Etterpåklokskap Trading System

Abonnement på et automatisert handelssystem for e-mini SP 500 futures kontrakt ES. Subscription gir kundene full håndfri bilhandel av ES Trading System. Hver abonnement handler 2 kontrakt. Kostnaden for et abonnement er 395 kvartalsvis med en 6 måneders full abonnementsgodtgjørelsesgaranti. Når ES Trading System genererer en ordre, sendes den automatisk til en tredjepartsserver som spesialiserer seg på utførelse av flere abonnerte kontoer. Serveren sender da bestillingen for umiddelbar elektronisk utføring til abonnentmeglerkonto. Hvis og når ordren er fylt, stopper tap og resultatmål blir umiddelbart plassert og kontinuerlig justert på samme måte som handelsprosessen. Hele prosessen tar vanligvis mindre enn 3 sekunder. Det er absolutt ingen tilgang fra JD Trading Systems eller dets hovedpersoner for å se noen abonnentmeglerkonto. Serveren tillater bare utføring av ES Trading System-signaler i tegnet antall kontrakt s. Subscribers har full kontroll for å slå abonnementet på eller av når som helst, og kan se åpne stillinger og ordre til enhver tid mens de slås på. Så lenge abonnementet er på, blir handelen automatisk handlet via abonnentmeglerkonto. Basert på SP 500 mini aksjeindeks futures kontrakt. Trader to 2 kontrakter per signal. Entries er vanligvis det samme. Two forskjellige exit strategier er brukt som historisk har bidratt til å maksimere avkastning og jevne aksjekurven trading gjennom ulike markedsmiljøer. Kost er 395 per kvartal for å handle 2 ES-kontrakter. Enhver konto som følger ES Trading System, som ikke er lønnsomt etter første eller første 6 måneders abonnementsperiode, vil motta full refusjon av abonnementskostnader. ES Trading System Absolute Performance Indicators. Most av Absolute Performance Indicators brukes i ES Trading-systemet. Flere sofistikerte handelsregler brukes da i de bare beinprøver som finnes andre steder på denne nettsiden. Historisk Test Resu lts for ES Trading System. Følgende testresultater er resultatet av hypotetisk tilbaketesting. Vennligst se risikoredusering nederst på siden om risikoen forbundet med hypotetisk tilbakestilling. Les også omhyggelig informasjonen under Risikolisens-tab. helt ned for månedlige testresultater fra 1997 ES-kontrakten startet gjennom 30. september 2013 da Live Trading startet Testresultater, inkluderer 30 slippe og provisjon. REQUIRED US Government Disclaimer MERKNAD HYPOTETISKE RESULTATRESULTATER HAVER mange uavhengige begrensninger, noen av hvilke beskrives nedenfor INGEN REPRESENTASJON SKAL GJØRES AT ENKEL KONTO VIL ELLER ER LIKELIG Å HENT RESULTATER ELLER TAPER LIKKERT SOM DET VISES FAKTISK, DER ER FREQUENTLY SHARP DIFFERANSER MELLOM HYPOTETISKE RESULTATER OG DE FAKTISKE RESULTATENE SOM OPPDRAGES ETTER ET NÅR SPESIELT HANDELSPROGRAM ETT AV BEGRENSNINGER OM HYPOTETISKE PRESTASJONER ER ER DE GENERELT FORBEREDT MED FORDELEN AV HIND SIKKER I HENSYN TIL HYPOTHETISK HANDEL IKKE INVOLVER FINANSIELL RISIKO, OG INGEN HYPOTETISK HANDELSOPPTAK KAN HELT KONTO VIRKNINGEN AV FINANSIELL RISIKO I FAKTISK HANDEL TIL EKSEMPEL, MULIGHETEN TIL Å STABELLE TAP, ELLER Å ADHERE TIL ET SPESIELT HANDELSPROGRAM I HELLER AV HANDELSTILLINGER ER MATERIALPUNKTER SOM KAN VÆRE GJELDENDE FAKTISKE VIRKSOMHETSRESULTATER DER ER SIKKERHET ANDRE FAKTORER SOM RELATERER TIL MARKEDER I ALMINDELIGT ELLER TIL GENNEMFØRELSEN AV ET NÅR SPESIFIKT HANDELSPROGRAM, SOM IKKE KAN FULLT REGNSKALES FOR I FORBEREDELSE AV HYPOTETISKE RESULTATRESULTATER, OG ALLE SOM KAN VÆRE AVFEKTIV FAKTA HANDELSRESULTATER. PAST PRESTASJON ER IKKE EN GARANTI FOR FREMTIDIG SUCKSSE, IKKE TRADE MED PENGER, DER KAN IKKE GJØRE FOR Å TAPE ALLE ASSET KLASSER INKLUDERT FUTURES, OPTIONS, FOREX, ETF S OG STOCKS. Dette nettstedet har informasjon om hvordan dagens handel, aksjehandel , futures trading, tekniske indikatorer for dag handel, e-mini trading, futures trading systemer, hvordan dag handel, lager handel, futures trading, tekniske indikatorer for dag handel, e-mini trading, futures trading systemer, hvordan dagens handel, aksjehandel, futures trading, tekniske indikatorer for dag handel, e-mini trading, futures trading systems. Copyright Joe Duffy All Høyre reservert. Statistikken på denne siden beregnes ved hjelp av en kombinasjon av tre hypotetiske datasett. 