Sistema de comércio fora da amostra

Backtesting e Teste Avançado: A Importância da Correlação.
Os comerciantes que estão ansiosos para experimentar uma idéia de negociação em um mercado ativo frequentemente cometem o erro de confiar inteiramente em resultados de backtesting para determinar se o sistema será lucrativo. Enquanto o backtesting pode fornecer aos comerciantes informações valiosas, muitas vezes é enganoso e é apenas uma parte do processo de avaliação. Testes fora da amostra e testes de desempenho avançado fornecem confirmação adicional quanto à eficácia de um sistema e podem mostrar as cores verdadeiras do sistema, antes que o dinheiro real esteja na linha. Uma boa correlação entre os resultados dos testes de backtesting, out-of-sample e forward performance é vital para determinar a viabilidade de um sistema de negociação. (Oferecemos algumas dicas sobre este processo que podem ajudar a refinar suas estratégias de negociação atuais. Para saber mais, leia Backtesting: Interpreting the Past.)
Enquanto uma idéia pode ser quantificada, ela pode ser testada novamente. Alguns comerciantes e investidores podem procurar a experiência de um programador qualificado para desenvolver a idéia em uma forma testável. Normalmente, isso envolve um programador que codifica a idéia na linguagem proprietária hospedada pela plataforma de negociação. O programador pode incorporar variáveis ​​de entrada definidas pelo usuário que permitem que o comerciante "ajuste" o sistema. Um exemplo disso seria no sistema de cruzamento de média móvel simples observado acima: o comerciante seria capaz de inserir (ou alterar) os comprimentos das duas médias móveis usadas no sistema. O comerciante poderia voltar a testar para determinar quais comprimentos de médias móveis teriam realizado o melhor nos dados históricos. (Obtenha mais informações no Tutorial de Negociação Eletrônica.)
Muitas plataformas de negociação também permitem estudos de otimização. Isso implica entrar em um intervalo para a entrada especificada e deixar o computador "fazer a matemática" para descobrir o que a entrada teria realizado o melhor. Uma otimização multi-variável pode fazer a matemática para duas ou mais variáveis ​​combinadas para determinar quais níveis juntos teriam alcançado o melhor resultado. Por exemplo, os comerciantes podem dizer ao programa quais insumos gostariam de adicionar à sua estratégia; estes seriam então otimizados para seus pesos ideais, dado os dados históricos testados.
Backtesting pode ser emocionante na medida em que um sistema não lucrativo muitas vezes pode ser magicamente transformado em uma máquina de fazer dinheiro com algumas otimizações. Infelizmente, ajustar um sistema para alcançar o maior nível de rentabilidade passada muitas vezes leva a um sistema que funcionará mal na negociação real. Esta sobre-otimização cria sistemas que parecem bons apenas em papel.
Curve fitting é o uso de análises de otimização para criar o maior número de negócios vencedores com o maior lucro nos dados históricos usados ​​no período de teste. Embora pareça impressionante em resultados de backtesting, o ajuste de curva leva a sistemas não confiáveis, uma vez que os resultados são essencialmente personalizados para apenas esse dado e período de tempo específicos.
Backtesting e otimização fornecem muitos benefícios para um comerciante, mas isso é apenas parte do processo ao avaliar um sistema comercial potencial. O próximo passo de um comerciante é aplicar o sistema a dados históricos que não foram utilizados na fase inicial de teste posterior. (A média móvel é fácil de calcular e, uma vez plotada em um gráfico, é uma poderosa ferramenta visual de tendência-mancha. Para mais informações, leia Médias móveis simples, faça as tendências se destacarem.)
Dados em amostra versus dados fora da amostra.
Antes de iniciar qualquer backtesting ou otimização, os operadores podem reservar uma porcentagem dos dados históricos a serem reservados para testes fora da amostra. Um método é dividir os dados históricos em três partes e separar um terço para uso no teste fora da amostra. Apenas os dados na amostra devem ser usados ​​para o teste inicial e qualquer otimização. A Figura 1 mostra uma linha de tempo onde um terço dos dados históricos é reservado para testes fora da amostra e dois terços são usados ​​para o teste na amostra. Embora a Figura 1 represente os dados fora da amostra no início do teste, os procedimentos típicos teriam a porção fora da amostra imediatamente anterior ao desempenho para a frente.
Uma vez que um sistema comercial foi desenvolvido usando dados na amostra, está pronto para ser aplicado aos dados fora da amostra. Os comerciantes podem avaliar e comparar os resultados de desempenho entre os dados na amostra e fora da amostra.
A correlação refere-se a semelhanças entre os desempenhos e as tendências gerais dos dois conjuntos de dados. As métricas de correlação podem ser usadas na avaliação de relatórios de desempenho de estratégias criados durante o período de teste (um recurso que a maioria das plataformas de negociação fornece). Quanto mais forte for a correlação entre os dois, melhor será a probabilidade de um sistema funcionar bem no teste de desempenho direto e na negociação ao vivo. A Figura 2 ilustra dois sistemas diferentes que foram testados e otimizados em dados na amostra, depois aplicados a dados fora da amostra. O gráfico à esquerda mostra um sistema claramente ajustável para funcionar bem nos dados na amostra e falhou completamente nos dados fora da amostra. O gráfico à direita mostra um sistema que funcionou bem em dados internos e fora da amostra.
Se houver pouca correlação entre o teste na amostra e fora da amostra, como o gráfico esquerdo na Figura 2, é provável que o sistema tenha sido superestimado e não funcionará bem na negociação ao vivo. Se houver uma forte correlação no desempenho, como visto no gráfico certo na Figura 2, a próxima fase da avaliação envolve um tipo adicional de testes fora da amostra, conhecidos como teste de desempenho para a frente. (Para mais informações sobre previsão, consulte Previsão financeira: o método bayesiano.)
