В нашей библиотеке: 321 книг 226 авторов 0 статей За всё время нас посетило 903354 человек которые просмотрели 17787482 страниц.
Читатели оставили 10 отзывов о писателях, 70 отзывов о книгах и 6 о сайте


Название: Энциклопедия торговых стратегий

Автор: Джеффри Оуэн Кац

Жанр: Технический анализ

Рейтинг:

Просмотров: 1831

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125 | 126 | 127 | 128 | 129 | 130 | 131 | 132 | 133 | 134 | 135 | 136 | 137 | 138 | 139 | 140 | 141 | 142 | 143 | 144 | 145 | 146 | 147 | 148 | 149 | 150 | 151 | 152 | 153 | 154 | 155 | 156 | 157 | 158 | 159 | 160 | 161 | 162 | 163 | 164 | 165 | 166 | 167 | 168 | 169 | 170 | 171 | 172 | 173 | 174 | 175 |




Заключение

 

Вышеприведенные тесты продемонстрировали ряд важных фактов.  Во- первых, нейронные сети вне пределов выборки продемонстрировали меньшую устойчивость,  чем генетически разработанные правила.  Это, несомненно, связано с большим числом параметров в нейронной сети по сравнению с моделями на основе правил. Иными словами, нейронные сети страдали от избыточной подгонки под исторические данные. Кроме того, было показано, что добавление сложного сигнала выхода,  будь то нейрон- ная сеть или набор правил,  полученных с помощью генетической эволю- ции,  может значительно улучшить стратегию выходов. При использова- нии  более  устойчивых генетических правил полученные преимущества сохранились и при работе  вне пределов выборки.

Нейронная сеть и шаблоны  правил были изначально предназначены для  работы  в системах входов  и проявили себя  достаточно хорошо при

генерации редких сигналов входа. В стратегии выходов  были бы предпоч- тительны правила,  генерирующие сигналы значительно чаще. Существу- ет обоснованное мнение,  что набор шаблонов  правил,  специально пред- назначенный для разработки сигналов выхода,  был бы гораздо более эф- фективен. То же самое  относится и к нейронным сетям.

 

ЧТО МЫ УЗНАЛИ?

 

Избыточная подгонка  под исторические данные  вредна не только при создании входов, но также и выходов.

Сложные технологии, включая генетические алгоритмы, мо- гут быть эффективно использованы для улучшения стратегий выхода.

Даже грубые попытки  улучшения выходов, подобные  приве- денным  здесь, могут улучшить среднюю прибыль в сделке на сотни долларов.

 

 

Заключение

 

Мы  прошли долгий путь с начала изучения стратегий входов и выходов. Иногда дорога была тяжелой и безрадостной, иногда удивительной и пол- ной надежд.  Как всегда после долгого  пути,  хочется  собраться с мыслями и ответить на вопросы: «Что же мы узнали?» и «Как  это можно приме- нить?». Ответом на первый вопрос может  служить детальное рассмотре- ние наших результатов: начиная с открытий, сделанных при анализе по- ведения портфеля на целых  классах  моделей, и переходя к специфичес- ким комбинациям моделей и приказов, к отдельным рынкам и оптималь- ным методам торговли на них.

Исследованный в данной книге материал можно уподобить виду с са- молета, летящего в темноте: с большой высоты видны только темные про- странства (классы моделей, приносящих убытки) и светлые пятна (клас- сы моделей, работающих хорошо или по крайней мере лучше,  чем гене- ратор  случайных сделок). С этой  высоты видна  эффективность моделей относительно всего  портфеля торгуемых рынков.

Затем самолет снижается. Становится видно больше деталей — вид- но,  что самые  яркие скопления образованы источниками света с разной яркостью (сочетаниями моделей и приказов с различной эффективнос- тью). В темных пространствах также попадаются маленькие изолирован- ные точки  света  (удачные комбинации моделей и приказов на фоне  мас- сы убыточных). На этом уровне  видны также участки, находящиеся в по- лутьме (сочетания моделей и приказов, приносящих убытки, но работаю- щих лучше,  чем модель  случайных сделок, что дает надежду  на улучше- ние в сочетании с качественными правилами выхода).

