Testausraportti. Voit tarkastella yksityiskohtaista raporttia Tulokset-välilehdestä. Seuraavat parametrit ovat saatavilla testausselosteessa. Historia Laatu Tämä arvo luonnehtii testaukseen käytettävien hintatietojen laadun. Se määritetään prosenttiosuudeksi oikean ja virheellisen yksi - minuutti Neliöllinen levitys tai tilavuus, joka on yhtä kuin 1 eri OHLC-arvoilla, katsotaan virheellisiksi Historiaerot katsotaan myös virheellisiksi tiedoiksi Koko koosta riippuen testijakso jakautuu 1 199 väliajoin. erikseen Aikavälit näytetään eri väreillä historiallisen laadun graafisessa indikaattorissa, vaalean sävy vihreällä tarkoittaa parempaa laatua, punainen väri edustaa välejä, joiden laatu on alle 50. Tunnisteen tuottamien palkkien määrä. Pyyhkii testauksen aikana mallinnettujen punkkien lukumäärän. Symboleissa on symboleiden määrä, joita asiantuntijaneuvosto pyysi tietoja testin aikana. Alustava talletustalletustodistus testausta varten. Valitse asiantuntijan neuvonantajan testauksen aikana peruuttanut rahasumma Tämä kenttä ei näy, jos peruuttamistoimia ei ole. Koko nettotulos on kaikkien kaupojen tulos. Gross Voitto kaikkien kannattavien kauppojen summasta rahat ylittävät. Lasketaan kaikki menettämät liiketapahtumat summalla. Tasapainotus Arvonlaskenta Absoluuttinen saldo laskee alkuperäisen talletusarvon alapuolelle. Tasapaino Lasku Maksimipaino suurimman saldon laskun suhteessa paikalliseen maksimiin talletusvaluutassa ja prosentteina Talletus. Tasapainotus Suhteellinen suurin tasapainon lasku suhteessa paikalliseen maksimiarvoon prosentteina ja sopivan rahamäärän. EQUITY Drawdown Absoluuttinen suurin pääoman lasku alkuperäisen talletuksen alapuolella. EQUITY Drawdown Maksimipääoman suurin pudotus suhteessa paikallinen maksimi talletusvaluutassa ja prosentti talletuksesta. Suhteellinen suhdeluku Suurin omavaraisuusaste suhteessa paikalliseen ma Ximum oman pääoman prosenttiosuus ja sopiva rahamäärä. Profit Factor-suhde bruttotuloksesta bruttotulokseen A-arvo tarkoittaa, että nämä parametrit ovat yhtä suuret. Recovery Factor - arvo heijastaa strategian riskiä eli rahamäärää Asiantuntijan neuvonantajan riski saada aikaansa saatu voitto lasketaan voiton tuloksen suhdetta suurimman arvonlaskennan suhteen. AHPP: n aritmeettinen keskiarvo prosentteina tapahtuneesta kauppavaihdosta. Kauppaan kohdistuvien oman pääoman muutosten aritmeettinen keskiarvo Aritmeettinen keskiarvo ylittää tavallisesti yrityksen kannattavuuden Kauppajärjestelmä verrattuna geometriseen keskiarvoon Jos geometrinen keskiarvo merkitsee kunkin kaupan tulosten moninkertaistumista, aritmeettinen keskiarvo vain summaa ne. Arvot prosentteina on suluissa. On myönteistä, jos kaupankäyntijärjestelmä on kannattava. Negatiivinen arvo tarkoittaa sitä, että järjestelmä on menettänyt. GHPR geometrinen keskiarvo kaupan muutoksesta prosentteina Geometrinen keskiarvo osoittaa, kuinka monta kertaa pääoma muuttui jokaisen kaupan jälkeen keskimäärin Re Laina-arvoinen osakeanti on usein objektiivisempi arvio kuin odotettu tuotto. Suluissa oleva negatiivinen luku tarkoittaa, että keskimääräinen pääoma pienenee jokaisessa kaupassa. Oletettu tuotto on tilastollisesti laskettu arvo, joka osoittaa keskimääräisen tuoton Yksi sopimus Lisäksi katsotaan olevan seuraavan kaupankäynnin odotettu tuotto. Harpe-suhdeluvulla tämä suhde luonnehtii strategian tehokkuutta ja vakautta. Se heijastaa positiotilojen ajankohdan aritmeettisen keskiarvon suhdetta sen keskihajontaan. Riski - vapaata korkoa, joka on myös sopivista pankkitalletusrahastoista saatava voitto, otetaan huomioon myös tässä. LR Korrelaatio lineaarinen regressio-korrelaatio Tasapainokaavio on katkoviiva, jota voidaan lähentää suoralla linjalla. line, käytetään pienimmän neliösumman menetelmää. Tuloksena olevaa suoraa linjaa kutsutaan lineaariseksi regressioksi ja sen avulla voidaan estimoida b: n poikkeama lineaarisen regressioarvon vertailu Tasapainokäyrän ja lineaarisen regressioluvun välinen korrelaatio mahdollistaa pääoman vaihtelun asteen arvioimisen Balance-käyrän vähemmän jyrkät piikit ja kourut, mitä lähempänä parametrin arvo on 1 Arvot lähellä nollaa tarkoittavat satunnaisluonteeltaan. LR Standard - virhe Vakiorisvirhe poikkeamasta lineaarisesta regressiosta Tämä indeksi käytetään arvioimaan tasapainon kaavion poikkeama lineaarisesta regressiosta raha-arvossa. On järkevää vertailla samanlaisia alkuperäisiä olosuhteita käyttäviä järjestelmiä samoja arvoja Alkupääoma Mitä suurempi arvo on, sitä enemmän tasapaino poikkeaa suorasta linjasta. Margin Level vähimmäistaso prosentteina ilmaistuna testauksen aikana. Z-Pistesarja testaa korrelaation todennäköisyyttä kaupoissa Sarjatestaus mahdollistaa arvion korrelaatio kauppojen kesken ja arvioida, sisältääkö kaupan historia vähemmän peräkkäisten voittojen jaksoja tappiot kuin tavanomainen jakautuminen merkitsevät havaittua korrelaatiota mahdollistaa rahanhallintamenetelmien soveltamisen tai muuttaa kaupankäyntijärjestelmäalgoritmia voiton maksimoimiseksi ja riippuvuuden poistamiseksi Sekä todellisen korrelaation havaitsematta että löytämättömien korrelaatioiden löytäminen ovat vaarallisia Z Pistemäärä osoittaa poikkeaman normaalijakaumasta sigma-arvossa. A-arvo ylittää 3 tarkoittaa, että voiton seuraa menetyksen todennäköisyys 3 sigma 99 67 - arvo alle -3 osoittaa, että voiton seuraa voitto, jolla todennäköisyys 3 sigma 99 67.OnTester Tulos on Expert-neuvonantajan OnTester-toiminnon palauttamasta arvosta testin tuloksena. Se vastaa yksilöllistä optimointikriteeriä. Total Trades - kauppojen kokonaismäärä laski tulosvaimennuksen. Total käsittelee tarjouksien kokonaismäärän. Hort Trades voitti kaupankäynnin määrän, joka sai voiton myydä rahoitusinstrumenttia ja prosentuaalisesti kannattavaa lyhytaikaista kaupankäyntiä. Pitkä kaupat voitti kaupankäynnin määrän, joka johti voiton hankkimiseen rahoitusvälineestä ja prosenttiosuus Kannattavaa pitkiä kauppoja. Hyödyke Kaupat kaikista kannattavien kauppojen määrästä ja niiden prosenttiosasta kaikista kaupoista. Loss Kauppojen osuus menettämisen liikevaihdosta ja niiden prosenttiosasta kokonaisliikevaihdosta. Suurin voitto kaupankäynti on kaikkien kannattavimpien kauppojen suurin voitto. tappio kaupankäynnin suurin menetys kaikki tappiolliset kaupat. Keskimääräinen voitto kaupankäynnin keskimääräinen voitto arvoa kohti kaupan voittojen kokonaismäärä jaettuna voiton kaupoissa. Keskimääräinen tappiollinen kauppa keskimääräinen tappio arvo kaupankäynnin tappiot yhteensä jaettuna Peräkkäisten voittojen määrä. Voittokuljetusten pisin voitto ja niiden kokonaisvoitto. Suurin peräkkäiset menetykset pisin sarja menettää t Rades ja niiden kokonaistappio. Suurin peräkkäinen voitto laskee sarjan kannattavien kauppojen sarjan enimmäistuloksen ja tämän sarjan kannattavien kauppojen määrän. Suurimman peräkkäisen menetyksen laskee menestysliikevaihdon enimmäismäärä ja menettämiskaupan määrä . Keskimääräinen peräkkäinen voittaa keskimääräisen voitonmyyntisarjan kannattavassa sarjassa. Keskimääräiset peräkkäiset tappiot menettävien sarjojen menetysten keskiarvon menetyksissä. Korrelaatiotulot, tulojen keskinäinen MFE-korrelaatio ja MFE: n Suurin sallittu retki, mahdollisen voiton enimmäiskoko on tapahtunut Jokaisella positiolla oli maksimaalinen voitto ja suurin mahdollinen menetys avaamisen ja sulkemisen välillä MFE osoittaa voittoa edullisessa hintatarjouksessa Jokaisella positiolla on tulos ja kaksi parametriä MFE ja MAE Maximum Adverse Excursion, potentiaalisen tappion