standard deviation Archives - Algoritma dan Strategi Forex Mekanikal

How badly do I want in?

Mac 22, 2016 oleh Shaun Overton 10 Komen

You absolutely must check your trading system’s performance on a regular basis. You’re going to miss most of the problems from watching your equity curve alone.

That almost happened to me a few weeks ago. When I observed my account, I noticed that the real results had dramatically underperformed the hypothetical results. A quick review showed me that I only took 271 trades over the prior week, whereas my backtest expected to find 360.

I was only trading 75% of the setups! What could explain the missing trades?

Finding the flaw

One feature that I wrote into the MetaTrader version of the Dominari was a maximum spread feature. I’m paying commissions, so the idea of the rare but possible scenario of paying a 10 pip spread to enter a trade seemed intolerable. I added a maximum spread feature to prevent getting ripped off.

I also didn’t put much thought into what happens if the spread is too wide. My initial instinct was to put the EA into hibernation for a few seconds. It would then wake up and check the spread. If the spread narrowed enough, it would send a market order. But in my haste to start trading, I forgot to also require that the price be near my original requested price. That design would have allowed the market to drift up 10 pips and then, if the spread narrowed, dramatically overpay to get in the trade.

The new method for capping the spread paid uses limit orders if the spread is too wide. The advantage to this method is that it solves two simultaneous problems. The first one is easy to understand. A limit order has a limited price. It’s not possible for the price drift described in the above paragraph to occur. I either get the price I want or the market moves without me and I miss the trade.

Equity curve since I made the execution changes on March 16.

The second advantage to using limit orders on entry is the fact that a limit order rests on the broker’s server. The hibernating method could potentially miss fractions of a second where the spread temporarily narrows to an acceptable price. Limit orders catch all price quotes, improving my theoretical likelihood of a fill.

Reality proved the theory after a week of trading. Instead of taking 75% of all possible signals, I’m now taking 87.5% of signals. That’s a result of the new limit method and my willingness to pay a wider spread to enter a trade.

More improvement

The question at the top of my mind was, “Should I be willing to pay even more to enter these trades?” Like a good quant, I immediately decided to calculate the question instead of haphazardly guessing.

I wrote a script in MetaTrader to search for every limit order in my account which was cancelled. I then looked at what the hypothetical performance of those trades would have been if I had simply paid the exorbitant spread.

It turns out that I should be willing to pay a lot more money to enter these trades.

There have been 50 cancelled limit orders within the past week, 44 of which were theoretically profitable. The average theoretical profit per trade was €1.28 compared to €0.33 for all executed trades. That’s a massive 287% difference in profitability!

The other shocker was the percent accuracy. 44 daripada 50 implies an accuracy of 88%, berbanding dengan 64% accuracy on executed trades. 50 signals isn’t a lot. Am I getting too excited about missed profits or is that bad luck?

Basic statistics gives an answer with a high degree of precision. If the real accuracy is 64%, then you would expect to see 50 * 0.64 = 32 winning trades in a random sampling. My observed, theoretical accuracy with these limit orders was 44 orders out of 50, yang 88% tepat.

It turns out that I should be willing to pay a lot more money to enter these trades.

Yang sisihan piawai untuk 64% accuracy on 50 orders is 0.48, which we can then use to calculate the standard error. The standard error on 50 orders is sqrt(50) * 0.48 = 3.42 pesanan.

And finally, the standard error gives us enough information to compute the z-score. The z-score is the observed values-expected values/standard error, yang (44-32) / 3.42 = 3.5. A z-skor daripada 3.5 has a probability of 0.000233 occurring due to random chance, or about 1 dalam 4,299 ujian.

Kesimpulan: The statistics say with high confidence that my non-executed orders are substantially more accurate than my executed orders.

With the orders being both more accurate and having a higher per trade value, I increased the maximum spread that I’m willing to pay by 53%. While that sounds oddly precise, the per trade value might be substantially overestimated. I ball parked a guess that paying 40% in trade costs for a high quality trade seems reasonable. That number may have to go higher in order for me to measure the details.

