เทรดดิ้ง ระบบ ทนทาน

หน้าแรกระบบการซื้อขายที่แข็งแกร่งเป็นเป้าหมายของเทรนด์เทรนด์ระบบการเฝ้าติดตามความเสี่ยงเป็นเป้าหมายของผู้ติดตามเทรนด์คุณสามารถค้นหาโฆษณาที่น่าสนใจที่มีแนวโน้มว่าจะเป็นระบบการซื้อขายที่มีอัตราผลตอบแทนสูงและมีอัตราความสำเร็จสูงกว่า 100 เท่ายกตัวอย่างเช่นท็อปส์ซูและก้นบึ้งระบบเหล่านี้เรียกว่า การใช้กฎและข้อยกเว้นหลายอย่างพวกเขาได้รับการพัฒนาอย่างสมบูรณ์แบบหรือโค้งพอดีกฎมักจะมีการปรับแต่งให้ดีเกินไปดูดีบนกระดาษเท่านั้นคือทั้งหมดที่คุณได้รับพวกเขาได้รับรางวัลล่าสุดหรือยึดมั่นในโลกแห่งความเป็นจริงแนวโน้มที่ดีตามระบบการซื้อขายจะต้องเป็น มีห้าเกณฑ์ทั่วไปสำหรับความแข็งแรงของระบบการวิเคราะห์ความไวในพารามิเตอร์ของกฎของระบบการทดสอบในหลายตลาดการวิเคราะห์ความเสี่ยงของระบบทั้งหมดความสอดคล้องของระบบแนวโน้มดังต่อไปนี้จะอธิบายไว้ในเงื่อนไขที่เรียบง่ายและตรรกะระบบการซื้อขายที่มีไม่เกินสาม ถึงห้าพารามิเตอร์เพื่อเพิ่มประสิทธิภาพเป็นพารามิเตอร์ที่เหมาะเป็นองค์ประกอบเชิงปริมาณของกฎหรือเงื่อนไขที่ต้องพบการทดสอบในหลายตลาดข้อบ่งชี้ที่สำคัญของความทนทาน คือการใช้ระบบที่เหมาะสมสำหรับตลาดหนึ่ง ๆ ในตลาดต่างๆโดยไม่มีการเปลี่ยนแปลงพารามิเตอร์ใด ๆ หากระบบที่ได้รับการปรับปรุงให้เหมาะสมกับ SP 500 สามารถซื้อขายกองทุนญี่ปุ่นกองทุนขนาดเล็กและกองทุนตลาดเกิดใหม่ความเชื่อมั่นในระบบดังกล่าว การวิเคราะห์ความเสี่ยงทั้งระบบการวิเคราะห์ความเสี่ยงโดยรวมของระบบจะนึกภาพทุกวิถีทางที่ระบบอาจดำเนินการภายใต้วัตถุประสงค์ให้คิดผ่านตัวเลือกผลตอบแทนที่สอดคล้องกันแสดงระบบในหลายธุรกิจการค้ามีการใช้ประโยชน์จากขอบขอบคำถูกใช้ เช่นเดียวกับที่คาสิโนมีขอบที่รูเล็ตมากกว่าจำนวนมากของการค้าระบบที่มีขอบทำให้เงินแนวโน้มดังต่อไปนี้จะอธิบายในเงื่อนไขที่เรียบง่ายและตรรกะระบบต้องอธิบายในแง่ที่เรียบง่ายและตรรกะหากระบบขึ้นอยู่กับ บนเฟสของดวงจันทร์หรือบนค่าเฉลี่ยเคลื่อนที่ของการตีความ Fibonacci oscillator แล้วปฏิเสธระบบคุณต้องเข้าใจพื้นฐานสำหรับความสำเร็จของระบบการขายผลิตภัณฑ์ต่อไปนี้ Michael Covel แนวโน้มผลิตภัณฑ์ต่อไปนี้ 1996-17 Trend ติดตาม สงวนลิขสิทธิ์ติดต่อ. Trendต่อไปนี้ TurtleTrader เป็นเครื่องหมายการค้าของ Trend ตามเครื่องหมายการค้าและเครื่องหมายบริการอื่น ๆ ที่ปรากฏในเครือข่าย Trend Next ของเว็บไซต์อาจเป็นของ Trend ติดตามหรือโดยบุคคลอื่นรวมถึงบุคคลที่สามที่ไม่เกี่ยวข้องกับ Trend ติดตามบทความ และข้อมูลเกี่ยวกับเครือข่ายไซต์ Trend Next ไม่สามารถคัดลอกพิมพ์ซ้ำหรือแจกจ่ายโดยไม่ได้รับการยินยอมเป็นลายลักษณ์อักษรจาก Michael Covel และ Trend ตาม แต่ได้รับการยินยอมเป็นลายลักษณ์อักษรได้อย่างง่ายดายและโดยปกติแล้ววัตถุประสงค์ของเว็บไซต์นี้คือการสนับสนุนให้เกิดการแลกเปลี่ยนความคิดฟรี เนื้อหาทั้งหมดของเว็บไซต์นี้ยึดตามความคิดเห็นของ Michael Covel เว้นเสียแต่ว่ามีการกล่าวถึงเป็นอย่างอื่นบทความแต่ละข้อจะขึ้นอยู่กับความคิดเห็นของผู้เขียนแต่ละรายที่อาจรักษาลิขสิทธิ์ไว้ ข้อสังเกตข้อมูลในเว็บไซต์นี้มีวัตถุประสงค์เพื่อแบ่งปันความรู้และสิ่งต่างๆ การสร้างจากการวิจัยและประสบการณ์ของไมเคิล Covel และชุมชนของเขาข้อมูลที่มีอยู่นี้ไม่ได้ถูกออกแบบเพื่อใช้เป็นคำเชิญสำหรับการลงทุนกับที่ปรึกษาใด ๆ profiled ข้อมูลทั้งหมดในเว็บไซต์นี้โดยตรงจาก CFTC, SEC, Yahoo Finance, Google และการเปิดเผยข้อมูล เอกสารโดยผู้จัดการที่กล่าวถึงในที่นี้เราถือว่าข้อมูลทั้งหมดถูกต้อง แต่ไม่รับผิดชอบต่อข้อผิดพลาดการละเว้นหรือข้อผิดพลาดของเสมียนที่ทำโดยแหล่งที่มาการขายต่อตลาดต่อไปนี้และทำการขายข้อมูลการลงทุนต่างๆและข้อมูลผลิตภัณฑ์เพื่อการลงทุนผู้อ่านต้องรับผิดชอบต่อการเลือกหุ้นสกุลเงิน , ตัวเลือก, สินค้าโภคภัณฑ์, สัญญาซื้อขายล่วงหน้า, กลยุทธ์, และการตรวจสอบบัญชีนายหน้าของพวกเขา Trend ติดตาม บริษัท ลูกพนักงานและตัวแทนไม่เรียกร้องหรือดำเนินธุรกิจการค้าหรือให้คำแนะนำในการลงทุนและไม่ได้จดทะเบียนเป็นนายหน้าหรือที่ปรึกษากับหน่วยงานรัฐบาลกลางหรือรัฐใด ๆ อ่านคำกล่าวของเราอย่างเต็มรูปแบบภาพยนตร์ของไมเคิลโคเวลตอนนี้มีเพียงแนวโน้มหลังจากสารคดี Stress Tes ting สำหรับกลยุทธ์การค้า Robustness. by Michael R Bryant ในบทความเกี่ยวกับกลยุทธ์การซื้อขายหลายตลาดผมได้กล่าวถึงแนวคิดเรื่องความทนทานซึ่งผมอธิบายว่าเป็นความไม่รู้สึกต่อความผันผวนของข้อมูลที่ใช้ในการสร้างระบบการซื้อขายในหลายตลาด เป็นวิธีหนึ่งในการเพิ่มความทนทานอย่างไรก็ตามหากคุณมีกลยุทธ์อยู่แล้วและต้องการดูว่ามีประสิทธิภาพมากน้อยเพียงใดการทดสอบกลยุทธ์การซื้อขายเพื่อความทนทานมักเรียกว่าการวิเคราะห์ความไว (sensitivity analysis) หรือเรียกได้ว่า colloquially เป็นการทดสอบความเครียดความคิดพื้นฐานคือ ดูว่าเกิดอะไรขึ้นเมื่อมีการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ในปัจจัยการผลิตข้อมูลราคาหรือองค์ประกอบอื่น ๆ ของกลยุทธ์หรือสภาพแวดล้อมการค้ากลยุทธ์ที่แข็งแกร่งแสดงปฏิกิริยาตอบสนองตามสัดส่วนและค่อนข้างเงียบในขณะที่กลยุทธ์ที่ไม่แข็งแรงจะทำปฏิกิริยาไม่สมดุล และบางครั้งก็ล้มเหลวทันทีเมื่อมีการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ที่เกิดขึ้นกับอินพุทหรือสภาพแวดล้อมเหตุใดจึงเป็นสิ่งสำคัญเนื่องจากเพียงความทนทานเป็นสิ่งสำคัญเนื่องจาก t การตลาดไม่อยู่เหมือนกันใช้อินพุตของกลยุทธ์เช่นอินพุตเช่นความยาวย้อนกลับสำหรับค่าเฉลี่ยเคลื่อนที่อาจเป็นค่าที่ดีที่สุดในช่วงหลังการทดสอบ แต่การก้าวไปข้างหน้าค่าต่างๆอาจเหมาะสมที่สุดเราต้องการทราบว่าดีแค่ไหน กลยุทธ์จะดำเนินการเมื่อปัจจัยการผลิตไม่เหมาะสมอีกต่อหนึ่งวิธีหนึ่งในการแก้ไขปัญหานี้คือเพื่อดูว่าผลลัพธ์มีการเปลี่ยนแปลงอย่างไรเมื่อมีการเปลี่ยนแปลงค่าอินพุตตามที่อธิบายไว้ในบทความก่อนหน้านี้ความคิดเกี่ยวกับความทนทานเกี่ยวข้องกับยุทธศาสตร์ที่เหมาะสม เพื่อให้แน่ใจว่ากลยุทธ์ไม่ได้รับการพอดีกับตลาดอย่างเข้มงวดในระหว่างขั้นตอนการพัฒนาซึ่งจะสามารถทนต่อการเปลี่ยนแปลงใด ๆ ในตลาดได้โดยทั่วไปแล้วเราสามารถทดสอบได้ว่าด้วยการเปลี่ยนแปลงตลาดการเปลี่ยนกลยุทธ์หรือทั้งกลยุทธ์ ที่ไม่ได้ยืนขึ้นดีกับการเปลี่ยนแปลงที่ค่อนข้างเล็กไม่แข็งแรงและมีแนวโน้มที่จะ over - fit กลยุทธ์ดังกล่าวไม่ควรคาดว่าจะทำดีในอนาคตประเภทของการทดสอบความเครียดมีหลายวิธีที่กลยุทธ์ สามารถทดสอบความเครียดเราสามารถเปลี่ยนแปลงกลยุทธ์เองหรือข้อมูลราคาที่เราทำการทดสอบย้อนกลับได้เราสามารถเปลี่ยนค่าใช้จ่ายในการซื้อขายเช่นจำนวนการเลื่อนลอยหรือเปลี่ยนตำแหน่งได้ในหลักการสิ่งที่มีผลกระทบต่อ ผลการทดสอบในแต่ละข้อสามารถเปลี่ยนแปลงได้ในบทความนี้จะมีการกล่าวถึงการทดสอบความเครียดสามแบบต่อไปนี้การเปลี่ยนแปลงข้อมูลเข้าของกลยุทธ์ทำให้เกิดการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ต่อราคาของแต่ละบุคคลการเปลี่ยนแถบเริ่มต้นเหตุผลในการเปลี่ยนปัจจัยการผลิตของกลยุทธ์ ในการเปลี่ยนเปอร์เซ็นต์จะสุ่มเลือกระหว่าง - Max และ Max โดยที่ Max อาจอยู่ในลำดับที่ 1 หรือ 5 เปอร์เซ็นต์นี้จะใช้กับช่วงของค่าสำหรับแต่ละอินพุทตัวอย่างเช่นถ้าเราเลือกรูปลักษณ์กลับ ความยาวสำหรับตัวบ่งชี้จากช่วงของค่าตั้งแต่ 1 ถึง 100 จากนั้นช่วงจะเป็น 100 และเปอร์เซ็นต์การเปลี่ยนแปลงที่เลือกแบบสุ่มจะถูกนำไปใช้เป็น 100 จำนวนการเปลี่ยนแปลงทั้งบวกหรือลบจะถูกเพิ่มลงในต้นกำเนิด ค่าอินพุทเพื่อให้สูงขึ้นหรือต่ำลงตามจำนวนเงินนั้นเราจะระบุจำนวนการเปลี่ยนแปลงที่เป็นไปได้ต่ำสุดเช่น 1 สำหรับจำนวนเงินที่จะเปลี่ยนความยาวของตัวบ่งชี้การมองย้อนกลับด้วยวิธีนี้ถ้าเปอร์เซ็นต์การเปลี่ยนแปลงแบบสุ่มเป็นจำนวนน้อย การป้อนข้อมูลจะยังคงมีการเปลี่ยนแปลงวิธีหนึ่งที่กลยุทธ์สามารถ over-fit และไม่แข็งแรงก็คือถ้ามันพอดีกับราคาที่เฉพาะเจาะจงมากเกินไปใน back-test ตัวอย่างเช่นถ้ากลยุทธ์เข้าสู่ระยะยาวในการหยุดและหลาย การค้าขนาดใหญ่ที่มีกำไรป้อนในราคาที่สูงของวันที่ควรยกธงสีแดงสิ่งที่ผลลัพธ์จะมีลักษณะเช่นถ้าสูงได้รับหนึ่งเห็บลดลงในวันนั้นถ้าเช่นการเปลี่ยนแปลงเล็ก ๆ จะทำลายผลกลยุทธ์ชัดเจน ไม่แข็งแรงเทคนิคการทดสอบความเครียดในการตรวจสอบชนิดที่เหมาะสมคือการทำการเปลี่ยนแปลงแบบสุ่มในแต่ละราคาและประเมินผลการเปลี่ยนแปลงข้อมูลราคาแบบสุ่มเราจะใช้สองการตั้งค่าหนึ่งคือความน่าจะเป็นของการเปลี่ยนแปลงราคาตัวอย่างเช่น ถ้าความน่าจะเป็น 50 ที่ mea ns มี 50 โอกาสที่ราคาใด ๆ - เปิดสูงต่ำสุดของแต่ละแถบ - จะมีการเปลี่ยนแปลงค่าที่สองคือการเปลี่ยนแปลงเปอร์เซ็นต์สูงสุดที่จะใช้กับราคาที่มีการเปลี่ยนแปลงเช่นเดียวกับค่าอินพุท, จำนวนเงินที่แท้จริงของการเปลี่ยนแปลงจะได้รับการสุ่มเลือกระหว่าง - Max และ Max โดยที่ Max เป็นเปอร์เซ็นต์สูงสุดของการเปลี่ยนแปลงราคาค่าของ Max จะถูกนำมาเป็นเปอร์เซ็นต์ของช่วงความยาวคลื่นเฉลี่ยที่ผ่านมา 100 บาร์ตัวอย่างเช่นถ้าช่วงจริงเฉลี่ย เป็น 10 จุดและการเปลี่ยนแปลงเปอร์เซ็นต์สูงสุดคือ 20 แล้วจำนวนเงินที่เปลี่ยนแปลงคือจำนวนที่เลือกแบบสุ่มระหว่าง -2 และ 2 จุดสมมติว่าจำนวนจริงเป็น -1 25 จุดและราคาปิดคือ 1250 50 การปิดที่แก้ไขแล้วจะเป็น be be 1249 25 ในที่สุดก็เป็นไปได้ว่าการเปลี่ยนราคาจะทำให้การสั่งซื้อราคาตามปกติเช่นการลดการเปิดเพื่อให้ต่ำกว่าต่ำเพื่อป้องกันไม่ให้ราคาอาจต้องปรับหลังจากทำการเปลี่ยนแปลงเพื่อให้เปิด และปิดในช่วงต่ำสุด e สุดท้ายวิธีทดสอบความเครียดที่จะกล่าวถึงเกี่ยวกับการเปลี่ยนแถบเริ่มต้นมันอาจจะเห็นได้ชัดว่ากลยุทธ์ที่ดีไม่ควรกระจุยเมื่อคุณเริ่มต้นการทดสอบกลับในแถบที่แตกต่างกันมันอาจจะไม่ชัดเจนว่านี้สามารถเกิดขึ้นพิจารณากลยุทธ์สมมุติ ที่เข้าสู่ระยะยาวข้ามครอสโอเวอร์เฉลี่ยแล้วมันถือค้าว่าห้าบาร์ก่อนที่จะออกที่ตลาดใส่กันความเหมาะสมของตรรกะคิดว่าประวัติศาสตร์การค้าอาจมีลักษณะเช่นในแผนภูมิราคาหากเงื่อนไขการเข้าสู่ภาวะถดถอยเฉลี่ยใช้ short - ค่าเฉลี่ยระยะยาวที่สูงกว่าค่าเฉลี่ยระยะยาวอาจเป็นไปได้ว่าในระยะเวลาที่เพิ่มขึ้นอย่างยั่งยืนสภาพรายการอาจเป็นความจริงเป็นระยะเวลานานเช่นค่าเฉลี่ยระยะสั้นอาจสูงกว่าค่าเฉลี่ยระยะยาวสำหรับ บาร์จำนวนมากในแถวหากการทดสอบกลับถูกเริ่มต้นในช่วงเวลานั้นการค้าครั้งแรกจะเข้าสู่แถบถัดไปหลังจากแถบเริ่มต้นและการค้าแต่ละครั้งจะมีขึ้น 5 แท่งตามด้วยรายการถัดไป และตอนนี้พิจารณาว่าจะเกิดอะไรขึ้นถ้าแถบเริ่มต้นมีการเปลี่ยนแปลงหากแถบเริ่มต้นเป็นแถบอีกต่อไปตัวอย่างเช่นชุดข้อมูลทั้งหมดของธุรกิจการค้าจะเลื่อนหนึ่งแถบไปทางขวามันเป็นไปได้ทั้งหมดที่บางส่วนของชุดที่ห้า ธุรกิจการค้าแบบแถบจะมีผลกำไรมากขึ้นกว่าคนอื่น ๆ ทั้งนี้ขึ้นอยู่กับว่าธุรกิจการค้าสอดคล้องกับแนวโน้มใด ๆ ที่เกิดขึ้นในแถบแนวโน้มห้าบาร์ที่มีอยู่ดังนั้นขึ้นอยู่กับแถบเริ่มต้นกลยุทธ์อาจมีผลกำไรสูงหรือไม่ได้ประโยชน์เพราะที่ธุรกิจการค้าเริ่มต้นและ จบมันอาจจะไม่ชัดเจนระหว่างการพัฒนาที่ตรรกะกลยุทธ์มีการพึ่งพาประเภทนี้บนแถบเริ่มต้นโดยเฉพาะอย่างยิ่งสำหรับชนิดที่ซับซ้อนมากขึ้นของตรรกะเพื่อทดสอบผลของแถบเริ่มต้นบาร์ที่กลยุทธ์การทดสอบกลับเป็น เริ่มต้นจะแตกต่างกันไปตามจำนวนสุ่มที่เลือกระหว่าง 1 และ N ในตัวอย่างด้านล่าง N ถูกเลือกให้เป็น 300 ดังนั้นแถบเริ่มต้นจึงแตกต่างกันไปโดยการเพิ่มจำนวนที่สุ่มเลือกระหว่าง 1 ถึง 300 ลงในแถบเริ่มต้น จำนวน Monte Carlo Approach. Varying ปัจจัยการผลิตราคาหรือแถบเริ่มต้นโดยจำนวนสุ่มให้เพียงหนึ่งทางเลือกเพื่อเปรียบเทียบกับผลเดิมเพื่อให้ได้ภาพที่สมบูรณ์มากขึ้นของวิธีการที่แข็งแกร่งกลยุทธ์คือเราสามารถทำซ้ำขั้นตอนมาก ครั้งจนกว่าเราจะมีการแจกจ่ายผลโดยทั่วไปตัวแปรตัวแปรอินพุทแบบสุ่มมากกว่าจำนวนซ้ำเพื่อสร้างการกระจายตัวทางสถิติของผลการทำงานที่ขึ้นอยู่กับปัจจัยเหล่านั้นเรียกว่า Monte Carlo analysis ในกรณีนี้ เป็นกลยุทธ์การค้าและปัจจัยการผลิตเป็นปัจจัยการผลิตราคาตลาดและหรือแถบเริ่มต้นโดยการทำซ้ำการทดสอบความเครียดหลาย ๆ ครั้งเราจะสรุปผลการซื้อขายหลายชุดเพื่อให้เข้าใจว่ากระบวนการมอนติคาร์โลดำเนินการอย่างไรให้พิจารณา ตัวอย่างที่แสดงในรูปที่ 1. รูปที่ 1 เส้นโค้งของส่วนของผู้ถือหุ้นเดิมสำหรับกลยุทธ์การซื้อขายสัญญาซื้อขายล่วงหน้าเส้นโค้งส่วนของหุ้นที่แสดงในรูปที่ 1 เป็นกลยุทธ์การค้าที่พัฒนาขึ้นสำหรับ EURUSD forex mar ket บนบาร์รายวันโดยมีจำนวนมาตรฐานมาก 100,000 ต่อการค้าและ 50 ต่อล็อตสำหรับค่าใช้จ่ายในการซื้อขายนี่เป็นหนึ่งในกลยุทธ์โบนัสที่รวมอยู่ใน Adaptrade Builder ซึ่งได้รับการพัฒนาขึ้นในเดือนมีนาคม 2010 การค้า 100 ครั้งล่าสุดหรือตั้งแต่นั้นเป็นต้นมาได้มีการเปิดเผยว่า มันได้จัดขึ้นได้ดีในการติดตามตัวอย่าง out - of - ตัวอย่างเพื่อแสดงให้เห็นว่าผลการทดสอบความเครียดสามารถวิเคราะห์โดยใช้วิธีการ Monte Carlo พิจารณาผลของการทดสอบความเครียดกลยุทธ์อัตราแลกเปลี่ยนกับข้อมูลราคาดังแสดงในรูปที่ 2 ซึ่งแสดงให้เห็นเส้นโค้งทั้งหมด 20 เส้น 19 แบบซึ่งตรงกับชุดข้อมูลราคาแบบสุ่มที่เปลี่ยนแปลงชุดราคาเดิมสำหรับ EURUSD ได้รับการแก้ไข 19 ครั้งตามที่อธิบายไว้ข้างต้นโดยใช้ความน่าจะเป็นของการเปลี่ยนแปลงราคาที่ 50 โดยสูงสุด การเปลี่ยนแปลงเปอร์เซ็นต์ของ 20 ตามเส้นโค้งเดิมซึ่งแสดงเป็นเส้นสีเขียวที่หนาขึ้นมีผลรวมทั้งสิ้น 20 ชุดจำนวนทั้งหมดถูกเก็บไว้ให้เล็กที่สุดเท่าที่จะเป็นไปได้เพื่อวัตถุประสงค์ในการทดลองซ้ำอีกครั้งจะถูกนำมาใช้ซ้ำในด้านล่าง maining example. Figure 2 ความเครียดในการทดสอบกลยุทธ์อัตราแลกเปลี่ยนโดยการเปลี่ยนแปลงข้อมูลราคา 19 ครั้งกำไรสุทธิรวมที่สอดคล้องกับส่วนของผู้ถือหุ้นแต่ละรายในรูปที่ 2 มีดังต่อไปนี้ 47855 00 133286 00 87771 00 92707 00 132149 00 88384 00 126019 00 96581 00 105466 00 102946 00 86453 00 96427 00 96242 00 111020 00 50201 00 130076 00 104181 00 ค่าสูงสุด 147,855 หมายถึงไฟล์ข้อมูลราคาเดิมค่าต่ำสุดคือ 50,201 ในการวิเคราะห์ Monte Carlo, เราสามารถถามว่ากำไรสุทธิน่าจะมีระดับความเชื่อมั่นที่กำหนดตามรูปแบบที่เปลี่ยนแปลงหรือไม่ความมั่นใจระดับ 95 เป็นแบบอย่างซึ่งหมายความว่ามีโอกาสที่กำไรสุทธิจะต่ำกว่ามูลค่าที่เราเลือก หาค่ากำไรสุทธิที่ความเชื่อมั่น 95 รายการข้างต้นถูกจัดเรียงจากมากไปต่ำสุดและเลือกค่า 95 จากรายการที่เลือกเนื่องจากเรามี 20 รายการในรายการเราจึงเลือกรายการที่ 19 ในรายการที่เรียงลำดับ , ซึ่งจะเป็นสุทธิ p rofit ของ 68,459 เช่นค่าต่ำสุดที่สองในรายการเราสามารถตีความผลดังต่อไปนี้ถ้าการสุ่มตัวอย่างของข้อมูลราคาเป็นตัวแทนของชนิดของความแตกต่างแบบสุ่มที่เราคาดหวังในตลาดแล้วเราสามารถคาดหวังว่า 