Princípios básicos do teste de desempenho avançado.
Muitos corretores oferecem uma conta de negociação simulada onde os negócios podem ser colocados e o lucro e perda correspondente calculados. O uso de uma conta de negociação simulada pode criar uma atmosfera semi-realista para praticar o comércio e avaliar ainda mais o sistema.
A Figura 2 também mostra os resultados para o teste de desempenho para frente em dois sistemas. Mais uma vez, o sistema representado no gráfico à esquerda não consegue ir muito além do teste inicial em dados na amostra. O sistema mostrado no gráfico da direita, no entanto, continua a funcionar bem em todas as fases, incluindo o teste de desempenho avançado. Um sistema que mostra resultados positivos com boa correlação entre os testes de amostragem in-sample, out-of-sample e forward está pronto para ser implementado em um mercado ao vivo.

Sistema comercial fora da amostra
Definições: na amostra refere-se aos dados que são reservados para testes completos. No teste de amostra inclui otimização de parâmetros e deve ser usado para realizar todos os testes preparatórios para executar o sistema ao vivo ou executar um teste fora da amostra para fins de validação.
A amostra fora da amostra é o dado separado de dados de amostra e é usado para validar que os testes de amostra produziram resultados válidos. Dados fora da amostra não devem ser usados ​​para otimização ou teste que não seja uma simples validação no final do processo. Dados de amostra são dados novos que nunca foram usados ​​para testar o sistema e, como resultado, replicam o que você obteria se o teste fosse executado durante esse período não testado, como em um teste direto.
Grande otimização de dados de amostra. A otimização excessiva do período de amostragem arrisca uma chance maior de que apenas por sorte, um teste superior seja encontrado. Quanto mais parâmetros forem testados na granularidade mais fina, maior será a chance de os resultados da amostra ficarem ajustados apenas aos dados da amostra e não serão generalizáveis ​​para nenhum outro dado.
Os dados têm uma mudança de regime no final do período de teste da amostra, o que faz com que os dados fora da amostra se comportem de forma diferente. Uma instância de uma mudança de regime pode ser uma mudança marcada na volatilidade que ocorre apenas no final do período de teste da amostra, o que faz com que o sistema perca a lucratividade.
Os filtros que podem melhorar o desempenho do sistema de exemplo podem paradoxalmente diminuir o desempenho fora da amostra. Uma maneira de testar se este é o caso é remover sistematicamente os filtros um de cada vez para determinar se os filtros são muito específicos para o tempo atual e não generalizáveis ​​o suficiente para outras vezes. Para testar isso corretamente, você precisará de um período de teste adicional que pode ser usado para validar cada alteração do sistema, preservando os dados fora da amostra para a validação final.
Um dos cálculos matemáticos é implementado incorretamente. Se você usar uma função matemática, como desvio padrão, correlação, etc., tome cuidado para garantir que os cálculos sejam realizados corretamente, verificando uma fonte conhecida de bons cálculos para sua função matemática específica.
Devido a uma grande quantidade de testes, (bons) resultados foram obtidos por sorte. Isso é semelhante ao # 1. Se você torturar os dados por tempo suficiente, ele acabará por ceder e fornecer-lhe um resultado de teste superior. Infelizmente, a maior parte do tempo, este resultado no resultado da amostra não pode ser replicado fora da amostra. É mais arte do que ciência para determinar a quantidade de testes apropriados. Você terá que experimentar para determinar quanto tempo / quantas iterações executar para seus testes para obter melhores resultados.
Os dados utilizados no teste são muito inconsistentes para fundamentar uma estratégia sistemática. Isso pode acontecer se você estiver usando dados de baixa qualidade como uma entrada para o seu sistema, ou se você está perguntando mais de seus dados do que o que é capaz de produzir.
Seu método de teste está apresentando uma visão antecipada do viés de snooping de dados. O viés de snooping de dados é onde você usa informações sobre o futuro em sua metodologia de desenvolvimento ou teste de sistema. É realmente fácil introduzir o viés de snooping de dados no seu teste se você realizar backtests manuais. Esta é uma das razões pelas quais eu acho que é melhor fazer backtesting automatizado. Leve algum tempo para garantir que nenhum dado do período de amostragem não esteja incluído no período de amostra.
Sua metodologia de teste está introduzindo viés de seleção. O viés de seleção pode ser introduzido na fase de teste da amostra onde você seleciona os parâmetros com base no melhor desempenho. De um modo geral, os parâmetros devem ser selecionados com base em subconjuntos do período de amostra, em vez de serem baseados em todo no período de amostragem. Este é um viés muito difícil de superar, particularmente com o software de backtesting tradicional. Eu posso postar um artigo futuro sobre este tópico.
A otimização no período de amostragem favorece resultados altamente lucrativos. Como resultado, sua estratégia de perda de chance pode não ter a chance de ser totalmente testada. Um exemplo disto é usar uma meta de lucro muito pequena com uma perda de stop maior. Com base na otimização, você pode pensar que o critério de parada raramente é acionado, mas quando novos dados com diferentes características de volatilidade são usados ​​no período fora da amostra, o sistema termina com uma sequência de perdas de parada. Como o stop loss é grande, ele raramente é acionado porque o processo de otimização selecionará naturalmente sistemas com baixa frequência de interrupção. Mas se as condições se alinharem nos dados não vistos, de modo que várias perdas de parada ocorram em sequência, você pode achar que seus parâmetros de saída de perda não são tão ótimos quanto o seu teste indicaria. Para superar este problema, reduza a gama de valores permitidos para saídas de perda adversas para obter uma sensação melhor de como as perdas regulares durante o período de teste farão.
Os dados têm buracos ou faltam dados que podem causar sinais imprevisíveis durante o teste. Sempre verifique os dados antes de testar, procurando por períodos em que falta dados. Durante a minha última rodada de testes, descobri que faltava uma semana para o EURUSD que estava causando resultados não confiáveis ​​no teste.