В конце концов приближается посадка. Можно заглянуть в светлые точки  и увидеть их внутреннюю структуру, т.е. отдельные рынки, где луч- ше всего  работают данные комбинации моделей и приказов. Теперь об- ратимся ко второму  вопросу: как  это можно применить. Очевидно, что путем определения устойчиво прибыльных (в пределах и вне  пределов выборки) сочетаний моделей, приказов и рынков можно создать хорошую стратегию торговли портфелем. К этому моменту будет ясно,  что в тече- ние полета мы увидели и узнали достаточно много для того, чтобы создать

378                                                                                                                                                                          ЗАКЛЮЧЕНИЕ

 

эффективный портфель торговых систем и финансовых инструментов.  В качестве иллюстрации  такой портфель будет создан и протестирован  со стандартной  стратегией  выхода.

 

КРУПНЫЙ  ПЛАН

 

Мы полностью исследовали каждый из классов моделей входа (т.е. все сле- дующие за трендом модели на основе скользящих средних, все модели на основе пробоев, все малые нейронные  сети). Все тесты по каждой из этих групп усреднялись для данных в пределах и вне пределов выборки.

С большим отрывом лидировала генетическая модель: только она да- вала устойчивую прибыль в усреднении по всем тестам ($3271).

За ней по показателям усредненных результатов следовали малые ней- ронные сети. Нейронные сети разделяются на крупные и малые, поскольку

для крупных сетей проблема подгонки под исторические данные пред- ставляет огромную сложность.  В тестах каждая модель испытывалась  с одной крупной и одной малой сетью. Вне пределов выборки малые ней-

ронные сети в среднем приносили  убыток в $860 со сделки.  Это, несом- ненно,  лучше, чем результат модели случайных входов, когда убытки со- ставляли в среднем более $2000 при стандартном отклонении  около $400.

Далее в порядке убывания  эффективности следуют сезонные  модели. В среднем все тесты сезонных моделей приводили к потере $966 со сделки.

Затем следуют три вида моделей на основе  скользящих  средних  (на пересечении, угле наклона и поддержке/ сопротивлении). В среднем в сдел-

ке они приносили убыток в $ 1500 — это вполне сравнимо с убытком $2100,

ожидаемым от чисто случайных входов. Иными словами, модели на осно- ве скользящих средних были лишь немного лучше случайных входов.

Эффективность всех прочих моделей была близкой к случайной, а модели на основе циклов,  как оказалось,  работали даже хуже случайных входов.

В пределах выборки прибыльными были генетические модели ($12 533 в средней сделке), все нейронные  сети ($8940 — мелкие и $13 082 — круп-

ные) и все модели на основе пробоев ($1537). Вне пределов выборки при- быльными  остались только генетические  модели,  нейронные  сети рабо- тали лучше случайных входов (хотя из-за подгонки под исторические дан- ные их показатели  заметно ухудшились), а эффективность моделей про-

боев упала до случайного уровня («вредная» оптимизация  не может быть

единственной  причиной  такого результата).

Далее в пределах выборки в порядке убывания эффективности следу- ют модели поддержки/ сопротивления  на основе  скользящих  средних (средний убыток $300 в сделке) и сезонные модели (средний убыток $671).

Затем следовали лунные и солнечные  модели  (средний убыток $1076 и $1067 соответственно).  Модели на основе скользящих средних прино-

ЗАКЛЮЧЕНИЕ                                                                                                                                                                         379

 

сили убыток от $1300 до $1700. Модели  на основе  осцилляторов и циклов приводили к убыткам  более $2000 со сделки,  что не лучше,  чем результат генератора случайных входов.

