Forex Walk Forward Prüfung

Range SMA 200 Walk Forward Ergebnisse Wir haben einen langen Weg zurückgelegt. Die ursprüngliche Gruppe Handelsstrategie erwartete die Notwendigkeit, auf eine komplizierte Geld-Management-Strategie zurückgreifen. Eine einfache Streckenhandelsstrategie entstand, die komplizierte Schritte unnötig machte. Testing von 2011 zeigte die beste Chance auf einen Gewinn zu erzielen aus den folgenden Einstellungen auf der EURUSD: 30-Minuten-Chart Preis übersteigt 1,5 oder mehr der 200 SMA Buysell auf dem Markt auf die Erwartung der Rückkehr in die SMA Die Tests zeigten einen hypothetischen Nettogewinn Von 1.310 Handel 1 Standard-Los pro Signal. Vorausgesetzt, dass you8217re komfortabel mit 10: 1 Hebelwirkung, die für eine jährliche Rendite von 13,1 macht. Eine höhere Hebelwirkung erhöht die Rendite bei erhöhtem Risiko. Eine niedrigere Hebelwirkung verringert die Rendite bei vermindertem Risiko. Walk forward Ergebnisse Die Ergebnisse zu Fuß nach vorne sind profitabel Das ist eine große Erleichterung, vor allem angesichts der Höhe der Anstrengung in die Forschung gesetzt. Die Sache, die mich am meisten enttäuscht, ist jedoch der riesige Rückgang der Anzahl der Trades. Die ursprüngliche Strategie stellte 60 Trades in einem Zeitraum von 12 Monaten. Die Walk-Forward-Test nur 22 Mal gehandelt. Die Eigenkapitalkurve zeigt eine erhebliche Zeitverzögerung zwischen den Trades. Der Blindversuch zeigt einen Gewinn. Die Eigenkapitalkurve macht es offensichtlich, dass nichts für große Zeiträume passiert. Über sechs Monate vergehen zwischen dem ersten Handel am 19. Januar 2012 und dem nächsten Handel am 29. Juni. Danach nimmt das Tempo wirklich auf. September 2012 zeigte die meisten Aktivitäten mit 12 insgesamt Trades 8211 mehr als die Hälfte des Jahres8217s Aktivität geschah in diesem einzelnen Monat. Die Brutto-Ergebnis ist ein Gewinn von 580. Die Kosten des Handels, unter der Annahme einer 2-Pip-Spread, ist 440. Die endgültige Rendite ist 140 oder ein 1,4 Rückkehr auf 10: 1 Hebelwirkung. Die Ergebnisse für die Walk-forward-Tests, wie in NinjaTrader Trading Effizienzen der 2012 walk forward Ergebnisse gezeigt Die Eintritts-Effizienz Die Austritts-Effizienz Die erhebliche Abnahme der Anzahl der Trades bezieht sich auf etwas, das wir bereits kannten. Die Handelsstrategie braucht Volatilität, um Handelsmöglichkeiten zu finden. Immer wenn die Volatilität sinkt, welche Forex-Broker bei der Forex Magnates-Konferenz in London beklagen, sinkt auch die Zahl der Handelschancen. Die Walk-forward-Test zeigt, dass dies eine große Strategie, um in meiner Tasche für halten, wenn Volatilität holt sich noch in diesem Jahr. Es hielt auf Blinddaten. Obwohl die höhere Profit Facotr wahrscheinlich aus der kleinen Stichprobe Größe, es fühlt sich beruhigend, wenn die Metriken auf die blind Daten verbessern. Ich erlaubte mir, etwas zu betrügen, wo ich die 1 Einstellung im Jahr 2012 statt der 1,5 getestet. Die Performance zeigte einen ähnlichen Rückgang der Handelszahlen und des Gewinns. Wichtig ist jedoch, dass sich die Zahlen in dieser Stichprobe verbessert haben. Ich mag diese Strategie, weil sie stabil ist. Das Ändern der Einstellung von 1.3 auf 1.5 führt nicht zu einem drastischen U-Turn in der Leistung. Mit anderen Worten, es ist stabil und vorhersagbar. Ich würde weit weniger Vertrauen in die Ergebnisse fühlen, wenn geringfügige Änderungen in den Einstellungen enorme Gewinne oder Verluste ergaben. Heftige Verschiebungen der Ergebnisse aus kleinen Veränderungen beziehen sich auf Chaostheorie. Das ist kein wünschenswertes Merkmal in einem algorithmischen System. Zukünftige Verbesserungen der Strategie könnten die Volatilität der Einstiegseinstellung betreffen. Wenn die Volatilität