Parte 1: Introdução à análise Walk Forward.
8 de novembro de 2014 por.
Muitos traders desenvolvem sistemas de negociação usando um processo de teste e otimização de diferentes conjuntos de regras e parâmetros de negociação nos mesmos dados. Os sistemas desenvolvidos usando este processo repetitivo tendem a desmoronar rapidamente quando são negociados avançando em tempo real se o desenvolvedor não for cuidadoso. O principal problema com esse tipo de desenvolvimento de sistema é o que os matemáticos chamam de "muito poucos graus de liberdade". No jargão comercial, é conhecido como "ajuste de curva". O teste de caminhada pretende resolver esse problema.
No teste, sempre que múltiplas estratégias ou conjuntos de parâmetros são testados no mesmo conjunto de dados, os "graus de liberdade" dos resultados são reduzidos. Esse processo de uso dos mesmos dados históricos resulta em melhor desempenho, mas serve para reduzir a chance de que a estratégia ou as estratégias sejam rentáveis ​​no futuro.
Como um sistema de comércio pode ser desenvolvido enquanto mantém um "grau de liberdade" razoável? A maneira mais simples de melhorar os resultados vem do uso de "testes fora da amostra", onde a série de dados é dividida em dois segmentos que cobrem diferentes períodos de tempo. O (s) sistema (s) são desenvolvidos usando o primeiro período de tempo "in-sample" e, em seguida, o (s) sistema (s) é (em) testado (s) para verificar o desempenho no segundo ou "fora da amostra".
Com efeito, um teste é realizado nos dados "fora da amostra", não importa quantas idéias sejam testadas nos dados "na amostra". Os "graus de liberdade" são preservados e o desempenho "fora da amostra" fornece uma indicação muito melhor do desempenho do sistema em tempo real. Claro, sempre que o processo de teste é repetido com um sistema diferente, "graus de liberdade" são perdidos. Se o teste suficiente for feito usando os dados, os dados "fora da amostra" se tornam parte dos dados "na amostra" e a vantagem desse método de teste é perdida.
Walk Forward Analysis carrega a idéia de testes "fora de amostra" para o próximo nível. Pense nisso como um teste "fora da amostra" em esteróides. A análise de encaminhamento de dados funciona assim. Digamos que você tenha doze anos de dados que se estendem de 1995 a 2006 para os mercados que você quer negociar. Vamos também assumir que sua estratégia de negociação precisa de um mínimo de três anos de dados para testes e otimização.
Para começar, comece por desenvolver e otimizar o sistema usando apenas os três primeiros anos de dados - neste exemplo, 1995-1997. Nestes três anos de dados, tente tantas idéias quanto desejar e otimize os parâmetros de várias maneiras como você pode pensar. É importante não olhar para nenhum dado depois de 1997! Quando você acha que encontrou o "Santo Graal" dos sistemas de negociação, registre as regras do sistema com os parâmetros ideais. Essas regras e parâmetros otimizados devem ser usados ​​mais tarde para o teste final com novos dados a partir de 1998.
Deslize uma janela de tempo de três anos com antecedência - digamos um mês. Agora, os dados com os quais você está trabalhando corre do 2º mês de 1995 ao 2º mês de 1998. Repita a análise, incluindo otimização e registro das regras e parâmetros otimizados. Na passagem final, esses parâmetros serão utilizados para o 2º mês de 1997.
Continue com 'andando para frente' e otimize os períodos de dados de três anos. Registre os resultados para uso no primeiro mês após o período de otimização de três anos. Quando seus dados finalmente acabam em 2010, volte e teste o sistema para todo o período de 1998 a 2010. Mude as regras e os parâmetros a cada mês para usar aqueles que você encontrou e gravou. Na verdade, você está realizando um novo teste fora de amostra para cada mês. O desempenho do sistema para esses treze anos fora da amostra (156 meses fora da amostra) é uma indicação muito melhor de como um sistema executará em tempo real do que o desempenho de qualquer período de tempo usado para otimização.
Não há nada mágico sobre os períodos de tempo assumidos - três anos para o desenvolvimento do sistema e um mês para o intervalo walk-forward. Escolher estes dois parâmetros de tempo é um trade-off entre tempo de otimização e validade estatística dos resultados. Na prática, descobri que usar cerca de 20% do período de otimização para a janela de caminhar funciona bastante bem.
Se os resultados dos meses de "fora da amostra" parecerem bons, continue o processo de caminhada em tempo real para encontrar os parâmetros a usar com dinheiro real. Outra vantagem deste método de desenvolvimento e negociação de sistemas é que o seu sistema se adaptará melhor às mudanças no comportamento do mercado ao longo do tempo. Os mercados mudam com o tempo - todos nós vimos sistemas que ganharam dinheiro por vários anos e depois simplesmente deixaram de funcionar porque os mercados mudaram.
Na próxima seção desta série, vamos dar uma olhada em como avançar o teste pode ser feito no TradersStudio usando um exemplo que imita um cenário do mundo real.
Trade Like The Pros.
Pacote TradersStudio: Turbo + Otimizador genético.
Baixe o Demo.
Copyright © 2014-2015 TradersStudio, Inc. Todos os direitos reservados. TradersStudio & reg; é uma marca registrada da TradersStudio, Inc.
Nenhuma parte deste site pode ser copiada sem a permissão expressa do autor.

Forex Mecânico.
Negociação no mercado FX usando estratégias mecânicas de negociação.
Prever o sucesso fora do sistema de trading usando propriedades de caos de séries temporais financeiras.
