Wie Sie Ihre Stock Market Indikatoren zur Optimierung

Optimierung

ist der Prozess, eine Hypothese (in diesem Fall ein Börsenindikator) auf historischen Daten zu testen, um herauszufinden, welche Anzeige am besten gearbeitet hätte. Die Optimierung ist ein notwendiges Übel, denn wenn man eine neue Sicherheits Handel erst anfangen, Sie wissen nicht, welche Indikatoren oder zu verwenden, welche Parameter in die Indikatoren zu setzen. In der empirischen Ansatz zu halten, versuchen verschiedene Indikatoren und andere Parameter in den Indikatoren, um zu sehen, was funktioniert.

Konstruieren einer Backtest-Optimierung

Backtesting (Prüfung auf historischen Daten) ist eine wertvolle Übung, die ein Maß dafür, wie gut ein Indikator Parameter liefert funktionieren könnte. Der einfache gleitende Durchschnitt Crossover Backtest hat diese formale Hypothese: # 147-Wenn Sie Lager XYZ kaufen, jedes Mal die Preis Kreuze über dem x-Tage gleitenden Durchschnitt und verkaufen sie jedes Mal die Preis Kreuze unterhalb der x-Tage gleitenden Durchschnitt, es wird konsequent und zuverlässig eine profitable Handels Regel sein. # 148 ;

Diese Tabelle zeigt die Ergebnisse einer Suche nach dem optimalen gleitenden Durchschnitt aus jedem gleitenden Durchschnitt von 10 bis 35 Tage über den letzten 1000 Tage.

Die Ergebnisse der Simple Moving Average Crossover Backtest auf XYZ-Aktie
Anzahl der Tage in Moving AverageDurchschnittliche Gewinn / Verlust-Prozent-GewinnAnzahl der Trades
101,56 $68.60%178
313,02 $59.34%32
353,32 $61,69%47

unter Verwendung eines 10-Tage gleitenden Durchschnitt Crossover des Preises Wenn Sie bereit gewesen war, 178 mal in 1000 Tage für den Handel, oder etwa alle 2 Wochen, würden Sie 68,6 Prozent gemacht haben. Ist das eine gute Zahl? Eine Möglichkeit, zu urteilen, ist es zu vergleichen, um zu Buy-and-Hold- mit anderen Worten, an Tag 1 Kauf und Verkauf am ersten Tag 1000.

Schlupf in den Handel Gewinne ist die Reduktion, die von der Handelskosten entsteht. der Indikator der Leistung nach dem Schlupf prüfen kann den Unterschied zwischen einem profitablen Handel Regel und einem unrentabel zu machen. Diese Tabelle, in die Kosten der Schlupf Factoring, macht nun die 31-Tage-Version des einfachen gleitenden Durchschnitt die bessere Wahl.

Die Ergebnisse der Simple Moving Average Crossover Backtest auf XYZ StockIncorporating $ 10 pro-Handel Slippage
Anzahl der Tage in Moving AverageDurchschnittliche Gewinn / Verlust-Prozent-GewinnAnzahl der Trades
10$ 0,3628,60%178
31$ 2,7049.34%32
35$ 2,1031.69%47

Verfeinern der Backtest

Die optimale gleitende Durchschnitt ist nicht auf nur ein Kriterium - Sie haben mehr als ein Ziel, das Sie sich für systematischen Handel suchen (in diesem Beispiel-Prozent-Gewinn.). Also, suchen Sie diese Hypothese zu beweisen: Jedesmal, wenn die kürzerfristigen Durchschnittspreis Kreuze über dem längerfristigen # 147 Wenn Sie kaufen XYZ Aktie gleitenden Durchschnitt bewegen und verkaufen sie jedesmal, wenn die kürzerfristigen gleitenden Durchschnitt kreuzt unter dem längerfristigen Durchschnitt bewegen, es wird konsequent und zuverlässig eine profitable Handels Regel sein # 148.

Diese Tabelle zeigt die Ergebnisse von jedem kurzfristigen Vergleich von 1 bis 20 Tage lang gegen jeden langfristigen gleitenden Durchschnitt 21 bis 100 Tage Moving Average. (Es enthält auch eine $ 10 Schlupf Kosten für jeden Handel.)

Ergebnisse von zwei Moving Average Crossover Backtests auf XYZ-Aktie
Kurzfristige Moving Average / Long-Term Moving Average-Prozent-Gewinninsgesamt TradesInsgesamt Profitable Handel / Total VerlusttradesDurchschnittliche Gewinn / Verlust
Version 1: 10/7358,6086/21,75
Version 2: 5/1063,4814747/1000,56

Der durchschnittliche Gewinn-Verlust-Spalte zeigt an, dass Version 1 macht weniger Gewinn als Version 2, sondern lediglich acht Gewerke über die 1000 Tage. Version 1 hat auch eine viel höhere Anzahl von Gewinn-Trades als Trades und einen höheren Gewinn-Verlust-Verhältnis zu verlieren. Die meisten Händler werden Zoom auf diesem Gewinn-Verlust-Verhältnis und die obere Kombination für die geringere Anzahl von Trades und der höheren durchschnittlichen Gewinn-Verlust-Verhältnis, auch auf Kosten einiger Gewinn holen.

Zur Festsetzung der Indikator

Hier sind einige der häufigsten Probleme, die Sie stoßen, wenn Sie Backtesting Indikatoren beginnen:

  • Overtrading: Einige Indikatorparameter fordern mehr häufigen Handel, als Sie Zeit für ersparen können. Sie müssen deshalb Anpassungen der Indikator zu finden, um die Anzahl der Trades zu reduzieren, ohne die Erträge aus den Gewinntrades zu beschädigen. Eine Lösung ist die Kauf / Verkauf Signale zu filtern, indem Sie angeben, dass Sie die Software wollen nur einen Kauf- / Verkaufssignal zu erzeugen, wenn der Preis x Prozent über oder unter dem gleitenden Durchschnitt oder hat über oder unter dem gleitenden Durchschnitt durch y Menge Zeit.

  • Verlust-Trades: Der beste Weg, Ihre Verlust-Trades zu reduzieren, ist eine Bestätigung Anforderung hinzuzufügen, wie einer der Momentum-Indikatoren. Und weil die Geschäfte durch Impuls Bestätigung eliminiert zu werden sind Trades im Allgemeinen zu verlieren, verbessert sich die Verstärkungs-Verlust-Verhältnis, auch.

Die Anwendung der erneut Anzeige

Nach der Auswahl Ihrer Anzeigeparameter, wird Ihre Arbeit nicht fertig. Backtests sind hypothetisch. Sie haben eigentlich nicht, diese Geschäfte zu machen. Um eine realistische Vorstellung davon, wie ein Indikator basierte Handels Regel funktioniert, Backtest der Regel auf historischen Kursdaten, und dann gelten für out-of-Sample-Daten. Zum Beispiel, wenn Sie auf Backtest 1.000 Tage Daten, jetzt sollten Sie es auf den nächsten 500 Tagen Daten Backtest. Wenn die Ergebnisse in etwa gleich auf die frischen Daten sind, sollten Sie die Regel zu sein robust, es arbeitet in einem breiten Spektrum von Bedingungen bedeutet.

Ähnliche

Menü