niedrig ist, könnte die 1,5-Schwelle auf 1 sinken. Da die Volatilität steigt, könnte eine Bande von 2 bessere Ergebnisse in extremen Szenarien liefern. Ein offensichtlicher nächster Schritt wäre, die Bewegung des Bandes mit der Volatilität des EURUSD selbst in Beziehung zu setzen. Nach-Gedanken Diese Serie führte schließlich zu einer profitablen Handelsstrategie. Wenn you8217d gerne durch die Reise lesen, dann schlage ich vor, lesen die Artikel nacheinander Nice work Welche Metrik würden Sie für die Bestimmung der gewünschten Volatilität für den Betrieb dieser Strategie verwenden Meine ersten Gedanken sind, VIX als eine schnelle und einfache Proxy für die Festlegung einer geeigneten Volatilität verwenden Band. Aber, es gibt viel, das schief gehen kann mit dieser Art von Setup. Die andere Lösung ist, die Volatilitätsverteilung 8211 die Grafik zu erstellen, die ich in Excel 8211 intern innerhalb des Codes erstellt habe. Die Strategie könnte dann Standardabweichungen verwenden, um dynamisch auf die Umwelt zu reagieren. It8217s die beste Lösung in meinem Kopf. Das Haupthindernis entscheidet sich, mit der Arbeit fortzufahren. Können Sie den Strat nicht auf ein Portfolio von Märkten (oder Assetklassen) IOW anwenden, gibt es immer die notwendige Volatilität irgendwo zu finden. Ich denke, das würde die Prüfung der Strat auf verschiedenen Märkten und Asset-Klassen8230.offiziell erfordern. Das ist der nächste Schritt in diesem Prozess. I8217m wird mit USD-Paaren beginnen. Ich mag Forex, weil es außergewöhnlich selten für Währungen zu gehen Büste. Aktien, auf der anderen Seite, erhalten jeden Tag Delisting. Ich kam mit einem einfacheren Weg, um die Standard-Abweichung Sache zu tun. More coming soon8230 Lassen Sie eine Antwort Abbrechen AntwortThe Walk Forward Analyzer ist jetzt kostenlos Gehen Sie auf die Download-Seite, um Ihre kostenlose Kopie erhalten Sie wissen, wenn Ihr Experte Berater ist wirklich profitabel MetaTraders Strategie Tester nicht geben Ihnen das ganze Bild Sind Sie Handel basiert auf übermäßig Optimistische Backtests und enttäuscht zu finden, dass Ihr Experte Advisor Geld im Live-Handel verlieren Möchten Sie wissen, ob Ihr professioneller Berater ist profitabel, schnell und einfach, ohne Geld zu verlieren Der Walk Forward Analyzer für MetaTrader Der Walk Forward Analyzer nutzt MetaTraders eigenen Strategie Tester zur Durchführung einer Walk-Forward-Analyse. Wobei die vom Benutzer bereitgestellten Einstellungen und Testparameter verwendet werden. Die Software ist einfach zu bedienen und kann Ihnen eine komplette Walk-forward-Analyse in einem Bruchteil der Zeit, die es für Sie tun, um es manuell zu tun. Eine Walk-Forward-Analyse bestimmt, ob ein professioneller Berater profitabel ist, wenn er mit optimierten Parametern auf Out-of-Sample-Daten handelt. Jeder Experte Advisor kann eine beeindruckende Optimierung Ergebnis zu produzieren, aber der wahre Test ist, ob diese Ergebnisse halten, wenn getestet über zukünftige Daten. Der Walk Forward Analyzer führt diesen Prozess viele Male über Monate und Jahre historischer Daten durch und gibt Ihnen ein genaues Bild von der wahren Leistung Ihres Expertenberaters. Nach Abschluss einer Walk-Forward-Analyse, youll präsentiert werden mit einem detaillierten Walk-forward-Analyse-Bericht, zeigt die Ergebnisse der Test-und Optimierungsläufe, die insgesamt testen Gewinnverlust und die Walk-forward-Wirkungsgrad. Was ein Maß dafür ist, wie robust Ihr Handelssystem ist. Sehen Sie den Walk Forward Analyzer in Aktion Wenn Sie nicht mit dem Walk Forward Analysenverfahren vertraut sind, lesen Sie bitte Was ist Walk Forward Analysis, um herauszufinden, warum es die beste Methode ist, die Robustheit und die potenzielle Rentabilität