인기 게시물

에디터의 선택 - 2019

고문이 오래되었다는 것을 이해하는 방법?

안녕하십니까, 신사 숙녀 여러분, 외환 거래자들!

최적화 중에 순방향 테스트가 필요한 이유, 테스트 및 최적화 중에 얻은 결과를 평가하는 방법, 테스트 결과를 비교하는 방법 및 실시간 어드바이저의 작업에 대해 초보자로부터 자주 질문을받습니다.

그리고 가장 중요한 질문은 다음과 같습니다. "고문이 기한이 지났고, 작동이 중지되었으며 계정에서 인출 할시기가 되었습니까?"

오늘 내가 대답하려고하는 것은 바로이 질문들입니다.

백 테스트 및 실제 거래

실제로, 백 테스트에서 좋은 결과를 보인 시스템이 실제 거래에서 이익을 얻을 수없는 경우가 종종 있습니다. 이는 과거 데이터에 대해 수행 된 백 테스팅의 특성으로 인해 시스템이 최적화의 결과로 적용됩니다.

백 테스팅 프로그램은 도구의 유동성 정도 또는 다른 입찰자와의 경쟁과 같이 거래의 성공에 영향을 미치는 일부 요소를 고려하지 않습니다. 이 테스트는 가능한 기술적 어려움을 고려할 수 없으며, (우리가 응용 프로그램의 실행 속도 문제를 떠나면) 고주파 거래에 가장 중요합니다. 통신 결함, 브로커의 오작동 및 교환 자체로 줄어 듭니다. 역 테스트의 단점은 시스템의 기능을 냉정하게 평가하기 위해 고려할 때 유용합니다.

시스템 테스트 단계 중 하나는 최적화이며, 그 동안 로봇은 더 나은 결과를 얻기 위해 과거 데이터에 적응합니다. 알고리즘의 다양한 매개 변수 값을 변경하면 거의 모든 거래 시스템이 이전에 알려진 가격 기록 세그먼트에 플러스를 표시하도록 할 수 있습니다. 더욱이, 사용 된 매개 변수의 수는 중요합니다 : 적은 수의 변수를 사용하는 간단한 시스템은 최적화하기가 더 어렵지만, 각각의 추가 조건 및 매개 변수의 도입으로 거래 결과는 향상 될 수 있습니다. 그러나 이론적 수익성이 증가한다고해서 시스템이 향상되고있는 것은 아닙니다. 로봇은 단순히 과거 데이터에 더 적합합니다. 시스템을 복잡하게 만들면 열린 이야기에서 모든 가능성에 효과가 있지만 시장에서는 손실 만 가져올 수 있습니다.

거래 시스템의 복잡성에 대한 가설은 많은 매개 변수가있는 신경망입니다. 신경망 기반의 로봇은 많은 양의 정보를 기억하여 과거 데이터를 미래에 간단하게 사용할 수 있도록 과거 데이터에 많이 적응할 수 있습니다. 따라서 계수가 많은 복잡한 시스템의 경우 특히 최적화 프로세스를주의해서 처리해야합니다.

좋은 시스템은 최적화없이 최소한 긍정적 인 결과를 보여 주어야합니다. 만약 모든 수익성이 그 비용으로 만 달성된다면 로봇 작가는 생각할만한 이유가 있습니다. 제 생각에는 최적화 과정에서 백 테스트 중에 최고의 수익성을 달성하는 시스템의 계수에 항상 의존하는 것이 가치가있는 것은 아닙니다. 매개 변수 값이 양수 범위의 가장자리에 매우 가까운 경우 (예 : 5에서 20의 양수 결과를 갖는 7) 매개 변수 값을 중간에 더 가깝게 이동하는 것이 좋습니다.

순방향 테스트

정방향 테스트 란 무엇입니까? 최적화 이외의 다른 히스토리 데이터 샘플에서 최적화 중에 얻은 시스템 매개 변수의 테스트입니다. 손가락으로 설명하면 먼저 설정을 기록으로 조정하고 더 나은 세트를 찾은 다음 (최적화라고 함) 이러한 설정이 여전히 적합한 지 또는 더 이상 관련이 없으며 더 이상 관련이 없는지 여부를 확인하십시오. 병합하기 시작했다. 많은 초보자는 앞으로 테스트를 무시합니다. 나는 왜 당신이 이것을 무시해서는 안되는지 설명하기를 바랍니다.

특정 히스토리 조각에 대한 최상의 매개 변수 집합은 이후 조각에서 가장 좋은 매개 변수 일 필요는 없습니다. 모든 것이 백 번 변경 될 수 있습니다. 그리고 나는 실제 생활에 조언자를 설치하기 전에 다시 한 번 당신이 아랍 셰이크의 아들이고 냅킨 대신 달러를 사용하더라도 매개 변수의 성능을 점검하는 것은 여전히 ​​나쁘지 않다고 생각합니다.

기존 고려 사항과 달리, 순방향 테스트는 반드시 전략 테스터의 확인이 아닙니다. 전달은 데모 또는 작은 실제 계정에서 온라인으로 수행 할 수 있습니다. 이 방법에는 장단점이 있습니다. 가장 큰 단점은 이러한 테스트에는 시간이 오래 걸린다는 것입니다. 플러스는이 경우 테스트 판독 값이 가능한 한 실제 지표에 가깝다는 사실로 작용할 수 있습니다 (사실 실제 지표 임). 즉, 이러한 유형의 계정에서이 브로커의 전략이 어떻게 작동하는지 확실히 알 수 있습니다.

일반적으로 정방향 테스트에는 세 가지 주요 목표가 있지만 하나는 아닙니다. 처음 두 가지는 테스트 기술을 준수하는 데 필수적입니다. 후자는 실제 계정에서의 향후 거래에 대한 이익과 위험에 대한 중요하고 고유 한 정보를 제공합니다.

