Best Mekanisk Lager Trading System

Fordeler og ulemper ved automatiserte handelssystemer Traders og investorer kan slå nøyaktig oppføring. utgangs - og pengehåndteringsregler i automatiserte handelssystemer som tillater datamaskiner å utføre og overvåke handelen. En av de største attraksjonene i strategiautomatisering er at det kan ta noen av følelsene ut av handel siden handler blir automatisk plassert når visse kriterier er oppfylt. Denne artikkelen vil introdusere leserne til og forklare noen av fordelene og ulempene, så vel som realiteten, av automatiserte handelssystemer. (For relatert lesing, se Kraften i programhandler.) Hva er et automatisert handelssystem Automatiserte handelssystemer, også referert til som mekaniske handelssystemer, algoritmisk handel. automatisert handel eller systemhandel, tillate handelsmenn å etablere bestemte regler for både handelsoppføringer og utganger som, når de er programmert, automatisk kan utføres via en datamaskin. Handelsregistrerings - og utgangsreglene kan baseres på enkle forhold, for eksempel et bevegelig gjennomsnittsovergang. eller kan være kompliserte strategier som krever en omfattende forståelse av programmeringsspråket som er spesifikt for brukerhandelsplattformen, eller kompetansen til en kvalifisert programmerer. Automatiserte handelssystemer krever vanligvis bruk av programvare som er knyttet til en direkte tilgang megler. og eventuelle spesifikke regler må skrives i proprietære språk på plattformene. TradeStation-plattformen bruker for eksempel EasyLanguage programmeringsspråket NinjaTrader-plattformen, derimot, bruker NinjaScript-programmeringsspråket. Figur 1 viser et eksempel på en automatisert strategi som utløste tre transaksjoner i løpet av en handelssession. (For relatert lesing, se Global Trade og valutamarkedet.) Figur 1: En fem-minutters oversikt over ES-kontrakten med en automatisk strategi anvendt. Noen handelsplattformer har strategibyggende veivisere som gjør det mulig for brukerne å velge fra en liste over gjeldende tekniske indikatorer for å bygge et sett med regler som deretter automatisk kan handles. Brukeren kan for eksempel fastslå at en lang handel vil bli inngått når 50-dagers glidende gjennomsnitt krysser over 200-dagers glidende gjennomsnitt på et fem-minutters diagram av et bestemt handelsinstrument. Brukere kan også legge inn typen av rekkefølge (marked eller grense, for eksempel) og når handelen vil bli utløst (for eksempel ved stengens lukke eller åpne for den neste linjen), eller bruk standardinngangene på plattformene. Mange forhandlere velger imidlertid å programmere egne tilpassede indikatorer og strategier eller arbeide tett med en programmerer for å utvikle systemet. Selv om dette vanligvis krever mer innsats enn å bruke plattformens veiviser, gir det en mye større grad av fleksibilitet, og resultatene kan være mer givende. (Dessverre er det ingen perfekt investeringsstrategi som garanterer suksess. For mer, se Bruke tekniske indikatorer for å utvikle handelsstrategier.) Når reglene er etablert, kan datamaskinen overvåke markedene for å finne kjøp eller salg av muligheter basert på handel strategi spesifikasjoner. Avhengig av de spesifikke reglene, så snart en handel er innført, vil eventuelle ordrer for beskyttende stopp tap. bakstopp og fortjenestemål blir automatisk generert. I rasktflyttende markeder kan denne øyeblikkelige ordreinngangen bety forskjellen mellom et lite tap og et katastrofalt tap i tilfelle handelen beveger seg mot handelsmannen. Fordeler ved automatiserte handelssystemer Det er en lang liste over fordeler ved å ha en dataskjerm på markedene for handelsmuligheter og utføre handler, inkludert: Minimere følelser. Automatiserte handelssystemer minimerer følelser gjennom hele handelsprosessen. Ved å holde følelser i sjakk, har handlende vanligvis en lettere tid som holder seg til planen. Siden handelsordrer utføres automatisk når handelsreglene er oppfylt, vil forhandlere ikke kunne tøffe eller stille spørsmål til handelen. I tillegg til å hjelpe handelsmenn