Ideas for exploration

The amazing extrapolation from the live order analysis is that the spread seems to predict my likelihood of success. Wider spreads make me more likely to succeed and with a better risk:reward ratio. My project over the next few days will be to start logging my spreads at signal generation time to evaluate whether the spread predicts the profitability of my signals.

Cukup aneh, there might even be a paradoxical outcome where narrow spreads predict my failure. More on that when I have enough data to answer the question.

Trading Lessons from the Latest Gold Spike

Februari 19, 2016 oleh Lior Alkalay 10 Komen

After a relatively long period of calm, Gold has come back from the dead. Half way through February, Gold prices have spiked by more than 12%. Ini, sudah tentu, has got some traders scratching their head, wondering where the heck the spike came from… as if Gold moves materialize out of thin air.

Baik, Gold moves don’t just “happen.” In fact, the latest spike in Gold price provides some powerful trading lessons on trading Gold.

Charting Gold Volatility with MT4

Before we jump into the lessons to be learned let’s first focus on the cycles of Gold. That should help explain the latest Gold Spike. Despite what you may have heard, Gold does have cycles. Yang menghairankan, the cycles are not in the price itself but in the level of volatility. In the past, I expanded on the advanced use of derivatives to predict an upcoming Gold move and direction. But the lesson here is far simpler.

In the weekly Gold chart below, we have measured Gold’s volatility through Standard Deviation (or StdDev), which is available in MetaTrader.

As one can see, Gold’s StdDev is remarkably simple to analyze. Every time the StdDev falls to 20 it jumps back up. And every time Gold’s StdDev jumps to 80 it falls down, back to the 20 rendah. The only exceptions were two extreme cases when the StdDev reached 145.

Lebih-lebih lagi, we can see that if StdDev has hit lows more than once the spike of volatility higher is almost certain.

Sumber: MT4

First Trading Lesson

Sudah tentu, our StdDev analysis is not unique to the latest spike. But what can we learn? The first interesting lesson is that volatility spikes tend to concentrate around resistance/support levels. In our case, that is the 1,050 sokongan, aka Point A. That means that Gold opportunities tend to occur around support and resistance levels. Sekarang, it may seem an obvious conclusion but here is what it actually means:

When you have a support or resistance level and StdDev is at 20 that’s the ideal time for entry. You will have both textbook support and resistance levels working smoothly. Then you’ll know that a strong momentum is coming.

Second Lesson

The second lesson is a simple but important one. A spike in Gold volatility does not necessarily mean a break of support and resistance levels. When technicals suggest that the support level will hold look at the StdDev. If the StdDev is at 20 baguslah begitu; it re-enforces that simple fact that the support level will hold.

Third Lesson

The third lesson, which combines the first two, is perhaps the most interesting. It is the understanding that one jump in StdDev is not equal to one move. Biar saya yang rumit; say StdDev has hit the 20 low near the 1,050 sokongan. Sementara itu, Gold prices have spiked but StdDev hasn’t yet reached the 80 tinggi. That means that volatility is set to rise but it doesn’t necessarily mean that Gold will keep moving in the same direction.

Sebaliknya, it means it will just move with a strong momentum. In the case above we can see Gold has hit the upper price channel resistance at Point B. But StdDev suggests volatility still hasn’t been maximized. And that means that the rise in volatility, next time, could come in the form of a short.

What Did We Learn?

So if we take our three lessons and try to summarize them, what did we learn? We learned that when StdDev is at its 20 lows it’s the best time to trade Gold. That’s because it guarantees that you will get a strong price momentum and it validates your technical analysis on Gold.

Isyarat yang muktamad untuk julat terikat perdagangan

Ogos 19, 2015 oleh Lior Alkalay 6 Komen

Bagaimana seseorang tidak mengenalpasti peluang julat yang terikat yang menurun kepada kami? We all know the trading signals for identifying trends and trend breaks, but how about those that identify a range bound? While most of us focus on riding the next trend that may not be where the next opportunity lies.