1 Backtested, 2 Tracked, og hvor tilgjengelig. 3 Live. Backtested ytelse beregnes ved å kjøre et handelssystem bakover i tid og se hva handler ville ha har blitt gjort tidligere da det ble brukt på backjusterte data. Sporad ytelse beregnes ved å kjøre handelssystemet fremover på data hver dag og logge handlingene som de skjer i sanntid hver dag. Live-resultat beregnes ved å kjøre handelssystemet på Live tick-data for faktiske kunder og sporing av faktiske kjøps - og salgspriser de klientene som handler systemet mottar i deres konto. Vi bruker Live-resultater til å beregne månedlig returnerer for en måned hvor klienter handlet for hele måneden, Tracked fyller for de månedene der det ikke er klientfyll for hele måneden, og datagenerert fyller for de månedene som oppstår før vi lastet systemet inn på våre handelsservere. Resultatene er hypotetiske ved at de representerer avkastning i en modellkonto Modellkontoen stiger eller faller av det enkelte kontraktsresultat og tap som oppnås av systemet i hvilket datasett som er tilgjengelig. Den hypotetiske modellkontoen begynner med Sugested Capital notert og tilbakestilles til det beløp hver måned Prosentavkastningen reflekterer inkludering av provisjoner, gebyrer, slipp, og kostnaden av systemet. Kommisjonen, slipp, avgifter og månedlige systemkostnader trekkes fra nettoresultatet før beregning av prosentvis avkastning. Vær oppmerksom på at Metode for å tilbakestille modellkontoen til den opprinnelige verdien ved begynnelsen av hver måned, skaper en track record som er representativ for den enkle re svinger for hver tidsperiode, men at det ikke per definisjon viser hvordan avkastningen vil bli sammensatt over tid. Hvis en investor som følger programmet, handler en enkelt kontrakt på ubestemt tid uten å også tilbakestille kontoen til det opprinnelige kapitalbeløpet hver måned, vil deres ytelse avvike fra resultatene som er beskrevet her. VIKTIG RISIKOOPPLYSNING. Futures trading er kompleks og bærer risikoen for betydelige tap. Det er ikke egnet for alle investorer Evnen til å tåle tap og å overholde et bestemt handelsprogram, til tross for handelsstap, er vesentlige punkter som kan påvirke investorens avkastning negativt. Avkastningen for handelssystemer som er oppført på denne nettsiden, er hypotetisk ved at de representerer avkastning i en modellkonto. Modellen kontoen stiger eller faller av gjennomsnittlig enkelt kontraktsresultat og tap som oppnås av klienter som handler faktiske penger i henhold til listen Systemets trading signaler på de aktuelle datoene klient fyller, eller hvis ingen faktisk kundeprofessor det eller tapet som er tilgjengelig ved den hypotetiske enkeltkontraktens fortjeneste og tap av handler generert av systemets handelssignaler på den dagen i sanntid sanntid mindre slipp, eller hvis ingen realtidsresultat eller tap som er tilgjengelig ved den hypotetiske enkeltkontraktens fortjeneste og tap av bransjer generert ved å kjøre systemlogikken bakover på backadjusted data backadjusted. Note at Client Fill Trades rapporteres på tvers av alle klienter som bruker plattformen, på tvers av flere meglere, og er ikke bare basert på resultatene av kontoer ved denne megling. Den hypotetiske modellen Kontoen begynner med det opprinnelige kapitalnivået som er oppført og tilbakestilles til det beløpet hver måned. Prosentavkastningen gjenspeiler inkludering av provisjoner, gebyrer, slipp og kostnadene for systemet. Den månedlige kostnaden for systemet trekkes fra nettoresultatet før beregne prosentandelen avkastning. Hvis og når et handelssystem har en åpen handel, blir avkastningen merket til markedet daglig, ved å bruke backadjuste d-data tilgjengelig den dagen datafremstøtten ble utført for backtested-bransjer, og sluttprisen på den forrige månedskontrakten for sanntid og klientfyllingshandel. For en handel som spenner over måneder, vil gevinsten eller tapet for