그래서 주요 목표 테스트-최적화 중에 얻은 결과가 실제인지 이해합니다. 사실, 올바르게 설계된 거래 시스템은 최적화 영역뿐만 아니라 그 이후에도 (선물 및 실시간으로) 수익성이 있어야합니다. 그러나 이것이 항상 일어나는 것은 아닙니다. 일부 거래 시스템은 단순히 순방향 테스트를 통과 할 수 없어 최적화 기간 직후에 부어지기 시작합니다. 이러한 시스템은 매개 변수를 최적화하기 위해 아무리 노력해도 처음에는 작동 할 수 없습니다. 따라서 규칙-실제 거래에서 시스템을 사용하려는 경우 단순히 테스트를 통과해야합니다.

두번째 목표 테스트-시스템 매개 변수의 과도한 최적화를 피합니다. 최적화 기술을 따르지 않으면 좋은 시스템이라도 다시 최적화 할 수 있습니다. 이는 규칙 및 필터가 너무 많거나 최적화 된 매개 변수가 너무 많거나 최적화하기에 너무 작은 단계로 인해 발생할 수 있습니다.

순방향 테스트는 순방향 성과 지표라고하는 효과 측정 값을 제공합니다.이 옵션은 순방향 기간 동안의 연간 수익률과 최적화 중에 얻은 수익률을 비교합니다. 연간 수익률 비교를 기반으로 매개 변수의 재 최적화를 쉽게 결정할 수 있습니다. 매개 변수가 매우 다른 경우 재 최적화를 처리합니다.

그리고 우리는 세 번째 목표 순방향 테스트-투자 기대치를 결정하기 위해 시스템의 수익성과 위험을 측정합니다. 이상적으로 설계되고 최적화 된 시스템은 포워드 기간 및 후속 거래에 대해 최적화 기간과 동일한 이익 및 위험 지표를 갖습니다. 순방향 테스트의 수익률이 순방향 또는 실시간 수익과 크게 다른 경우 이러한 설정은 적합하지 않습니다. 앞으로 테스트를 수행 할 가능성에 대해 궁금한 점이 없기를 바랍니다.

데모 테스트 및 라이브 계정 테스트

많은 사람들이 데모 계정에서 고문을 테스트하려고합니다. "이 데모를 데모에서 쫓고 있습니다." 실제 계정에서이 관리자 나 그 관리자를 실제로 사용하려는 경우이 작업을 수행하지 않아야합니다.

먼저데모 계정에는 성능 문제가 없습니다. 대부분의 중개인은 트레이더가 미끄러짐과 다시 인용에 문제가 발생하지 않도록 데모 서버를 구성합니다. 결과적으로 로봇은 데모에서 잘 작동하며 실제 계정에 설치하면 돈을 잃기 시작합니다.

둘째로종종 브로커가 데모 계좌에 "최고의 스프레드"를 제공합니다. 데모 계정을 개설하면이 중개인에 대해 가능한 최소 스프레드로 견적을받을 것입니다. 따라서이 요소의 영향은 고문의 총 수익성 아이디어에 크게 영향을 줄 수 있습니다.

그리고 세번째데모 계정으로 작업하면 심리적 압력이 발생하지 않습니다. 이 요소는 또한 계정 수익성에 긍정적 인 영향을 미칩니다.

따라서 작은 실제 계좌에 대한 고문을 테스트하는 것이 가장 좋습니다. 대부분의 경우 100-200 달러면 충분합니다. 또한 많은 중개인이 이제 센트 계정을 제공합니다. 그러나 이상적으로는 나중에 거래하려는 서버에서 고문을 정확하게 테스트하는 것이 좋습니다.

거래 시스템의 주요 지표

이제 우리는 거래 시스템의 주요 지표를 분석하고 특정 지표에주의를 기울 일지 여부와 그것이 얼마나 중요한지 생각할 것입니다.

최대 결점

사업을 운영하려면 많은 비용이 듭니다. 외환은 다른 모든 사람들과 같은 사업이며 거래 이익의 비용은 여기에서 위험과 마진에 의해 결정됩니다.

최대 손실은 거래 계정이 새로운 최대 값에 도달하기 전에 수익률 곡선이 가장 크게 감소한 값입니다. 실제 거래에서 큰 결점을 견뎌내는 것은 심리적으로 매우 어렵습니다. 세트를 선택할 때 일반적으로 15-20 % 이상의 드랍 다운 결과는 고려하지 않습니다. 자금 관리를 계산할 때 10-15 % 이하의 한 쌍의 최대 인출을 달성하려고합니다. 대량으로 작업 할 때 계정의 최대 허용 드롭 다운은 5 %를 넘지 않는 것이 좋습니다. 몇 달 동안 천만 번째 계정을 20 % 줄인 것이 얼마나 좋은지 스스로 판단하십시오. 모든 신경이 그렇게 강하지는 않으며 때때로 사용 된 거래 시스템에서 의심이 발생합니다. 최대 하락률이 높을수록 거래자가 경험하는 심리적 압력이 높아집니다.

돈을 벌려면 거래가 필요합니다. 일련의 잃어버린 거래는 상인의 자존심에 부딪쳐서 불안한 결정을 내 리도록 강요했습니다. 물론 이것은 수동 거래에 관한 것이지만, 그럼에도 불구하고 로봇 거래시 알고리즘 거래자는 계정 상태를 모니터링하므로 알고리즘 거래에서 심리적 요소를 완전히 제거 할 수는 없습니다 (이 요소의 영향은 거래자의 요구로 인해 크게 좌우되지만) 거래 결정). 그러나 상인이 심리적으로 그러한 결점을 받아 들일 준비가되지 않았다면, 심지어 해안에서도, 조언자의 로트 니스를 적절한 방식으로 조정하여 수용 가능한 체계를 미리 결정하는 것이 좋습니다.