som er redd for å trekke avtrekkeren, kan automatisert handel dempe de som er tilbøyelige til å overstyrke kjøp og salg ved enhver oppfattet mulighet. Evne til å teste tilbake. Backtesting gjelder handelsregler til historiske markedsdata for å bestemme ideenes levedyktighet. Ved utforming av et system for automatisert handel må alle regler være absolutte, uten rom for tolkning (datamaskinen kan ikke gjette det må fortelles nøyaktig hva som skal gjøres). Traders kan ta disse presise settene med regler og teste dem på historiske data før de risikerer penger i live trading. Omhyggelig backtesting gjør det mulig for handelsmenn å evaluere og finjustere en handelsidee, og for å fastslå systemene forventes det gjennomsnittlige beløpet som en næringsdrivende kan forvente å vinne (eller miste) per risikoenhet. (Vi tilbyr noen tips om denne prosessen som kan hjelpe til med å reflektere dine nåværende handelsstrategier. For mer, se Backtesting: Tolkning av fortiden.) Bevar Discipline. Fordi handelsreglene er etablert og handelen utføres automatisk, opprettholdes disiplin selv i volatile markeder. Dissiplin går ofte tapt på grunn av følelsesmessige faktorer som frykt for å ta tap, eller ønsket om å eke litt mer fortjeneste fra en handel. Automatisert handel bidrar til å sikre at disiplinen opprettholdes fordi handelsplanen blir fulgt nøyaktig. I tillegg er pilotfeil minimert, og en ordre om å kjøpe 100 aksjer vil ikke bli feil innført som en ordre om å selge 1000 aksjer. Oppnå konsistens. En av de største utfordringene i handel er å planlegge handel og handle planen. Selv om en handelsplan har potensial til å være lønnsomt, endrer handlende som ignorerer reglene enhver forventning som systemet ville ha hatt. Det er ikke slikt som en handelsplan som vinner 100 av tidenes tap er en del av spillet. Men tap kan være psykologisk traumatiserende, så en handelsmann som har to eller tre tapende handler på rad, kan bestemme seg for å hoppe over neste handel. Hvis denne neste handelen ville vært en vinner, har handelsmannen allerede ødelagt enhver forventning som systemet hadde. Automatiserte handelssystemer tillater handelsmenn å oppnå konsistens ved å handle planen. (Det er umulig å unngå katastrofe uten handelsregler. For mer, se 10 trinn for å bygge en vinnende handelsplan.) Forbedret Bestillingshastighet. Siden datamaskiner reagerer umiddelbart på endrede markedsforhold, kan automatiserte systemer generere bestillinger så snart handelskriterier er oppfylt. Å komme inn eller ut av handel noen få sekunder tidligere kan gjøre en stor forskjell i bransjens utfall. Så snart en stilling er oppgitt, genereres alle andre bestillinger automatisk, inkludert beskyttende stopptap og overskuddsmål. Markeder kan bevege seg raskt, og det er demoraliserende å få en handel til å nå fortjenestemålet eller blås forbi et stopp-tapsnivå før ordrene kan til og med oppgis. Et automatisert handelssystem hindrer at dette skjer. Diversifisere Trading. Automatiserte handelssystemer tillater brukeren å handle flere kontoer eller ulike strategier på en gang. Dette har potensial til å spre risiko over ulike instrumenter, samtidig som man skaper sikring mot å miste posisjoner. Det som ville være utrolig utfordrende for et menneske å oppnå, utføres effektivt av en datamaskin i løpet av millisekunder. Datamaskinen kan skanne etter handelsmuligheter på en rekke markeder, generere ordrer og overvåke bransjer. Ulemper og realiteter i automatiserte handelssystemer Automatiserte handelssystemer skryter mange fordeler, men det er noen downfalls av og realties som handelsmenn bør være oppmerksomme på. Mekaniske feil. Teorien bak automatisert handel gjør det til å virke enkelt: Sett opp programvaren, programmer reglene og se på den handelen. I virkeligheten er imidlertid automatisert handel en sofistikert handelsmetode, men ikke ufeilbarlig. Avhengig av handelsplattformen kan en handelsordre oppholde seg på en datamaskin og ikke en server. Det betyr at hvis en Internett-tilkobling går tapt, kan det ikke sendes