Интересно, что вне пределов выборки сохранили эффективность ге-

нетическая модель и малые  нейронные сети.  Такие  модели  чрезвычайно способны к подгонке под исторические данные  и часто проваливаются в тестах вне выборки и при реальной торговле.  Кроме того, некоторый тор- говый  потенциал был проявлен редко исследуемыми сезонными моделя- ми.  При  этом  наиболее популярные методики (скользящие средние, ос- цилляторы, циклы) были среди худших как в пределах,  так и вне выбор- ки.  Примечательно, что модели  на основе  пробоев в среднем  хорошо  ра- ботали  в прошлом, но теперь их эффективность снизилась до уровня  мо- дели случайных входов.

В табл.  С-1 приведена прибыль в процентах годовых (первая строка

для каждой  комбинации модели  и приказа) и средняя прибыль в сделке (вторая  строка),  полученные при использовании стандартной стратегии выхода. Приведенные данные  относятся к эффективности торговли порт- фелем в целом. Описания моделей  (левый столбец)  соответствуют исполь- зовавшимся в этой  книге.  Последние шесть  строк  в таблице  служат ос- новой для сравнения различных моделей между собой.  Они получены при использовании  случайных входов   и  базовой   стратегии  выходов. СредДОХ %  означает среднюю  доходность  в процентах годовых на осно- ве нескольких последовательностей случайных входов;  СтОтклДОХ%  — стандартное отклонение доходности. Сред $СДЕЛ  — средняя прибыль/ убыток  в сделке  на основе  нескольких последовательностей случайных входов и СтОткл $СДЕЛ — стандартное отклонение средней  прибыли в сделке.

Модели  на основе  пробоя  были уникальны тем,  что приносили при-

быль в пределах  выборки при  почти  всех сочетаниях модели  и приказа. За исключением пробоев волатильности, эти модели  работали гораздо лучше случайных входов, хотя и были убыточны вне пределов выборки — убыток  был менее  $1000, иногда  менее  $300 (средний убыток модели  слу- чайных входов составил  около  $2000). Иными словами, системы на осно- ве пробоев в целом  были лучше случайных входов.  Но вне пределов вы- борки  они  работали гораздо  хуже, чем случайные входы.  Средний убы- ток в сделке превышал $5000, как будто поведение рынка  было специаль- но настроено на затруднение работы  этих систем.

Модели  на основе  скользящих средних,  следующие за трендом  (моде-

ли пересечения и угла наклона), в пределах  выборки работали немного лучше случайных входов — убытки были достаточно серьезными, но поч- ти всегда менее  $2000. Ни одна из систем  не была достаточно эффектив- ной,  и вне пределов выборки картина, в общем,  не изменилась, несмотря на большую  волатильность результатов: большинство сочетаний работа- ли лучше,  чем случайные входы,  но все-таки приносили убытки.

380      3AKfliCilEHI-1E

 

 

ae-

8tte aWOOoKM

c_..

Onq>wnoe                          APMKII3                               .......

........

 

ooo6o,..  Ow6o91<>

npo6ot1 KBH8118

no uetre aaKpbtll4

 

npo6oii MM/MM

 

npo6o;;

BOJISTH.nbHOCT'H

 

np06oii 801181WibHOOT"•

AJlHHHt:ie n03HUHM

 

npo6o;; 80.08TKII...oc1H,

saniOTHble p:eHKH

 

nPO(k)M f!OnaTkllbHOCTW.

c o$HnbTpOM AOX

 

-1           33

-60         1066

 

1           36      9

82        1556          430

 

27          48           12

4675         3616          931

 

53

4100

 

36

3977

 

68

4570

-14         -10

-671        -299

 

-16     -2    -15

-912         -72       -798

 

-20         -17         -23

-7371 -2094                      -5272

 

-15

-1640

 

18

2106

 

-20

-2415

16     -12

503 -485

 

15     -11

690 -594

 

29      -20

3074 -4912

 

53   -15

4100 -1640

 

36    18

3977 2106

 

68  -20

4570 -2415

nepec  ettMe

nee

 

nepece'-4eHMe

3CC

 

nepece"i8HH8

Teens

 

nepece.,.etiHe

ACe

 

H8MOH

nee

 

HaKnOt<

3CC

 

H8K110t<

Teens

 

Ha1<110t<

ACe

-9          -8            -7

-1765         -926       -1045

 