필요한 자본

필요한 자본-고문과 거래하는 최소 금액. 최대 약점을 알고 자금 관리를 올바르게 설정하면 고문 거래에 필요한 최소 투자 금액을 결정할 수 있습니다. 우리의 임무는 그러한 금액의 돈을 할당하여 조정 된 돈 관리를 통해 불필요한 신경없이 적어도 1.5 번의 최대 약점을 견딜 수 있도록하는 것입니다. 일부 전문 상인은 최대 3 번의 다운을 수락하여 보험에 가입합니다.

거래 횟수

각 거래 시스템 유형에는 고유 한 신뢰할 수있는 거래 수가 있습니다. 일중 거래의 경우, 이는 일반적으로 연간 200에서 수천 건의 거래입니다. D1 거래의 경우 연간 거래 수는 10 개에 불과합니다. 어쨌든 통계에 더 많은 거래가있을수록 더 신뢰할 수있는 결과임을 기억할 가치가 있습니다. 일반적으로 시스템 매개 변수 평가를위한 최소 트랜잭션 수는 100입니다.

거래 당 평균 수익

거래 시스템을 개발할 때이 지표에주의를 기울이는 것이 매우 중요합니다. 거래 당 평균 이익이 높을수록 좋습니다. 때때로 로트 0.1과 거래 할 때 테스트에서 시스템은 거래 당 3-5 달러의 이익을 제공합니다. 다른 모든 매개 변수를 평가 한 후 상인은 시스템을 실제 계정에 배치하기로 결정합니다. 얼마 후, 시스템이 돈을 잃고 있음이 밝혀졌습니다.

실제 계정의 통계를 평가할 때 거래 당 평균 이익은 마이너스 영역에 있음이 밝혀졌습니다. 어떻게 되었습니까? 테스트는 실제를 고려하지 않고 두 지점으로 분산되어 수행되었습니다. 그리고 실제 스프레드는 계획보다 3 포인트 높았으며 결과적으로 거래 당 평균 이익에서 2 달러 만 남았습니다. 그리고 그들은 미끄러짐을 고려하는 것을 잊어 버렸습니다. 또한 수수료는 일반적으로 잊혀졌습니다. 결국 평균 수익은 1 달러를 뺀 것입니다.

거래 당 평균 이익은 중요한 매개 변수이며“이것”이 작동하는 브로커를 열렬히 검색하지 않으려면 10 포인트 (롯트가 0.1 인 거래 당 $ 10) 이상의 가치에 초점을 두는 것이 좋습니다. .

우 승률

나는 이미 이것에 대해 많이 썼지 만 다시 반복 할 것입니다. 많은 전문가들이 50, 40 이하의 수익성있는 거래 비율로 작업합니다. 그러나 심리적으로 매우 어렵고 모든 사람이 그러한 거래를 견딜 수있는 것은 아닙니다. 일반적으로 낮은 비율 (50 % 미만)은 평균 수익성있는 거래와 평균 비영리적인 거래의 비율이 3에서 1 이상으로 높은 비율로 설명됩니다. 이러한 균형은 장기 트렌드 거래 시스템의 특징입니다. 스 캘퍼 시스템과 일일 시스템은 일반적으로 60-70 % 또는 그 이상의 값으로 특징 지워지지 만 손실에 대한 이윤은 일반적으로 1 대 1보다 높지 않습니다. 그러나 이러한 시스템은 이미보다 편안한 거래이며 수익률 곡선이 더 매끄럽게 보입니다. . 그럼에도 불구하고 동시에 안정적인 시스템을 찾는 것은 극히 어렵습니다. 때로는 50 % 미만의 수익성있는 거래 비율로 거래하는 데 시간이 덜 걸립니다.

이익 추정

거래 시스템의 평균 연간 수익을 사용하는 다른 투자 수단과 비교하고이 정맥에서 시스템을 사용하는 것이 바람직하다고 결정한 후에는 위험 및 필요한 자본에 대해 TS를 평가할 차례입니다. 연간 $ 100K의 수익은 근사하지만, 입금에 2 백만 달러가 필요한 경우 연간 5 %에 ​​불과하므로 그렇게 시원하지 않습니다. 더욱이, 최대 인출이 25 % 인 경우 $ 500K 또는 리스크 대 리스크 비율이 1에서 5까지 인 경우 이는 대체로 더 나쁘지 않습니다.

반대로 10 % 또는 10K의 위험으로 동일한 이익에 100K가 필요한 경우 위험 대비 수익성의 비율은 이미 10 : 1입니다. 그리고 이것은 멋진 결과입니다.

위험 조정 수익-RAR

위의 예는이 수익성을 얻는 데 필요한 위험을 고려하여 시스템 수익성 평가를 수행해야한다는 올바른 아이디어를 제시합니다. 수익성 대비 위험 비율 (위험 대비 보상 비율)은 그러한 지표 일뿐입니다. 그는 최대 연간 수익률과 허용 된 최대 손실률을 비교합니다.

예를 들어, $ 5,000의 하락과 함께 $ 25,000의 연간 수익은 5의 위험에 대한 보상을 제공합니다. 일반적으로이 비율이 높을수록 좋습니다. 많은 거래 시스템에서이 지표는 5에서 10 사이입니다.

자기 자본 수익률

일반적으로 이익은 투자 수익으로 간주해야합니다. 그것은 간단하게 계산됩니다-연간 이익을 최소 요구 자본으로 나누기에 충분합니다.