Ihres Handelssystems zu bestimmen. Das Video unten bietet einen kompletten Lösungsvorschlag und ein Tutorial des Walk Forward Analyzers für MetaTrader: Backtesting und Forward Testing: Die Bedeutung von Correlation Trader, die eifrig versuchen, eine Trading-Idee in einem Live-Markt versuchen oft den Fehler, sich vollständig auf Backtesting-Ergebnisse zu Ob das System rentabel ist. Während Backtesting Händler mit wertvollen Informationen versorgen kann, ist es oft irreführend und es ist nur ein Teil des Evaluierungsprozesses. Out-of-Sample-Tests und Vorwärts-Performance-Tests bieten weitere Bestätigung in Bezug auf eine System-Effektivität, und kann zeigen, dass Systeme echte Farben, bevor echtes Geld auf der Linie ist. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample - und Forward-Performance-Testergebnissen ist entscheidend für die Bestimmung der Lebensfähigkeit eines Handelssystems. Weitere Informationen finden Sie unter Backtesting: Interpretation der Vergangenheit. Backtesting-Grundlagen Backtesting bezieht sich auf die Anwendung eines Handelssystems auf historische Daten, um zu überprüfen, wie ein System während des Trainings durchgeführt worden wäre Den angegebenen Zeitraum. Viele der heutigen Handelsplattformen unterstützen Backtests. Händler können Ideen mit wenigen Tastenanschlägen testen und Einblicke in die Effektivität einer Idee erhalten, ohne Geld in einem Handelskonto zu riskieren. Backtesting kann einfache Ideen auswerten, wie z. B. wie ein gleitender Durchschnitt Crossover auf historische Daten oder komplexere Systeme mit einer Vielzahl von Eingaben und Trigger ausführen würde. Solange eine Idee quantifiziert werden kann, kann sie rückgängig gemacht werden. Einige Händler und Investoren können die Expertise eines qualifizierten Programmierers, um die Idee in eine testable Form entwickeln zu suchen. Typischerweise handelt es sich um einen Programmierer, der die Idee in die proprietäre Sprache codiert, die von der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingabevariablen enthalten, die es dem Händler ermöglichen, das System zu optimieren. Ein Beispiel hierfür wäre das einfache gleitende durchschnittliche Crossover-System, wie oben erwähnt: Der Trader würde in der Lage sein, die Längen der beiden im System verwendeten Bewegungsdurchschnitte einzugeben (oder zu ändern). Der Händler konnte backtest, um zu bestimmen, welche Längen der gleitenden Durchschnitte das beste auf den historischen Daten durchgeführt hätten. (Mehr Einblick in das Electronic Trading Tutorial.) Optimierungsstudien Viele Handelsplattformen ermöglichen auch Optimierungsstudien. Dies beinhaltet die Eingabe eines Bereichs für die angegebene Eingabe und lassen Sie den Computer die Mathematik, um herauszufinden, welche Eingabe würde die besten durchgeführt haben. Eine Multi-Variable-Optimierung kann die Mathematik für zwei oder mehr Variablen kombinieren, um zu bestimmen, welche Ebenen zusammen das beste Ergebnis erzielt haben. Beispielsweise können Händler dem Programm mitteilen, welche Eingaben sie in ihre Strategie aufnehmen wollen, die dann unter Berücksichtigung der getesteten historischen Daten auf ihre idealen Gewichte optimiert würden. Backtesting kann spannend sein, indem ein unrentables System oft mit wenigen Optimierungen magisch in eine Geldmaschine verwandelt werden kann. Leider tweaking ein System, um das größte Niveau der Vergangenheit Rentabilität zu erreichen führt oft zu einem System, das schlecht im realen Handel ausführen wird. Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen. Kurvenanpassung ist die Verwendung von Optimierungsanalysen, um die höchste Anzahl von Gewinntransaktionen mit dem größten Gewinn aus den in der Testperiode verwendeten historischen Daten zu schaffen. Obwohl es in Backtesting-Ergebnissen eindrucksvoll aussieht, führt die Kurvenanpassung zu unzuverlässigen Systemen, da die Ergebnisse im Wesentlichen nur für diese bestimmten Daten und Zeiträume angepasst sind. Backtesting und Optimierung bieten viele Vorteile für einen Händler, aber dies ist nur ein Teil des Prozesses bei der Bewertung eines potenziellen Handelssystems. Der nächste Schritt besteht darin, das System auf historische Daten anzuwenden, die in der anfänglichen Backtesting-Phase nicht verwendet wurden. (Der gleitende Durchschnitt ist einfach zu berechnen und ist, sobald er in einem Diagramm aufgezeichnet ist, ein leistungsstarkes visuelles Trend-Spotting-Tool.) Weitere Informationen finden Sie unter Simple Moving Averages, die Trends Stand Out darstellen.) In-Sample und Out-of-Sample-Daten Beim Testen einer Idee auf historische Daten ist es vorteilhaft, einen Zeitraum von historischen Daten für Testzwecke zu reservieren. Die anfänglichen historischen Daten, auf denen die Idee getestet und optimiert wird, werden als In-Probe-Daten bezeichnet. Der reservierte Datensatz wird als Out-of-Sample-Daten bezeichnet. Dieses Setup ist ein wichtiger Teil des Evaluierungsprozesses, da es eine Möglichkeit bietet, die Idee auf Daten zu testen, die nicht Bestandteil des Optimierungsmodells waren. Infolgedessen wird die Idee in keiner Weise durch die Out-of-Sample-Daten beeinflusst worden sein, und Händler werden in der Lage sein zu bestimmen, wie gut das System auf neuen Daten, d. H. Im realen Handel, vorgehen könnte. Bevor ein Backtesting oder eine Optimierung initiiert wird, können Händler einen Prozentsatz der historischen Daten reservieren, die für das Out-of-Sample-Testen reserviert werden sollen. Eine Methode besteht darin, die historischen Daten in Drittel aufzuteilen und ein Drittel für die Verwendung im Out-of-Sample-Test zu trennen. Nur die In-Probe-Daten sollten für die Erstprüfung und Optimierung verwendet werden. Fig. 1 zeigt eine Zeitlinie, in der ein Drittel der historischen Daten für einen Test außerhalb des Abtastwerts reserviert ist, und zwei Drittel für das In-Probe-Testen verwendet werden. Obwohl Fig. 1 die Out-of-Sample-Daten am Beginn des Tests zeigt, würden typische Prozeduren den Out-of-Sample-Anteil aufweisen, der unmittelbar der Vorwärtsleistung vorausgeht. Abbildung 1: Eine Zeitzeile, die die relative Länge von In-Sample - und Out-of-Sample-Daten repräsentiert, die im Backtesting-Prozess verwendet werden. Sobald ein Handelssystem unter Verwendung von In-Sample-Daten entwickelt worden ist, ist es bereit, auf die Out-of-Sample-Daten angewendet zu werden. Trader können die Performance-Ergebnisse zwischen den In-Sample - und Out-of-Sample-Daten auswerten und vergleichen. Korrelation bezieht sich auf Ähnlichkeiten zwischen den Leistungen und den Gesamttrends der beiden Datensätze. Korrelationsmetriken können bei der Bewertung der im Testzeitraum erstellten Strategieleistungsberichte verwendet werden (ein Feature, das die meisten Handelsplattformen bereitstellen). Je stärker die Korrelation zwischen den beiden, desto besser die Wahrscheinlichkeit, dass ein System gut in Vorwärts-Performance-Tests und Live-Trading. Fig. 2 veranschaulicht zwei verschiedene Systeme, die auf In-Probe-Daten getestet und optimiert wurden und dann auf Daten außerhalb der Abtastwerte angewendet wurden. Das Diagramm auf der linken Seite zeigt ein System, das klar kalibriert wurde, um gut auf den In-Sample-Daten zu arbeiten und bei den Out-of-Sample-Daten vollständig fehlgeschlagen ist. Die Grafik auf der rechten Seite zeigt ein System, das sowohl im In - als auch im Out-of-Sample-Bereich gut funktioniert. Abbildung 2: Zwei Aktienkurven. Die