Hur du optimerar dina aktiemarknaden indikatorer

December 13

Optimering är processen att testa en hypotes (i detta fall, ett börsindikator) på historiska data för att upptäcka vilka indikatorn skulle har fungerat bäst. Optimering är ett nödvändigt ont för när du börjar ut att handla en ny säkerhets, du vet inte vilka indikatorer att använda eller vilka parametrar som ska tas i indikatorerna. I enlighet med den empiriska metod, prova olika indikatorer och olika parametrar i de indikatorer för att se vad som fungerar.

Konstruera en backtest optimering

Backtesting (testning på historiska data) är en värdefull övning som ger ett mått på hur väl en indikator parameter kan fungera. Den enkla glidande medelvärde crossover backtest har detta formella hypotes: "Om du köper XYZ lager varje gång pris kors ovanför x-dagars glidande medelvärde och sälja den varje gång pris kors under x-dagars glidande medelvärde, det kommer konsekvent och tillförlitligt vara en lönsam handel regel. "

Denna tabell visar resultatet av en sökning efter den optimala glidande medelvärde av alla glidande medelvärde 10-35 dagar under de senaste 1000 dagar.

Resultat av Simple Moving Average Crossover backtest på XYZ lager
Antal dagar i glidande medelvärde Genomsnittlig Vinst / Förlust Procent Vinst Antal avslut
10 $ 1,56 68,60% 178
31 $ 3,02 59,34% 32
35 $ 3,32 61,69% 47

Om du hade varit villiga att handla 178 gånger i 1000 dagar, eller ungefär var 2 veckor, skulle du ha gjort 68,6 procent genom att använda en 10-dagars glidande medelvärde crossover av priset. Är det ett bra nummer? Ett sätt att bedöma är att jämföra den för att köpa och håll; med andra ord, att köpa på dag 1 och sälja på Dag 1000.

Slip är minskningen i handel vinster som uppstår från kostnaden för handel. Kontrollera indikatorn prestation efter glidning kan göra hela skillnaden mellan en lönsam handel regel och en olönsam ett. Denna tabell, factoring i kostnaden för glidning, gör nu 31-dagars version av enkla glidande medelvärde ett bättre val.

Resultat av Simple Moving Average Crossover backtest på XYZ lager Införliva $ 10 Per-Trade Slip
Antal dagar i glidande medelvärde Genomsnittlig Vinst / Förlust Procent Vinst Antal avslut
10 $ 0,36 28,60% 178
31 $ 2,70 49,34% 32
35 $ 2,10 31,69% 47

Fördjupa en backtest

Den optimala glidande medelvärde är inte baserad på endast ett kriterium - du har mer än ett mål Du letar efter systematisk handel (i detta exempel, procent vinna.). Så, du försöker bevisa denna hypotes: "Om du köper XYZ lager varje gång kortare sikt glidande medelvärde pris kors ovanför längre sikt glidande medelvärde och sälja det varje gång kortare sikt glidande medelvärde korsar under den långsiktiga rörliga genomsnitt kommer det konsekvent och tillförlitligt vara en lönsam handel regel. "

Denna tabell visar resultaten från jämförelse av varje kortfristig glidande medelvärde från 1 till 20 dagar mot varje långsiktigt glidande medelvärde 21-100 dagar. (Den innehåller också en $ 10 slirning kostnaden för varje transaktion.)

Resultat av två rörliga Genomsnittlig Crossover backtests på XYZ lager
Korttids glidande medelvärde / Långtids Moving Average Procent Vinst Totala Avslut Totala vinnande trader / Total förlora affärer Genomsnittlig vinst / förlust
Version 1: 10/73 58,60 8 2/6 1,75
Version 2: 5/10 63,48 147 47/100 0,56

Den genomsnittliga vinsten förlustkolumnen visar att version 1 gör mindre vinst än version 2, men tar bara åtta avslut under 1000 dagar. Version 1 har också ett mycket större antal vinnande trader än att förlora affärer och en högre förstärkning-skadekvot. De flesta handlare kommer zooma in på det win-skadekvot och plocka topp kombination för det lägre antalet avslut och den högre genomsnittliga vinsten-skadekvot, även på bekostnad av något vinst.

Fastställande indikatorn

Här är några av de vanligaste problemen som du stöter på när du börjar backtesting indikatorer:

  • Overtrading: Vissa indikatorparametrar kräver mer frekvent handel än du kan avvara tid för. Du behöver därför finna justeringar av indikatorn för att minska antalet avslut utan att skada avkastningen från de vinnande trader. En lösning är att filtrera köp / sälj signaler genom att ange att du vill att programmet ska generera en köp / säljsignal endast om priset är x procent över eller under det glidande medelvärde eller har varit över eller under det glidande medelvärdet av y mängd tid.
  • Att förlora trader: Den enskilt bästa sättet att minska dina förlora affärer är att lägga en bekräftelse krav, såsom en av momentum indikatorerna. Och eftersom de trader som elimineras genom momentum bekräftelse allmänhet förlorar affärer, förbättrar vinsten-skadekvot, alltför.

Tillämpa indikatorn igen

När du har valt din indikatorparameter, är ditt jobb inte färdig. Backtests är hypotetiska. Du faktiskt inte göra dessa affärer. För att få en mer realistisk bild av hur en indikatorbaserad handel regeln fungerar, backtest regeln på historiska prisdata, och sedan tillämpa den på out-of-sample uppgifter. Till exempel, om du pro forma på 1.000 dagar av uppgifter, nu ska du backtest det på de kommande 500 dagarna av data. Om resultaten är ungefär samma på de färska uppgifter, anser din regel för att vara robust, vilket betyder att den fungerar inom ett brett spektrum av förhållanden.