예를 들면 다음과 같습니다. 최대 $ 10,000의 손실과 연간 $ 40,000의 이익을주는 시스템이 있습니다. 수익성 / 위험 비율은 꽤 좋으며 4와 같습니다. 예를 들어, 20 %의 삭감 준비가 된 후 10 % (더블 마진)의 테스트에서 삭감을 수락합니다. 우리와의 거래에 필요한 최소 자본은 $ 100,000입니다. 100,000 달러를 투자하면 연간 40,000 달러 또는 연간 40 %에 해당하는 수익을 얻을 수 있습니다.

연간 수익을 고려할 때의 이점은 비교가 쉽다는 것입니다. 이것은 일반적으로 인정되는 표준으로 특정 거래 시스템과 다른 거래 시스템의 비교를 용이하게합니다.

시스템 효율

다른 시스템의 이익을 비교하는이 방법은 현재 시장 기회의 맥락에서 시스템의 이익을 고려합니다. 다른 기간에 시장은 이익의 잠재력이 크거나 작으므로 지표를 비교할 때 이에주의를 기울이는 것이 합리적입니다.

여기서 또 다른 정의를 소개 할 가치가 있습니다.잠재적 시장 이윤은 각 바닥을 구매하고 각 정점을 고려 된 기간 (보통 1 년) 동안 판매함으로써 얻을 수있는 이윤입니다.

당연히, 거래 시스템은 시장에서 모든 것을 짜낼 수 없습니다. 따라서 거래 시스템의 효율성과 같은 특수 계수를 입력 할 수 있습니다. 이것은 시스템이 시장에서 제공하는 잠재적 이익을 거래자 계정의 실제 거래 이익으로 얼마나 효과적으로 변환시키는 효율성입니다. 예를 들어, 시스템의 순이익이 $ 25,000이고 잠재적 $ 300,000이라고 가정하십시오. 그런 다음 시스템 효율은 (25/300) = 8.33 %입니다. 이것은 꽤 좋은 성능입니다. 평균적으로 상당히 좋은 거래 전략의 비율은 5 % 이상입니다.

효율성 지표를 통해 시장 및 기간별로 시스템을 쉽게 비교할 수 있습니다. 시장은 끊임없이 변화하고 있으며 과거에 시스템이 가지고 있던 지표는 반복 될 수 없습니다. 동시에 시스템 효율성은 상당히 신뢰할 수있는 지표입니다. 매년 꾸준히 높은 수준으로 유지되는 효율성은 거래 시스템의 안정성과 고품질을 나타내는 지표이며, 시장이 어떻게 변하더라도 시스템은 지속적이고 안정적인 기반으로 지속적으로 수익을 내고 있음을 시사합니다.

이익 요인

연간 평균 이익으로 시스템을 판단하는 대신 이익 계수와 같은 매개 변수를 고려하는 것이 더 편리합니다. 실제로이 계수는 거래 시스템의 효과를 측정하려는 또 다른 시도입니다. 이익 요인 총 이익을 총 손실로 나눈 몫입니다. 예를 들어, 1.5의 이익 계수는 시스템이 3 달러의 이익마다 평균 2 (3/2 = 1.5)를 잃는 것을 나타낼 수 있습니다. 1보다 큰 값은 시스템이 돈을 벌 수 있음을 나타냅니다. 이 유닛이 높을수록 더 효과적입니다. 이익률이 1.3 미만인 시스템을 고려하지 않고 1.6의 가치를 달성하는 것이 이상적입니다.

무역 안정성

거래 안정성은 거래 시스템의 가장 중요한 특징입니다. 모든 측면에서 거래 시스템이 안정적 일수록 좋습니다. 그 반대로 시스템이 더 복잡하고 불안정할수록 시스템이 더 위험하므로 더 큰 의구심을 불러 일으킬 것입니다. 결과가 매우 불규칙하고 올해 80 %의 수익을 올릴 지 또는 시스템이 연말에 모든 것을 잃고 마이너스가 될지 추측하기 어렵다. 무역의 안정성을 측정하는 방법과 이에 사용되는 지표를 살펴 보겠습니다.

이익과 손실 공유

테스트 및 포워드 샘플에서 손익 분배의 균일 성은 안정성의 가장 중요한 지표입니다. 시스템이 가져온 순이익은 그 안정성에 대해 아무 말도하지 않습니다. 결국, 모든 이익은 일년에 한 달 만에 이루어질 수 있지만 나머지 시간에는 시스템이 돈을 유출했습니다. 시간이 지남에 따른 손익 분배는 시스템을 사용할 때 얼마나 걱정해야하는지에 대한 좋은 아이디어를 제공합니다.

시스템이 5 년 동안 $ 50,000의 이익을 가지고 있다고 가정하자. 예를 들어, 표에 표시된대로 :

이익결점
201350 0005 000
201430 0006 000
201510 0007 000
2016- 15 0009 000
2017- 25 00010 000

가장 큰 이익은 마지막 해에 가장 큰 손실이었습니다. 또한 수익성 차트를 작성하면 하락 곡선이 나타납니다. 더 나쁜 것은 연간 결점이 증가하고 있다는 것입니다. 이 거래 시스템은 처음 2 년 동안 번성했으며 그 후 몇 년 동안 자본을 분명히 합병했습니다.

또는 다른 예 :

이익결점
2013-15 0005 000
2014110 00010 000
2015-15 0007 000
2016-15 0006 000
2017-15 0004 000

표를 간단히 살펴보면 2014 년에 모든 수익이 발생했음을 알 수 있습니다. 나머지 시간 동안 시스템은 꾸준히 돈을 잃고있었습니다. 이것만으로도 그러한 전략을 포기할 수 있습니다.