Durante o ano passado, concentrei-me em prever retornos do sistema de negociação fora da amostra. Isso ocorre porque ao criar sistemas de negociação com desempenho historicamente bom é trivial & # 8211; apenas um problema de força bruta em seu núcleo & # 8211; a criação de sistemas que podem ter sucesso sob condições de mercado novas e desconhecidas é um problema muito mais difícil. Uma vez que o núcleo do comércio lucrativo é, de fato, a previsão do futuro & # 8211; não passado de qualquer maneira & # 8211; Retorna é, portanto, fundamental para gerar mecanismos que nos ajudem a prever se os sistemas funcionam ou não vão para a frente, independentemente da performance de back-testing. Na postagem de hoje, quero compartilhar com você alguns dos meus trabalhos mais recentes tentando fazer isso usando nosso repositório baseado em preço-ação nas variáveis ​​relacionadas ao Asirikuy e ao caos.
As propriedades do caos são intrigantes. Estas são todas as propriedades de uma série de tempo que pode ser usada como proxies para determinar a forma como uma série de tempo financeira se comporta em comparação com uma caminhada aleatória. As propriedades como a dimensão fractal, o expoente de Hurst e a entropia de amostra de uma série serão muito diferentes se a série se comportar de uma maneira que seja um tanto previsível e # 8211; algum tipo de relação do futuro com o passado & # 8211; ou completamente aleatório. No passado, explorei essas variáveis ​​de caos em pares de Forex em diferentes postagens de blog (veja aqui para um exemplo).
Se essas propriedades do caos estão relacionadas com a previsão de uma série de tempo, então não é louco imaginar que possa haver alguma relação entre o desempenho futuro de um sistema comercial e como as propriedades do caos de uma série se comportaram no passado recente. Pode ser que um sistema específico requer uma série que tenha uma baixa dimensão fractal antes de seus períodos rentáveis, enquanto outra exige que o expoente de Hurst seja grande. É claro que é muito difícil saber como essas relações podem parecer de antemão, mas podemos conjecturar que tais relações existem, são significativas e podem ser exploradas para exitosas previsões da OOS.
Graças à biblioteca de nolds python, consegui criar sistemas de aprendizado de máquinas para a previsão de 4800 estratégias comerciais diferentes. Para cada sistema de negociação, criei um único algoritmo de floresta aleatória que usava o DFA (um análogo do expoente de Hurst para séries não estacionárias) e o valor da cotaçãão dos dados EURUSD, USDJPY e GBPUSD 1H nos últimos 30 dias, a fim de prever se uma estratégia seria lucrativa ou não lucrativa na semana seguinte. Observe que usei um horizonte muito pequeno para a frente, pois os sistemas têm no máximo 3 anos de dados fora de amostra e a quantidade de exemplos é, portanto, na maioria dos casos, muito limitada (apenas 150-170 para os sistemas mais antigos).
A primeira imagem neste post mostra a importância da variável para as variáveis ​​geradas na floresta aleatória de um sistema. Para a maioria dos sistemas & # 8211; como você esperaria, # 8211; as variáveis ​​mais importantes são as relacionadas com o seu próprio símbolo de negociação. Isto significa que um sistema EURUSD geralmente terá as variáveis ​​EURUSD como as mais importantes. Nos casos em que isso não foi possível e # 8211; diga um sistema GBPJPY & # 8211; as variáveis ​​mais importantes sempre continham pelo menos uma das moedas envolvidas na estratégia do par. Eu mantive os últimos 20% dos dados como um conjunto de treinamento para cada sistema para ver o quão bom eles fariam e descobri que 39% das estratégias viram aumentos de desempenho em comparação com não fazer previsões, enquanto 37% viram um declínio. Os 24% restantes simplesmente não fizeram previsões positivas durante a fase de teste, portanto nenhuma comparação poderia ser feita.

Forex Mecânico.
Negociação no mercado FX usando estratégias mecânicas de negociação.
Fora da amostra da lucratividade e da complexidade do sistema de negociação.
Na semana passada, escrevi uma publicação sobre o quão difícil pode ser para prever a lucratividade da amostra e por que métodos complicados, como a análise progressiva, realmente fazem pouco para melhorar o desempenho em condições de mercado invisíveis. No entanto, outra maneira de tentar prever a rentabilidade da amostra é evitar a análise de estatísticas na amostra e, em vez disso, focar as características gerais do sistema, por exemplo, variáveis ​​relacionadas à complexidade do sistema. Na publicação de hoje, iremos dar uma olhada no repositório do sistema de negociação de ação de preços da Asirikuy (contendo mais de 4500 sistemas de negociação no momento) para verificar se existe alguma relação entre a complexidade das estratégias de negociação criadas e suas fora da lucratividade da amostra. Isso nos dará informações interessantes sobre se ter estratégias mais simples ou mais complicadas podem afetar o desempenho da amostra de forma previsível.
A abordagem geral para viver previsões de desempenho de negociação é tentar relacionar propriedades estatísticas na amostra com o sucesso fora da amostra. Por exemplo, você pode querer verificar se os sistemas com Sharpes mais altos tendem a ter um melhor desempenho sob condições reais de negociação. Você pode usar qualquer estatística na amostra para tentar realizar esse tipo de análise. No entanto, podemos usar variáveis ​​baseadas em desempenho e # 8211; como características do sistema & # 8211; para tentar encontrar essas mesmas relações. Por exemplo, gostaríamos de ver se os sistemas que comercializam em uma hora determinada são mais bem sucedidos na amostra que os sistemas que operam em uma hora diferente. Podemos também pegar um loot em coisas como os tipos de variáveis ​​usadas para entrar em negociações ou a parada final usada para gerenciá-los.