That might be in a range bound, where it’s easy to figure where the pair will move lower or higher. Sudah tentu, we all know what a range bound looks like in the charts. The problem is once we identify it as such, it might be too late. Many of the range bound trends become apparent only in retrospect, when the pattern crystallizes. But there is some good news. Just like tools that identify trends and trend breaks, there are effective tools for identifying the approach of a range bound.

Range Bound and Moving Standard Deviation

The single most evident quality of range bound is, quite simply, falling volatility or Standard Deviation. As Standard Deviation falls, the pair has smaller fluctuations and therefore is “bound” within a range. Begitu juga, when Standard Deviation is low we are stuck in a range.

If we can time Standard Deviation (and we can), we can know when it’s about to fall. If it is about to fall then we are heading to a range bound and can adjust our strategy accordingly. Moving Standard Deviation is a measure of the change of Standard Deviation through time. And it is exactly designed for our specific case and thus makes it the ultimate tool to time an upcoming range bound. Here’s how you do that:

Sumber: e-isyarat

In the chart above, we have the Moving Standard Deviation or MSD running (at the bottom). It is evident that MSD tends to top out after surpassing the 80% level while it tends to bounce back after falling below 20%.

In part A and C, you can clearly see that as MSD topped out above 80% the pair became less volatile and then moved into a range. Pada sebelah flip, when MSD moved below 20%, we can expect the range bound to end and the trend to continue.

Validate the Range

First Validation: If the pair had been surging when the MSD surpassed the 80 tahap, that’s your high band of the range. On the other end, if the pair had been sliding when the 80 was reached, that’s your low. Whatever high or low was reached during the time the MSD hit above 80 that’s your first confirmation of the range you will be getting.

Second Validation: The confirmation of the other band of the range will present itself as a candle with a needle, rather shortly after.

A Few Rules of Thumb

MSD 20 - Exit Immediately: Regardless of direction in your range bound trade (long/short) or time elapsed since the 80 level signaled the range bound, be wary. If the MSD falls below 20 get ready to terminate your trade, because the trend is about to resume and your range might be over. Although it’s not always immediate, it’s better to take precaution rather than lose your gains by ignoring the below 20 isyarat.

MSD is Only Good for Range: That might sound tricky. As we just stated, the MSD will always fall below 20 before the trend resumes. You’ll know when to exit your range bound trade and be able to cap your risk of loss. But many times MSD will fall below 20 and the trend won’t immediately resume. Oleh itu, don’t use the MSD to predict the opposite of a range bound; yang, to predict the trend. There are different tools for identifying when a trend is about to re-emerge.

Range Bound Cycles: Akhirnya, as you can see in the chart, in the long run the cycles of range bound vs trending tend to be more or less the same length. That is always something to keep in mind. Although the MSD will be your mark to exit/enter the range, timing your cycles of range is always useful to let you know how much more time might be left in that lucrative range bound trend you are taking.

Dimensi pintu air masa dalam perdagangan

Julai 9, 2015 oleh Lior Alkalay 6 Komen

Blogosphere dagangan ini penuh dengan artikel tentang kepentingan masa perdagangan anda. Sudah tentu, ianya penting bagi; mengenal pasti trend yang betul, knowing when to open or close – all integral to the trade. But here is the thing, there’s another dimension and timing is only half the story. Anda lihat, in the real world, it’s not just about the timing of your entry and exit but also the time between. Malah, the duration of your trade matters a lot more than you might think. In this article I’ll discuss the various aspects in which time can affect both short and long term strategies.

Duration and Returns

Let’s consider a theoretical trading situation, looking at two strategies. The first is a high frequency one designed at gaining 1 PIP, with every trade taking a single second. We’ll call this Strategy A. The second strategy, Strategy B, is designed to generate a profit of 10 pips every 10 saat. So which is the better strategy? On paper, both should generate 60 pips per minute hence equal returns. But in the real world? Baik, that’s an entirely different story.