그리고 세 번째 예 :

이익결점
201310 0007 000
20145 00010 000
201510 0006 000
201610 0005 000
201715 0004 000

세 가지 예 모두에서 결과 이익은 $ 50,000이며 최대 손실은 $ 10,000입니다. 그러나 후자의 경우 결과의 균일성에주의하십시오. 또한,이 시스템은 쾌적한 상승 방향과 감소량을 보여줍니다. 더욱이,이 시스템은 가장 먼 작동 기간에서 최대 결점을 가지고있었습니다. 이 모든 것은 거래 시스템의 완전히 만족스러운 안정성을 나타냅니다.

또 다른 예는 다음과 같습니다.

이익결점
2013- 25 00010 000
2014- 15 0009 000
201510 0007 000
201630 0006 000
201750 0005 000

이 예는 첫 번째의 반대입니다. 이 옵션은 지표의 명백한 개선에도 불구하고 대부분 부적합합니다. 그러나 여전히 무역에서 그것을 사용하고 싶은 큰 소망이 있다면, 우선 질문에 대한 답을 찾아야합니다. 왜 그렇게 전에 제대로 작동하지 않았으며 지금은 잘 작동 했습니까? 아마도 이것은 일시적인 요인 일 수 있으며 시스템이 시작된 후 얼마 지나지 않아 이미 소진 될 것입니다.

일반적으로 다음 규칙을 따라야합니다. 결과가 균일할수록 좋습니다. 수익성에 경향이있는 경우, 그 반대가 아니라 적당히 상승 할 필요가 있습니다. 또한 모든 추세를 정당화해야합니다.

거래 분배

거래 분배는 일반적으로 주어진 기간 동안의 손익 분배와 정확히 같은 방식으로 계산됩니다. 분포가 균일할수록 물론 더 좋습니다.

최선의 전략은이 기간 동안 손익이 균등하게 분배되는 전략입니다. 그러나 완벽한 균일 성을 달성하지 못할 것입니다. 따라서 하나 이상의 일련의 성공적인 트랜잭션의 결과로 적어도 주요 수익이 발생하지 않도록하는 것이 중요합니다.

그건 그렇고, 일련의 이기고지는 거래도 사이트 전체에 고르게 분배되어야합니다. 표준 편차가 작을수록 거래 결과가 더 예측 가능하고 안정적입니다.

따라서 안정적인 거래 시스템에는 다음과 같은 속성이 있습니다.

  • 가장 균일 한 손익 분배;
  • 승리와 손실의 가장 고른 분포;
  • 일련의 승리와 손실의 가장 고른 분포.

최대 결점

최대 약점은 거래 시스템의 위험을 평가하는 데 중요한 역할을합니다. 거래 시스템에서 생성 된 다른 손실 시리즈와 비교하여 평가해야합니다. 정의에 의해 최대 결점 -이것은 가장 큰 손실의 거래이지만,이 거래가 다른 거래보다 얼마나 큰지를 아는 것도 중요합니다. 예를 들어, 최대 쇠퇴가 다른 모든 쇠퇴 기간보다 20-40 % 더 많으면 이는 시스템 안정성의 추가 증거로 작용할 수 있습니다.

최대 드로 다운이 평균 드로 다운의 300 % 인 경우 이는 매우 나쁜 신호입니다. 물론, 이것은 주식 시장 붕괴 또는 기타 불가항력 사건과 같은 객관적인 이유 때문입니다. 이러한 사건은 예측하기가 거의 불가능하며 종종 상당한 손실을 초래하기 때문에 불가항력으로부터 자신을 보호하는 것이 좋습니다. 이는 최대 손실을 제한하는 전략에 특수 알고리즘을 도입하여 수행됩니다.

가장 큰 승리 행진

최대 손실 시리즈와 동일한 방식으로 평가해야합니다. 평균 승률과 비교해야합니다. 또한, 가장 큰 승리 행진은 전략의 총 이익의 비례 적으로 큰 부분을 제공해서는 안됩니다.

무역 성과 평가를위한 추가 통계 도구

거래 시스템의 효과를 평가하기 위해 다양한 요소가 종종 사용됩니다. 다양한 요소의 맥락에서 거래 결과를 볼 수 있습니다. 이러한 계수 중 많은 부분이 이미 고려되었으므로 간단히 설명하겠습니다. 일부는 아직 고려되지 않았으며, 나는 그것들에 대해 조금 더 설명하겠습니다.

샤프 비율

투자 성과는 종종 소득 분산 측면에서 측정됩니다. 그러한 지표 중 하나는 샤프 비율입니다. 이 계수는 무위험 비율에 의해 감소 ​​된 산술 평균 AHPR과 HPR 시리즈에서 SD의 표준 편차가 어떻게 관련되어 있는지 보여줍니다. 무위험 금리 RFR (위험 무위험 금리)의 가치는 일반적으로 은행 예금에 대한 이자율 또는 국채에 대한 소득율과 같습니다.

이 계수에 대한 자세한 내용은 여기를 참조하십시오.

홀드 타임 이익 (HPR)

그의 책 "돈 관리의 수학"에서 Ralph Vince는 HPR (보유 기간 수익)이라는 개념을 사용합니다. 거래가 진행되는 동안의 수익입니다. 10 %의 이익을 가져온 거래는 HPR = 1 + 0.10 = 1.10에 해당합니다. 10 %의 손실을 가져온 거래는 HPR = 1-0에 해당합니다. 10 = 0.90. 다른 방법으로, 거래 종료 후 잔액 값 (밸런스 마감)을 거래 시작시 잔액 값으로 나누어 거래의 HPR 값을 얻을 수 있습니다 (밸런스 오픈).

