Sunday 30 July 2017

Adaptive Trading กลยุทธ์


Kaufman Adaptive Moving Trading Strategy การตั้งค่ากลยุทธ์การเทรดดิ้งฟิลเตอร์เทรดดิ้งนักพัฒนา Perry Kaufman Kaufman การปรับค่าเฉลี่ย KAMA Source Kaufman, PJ 1995 การค้าที่ชาญฉลาดปรับปรุงประสิทธิภาพในการเปลี่ยนแปลงตลาดนิวยอร์ก McGraw-Hill, Inc แนวคิดกลยุทธ์การซื้อขายบนพื้นฐานของตัวกรองสัญญาณรบกวนแบบปรับตัว การตรวจสอบสมรรถนะเป้าหมายของการตั้งค่าและตัวกรองข้อมูลจำเพาะตารางที่ 1 ผลภาพ 1-2 การตั้งค่าทางการค้าระยะยาวการปรับค่าเฉลี่ย AMA ขึ้นค่า Short Trades ค่าเฉลี่ยการปรับตัวของค่าปรับลดลงหมายเหตุแนวโน้ม AMA ดูเหมือนจะหยุดลงเมื่อตลาดไม่มีทิศทางเมื่อแนวโน้มของตลาด , AMA เทรนด์เทรนด์เทรดเดอร์เทรด Longtrade A ที่ซื้อเมื่อใกล้จะถูกวางไว้หลังการตั้งค่า Short Trade A ขายในช่วงปิดจะอยู่หลังการตั้งค่าขาประจำการค้า Exit ตารางที่ 1 Portfolio 42 futures markets จากสี่ภาคตลาดหลัก ๆ สินค้าโภคภัณฑ์สกุลเงิน , อัตราดอกเบี้ยและดัชนีส่วนของข้อมูล 32 ปีนับตั้งแต่ปีพ. ศ. 2523 แพลตฟอร์มทดสอบ MATLAB. II การทดสอบความไว l แผนภูมิ 3 มิติตามด้วยแผนภูมิเส้นโค้ง 2 มิติสำหรับ Profit Factor อัตราส่วน Sharpe ดัชนีชี้วัดของ Ulcer CAGR การเบิกใช้สูงสุดเปอร์เซ็นต์การทำกำไรและอัตราการสูญเสียเฉลี่ย Avg Win ภาพสุดท้ายแสดงความไวของ Curve Equity Curve ตัวแปร ERLength FilterIndex Definitions ตารางที่ 1. รูปที่ 1 ผลงานการลงทุน Inputs Table 1 Commission Slippage 0.AMA ERLength เป็นค่าเฉลี่ยเคลื่อนที่ที่ปรับเปลี่ยนได้ในช่วง ERLength ERLength เป็นระยะเวลามองย้อนกลับของ Effective Ratio ER ER i Abs ทิศทาง i ความผันผวนของ I ที่ abs คือค่าสัมบูรณ์ Direction i Close i ปิด i ERLength, ความผันผวน i abs DeltaClose i, ERLength ซึ่งเป็นผลรวมในช่วงของ ERLength, DeltaClose i Close i Close i 1 FastMALength คือช่วงของค่าเฉลี่ยเคลื่อนที่เร็ว SlowMALength คือ ช่วงของค่าเฉลี่ยเคลื่อนที่ช้า AMA i AMA i 1 ci ปิด i AMA i 1 โดยที่ ci ER i Fast Slow Slow 2, Fast 2 FastMALength 1 ช้า 2 SlowMALength 1 ดัชนี i. ERLength 2, 100, ขั้นที่ 2 FastMALength 2 SlowMALength 30.Lo การค้าหาก AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว MinAMA AMA i 1 ค่าเฉลี่ยการปรับตัวแบบ Adaptive Movement Average ขึ้นกับจุดหมุนที่ Minama การค้าระยะสั้น AMA i AMA i 1 AMA i 1 AMA i 2 แล้ว Maxama AMA i 1 ปรับค่าเฉลี่ยเคลื่อนที่ จะลดลงด้วยการหมุนที่ MaxAMA Index i. Filter i FilterIndex StdDev AMA i AMA i 1, N โดย StdDev คือส่วนเบี่ยงเบนมาตรฐานของชุดข้อมูลในช่วง