In real life, when you aggregate the results of the two strategies, you’re going to be in for a big surprise. Under Strategy A you had a profit of 50 pips after 1 minit. But under Strategy B you had a profit of 66 pips. Sekarang which strategy do you think is better? Sudah tentu, you’d pick B. Menariknya, setiap perdagangan, each strategy profited exactly as planned. Strategy A profited 1 pip and Strategy B profited 10 pips per trade.

So what made the difference? The time. As you can see below in the two charts, strategy A, when executed, took a little longer on average than initially expected. From the measurement of the duration of trades it clustered around 1.2 seconds per trade rather than 1 kedua. In Strategy B, the measurement of duration per trade, secara purata, is about 9 saat. When executed, Strategy B trades took less time than initially expected. Akhirnya, at the end of the day, Strategy B returned 66 pips or 32% more than Strategy A’s 50 pips. That means Strategy B is the superior choice.

Sekarang, let’s look at this a bit closer still. We’re going to take the duration of each of the trades executed and measure the standard deviation (a simple exercise in Excel). You would discover that in Strategy A, while the average might be 1 second per trade, sisihan piawai adalah tinggi. That suggests the cycles are not equal thus the strategy is less efficient. Sebaliknya, Strategy B has a low standard deviation, meaning most trades are close to 10 saat. Oleh itu, it has more predictable returns and, oleh itu, a more effective strategy. When you measure a strategy, understand that beyond returns and risk, the time each trade takes matters. And in fact, it can matter quite a lot.

Duration and Swing Trading

So now we understand how the nuances of time can affect the eventual returns of each strategy. Yet when it comes to longer duration trades (Dgn kata lain. minggu atau bulan) there is still another element. Dalam kes ini, it is the amount of time the trade has been positive.

Let’s look at another theoretical scenario. Kali ini, we have Strategies C and D, each has the identical duration of two weeks. Begitu juga, both have the same standard deviation of duration and roughly the same returns. But one strategy is riskier than the other. The question is which? The answer is the strategy that has been profitable for the least amount of time. Say you opened two trades; Strategy C was profitable for 12 daripada 14 days it took to reach its target. Strategy D had been negative for the first 12 days before producing steep returns in the last 2. Strategy D, kemudian, is clearly more risky because you are risking a loss for a longer time. This also suggests that, mungkin, the entry signal for Strategy D is not very well calibrated. Strategy C is clearly more effective and less risky, secara purata.

The Bottom Line

Sudah tentu, there are many more aspects to measuring time effectiveness in a trading strategy. There are also other dimensions to examine beyond just time. But the lesson here is clear. The next time you measure your own trading strategy remember that time isn’t just about timing.

Bagaimana Untuk Win Dengan Sistem Trading Mekanikal

Mac 18, 2014 oleh Eddie Flower 13 Komen

Dakwat Banyak yang telah ditumpukan kepada penentuan punca mekanikal sistem perdagangan kegagalan, terutamanya selepas fakta. Walaupun ia mungkin kelihatan oxymoronic (atau, kepada beberapa peniaga, hanya Pandir), sebab utama mengapa sistem ini perdagangan gagal adalah kerana mereka bergantung terlalu banyak pada tangan-percuma, api-dan-lupa sifat perdagangan mekanikal. Algoritma diri mereka kekurangan pengawasan objektif manusia dan campur tangan yang perlu untuk membantu sistem berkembang sejajar dengan keadaan pasaran yang berubah-ubah.

Mekanikal kegagalan sistem perdagangan, atau kegagalan peniaga?

Daripada meratapi kegagalan perdagangan-sistem, ia lebih konstruktif untuk mempertimbangkan cara di mana peniaga-peniaga boleh memiliki yang terbaik daripada kedua-dua dunia: Yang, peniaga boleh menikmati faedah daripada sistem perdagangan mekanikal algoritma diurus, seperti cepat-api hukuman automatik dan keputusan perdagangan emosi bebas, sementara masih memanfaatkan kapasiti manusia yang semula jadi mereka untuk berfikir secara objektif tentang kegagalan dan kejayaan.