HPR = BalanceClose / BalanceOpen

따라서 각 포지션은 거래 결과뿐만 아니라 HPR에도 해당합니다. 이를 통해 각 경우에 사용 된 자금 관리에 관계없이 시스템을 비교할 수 있습니다. 이러한 비교의 지표 중 하나는 산술 평균-AHPR (평균 유지 기간 반환)입니다.

Ralph Vince는 산술 평균과 함께 GHPR (지오메트리 유지 기간 반환)이라고 지정한 기하 평균의 개념을 소개합니다. 이는 거의 항상 산술 평균 AHPR보다 작습니다.

기하 평균이 가장 높은 시스템은 재투자를 기반으로 거래하면 가장 큰 이익을 가져다 줄 것입니다. 기하학적 의미가 1보다 작다는 것은 재투자를 기반으로 거래하면 시스템에서 돈을 잃는다는 것을 의미합니다.

기대

평균값은 표본뿐만 아니라 분포가 알려진 랜덤 변수에 대해서도 계산할 수 있습니다. 이 경우 평균값의 특별한 의미는 수학적 기대입니다. 수학적 기대는 랜덤 변수의 "중앙"또는 평균값을 특징으로합니다.

수익성있는 거래의 경우 수학적 기대치가 0보다 높아야하며 모든 거래 오버 헤드 (예 : 스프레드, 스왑, 삭감, 수수료 등)가 있어야합니다. 수학적 기대치에 대한 자세한 내용은 여기를 참조하십시오.

표준 편차

우리는 이미 거래 시스템의 안정성에 대해 이야기 할 때 위의 표준 편차에 대해 논의했습니다. 이 값은 평균값에 상대적인 값의 범위를 보여줍니다. 표준 편차 값이 작을수록 결과가 더 안정적 일수록 값이 높아 지므로 평균값에 가까운 수율을 얻을 가능성이 줄어 듭니다. 표준 편차가 무엇인지 이해 했으므로 이제이 특성에 대해보다 자세히 고려해 보겠습니다.

거래 계정의 경우 특정 기간 동안의 평균 수익성, 평균 이익 및 평균 손실의 세 가지 평균이 종종 사용됩니다. 그런 다음 각 평균에 대해 세 가지 표준 편차 (평균 수익성에 대한 표준 편차, 평균 수익에 대한 표준 편차 및 평균 손실에 대한 표준 편차)를 계산하는 것이 논리적입니다.

평균 수익성은 수익과 손실의 합을 숫자로 나눈 값으로 정의되며,이 값은 특정 기간 동안 계정이 가져올 수있는 수익성의 가장 큰 가치를 나타냅니다. 평균 수익률의 표준 편차는 손익을 요약합니다. 시스템 수익성의 분포가 정규 분포에 종속되어 있다고 가정하면 95 %의 확률로 잠재 생산량의 값은 평균 결과에서 두 표준 편차 범위에있게됩니다.

평균 이익과의 표준 편차를 분석하여 평균 값과 비교하여 이익의 확산이 무엇인지 알 수 있습니다. 표준 편차가 작을수록 예상 결과가 평균값에 가까울수록 더 안정적입니다.

파라미터 MAE 및 MFE

거래 운영의 결과를 나타내는 거래의 최종 결과를 살펴보면, 보호 중지 (Stop Loss)의 존재 또는 이익의 효과에 대한 결론을 도출 할 수 없습니다. 포지션 개시일, 마감일 및 최종 결과-손익 만 볼 수 있습니다.

각 거래 위치의 수명 동안의 총 이익과 총계의 모든 위치에 대한 정보가 없기 때문에 거래 시스템의 성격에 대해 판단 할 수 없습니다. 종이 리스크가 얼마나 위험하고, 이익이 달성 되었습니까? 이러한 질문에 대한 답변은 MAE (Max Adum Exverse Excursion) 및 MFE (Maximum Favorable Excursion) 매개 변수로 충분히 제공 할 수 있습니다.

폐쇄 시점까지 각 공개 포지션은 지속적으로 이익 변동을 겪고 있습니다. 개설과 마감 사이의 각 거래는 최대 이익과 최대 손실에 도달했습니다. MFE는 최대 가격 변동을 유리한 방향으로 보여줍니다. 따라서 MAE는 가장 불리한 가격 변동을 보여줍니다. 두 지표를 포인트 단위로 측정하는 것이 합리적이지만 거래가 다른 통화 쌍으로 수행 된 경우 공통 분모로 가져 오기 위해 통화 표현을 사용할 수 있습니다.

마감 된 각 거래는이 거래의 결과와 MFE 및 MAE의 두 지표에 해당합니다. 거래가 $ 100의 수익을 얻었지만 동시에 MAE (포지션 수명 동안 최대 부동 손실)가-$ 1000에 도달 한 경우이 거래를 특성화하는 가장 좋은 방법은 아닙니다. 긍정적 인 결과를 가지지 만 각 거래에 대해 마이너스 MAE 값이 큰 거래가 많으면 시스템이 수익성이없는 위치를 능가하며 조만간 그러한 거래가 중단된다는 것을 알 수 있습니다.

마찬가지로 MFE 값에서 정보를 얻을 수 있습니다. 직책이 올바른 방향으로 열리면 거래의 MFE (미확정 최대 이익)가 $ 3,000에 도달했지만 결과로 $ 500의 결과로 거래가 종결되었으므로 미확정 이익 보호 시스템을 개선하는 것이 좋을 것이라고 말할 수 있습니다. 이것은 일종의 플로팅 스탑 (Trailing Stop) 일 수 있으며, 우리는 우리의 방향으로 유리한 움직임으로 가격을 끌어 올릴 수 있습니다. 이익 부족이 체계적이라면 거래 시스템을 크게 개선 할 수 있습니다. MFE가 알려줄 것입니다.