Handelsdaten vor jedem gelben Pfeil stehen für Stichprobenprüfung. Die zwischen den gelben und roten Pfeilen erzeugten Trades deuten auf Proben außerhalb des Tests hin. Die Trades nach den roten Pfeilen stammen aus den Vorwärts-Performance-Testphasen. Wenn es nur wenige Korrelationen zwischen dem Stichprobenverfahren und dem Out-of-Sample-Test gibt, wie das linke Diagramm in Abbildung 2, ist es wahrscheinlich, dass das System überoptimiert wurde und im Live-Handel nicht gut funktioniert. Wenn es eine starke Korrelation in der Leistung gibt, wie in dem rechten Diagramm in 2 zu sehen ist, beinhaltet die nächste Phase der Evaluierung eine zusätzliche Art von Out-of-Sample-Tests, die als Vorwärtsleistungstests bekannt sind. (Für weitere Informationen über die Prognose, siehe Financial Forecasting: Die Bayessche Methode.) Forward Performance Testing Basics Forward Performance Testing, auch bekannt als Papierhandel. Bietet den Händlern einen weiteren Satz von Out-of-Sample-Daten, auf denen ein System ausgewertet werden kann. Forward-Performance-Tests ist eine Simulation des tatsächlichen Handels und beinhaltet nach der System-Logik in einem Live-Markt. Es wird auch Papierhandel genannt, da alle Trades auf Papier ausgeführt werden, nur dass Handelseinträge und Exits zusammen mit einem Gewinn oder Verlust für das System dokumentiert werden, aber keine echten Trades ausgeführt werden. Ein wichtiger Aspekt der Vorwärtsleistungstests ist, der Systemlogik genau anders zu folgen, es wird schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Trader sollten ehrlich über alle Handels-Einträge und Ausfahrten und vermeiden Verhalten wie Cherry Kommissionierung Trades oder nicht einschließlich eines Handels auf Papier Rationalisierung, dass ich nie diesen Handel genommen hätte. Wenn der Handel nach der Systemlogik aufgetreten wäre, sollte er dokumentiert und ausgewertet werden. Viele Broker bieten ein simuliertes Trading-Konto, in dem Trades platziert werden können und der entsprechende Gewinn und Verlust berechnet. Mit einem simulierten Handelskonto kann eine semi-realistische Atmosphäre geschaffen werden, auf der der Handel praktiziert und das System weiter beurteilt werden kann. Abbildung 2 zeigt auch die Ergebnisse für Vorwärtsleistungstests an zwei Systemen. Wiederum kann das in der linken Tabelle dargestellte System nicht weit über das anfängliche Testen an In-Probe-Daten hinausgehen. Das in der rechten Grafik gezeigte System arbeitet jedoch weiterhin gut durch alle Phasen, einschließlich der Vorwärtsleistungstests. Ein System, das positive Ergebnisse mit guter Korrelation zwischen In-Sample-, Out-of-Sample - und Forward-Performance-Tests zeigt, ist bereit, in einem Live-Markt implementiert zu werden. Das Bottom Line Backtesting ist ein wertvolles Werkzeug in den meisten Handelsplattformen. Durch die Aufteilung historischer Daten in mehrere Sets, die für Stichproben - und Out-of-Sample-Tests sorgen, können Händler eine praktische und effiziente Methode zur Bewertung einer Handelsidee und eines Systems darstellen. Da die meisten Trader Optimierungstechniken im Backtesting einsetzen, ist es wichtig, dass dann das System auf saubere Daten ausgewertet wird, um seine Lebensfähigkeit zu bestimmen. Fortsetzung der Out-of-Sample-Tests mit Vorwärts-Performance-Tests bietet eine weitere Ebene der Sicherheit, bevor sie ein System in den Markt riskant echtes Geld. Positive Ergebnisse und eine gute Korrelation zwischen In-Sample - und Out-of-Sample-Backtests und Forward-Performance-Tests erhöhen die Wahrscheinlichkeit, dass ein System im eigentlichen Handel gut abschneiden wird. (Einen umfassenden Überblick über die technische Analyse finden Sie unter Technische Analyse: Einleitung.)