måneden slutte med en åpen handel er merket til markedsgevinst eller tap månedens sluttpris minus inngangsprisen og omvendt for korte handler. Den faktiske prosentvise gevinststapene som investorene opplever, vil variere avhengig av mange faktorer, inkludert, men ikke begrenset til, startkonto balanser, markedsadferd, varighet og omfang av investorens deltakelse om alle signaler er tatt i det angitte systemet og pengestyringsteknikker På grunn av dette kan faktiske prosentvise gevinststap som investorene opplever, være vesentlig forskjellig fra prosentvise gevinster som presenteres på denne nettsiden. Vennligst les nøye CFTC kreves ansvarsfraskrivelse angående hypotetiske resultater nedenfor HYPOTETISKE RESULTATRESULTATER HAR MEGET UTSIKTIGE BEGRENSNINGER, NÅR DET ER BESKRIVET UNDER INGEN REPRESENTASJON, SKAL GJELDES AT ENKEL REGNSKAP ELLER ER LIKELIG FOR Å VÆRE LØNN ELLER TAP SOM LIGNES SOM FAKTISK ER, ER DET Jevnlig Skiftendifferanse Mellom Hypotetiske Resultater og de faktiske resultater som etterfølgende er oppnådd av noen SPESIELT HANDELSPROGRAM Én av begrensningene i hypotetiske resultatresultater er at de generelt er utarbeidet med fordelene ved hilsen i tillegg, hypotetisk handel ikke innebærer finansiell risiko og ingen hypotetisk handel registrerer fullstendig regnskap for virkningen av finansiell risiko for faktisk handel Eksempelvis er muligheten til å motstå tap eller å overholde et bestemt handelsprogram i spalt av handelsspørsmål, som også kan påvirke egentlige handelsresultater. Det er mange andre faktorer knyttet til markedene generelt eller til gjennomføring av noen spesifikke HANDELSPROGRAMMER SOM KAN IKKE FULLT REGNSKJERES FOR IN PREPARASJONEN AV HYPOTETISKE PRESTASJONSRESULTATER OG ALLE SOM KAN VÆRE GJELDENDE VIRKELIGE HANDELSRESULTATER. Informasjonen i rapportene på dette nettstedet er gitt med sikte på å standardisere handelssystemets kontoprestasjon og er kun ment til informasjonsformål. Det bør ikke betraktes som en forespørsel om referert system eller leverandør Selv om informasjonen og statistikken på dette nettstedet antas å være komplett og nøyaktig, kan vi ikke garantere at de er fullstendige eller nøyaktige. Da tidligere resultater ikke garanterer fremtidige resultater, kan disse resultatene ikke ha betydning for, og kan ikke Være indikativ for noen individuelle avkastninger realisert gjennom deltakelse i denne eller annen investering. Statistikken på denne siden beregnes via kombinasjonen av tre hypotetiske datasett. 1 Backtested, 2 Tracked, og hvor tilgjengelig. 3 Live. Backtested-ytelse beregnes av kjører et handelssystem bakover i tid, og ser hva handler ville ha har blitt gjort tidligere da det ble brukt på backjusterte data. Sporad ytelse beregnes ved å kjøre handelssystemet fremover på data hver dag og logge handlingene som de skjer i sanntid hver dag. Live-resultat beregnes ved å kjøre handelssystemet på Live tick-data for faktiske kunder og sporing av faktiske kjøps - og salgspriser de klientene som handler systemet mottar i deres konto. Vi bruker Live-resultater til å beregne månedlig avkastning for en måned hvor klienter handlet for hele måneden, Tracked fyller for de månedene der det ikke er klientfyll i hele måneden, og datagenerert fyller for de månedene som oppstår før vi lastet systemet inn på våre handelsservere. Resultatene er hypotetiske ved at de representerer avkastning i en modellkonto. Modellen kontoen stiger eller faller av Enkelt kontraktsresultat og tap oppnådd av systemet i hvilken datasett som er tilgjengelig. Den hypotetiske modellkontoen begynner med Sugested Ca børsnotert og tilbakestilles til det beløpet hver måned. Prosentvis avkastning gjenspeiler inkludering av provisjoner, gebyrer, slipp og kostnadene til systemet. Kommisjonen, slipp, avgifter og månedlige systemkostnader trekkes fra nettoresultatet før beregning prosentandelen avkastning. Vær oppmerksom på at metoden for å tilbakestille modellkontoen til den opprinnelige verdien ved begynnelsen av hver måned, skaper en track record som er representativ for de enkle avkastningene for hver