반 타프 추정 기법

평가 된 시스템의 품질 인 Van Tharp는 거래 결과의 표준 편차에 대한 수학적 기대의 비율로 측정 할 것을 제안합니다.

여기서 M (x)는 수학적 기대치입니다.

σ는 표준 편차입니다.

R의 결과 값은 다음과 같이 분류됩니다.

0.16 미만-매우 낮은 품질,

0.16 ~ 0.20-낮음

0.20에서 0.25까지-평균,

0.25에서 0.30까지-양호

0.30에서 0.50까지-우수,

0.50 ~ 0.70-우수,

0.70 이상-성배.

따라서 시스템에 대한 수학적 기대치가 커지고 표준 편차가 작을수록 시스템의 품질이 높아집니다.

우리의 경우 수학적 기대는 모든 거래의 단순한 평균입니다.

여기서 xi는 i 번째 트랜잭션의 결과입니다.

n은 거래 시스템에서 수행 한 거래 수입니다.

표준 편차는 분산의 제곱근입니다.

분산을 찾는 방법은 이미 백 번 분석했습니다.

Sortino의 계수로 추정치를 계산하는 기술

분류 계수 음수 수익을 가진 거래 결과의 표준 편차에 대한 수학적 기대의 비율입니다.

여기서 M (x)는 수학적 기대치입니다.

σ '는 음의 리턴을 갖는 표준 편차입니다.

결과 값은 다음과 같이 분류됩니다.

0.24 미만-매우 열악한 품질,

0.24 ~ 0.30-낮음,

평균 0.30 ~ 0.38

0.38에서 0.45까지-양호

0.45 ~ 0.75-우수,

0.75에서 1.00까지-우수,

1.00 이상-성배.

음의 표준 편차 표준 편차는 손실 거래의 제곱 합계의 평균 값의 제곱근입니다.

편차 값을 계산할 때 중요한 점을 고려해야합니다. 긍정적 인 트랜잭션은 계산에서 제외되지 않으며 값은 0으로 대체됩니다. 이는 공식의 거래 수 (n)에 영향을줍니다.

시스템이 더 이상 작동하지 않는지 어떻게 알 수 있습니까?

트레이더에게는 시스템이 더 이상 작동하지 않는다는 것을 이해하는 것이 매우 중요합니다.계정에 장기 결손이 발생하면 어떻게해야합니까? 시스템 작동이 중지되었으며 이제 제거해야합니까? 아니면 드로 다운 기간이 끝나려고합니까? 많은 거래자, 특히 초보자는 그러한 경우에 대한 조치 계획이 전혀 없습니다.

많은 숙련 된 거래자들은 일정 기간 동안 기다릴 계획이라고 말하고 시스템이 결점을 끝내기 시작하지 않으면 더 이상 작동하지 않는 것으로 결정됩니다. 또 다른 대중적인 접근 방식은 테스트에 표시된 이중 결점을 기다리는 것입니다. 그러나이 두 가지 접근 방식이 얼마나 정확합니까? 그들은 통계에 의해 뒷받침됩니까? 시간이 얼마나 걸립니까? 왜 트리플이 아닌 더블 드랍입니까? 이것에 대한 통계는 없으며 단지 그것을하는 방법 일뿐입니다.

그러나 시스템이 손상되었음을 이해하는 방법은 무엇입니까? 통계적 방법으로 검증되지 않은 오래된 도움을 받아도 조금 생각할 가치가 있습니까? 변경을위한 두 번째 옵션을 시도해 봅시다.

그리고 우리는 시스템이 작동을 멈출 때 그것이 무엇인지에 대해 생각하기 시작할 것입니다. 음, 이것은 더 이상 작동하지 않고 배치 된대로 작동하지 않음을 의미합니다. 시스템이 테스트와 동일한 방식으로 작동하는지 비교하기 만하면됩니다.

그러나 비교할 매개 변수는 무엇입니까? 몇 가지 특성을 살펴 보았지만 시스템 성능을 평가하려면 가장 중요한 요소 중 하나 인 테스트에 대한 분포와 비교하여 실제 계정에 대한 트랜잭션 분포를 강조하는 것이 좋습니다. 확인해야 할 것은 실제 거래 거래 선택이 테스트에서 선택의 일부인지 여부입니다. 특정 신뢰 수준 (보통 95 %)으로 가설을 반박 할 수 있으면 시스템이 더 이상 의도 한대로 거래되지 않습니다. 그래서 그녀는 무너졌고 계정에서 안전하게 철회 할 수 있습니다.

이 기준을 사용하는 것은 매우 강력한 도구입니다. 결국,이 경우 통계와 같은 과학에 의존합니다. 그리고 그녀는 상인의 가장 친한 친구입니다. 그리고 시스템이 약점에서 벗어날 지 궁금해 1.5 개월을 더 기다릴 필요가 없습니다. 두 번의 테스트 중단을 기다릴 필요가 없으므로 비용이 절감됩니다. Excel에서의 간단한 계산 (ExcelTrader 과정 중 하나에서 문자 그대로 10 분 만에 수행됨)-계정에서 시스템을 제거할지 여부에 대해 명확하고 통계적으로 검증되고 과학적으로 올바른 결정을 내 렸습니다.

그래서 이것에 무엇이 필요합니까?

먼저 기록 데이터에 대한 시스템 테스트를 수행해야합니다. 이를 위해 전략 테스터를 사용하고 테스터 데이터를 전송하여 추가 분석에 적합하도록 할 수 있습니다. 가장 중요한 것은 거래 자체의 결과-이익과 손실을 얻는 것입니다.