Elemen paling penting dalam mana-mana peniaga adalah keupayaan manusia untuk berubah. Peniaga boleh berubah dan menyesuaikan diri sistem perdagangan mereka untuk terus memenangi kerugian sebelum mendapat kewangan atau emosi yang dahsyat.

Pilih jenis yang betul dan jumlah data pasaran untuk ujian

Trader yang berjaya menggunakan satu sistem peraturan yang berulang-ulang untuk menuai keuntungan dari ketidakcekapan jangka pendek di pasaran. Untuk kecil, peniaga bebas dalam dunia besar sekuriti dan derivatif dagangan, di mana spread adalah nipis dan persaingan sengit, peluang terbaik untuk keuntungan datang dari mengesan ketidakcekapan pasaran berdasarkan mudah, mudah-untuk-mengukur data, kemudian mengambil tindakan secepat mungkin.

Apabila seorang peniaga membangun dan mengoperasikan sistem perdagangan mekanikal berdasarkan data sejarah, dia berharap untuk keuntungan masa depan berdasarkan idea bahawa ketidakcekapan pasaran semasa akan terus. Jika seorang peniaga memilih data yang salah menetapkan atau menggunakan parameter salah untuk layak data, peluang berharga mungkin hilang. Pada masa yang sama, sekali ketidakcekapan yang dikesan dalam data sejarah tidak lagi wujud, maka sistem perdagangan yang gagal. Sebab-sebab mengapa ia hilang tidak penting untuk peniaga mekanikal. Hanya keputusan perkara.

Pilih set data yang paling penting apabila memilih set data dari mana untuk mencipta dan menguji sistem perdagangan mekanikal. Dan, untuk menguji sampel yang cukup besar untuk mengesahkan sama ada peraturan perdagangan bekerja secara konsisten di bawah pelbagai keadaan pasaran, peniaga perlu menggunakan tempoh praktikal terpanjang ujian data.

Jadi, ia seolah-olah sesuai untuk membina sistem perdagangan mekanikal berdasarkan kepada kedua-dua data sejarah yang paling lama mungkin ditetapkan serta set yang paling mudah parameter reka bentuk. Keteguhan umumnya dianggap keupayaan untuk menahan banyak jenis keadaan pasaran. Keteguhan harus wujud dalam mana-mana sistem yang telah diuji di seluruh julat masa yang panjang data sejarah dan peraturan yang mudah. Ujian yang panjang dan kaedah-kaedah asas harus mencerminkan pelbagai terluas keadaan pasaran yang berpotensi di masa depan.

Semua sistem perdagangan mekanikal akhirnya akan gagal kerana data sejarah jelas tidak mengandungi semua peristiwa masa hadapan. Mana-mana sistem yang dibina di atas data sejarah akhirnya akan menghadapi keadaan ahistorical. Pandangan manusia dan menghalang campur tangan strategi automatik dari berjalan di luar rel. Penduduk di Knight Capital tahu sesuatu tentang snafus dagangan.

Kesederhanaan menang dengan penyesuaian

Sistem perdagangan mekanikal yang berjaya adalah seperti hidup, organisma bernafas. Strata geologi di dunia dipenuhi dengan fosil organisma yang, walaupun sesuai untuk kejayaan jangka pendek dalam tempoh sejarah mereka sendiri, telah terlalu khusus untuk kelangsungan hidup jangka panjang dan penyesuaian. Algoritma sistem perdagangan mekanikal mudah dengan panduan manusia adalah yang terbaik kerana mereka boleh menjalani cepat, evolusi mudah dan adaptasi kepada keadaan yang berubah-ubah dalam persekitaran (membaca pasaran).