maksimikoko aseman eliniän aikana Näin ollen jokainen asema voidaan piirtää tasolle, jossa MFE on piirretty X-akselin suuntaisesti, Tulos on piirretty Y-akselin suuntaan Tulokset lähellä MFE tarkoittaa edullisimman hintataulukon täydellistä käyttöä Suora viiva kaaviossa näyttää approksimaation funktiona Tulos A MFE B Korrelaatiovoitot MFE: n avulla voidaan arvioida voittojen menetysten ja MFE-arvot lähellä 1 merkitsevät, että kaupat sopivat hyvin lähentymislinjaan Arvot lähellä nollaa keskimääräinen heikko korrelaatio MFE luonnehtii kykyä saavuttaa mahdollinen voitto. Korrelaatiotulot, MAE-korrelaatio tulosten ja MAE: n välillä Enimmäiskäyräkierros Jokainen asema saavutti maksimaalisen voitonsa ja Maksimaalinen häviö aukon ja sulkemisen välillä MAE osoittaa häviön hinnan haitallisen kierron aikana Jokainen asema saa tuloksen ja kaksi parametriä MFE ja MAE Näin ollen jokainen asema voidaan piirtää tasolle, jossa MAE on piirretty X-akselin suuntaisesti, palautus on piirretty Y-akselin suuntaan Tulokset lähelle MAE tarkoittaa kaikkein täydellistä suojaa haitalliselta hinnasta. Suora viiva kaaviossa osoittaa Toimintojen lähentäminen Voitto A MAE B Korrelaatiovoitot, MAE sallii voitto-tappioiden ja MAE-arvojen välisen suhteen arvioinnin, joka tarkoittaa, että kaupat sopivat hyvin lähentymislinjaan Arvot lähellä nollaa keskimääräinen heikko korrelaatio MAE kuvaa laskostusta sijainnin Elinikä ja paras luonnehtii suojaavan pysähdystaajuuden käyttö. Korrelaatio MFE, MAE-korrelaatio MFE: n ja MAE: n välillä Näyttää kahden riveen välisen korrelaation ihanteellinen arvo on 1 - maksimoimme voiton ja suojaamme sen koko elinaikana. nolla tarkoittaa, että käytännössä ei ole korrelaatiota. Minimaalinen asema pitää aikaa minimaalisen ajan välillä asennon avaamisen ja sulkemisen välillä. Täydellinen asennon sulkeminen on sen täydellinen poistaminen, laskettu arvo ei ota huomioon osittaista sulkeutumista tai asennon kääntöä. Pitämällä aikaa suurimman mahdollisen ajan avaamisen ja sulkemisen välillä asemaa pitämällä keskimääräinen aika aseman avaamisen ja kokonaan sulkemisen aikana testauksen aikana. Jos peruuttamistoimet suoritetaan asiantuntijaneuvonnassa testauksen optimoinnin aikana, laskentatavat lasketaan ottaen huomioon nämä toimet. Ohjelma Laskeutumisen aikana niiden laskenta käynnistetään uudelleen nykyisen tasapainon ja oman pääoman arvojen perusteella Jos uudet lasketut arvonalennukset ovat suurempia kuin aiemmin tallennetut, ohjelma muistaa nämä uudet arvot. Joten suurin nostotaso on sisällytetty Loppuraportti. Seuraavat kaaviot ovat saatavilla testausraportissa. Käynnissä olevat tunnit. Tämä kaavio osoittaa markkinointisopimusten jakelun avaamalla, lisäämällä ja kääntämällä kantoja tunnilla. Kaavion viivojen värit merkitsevät kaupankäyntiä Aasian keltainen, eurooppalainen vihreä ja American red. Entries arkisin. Tämä kaavio osoittaa markkinoille pääsyn d Ees avaamalla, korottamalla ja kääntämällä positioita päivinä viikossa. Entries per month. This kaavio osoittaa jakelu markkinoille pääsyä käsitellään avaamista, kasvua ja kääntymistä kantoja kuukausittain. Profit ja tappiot tunteja. Tämä kaavio osoittaa jakelu markkinoilla sulkemistapahtumat sulkeminen, osittainen sulkeminen ja kääntymisen muuttaminen tunneittain Kaaviopalkkien värit osoittavat kannattavaa sinistä ja menettävät punaiset tarjoukset. Hyödyt ja menetykset arkipäivinä. Tämä kaavio osoittaa markkinoiden sulkemisen sulkemisen, osittaisen sulkemisen ja kantojen kääntämisen Arkipäivät Kaavion palkkien värit osoittavat kannattavaa sinistä ja menevät red deals. Profit ja tappiot kuukausittain. Tämä kaavio osoittaa markkinoiden sulkemisen sulkemisen, osittaisen sulkemisen ja kääntymisen kääntämisen kuukausittain. Kaavion palkkien värit osoittavat kannattavaa sinistä ja menettää punaiset tarjoukset. Kommentit on piirretty pisteiksi MFE: n kaaviossa Molempien akseleiden suurin suosituimmuusraja-arvot ilmoitetaan talletusvaluutassa Kunkin sijainnin voittoarvon lisäksi Y-akselilla piirretyt swapit kuvaavat kaaviosta maksimaalisen mahdollisen voiton sijoitustilan pitopaikan aikana. Sen avulla voidaan arvioida paperin realisoitumattoman voiton laadun. Vaikka pisteiden jakautuminen Kaavio antaa kuvan kaupankäyntijärjestelmästä, lineaarinen regressio, joka on approksimaatio pienimmillä neliöillä, on annettu objektiivisen arvioinnin kannalta. Ihanteellisesti linjan tulisi kulkea 45 asteen kulmassa. Esitykset on piirretty pisteiksi MAE Maximum Kumpaankin akseliin kohdistuvat haittatapahtuma-arvot ilmoitetaan talletusvaluutassa Kunkin paikan tulosarvon lisäksi, mukaan lukien Y-akselilla merkityt swapit, kaaviossa näkyy suurin nostotapa pitopaikan aikana. Sen avulla voidaan arvioida kaupankäyntiä laskettaessa ylhäältäpäin Vaikka pisteiden jakautuminen pitkin kaaviota tarjoaa kuvan kaupankäyntijärjestelmästä, lineaarinen regressio, joka on lähentäminen vähin squ Ares, on annettu objektiiviselle arvioinnille. Vähemmän kaupoista negatiivisilla X MAE-arvoilla sitä parempi. Graafinen analyysi auttaa arvioimaan maksimaalisen sietokyvyn menetyksen, jonka jälkeen voiton hyödyntämismahdollisuus on hyvin pieni, jos analyysi suoritetaan yhdellä valuuttaparilla ja Pisteissä. Profit ja position holding time distribution. Oppioissa Profit Time-kaaviossa kuvattuja pisteitä osoittavat sijainnit Kaaviossa näkyy korrelaatio sijainnin pitopaikan ja sulkemisen seurauksena saavutetun voiton välillä. Aikavälillä olevat arvot voidaan antaa sekunteina, Minuutit tai tuntia vaaditusta asteikosta riippuen Tulos näytetään talletusvaluutassa Asema-ajan piteneminen lasketaan ajaksi sen avaamisesta täydelliseen sulkemiseen Aseman täydellinen sulkeminen on sen täydellinen poistaminen laskennallisella arvolla ei oteta huomioon osittaista sulkemista tai Asema kääntyy. MetaTrader 4 - Trading. Mathematics in Trading Miten arvioida kauppaa tulokset. Ja minua aio hämätä satunnainen Se on parempi olla kauniista ja harmittomista Nassim N Taleb. Introinti Matematiikka on tiedemiehen kuningatar. Jokainen elinkeinonharjoittaja tarvitsee tietyn matemaattisen taustan, eikä tätä lausuntoa tarvita todisteita. Asia on vain Miten voimme määritellä tämän Vaadittu vähimmäistaso Kaupankäynnin kokemuksen kasvaessa elinkeinonharjoittaja usein laajentaa näkemystään yhdellä kädellä, lukemalla foorumeilla tai eri kirjoilla olevia viestejä. Jotkut kirjat vaativat lukijoiden matemaattisen taustan vähäisyyttä, jotkut päinvastoin innostavat tutkia tai harjauttaa yhden tietämyksen tietyllä alalla puhtaan tutkimuksen tai toisen Yritämme antaa joitakin arvioita ja niiden tulkintoja tässä yksittäisessä artikkelissa. Kahdesta pahasta Valitse vähiten. Maailmassa on enemmän matemaatikkoja kuin onnistuneita kauppiaita Tämä tosiasia on jotka usein vastustavat monimutkaisia laskutoimituksia tai kaupankäynnin menetelmiä. Voimme vastustaa sitä, että kaupankäynti ei ole pelkästään kyky kehittää kauppasääntöjä, jotka analysoivat taitoja, vaan myös Kyky noudattaa näitä sääntöjä kurinalaisuutta Lisäksi teoria, joka kuvaisi täsmälleen rahoitusmarkkinoiden hinnoittelua, ei ole vielä luonut nykyään mielestäni sitä ei koskaan luota. Rahoitusmarkkinoiden matemaattisen luonteen teorian löytäminen itse merkitsisi näiden Markkinat, jotka ovat epäselvä paradoksi filosofian kannalta Kuitenkin, jos kohtaamme kysymyksen siitä, menisimmekö mennä markkinoille markkinoiden melko tyydyttävän matemaattisen kuvauksen tai ilman minkäänlaista kuvausta, valitsemme vähiten pahaa. Estimointi