둘째, 확인할 데이터가 필요합니다. 많은 사람들이 myfxbook에 대한 계정 통계를 가지고있을 것입니다. 계정 증가 차트의 오른쪽 상단에는 "내보내기"버튼이 있습니다. 이를 클릭하면 저장된 데이터의 형식을 선택해야하는 드롭 다운 메뉴가 나타납니다. 우리의 목적을 위해 csv 형식은 다음과 같습니다.

결과 파일을 열고 데이터를 준비하십시오.

“텍스트 별 열”을 클릭하면 텍스트 분석 마법사가 시작됩니다. 구분 기호가있는 변형을 선택하십시오.

Myfxbook은 쉼표를 구분 기호로 사용합니다 :

다음으로 마법사를 끝내고 결과 데이터를 테이블로 변환합니다.

이제 값을 기준으로 데이터를 정렬하고 필요없는 행을 숨길 수 있습니다. "action"열을 찾아서 다음과 같이 필터에 확인 표시를 설정하십시오.

이제 "게인"열을 찾아 복사하여 새 시트로 옮깁니다.

더 이상 성명서가있는 시트가 필요하지 않습니다. 삭제하십시오.

이제 MetaTrader 터미널의 테스트 결과 파일을 엽니 다.

ctrl + a 및 ctrl + c를 눌러 파일의 모든 줄을 선택한 다음 Excel의 새 시트에서 ctrl + v를 누릅니다.

거래가있는 행만 남겨두고 헤더를 삭제하십시오.

데이터를 테이블로 변환하십시오.

'수익'항목의 필터에서 빈 줄을 선택 취소합니다.

“이익”열을 복사하십시오.

그리고 실제 계정의 거래가있는 준비된 열이있는 시트로 옮깁니다.

우리는이 두 열을 비교할 것입니다. 먼저 테스트 값의 평균값을 계산하십시오.

그리고 진짜 사람들을 위해 :

또한 트랜잭션 수를 계산합니다.

그런 다음 모집단의 표준 편차를 정의합니다 (시험에서 얻은 것).

(실제 계정에서) 표본의 표준 편차 :

다음으로 표준 오차를 계산해야합니다.

그리고 마지막-z 변환 :

네트워크에서 표준 분포 계산기를 찾거나 스크린 샷에 표시된 사이트를 사용하십시오.

위 그림과 같이 z 변환 값을 채우고 계산을 클릭하십시오. 결과적으로 P의 값을 얻습니다.

이 예에서 P는 0.5054로 밝혀졌습니다. 이 수치는 0.05보다 크므로 계정의 데이터가 테스트의 데이터와 다르다고 말할 수 없습니다. 따라서 우리는이 전략이 고안된 알고리즘의 프레임 워크 내에서 작동한다고 결론 지을 수 있습니다.

이 기술이 설명되어있는 비디오를 볼 수도 있습니다 (ExcelTrader 강의 중 하나).

보시다시피, 아이디어는 매우 간단합니다. 우리는 거래 전략 테스트 중에 얻은 긴 데이터 조각을 가지고 있으며 실제 계정 작업 중에 얻은 작은 조각이 있습니다. 이 작은 조각이 테스트 중에 얻은 데이터와 유사한 지 여부를 확인할 수있는 기술이 있습니다. 물론 일정 확률로 95 %. 그러나 대부분의 경우 이것으로 충분합니다.

계정에서 시스템을 언제 철회합니까?

누군가에게 시스템을 확인하라는 신호는 계정의 절반을 줄입니다. 누군가는 단순히이 문제에 대한 과학적 접근을 무시하고 "할아버지"방법을 계속 사용할 것입니다. 그리고 특히 희미한 마음은 10 % 이상의 모든 결점으로 시스템을 테스트하기 시작합니다.

실제로, 시스템이 현재 이익을 거래하고 있다는 사실이 그것이 의도 한대로 정확하게 거래되고 있다는 것을 의미하지는 않습니다. 다시 말해, 이익을 거래하는 시스템은 그것이 만들어 졌을 때와 같이 거래 될 수 없습니다. 이 아이디어에 대한 반응은 대부분 다음과 같습니다. 돈을 벌면 아무것도 만질 필요가 없습니다. 그러나 "다른 방식으로"작동하는 시스템도 같은 날 빨간색으로 작동하기 때문에 위험이 따릅니다. 제 생각에는 시스템을 한 달에 한 번 점검 할 가치가 있으며 돈을 잃는 차량이 테스트를 통과하지 못하면 계정에서 철회하는 것이 무의미합니다. 지금까지 돈을 버는 시스템은 연필로 간단히 가져 와서 더 신중하게 모니터링 할 수 있습니다.

결론

무엇보다도 거래는 통계입니다. 그리고 오늘날 우리는 어떻게 든 거래 시스템의 품질을 특징 짓는 많은 지표를 분석했습니다. 물론 오징어, 젠슨 (Jensen), 스털링 (Sterling), 소르 티노 (Sortino)와 같은 수많은 다른 계수들도 거래를 평가하기 위해 고안되었습니다. 그러나이 기사에서 제공하는 특성은 대부분의 경우 평가에 충분합니다.

이와 별도로 위에서 언급 한 거래 시스템의 성능 평가 방법을 강조하고 싶습니다. 위에서 언급 한 내용은 Excel에 대한 비디오 과정에서 설명합니다. 이것은 계좌에서 시스템을 인출하거나 거래를 계속하는 것에 대한 결정을 내리는 정말 강력하고 과학적으로 건전한 방법입니다. 그가 당신을 두 번 이상 도와 주길 바랍니다.

비디오 시청: 궁정동 사람들 - MBC 이제는 말할 수 있다. (12 월 2019).

귀하의 코멘트를 남겨