak peraturan / petunjuk (strategi, model) untuk sampel data yang dikemukakan
  • Mengoptimumkan parameter peraturan bagi sampel data yang dikemukakan
  • Menghadkan sampel data untuk mencari prestasi yang menggalakkan pemerintahan yang diberikan
  • Menjalankan pertandingan pelaburan di kalangan ramai individu

Bab ini kemudian diteruskan dengan analogi undang-undang:

A sentimen dikongsi di kalangan penyelidik dalam bidang stokastik adalah: "Jika anda menyiksa data cukup lama, ia akan mengaku kepada apa-apa. "

Kerana pulangan adalah bising (ketara rawak), cuba banyak kombinasi kaedah-kaedah, tetapan parameter dan data sampel akan menjana strategi yang mengatasi penanda aras oleh tuah melampau.

Pendakwa A (pelabur) berpuas hati dengan pengakuan palsu mungkin kalah dalam mahkamah (pasaran).

Analogi ini melakukan kerja yang baik dalam memberikan satu gambaran keseluruhan berat sebelah pengintipan. Walaupun ia adalah hampir mustahil untuk menghapuskan sepenuhnya berat sebelah dari ujian tersokong anda, menggunakan beberapa akal mudah dalam usaha anda untuk mengoptimumkan strategi yang boleh melakukan banyak untuk mengurangkan pendedahan kepada pengintipan berat sebelah.

Sengaja Menggunakan Data pengintipan dalam ujian tersokong

oleh Tinggalkan komen

Salah satu berat sebelah paling mudah yang boleh memberi kesan kepada keputusan kami semasa ujian tersokong adalah pengintipan data, yang juga boleh dipanggil berat sebelah wajah-hadapan. Ini berlaku apabila kita membenarkan data harga yang tidak sepatutnya ada pada masa yang memberi kesan kepada keputusan perdagangan.

Salah satu aspek yang paling rumit perdagangan kuantitatif adalah belajar bagaimana untuk menguruskan jenis berat sebelah dan banyak peniaga galah menghabiskan banyak masa bekerja untuk menghapuskan mereka.

pengintipan data

Jika anda pergi kembali ke masa dengan semua data harga semasa kami, bagaimana juga akan melaksanakan sistem anda?

Dalam post menarik bertajuk Kes pengintipan Data, Pete dari Peralihan Sands mengambil pendekatan yang berbeza. Beliau mencadangkan bahawa jika pengintipan data digunakan dengan cara yang tertentu, ia sebenarnya boleh menjadi agak membantu dalam menguji potensi sistem ini. Beliau menyenaraikan tiga kelebihan yang boleh diperolehi daripada pengintipan data:

Walau bagaimanapun, ia boleh menjadi alat yang berguna. Jika kita memberikan sistem pengetahuan sempurna hadapan kami:

1) Kami menubuhkan had atas prestasi.

2) Kita boleh mendapatkan cepat membaca jika sesuatu yang bernilai menggiatkan lagi, dan

3) Ia boleh membantu menyerlahkan kesilapan lain pengekodan.

Pete menjelaskan bahawa kedua-dua kelebihan pertama boleh membantu menentukan jika sistem bernilai pembangunan lanjut:
Dua yang pertama adalah cukup rapat berkaitan. Jika model indah kita dibina menggunakan nilai-nilai itu cuba untuk meramalkan, dan masih melakukan tidak lebih baik daripada meneka rawak, ia mungkin tidak berbaloi cuba untuk menyelamatkan ia.
Sisi lain adalah apabila ia melaksanakan dengan baik, yang akan menjadi baik kerana ia pernah akan mendapatkan.

Beliau seterusnya menjelaskan bagaimana pengintipan data boleh mendedahkan ralat pengekodan:

Pertama, jika ujian berikutnya kami pada data bukan diintip memberikan prestasi setanding, kita mungkin mempunyai satu lagi melihat bug hadapan mengintai di suatu tempat.
Kedua, perkara seperti mempunyai ketepatan yang luar biasa tetapi masih berprestasi buruk adalah satu lagi tanda pepijat bersembunyi di suatu tempat.

Dia terus menunjukkan bagaimana dia menggunakan pendekatan ini untuk menguji sistem bagi ralat pengekodan.