kaupankäyntijärjestelmistä. Mikä on tavanomaisen jakelun epänormaalius. Yksi todennäköisyysteorian perusnäkemyksistä on normaalin Gaussin jakautumisen käsite. Miksi sitä kutsutaan nimellä? Monet luonnolliset prosessit osoittautuivat normaalisti jakautuneiksi. Luonnolliset prosessit rajoittuvat normaalijakaumaan. Tarkastellaan yksinkertaista esimerkkiä. Oletetaan, että meillä on yhtenäinen jakelu sisään Tasal 0-100 Tasainen jakautuminen tarkoittaa sitä, että todennäköisyys putoaa mikä tahansa arvo sen aikavälin ja todennäköisyyden, että 3 14 Pi laskee, on sama kuin lasku 77 suosikkini numero kahdella seitsemällä Nykyaikaiset tietokoneet auttavat luomaan melko hyvä pseudosatelliitti - numero-sekvenssiä. Mistä voimme saada tämän tasaisen jakauman normaalijakauman? Osoitetaan, että jos otamme joka kerta useita satunnaislukuja, esimerkiksi 5 yksilöllisen jakelun lukumäärää ja löydämme näiden lukumäärien keskiarvon, kutsutaan näytteen ottamiseksi Ja jos tällaisten näytteiden määrä on suuri, äskettäin hankittu jakelu pyrkii normaaliin. Keskimmäinen raja-ilmiö sanoo, että tämä koskee paitsi ainutkertaisista jakaumista otettuja näytteitä, myös erittäin suuren luokan muita jakaumia. on tutkittu hyvin, on paljon helpompaa analysoida prosesseja, jos ne ovat edustettuina prosessina, jossa on normaalia jakelua. voimme nähdä tämän keskusrajan lauseen vahvistamisen yksinkertaisella MQL4-indikaattorilla. Käynnistä tämä indikaattori mille tahansa kaaviolle, jossa on erilainen N näytteiden määrä ja katso, että empiirinen taajuusjakautuma muuttuu tasaisemmaksi ja tasaisemmaksi. Kuva 1 Indikaattori, joka luo normaalin Jakautuminen tasaisesti. Näin N tarkoittaa kuinka monta kertaa otimme keskimääräisen pino 5 tasaisesti jakautuneita numeroita välillä 0-100 Saimme neljä kaavioita, jotka ovat hyvin samanlaisia ulkonäöltään Jos me normalisoimme heidät jonkin verran raja-apuun Yksittäisen asteikon saamme aikaan useampia tavanomaisen normaalijakauman toteutuksia. Vain tämä voide on, että rahoitusmarkkinoiden hinnoittelu on tarkempaa, hintojen nousut ja muut näiden johdannaisten johdannaiset eivät yleisesti ottaen sovi tavanomaiseen jakeluun Esimerkiksi melko harvinaisen tapahtuman todennäköisyys, jonka hinta laski 50: llä rahoitusmarkkinoilla, on alhainen mutta silti huomattavasti korkeampi kuin normaalissa L jakelu Tämän vuoksi on muistettava tämä arvioitaessa riskejä normaalin jakelun perusteella. Määrä muuttuu laatuun. Tämä yksinkertainen esimerkki mallinnuksen normaalista jakautumisesta osoittaa, että käsiteltävien tietojen määrä laskee paljon. Mitä enemmän alkuperäisiä tietoja on olemassa , sitä tarkempaa ja pätevämpää on Näytteen pienin numero katsotaan ylittävän 30 Tämä tarkoittaa sitä, että jos haluamme arvioida kaupankäynnin tuloksia esimerkiksi Testerin asiantuntijaneuvojalla, alle 30 Ei riitä tekemään tilastollisesti luotettavia johtopäätöksiä järjestelmän jollakin parametrilla Mitä paremmin analysoitamme, sitä vähemmän todennäköisyys on, että nämä kaupat ovat vain iloisesti valloittuneita elementtejä, jotka eivät ole kovin luotettavia kauppajärjestelmiä. Tästä syystä lopullinen voitto sarjassa 150 kaupasta antaa syyt järjestelmän käyttöönottamiseen kuin järjestelmä, joka on arvioitu vain 15: lle kaupalle. Matemaattinen odotus ja hajonta arviointikriteerinä. Jakauman tärkeimmät ominaisuudet ovat matemaattinen odotusarvo ja dispersio Normaalijakauman jakautumisella on matemaattinen odotus, joka on yhtä kuin nolla. Silloin jakelukeskus sijaitsee nollassa, samoin kuin normaalijakauman tasaisuus tai jyrkkyys. satunnainen arvo matemaattisella odotusalueella Se on dispersiota, joka osoittaa meille kuinka arvot levitetään satunnaisarvon matemaattisesta odotuksesta. Matemaattiset odotukset löytyvät hyvin yksinkertaisella tavalla. Laskettavissa ryhmissä kaikki jakautumisarvot summataan, saadun summan ollessa Jaettuna arvojen määrällä Esimerkiksi luonnollisten lukumäärien määrä on ääretön, mutta laskettavissa, koska jokainen arvo voidaan yhdistää sen indeksin järjestysnumerolla. Lukemattomille sarjoille integrointi otetaan käyttöön, jotta voidaan arvioida matemaattisten odotusten arvot kertoo kaikki kaupatulokset ja jakaa saadun määrän kaupankäynnin määrillä. Saatu arvo Näyttää jokaisen kaupan oletetun keskimääräisen tuloksen Jos matemaattinen odotus on positiivinen, me voimme hyötyä keskimäärin Jos se on negatiivinen, menetämme keskimäärin. Kuvio 2 Todennäköisyysluku normaalijakaumalla. Jakauman leviämismuoto on summa satunnaisarvon neliölliset poikkeamat sen matemaattisesta odotuksesta Jakauman tätä ominaisuutta kutsutaan hajotukseksi Tavallisesti satunnaisesti jakautuneen arvon matemaattinen odotus on nimeltään MX Sitten dispersio voidaan kuvata DXM XM X 2: nä Dispersion neliöjuuri nimeltään standardipoikkeama It On myös määritelty sigmaksi. Se on normaali jakautuma, jonka matemaattinen odotus on nolla ja keskihajonta, joka on yhtä kuin nimellinen normaalijakauma tai Gaussin jakautuminen. Mitä suurempi keskihajonnan arvo on, sitä enemmän vaihtokelpoinen kaupankäyntipääoma on, suurempi riski on, jos matemaattinen odotus on positiivinen kannattava strategia ja on 100 ja jos standard deviatio n on yhtä suuri kuin 500, riskiemme summan, joka on useita kertoja suurempia, ansaitsemaan jokaista dollaria. Esimerkiksi meillä on 30 kaupankäyntiä. Jotta löytäisimme matemaattisen odotuksen tästä kaupankäynnin sekvenssistä, tulkitse yhteen kaikki tulokset ja jakaa tämä 30: llä Saavutamme keskimääräisen arvon MX, joka on 4 26 Keskimääräisen poikkeaman löytämiseksi vähennetään keskiarvo kunkin kaupan tuloksesta, neliö se ja löydetään neliösumman summa. Saatu arvo jaetaan 29: llä Kauppojen määrä miinus yksi Joten saadaan dispersio D, joka on 9 353 623 Dispersiota neliömäisen juuren muodostamisen jälkeen saadaan standardipoikkeama, sigma, joka on 96 71. Tarkastustiedot on annettu alla olevassa taulukossa. XM X 2 Square of Difference. What olemme saaneet on matemaattinen odotus 4 26 ja keskihajonta 96 71 Ei ole paras suhde riskin ja keskimääräisen kaupan Kaavio alla vahvistaa tämän. Fig 3 Balance kaavio kaupoista Tehty. Voit käydä kauppaa satunnaisesti Z-Score. The oletus itsessään, että voitto johtuu useista kaupoista on satunnaisia ääniä sardonaalisesti useimmille elinkeinonharjoittajille viettää paljon aikaa etsiä menestyksekästä kauppajärjestelmää ja havaitsi, että järjestelmä että yrittäjä on olettaa löytäneensä oikean lähestymistavan markkinoille. Miten hän voi olettaa, että tämä on vain satunnaisuus, joka on liian paksu, varsinkin aloittelijoille Tästä huolimatta on välttämätöntä arvioida tuloksia objektiivisesti. Tässä tapauksessa normaali jakelu taas tulee pelastamiseen. Emme tiedä, mitä tulee olemaan kunkin kaupan tulos. Voimme vain sanoa, että me joko saamme voittoa t kohtaavat tappiot - Voitot ja tappiot vaihtelevat eri tavoin eri kaupankäyntijärjestelmissä Esimerkiksi jos odotettu voitto on 5 kertaa pienempi kuin odotettu tappio Stop Loss - tapauksessa, olisi kohtuullista olettaa, että kannattavilla kaupoilla käydään kauppaa merkittävästi Z - Score antaa meille mahdollisuuden arvioida, kuinka usein kannattavat kaupat vuorottelevat menettämisen kanssa. Z kaupankäyntijärjestelmää lasketaan seuraavalla kaavalla: missä N - sarjan R-kauppojen kokonaismäärä - kokonaissumma sarja kannattavaa ja häviävää kauppaa P 2 WLW - sarjan L: n kannattavien kauppojen kokonaismäärä - sarjan sarjan sarjan menetysten kokonaismäärä. A sarja on sekvenssi plusseista, joita seuraa toisiaan tai miinukset, joita