Designing Börs Handelssystemen

Trading Systems: Designing Your System - Del 1 13 Den föregående delen av denna handledning tittade på de delar som utgör ett handelssystem och diskuterade fördelarna och nackdelarna med att använda ett sådant system i en levande handelsmiljö. I detta avsnitt bygger vi vidare på den kunskapen genom att undersöka vilka marknader som är särskilt lämpade för systemhandel. Vi tar då en djupare titt på de olika handelssystemens genrer. Handel på olika marknader Aktiemarknader Aktiemarknaden är förmodligen den vanligaste marknaden för handel, särskilt bland nybörjare. I den här arenan dominerar stora spelare som Warren Buffett och Merrill Lynch, och traditionella värde - och tillväxtinvesteringsstrategier är överlägset vanligast. Trots detta har många institutioner investerat betydligt i design, utveckling och genomförande av handelssystem. Enskilda investerare går med i denna trend, men långsamt. Här är några viktiga faktorer att komma ihåg när man använder handelssystem på aktiemarknaderna: 13 Den stora mängden tillgängliga aktier gör det möjligt för aktörer att testa system på många olika typer av aktier - allt från extremt volatila OTC-lager till Icke-flyktiga blå marker. Handelssystemens effektivitet kan begränsas av vissa aktiers låga likviditet, särskilt OTC - och pink sheet-problem. Provisioner kan äta i vinster som genereras av framgångsrika affärer, och kan öka förlusterna. OTC - och rosa arkaktier uppstår ofta extra provisionskostnader. De viktigaste handelssystemen är de som söker efter värde - det vill säga system som använder olika parametrar för att avgöra om en säkerhet är undervärderad jämfört med tidigare prestanda, dess jämställdhet eller marknaden i allmänhet. Valutamarknader Valutamarknaden, eller valutakurser. Är den största och mest likvida marknaden i världen. Världens regeringar, banker och andra stora institutioner handlar trillioner dollar på valutamarknaden varje dag. Majoriteten av institutionella handlare på valutan är beroende av handelssystem. Detsamma gäller för individer i forexen, men viss handel baserad på ekonomiska rapporter eller ränteutbetalningar. Här är några viktiga faktorer att komma ihåg när man använder handelssystem på valutamarknaden: Likviditeten på denna marknad - på grund av den stora volymen - Gör handelssystemen mer exakta och effektiva. Det finns inga provisioner på denna marknad, bara sprider sig. Därför är det mycket lättare att göra många transaktioner utan att öka kostnaderna. Jämfört med mängden aktier eller råvaror som är tillgängliga är antalet valutor att handla begränsat. Men på grund av tillgången på exotiska valutapar - det vill säga valutor från mindre länder - är volatilitetsintervallet inte nödvändigtvis begränsat. De viktigaste handelssystemen som används i forex är de som följer trender (ett populärt ord på marknaden är trenden är din vän), eller system som köper eller säljer på breakouts. Detta beror på att ekonomiska indikatorer ofta orsakar stora prisrörelser på en gång. Futures Equity, Forex och råvarumarknader erbjuder alla futureshandel. Detta är ett populärt fordon för systemhandel på grund av den högre hävstångseffekten och den ökade likviditeten och volatiliteten. Men dessa faktorer kan skära båda sätten: de kan antingen förstärka dina vinster eller förstärka dina förluster. Av denna anledning är användningen av terminer vanligtvis reserverad för avancerade enskilda och institutionella systemhandlare. Detta beror på att handelssystem som kan kapitalisera på terminsmarknaden kräver mycket större anpassning, använder mer avancerade indikatorer och tar mycket längre tid att utvecklas. Så, vilket är bäst Det är upp till den enskilda investeraren att bestämma vilken marknad som passar bäst för systemhandel - var och en har sina egna fördelar och nackdelar. De flesta människor är mer bekanta med aktiemarknaderna, och denna förtrogenhet gör det lättare att utveckla ett handelssystem. Men forex anses allmänt vara den överlägsen plattformen för att driva handelssystem - särskilt bland mer erfarna handlare. Dessutom, om en näringsidkare beslutar att kapitalisera på ökad hävstångseffekt och volatilitet, är terminsalternativet alltid öppet. I slutändan ligger valet i systemutvecklarens händer. Typ av handelssystem Trend-Följande system Den vanligaste metoden för systemhandel är trend-efterföljande system. I sin mest grundläggande form väntar detta system helt enkelt på en betydande prisrörelse, då köper eller säljs i den riktningen. Denna typ av system banker på hopp om att dessa prisrörelser kommer att behålla trenden. Flytta genomsnittliga system Används ofta i teknisk analys. Ett glidande medelvärde är en indikator som helt enkelt visar genomsnittspriset på ett lager över en tidsperiod. Kärnan i trender är härledd från denna mätning. Det vanligaste sättet att bestämma inresa och utgång är en crossover. Logiken bakom detta är enkel: en ny trend är etablerad när priset faller över eller under det historiska prisgenomsnittet (trend). Här är ett diagram som visar både priset (blå linje) och IBMs 20-dagars (röda linje): Breakout Systems Det grundläggande begreppet bakom denna typ av system liknar det för ett glidande medelvärde. Tanken är att när en ny hög eller låg är etablerad, är prisrörelsen sannolikt att fortsätta i riktning mot breakouten. En indikator som kan användas vid bestämning av breakouts är ett enkelt Bollinger Band-överlägg. Bollinger Bands visar medelvärden av höga och låga priser, och breakouts uppstår när priset möter bandets kanter. Här är ett diagram som prissätter pris (blå linje) och Bollinger Bands (gråa linjer) av Microsoft: Nackdelar med Trend-Following Systems: Empirisk beslutsfattande krävs - Vid bestämning av trender finns det alltid ett empiriskt element att överväga: Varaktigheten av Den historiska trenden. Till exempel kan det rörliga genomsnittet vara de senaste 20 dagarna eller under de senaste fem åren, så utvecklaren måste bestämma vilken som är bäst för systemet. Andra faktorer som ska bestämmas är de genomsnittliga höjderna och nedgångarna i brytningssystemen. Lagging Nature - Flyttande medelvärden och breakout-system kommer alltid att ligga kvar. Med andra ord kan de aldrig träffa den exakta toppen eller botten av en trend. Detta leder oundvikligen till förverkande av potentiella vinster, vilket ibland kan vara betydande. Whipsaw Effect - Bland de marknadskrafter som är skadliga för framgången med trend-följande system är detta en av de vanligaste. Whipsaw-effekten uppstår när det rörliga genomsnittsvärdet genererar en falsk signal - det vill säga när genomsnittet sjunker precis i intervallet, vänder det plötsligt riktningen. Detta kan leda till stora förluster om inte effektiva stoppförluster och riskhanteringstekniker används. Sideways Markets - Trend-efter-system är av naturen kapabla att tjäna pengar bara på marknader som faktiskt tränar. Marknaderna rör sig emellertid också i sidled. Stanna inom ett visst område under en längre tid. Extreme Volatility May Occur - Ibland kan trend-efterföljande system uppleva viss extrem volatilitet, men näringsidkaren måste hålla sig i sitt system. Oförmågan att göra det kommer att leda till ett försäkrat misslyckande. Countertrend Systems I grund och botten är målet med countertrend-systemet att köpa till lägsta låga och sälja högst högt. Huvudskillnaden mellan detta och det trendföljande systemet är att motströmsystemet inte är självkorrigerande. Med andra ord är det ingen bestämd tid att lämna positioner, vilket resulterar i en obegränsad nackdel. Typer av motströmsystem Många olika typer av system betraktas som motströmsystem. Tanken här är att köpa när momentum i en riktning börjar blekna. Detta beräknas oftast med hjälp av oscillatorer. Till exempel kan en signal genereras när stokastik eller andra relativa styrindikatorer faller under vissa punkter. Det finns andra typer av motstridshandelssystem, men alla delar samma grundläggande mål - att köpa låga och sälja höga. Nackdelar med att motverka följande system: E mpirisk beslutsfattande krävs - Till exempel, en av de faktorer som systemutvecklaren måste bestämma är punkterna där