Talvez uma das variáveis ​​mais interessantes sobre as quais podemos pensar seja a complexidade do sistema. Geralmente, as pessoas esperam sistemas mais simples para fazer sistemas melhores e mais complicados para piorar, em parte porque sistemas mais complicados são mais propensos ao viés de mineração de dados e, portanto, mais provável que sejam o resultado de chances simples e, portanto, falhar se não houver precauções contra a mineração o viés é tomado. No entanto, como nosso processo de criação de repositório controla adequadamente o viés de mineração de dados, independentemente da complexidade do sistema, podemos fazer algumas comparações interessantes para ver se há alguma relação entre a complexidade das estratégias criadas e o desempenho fora da amostra sem se preocupar com dados, viés de mineração. No caso de nossa complexidade de sistemas de negociação baseados em ações de preços, também é realmente direto para determinar, uma vez que os sistemas usam regras de ação de preço 2, 3 ou 4 para entrar em negociações. O número da regra é um ótimo proxy para a complexidade do sistema.
Para a análise acima, usei sistemas com pelo menos 5 meses de desempenho real da amostra, o que significa que eu usei apenas sistemas que foram criados até dezembro de 2015. Neste momento, possuímos 1890 sistemas dentro do repositório de negociação, com a grande maioria de sistemas criados entre julho e dezembro de 2015. Isso significa que a maioria dos sistemas tem quantidades similares de desempenho fora da amostra. É claro que estratégias mais complicadas são esperadas para negociar estratégias menos complexas e # 8211; porque mais regras implicam maior filtragem & # 8211; Por isso, devemos também levar isso em consideração ao analisar os dados disponíveis.
Uma vez que a coisa mais interessante que podemos observar é se existe uma relação entre a perda e a obtenção de um lucro na amostra, a primeira coisa que eu olhei foi a afinidade da distribuição do lucro do sistema operacional para sistemas com diferentes níveis de complexidade (o primeiro A imagem nesta publicação mostra esta comparação). Parece bastante claro que estratégias mais complicadas têm uma afinidade muito mais positiva do que as estratégias menos complicadas. Parece haver uma maior tendência para que estratégias atinjam um desempenho positivo. No entanto, a curtose também é muito menor, uma vez que a distribuição é muito mais estreita, algo que podemos explicar facilmente, considerando o menor número de negócios para estratégias de maior complexidade. Isso pode ser facilmente visto na segunda imagem, mostrando a distribuição do lucro de SO para os três grupos de complexidade (azul = 2 regras, verde = 3 regras, vermelho = 4 regras).
Claro que é difícil saber se a distribuição da regra 4 irá mutar na distribuição das regras 2, já que muitos outros negócios são acumulados, isso também pode ser o caso e é uma razão pela qual devemos interpretar esses resultados com muito cuidado. No momento, parece que a complexidade da regra é diretamente proporcional a um desempenho positivo fora da amostra, mas pode ser apenas melhor que os resultados das amostras sejam esperados em números comerciais mais baixos (o que significa que os sistemas deterioram-se à medida que comercializam, o que também é algo que esperamos ). Também vale a pena mencionar que podemos obter resultados rentáveis ​​líquidos, mesmo em distribuições ligeiramente positivamente desviadas, já que nunca levamos as perdas completas de sistemas que possuem um sistema operacional negativo (uma vez que são descartados pelo pior caso, critérios estatísticos baseados em linearidade e simulações de Monte Carlo ).
Podemos também olhar para o OS Sharpe para ver se esse relacionamento é válido para um critério normalizado que é independente do número de negócios. Os resultados & # 8211; último gráfico neste artigo & # 8211; também suporta a ideia de que os sistemas mais complexos tendem a ter melhores relações do OS Sharpe, significativamente melhores do que as dos sistemas de regras 2 e 3. No entanto, isso ainda não elimina a influência do número absoluto de negociações que foram tomadas, novamente o resultado poderia significar apenas que os sistemas esperam ter melhores distribuições do OS Sharpe quando estão tomando suas primeiras negociações X, em vez de simplesmente terem N regras. Pode ser uma história sobre a complexidade ou pode ser uma história relacionada à idade, que é simplesmente relacionada por proxy com a complexidade do sistema, um mistério em que nos encontremos dentro de uma publicação futura.

Day Trading Strategies for Beginners.
Um guia de negociação do dia para iniciantes.
Confira minhas estatísticas de negociação em 2016.
Aprenda minhas dicas e técnicas comerciais diárias.
Você precisa entender a terminologia básica de negócios do dia e amp; conceitos para construir sua base. Você pode me seguir no Youtube para obter educação gratuita! Junte-se à comunidade de milhares de seguidores no YouTube e comece a estudar o conteúdo gratuito que publicamos diariamente. Este é o início de sua educação. Você precisa estudar os mercados, analisar gráficos e aprender as estratégias que os comerciantes profissionais estão usando todos os dias.
Um trader de dia é duas coisas, um caçador de volatilidade e um gerente de risco. O ato de day trading é simplesmente comprar ações de ações com a intenção de vender essas ações com lucro em minutos ou horas. Para lucrar com uma janela tão curta do tempo, os comerciantes normalmente procurarão ações voláteis. Isso muitas vezes significa ações de negociação de empresas que acabaram de divulgar notícias, ganhos reportados ou ter outro catalisador fundamental que está resultando em juros de varejo acima da média. O tipo de ações que um comerciante de um dia se concentrará será tipicamente muito diferente do que um investidor de longo prazo procuraria. Os comerciantes do dia reconhecem os altos níveis de risco associados à negociação de mercados voláteis e eles mitiram esses riscos ocupando posições por períodos muito curtos.
Day Trading com Cash vs. Margin.
A negociação na margem é quando você troca com dinheiro emprestado (clique aqui para detalhes). Por exemplo, um comerciante de dia com uma conta de negociação de $ 25k pode usar margem (o poder de compra é 4x o saldo de caixa) e trocar como se ele tivesse $ 100k. Isso é considerado alavancar sua conta. Ao negociar agressivamente na margem se ele pode produzir 5% de lucros diários no poder de compra de 100k, ele crescerá seu dinheiro de 25k na taxa de 20% por dia. O risco, é claro, é que ele cometerá um erro que lhe custará tudo. Infelizmente, esse é o destino de 9 dos 10 comerciantes. A causa desses erros de término da carreira é uma falha na gestão do risco.