seuraa toisiaan Esimerkki: - R laskee tällaisen sarjan määrän. Kuvio 4 Kahden tulos - ja tappio-sarjan vertailu. Kuvassa 4 osa asiantuntijaneuvon voitosta ja tappiosta, joka otti ensimmäisen sijan Automated Trading Championship 2006 näkyy sinisenä Z-pisteet kilpailutilillään on -3 85, suluissa on 99 74 todennäköisyys. Tämä tarkoittaa, että 99 74: n todennäköisyydellä kauppaan tällä tilillä oli positiivinen riippuvuus toisistaan Z-pisteet ovat negatiivisia voittoa seurasi voitto, tappio seurasi tappiota Onko tämä tapaus Miehet, jotka seurasivat Mestaruuskilpailua, luultavasti muistaisivat, että Roman Rich laittoi versionsa Expert Advisor MACD: lle, joka oli usein avattu Kolme liikettä, jotka kulkevat samaan suuntaan. Normaalijakauman satunnaisen arvon positiivisten ja negatiivisten arvojen tyypillinen sekvenssi näkyy punaisena. Voimme nähdä, että nämä sekvenssit poikkeavat toisistaan. Kuitenkin miten voimme mitata tätä eroa. Z-pisteiden vastaus tähän kysymykseen tulos - ja häviöjärjestys sisältää enemmän tai vähemmän nauhoja kannattavaa tai häviävää sarjaa kuin voit odottaa todella satunnaiselle sekvenssille ilman riippuvuutta kaupan välillä Jos Z-pisteet ovat lähellä nollaa , Emme voi sanoa, että kaupankäynnin jakautuminen poikkeaa kaupankäyntijärjestysn mukaisesta normaalijakauman Z-pisteestä voi kertoa meille mahdollisesta riippuvuudesta peräkkäisten kauppojen välillä. Tällöin Z: n arvot tulkitaan samalla tavalla kuin todennäköisyys poikkeamaan nollasta Satunnaisarvo, joka jaetaan tavanomaisen normaalijakauman keskiarvon 0, sigma 1 mukaan. Jos todennäköisyys laskea normaalisti jakautuneen satunnaisarvon alueella 3 on 99 74, tämän arvon menettäminen tämän väliajan ulkopuolella samalla todennäköisyydellä 99 74 ilmoittaa että tämä satunnaisarvo ei kuulu tähän annettuun normaaliin jakeluun. Siksi 3-sigma-sääntö luetaan seuraavasti: normaali satunnaisarvo poikkeaa keskimäärin enintään 3-sigma-etäisyydellä. Z: n merkki ilmoittaa meille tyypistä riippuvuus Plus tarkoittaa, että luultavasti kannattavassa kaupassa seuraa menettäminen. Minus sanoo, että voittoa seuraa voitto, tappio seuraa menetyksen Voitto Alla oleva pieni taulukko kuvaa kaupankäynnin riippuvuustyyppiä ja todennäköisyyttä verrattuna normaaliin jakeluun. Riippuvuuden riippuvuus riippuu riippuvuudesta. Liiketoimintojen positiivinen riippuvuus tarkoittaa sitä, että voitto aiheuttaa uuden voiton, kun taas tappio aiheuttaa Uusi menetys Negatiivinen riippuvuus tarkoittaa sitä, että tulosta seuraa menetystä, kun taas menetyksestä seuraa voitto. Löytyneen riippuvuuden ansiosta voimme säätää positiivisten kokojen kokoa avattaessa ihanteellisesti tai jopa ohittaa joitakin niistä ja avata ne vain käytännössä jotta he voivat katsella kaupan sekvenssejä. Hengitysaika palauttaa HPR: n kirjassaan Rahamallin matematiikka Ralph Vince käyttää HPR: n pidätysjakson tuottoa käsittelevän käsityksen. Kauppa sai aikaan 10: n voiton. HPR 1 0 10 1 10 A kauppa tuotti 10: n tappiolla on HPR 1-0 10 0 90 Voit myös hankkia kaupan HPR: n arvon jakamalla saldoluku kaupan lopettamisen jälkeen TasapainoLiitä saldoluvulla kaupan B avaamisen jälkeen alanceOpen HPR BalanceClose BalanceOpen Näin ollen jokainen kauppa on sekä rahatekstin tulos että HPR: n ilmaisemaa tulosta. Näin voimme verrata järjestelmiä itsenäisesti kaupankäynnin kohteena olevien sopimusten koosta. Yksi tällaisessa vertailussa käytetty indeksi on aritmeettinen keskiarvo, AHPR: n keskimääräinen holding ajanjaksot. AHPR: n löytämisessä meidän on kerrottava kaikki HPR: t ja jaettava tulos kaupankäynnin määrällä. Tarkastellaanko näitä laskelmia käyttäen edellä mainittua 30: n esimerkkiä. Oletetaan, että aloitimme kaupankäynnin 500: llä tilillä. Taulukko. AHPR on aritmeettinen keskiarvo Se on yhtä kuin 1 0217 Toisin sanoen keskimäärin ansaitsen 1 0217-1 100 2 17 jokaisessa kaupassa Onko tämä tapaus Jos kerromme 2 17: n 30: llä, näemme, että tulojen pitäisi olla 65 1 Sallii s kerrottu aloitusmäärä 500: lla 65: llä ja saada 325 50 Samaan aikaan todellinen voitto on 627 71-500 500 100 25 54 Näin ollen HPR: n aritmeettinen keskiarvo ei aina anna meille mahdollisuutta Arvioida järjestelmä oikein H aritmeettinen keskiarvo, Ralph Vince tuo esiin geometrisen keskiarvon käsityksen, jota kutsumme GHPR: n geometriseksi pidätysjakson tuotoksi, joka on käytännössä aina pienempi kuin AHPR: n. Geometrinen keskiarvo on pelikohtainen kasvutekijä ja se löytyy seuraavasta kaavasta: missä N - kauppojen määrä BalanceOpen - tilin alkuarvo BalanceClose - tilin lopullinen tila. Järjestelmän, jolla on suurin GHPR, tuottaa suurimman voiton, jos käymme kauppaa uudelleensijoittamisen perusteella. GHPR alla tarkoittaa sitä, että järjestelmä menettää rahaa, jos me Kaupankäynti uudelleensijoittamisen perusteella Hyvä esimerkki AHPR: n ja GHPR: n välisestä erosta voi olla sashkenin tilin historia. Hän oli mestaruustason johtaja pitkään AHPR 9 98 vaikutti, mutta lopullinen GHPR -27 68 tuo kaiken perspektiiviin. Sharpe Suhde. Investointien tehokkuus arvioidaan usein voitonjakoon nähden. Yksi tällaisista indekseistä on Sharpe-suhde. Tämä indeksi osoittaa, kuinka AHPR laski riskitöntä korkoa RFR: llä uudelleen HPR-sekvenssin keskihajonta SD: n arvo RFR: n arvo tavallisesti on yhtä suuri kuin pankin talletuksen korko tai korkoriskiä koskevat korot Esimerkissämme AHPR 1 0217, SD HPR 0 17607, RFR 0. jossa AHPR - keskimääräinen pidätysjakso palauttaa RFR - riskittömän nopeuden SD - standardipoikkeama. Sharpe-suhde 1 0217- 1 0 0 17607 0 0217 0 17607 0 1232 Normaalijakaumalla yli 99 satunnaista arvoa on 3 sigma SD: n alueella, keskiarvo MX Tästä seuraa, että Sharpe-suhteen arvo yli 3 on erittäin hyvä Alla olevassa kuvassa 5 voidaan nähdä, että jos kaupan tulokset jakautuvat normaalisti ja Sharpen suhde 3, todennäköisyys menettää on alle 1 kaupasta - sigman sääntö. Kuva 5 Kaupallisten tulosten tavanomainen jakautuminen menettämisen todennäköisyyden ollessa pienempi kuin 1. RobinHoodin osanottajan tili vahvistaa tämän, että hänen EA teki 26 kauppaa Automated Trading Championship 2006 - mestaruuskokeessa menettämättä niitä Sharpe Ratio 3 07: ssä. Lineaarinen regressio LR ja lineaarisen korrelaation CLC-kerroin. Myös toinen tapa arvioida kaupan tuloksen vakautta Sharpe Ratio antaa meille mahdollisuuden arvioida pääomankorotuksen riskin, mutta voimme myös yrittää arvioida tasapainokäyrän sileä astetta. Jos asetamme tasapainon arvot Sulkemalla jokaisen kaupan, voimme piirtää katkoviivan Nämä kohdat voidaan asentaa tietyllä suoralla linjalla, joka näyttää meille keskimääräisen pääomanmuutoksen suunnan Tarkastelemme esimerkkiä tästä mahdollisuudesta käyttäen tasapaino-kaaviota Expert Advisor Phoenix4 jonka Hendrick kehitti. Hendrickin automatisoitujen kaupankäyntimestarin 2006 osanottaja Hendrickin tasapaino-kaavio 2006. Meidän on löydettävä tällaiset kertoimet a ja b, että tämä linja kulkee mahdollisimman lähelle asennettavia pisteitä. Meidän tapauksessamme x on kauppa numero, y on tasapainoarvo kaupan sulkemisessa. Lähes suoraa suoraa yhteyttä löytyy tavallisesti pienimmän neliösumman menetelmällä LS-menetelmällä. Oletetaan, että tämä on suoraan tunnetuilla kertoimilla Db Jokaiselle x: lle meillä on kaksi arvoa yxaxb ja tasapaino x Tasapainon x poikkeaminen yx: stä merkitään dxyx-tasapainoksi x SSD-summa neliösiirtymät voidaan laskea SD Summiksi LS-menetelmän löytäminen tarkoittaa, että etsitään tällaista ja b that SD is minimal This straight is also named linear regression LR for the given