-9           -7           -9

-1570         -705       -1534

 

-9          -8            -9

-1666         -890       -1720

 

-10     -7      -8

-1942          -769       -1731

 

-10           -9     -10

-1667        -906                 -1076

 

-10    -10     -9

-2137       -1629       -1289

 

-10     -9      -8

-1842       -1365       -1203

 

-10      -10     -9

-2353       -1531       -1603

-23    -21     -20

-1628 -1213 -1337

 

-20         -22         -20

-1269  -1755  -1223

 

-22        -18        -23

-1984 -1265 -2715

 

-22    -19    -24

-1798  -1071 -2350

 

-22    -19    -24

-1083         -615  -2528

 

-23         -20         -21

-1714 -1096         -1199

 

-23   -19     -3

-1647 -1561              -91

 

-23    -23    -23

-1872  -1391  -2002

-8   -21

-1245 -1393

 

-9 -21

-1270-1416

 

-9 -21

-1425 -1966

 

-8 -22

-1481 -1740

 

-9 -22

-1216 -1409

 

-9   -21

-1685 -1336

 

-9 -15

-1470 -1100

 

-9   -23

-1829 -1755

nee-on

 

3ec-on

-10    -10    -10

-2220        -1630       -1120

 

-10         -10           -9

-2350        -1905        -1171

-23    -21   -21

-3221 -1917          -1731

 

-23    -23    -23

-2471 -2214 -3128

-10  -21

-1657 -2290

 

-10       -23

-1809 -2604

Teens-on

 

AeC-On

-10        -9        -9

-2405       -1869        -1246

 

-10    -10     -9

-1865         -1488       -1033

-21      -17      -20

-1821       -971  -1343

 

-23   -23    -21

-2222 -2254 -1604

-9 -19

-1840-1378

 

-10 -22

-1462 -2027

 

 
Ta»JlUl{a  CI:J.                        PeJynbmamb!  mopeoenu nopm,PeneM OJiR ecex uccneooeaHHb!X MOoeneu co eceMU euoaMu  exoaoe

 

-

 
a

nMM tTHWA  Cton·    J1MMM'tMWil  Ctofto

npMUs

3AKfliCilEH11:            381

 

8-

 
        PeJyn >mamb! mopeoenu nopm,PeneM OIIJi  ecex uccneooeaHHb!X

MOOe/leU CO 8C€MU 8UOaMU 8X0008   (npOOO/l:JfOIIHUe)

 

 

 

 

 

 

 

·

 

 

-               ...Go,>..

ncc-noAA./COnp.

 

 

3CC -noAA./COn p. TCCnB-nOAQ./conp

ACC-noAA./OOOp.

-10     -10      4

-1099          -844                       227

 

0      0      0

0           0           0

 

-8      -3      9

-841         -261                  1015

 

0      0       0

0           0            0

-20   -17    15

- 1962    -1512              482

 

0      0     0

0          0          0

 

-l3                  -14         -22

- 14.44             -1087 -3586

 

0     0     0

0           0          0

-5              -8

-572 -997

 




Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125 | 126 | 127 | 128 | 129 | 130 | 131 | 132 | 133 | 134 | 135 | 136 | 137 | 138 | 139 | 140 | 141 | 142 | 143 | 144 | 145 | 146 | 147 | 148 | 149 | 150 | 151 | 152 | 153 | 154 | 155 | 156 | 157 | 158 | 159 | 160 | 161 | 162 | 163 | 164 | 165 | 166 | 167 | 168 | 169 | 170 | 171 | 172 | 173 | 174 | 175 |

Оцените книгу: 1 2 3 4 5

Добавление комментария:






Информацию в электронную библиотеку yourforexschool.com добавляют исключительно для ознакомления. Если вы являетесь автором книги или компанией которая имеет права распространения и вы хотите чтоб на сайте не было вашей книги, то напишите в обратную связь и мы незамедлительно удалим её.

Копирование материалов сайта разрешено только с использованием активной ссылки на yourforexschool.com Copyright © 2010