tidsperiode, men at den ikke per definisjon viser hvordan avkastningen vil bli sammensatt over tid Hvis en investor som følger programmet, handler en enkelt kontrakt på ubestemt tid uten å også tilbakestille kontoen til det opprinnelige kapitalbeløpet hver måned, vil deres ytelse avvike fra ytelsen som er beskrevet her. Opphavsrett 2017 iBroker Global Markets SV, SA Alle rettigheter Reservert Brukeravtale Risiko Ansvarsfraskrivelse. Ansvarsfraskrivelse HYPOTETISKE ELLER SIMULERTE RESULTATRESULTATER HAR VISSE VEDRØRENDE BEGRENSNINGER UANSETT EN AKTUELL P ERFORMANSREGNSKAP, SIMULERTE RESULTATER ER IKKE REPRESENTERER FAKTISK HANDEL, SOM HANDLINGER IKKE ER VIRKSOMHET, UTFØRES, HAR RESULTATENE UNDER - ELLER OVERPENSJONER FOR KONSEKVENSEN, OM NOEN, AV VISSE MARKEDSFAKTORER, SOM SIKKERHET OM LIKVIDITET SIMULERET HANDEL PROGRAMMER I ALMINDELIGT ER OGSÅ FØLGENDE AT DE ER DESIGNERT MED HENSYN TIL HINDSIGHT, INGEN REPRESENTASJON GJELDES AT EN ANSKRIFT VIL ELLER ER LIKELIG Å HENT RESULTATER ELLER TAPER SOM LIGER TIL DE VISNE. EasyLanguage og TradeStation er registrerte varemerker for TradeStation Technologies, Inc. Introduksjon En av de største trendene innen detaljhandel i løpet av det siste tiåret har vært økningen i populariteten til automatisert handel. I denne typen handel, også kjent som automatisert ordreutførelse, kjøpes og selges signaler generert av et handelssystem, blir automatisk utført ved en plattform som er koblet til forhandlerens meglerkonto Dette muliggjør håndfri handel, noe som muliggjør raskere utførelse, færre feil , og evnen til å handle kortere tidsrammer med høyere frekvensstrategier. Etter hvert som flere og flere handlende har flyttet til automatisert handel, har interessen for systematiske handelsstrategier økt. Mens noen handlende utvikler egne handelsstrategier, mangler mange handlende de nødvendige programmeringsevner å implementere sine ideer Andre handelsfolk mangler den spesifikke kunnskapen om tekniske handelsmetoder eller den erfaring som kreves for å utforme en levedyktig strategi. Selv for handelsfolk med de nødvendige ferdighetene til å utvikle handelssystemer, er den betydelige tiden og innsatsen som kreves for å utvikle en god strategi, ofte avskrekkende . En nylig utviklet løsning på dette problemet er bruken av datalgoritmer for å automatisk generere handelssystemkode. Målet med denne tilnærmingen er å automatisere mange av trinnene i den tradisjonelle prosessen med å utvikle handelssystemer. I den tradisjonelle, manuelle tilnærmingen til strategiutvikling, Trader velger elementer i handelsstrategien basert på tidligere erfaring ce og kunnskap om tekniske indikatorer, inntaks - og utgangsordre og strategisk design Vanligvis er en strategi basert på en markedshypotes som er en ide om hvordan markedet fungerer. En levedyktig handelsstrategi utvikles typisk gjennom en lang prøveversjon feilprosess som involverer en rekke iterasjoner, revisjoner og testing, inntil akseptable resultater oppnås. Denne tradisjonelle prosessen med å utvikle handelssystemer er ekstremt tidkrevende og innebærer systematisk å eliminere mange ideer som bare ikke virker. Også alle forhandlere har forstyrrelser om hvordan markedene fungerer, og disse forutsetninger kan påvirke systemutviklingsprosessen. I enkelte tilfeller kan disse forstyrrelsene være nyttige, men de kan også begrense mulige systemer som næringsdrivende kan vurdere. I stedet for å starte med en forutskilt visning og et begrenset sett av regler, starter en automatisk kodegenerator med et stort sett med regler og søk på en upartisk måte for kombinasjonene som virker, samtidig som de eliminerer de som ikke gjør det aper presenterer en oversikt over automatiske kodegenereringsmetoder for å bygge handelssystemer. Både enkle og komplekse metoder diskuteres En enkel ad hoc-metode presenteres som kan implementeres i TradeStation s EasyLanguage-skriptspråk for å finne grunnleggende prismønsterbaserte strategier. En mer komplisert tilnærming basert På generisk programmering diskuteres også. Automatisk generering av handelssystemer er en attraktiv