sequence. Fig 7 Balance value deviation from the straight of y ax b. Having obtained coefficients of the straight of yaxb using the LS method, we can estimate the balance value deviation from the found straight in money terms If we calculate the arithmetic average for sequence dx , we will be certain that dx is close to zero to be more exact, it is equal to zero to some calculation accuracy degree At the same time, the SSD of SD is not equal to zero and has a certain limited value The square root of SD N-2 shows the spread of values in the Balance graph about the straight line and allows to estimate trading systems at identical values of the initial state of the account We will call this parameter LR Standard Error. Below are values of this parameter for the first 15 accounts in the Automated Trading Championship 2006.LR Standard Error. However, the degree of approximation of the balance graph to a straight can be measured in both money terms and absolute terms For this, we can use correlation rate Correlation rate, r, measures the degree of correlation between two sequences of numbers Its value may lie within the range of -1 to 1 If r 1, it means that two sequences have identical behavior and the correlation is positive. Fig 8 Positive correlation example. If r -1, the two sequences change in opposition, the correlation is negative. Fig 9 Negative correlation example. If r 0, it means that there is no dependence found between the sequences It should be emphasized that r 0 does not mean that there is no correlation between the sequences, it just says that such a correlation has not been found This must be remembered In our case, we have to compare two sequences of numbers , -.Fig 10 Values of balance and points on linear regression. Below is the table representation of the same data. Let s denote balance values as X and the sequence of points on the straight regression line as Y To calculate the coefficient of linear correlation between sequences X and Y, it is necessary to find mean values M X and M Y first Then we will create a new sequence T X-M X Y-M Y and calculate its mean value as M T cov X, Y M X-M X Y-M Y The found value of cov X, Y is named covariance of X and Y and means mathematical expectation of product X-M X Y-M Y For our example, covariance value is 21 253 775 08 Please note that M X and M Y are equal and have the value of 21 382 26 each It means that the Balance mean value and the average of the fitting straight are equal. where X - Balance Y - linear regression M X - Balance mean value M Y - LR mean value. The only thing that remains to be done is calculation of Sx and Sy To calculate Sx, we will find the sum of values of X-M X 2, i e find the SSD of X from its mean value Remember how we calculated dispersion and the algorithm of LS method As you can see they are all related The found SSD will be divided by the amount of numbers in the sequence - in our case, 36 from zero to 35 - and extract the square root of the resulting value So we have obtained the value of Sx The value of Sy will be calculated in the same way In our example, Sx 5839 098245 and Sy 4610 181675.where N - amount of trades X - Balance Y - linear regression M X - Balance mean value M Y - LR mean value. Now we can find the value of correlation coefficient as r 21 253 775 08 5839 098245 4610 181675 0 789536583 This is below one, but far from zero Thus, we can say that the balance graph correlates with the trend line valued as 0 79 By comparison to other systems, we will gradually learn how to interpret the values of correlation coefficient At page Reports of the Championship, this parameter is named LR correl ation The only difference made to calculate this parameter within the framework of the Championship is that the sign of LR correlation indicates the trade profitability. The matter is that we could calculate the coefficient of correlation between the balance graph and any straight For purposes of the Championship, it was calculated for ascending trend line, hence, if LR correlation is above zero, the trading is profitable If it is below zero, it is losing Sometimes an interesting effect occurs where the account shoes profit, but LR correlation is negative This can mean that trading is losing, anyway An example of such situation can be seen at Aver s The Total Net Profit makes 2 642, whereas LR orrelation is -0 11 There is likely no correlation, in this case It means we just could not judge about the future of the account. MAE and MFE Will Tell Us Much. We are often warned Cut the losses and let profit grow Looking at final trade results, we cannot draw any conclusions about whether protec tive stops Stop Loss are available or whether the profit fixation is effective We only see the position opening date, the closing date and the final result - a profit or a loss This is like judging about a person by his or her birth and death dates Without knowing about floating profits during every trade s life and about all positions as a total, we cannot judge about the nature of the trading system How risky is it How was the profit reached Was the paper profit lost Answers to these questions can be rather well provided by parameters MAE Maximum Adverse Excursion and MFE Maximum Favorable Excursion. Every open position until it is closed continuously experiences profit fluctuations Every trade reached its maximal profit and its maximal loss during the period between its opening and closing MFE shows the maximal price movement in a favorable direction Respectively, MAE shows the maximal price movement in an adverse direction It would be logical to measure both indexes in points Howeve r, if different currency pairs were traded, we will have to express it in money terms. Every closed trade corresponds to its result return and two indexes - MFE and MAE If the trade resulted in profit of 100, MAE reaching - 1000, this does not speak for this trade s best Availability of many trades resulted in profits, but having large negative values of MAE per trade, informs us that the system just sits out losing positions Such trading is fated to failure sooner or later. Similarly, values of MFE can provide some useful information If a position was opened in a right direction, MFE per trade reached 3000, but the trade was then closed resulting in the profit of 500, we can say that it would be good to elaborate the system of unfixed profit protection This may be Trailing Stop that we can move after the price if the latter one moves in a favorable direction If short profits are systematic, the system can be significantly improved MFE will tell us about this. For visual analysis to be mor e convenient, it would be better to use graphical representation of distribution of values of MAE and MFE If we impose each trade into a chart, we will see how the result has been obtained For example, if we have another look into Reports of RobinHood who didn t have any losing trades at all, we will see that each trade had a drawdown MAE from - 120 to - 2500.Fig 11 Trades distribution on the plane of MAExReturns. Besides, we can draw a straight line to fit the Returns x MAE distribution using the LS method In Fig 11, it is shown in red and has a negative slope the straight values decrease when moving from left to right Parameter Correlation Profits, MAE -0 59 allows us to estimate how close to the straight the points are distributed in the chart Negative value shows negative slope of the fitting line. If