relativa styrindikatorer bleknade. Extreme Volatility May Occur - Dessa system kan också uppleva viss extrem volatilitet, och en oförmåga att hålla fast vid systemet trots att denna volatilitet kommer att resultera i försäkrat misslyckande. Obegränsad nackdel - Som tidigare nämnts finns det obegränsad nackdel, eftersom systemet inte är självkorrigerande (det finns ingen bestämd tid för att avsluta positioner). Slutsats De viktigaste marknaderna för vilka handelssystem är lämpliga är aktie-, valutamarknaden och valutamarknaden. Var och en av dessa marknader har sina fördelar och nackdelar. De två viktigaste genren av handelssystem är trend-following och countertrend-systemen. Trots deras skillnader kräver båda typerna av system i utvecklingsstadiet empirisk beslutsfattande från utvecklarens sida. Dessutom är dessa system utsatta för extrem volatilitet och det kan kräva en del uthållighet - det är viktigt att systemhandlaren håller fast vid sitt system under dessa tider. I den följande avdelningen, ta en närmare titt på hur man utformar ett handelssystem och diskutera en del av den programvara som systemhandlare använder för att göra sina liv enklare. Utveckla aktiemarknadssystem: Med och utan mjuk dator. Vid granskning av den här boken var jag Slogs av observationen att det bara för senare tid har blivit tillgängliga böcker om system och systemutveckling för detaljhandeln. Jag antar ständiga förbättringar i persondatorer och deras ökande kraft, och tillgången till lämpliga program har bidragit kraftigt till detta. När domänen för stora hedgefonder och institutionella handlare, handelssystem och mekanisk handel blir mer allmänt accepterade och används av enskilda näringsidkare. Traders finner dem att vara ett mycket mer tillförlitligt sätt att uppnå handelssucces än genom att använda godtyckliga beslutsprocesser och andra esoteriska metoder för att komma fram till köp och sälja beslut. Men tillbaka till den här boken. Dr Bruce Vanstone är biträdande professor vid Bond University i Australien, där han undervisar kursutbildningskurser. Han har doktorsexamen i beräkningsfinansiering, publicerat akademiskt arbete på börs handelssystem och är konsult för en boutique hedgefond. Han är välutbildad för att skriva en bok om handelssystemdesign. Hans medförfattare, Tobias Hahn, avslutar doktorsexamen vid Bond University, med fokus på marknadsmikrostruktur och tillämpning av maskininlärningsteknik till prissättning av derivatprodukter. Design, testning och genomförande av mekaniska handelssystem är inte det mest spännande ämnet för dem som har sålts hype av säljare och spruikare som lovar mer än vad som kan levereras med de flesta tillvägagångssätten till handel. Detaljhandlare och investerare blir emellertid medvetna om att ett mekaniskt eller matematiskt förhållningssätt till marknaderna som fokuserar på en långsiktig kant eller ett antal sannolika resultat är ett mycket professionellt tillvägagångssätt som kan tillämpas på detaljhandeln. Författarna förklarar hur de bygger ett regelbaserat system. De visar stegen i att designa och testa ett system tills en kant finns och sedan hur man utnyttjar den maximalt för att maximera avkastningen. De tar en detaljerad inblick i utvecklingen av ett handelssystem samt de många saker som inte ska införlivas i ett handelssystem. Delar av denna bok kommer att utmana många läsares övertygelser och paradigmer om marknaderna och hur de fungerar. Ett exempel är Kapitel 4.5, På användning och missbruk av teknisk analys, där författarna diskuterar begreppet data snooping som används av många tekniska analytiker. I en fallstudie på stoppplatsen i ett trendhandelssystem undersöks användningen av stoppförluster i stor matematisk detalj, särskilt användningen av de vanligt använda ATR-stopparna (Average True Range). Deras forsknings slutsatser är att vi har testat ett stort antal medelfristiga och långsiktiga trendbaserade system. Vi har ännu inte hittat ett enda fall där systemresultatet förbättras med hjälp av en slutförlustregel. Som jag sa utmanar den här boken många av de befintliga