Konsep Pete sengaja memperkenalkan berat sebelah ke dalam ujian tersokong kami adalah sangat menarik. Ini jenis di luar-the-kotak pemikiran membuat anda tertanya-tanya apa cara lain kita boleh menyesuaikan pemikiran kita dan menggunakan berat sebelah dikenali memberi kelebihan kepada kami.

Ujian tersokong berat sebelah dan Variasi

oleh 4 Komen

Minggu lalu, Saya menulis post membincangkan bagaimana mengubah tempoh masa sistem yang boleh mengubah keputusannya. Yang membuat saya berfikir tentang cara-cara lain yang dapat keputusan ujian tersokong cenderung dalam satu cara atau yang lain berdasarkan data pengguna ditakrifkan seperti julat tarikh dan pasaran yang digunakan. Perbezaan mudah boleh mempunyai pengaruh yang besar ke atas pulangan keseluruhan daripada mana-mana sistem, jadi ia adalah penting untuk memberi mereka menghormati mereka.

Apabila berjalan backtests, ia boleh menjadi sangat mudah untuk menyembunyikan tempoh turun dan ceri-memilih tahun pulangan besar. Masalahnya ialah bahawa anda tidak akan mempunyai peluang yang sebenarnya apabila berdagang secara langsung sistem. Anda akan perlu menyediakan diri anda untuk kemungkinan bahawa anda memilih masa yang salah atau pasaran yang salah untuk berdagang sistem yang diberikan. Jika tidak, anda berisiko untuk membiarkan ini berat sebelah ujian tersokong menyesuaikan jangkaan pulangan anda kepada nilai-nilai sistem tidak mungkin dapat menyampaikan.

Melaraskan Julat Tarikh

Mari kita gunakan kami 10/100 Melangkah Purata Sistem Crossover dari minggu lepas sebagai asas. Kami diuji dari Januari 1, 2001 hingga Disember 31, 2010 kepada ETF Vanguard Jumlah Pasaran Saham (VTI). Semua ujian kami minggu lepas menggunakan nilai portfolio bermula daripada $10,000, yang 10% trailing berhenti, dan yang $7 suruhanjaya.

Backtesting bias in VTI

MA melintasi pada VTI kembali hampir 90% sejak sedekad yang lalu.

Berdasarkan tetapan, kami 10/100 MA Sistem Crossover kembali 89.8% lebih sepuluh tahun. Ini kerja-kerja daripada menjadi pulangan tahunan sebanyak 12% dengan pengeluaran maksimum 16.2%.

Jika kita akan memulakan dagangan sistem ini pada Januari 1, 2003, kita akan mencatatkan jumlah pulangan sebanyak 39% dalam tiga tahun perdagangan sehingga akhir 2005. Ini akan menjadi baik untuk yang 16.4% pulangan tahunan dengan pengeluaran maksimum hanya 6%. Seperti yang anda lihat, jika kita berasaskan strategi kami pada keputusan ini, kita akan menjangkakan sistem untuk terus menghasilkan pulangan yang sangat tinggi ini.

Sebaliknya, jika kita akan memulakan dagangan sistem ini pada Januari 1, 2006, kita akan melihat jumlah pulangan sebanyak hanya 2.5% dalam tempoh tiga tahun pertama. Kami juga akan terpaksa duduk melalui 14.2% pengeluaran.

Ia juga diingat bahawa walaupun rekod sepuluh tahun sistem ini dari 2001 melalui 2010 adalah sangat dihormati, kita tidak akan tahu bahawa apabila kita bermula pada 2001. Jika kita benar-benar memulakan dagangan sistem ini dalam 2001, kami akan menunjukkan jumlah pulangan sebanyak -6.2% pada akhir 2002. Selepas dua tahun penuh perdagangan sistem ini, kita tidak akan mempunyai satu perkara yang tunggal untuk menunjukkan untuk itu. Sistem ini tidak mencari pemenang besar pertamanya sehingga April 15, 2003.

Seperti yang anda lihat, masa yang anda memilih untuk memulakan perniagaan yang 10/100 Melangkah Purata Sistem Crossover boleh membuat semua perbezaan di sepanjang apa yang sedekad bersih menguntungkan. Ia adalah sangat penting untuk menyimpan ini dalam fikiran apabila anda berjuang melalui drawdowns.