you look through other Participants accounts, you will see that correlation coefficient is usually positive In the above example, the descending slope of the line says us that it tends to get more and more drawdowns in order not to allow losing trades Now we can understand what price has been paid for the ideal value of parameter LR Correlation 1.Similarly, we can build a graph of distribution of Returns and MFE, as well as find the values of Correlation Profits, MFE 0 77 and Correlation MFE, MAE -0 59 Correlation Profits, MFE is positive and tends to one 0 77 This informs us that the strategy tries not to allow long sittings out floating profits It is more likely that the profit is not allowed to grow enough and trades are closed by Take Profit As you can see, distributions of MAE and MFE give us a visual estimate and values of Correlation Profits, MFE and Correlation Profits, MAE can inform us about the nature of trading, even without charts. Values of Correlation MFE, MAE , Correlation NormalizedProfits, MAE and Correlation NormalizedProfits, MFE in the Championship Participants Reports are given as additional information. Trade Result Normalization. In development o f trading systems, they usually use fixed sizes for positions This allows easier optimization of system parameters in order to find those more optimal on certain criteria However, after the inputs have been found, the logical question occurs What sizing management system Money Management, MM should be applied The size of positions opened relates directly to the amount of money on the account, so it would not be reasonable to trade on the account with 5 000 in the same way as on that with 50 000 Besides, an system can open positions, which are not directly proportional I mean a position opened on the account with 50 000 should not necessarily be 10 times more than that opened on a 5 000 deposit. Position sizes may also vary according to the current market phase, to the results of the latest several trades analysis, and so on So the money-management system applied can essentially change the initial appearance of a trading system How can we then estimate the impact of the applied money-ma nagement system Was it useful or did it just worsen the negative sides of our trading approach How can we compare the trade results on several accounts having the same deposit size at the beginning A possible solution would be normalization of trade results. where TradeProfit - profit per trade in money terms TradeLots - position size lots MinimumLots - minimum allowable position size. Normalization will be realized as follows We will divide each trade s result profit or loss by the position volume and then multiply by the minimum allowable position size For example, order 4399142 BUY 2 3 lots USDJPY was closed with the profit of 4 056 20 118 51 swaps 4 174 71 This example was taken from the account of GODZILLA Nikolay Kositsin Let s divide the result by 2 3 and multiply by 0 1 the minimum allowable position size , and obtain a profit of 4 056 20 2 3 0 1 176 36 and swaps 5 15 these would be results for the order of 0 1-lot size Let us do the same with results of all trades and we will t hen obtain Normalized Profits NP. the first thing we think about is finding values of Correlation NormalizedProfits, MAE and Correlation NormalizedProfits, MFE and comparing them to the initial Correlation Profits, MAE and Correlation Profits, MFE If the difference between parameters is significant, the applied method has likely changed the initial system essentially They say that applying of can kill a profitable system, but it cannot turn a losing system into a profitable one in the Championship, the account of TMR is a rare exception where changing Correlation NormalizedProfits, MFE value from 0 23 to 0 63 allowed the trader to close in black. How Can We Estimate the Strategy s Aggression. We can benefit even more from normalized trades in measuring of how the MM method applied influences the strategy It is obvious that increasing sizes of positions 10 times will cause that the final result will differ from the initial one 10 times And what if we change the trade sizes not by a given number of times, but depending on the current developments Results obtained by trust-managing companies are usually compared to a certain model, usually - to a stock index Beta Coefficient shows by how many times the account deposit changes as compared to the index If we take normalized trades as an index, we will be able to know how much more volatile the results became as compared to the initial system 0 1-lot trades. Thus, first of all, we calculate covariance - cov Profits, NormalizedProfits then we calculate the dispersion of normalized trades naming the sequence of normalized trades as NP For this, we will calculate the mathematical expectation of normalized trades named M NP M NP shows the average trade result for normalized trades Then we will find the SSD of normalized trades from M NP , i e we will sum up NP-M NP 2 The obtained result will be then divided by the amount of trades and name D NP This is the dispersion of normalized trades Let s divide covariance between the syste m under measuring, Profits, and the ideal index, NormalizedProfits cov Profits, NormalizedProfits , by the index dispersion D NP The result will be the parameter value that will allow us to estimate by how many times more volatile the capital is than the results of original trades trades in the Championship as compared to normalized trades This parameter is named Money Compounding in the Reports It shows the trading aggression level to some extent. where Profits - trade results NP - normalized trade results M NP - mean value of normalized trades. The LR Standard error in Winners accounts was not the smallest At the same time, the balance graphs of the most profitable Expert Advisors were rather smooth since the LR Correlation values are not far from 1 0 The Sharpe Ratio lied basically within the range of 0 20 to 0 40 The only EA with extremal Sharpe Ratio 3 07 turned not to have very good values of MAE and MFE. The GHPR per trade is basically located within the range from 1 5 to 3 At that , the Winners did not have the largest values of GHPR, though not the smallest ones Extreme value GHPR 12 77 says us again that there was an abnormality in trading, and we can see that this account experienced the largest fluctuations with LR Standard error 9 208 08.Z-score does not give us any generalizations about the first 15 Championship Participants, but values of Z 2 0 may draw our attention to the trading history in order to understand the nature of dependence between trades on the account Thus, we know that Z -3 85 for Rich s account was practically reached due to simultaneous opening of three positions And how are things with ldamiani s account. Finally, the last column in the above table, Money Compounding, also has a large range of values from 8 to 50, 50 being the maximal value for this Championship since the maximal allowable trade size made 5 0 lots, which is 50 times more than the minimal size of 0 1 lot However, curiously enough, this parameter is not the largest at Winn ers The Top Three s values are 17 27, 28 79 and 16 54 Did not the Winners fully used the maximal allowable position size Yes, they did the matter is, perhaps, that the MM methods did not considerably influence trading risks at general increasing of contract sizes This is a