en ordre til markedet. Det kan også være en uoverensstemmelse mellom de teoretiske handler som genereres av strategien og ordreinngangsplattformskomponenten som gjør dem til virkelige handler. De fleste handelsfolk bør forvente en læringskurve når de bruker automatiserte handelssystemer, og det er generelt en god ide å starte med små handelsstørrelser mens prosessen er raffinert. Overvåkning . Selv om det ville være flott å slå på datamaskinen og gå for dagen, krever automatiserte handelssystemer overvåking. Dette skyldes potensialet for mekaniske feil, for eksempel tilkoblingsproblemer, strømbrudd eller dataskrasj, og til systemkrev. Det er mulig for et automatisert handelssystem å oppleve anomalier som kan føre til feilordre, manglende ordre eller dupliserte ordrer. Hvis systemet overvåkes, kan disse hendelsene identifiseres og løses raskt. Over-optimalisering. Selv om det ikke er spesifikt for automatiserte handelssystemer, kan handelsfolk som bruker backtesting teknikker skape systemer som ser bra ut på papir og utfører fryktelig i et levende marked. Overoptimering refererer til overdreven kurvefitting som produserer en handelsplan som er upålitelig i live trading. Det er for eksempel mulig å justere en strategi for å oppnå eksepsjonelle resultater på de historiske dataene som den ble testet på. Traders tar for eksempel feilaktig ut at en handelsplan bør ha nær 100 lønnsomme handler, eller bør aldri oppleve en drawdown som en levedyktig plan. Som sådan kan parametere justeres for å skape en nær perfekt plan som helt mislykkes så snart den blir brukt på et levende marked. (Denne overoptimaliseringen skaper systemer som ser bra ut på papir. For mer, se Backtesting og Forward Testing: Betydningen av korrelasjon.) Serverbaserte Automation Traders har muligheten til å kjøre sine automatiserte handelssystemer via en serverbasert handel plattform som Strategy Runner. Disse plattformene tilbyr ofte kommersielle strategier for salg, en veiviser, slik at forhandlere kan designe sine egne systemer, eller muligheten til å være vert for eksisterende systemer på den serverbaserte plattformen. For et gebyr kan det automatiserte handelssystemet skanne etter, utføre og overvåke handler med alle bestillinger som ligger på serveren, noe som resulterer i potensielt raskere og mer pålitelige bestillingsoppføringer. Konklusjon Selv om det er viktig for en rekke faktorer, bør automatiserte handelssystemer ikke betraktes som en erstatning for nøye utført handel. Mekaniske feil kan skje, og som sådan krever disse systemene overvåking. Serverbaserte plattformer kan gi en løsning for handelsfolk som ønsker å minimere risikoen for mekaniske feil. (For relatert lesing, se Dagens handelsstrategier for nybegynnere.) Utforming av en robust mekanisk handelsstrategi: En best praksis i handel fra Brett: Denne beste praksisposten kommer til oss fra Edward Heming, som er forfatteren til Herren Tedders trading blog. Han diskuterer noen få aspekter ved å utvikle en pålitelig mekanisk handelsstrategi og dekker også fordelene og ulemperne med mekanisk handel. Legg merke til at Henry Carstens også har gjort tilgjengelig en serie artikler om emnet for å utvikle handelssystemer. Det jeg liker mest om Lord Tedders-artikkelen er innsiktet i at det å undersøke systemideer er en fin måte å få en følelse av på markedet. Av den grunn kan det til og med være til nytte for den skjønnsmessige næringsdrivende. De som ønsker å få noen av fordelene med systemtesting uten utfordringene ved programmering kan se på Odds Maker-programmet utviklet av Trade Ideas, eller kan følge råd fra Bonnie Lee Hill og benytte rullegardinmeny-testplattformen som er tilgjengelig gjennom Ensign Software. Med slike verktøy er det enklere enn noensinne å virkelig avgjøre om ideene dine gir deg en ytelsekvalitet. Takk til Edward for det innsiktsfulle innlegget. Et av spørsmålene jeg ofte blir spurt om strategisk design er, 8220 hvordan lager du en robust mekanisk handelsstrategi8221 For å forstå hvordan man bygger en robust mekanisk strategi er det viktig å forstå hva en robust mekanisk strategi er. En mekanisk strategi er rett og slett en kvantifisert beslutningsstrøm som fører enten en 8220trading robot8221 eller handelsmannen til å bestemme posisjonsstørrelse, oppføringer, utganger og stopper alt i en helt håndfri måte 8211 med andre ord hvis du har et fungerende mekanisk system, er inngangen din ikke nødvendig (eller i så liten grad). I tillegg, for en mekanisk strategi å være robust, må den kapitalisere på en 8220trading edge8221. Dette kan være alt fra en statistisk kant (trending) til en utførelseskant (arbitrage). Videre må denne strategien holde seg over en omfattende periode av virksomheter historisk (minst flere hundre) og må holde fast i fremtidig handel (som kan simuleres). Et mekanisk system har flere fordeler som diskretionære handelsfolk ikke gjør, for eksempel muligheten til å utføre kvantitativ og data mining analyse raskt og over utvidede historiske perioder. I tillegg kan mekaniske systemer lindre noen av de følelsesmessige nødene som følger med diskretionær handel 8211 spesielt blant nye handelsmenn. Det er imidlertid viktig å innse at mekanisk handel har flere ulemper også. Det første var at du må kunne kvantifisere hver handelsbeslutning som systemet vil gjøre, for det andre må det mekaniske systemet periodisk justeres (akkurat som en skjønnsmessig næringsdrivende justerer metodene sine) enten gjennom iboende tilpasning, optimalisering eller diversifisering. . Til slutt fungerer mekaniske systemer bare hvis man legger i den enorme mengden tid og krefter som kreves for å programmere, teste, feilsøke og kontinuerlig justere det. For å designe en hvilken som helst mekanisk strategi er det viktig å vurdere tre ting før noe annet: 1) målet ditt for det systemet, 2) ditt marked, 3) din tidsramme. Når du har bestemt dette, er det lett å finne din grunnleggende metodikk fordi det bare er 4 måter å handle på noe marked: 1) trend trading, 2) momentum trading, 3) reversering til gjennomsnittlig handel, 4) og grunnleggende handel. Når du har bestemt ditt mål, marked, tidsramme og metode, er du klar til å forsøke å sette sammen din første strategi. Mange av dere tenker sannsynligvis på dette tidspunktet, hva hvis jeg ikke vet noe av det? S8221 Hvis du allerede er en erfaren skjønnsmessig handler, bør dette ikke vise seg å være altfor vanskelig. Men hvis du ikke har lang erfaring, må du finne en metode som fungerer. Denne metoden kan være så enkel som en bevegelig gjennomsnittlig kryss langvarig til like komplisert som et kontinuerlig justering av samarbeidende neurale nettverk som genetisk reoptimeres daglig. Den aller beste måten for uerfarne handelsmenn å bygge et nytt system er å teste ideer. Dette kan gjøres på to måter 8211 visuelt eller programmatisk. For noen uten omfattende programmeringserfaring, ville det være best å begynne med det jeg kaller 8220candle ved candle8221 back testing. Dette utføres ved å ta en ide (for eksempel et gjennomsiktig gjennombrudd) og teste det med historiske data på det gjeldende markedet og tidsrammen ved å flytte diagrammer fra fortiden inn i fremtiden og handle hvordan systemet ville 8211 uten fremtidig kunnskap av markedene. Denne metoden er hvordan jeg testet mine første ti 8220strategies8221, hvorav fire jeg fortsatt fortsetter å handle i dag (inkludert to som ble designet av Phil McGrew som jeg testet ved hjelp av denne metoden og fortsatt handler i dag). Imidlertid måtte jeg teste nesten femti eller seksti ideer for å komme ned til de ti strategiene som virker, og til slutt forfine prosessen til jeg hadde funnet fire av de ti systemene jeg fant omsettelige. For å gi deg et eksempel på hvor tidskrevende denne prosessen er, testet jeg disse ti strategiene mye, ofte på over 2 år med 15 minutters barer og 8220executing8221 hundrevis av handler. Jeg brukte nesten 700 ekte timer med å gjøre denne testingen (og I8217m ganske rask med et diagram og utmerke seg). Det høres ut som mye arbeid, vel det var, men det ga meg også en følelse for de markedene