Melaraskan Pasaran Dagangan

Pasaran anda memilih untuk perdagangan boleh mempunyai kesan yang sama pada trading anda sebagai tarikh anda memulakan trading. Mari kita lihat bagaimana sistem yang sama tepat akan dilakukan sepanjang dekad yang sama tepat jika kita memilih untuk berdagang pada ETF berbeza.

Perdagangan yang 10/100 Melangkah Purata Sistem Crossover pada XLF, yang mewakili kewangan, akan menyediakan jumlah pulangan sebanyak -9.4% untuk dekad dengan pengeluaran maksimum 30%. Ia adalah jelas kepada kita pada ketika ini bahawa kewangan mempunyai masa yang kasar dalam tempoh ini, tetapi kita akan tidak mempunyai petunjuk tentang bahawa apabila kita bermula pada 2001.

XLY di, yang mewakili saham budi bicara pengguna, juga akan kurang berprestasi yang VTI. Berdagang sistem di XLY akan kembali sejumlah 39.4, atau 6.4% setiap tahun, dengan pengeluaran maksimum 21.3%.

Backtesting bias for xly

XLY menunjukkan 39.4% kembali sepanjang dekad yang sama

Jika kita bernasib baik cukup untuk perdagangan XLK, yang mewakili sektor teknologi, kita akan melihat jumlah pulangan besar 95.7%. Ini kerja-kerja daripada menjadi pulangan tahunan sebanyak 14.2% dengan pengeluaran maksimum 22.3%.

Sekali lagi, kita lihat bahawa keputusan seperti apa yang pasaran untuk berdagang dan bila untuk memulakan boleh mempunyai pengaruh yang besar ke atas keputusan kami. Inilah sebabnya mengapa ia begitu penting untuk teliti backtest mana-mana strategi di banyak kombinasi yang berlainan julat tarikh dan pasaran.

Bagaimana Jangkaan ujian tersokong berat sebelah memutarbelitkan

oleh Tinggalkan komen

“Mengapa tidak keputusan dagangan saya pernah seolah-olah sama dengan hasil ujian tersokong saya? Saya mengikuti sistem yang sempurna!”

Sesiapa yang pernah didagangkan strategi sistematik teliti backtested telah mungkin bertanya diri mereka soalan ini. Jawapannya adalah bahawa walaupun segala usaha yang anda dimasukkan ke dalam pengekodan dan ujian tersokong sistem anda, terdapat kemungkinan beberapa berat sebelah yang merayap di sengetkan keputusan anda.

Berat sebelah ujian tersokong datang dalam pelbagai bentuk dan saiz. Ada yang statistik, manakala yang lain adalah psikologi. Kebanyakan stem daripada percanggahan sangat sedikit. Mereka boleh menjadi sangat sukar untuk melihat, tetapi boleh memutarbelitkan jangkaan anda. Berat sebelah yang tidak terkawal boleh membawa anda untuk mempercayai bahawa sistem yang kalah adalah agak selamat.

Untuk mengekalkan berat sebelah ini daripada hasil ujian tersokong anda, ia adalah penting untuk mengetahui bentuk yang paling biasa dan bagaimana mereka boleh menjalar ke dalam ujian anda. Berikut adalah empat berat sebelah paling biasa yang saya menangkap diri saya bergelut dengan.

Backtesting bias

Berat sebelah ujian tersokong buta mata peniaga kepada realiti pasaran.

Data pengintipan Bias

Data pengintipan Bias juga dirujuk sebagai Optimization Bias atau Curve Fitting. Berat sebelah ini adalah hasil daripada penapisan parameter terlalu banyak untuk meningkatkan prestasi sistem ini pada set data tunggal. Seperti kebanyakan berat sebelah, Data pengintipan agak mudah difahami pada nilai muka, walau bagaimanapun, ia mempunyai kebiasaan halus menjalar masuk ke dalam pembangunan sistem.