visible evidence of that money management is very important for a trading system. The 15th place was taken by payday The EA of this Participant could not open trades with the size of more than 1 0 lot due to a small error in the code What if this error did not occur and position sizes were in creased 5 times, up to 5 0 lots Would then the profit increase proportionally, from 4 588 90 to 22 944 50 Would the Participant then take the second place or would he experience an irrecoverable DrawDown due to increased risks Would alexgomel be on the first place His EA traded with only 1 0- trades, too Or could vgc win, whose Expert Advisor most frequently opened trades of the size of less than 1 0 lot All three have a good smo oth balance graph As you can see, the Championship s plot continues whereas it was over. Conclusion Don t Throw the Baby Out with the Bathwater. Opinions differ This article gives some very general approaches to estimation of trading strategies One can create many more criteria to estimate trade results Each characteristic taken separately will not provide a full and objective estimate, but taken together they may help us to avoid lopsided approach in this matter. We can say that we can subject to a cross-examination any positive result a profit gained on a sufficient sequence of trades in order to detect negative points in trading This means that all these characteristics do not so much characterize the efficiency of the given trading strategy as inform us about weak points in trading we should pay attention at, without being satisfied with just a positive final result - the net profit gained on the account. Well, we cannot create an ideal trading system, every system has its benefits and implications Estimation test is used in order not to reject a trading approach dogmatically, but to know how to perform further development of trading systems and Expert Advisors In this regard, statistical data accumulated during the Automated Trading Championship 2006 would be a great support for every trader. MetaTrader Expert Advisor. Probability Tools For Better Forex Trading. In order to be successful, forex traders need to know the basic mathematics of probability After all, it s difficult to achieve and maintain trading gains without first having the ability to understand the numbers and measure them. Many traders use a combination of black box indicators to develop and implement trading rules Yet, the difference between a good trader and a great one is his or her understanding of the metrics and methods for calculating performance and gains. Probability and statistics are the key to developing, testing and profiting from forex trading By knowing a few probability tools, it s easie r for traders to set trading goals in mathematical terms, create and operate effective trading strategies, and assess results. It s helpful to review the most basic concepts of probability and statistics for forex trading By understanding the math of probability, you ll know the logic used by mechanical trading systems and expert advisors EA. Normal distribution. The most basic tool of probability in forex trading is the concept of normal distribution Most natural processes are said to be normally distributed. Tasainen jakautuminen merkitsee sitä, että jonkin numeron todennäköisyys on missä tahansa jatkuvuudessa, on suunnilleen sama. Tämä on sellainen jakelu, joka aiheutuisi keinotekoisesti levittämällä esineitä mahdollisimman tasaisesti alueen yli, tasaisen välimatkan päässä toisistaan. Yhtenäinen jakautuminen, valuuttaparin hinta todennäköisesti löytyy tiettyyn alueeseen joka kerta. Tämä on sen normaali jakautuma ja todennäköisyysvälineet voivat näyttää lähentymisen, missä hinta todennäköisesti löytyy. Normaali jakelu tarjoaa forex elinkeinonharjoittajien ennakoiva voima, joka koskee todennäköisyyttä, että valuuttaparin hinta saavuttaa tietyn tason tietyn ajan kuluessa, kehittäjät käyttävät satunnaislukugeneraattoria laskemaan valuuttakurssien keskiarvoja normaalin jakautuman määrittämiseksi. Jos suuri määrä näytettä hinnat tarkistetaan, normaali jakautuminen muodostaa kellokäyrän muodon graafisesti graafisesti. Mitä suurempi näytteiden määrä on? moother the curve will be. The rules of simple averages are helpful to traders, yet the rules of normal distribution offer more useful predictive power For example, a trader may calculate that the average daily price move of a forex pair is, say, 50 pips. Yet, the normal distribution can also tell the trader the likelihood that a certain daily price move will fall between 30 and 50 pips, or between 50 and 70 pips. According to the rules of normal distribution and standard deviation, approximately 68 of the samples will be found within one standard deviation of the mean average , and about 95 will be found within two standard deviations of the mean Finally, there is a 99 7 likelihood that the sample will fall within three standard deviations of the mean. Normal distribution and standard deviation functions in expert advisors EA and trading systems help forex traders assess the probability that prices may move a certain amount during a given period of time. Yet, traders should be cautious whe n käytä pelkästään normaalin jakelun käsitettä riskienhallintaa varten Vaikka harvinaisen tapahtuman, kuten 50: n hinnanalennuksen, todennäköisyys saattaa tuntua alhaiselta, ennalta arvaamattomat markkinatekijät voivat tehdä mahdollisuuden huomattavasti korkeammaksi kuin normaalijakauman laskennassa. Analyysi riippuu datan määrästä ja laadusta. Normaalien jakautumiskäyrätapahtumien mallintamisen yhteydessä syötettyjen hintatietojen määrä ja laatu ovat erittäin tärkeitä. Mitä suurempi näytteiden määrä, sitä sujuvampi käyrä on. , On tärkeää, että jokainen laskelma perustuu vähintään kolmekymmentä näytteeseen. Jotka forex-kaupankäynnin strategian testaamiseen arvioimalla näytteiden oton tuloksia, järjestelmän kehittäjän on analysoitava vähintään 30 liikettä, jotta saadaan tilastollisesti luotettavat johtopäätökset testatut parametrit Samoin 500 kaupasta tehdyn tutkimuksen tulokset ovat luotettavampia kuin analyysin tulokset ly 50 trades. Dispersion and mathematical expectation to estimate risk. For forex traders, the most important characteristics of a distribution are its mathematical expectation and dispersion Mathematical expectation for a series of trades is easy to calculate Just add up all the trade results and divide that amount by the number of trades. If the trading system is profitable, then the mathematical expectation is positive If the mathematical expectation is negative, the system is losing on average. The relative steepness or flatness of the distribution curve is shown by measuring the spread or dispersion of price values within the area of mathematical expectation Typically, the mathematical expectation for any randomly-distributed value is described as M X. So, dispersion can be defined as D X M X-M X 2.And, a dispersion s square root is called its standard deviation, shown in mathematical shorthand as sigma. Dispersion and standard deviation are critically important for risk management in Forex-kaupankäyntijärjestelmät Mitä suurempi keskihajonnan arvo on, sitä korkeampi on mahdollinen nostotaso ja sitä suurempi riski Samoin, sitä alhaisempi on keskihajonta, sitä pienempi on laskutus kaupankäynnin aikana. Esimerkiksi on esimerkki riskinarvioinnista valuuttakauppajärjestelmän testiä varten. Kaupan numero X