Kaedah-kaedah perdagangan mudah mengurangkan potensi kesan berat sebelah data perlombongan. Berat sebelah dari perlombongan data adalah bermasalah kerana ia boleh terlalu keras menekankan bagaimana peraturan sejarah akan memohon di bawah keadaan masa depan, terutama apabila sistem perdagangan mekanikal memberi tumpuan kepada jangka masa pendek. Sistem perdagangan mekanikal mudah dan mantap tidak terjejas oleh oleh tempoh masa yang digunakan untuk tujuan ujian. - Bilangan titik ujian didapati dalam julat yang diberikan data sejarah masih harus cukup besar untuk membuktikan atau menyangkal kesahihan peraturan perdagangan yang diuji. Dinyatakan berbeza, mudah, sistem perdagangan mekanikal teguh akan lebih bernas dr berat sebelah data perlombongan.

Jika seorang peniaga menggunakan sistem dengan parameter reka bentuk yang mudah, seperti yang Sistem QuantBar, dan menguji dengan menggunakan tempoh masa sejarah yang paling panjang yang sesuai, maka hanya tugas-tugas penting yang lain adalah untuk berpegang kepada disiplin dagangan sistem pemantauan dan keputusan dalam melangkah ke hadapan. Pemerhatian membolehkan evolusi.

Sebaliknya, pelanggan yang menggunakan sistem perdagangan mekanikal dibina daripada satu set kompleks pelbagai parameter menghadapi risiko "pra-berkembang" sistem mereka pupus awal.

Membina sebuah sistem yang teguh yang menggunakan yang terbaik daripada perdagangan mekanikal, tanpa menjadi mangsa kepada kelemahan

Ia adalah penting untuk tidak mengelirukan keteguhan sistem perdagangan mekanikal dengan penyesuaian mereka. Sistem dibangunkan berdasarkan pelbagai parameter menyebabkan memenangi perdagangan semasa tempoh sejarah - dan walaupun dalam tempoh yang diperhatikan semasa - '. Teguh' sering digambarkan sebagai Yang ada jaminan bahawa sistem tersebut boleh berjaya mengagak sekali mereka telah perdagangan mereka yang lalu "tempoh bulan madu.” Itulah tempoh perdagangan awal di mana keadaan berlaku serentak dengan tempoh sejarah yang tertentu di mana sistem itu berdasarkan.

Sistem perdagangan mekanikal mudah mudah disesuaikan dengan keadaan baru, walaupun punca perubahan pasaran kekal tidak jelas, dan sistem yang kompleks jatuh pendek. Apabila keadaan pasaran perubahan, kerana mereka terus-menerus melakukan, sistem perdagangan yang paling mungkin untuk terus menang adalah mereka yang mudah dan paling mudah menyesuaikan diri dengan keadaan baru; sistem yang benar-benar mantap adalah salah satu yang mempunyai usia yang panjang atas semua.

Algoritma sistem perdagangan mekanikal mudah dengan panduan manusia adalah yang terbaik kerana mereka boleh menjalani cepat, evolusi mudah dan adaptasi kepada keadaan yang berubah-ubah dalam persekitaran (membaca pasaran).

Malangnya, selepas mengalami tempoh permulaan keuntungan apabila menggunakan sistem perdagangan terlalu-kompleks mekanikal, banyak peniaga jatuh ke dalam perangkap yang cuba untuk tweak sistem tersebut kembali kepada kejayaan. Pasaran ini tidak diketahui, belum berubah, keadaan mungkin telah ditakdirkan bahawa seluruh spesis sistem perdagangan mekanikal kepada kepupusan. Lagi, kesederhanaan dan keupayaan menyesuaikan diri dengan keadaan yang berubah-ubah menawarkan harapan terbaik untuk hidup dengan mana-mana sistem perdagangan.

Menggunakan pengukuran objektif untuk membezakan antara kejayaan dan kegagalan

Kejatuhan yang paling biasa-A pedagang adalah lampiran psikologi kepada sistem perdagangan masing-masing. Apabila kegagalan perdagangan-sistem berlaku, ia biasanya kerana peniaga telah menerima pakai subjektif bukannya sudut pandangan objektif, terutamanya yang berkaitan dengan stop-kerugian dalam perdagangan tertentu.