som er nesten like gode som å ha handlet disse markedene i sanntid. Etter å ha gjort dette for en stund, følte jeg at det måtte være en mer effektiv måte å teste ideer på. Og det er 8211 programmatisk testing. Programmatisk testing igjen kan være veldig lett 8211 En enkel glidende gjennomsnittlig kryss er en enkel ting å programmere på nesten hvilket som helst programmeringsspråk. Men vanskelighetene som kan ødelegge den begynnende programmatiske næringen er nesten uendelige. Mange populære handelspakker sporer ikke egenkapitalposisjonen ved å markere, men det er sporet bar for bar (og hvis du kan handle daglige barer, kan du forestille deg problemene). Også, ideer som jeg hadde testet mye i hånden, var også vanskelige å programmere. Jeg har hatt så mange opplevelser der jeg miscoded et kritisk konsept (selv i liten grad), og dette endte med å gi drastisk forskjellige resultater enn min håndtesting. Uten kjennskap til at det var koden som var feil, kunne jeg ha falt avskediget mange handelsideer som faktisk var gyldige. I tillegg er det på dette nivået av programmatisk handel svært viktig å vurdere faktorer for å minimere innganger (grader av frihet) og å bruke fleksible innganger. Et eksempel på dette ville være å benytte en 3 ATR-stopp i stedet for en 60 pip-stopp, slik at når prisene og volatiliteten i markedet svinger, blir stoppet ditt ikke tatt ut på grunn av tilfeldig støy. Andre måter du kan forbedre robustheten til strategien din er å benytte realistiske fyllinger og provisjoner og sørge for at dine grenseordrer faktisk hadde blitt fylt (dette er ikke så lett å teste i noen programvare som det burde være). Optimalisering er et annet nyttig verktøy for å vurdere på dette tidspunktet i din strategi testing karriere. Dette er et kraftig, men tokantet sverd. Utnyttelse av genetiske algoritmer og lignende 8220hill climbing8221 teknikker er en vanlig måte å sikre at optimaliseringen ikke gir deg et enkeltpunktsangrep, men heller at det er lignende inngangsverdier som omgir dine innganger som gir tilsvarende egenkapitalgrafer. Gå fremover testing er et annet nyttig verktøy som kan hjelpe deg med å oppnå realistiske resultater og se selv om en strategi ville ha vært vellykket på data som ikke var optimalisert (ligner fremtiden). Går videre til programmatisk handel, etter å ha opplevd mange fallgruver, føler jeg at jeg burde kunne teste mer enn en ide om gangen. Faktisk vil jeg helst prøve mange ideer, over flere tidsrammer og flere markeder. Akkurat nå er dette arbeidet jeg er involvert i å designe, og jeg føler at dette vil hjelpe meg å analysere markedene med den hastigheten og presisjonen som vil ta min handel til neste nivå. Dette er arenaen til de beste strategiske designerne, hvor statistisk datautvinning, markedsanalyse, tidsrammeanalyse, teknisk analyse, grunnleggende analyse og pengestyring kombineres med realistisk evolusjonerende testing i en enkelt pakke. Som du kan se er avansert programmatisk testing og handel en kompleks arena. Jeg selv lærer fortsatt og på ingen måte anser meg selv en ekspert. Den gode nyheten er at vellykket, robust mekanisk strategiopprettelse og implementering kan gjøres på så enkelt eller så komplisert måte som du velger. Tross alt er de svært enkle strategiene som testes og er designet med stearinlys ved stearinlysprøvning, fortsatt en hjørnestein i handelsmetoden min. Fra Brett: Legg merke til Edwards råd: start små, hold den mulig, og bygg ferdighetene dine. Dine beste ideer kommer fra intensiv observasjon, men noen av de beste ideene er enkleste og enkleste. Ive nylig postet en samtale for handelsmenn og programmerere som ønsker å samarbeide dette kan være en lovende måte å komme i gang med Brett Steenbarger, Ph. D. Forfatter av Psychology of Trading (Wiley, 2003), Enhancing Trader Performance (Wiley, 2006), Daily Trading Coach (Wiley, 2009) og Trading Psychology 2.0 (Wiley, 2015) med interesse i å bruke historiske mønstre i markeder finn en handelskant. Jeg er også interessert i ytelsesforbedring blant handelsmenn, og