kastanjer som finns i handelskurser. Denna bok är en måste-läs för alla som är seriösa om sin systembaserade handel, och för dem som handlar med subjektiv analys, förstår fullständigt vad de står emot på marknaderna. Det är en av de mest intressanta böckerna jag har haft nöjet att granska. Visa artikeln på källa websiteDesigning Stock Market Trading Systems Om författarna Bruce Vanstone Dr Bruce Vanstone är en biträdande professor vid Bond University i Australien. Han avslutade sin doktorsexamen i Computational Finance 2006. Han är en regelbunden föredragare och utgivare av akademiskt arbete på börs handelssystem på internationell nivå. Han undervisar handelskurser på universitetet och är konsult för en hedgefond i Australien. Mer information om Bruces. Läs mer om Bruce Vanstone Tobias Hahn Tobias Hahn studerar för närvarande på doktorand på Bond University i Australien. Hans forskning fokuserar på marknadsmikrostruktur och i synnerhet tillämpningen av maskininlärningstekniker till prissättningen av derivatprodukter. Innehållsförteckning Förord ​​Bekräftelser Introduktion 1. Utformning av börshandelns handelssystem 1.1 Inledning 1.2 Motivation 1.3 Räckvidd och data 1.4 Den effektiva marknadshypotesen 1.5 Kunskaps illusion 1.6 Investeringar mot handel 1.6.1 Investering 1.6.2 Handel 1.7 Att bygga ett mekaniskt börshandelns handelssystem 1.8 Mjukdatorernas plats 1.9 Hur man använder den här boken 2. Introduktion till handel 2.1 Inledning 2.2 Olika sätt att handla 2.2.1 Handelsriktning 2.2.2 Handelsplan 2.2.3 Typ av beteende som utnyttjas 2.2.3.1 Trendbaserad Handel 2.2.3.2 Avbrytande handel 2.2.3.3 Momentumhandel 2.2.3.4 Genomsnittlig återförsäljning 2.2.3.5 Högfrekvenshandel 2.3 Slutsats 2.4 Nästa steg 3. Fundamentella variabler 3.1 Inledning 3.1.1 Benjamin Graham och värde investeringar 3.2 Informationsfördelar och marknadseffektivitet 3.3 En anteckning över justeringar 3.4 Kärnstrategier 3.4.1 Värderingsvärderingar 3.4.2 Fundamentella filter 3.4.3 Rankingfilter 3.5 Elemenna Ts av ett grundbaserat filter 3.5.1 Rikedom av ett företag och dess aktieägare 3.5.1.1 Bokfört värde 3.5.1.2 Omsättningstillgångar mot kortfristiga skulder 3.5.1.3 Hävstångsvärden 3.5.2 Förtjänstkapacitet 3.5.3 Möjlighet att generera kontanter 3.6 Grundläggande Jämförelseförhållanden och industrins jämförelser 3.7 En slutlig notering om invandringsforskning på landsbygden 3.8 Nästa steg 3.9 Fallstudie: Analysera en variabel 3.9.1 Inledning 3.9.2 Exempel - PE-förhållande 3.9.3 Rikedomslaboratoriet 3.9.4 SPSS 3.9.5 Outliers 4. Tekniska variabler 4.1 Inledning 4.1.1 Diagram 4.1.2 Tekniska indikatorer 4.1.3 Övriga tillvägagångssätt 4.2 Diagram och mönsteranalys 4.3 Tekniska indikatorer 4.3.1 Intermarknadsanalys 4.3.2 Flyttmedelvärden 4.3.3 Volym 4.3.4 Momentindikatorer 4.3.4.1 Moving Average ConvergenceDivergence (MACD) 4.3.4.2 Relativ Strength Indicator (RSI) 4.4 Alternativa Metoder 4.5 På Användning och Misbrug av Teknisk Analys 4.6 Fallstudie: Har teknisk analys någon trovärdighet 5. Soft Computer 5.1 Inledning 5.1.1 Typer av mjuk Beräkning 5.1.2 Expertsystem 5.1.3 Fallbaserad resonemang 5.1.4 Genetiska algoritmer 5.1.5 Svärmintelligens 5.1.6 Konstgjorda neurala nätverk 5.2 Granskning av forskning 5.2.1 Klassificering av mjuk databehandling 5.2.2 Forskning i tidsseriens förutsägelse 5.2.3 Forskning om mönsterigenkänning och klassificering 5.2.4 Forskning om optimering 5.2.5 Forskning om ensembleansatser 5.3 Slutsats 5.4 Nästa steg 6. Skapa konstgjorda neurala nätverk 6.1 Inledning 6.2 Uttrycka ditt problem 6.3 Uppdelningsdata 6.4 Hitta influensavariabler 6.5 ANNA Arkitekturval 6.6 ANN-träning 6.6.1 Momentum 6.6.2 Utbildningsnivå 6.7 ANN In-sample Testing 6.8 Slutsats 6.9 Nästa steg 7. Handelssystem och distributioner 7.1 Introduktion 7.2 Studie av en grupp av handelar 7.2.1 Genomsnittlig lönsamhetsmått 7.2.1.1 Eleverna t - Test 7.2.1.2 Körprovet 7.2.2 Vinnande mätvärden 7.2.3 Förlora mätvärden 7.2.4 Sammandragsmetri 7.2.5 Fördelningar 7.2.5.1 Kortfristig fördelning 7.2.5.2 Medelfristig dis Fördelning 7.2.5.3 Långdistributionsfördelning 