Negociar com dinheiro é uma opção, mas porque requer 3 dias para cada comércio para liquidar, a maioria dos comerciantes negociará com uma conta de margem, mas optar por não usar alavancagem. Esta é uma técnica de gerenciamento de riscos.
All Day Trading Strategies requer gerenciamento de riscos.
Imagine um comerciante que acabou de tomar 9 comerciantes de sucesso. Em cada comércio havia um risco de US $ 50 e um potencial de lucro de US $ 100. Isso significa que cada comércio teve o potencial de duplicar o risco, o que é um excelente índice de perda de lucro de 2: 1. Os primeiros 9 negócios bem sucedidos produzem US $ 900 no lucro. No 10º comércio, quando a posição caiu $ 50, em vez de excluir a perda, o comerciante não treinado compra mais ações a um preço mais baixo para reduzir sua base de custo. Uma vez que ele caiu US $ 100, ele continua a segurar e não tem certeza de manter ou vender. O comerciante finalmente leva a perda quando ele está abaixo de US $ 1.000.
Este é um exemplo de um comerciante que tem uma taxa de sucesso de 90%, mas ainda é um comerciante perdedor, porque ele não conseguiu gerenciar seu risco. Não posso dizer-lhe quantas vezes eu vi isso acontecer. É mais comum do que aposto que você pensaria. Tantos iniciantes caem nesse hábito de ter muitos pequenos vencedores, deixando uma perda enorme eliminar todo o seu progresso. É uma experiência desmoralizadora, e é uma que estou muito familiarizada! Vamos discutir em detalhes como identificar estoques e encontrar boas oportunidades de comércio, mas primeiro nos concentraremos no desenvolvimento de sua compreensão sobre gerenciamento de riscos.
Todo dia de comércio precisa de uma perda máxima (Cap suas perdas)
Durante meus anos como comerciante e como treinador comercial, trabalhei com milhares de estudantes. A maioria desses estudantes experimentou uma perda devastadora em algum momento devido a um erro evitável. É fácil entender como um comerciante pode cair na posição de uma chamada de margem (uma dívida para seu corretor). O dinheiro para negociar na margem é facilmente disponível e o fascículo dos lucros rápidos pode levar os comerciantes novos e experientes a ignorar as regras comumente aceitas de gerenciamento de riscos.
Os 10% dos comerciantes que, de forma consistente, lucram com o mercado compartilham uma habilidade comum. Eles captam suas perdas. Eles aceitam que cada comércio possui um nível de risco predeterminado e aderir às regras estabelecidas para esse comércio. Isso faz parte de uma estratégia comercial bem definida. É comum que um comerciante não treinado ajude os seus parâmetros de risco no mercado intermediário para acomodar uma posição perdedora. Se, por exemplo, disseram que a parada é de US $ 50, quando eles estão abaixo de US $ 60, disseram que aguentarão mais alguns minutos. Antes de você saber, eles estão olhando uma perda de US $ 80-100 e eles estão se perguntando como aconteceu.
Aprenda Day Trading a partir de um comerciante verificado!
Eu fiz $ 94,119.54 Day Trading em apenas 3 meses.
Aprenda as estratégias de negociação Top 2 Day.
As estratégias de negociação Momentum e Reversal são as melhores estratégias de negociação # 1 e # 2 lá fora. Essas estratégias de negociação de dois dias estão sendo usadas por milhares de nossos alunos que participaram dos Cursos de Trading Day Trading Warrior. Na verdade, em uma pesquisa de 100 desses alunos, mais de 80% agora estão negociando lucrativamente graças a essas estratégias (clique aqui para detalhes da pesquisa). Essas estratégias podem ser a base para o seu plano de negociação de US $ 200 / dia.
Nós ensinamos todos os detalhes dessas estratégias no nosso curso de comércio diário, mas também as cobrimos em resumo em várias postagens de blog e em sessões de Q & amp; A do chat. Você pode ler mais sobre minha Estratégia de Negociação Day Momentum e minha Estratégia de Negociação de Day de Reversão. Em suma, ambas as estratégias irão dar-lhe o enquadramento para o tipo de ações a serem negociadas, a que horas do dia trocar, como encontrar ações para negociar, como configurar sua parada de perda para ter um risco máximo e como para encontrar sua entrada com base em padrões de gráficos tradicionais, incluindo Bull Flags e Rubber Band Snap Backs.
Estratégia de negociação Day Momentum.
Adote uma estratégia de negociação e amp; Mestre sua Emoção.
A maioria de nossos alunos adotam as estratégias de negociação Day Momentum ou Reversal Day. Depois de escolher o que é uma boa combinação para seu nível de habilidade, sua tolerância ao gerenciamento de risco e a hora do dia em que planeja trocar, você está pronto para começar. Os alunos do nosso curso de troca do dia podem baixar nossos documentos do plano de negociação escrito e eu realmente posso supervisioná-los enquanto eles estão negociando.
Faça um plano para negociar essa estratégia em uma conta de Negociação Simulada por 1 mês para testar suas habilidades. Seus objetos serão alcançar uma porcentagem de sucesso (ou precisão) de pelo menos 60%. Você também deve manter um índice de perda de lucro de pelo menos 1: 1 (os vencedores são de tamanho igual em média como perdedores). Se você pode alcançar essas estatísticas, então você está bem posicionado para operar ao vivo. Durante o 1 mês de prática, tente tomar 6 transações por dia.
Estratégia de Negociação Day Reversal.
Estratégias para manter a composição no dia da negociação.