95 ของเวลา กำไรสุทธิจะมีอย่างน้อย 68,459 วิธีเดียวกันสามารถใช้กับเมตริกประสิทธิภาพที่เราอาจต้องการติดตามหากเมตริกเป็นค่าที่ต่ำกว่าเช่นการเบิกสูงสุดรายการจะถูกจัดเรียงไว้ในส่วนตรงข้าม ก่อนที่จะเลือกค่า 95 ของทางลงรายการตัวอย่างของการทดสอบความเครียดตอนนี้พิจารณาตัวอย่างเพิ่มเติมที่ซึ่งมีทั้งหมด 100 ตัวอย่างถูกสร้างขึ้นสำหรับการวิเคราะห์ Monte Carlo รูปที่ 3 แสดงเส้นโค้งส่วนต่างกันที่เกิดจากการเปลี่ยนแปลง ราคาไฟล์ 99 ครั้งบวกกับเส้นโค้งเดิมรูปที่ 3 ความเครียดในการทดสอบกลยุทธ์อัตราแลกเปลี่ยนโดยการเปลี่ยนแปลงข้อมูลราคา 99 ครั้งรวมเป็น 100 ส่วนของเส้นโค้งการประยุกต์ใช้แนวทางมอนติคาร์โลกับผลลัพธ์สำหรับการทดสอบความเครียด t เขาผลในตารางที่ 1 ถูกสร้างขึ้นที่ความเชื่อมั่น 95 แสดงถัดจากผลสำหรับข้อมูลต้นฉบับสำหรับการเปรียบเทียบตารางที่ 1 ความเครียดการทดสอบกลยุทธ์อัตราแลกเปลี่ยนโดยการเปลี่ยนแปลงข้อมูลราคาตามที่คาดไว้ Monte Carlo ผลจากการปรับเปลี่ยนข้อมูลราคาแสดงลด ในผลการดำเนินงานเมื่อเทียบกับผลลัพธ์สำหรับข้อมูลราคาเดิมอย่างไรก็ตามผลการทดสอบความเครียดยังคงเป็นบวกซึ่งแสดงให้เห็นว่ากลยุทธ์นี้มีความแข็งแกร่งพอสมควรในรูปที่ 4 ด้านล่างนี้ใช้กลยุทธ์เดียวกันกับค่าอินพุตกลยุทธ์ ร้อยละถูกตั้งไว้ที่ 1 ซึ่งสำหรับปัจจัยการผลิตจำนวนมากซึ่งหมายความว่าจำนวนเงินที่เปลี่ยนแปลงขั้นต่ำถูกนำมาใช้ปัจจัยการผลิตทั้งหมดถูกปรับเปลี่ยนโดยอย่างน้อยที่สุดจำนวนเงินขั้นต่ำสำหรับการประเมินแต่ละส่วนของหุ้นเดิมจะแสดงอยู่ใกล้กับด้านบนสุดของแผนภูมิเนื่องจากหนาขึ้น , เส้นสีเขียวเมื่อเทียบกับผลลัพธ์ในการปรับเปลี่ยนราคาการปรับเปลี่ยนปัจจัยการผลิตของกลยุทธ์มีผลต่อประสิทธิภาพมากขึ้นรูปที่ 4 การทดสอบความเครียดโดยใช้กลยุทธ์อัตราแลกเปลี่ยน gy inputs 99 ครั้งรวม 100 เส้นโค้งส่วนผล Monte Carlo สำหรับตัวอย่างเดียวกันของเมตริกประสิทธิภาพดังที่แสดงไว้ข้างต้นแสดงไว้ในตารางที่ 2 ด้านล่างซึ่งรวมถึงผลลัพธ์สำหรับค่าอินพุตต้นฉบับ 2 ทดสอบความเครียดในรูปแบบของ forex ผลต่างจากแถบเริ่มต้นสำหรับกลยุทธ์การซื้อขายอัตราแลกเปลี่ยนเดียวกันจะแสดงไว้ด้านล่างในรูปที่ 5 เมื่อเทียบกับผลจากการทดสอบอีกสองฉบับพบว่ามีผลน้อยมากจากแถบเริ่มต้นที่แตกต่างกัน ชี้ให้เห็นว่ายุทธศาสตร์ส่วนใหญ่ไม่สำคัญต่อตัวแปรนี้รูปที่ 5 การทดสอบความเครียดโดยใช้แถบเริ่มต้น 99 ครั้งรวม 100 เส้นโค้งส่วนผลของ Monte Carlo จากการทดสอบนี้แสดงไว้ในตารางที่ 3 ด้านล่าง พวกเขาเปรียบเทียบกับผลสำหรับแถบเริ่มต้นเดิมความเครียด 3 ทดสอบกลยุทธ์ forex โดยการเปลี่ยนแถบเริ่มต้นผล Monte Carlo, 95.Results, Data. It เดิมยังสามารถแก้ไขทุกอย่าง togeth er หรือเพื่อปรับเปลี่ยนการรวมกันของตัวแปรเช่นการปรับเปลี่ยนปัจจัยการผลิตกลยุทธ์ในเวลาเดียวกับข้อมูลราคาในรูปที่ 6 ด้านล่างทั้งสามการทดสอบความเครียดได้ดำเนินการร่วมกันซึ่งหมายความว่าอินพุตกลยุทธ์ข้อมูลราคาและแถบเริ่มต้นถูกปรับเปลี่ยนแบบสุ่ม ในเวลาเดียวกันก่อนที่จะประเมินกลยุทธ์รูปที่ 6 ความเครียดการทดสอบกลยุทธ์อัตราแลกเปลี่ยนโดยการเปลี่ยนแถบเริ่มต้น 99 ครั้งรวม 100 เส้นโค้งส่วนได้ข้อสรุปการรวมกันของการทดสอบความเครียดนี้เป็นการทดสอบที่รุนแรงของความแข็งแกร่งของกลยุทธ์หนึ่ง หรือสองส่วนของเส้นโค้งส่วนได้แสดงไว้ในรูปที่ 6 แสดงให้เห็นถึงผลกำไรสุทธิที่เป็นลบหรือใกล้เคียงกันส่วนเส้นโค้งของทุนเพียงอย่างเดียวจะเข้าใกล้ผลลัพธ์ต้นฉบับของ The Monte Carlo ซึ่งผลการทดสอบนี้แสดงไว้ในตารางที่ 4 ตารางที่ 4 การทดสอบความเครียดของอัตราแลกเปลี่ยน กลยุทธ์โดยการเปลี่ยนแปลงข้อมูลราคา input กลยุทธ์และแถบเริ่มต้นผล Monte Carlo, 95.Results, Original Data สรุปและข้อสรุป Over - Fitting เสมอกังวลเมื่อพัฒนากลยุทธ์การซื้อขายที่เรียกว่าการทดสอบความเครียด ซึ่งเป็นข้อบ่งชี้ว่ายุทธศาสตร์นี้มีมากกว่าหรือไม่ขณะที่ตัวแปรใด ๆ ที่ส่งผลกระทบต่อผลของกลยุทธ์การซื้อขายอาจเป็นเรื่องของการทดสอบความเครียดบทความนี้เน้นประเด็นสำคัญสามประการ ในการกำหนดผลการทดสอบย้อนหลังข้อมูลราคาข้อมูลค่าการป้อนค่าของกลยุทธ์และแถบเริ่มต้นสำหรับการทดสอบย้อนหลังกลยุทธ์ที่ใช้ในการอธิบายการทดสอบความเครียดแต่ละครั้งแสดงให้เห็นถึงความแข็งแกร่งปานกลางเมื่อเทียบกับข้อมูลราคาและค่าอินพุตและความทนทานที่ดีด้วย เกี่ยวกับแถบเริ่มต้นมันคุ้มค่าที่จะทราบว่ากลยุทธ์ตัวอย่างมีบันทึกสามปีของบวกผลการติดตามเวลาจริง แต่ในบางกรณีผลการทดสอบความเครียดได้เลวร้ายยิ่งกว่าผลลัพธ์ที่แท้จริงออกจากตัวอย่างที่ประสบความสำเร็จ ด้วยกลยุทธ์นี้แสดงให้เห็นว่าการทดสอบความเครียดอาจรุนแรงเกินไปในกรณีดังกล่าวโดยเฉพาะอย่างยิ่งเมื่อมีการทดสอบทั้งสามแบบดังที่แสดงในรูปที่ 6 และตารางที่ 4. การทดสอบความเครียดสำหรับสายพันธุ์ ปัจจัยการผลิตที่ไม่เป็นไปได้อาจเป็นความเข้มงวดในการปรับเปลี่ยนปัจจัยการผลิตทั้งหมดสำหรับการทดสอบซ้ำแต่ละครั้งวิธีที่ดีกว่าอาจใช้วิธีเดียวกับที่ใช้ในการปรับเปลี่ยนข้อมูลราคาซึ่งในราคาถูกแก้ไขด้วยความน่าจะเป็นที่ระบุแทนที่จะเป็นการแก้ไขทั้งหมด อินพุทแต่ละครั้งความน่าจะเป็นสามารถนำไปใช้เพื่อกำหนดว่าอินพุตที่กำหนดควรได้รับการปรับเปลี่ยนหรือไม่ถ้าเป็นเช่นนั้นก็จะได้รับการแก้ไขในลักษณะที่อธิบายไว้ข้างต้นเป็นอย่างอื่นข้อมูลที่ป้อนจะไม่แปรผันปรากฏว่าผลการทดสอบความเครียดสามารถวิเคราะห์ได้โดยใช้ การวิเคราะห์แบบมอนติคาร์โลนี้ช่วยให้เราสามารถหาจำนวนผลลัพธ์และให้ค่าประมาณผลการดำเนินงานซึ่งโดยทั่วไปถือว่าเป็นแบบอนุรักษ์นิยมมากกว่าผลการทดสอบหลังการทดสอบโดยอิงจากข้อมูลเดิมบทวิเคราะห์ของบทความคือการทดสอบกลยุทธ์การค้าหลังจากที่ได้มีการพัฒนา หลักการ แต่วิธีเดียวกันสามารถใช้เป็นส่วนหนึ่งของกระบวนการพัฒนากลยุทธ์ใน Adaptrade Builder กลยุทธ์จะพัฒนาขึ้นจากประสิทธิภาพการทำงานที่ผ่านการทดสอบกลับ ในระยะเวลาตัวอย่างตัวอย่างเช่นแทนที่จะใช้ผลการปฏิบัติงานที่ได้จากการทดสอบย้อนหลังกลยุทธ์กับข้อมูลเดิม Monte Carlo อาจทำให้ความเชื่อมั่น 95 จากการทดสอบความเครียดสามารถใช้กลยุทธ์ด้านบนของประชากรจะเป็นแบบที่ดีที่สุด Monte Carlo ผลซึ่งจะมีแนวโน้มที่จะผลักดันประชากรไปสู่กลยุทธ์ที่แข็งแกร่ง แต่ถ้าแต่ละการวิเคราะห์ Monte Carlo ขึ้นอยู่กับการจำลอง N, กระบวนการสร้างจะใช้เวลา N เท่าที่ใช้วิธีนี้รวมทั้งมีการทดสอบนอกกลุ่มตัวอย่างและอื่น ๆ วิธีการที่กล่าวถึงในบทความชุดนี้การทดสอบความเครียดถือเป็นอีกเครื่องมือหนึ่งในการช่วยในการระบุกลยุทธ์การซื้อขายที่มีประสิทธิภาพและหลีกเลี่ยงการใช้จ่ายมากเกินไปหากใช้เป็นส่วนหนึ่งของกระบวนการประเมินผลกลยุทธ์การทดสอบความเครียดอาจช่วยให้วัชพืชออกกลยุทธ์ที่มีความอ่อนไหวต่อการเปลี่ยนแปลงในการซื้อขาย สิ่งแวดล้อมซึ่งจะช่วยหลีกเลี่ยงความสูญเสียและเพิ่มโอกาสในการประสบความสำเร็จในตลาด การทดสอบความเครียดทั้งหมดได้ดำเนินการโดยใช้ Adaptrade Builder บทความนี้ปรากฏในฉบับเดือนมีนาคม 2013 ของ Adaptrade Software newsletter. HYPOTHETICAL หรือผลการดำเนินงานที่จำลองได้มีข้อ จำกัด บางประการที่ไม่เหมือนกับการบันทึกการปฏิบัติงานจริงผลลัพธ์ที่จำลองไม่ได้แสดงถึงการค้าประเวณีที่แท้จริงตั้งแต่ธุรกิจการค้า ผลการดำเนินงานอาจไม่ได้รับผลกระทบหรืออาจมีผลกระทบต่อผลกระทบหากปัจจัยการตลาดบางอย่างเช่นการขาดโปรแกรมการค้าที่จำลองขึ้นทั่วไปเป็นเรื่องที่ต้องปฏิบัติตามข้อเท็จจริงที่ได้รับการออกแบบด้วย ประโยชน์ของ HINDSIGHT ไม่ได้เป็นตัวแทนทำว่าบัญชีใดจะหรือเป็นไปได้ที่จะบรรลุผลกำไรหรือขาดทุนที่คล้ายกับที่ระบุหากคุณต้องการทราบความคืบหน้าใหม่ข่าวและข้อเสนอพิเศษจาก Adaptrade Software โปรดเข้าร่วมรายการอีเมลของเรา ขอบคุณ 7 ประเภทของความแข็งแรงการค้าสร้าง Robots ที่สภาพอากาศทั้งหมด Storms. Building Invincible Robot. So คุณได้ยินเกี่ยวกับวิธีการที่คอมพิวเตอร์จะ ru โลกการค้าหุ่นยนต์อัจฉริยะทำล้านคนในตลาดได้อย่างไรและตอนนี้คุณต้องการที่จะสร้างหุ่นยนต์การค้าที่ทรงพลังของ owb ซึ่งสามารถเอาชนะได้ทั้งหมดบทความนี้จะไม่ให้คำมั่นสัญญาว่าจะมีสูตรมหัศจรรย์หรือ grail ศักดิ์สิทธิ์กับหุ่นยนต์ที่อยู่ยงคงกระพันของคุณได้ แต่ มันใกล้เคียงกับที่มันได้รับแนวคิดการซื้อขาย PS ที่กล่าวถึงที่นี่ไม่ได้ใช้กับการค้าขายในความถี่สูงในมิลลิวินาทีทำหุ่นยนต์ของคุณฉลาด แต่ไม่ฉลาดเกินไปหมายความว่าอย่างไรกับสภาพอากาศ Storms. In ทั้งหมดเพื่อให้ระบบการซื้อขายของเราไป สภาพอากาศพายุทั้งหมด aka ยังคงมีประสิทธิภาพในสภาวะตลาดที่แตกต่างกันพวกเขาจำเป็นต้องปรับตัวเข้ากับตลาดนี้ตรรกะการค้าที่มีประสิทธิภาพในช่วงเวลาที่แตกต่างกัน backtesting กรอบที่ลดอคติที่มองย้อนกลับและกฎที่ไม่เข้มงวดเกินไปเกณฑ์นี้สามารถ ความแข็งแกร่งเป็นความสามารถของระบบการค้าทางการเงินที่จะยังคงมีประสิทธิภาพภายใต้ตลาดที่แตกต่างกัน s และสภาพตลาดที่แตกต่างกันหรือความสามารถของรูปแบบทางเศรษฐกิจที่จะยังคงอยู่ภายใต้สมมติฐานที่แตกต่างกันพารามิเตอร์และเงื่อนไขเริ่มต้นแปลว่าเป็นคำที่ง่ายระบบการค้าที่มีประสิทธิภาพถ้ามันสามารถยังคงมีประสิทธิภาพในการเปลี่ยนแปลงสภาวะตลาดการเข้ารหัสการทดสอบ และการประเมินหุ่นยนต์การค้าวันนี้เป็นราคาไม่แพงลักษณะของความแข็งแรง Robustness ดูเหมือนจะเป็นคำ overused หลายคนพูดคุยเกี่ยวกับความทนทานในระบบการค้าโดยไม่มีการอ้างอิงเฉพาะเพื่อความทนทานชนิดเดียวมีหลายประเภทแข็งแรงบทความนี้จะพูดถึง ความสามารถในการสร้างความแข็งแกร่งทนทานระยะเวลาการค้าขายระบบการซื้อขายมีประสิทธิภาพในทุกช่วงเวลาหากยังคงมีประสิทธิภาพในระยะเวลาของตลาดที่แตกต่างกัน เป็น 2 ประเภททั่วไปและเชิงกลยุทธ์รอบระยะเวลาการตลาดทั่วไปรูปที่ 