drar på forskning fra eksperter på ulike felt. Jeg tok permisjon fra blogging fra mai 2010 på grunn av min rolle i et globalt makro hedgefond. Blogging gjenopptas i februar 2014, sammen med vanlig innlegging til Twitter og StockTwits (steenbab). Jeg underviser kort terapi som klinisk lektor ved SUNY Upstate i Syracuse, med særlig vekt på løsningsfokuserte terapier for psykisk velvære. Medredaktør av The Art and Science of Brief Psychotherapies (American Psychiatric Press, 2012). Se min komplette profil Abonner på Twitter Trader Blog ArchiveSimple mekaniske handelssystemer kan generere gode fortjenester Devangshu Datta 01 Apr 2015 10:43 PM IST Trading en aksje eller aksjeindeks er veldig enkelt på ett nivå. Ignorerer det sjeldne tredje tilfellet (ingen endring), det er som en myntkast: prisen stiger eller faller. Traderen spør et enkelt, enkelt spørsmål: Opp eller ned En litt mindre enkel måte å se på prisene er når det gjelder trend. Også her er et enkelt spørsmål involvert. Men å svare på dette spørsmålet innebærer å behandle litt mer informasjon fordi handelsmannen må kjenne de to siste prisene: Vil neste prisendring være i samme retning som den siste prisendringen Hvis det er i samme retning, er det en trend. Alle handelssystemer antar at enten en trend vil fortsette, eller at den ikke vil fortsette. Det er mange måter å sette regler for handel med enten situasjon. Reversering eller korreksjon er alltid sannsynlig. Men en lang trend kan være mer lønnsom enn seks eller sju reversjonsbevegelser. Dette bringer oss til frekvens versus amplitude argumentet, som er mer sofistikert. En handelsmann kan se etter høy suksessfrekvens. Eller han kan se etter lavfrekvens, høy amplitude handler. Konseptet med risiko og belønning kommer tydeligvis inn i denne beslutningen. I et høyfrekvent system oppstår en rekke små fortjenester med et sporadisk stort tap. I en lavfrekvent, høy amplitudehandel vil en serie små tap kompenseres for sporadisk stor fortjeneste. Enhver handel må angi grunnleggende parametere. Hvilke tidsrammer vurderes Hva slags bevegelseshøyde er betydelig Dette avhenger av personlige preferanser, men en grunnleggende terskel er satt ved megling. Ingen ønsker å handle et flytte så lite at megling overstiger overskuddet. En daghandler som bruker indeks futures kan sjekke ut et veldig enkelt mekanisk system. Anta at indeksen har lukket opp (eller lukket ned) to økter i rekkefølge. En trend kan nå være i kraft. Trader kan gå med trenden, kjøpe fremtiden hvis trenden er oppe (eller selger om den er nede). Han kan sette et bakre stoppfall på en prosent. Signalet om to økter i rekkefølge på samme måte har kommet opp 12 ganger i 61 sesjoner siden 1. januar 2015. Men trender har faktisk vart tre økter eller lengre, bare åtte ganger. Derfor mister handelsmannen 1 prosent ved fire anledninger. Det er minus fire prosent fra kvotsystemfeilkontoen. På de andre åtte anledninger holder trenden imidlertid tre økter eller mer. Det var fire opptrender som besto av totalt 21 vinnende sesjoner. Den totale gevinsten fra opptrender ville ha vært om lag 12 prosent. Utgangene ville ha kostet en prosent hver. Derfor kunne næringsdrivende ha oppnådd rundt åtte prosent fra opptrinnene. Det var fire nedtrender som varer i alt 20 økter og genererer om lag 10 prosent for selgeren. Igjen, etter å ha trukket et utgangsstopp tap på en prosent, oppnår handelsmannen seks prosent. Netto gevinster etter fradrag for de fem feilene vil være om lag ni prosent. En avkastning på ni prosent er ikke dårlig, da de totale gevinsten utgjør 2,5 prosent fra 1. januar (Nifty 8.284) til 31. mars (8.492). Systemet fungerte bra her fordi markedet flyttet med en sekvens av trender, både opp eller ned. En annen periode da markedet ikke kaste opp så mange treningsøkter ville gi færre avkastninger for dette enkle trending systemet. Det er verdt å merke seg hvordan et slikt mekanisk, lettimplementert handelssystem fortsatt kan generere komfortabel fortjeneste. Forfatteren er en egenkapital og teknisk analytiker