7.2.6 Jämförelse av två uppsättningar råvaror 7.3 Slutsatser 7.4 Nästa steg 8. Positionsstorlek 8.1 Inledning 8.1.1 Fast positionering 8.1.2 Kellymetod 8.1.3 Optimal-f 8.1.4 Procentandel Av eget kapital 8.1.5 Max riskprocent 8.1.6 Martingale 8.1.7 Anti-martingale 8.2 Pyramiding 8.3 Slutsatser 8.4 Nästa steg 9. Risk 9.1 Inledning 9.2 Handelsrisk 9.2.1 Stoppordningsorder 9.2.2 Använda maximal negativ utflykt (MAE ) För att välja tröskelvärdet för slutförlust 9.3 Risken för förfall 9.4 Portföljrisk 9.5 Ytterligare portföljmetrimer 9.6 Monte Carloanalys 9.7 Fallstudie: Stoppar användbara i Trend Trading System 10. Fallstudier 10.1 Inledning 10.2 En anteckning om data 10.3 En anteckning om Fallstudier 10.4 Att bygga ett tekniskt handelssystem med neurala nätverk 10.4.1 Splitting data 10.4.2 Börvärden för inledande regler 10.4.3 Identifiera specifika problem 10.4.4 Identifiera ingångar och utgångar för ANN 10.4.5 Träna nätverken 10.4.6 Avleda penninghantering och Riskinställningar 10.4.7 Benämning av stickprov 10.4.8 Utvärdering av urvalet 10.4.9 Beslut om slutprodukt 10.5 Bygga ett grundläggande handelssystem med neurala nätverk 10.5.1 Splitting data 10.5.2 Benchmarks initial rules 10.5.3 Identifiera specifika Problem 10.5.4 Identifiera ingångar och utgångar för ANN 10.5.5 Träna nätverken 10.5.6 Avleda penninghantering och riskinställningar 10.5.7 Benämning av stickprov 10.5.8 Benämning utanför provtagning 10.5.9 Beslut om slutprodukt Slutliga tankar Bilagor Skriptsegment Bibliografi Index Förord ​​Bekräftelser Introduktion 1. Utformning av börshandelns handelssystem 1.1 Inledning 1.2 Motivation 1.3 Räckvidd och data 1.4 Den effektiva marknadshypotesen 1.5 Kunskaps illusion 1.6 Investeringar mot handel 1.6.1 Investering 1.6.2 Handel 1.7 Att bygga ett mekaniskt lager Marknadshandelssystem 1.8 Mjukdatorns plats 1.9 Hur man använder denna bok 2. Introduktion till handel 2.1. Användbara LinksDesigning Stock Market Trading Systems Anmäl dig för att spara ditt bibliotek I Designing Stock Market Trading Systems Bruce Vanstone och Tobias Hahn guidar dig igenom sin beprövade metod för att bygga regelbaserade börser med handelssystem med både grundläggande och tekniska data. Den här boken visar de steg som krävs för att designa och testa ett handelssystem tills en handelskant finns, hur man använder konstgjorda neurala nätverk och mjuk dator för att upptäcka en kant och utnyttja den fullständigt. Lär dig hur man bygger handelssystem med större insikt och pålitlighet än någonsin tidigare De flesta handelssystemen idag klarar inte att införliva data från befintlig forskning i sin verksamhet. Det är här Vanstone och Hahns metodik är unik. Konstruerad för att integrera det bästa av tidigare forskning om de finansiella marknadernas funktionssätt i byggandet av nya handelssystem, hjälper denna syntes till att producera börshandelns system med oöverträffat djup och noggrannhet. Denna bok innehåller därför en detaljerad granskning av nyckelfärdig akademisk forskning som visar hur man testar befintlig forskning, hur man utnyttjar den genom att utveckla den till ett regelbaserat handelssystem och hur man förbättrar den med artificiell intelligenssteknik. De idéer och metoder som beskrivs i den här boken har testats och testats i marknadens värme. De har använts av hedgefonder för att bygga sina handelssystem. Nu kan du använda dem också. Publiceringsdetaljer Utgivare: Harriman House Edition: 1 Publiceringsdatum: 2011 Tillgänglig i: Singapore, Indien Kindle Book OverDrive Läs Adobe EPUB eBook 1,6 MB Bruce Vanstone (Författare) Dr. Bruce Vanstone är assistent professor vid Bond University i Australien. Han avslutade sin doktorsexamen i Computational Finance 2006. Han är en regelbunden föredragare och utgivare av akademiskt arbete på börs handelssystem på internationell nivå. Tobias Hahn (Författare) Tobias Hahn studerar för närvarande på doktorsexamen vid Bond University i Australien. Hans forskning fokuserar på marknadsmikrostruktur och i synnerhet tillämpningen av maskininlärningstekniker till prissättningen av derivatprodukter.