Satu contoh yang biasa pengintipan data bermula sebagai usaha yang jujur ​​untuk memperbaiki sistem yang. Anda kemudian menguji jika menambah petunjuk lain ke dalam campuran akan meningkatkan keputusan anda. Jika ia, maka anda menggabungkan bahawa penunjuk ke dalam sistem dan ujian menambah petunjuk lain. Hasilnya adalah satu sistem yang sempurna dioptimumkan untuk berdagang data yang tepat menetapkan anda diuji pada. Masalahnya ialah bahawa sistem ini hanya dioptimumkan untuk set data yang tertentu, yang telah berlaku.

Cara terbaik untuk mengelakkan pengintipan data, atau lengkung sesuai, adalah untuk menjaga sistem anda mudah, menggunakan sebagai beberapa parameter yang mungkin. Ia juga penting untuk backtest sistem anda pada banyak set data yang berbeza di seluruh pasaran yang berbeza dan tempoh masa.

Pandang-Hadapan Bias

Melihat-Hadapan Bias berlaku apabila keputusan ujian tersokong yang diputarbelitkan kerana keputusan perdagangan adalah berdasarkan maklumat yang tidak lagi tersedia. Ini biasanya berlaku kerana data tambahan termasuk secara tidak sengaja dan kami hanya tidak menyedarinya. Ralat ini sering sangat sedikit, itulah sebabnya mereka begitu mudah terlepas pandang. Mereka boleh, Walau bagaimanapun, mempunyai kesan yang dramatik terhadap keputusan keseluruhan.

Contoh-Pandang Hadapan Bias akan menggunakan set data keseluruhan untuk mengira parameter optimum untuk strategi dan kemudian menguji strategi pada set data yang menggunakan parameter. Kerana parameter telah dikira menggunakan keseluruhan set data, mereka secara teknikal menggunakan data masa depan untuk membuat keputusan perdagangan.

Kelangsungan Bias

Survivorship Bias menangani konsep bahawa banyak set data tidak termasuk aset yang tidak lagi disenaraikan. Hasilnya adalah bahawa set-set data hanya termasuk aset yang terselamat ke titik ini. Ini menjadikan mereka condong kepada sudut positif kerana mereka tidak termasuk aset yang tidak terselamat.

Satu contoh klasik Keberterusan Bias akan ujian tersokong strategi perdagangan saham dalam tempoh masa itu termasuk kemalangan dot-com. Jika saham yang muflis dalam kemalangan yang tidak termasuk dalam set data dan strategi anda akan menjadi perdagangan mereka, maka keputusan anda mungkin cenderung.

Cara terbaik untuk mengelakkan isu ini adalah untuk mengambil data yang bebas Keberterusan Bias. Pilihan lain adalah dengan menggunakan data yang lebih baru-baru ini atau pasaran yang kurang terdedah kepada Keberterusan Bias.

Toleransi Bias

Saya lihat ia menulis bahawa setiap peniaga berpendapat bahawa mereka akan dapat menahan dua kali pengeluaran yang mereka benar-benar akan dapat bertolak ansur. Ini adalah punca Toleransi Bias, yang merupakan seorang peniaga overestimating keupayaannya untuk bertolak ansur drawdowns. Kecenderungan ini adalah benar-benar psikologi.

Saya menyediakan contoh yang baik ini dalam post saya mengenai 3 Hari Tinggi / Rendah Min Sistem Pengambilan. Dalam post yang, Saya menegaskan bahawa sistem itu mempunyai pengeluaran keseluruhan hanya lebih 15%. Kedudukan yang kalah terbesar Sistem ini turun lebih 18%.

Walaupun ia adalah mudah untuk melihat pulangan keseluruhan sistem dan bersetuju bahawa ia adalah menguntungkan, ia adalah naif untuk berfikir bahawa ia tidak akan menjadi satu cabaran untuk berpegang kepada sistem pada titik rendah. Bayangkan duduk di atas 15% kerugian bagi kehidupan sistem anda dan memegang jawatan yang turun 18%. Anda pasti akan mempersoalkan sama ada pasaran telah berubah pada dasarnya dengan cara yang dibuat sistem anda tidak berkesan.

Cara terbaik untuk mengelakkan berat sebelah toleransi adalah untuk secara mendadak memandang rendah toleransi pengeluaran anda.