Eu admito que é extremamente difícil alcançar o nível de compostura para vender quando atinge sua perda máxima em um comércio. Ninguém quer perder, mas os melhores comerciantes são grandes perdedores. Eles aceitam suas perdas com graça e passam para o próximo comércio. Eles nunca permitem que um comércio seja capaz de destruir sua conta ou sua carreira. Eu pessoalmente me concentro em aceitar pequenas perdas e não deixá-las ficar frustradas. Aprender essa característica os manterá em negócios como comerciante de um dia por um longo período de tempo.
Seu objetivo mais importante será seguir suas regras de perda máxima para que você nunca tenha uma perda que exceda um valor predeterminado. A habilidade mais importante que você precisa aprender é cobrir suas perdas.
Grandes vencedores & amp; Pequenos perdedores requer escala.
Aprender a escalar e dimensionar os negócios do dia é um ponto crítico que todo comerciante deve desenvolver. Quando eu tenho negociações vencedoras, eu escala as posições para tirar lucros e ajustar as paradas para quebrar mesmo o mais rápido possível. Eu nunca ocupo uma posição que alcançou o meu objetivo de lucro e espero por um vencedor maior. A razão é porque, muitas vezes, o preço pode cair e você acabará desistindo desse lucro. Em vez disso, assim que cheguei ao meu primeiro objetivo de lucro (se eu estiver arriscando US $ 100, então, assim que eu chegar em US $ 100), vou vender 1/2 minha posição e definir minha parada no ponto de equilíbrio. Esse método de redução garante lucros pequenos em todos os negócios que se movem em seu favor, dando-lhe uma melhor porcentagem de sucesso.
Uma história de sucesso de estudantes.
Golpeando o objetivo diário e amp; Ratios de perda de lucro.
Digamos que você leva 6 negociações / dia com uma perda máxima de US $ 100 e metas de lucro de US $ 100. Se perder em 2 e você ganha 4 (taxa de sucesso de 65%), e abaixo $ 200 em perdedores, e $ 400 em vencedores, dando-lhe um lucro líquido de US $ 200 / dia. Idealmente, queremos que os alunos arrisquem US $ 100, para ganhar US $ 200. Isso lhe daria um índice de perda de lucro de 2: 1. Novamente, com 6 negócios e um índice de perda de lucro de 2: 1, seus 2 perdedores ainda estarão abaixo de US $ 200, mas seus 4 vencedores seriam US $ 800 em lucros, dando-lhe um lucro líquido de $ 600. Com a mesma porcentagem de sucesso, se você pode aumentar seu índice de perda de lucro, você ganhará muito mais dinheiro!
Uma vez que você atingiu seu objetivo diário, diminua o dimensionamento da posição para que você não perca o objetivo. Acabe o dia verde e faça-o novamente amanhã.
Mantenha sua precisão ao ser disciplinado.
Contanto que você possa manter uma precisão de pelo menos 60% e manter índices de perda de lucro de pelo menos 1: 1, você pode ser um comerciante lucrativo. Com o tempo, a precisão irá melhorar e você vai encontrar-se atingindo os vencedores diretamente dos portões. Alguns dias, você pode negociar com 100% de sucesso com os vencedores nas 6 negociações que você toma.
Se você planeja ter sucesso, você deve seguir seu plano de negociação. Isso significa que apenas leva negociações que se enquadram em sua estratégia. Às vezes, os comerciantes iniciantes começam a ganhar confiança e, em seguida, se aventurar fora da estratégia que funciona melhor. Isso faz com que sua precisão caia e os rácios de perda de lucro sejam negativos.
Concentre-se em metas de curto prazo! O objetivo hoje é levar 6 negócios, com 60% de precisão e taxas de perda de lucro de 1: 1. Enxague e repita. Esse é o bilhete para o sucesso. Antes de conhecê-lo, você terá 3-4 meses de negociação consistente sob o seu cinto.
Day Trader (Ross Cameron) no The Huffington Post.
Aumento dos tamanhos de posição.
Para a maioria dos alunos, uma vez que sua precisão melhorou, o próximo passo é aumentar o tamanho das posições para maximizar os lucros. Se você negociou com 65% de sucesso com rácios de perda de lucro de 1: 1 ou 2: 1 por pelo menos um par de meses, você deveria começar a sentir-se bastante confiante. Agora é hora de aumentar o tamanho da sua posição. Uma vez que você trabalha com uma perda máxima de $ 100, você provavelmente raramente excedeu 2000 compartilhamentos.
Agora, se aumentarmos sua perda máxima de US $ 150, você pode começar a se aventurar em posições de tamanho maior e metas diárias maiores. Lembre-se que seu objetivo diário é 2x sua perda máxima por comércio. Então, se sua perda máxima for $ 100, sua meta diária é de US $ 200. A perda máxima é de US $ 150, o objetivo diário é de US $ 300. Pessoalmente, minha perda máxima é de US $ 500 e meu objetivo diário é de US $ 1000. Conheço alguns alunos com uma perda máxima de US $ 5k / dia. Embora seja difícil imaginar agora mesmo, esse é o potencial de uma estratégia escalável! Todas as estratégias que ensinamos são escaláveis, então, se você troca com uma conta de $ 5k, uma conta de $ 50k ou uma conta de $ 500k, essas estratégias podem ser utilizadas.
Qual é a Próxima em sua Day Trading Journey?
Agora que ensinei-lhe os meus 7 passos para o sucesso comercial, provavelmente você está se perguntando o que está por vir! Gostaria de incentivá-lo a se juntar a um webinar ao vivo comigo para que você possa aprender ainda mais sobre minhas estratégias de negociação. Você pode clicar aqui para participar do meu próximo webinar, e certifique-se de que você continue assistindo no YouTube! Eu coloco toneladas de conteúdo gratuito para ajudar os comerciantes iniciantes a começar.