Sifat manusia sering mendorong peniaga untuk membangunkan lampiran emosi kepada sistem tertentu, terutama apabila peniaga itu telah melabur sejumlah besar masa dan wang ke dalam sistem perdagangan mekanikal dengan banyak bahagian kompleks yang sukar untuk difahami. Walau bagaimanapun, ia amat penting untuk seseorang peniaga itu melangkah keluar sistem untuk menganggapnya secara objektif.

Dalam sesetengah kes, peniaga menjadi delusional tentang kejayaan yang diharapkan daripada sistem, walaupun sehingga ke tahap yang berterusan untuk berdagang sistem jelas-kalah jauh lebih lama daripada analisis subjektif akan dibenarkan. Atau, selepas tempoh kemenangan lemak, seorang peniaga mungkin menjadi "berkahwin" untuk sistem sebelum ini yang memenangi walaupun ketika keindahannya pudar di bawah tekanan kerugian. Lebih buruk lagi, peniaga boleh jatuh ke dalam perangkap selektif memilih tempoh ujian atau parameter statistik untuk satu sistem yang sudah kehilangan, untuk mengekalkan harapan palsu untuk nilai berterusan sistem.

Pengukur objektif, seperti menggunakan kaedah sisihan piawai untuk menilai kebarangkalian kegagalan semasa, adalah kaedah yang hanya menang untuk menentukan sama ada sistem perdagangan mekanikal telah benar-benar gagal. Melalui mata objektif, ia mudah untuk seseorang peniaga itu dengan cepat melihat kegagalan atau kegagalan yang berpotensi dalam sistem perdagangan mekanikal, dan satu sistem yang mudah boleh dengan cepat dan mudah disesuaikan dengan mewujudkan satu sistem yang baru memenangi sekali lagi.

Kegagalan sistem perdagangan mekanikal sering dikuantifikasikan berdasarkan perbandingan kerugian semasa apabila diukur terhadap kerugian atau sejarah drawdowns. Analisis ini boleh membawa kepada subjektif, kesimpulan yang tidak betul. Pengeluaran maksimum sering digunakan sebagai metrik ambang di mana peniaga akan meninggalkan sistem. Tanpa mengambil kira cara di mana sistem yang mencapai tahap pengeluaran, atau tempoh masa yang diperlukan untuk mencapai tahap yang, seorang peniaga tidak harus membuat kesimpulan bahawa sistem itu adalah orang yang rugi berdasarkan pengeluaran sahaja.

Sisihan piawai berbanding pengeluaran sebagai metrik kegagalan

Malah, kaedah terbaik untuk mengelakkan membuang sistem pemenang adalah dengan menggunakan standard pengukuran objektif untuk menentukan pengagihan semasa atau baru-baru ini pulangan daripada sistem yang diperolehi manakala perdagangan sebenarnya ia. Bandingkan pengukuran itu terhadap pengedaran sejarah pulangan dikira dari ujian belakang, manakala memberikan nilai ambang tetap mengikut kepastian bahawa semasa "kehilangan" pengedaran sistem perdagangan mekanikal memang luar biasa, kerugian to-be-dijangka, dan oleh itu perlu dibuang kerana gagal.

Jadi, contohnya, menganggap bahawa seorang peniaga mengabaikan tahap pengeluaran semasa yang telah memberi isyarat masalah dan mencetuskan penyiasatannya. Sebaliknya, membandingkan kehilangan coretan semasa dengan kerugian sejarah yang akan berlaku semasa trading sistem yang semasa tempoh ujian sejarah. Bergantung kepada bagaimana konservatif peniaga adalah, dia mungkin mendapati bahawa kerugian semasa atau baru-baru ini adalah di luar, berkata, yang 95% tahap kepastian tersirat oleh dua sisihan piawai daripada nilai "normal" tahap kerugian lampau. Ini sudah tentu akan menjadi tanda statistik yang kukuh bahawa sistem yang melaksanakan dengan baik, dan oleh itu telah gagal. Berbeza, peniaga yang berbeza dengan selera makan yang lebih besar bagi risiko secara objektif boleh memutuskan bahawa tiga sisihan piawai daripada norma (Dgn kata lain. 99.7%) adalah tahap kepastian yang sesuai untuk menilai sistem perdagangan sebagai "gagal."