1 หกรอบระยะเวลาตลาดทั่วไป Figu อีกครั้งหนึ่งเราแสดงให้เห็นถึงหกช่วงเวลาตลาดหลักทั่วไปในกรณีนี้เรากำลังวิเคราะห์ประสิทธิภาพของระบบการซื้อขายของเราในช่วงหกงวดนี้อย่างไรก็ตามโปรดทราบว่าบางช่วงตลาดทั่วไปมีระยะ 5 ถึง 5 หรือใหญ่กว่า 5 ตามแกน Y 5 ความผันผวนต่ำ, ความผันผวนต่ำ, เป็นกลาง, ความผันผวนสูง, ความผันผวนสูงมาก 5 โดยแกน X 5 แกนกำลังแรง Uptrend, Uptrend, Ranging, Downtrend, Downtrend ที่แข็งแกร่งการจัดหมวดหมู่ 5 ถึง 5 เป็นเพียงรูปแบบเดิมของ 2 by 3 แต่ ไม่มีอะไรผิดปกติกับ 5 หรือ 5 การจำแนกขนาดใหญ่ใด ๆ หากระบบการค้าของเรามีผลบังคับใช้ในช่วง 6 ขั้นพื้นฐานนั่นหมายความว่าเป็นช่วงเวลาที่แข็งแกร่งช่วงเวลาตลาดเชิงกลยุทธ์ช่วงเวลาการตลาดเชิงกลยุทธ์ถูกกำหนดโดยผู้ประกอบการค้า เงื่อนไขที่มีผลต่อสินทรัพย์ที่คุณกำลังซื้อขายแน่นอนว่าเงื่อนไขเฉพาะเหล่านี้แตกต่างกันไปสำหรับสินทรัพย์ที่แตกต่างกันตัวอย่างเช่นหากเราซื้อขาย EURUSD นโยบายทางการเงินของรัฐบาลกลางสหรัฐจะมีผลต่อการซื้อขายของเราอย่างมากดังนั้นเราจะวิเคราะห์สต็อค 2 ระยะเวลาการตลาดเชิงกลยุทธ์ 1 เฟดเฟด 2 เฟดการขันถ้าคุณกำลังซื้อขายหลักทรัพย์ตัวอย่างจะเป็น 1 ก่อนที่จะมีการเปิดเผยรายได้ 2 หลังจากมีการปลดล็อกกำไรการประยุกต์ใช้กับการซื้อขายนี่หมายความว่าถ้าระบบการซื้อขายของฉันไม่ได้เป็นช่วงเวลาที่แข็งแกร่ง ที่ไม่ถูกต้องมีมากมายระบบการค้าที่ออกแบบมาเพื่อจับภาพความไม่เพียงพอของตลาดที่เฉพาะเจาะจงจุดมุ่งหมายของเราที่นี่คือการทำความเข้าใจลักษณะของระบบการซื้อขายของเราเพื่อให้เราทราบว่าจะใช้งานได้อย่างไรและเมื่อไหร่ความแข็งแรงเชิงกลความหมายการซื้อขายเป็นระบบตามฤดูกาล มีประสิทธิภาพหากสามารถรักษาผลได้แม้จะมีผลตามฤดูกาลความแข็งแรงเชิงกลสามารถถือเป็นส่วนย่อยของความทนทานต่อช่วงเวลาผลตามฤดูกาลคือความผิดปกติของตลาดหรือผลทางเศรษฐกิจซึ่งดูเหมือนจะเกี่ยวข้องกับปฏิทินเรากล่าวว่ามีผลตามฤดูกาลใน ตลาดหากมีพฤติกรรมการทำซ้ำในตลาดในช่วงเวลามีห้าประเภทหลักของผลกระทบตามฤดูกาลผลกระทบ Intra - Day ลักษณะเฉพาะพฤติกรรมของตลาด ในบางช่วงเวลาของวันผลกระทบการทำงานเฉพาะของตลาดในบางวันของสัปดาห์ผลกระทบเดือนที่เฉพาะเจาะจงพฤติกรรมของตลาดในบางเดือนของปีลักษณะเฉพาะผลกระทบของตลาดในแต่ละไตรมาสผลกระทบหลายปี ระยะยาวบางครั้งรวมถึงผลกระทบหลายปีเช่นวงจร decadal 10 ปีในกรณีส่วนใหญ่ผลตามฤดูกาลจะไม่ทำนายตนเองทำนายพวกเขาจะถูกสร้างขึ้นโดยปัจจัยพื้นฐานของตลาด 1 ตลาด Forex มีการใช้งานมากขึ้นในช่วงเวลาบางอย่างของวันเนื่องจาก ภาวะตลาดโลกคาบเกี่ยวกัน 2 มกราคมผลกระทบเกิดขึ้นเนื่องจากสาเหตุการลดหย่อนภาษี 3 ตลาดมีแนวโน้มที่จะเงียบลงในช่วงครึ่งแรกของวันศุกร์แรกของทุกเดือนเนื่องจาก Non-Farm Payrolls. Figure 2 การตรวจสอบผลกระทบมกราคมการประยุกต์ใช้กับการซื้อขาย ทำไมเราถึงใช้ประโยชน์จากความไร้ประสิทธิภาพที่เกิดขึ้นนี้เป็นไปได้อย่างแน่นอน แต่ก็มีเหตุผลหลายประการที่อาจเป็นเรื่องที่ยากลำบากและขอบเขตของผลกระทบตามฤดูกาลที่ไม่เสถียรนักเข้าร่วมการตลาดพยายามอย่างต่อเนื่อง การดำเนินการเหล่านี้มีอิทธิพลต่อขอบเขตและลักษณะการทำงานของผลกระทบตามฤดูกาลดังนั้นจะสร้างสถานการณ์แบบไดนามิกซึ่งผลกระทบตามฤดูกาลมีการเปลี่ยนแปลงตลอดเวลาส่วนค่าการค้าสูงเกินไปผลตามฤดูกาลอาจมีอยู่ได้เนื่องจากค่าใช้จ่ายที่ใช้ประโยชน์จากผลกระทบคือ สูงเกินไปค่าใช้จ่ายสูงทำหน้าที่เป็นอุปสรรคตามธรรมชาติเพื่อปกป้องผลกระทบตามฤดูกาลเรา don t เชื่อว่าตลาดมีประสิทธิภาพอย่างสมบูรณ์ แต่เราเชื่อว่ามีประสิทธิภาพในระดับหนึ่งในหลายกรณีเป็นเรื่องยากที่จะใช้ประโยชน์จากผลตามฤดูกาลเพราะ ประสิทธิภาพเป็นราคาในตัวอย่างเช่นคุณอาจต้องการที่จะซื้อ straddle โครงสร้างตัวเลือกที่ได้รับในมูลค่าเมื่อความผันผวนเพิ่มขึ้นในช่วง Non-Farm เงินเดือนเพราะคุณคาดหวังความผันผวนที่สูงขึ้นอย่างไรก็ตามผู้ขายของคร่อมมีปัจจัยในความผันผวนสูงและราคาจึง นี้เป็นตัวเลือกราคา straddle premiums. Timeframe ความทนทานคำจำกัดความระบบการซื้อขายเป็นกรอบเวลาที่แข็งแกร่งหากสามารถอยู่ได้อย่างมีประสิทธิภาพเมื่อการซื้อขายใน timeframes ที่แตกต่างกัน Timeframe หมายถึงระยะเวลาเชิงเทียนของเรา 1 นาที, 5 นาที, 15 นาที, 1 ชั่วโมงเป็นต้นทุกวันระบบการซื้อขายของเราเป็นกรอบเวลาที่แข็งแกร่งหากกลยุทธ์การซื้อขายพื้นฐานมีผลในระยะเวลาที่ต่างกันเราจำเป็นต้องเข้าใจความทนทานของเวลาในสองประเภทของสภาวะตลาด 1 สินทรัพย์ของเรามีลักษณะเป็นเศษส่วนในกรอบเวลา 2 ไม่มีพฤติกรรมที่เป็นเศษส่วนแคโรไลนา 1 สินทรัพย์ของเราจะมีลักษณะเป็นเศษส่วนข้ามกรอบเวลาไม่มีเราไม่ได้หมายถึงรูปแบบเชิงเทียนเมื่อเราพูดถึง Fractals ความหมายอย่างเป็นทางการของ Fractals เศษส่วนเป็นปรากฏการณ์ทางธรรมชาติ หรือชุดคณิตศาสตร์ที่แสดงรูปแบบการทำซ้ำที่แสดงในทุกระดับหากการจำลองแบบเป็นเหมือนกันทุกระดับจะเรียกว่ารูปแบบที่เหมือนกันเพื่อลดความซับซ้อนของมัน fractal เป็นรูปแบบที่ซ้ำตัวเองในภาพที่แตกต่างกันหรือเวลา scales. Figure 3 Fractals ในกรอบเวลาที่แตกต่างกันขณะที่เราซูมเข้าไปในกรอบเวลาที่ต่ำกว่าเราจะเห็นว่าลักษณะรูปร่างของสินทรัพย์ยังคงเหมือนเดิม Tradi ของเรา ระบบจะเป็นกรอบเวลาที่แข็งแกร่งเมื่อมีการซื้อขายสินทรัพย์ที่มีลักษณะเป็นเศษส่วนในช่วงเวลาหากตลาดทำงานในลักษณะเดียวกันในทุกช่วงเวลาไม่ควรมีความแตกต่างในพฤติกรรมของระบบการซื้อขายของเราพฤติกรรม 2 ไม่มีลักษณะเป็นเศษส่วน กฎทั่วไปของหัวแม่มือคือความผันผวนของเสียงที่เพิ่มขึ้นเมื่อเราไปที่ระยะเวลาที่ต่ำกว่าระบบการค้าของเราจะเป็นกรอบเวลาที่แข็งแกร่งถ้านี่เป็นเหตุผลที่มีประสิทธิภาพแม้จะมีระดับเสียงที่แตกต่างกันและพฤติกรรมของตลาดในแต่ละช่วงเวลาที่แตกต่างกันการประยุกต์ใช้กับการซื้อขาย หากระบบการค้าของเรามีกรอบเวลาที่แข็งแกร่งจะทำงานในทุกช่วงเวลาอย่างไรก็ตามนี่ไม่ได้หมายความว่าเรายังคงไม่แยแสกับกรอบเวลาที่เราค้าเราควรค้าในระยะเวลาที่ต่ำกว่านี้จะเพิ่มจำนวนโอกาสการซื้อขายต่อครั้งลองจินตนาการเฉลี่ย 1 การค้าต่อ 5 บาร์ถ้าคุณค้าขายในระยะเวลารายวันคุณจะยิง 52 ธุรกิจการค้าปี 260 วันธรรมดา 5 หากคุณซื้อขายใน 1 กรอบเวลาคุณสามารถยิง 1248 260 24 5 ธุรกิจการค้าพวกเจ้า ar ดังนั้นกำไรของคุณจะสูงกว่า 24 เท่าโดยไม่ต้องคำนึงถึงผลกระทบของการรวมตัวเราควรจะซื้อขายในกรอบเวลาที่ต่ำที่สุดเท่าที่จะเป็นไปได้ตามที่ระบุข้างต้นถ้าเราควรซื้อขายใน MTM ระยะเวลาต่ำสุด 1 นาที MT4 ควรทำกำไรได้อย่างหนาแน่น ใช่น่าเศร้าและไม่น่าแปลกใจเลยไม่น่าเป็นไปได้ที่ระบบการซื้อขายจะเป็นกรอบเวลาที่สมบูรณ์แบบไม่น่าเป็นไปได้ที่สินทรัพย์จะทำงานในลักษณะเศษส่วนที่สมบูรณ์แบบขณะที่เราไปลดระยะเวลาการเพิ่มเสียงรบกวนพฤติกรรมของสินทรัพย์จะไม่สามารถคาดการณ์ได้มากขึ้น อิทธิพลจากเหตุการณ์ปัจจุบันโครงสร้างจุลภาคของตลาดและการเก็งกำไรของผู้เข้าร่วมตลาดดังนั้นเราจึงควรเลือกกรอบระยะเวลาที่ช่วยลดการลดเสียงรบกวนและเพิ่มผลกำไรสูงสุดหากระบบการซื้อขายของเราไม่ได้เป็นกรอบเวลาที่แข็งแกร่งเราจำเป็นต้องเข้าใจว่ากรอบระยะเวลาไหนที่เหมาะสมที่สุดสำหรับ our trading system in different market conditions. Instrument Robustness. Definition A trading system is robust across instruments assets if it ca n remain effective across different instruments. A trading system is instrument robust if it performs as expected across different assets This means that the trading system s underlying trading logic is capturing an inefficiency that exist in multiple assets. Application to Trading. Instrument robustness is not a gauge of a trading system s performance In fact, most trading systems are not instrument robust Trading systems are designed to capture specific market inefficiencies and these inefficiencies tend to be instrument specific Thus, it is not unusual that most trading systems are not instrument robust. Instead of aiming for instrument robustness, we should understand how our trading systems work in different assets This will allow us to discover common inefficiencies in different assets and deploy our portfolio of trading systems more effectively. Optimisation Robustness. Definition A trading system is robust in optimisation if the trading system objective function is maximised while mi nimising curve fitting. Before we explain in detail what Optimisation Robustness is, let s briefly understand what optimisation, objective function and curve fitting are. Optimisation The process where we adjust the structure and rules of a trading system to maximise or minimise its objective function. Objective Function This is the performance output of a backtest that we are trying to maximise or minimise. An easy and lazy way to choose an objective function is to use Net Profit This is rarely a good idea In trading, this output should consist of 3 things reward, consistency and risk. Curve Fitting The process of catering the trading system so closely to historical data that it becomes ineffective in the future. Why Because the future rarely reflects the past. Because the future rarely reflects the past, we need an optimisation process that minimises curve fitting This will increase the odds of success of our trading system A trading system going through