kaupankäynnin voitto tai tappio. Edellä olevassa esimerkissä, joka perustuu vähimmäismäärään kolmekymmentä kauppaa riittävän näytteen osalta, on tärkeää huomata, että matemaattinen odotus on positiivinen , joten valuuttakaupankäyntistrategia on todellakin kannattavaa. Keskimääräinen poikkeama on kuitenkin korkea, joten jokaisen dollarin ansaitsemiseksi elinkeinonharjoittajat riskiavat paljon suuremman määrän, tämä järjestelmä kantaa merkittävää riskiä. Tässä on loput matematiikka. Odottaa tätä liiketoimintaryhmää, yhdistää kaikki kaupat voitot ja tappiot, ja sitten jakaa 30 Tämä on keskimääräinen MX-arvo kaikista kaupoista Tässä tapauksessa se vastaa keskimääräistä voittoa 4 26 kaupasta Näin fa r, järjestelmä näyttää lupaavalta. Seuraavaksi, laskemalla dispersion keskihajonta, edellä oleva keskiarvo 4 26 vähennetään kunkin kaupan tuloksista, sitten se neliöidään, ja kaikkien näiden neliöiden summa lisätään yhteen. Summa on jaettuna 29: llä, mikä on kaupankäyntien kokonaismäärä miinus 1.By käyttäen yllä mainittua XM XM XM: n dispersion kaavaa, tässä on esimerkki ensimmäisestä kaupastamme laskemisesta. Trade 1 -17 08 4 26 - 21 34 ja -21 34 2 455 39. Sama laskenta suoritetaan kullekin testisarjan kaupalle. Tässä esimerkissä dispersio yli sarjan on 9,353 62 ja määritelmän mukaan sen neliöjuuri on yhtä suuri kuin standardipoikkeama, joka tässä tapauksessa on 96 71. Näin ollen valuuttakauppias näkee, että riski tästä erityisestä järjestelmästä on melko korkea Matemaattinen odotus on todellakin myönteinen ja keskimääräinen voitto 4 26 kaupasta, mutta keskihajonta on korkea verrattuna tähän voittoon. Voidaan nähdä, että elinkeinonharjoittaja riski noin 96 71 f or each opportunity to earn 4 26 in profit This risk may be acceptable, or the trader may choose to modify the system in search of lower risk. Beyond the riskiness of a particular trading system, forex traders can also use normal distribution and standard deviation to calculate the Z-score, which indicates how often profitable trades will occur in relation to losing trades. During the process of developing a winning forex trading system, the trader may wonder how many of the profitable trades seen during testing were random, and how many consecutive losing trades must be tolerated in order to achieve winning trades. For example, let s assume the average expected profit from a given forex trading system is four times less than the expected loss amount from each stop-loss order triggered while trading this system. Some traders may assume that the system will win over time, as long as there is an average of at least one profitable trade for each four losing trades Yet, depending upon the dist voitot ja tappiot, reaaliaikaisen kaupankäynnin aikana tämä järjestelmä voi juosta liian syvään, jotta se voi toipua aikanaan seuraavalle voittajalle. Normaalia jakautumista voidaan käyttää tuottamaan Z-pisteet, jota kutsutaan toisinaan standardipisteeksi. Vain voittojen suhde tappioihin, mutta myös kuinka monta voittaa tappioita todennäköisesti tapahtuu peräkkäin. Positiivinen Z-pisteet edustavat keskiarvon yläpuolella olevaa arvoa ja negatiivinen Z-pisteet edustavat keskiarvon alapuolella olevaa arvoa. elinkeinonharjoittaja vähentää väestön keskiarvon yksittäisestä raa'asta arvosta ja jakaa eron väestön keskihajonnalla. Perusstandardin pistemäärän laskenta x: n nimetylle raakapisteenä on. Missä väestö tarkoittaa ja väestön keskihajonta On tärkeää ymmärtää Että Z-pistemäärän laskeminen edellyttää, että elinkeinonharjoittaja tuntee väestön parametrit eikä pelkästään kyseisestä väestöstä otetun näytteen ominaisuudet. Z edustaa väestön ion mean and the raw score, expressed in units of the standard deviation So, for a forex trading system. Z N x R 0 5 P P x P N N 1.N is the total number of trades during a series R is the total number of series of winning and losing trades P equals 2 x W x L W is the total number of winning trades during a series L is the total number of losing trades during a series. Individual series can be represented by a consecutive sequence of pluses or minuses for example or R counts the number of such series. Z can offer an assessment of whether a forex trading system is operating on-target, or how far off-target it may be. Just as importantly, a trader can use Z-score to determine whether a trading system contains fewer or greater series of winners and losers than expected from a random sequence of trades In other words, whether the outcomes of consecutive trades are dependent upon each other. If the Z-score is near 0, then the distribution of trade results is near the normal distribution The score joka voi johtaa riippuvuuteen näiden kauppojen tuloksista. Tämä johtuu siitä, että normaali satunnaisarvo poikkeaa keskiarvosta korkeintaan kolme sigma 3 x: n kanssa varmuudella 99 7 Onko Z-arvo positiivinen vai negatiivinen ilmoittaa elinkeinonharjoittajalle riippuvuustyypistä Positiivinen Z-arvo osoittaa, että kannattavassa kaupassa seuraa häviäjä. Ja positiivinen Z osoittaa, että kannattavaan kauppaan seuraa toinen kannattava, ja häviäjä seuraa toinen tappio Tämä havaittu riippuvuus antaa Forex-toimijalle vaihtelevan yksittäisten kauppojen paikkakokoja riskinhallinnan helpottamiseksi. Harpe-suhdeluku. Sharpe-suhde tai palkkio-vaihtuvuus - suhde on yksi arvokkaimmista todennäköisyystyökaluista Forex-kauppiaille. Edellä kuvatuilla menetelmillä se tukeutuu normaalijakauman ja keskihajonnan käsitteiden soveltamiseen. Se antaa kauppiaille menetelmän, jolla tarkkaillaan kauppajärjestelmän suorituskykyä riskienhallinnalla. Ensimmäinen vaihe on laskea Holding Period Returns HPR Esimerkiksi kauppa, joka johti voittoon 10, on HPR laskettu 1 0 10 1 10, kun taas kauppa, joka menettää 10, lasketaan 1 0 10 0 90. Samalla tavoin, HPR voidaan laskea jakamalla kauppataseen loppusumma ennen kauppaa. Keskimääräinen pitopalkkio Palautetaan AHPR lasketaan sitten lisäämällä kaikki yksittäiset tilanjakauman tuotot ja sitten jakamalla kauppojen määrällä. AHPR itse tuottaa aritmeettinen keskiarvo, joka ei välttämättä arvioi valuuttakauppajärjestelmän suorituskykyä ajan myötä. Kaupankäyntijärjestelmän sijoitustoiminnan tehokkuutta voidaan arvioida tarkemmin käyttämällä Sharpe-suhdetta, joka osoittaa, kuinka AHPR vähentää pitkän aikavälin investointien riskitonta nousua Tuotot liittyvät kaupankäyntijärjestelmän standardipoikkeamiseen. Sharpe Ratio AHPR 1 RFR SD. Kun AHPR on keskimääräinen pitoaika, ROR on riskittömät tuotot turvallisista sijoituksista, kuten pankkikorot tai pitkä - term T-bond rates, and SD is the standard deviation. Since more than 99 of all random values will fall within a distance of 3 around the mean value of M X for a given trading system, the higher the Sharpe Ratio, the more efficient the trading system. For example, if the Sharpe Ratio for normally-distributed trade results is 3, it indicates that the probability of losing is less than 1 per trade, according to the 3-sigma rule. The concepts of normal distribution, dispersion, Z-score and Sharpe Ratio are already incorporated into the logarithms of EAs and mechanical trading systems, and their usefulness is invisible to most traders. Yet, by knowing how these basic probability tools work, forex traders can have a deeper understanding of how automated systems perform their functions, and thereby enhance the probability of winning trades. Are you currently using probability tools to increase your own chance for success.
No comments:
Post a Comment