Faktor yang paling penting untuk mana-mana sistem perdagangan’ kejayaan, sama ada manual atau mekanikal, sentiasa keupayaan membuat keputusan manusia. Nilai sistem perdagangan mekanikal yang baik adalah bahawa, seperti semua mesin yang baik, mereka mengurangkan kelemahan manusia dan memperkasakan pencapaian jauh di luar yang boleh dicapai melalui kaedah manual. Namun, apabila betul dibina, mereka masih membenarkan kawalan firma mengikut pertimbangan pedagang dan meminta bantuan rakan untuk mengelakkan rintangan dan kegagalan yang berpotensi.

Walaupun seorang peniaga boleh menggunakan matematik dalam bentuk pengiraan statistik pengedaran standard untuk menilai sama ada kerugian adalah perkara biasa dan boleh diterima menurut catatan sejarah, dia masih bergantung kepada pertimbangan manusia dan bukannya semata-mata membuat-mekanikal, keputusan berasaskan matematik-berdasarkan algoritma sahaja.

Peniaga boleh menikmati yang terbaik daripada kedua-dua dunia. Kuasa algoritma dan perdagangan mekanikal meminimumkan kesan emosi manusia dan pengalaman diperlukan pada penempatan perintah dan pelaksanaan, terutamanya yang berkaitan dengan mengekalkan disiplin henti kerugian. Ia masih menggunakan penilaian objektif sisihan piawai untuk mengekalkan kawalan ke atas manusia sistem perdagangan.

Bersedia untuk berubah, dan bersedia untuk mengubah sistem perdagangan

Bersama-sama dengan objektif untuk mengesan apabila sistem perdagangan mekanikal berubah dari pemenang ke rugi, peniaga juga perlu mempunyai disiplin dan pandangan jauh berubah dan mengubah sistem supaya mereka boleh terus menang dalam keadaan pasaran yang baru. Dalam mana-mana persekitaran yang penuh dengan perubahan, yang mudah sistem, evolusinya yang lebih cepat dan lebih mudah akan. Jika strategi kompleks gagal, ia mungkin lebih mudah untuk menggantikan daripada untuk mengubahsuainya, manakala beberapa sistem yang paling mudah dan paling intuitif, seperti yang Sistem QuantBar, adalah agak mudah untuk mengubah suai on-the-fly untuk menyesuaikan diri dengan keadaan pasaran masa depan.

Kesimpulannya, ia boleh dikatakan sistem dagangan betul-dibina mekanikal sepatutnya mudah dan cepat menyesuaikan diri, dan diuji mengikut jenis yang tepat dan jumlah data supaya mereka akan menjadi cukup kuat untuk menghasilkan keuntungan di bawah pelbagai keadaan pasaran. Dan, sistem memenangi mesti dihakimi oleh metrik yang sesuai dengan kejayaan. Mulai dari sini, bergantung kepada peraturan dagangan algoritma atau tahap pengeluaran maksimum, apa-apa keputusan mengenai sama ada sistem yang telah gagal hendaklah dibuat mengikut pertimbangan manusia pedagang, dan berdasarkan kepada penilaian ke atas jumlah sisihan piawai prestasi semasa sistem ini apabila dibandingkan dengan kerugian bersejarah-ujian yang. Jika sistem perdagangan mekanikal gagal untuk melaksanakan, peniaga perlu membuat perubahan yang perlu tidak hanya bergantung kepada satu sistem yang kalah.