Em resposta a esses prêmios, o comércio de guerreiros tem sido constantemente considerado como um educador estabelecido no setor financeiro.
Espero vê-lo todos na sala de bate-papo!
Nós obtivemos resultados reais de pessoas reais como você.
$ 31.202.73 em lucros desde que se juntou à Warrior Trading. Se você realmente quer aprender com os profissionais, posso dizer, por experiência própria, que a Warrior Trading oferece treinamentos de primeira qualidade de instrutores altamente qualificados, altamente disciplinados e bem-sucedidos.
Eu prometo que não há uma sala de bate-papo por aí que tenha esse nível de comerciantes experientes interagindo diariamente para ajudar uns aos outros, você simplesmente não pode vencê-lo.
Jeff Nelson.
Dallas, Estados Unidos.
Até $ 5000 em um dia. Quando comecei a operar, eu teria um lucro de US $ 3000 em um bom mês. Depois de ter feito o curso de negociação Day Warrior Tradings, agora faço entre $ 1500 a $ 5000 a maioria dos dias.
Os caras do Warrior Trading fizeram um curso que não apenas contém uma ótima estratégia, mas também é explicado por isso é fácil de entender.
Para as pessoas que são sérias sobre suas negociações, o Warrior Trading é o lugar certo.
Thomas Tovland.
Eu sou um veterano comerciante de Licenciatura em Finanças da OSU e sempre aprendo livros audíveis e comprei o Warrior Trading Program, tanto informações novas e úteis que eu comprei bate-papo mensal para assisti-los, aplicar os princípios que ensinam e obter novas Idéias novas.
Excelente educação comercial mesmo para comerciantes avançados com experiência.
Brian Levandusky.
Warrior Trading é sem dúvida o serviço comercial / família mais profissional com quem já estive envolvido. Eu tenho negociado fora e por mais de 15 anos e tempo integral durante o último ano e meio.
A transparência do Warrior Trading é um aspecto que me atraiu para eles. Eles mostram tudo isso. Eles mostram suas perdas, bem como seus ganhos. Eles estão a mostrar-lhe como tirar proveito dos mercados.
Alan McRae.
O comércio é difícil, mas o comércio de guerreiros torna mais fácil. Eles mantêm uma atmosfera consistentemente amigável, que você encontrará que depois de negociar por alguns anos, você irá apreciar.
Os comerciantes gostam de consistência, e quando você faz logon no Warrior Trading, você pode esperar o mesmo serviço que o dia anterior. Não há surpresas. Essas coisas são valiosas.
Eles estabelecem uma vantagem limpa, ganham dinheiro e saem até o dia seguinte. Ross e sua equipe são bons, e se você fosse assinar todos os diferentes serviços lá fora e compará-los por 3 meses, você veria WT no topo da lista.
Eu sempre fui apaixonado por negociar, mas nunca imaginei que essa paixão teria transformado em um trabalho real e em tempo integral. Na verdade, nunca encontrei nenhum serviço que realmente sentia que me ajudaria a tornar-se um comerciante profissional.
Ou seja, até encontrar Warrior Trading. Em particular, Ross tem sido realmente inspirador enquanto eu estou no meu caminho para me tornar um comerciante de dia inteiro.
Eu sempre quis trocar estoques, mas eu vi todos esses números subir e descer e eu sempre dizia a mim mesmo: "Eu nunca vou conseguir isso". Eu olhei para os vídeos gratuitos do Youtube e fiquei viciado. Foi o melhor investimento que já fiz.
Agora eu sei como o comércio do dia e a parte do susto sobre isso desapareceu, quero dizer, eu os escutei e paguei seu comércio de papel e agora eu me sinto confiante no que estou fazendo com ações.
Eu realmente quero dizer isso, tomei um tempo para escrever isso porque eu realmente sinto no meu coração que vocês estão me ajudando a realizar meu sonho e isso é ser um daytrader. Obrigado warriortrading.
Os cursos são uma obrigação para quem gostaria de fazer o dia de negociação de uma carreira.
Eu aprendi muitas maneiras de me ajudar a economizar dinheiro e ganhar dinheiro. No dia em que terminei o curso, não tive um dia perdido onde perdi mais de $ 300 dólares!
Minha pior perda antes do curso foi próxima de US $ 15 mil. Ross ajuda você a entender como as perdas acontecem, a psicologia por trás disso e como preveni-lo! Eu sinto um comércio muito mais confortável, porque agora eu entendo o que as ações devem escolher, quando entrar e sair e como gerenciar meu risco!
Moe Al khalili.
Qual é o seu nível de negociação atual?
Selecione o nível de negociação em que você está agora para avançar.
Faça este breve questionário para descobrir qual o tipo de comerciante que você é e qual mapa de estrada você deve tomar para se tornar um comerciante mais bem-sucedido.
SE VOCÊ NÃO CONCORDAR COM QUALQUER TERMO OU FORNECIMENTO DE NOSSOS TERMOS E CONDIÇÕES, SAE O SITE IMEDIATAMENTE. POR FAVOR, ADVERTIR QUE SEU USO CONTINUADO DESTE SITE OU OS PRODUTOS OU INFORMAÇÕES FORNECIDAS INDICA O SEU CONSENTIMENTO E ACORDO COM ESTES TERMOS E CONDIÇÕES.
O Warrior Trading pode expressar ou utilizar testemunhos ou descrições do desempenho passado, mas esses itens não são indicativos de resultados futuros ou desempenho, ou qualquer representação, garantia ou garantia de que qualquer resultado será obtido por você. Esses resultados e performances não são TÍPICOS, e você não deve esperar alcançar os mesmos resultados ou desempenho similar. Seus resultados podem diferir materialmente daqueles expressos ou utilizados pela Warrior Trading devido a uma série de fatores.
Woodland, CA 95776.
Copyright © 2017 Warrior Trading ™ Todos os direitos reservados.