ide. Det er imidlertid flere ulemper. For en ting er strenge tilnærminger, som de som er basert på genetisk programmering, komplekse og vanskelige å implementere. baserer seg på historisk simulering, noe som betyr at det er en optimaliseringsprosess. Som sådan må risikoen for overmontering bli behandlet. Disse grunnlåtene diskuteres også. Grunnleggende tilnærming Grunnleggende algoritmen for å bygge handelssystemer ved hjelp av automatisk kodegenerering er vist nedenfor i figur 1 Det starter med en metode for å kombinere ulike elementer i handelsstrategien Disse elementene kan omfatte ulike tekniske indikatorer, for eksempel bevegelige gjennomsnitt, stokastikk og så videre forskjellige typer inngangs - og utgangsbestillinger og logiske forhold for å komme inn og ut av markedet. Figur 1 Basisalgoritme for automatisk strategibygging. Etter de forskjellige elementene blir kombinert inn i en sammenhengende strategi, kan den evalueres på markedet eller markeder av interesse. Dette krever markedsdatapriser, volum, åpen interesse osv. for hvert marked. Generelt sett vil du også ha et sett med byggemål for å hjelpe rangere eller score hver strategi Eksempler på byggemål inkluderer ulike ytelsesmålinger, for eksempel nettoresultat, drawdown, prosentandel av vinnere, profittfaktor osv. Disse kan oppgis som minimumskrav, for eksempel en profittfaktor på minst 20, eller som mål å maksimere, for eksempel å maksimere nettoresultatet. Strategigenerering og evalueringstrinn gjentas inntil oppsigelseskriteriene er oppfylt Termineringskriteriene kan være så enkle som å skape et forhåndsbestemt antall forskjellige strategier, eller prosessen kan stoppes etter at det ikke er gjort noen forbedringer i byggemålene. Oppnådd er vanligvis en optimaliseringsalgoritme for å veilede strategiene mot de som oppfyller byggemålene. De endelige strategiene er de med høyeste rangering eller poengsum basert på byggemålene Du kan enten ta den enkleste strategien eller lagre noen eller alle strategiene, rangert etter byggemål. Hvis det er flere byggemål, kan et veid gjennomsnitt brukes til å danne en enkelt metrisk. Dette er den mest grunnleggende oppfatningen av automatisk systembygging. En nærmere beskrivelse vil bli gitt nedenfor i avsnittet om genetisk programmering. Denne beskrivelsen ignorerer også det viktige problemet med overmontering, der strategien passer så godt til markedsdata som s brukt under byggeprosessen som strategien ikke fungerer bra i fremtiden når den brukes på nye data Dette problemet er også adressert nedenfor. Den teoretiske grunnlaget for Au tomatkodgenerering Som beskrevet ovenfor, bygger et handelssystem ved hjelp av automatisk kodegenerering hovedsakelig et optimaliseringsproblem Kombinasjonen av strategiske elementer som maksimerer byggemålene er tatt som den endelige strategien. Noen handelsfolk vil motsette seg at handelssystemer skal bygges ut fra en hypotese av markedsadferd eller handling Hvis du har en god hypotese for hvordan markedene fungerer, kan en strategi bygges rundt den hypotesen og testes. Hvis den virker, støtter den hypotesen og begrunner handel med strategien. Faktisk er fremgangsmåten beskrevet her ikke fundamentalt annerledes enn at hver kandidatstrategi som er konstruert under byggeprosessen, som vist i figur 1, er i hovedsak en hypotese som enten støttes eller refunderes av evalueringen. Hvis ikke-prøvetesting brukes, kan de endelige strategiene støttes ytterligere eller refuted av resultatene utenfor prøven. En annen måte å se automatisk kodegenerering på er som et problem med statistisk inngrep Prisdataene kan betraktes som en kombinasjon av signal og støy. Signalet er den omsettelige delen av dataene, og støyen er alt annet. I denne sammenhengen er strategibyggingsprosessen et ikke-lineært kurvepassende problem hvor målet er å finne strategier som passer til signalet mens du ignorerer støyen og unngår overmontering Samtidig er markedsdataene ofte ikke-stasjonære de statistiske egenskapene endres over tid En vellykket strategi er derfor en som passer til de stasjonære elementene i