such a process can be said to be opt imisation robust. Application to Testing. This brings us to our solution The Walk Forward Optimisation. Definition according to Wikipedia. The trading strategy is optimised with in-sample data for a time window in a data series The remainder of the data are reserved for out-of-sample testing A small portion of the reserved data following the in-sample data is tested with the results recorded The in-sample time window is shifted forward by the period covered by the out-of-sample test, and the process repeated At the end, all of the recorded results are used to assess the trading strategy. To translate into simpler words. We optimise our trading system using one period in-sample , and apply the optimised parameters to the next period out-of-sample Repeat The performance of the trading system is collated using all the out-of-sample periods. Figure 4 In-sample and out-of-sample periods.1 Optimise trading system using In-Sample A.2 Test trading system s performance in Out-Sample A.3 Optimise tradi ng system using In-Sample B.4 Test trading system s performance in Out-Sample B.5 Repeat for Period C to E.6 We will evaluate the trading system s performance in Out-Sample A to E. The aim of this process is to examine how will our trading system perform when executed in unknown territory out-of-sample. Parameter Robustness. Definition A trading system is parameter robust if its performance does not change drastically due to slight change in parameter values. If the underlying trading logic is sound, changing the parameter values slightly should not significantly affect its performance If the performance changes drastically, the trading system exhibits signs of curve fitting. Application to Testing. The results of an optimisation can be viewed in an optimisation surface parameter space if we are only optimising two parameters The x-axis and y-axis represents our two parameters The z-axis represents our objective function. Figure 5 Optimisation Surface with spiky peaks. Figure 6 Optimisation Su rface with flat hills. The two figures above represents the optimisation surface of a trading system that uses two parameters, a fast moving average and a slow one When we examine this optimisation surface, we prefer flat hills over spiky peaks Flat hills indicate little change in performance even if we shift the parameter values slightly. Portfolio Robustness. Definition Portfolio Robustness occurs when a group of trading systems are able to remain effective in different market conditions. Portfolio Robustness and Period Robustness are different as Portfolio Robustness focuses on the complementary effects of separate trading systems Different trading systems have different strengths and weaknesses They can be combined in a way to maximise our objective function of the portfolio in the long run. Application to Trading. For illustration, assume we have two trading systems which are long term profitable but are negatively correlated to each other. Figure 7 Net equity curve of a portfolio of two robots. By combining these two trading systems, we are able to cancel out the risk in their performance and achieve a net long run positive result with significantly lower risk. By applying this concept to a portfolio of different trading systems, we aim to achieve Portfolio Robustness. This article serves to briefly introduce the seven main types of robustness However, in order to truly have a good grasp on building great trading systems, you need these three elements Trading System Design, Coding for Algorithmic Trading and Market Knowledge What s next Go Google these topics and get started. AlgoTrading101 is the first comprehensive online course on algorithmic trading Learn the fundamentals of algo trading and put your ideas into action along with more than 10,000 students Learn more about us at AlgoTrading101.This dude runs an algorithmic trading academy with over 13,000 students Click on the Author link above to learn more about him. Post navigation.