markedssignalet med tilstrekkelige grader - Fri frihet til å unngå overmontering Selv om det blir diskutert mer detaljert nedenfor, brukes ikke-prøvetesting for å verifisere at strategiene ikke er overpassede til markedet. Pattern System Code Generator for TradeStation Dette avsnittet beskriver en annonse hoc tilnærming til automatisk kodegenerering der et handelssystem for TradeStation genererer automatisk andre, mønsterbaserte handelssystemer for TradeStation AutoSystemGen-systemet se buer for et sett med handelsregler, sammen med de tilhørende parameterverdiene, som oppfyller et spesifikt sett med ytelseskrav. Avhengig av ytelseskravene kan det finne flere eller til og med dusinvis av handelssystemer som oppfyller kravene. Det skriver deretter EasyLanguage-koden for hvert system til en fil For illustrative formål er reglene for de genererte systemene begrenset til prismønstre. I prinsippet kan denne teknikken utvides til å automatisk generere systemtrekking fra et bredt utvalg av inngangs - og utgangsteknikker som gjelder for nesten alle markeder. Prisen Mønsterregler Mens nesten hvilken som helst type indikator eller handelslogikk kan bli inkludert i handelssystemgeneratoren beskrevet her, for å holde ting ganske enkelt, vil reglene for de genererte systemene bli begrenset til prismønstre. Hver oppføringsregel for et generert handelssystem vil ha følgende form. hvor P1 og P2 er prisene åpne, høye, lave eller lukkede, N1 og N2 er antall barer for å se b Akk f. eks. Lukke 2 er de to nærtliggende stengene siden, og Ineq er en ulikhetsoperatør, enten eller eksempler på regler inkluderer følgende. Lukk Lukk 2 Lav 2 Høy 10 Høy ​​3 Lukk 4. og så videre P1, P2, N1, N2, og Ineq er alle variabler som skal bestemmes av systemgenereringsprosessen. N1 og N2 vil bli begrenset til rekkevidde 0 20 Også antall regler, NRules, vil være en variabel med verdier som spenner fra en til 10 En handelsinngang vil være utløses dersom alle reglene er sanne I så fall vil oppføringen bli tatt ved åpningen av den neste linjen. Handelsretningen vil bli satt på forhånd, slik at systemet vil generere systemer som er enten lange eller korte. For å få tak i trading logikk for både lange og korte handler, kan systemet kjøres to ganger, en gang for lange handler og andre gang for korte handler. Trader vil bli sluppet på markedet etter et fast antall barer, NX, som vil variere fra en til 20.Finnelse av reglene Nøkkelen til denne prosessen er å finne kandidathandelssystemer A sys Temaet kan bestå av mellom ett og ti regler i skjemaet som er vist ovenfor. Handler inngis på markedet dersom alle reglene er sanne, og handler utelates et visst antall barer senere. Hvis dette ble kodet som et tradisjonelt TradeStation-system, med maksimalt 10 regler, ville det være 52 innganger Dette ville gjøre for en tungvint strategi. I stedet vil en annen tilnærming bli brukt. I hvert trinn av optimaliseringen blir verdiene for hver variabel P1, P2, N1, N2, Ineq, NRules og NX vil bli valgt tilfeldig. Et annet sett med verdier av P1, P2, N1, N2 og Ineq vil bli valgt for hver regel, for totalt NRules sett av verdier. Hvert trinn av optimaliseringen vil generere et annet handelssystem som variablene velges tilfeldig Hvis ytelsesresultatene fra systemet oppfyller kravene som er oppgitt av brukeren, vil det genererte systemet bli skrevet til en fil i EasyLanguage-koden. Sette sammen alt Koden for AutoSystemGen-systemet og dets relaterte funksjoner er tilgjengelig på Breakout Future s på siden for gratis nedlastinger. Den første inngangen til strategien kalles OptStep. Hvis du vil kjøre systemet, bør OptStep optimaliseres i TradeStation ved å variere det fra 1 til et stort antall, for eksempel 10 000, i trinn på 1 Dette vil føre til at AutoSystemGen generere for eksempel 10.000 forskjellige handelssystemer De som oppfyller de angitte ytelseskriteriene, er skrevet til filen som er vist som en inngang til WriteSystem-funksjonen, for eksempel ytelseskriteriene er spesifisert via systeminngangene reqNetProfit, reqMaxDD osv. Mest av det harde arbeid utføres av funksjonene som systemet samtaler Funksjonen GetPatVars velger tilfeldigvis verdiene for variablene som bestemmer handelsreglene For å avgjøre hvorvidt en handelsoppføring skal forekomme i den neste linjen, blir prismønsterreglene evaluert av funksjonen EvalPattern Endelig, hvis systemet oppfyller ytelseskriteriene, genereres den tilsvarende EasyLanguage-koden og skrives ut til en tekstfil ved funksjonen WriteSystem. Exa mple For eksempel, sett på det 30-årige statsobligasjonsmarkedet for futuresmarkedet US P i TradeStation 8 AutoSystemGen ble optimalisert de siste 20 årene med T-obligasjonspriser med OptStep-innspillet økt fra 1 til 10000. Dette betyr at systemet evaluerte 10.000 forskjellige handel systemer Optimaliseringen ble gjennomført to ganger, en gang for lange handler og en gang for korte handler. Følgende ytelseskrav ble benyttet netto overskudd på minst 30.000, worst case-utbetaling ikke mer enn 7500, minst 200 bransjer, prosent lønnsom på minst 50, og profittfaktor på minst 1 2 På en dual core-datamaskin som kjører Vista, tok det omtrent 10 minutter å kjøre hver optimalisering 10.000 systemer per optimalisering. Systemene som genereres av denne prosessen, vises nedenfor. Disse systemene er skrevet til filen av WriteSystem funksjon De første er de eneste systemene, etterfulgt av et korttids system, den eneste som oppfylte ytelseskriteriene. System 2332, US P, 9 17 2007 12 23 00, Long Trades Pr ofit 53562 50, Max DD -7381 25, Num Trades 250, Prosent gevinster 56 80, Prof faktor 1 631.Var EntNext false. EntNext Åpne 2 Lav 16 ogLov 9 Lav 3 og. Lukk 14 Lav 6 og. IndestNext da. Buy neste bar på markedet. Hvis BarsSinceEntry NBarExS then. Buy å dekke neste bar på market. If StrailOn then. Buy å dekke neste bar på SStop stop. Until nylig har de fleste bruksområder av genetisk programmering til trading strategi generasjon vært akademiske studier basert på begrensede regelsett, altfor enkel inn - og utgangslogikk, og skreddersydd kode, noe som gjør resultatene uegnet for de fleste handlende. Samtidig har de fleste tilgjengelige programvare som implementerer GP for markedshandel, enten blitt målrettet mot profesjonelle handelsmenn og priset tilsvarende eller er svært komplisert å sette opp og bruke Adaptrade Builder ble designet for å gjøre GP enkelt å bruke for enhver næringsdrivende, enkeltperson eller profesjonell, som har en grunnleggende forståelse av strategihandel og TradeStation-plattformen. Mer informasjon om Builder finner du på. Overpass Å bygge handelssystemer via automatisk kodegenerering er en type optimalisering. De fleste systematiske forhandlere er formentlig kjent med parameteroptimalisering, hvor inngangene til en strategi er optimalisert. I motsetning til parameteroptimalisering optimaliserer automatisk kodegenerering strategiens handelslogikk. Ikke desto mindre er risikoen for over optimering eller overmontering er også en bekymring for automatisk kodegenerering, akkurat som det er for parameteroptimalisering. Typisk utføres optimalisering over et segment av data, kalt optimerings - eller prøveeksempel, og testes på forskjellige data , kalt test - eller eksempelsegmentet Over-fitting refererer til problemet med optimalisering av en strategi slik at den passer godt til prøvesegmentet bra, men fungerer ikke bra på andre data, inkludert data utenfor prøven. Poor-ytelse er vanligvis forårsaket av en av flere faktorer. En viktig faktor er det såkalte antall grader av frihet i prøvesegmentet Antall grader-o f-frihet, som er lik antall trader minus antall regler og vilkår i strategien, bestemmer hvor tett strategien passer dataene. Forutsatt innsats legges til for hver parameter i strategien, kan antall strategiske innganger brukes som en proxy for antall regler og betingelser For eksempel, hvis en strategi har 100 handler og 10 innganger, har den 90 grader av frihet Jo mer grader av frihet, jo mindre sannsynlig er det at strategien vil være over - fit til markedet og jo mer sannsynlig det er at det vil ha god ytelse utenfor prøven. Antall grader av frihet kan økes i løpet av byggeprosessen ved å inkludere antall handler og eller antall strategier Inngang som byggemåter Forutsatt at treningsmetrisken er et veid gjennomsnitt av byggemålene, vil alt som er like, øke vekten for antall handler resultere i strategier med flere handler og dermed flere grader av frihet. På samme måte øker du vekting for det negative antallet innganger vil resultere i strategier med færre innganger som også vil øke antall grader av frihet. Et annet alternativ er å inkludere den statistiske betydningen som et byggemål. Den statistiske signifikansen kan beregnes ved å bruke Student st test til gjennomsnittlig handel Dette vil måle sannsynligheten for at gjennomsnittshandelen er større enn null. T-testen er basert på antall grader av frihet, men er et mer fullstendig mål på om en strategi er overpasset enn antall Grad av frihet alene En måte å forbedre resultatene utenfor prøven er å inkludere betydningen i treningsfunksjonen, noe som vil pleie å generere strategier som har høy statistisk betydning. En annen viktig faktor som påvirker out-of - Prøveprestasjon er det mangfold av markedsforhold i samplingssegmentet. Generelt sett er det bedre å optimalisere data som inkluderer et bredt utvalg av markedsforhold, for eksempel oppover og nedover trendende markeder, konsolideringsperioder, høy og lav volatilitet, etc. Jo flere variasjon i innsats-segmentet er, desto mer sannsynlig er det at strategien vil fungere godt på andre data, inkludert data utenfor data og i sanntid handel Mens fremtiden aldri dupliserer fortiden, forutsatt at fremtiden eller dataene utenfor data er lik nok til minst en del av prøvesegmentet, bør strategien fungere godt på nye data. Verdien av optimalisering over en rekke av markedsforholdene antas at god ytelse oppnås over hver del av prøveområdet. En måte å måle dette på er med korrelasjonskoeffisienten av egenkapitalkurven, som måler hvor nær egenkapitalkurven nærmer seg en rett linje. Hvis egenkapitalkurven er en straight line, it implies that the performance is uniform over all segments of the data Obviously, this is desirable if the goal is to achieve good performance over as many different types of market conditions as possible The correlati on coefficient for the strategies generated via automatic code generation can be increased by including the correlation coefficient as a build goal and weighting it as part of the fitness function. Unfortunately, there will be cases where even with a high significance, a correlation coefficient close to 1, and a wide variety of market conditions in the in-sample segment, the out-of-sample performance will be poor This can happen for several reasons First, even a simple strategy with few parameters can in some cases fit the noise rather than the signal By definition, noise is any part of the market data that does not contribute to profitable trading signals Secondly, the market dynamics on which the strategy logic is based i e the signal may have changed in the out-of-sample segment enough to negatively impact performance This is sometimes due to a fundamental change in the market, such as the switch from floor-based to electronic trading However, more subtle changes, often related to th e trading patterns of market participants, are also possible, particularly for shorter-term trading. If this appears to be the problem, the solution may be as simple as rebuilding the strategy with new trading logic Using a tool such as Adaptrade Builder makes this much easier than if a manual approach to trading strategy development were used Another possible solution is to include the most recent data in the optimization segment and test it out-of-sample by tracking the performance in real-time In most cases, a strategy that has a large number of trades, a high significance value and good performance on the in-sample segment will continue to perform well for some period of time post-optimization. For information on software for building trading strategies using genetic programming, please click here. If you d like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list Thank you.