N N 20 ค่าดีฟอลต์ดัชนี i. FilterIndex 0 0, 1 0, ขั้นตอนที่ 0 02 N 20.Long Trades การซื้อเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 AMA และ MinAMA Filter i Short Trades ขายเมื่อปิดถูกวางไว้เมื่อ AMA i AMA i 1 MaxAMA AMA i ตัวกรอง i ดัชนี i. Stop Loss Exit ATR ATRLength เป็นค่าเฉลี่ยช่วงที่แท้จริงในช่วง ATRLength ATRStop เป็นหลาย ATR ATRLength Long Trades หยุดการขายถูกวางไว้ที่รายการ ATR ATRLength ATRStop การค้าแบบสั้นหยุดการซื้อจะอยู่ที่ตำแหน่ง ATR ATRLength ATRStop. ATRLength 20 ATRStop 6.ERLength 2 , 100, ขั้นตอนที่ 2 FilterIndex 0 0, 1 0, ขั้นตอน 0 02.Trading Strategies จำนวนเงินสูงสุดที่สหรัฐอเมริกา c ยืมเพดานหนี้ถูกสร้างขึ้นภายใต้พระราชบัญญัติตราสารหนี้เสรีภาพครั้งที่สองอัตราดอกเบี้ยที่สถาบันรับฝากเงินยืมเงินไว้ใน Federal Reserve ไปยังสถาบันรับฝากเงินแห่งอื่น 1 มาตรการทางสถิติของการกระจายตัวของผลตอบแทนสำหรับการรักษาความปลอดภัยที่กำหนดหรือดัชนีตลาด ความผันผวนสามารถวัดได้การกระทำรัฐสภาคองเกรสผ่านในปีพ. ศ. 2476 เป็นพระราชบัญญัติการธนาคารซึ่งห้ามไม่ให้ธนาคารพาณิชย์เข้าร่วมในการลงทุนการจ่ายเงินเดือนของ Nonfarm หมายถึงงานนอกฟาร์มฟาร์มเอกชนและภาครัฐที่ไม่แสวงหาผลกำไร US Labor of Labor ตัวย่อสกุลเงินหรือสัญลักษณ์สกุลเงินสำหรับ INR รูปีอินเดียสกุลเงินของอินเดียเงินรูปีที่ถูกสร้างขึ้นจาก 1. เหตุผลยอดเยี่ยมที่สุดที่คุณควรใช้ QuantShare. Works กับตลาดหุ้นสหรัฐฯและต่างประเทศ forex ตัวเลือกฟิวเจอร์ส ETF. Offers คุณเครื่องมือที่จะช่วยให้คุณกลายเป็นพ่อค้าที่มีกำไรช่วยให้คุณสามารถใช้ความคิดการค้าใด ๆ แลกเปลี่ยนรายการและความคิดกับผู้ใช้ QuantShare อื่น ๆ ทีมสนับสนุนของเราคือ v ery ตอบสนองและจะตอบคำถามใด ๆ ของคุณเราจะใช้คุณลักษณะใด ๆ ที่คุณแนะนำราคาต่ำมากและคุณสมบัติอื่น ๆ มากกว่าส่วนใหญ่ของซอฟต์แวร์การซื้อขายอื่น ๆ ฟรี - ไม่มีบัตรเครดิต Required. Top เหตุผลที่ทำไมคุณควรใช้ QuantShare. Advanced การวิเคราะห์ข้อมูลเชิงตัวเลขและข้อมูลความเชื่อมั่นสำหรับตลาดทุกวันเครื่องมือวิเคราะห์ข้อมูลเชิงปริมาณที่มีประสิทธิภาพสูงสามารถใช้กลยุทธ์และสร้างสัญญาณซื้อและขายทุกวันสร้างวัสดุผสมและตัวชี้วัดของตลาดตัวชี้วัดการซื้อขายระบบดาวน์โหลดเครื่องถ่ายเอกสารที่ใช้ร่วมกัน ผู้ใช้รายอื่น ๆ ได้รับการปรับปรุงเมื่อ 2011-11-07 ระบบการซื้อขายแบบปรับเปลี่ยนเป็นกลยุทธ์ที่สามารถเรียนรู้จากตลาดข้อมูลและประวัติสินทรัพย์และปรับกฎเกณฑ์ให้สอดคล้องกับพลวัตของตลาดใหม่ระบบการซื้อขายแบบปรับตัวเองหรือแบบปรับตัวอัตโนมัติสามารถปรับเปลี่ยนกฎซื้อและขายได้ ขึ้นอยู่กับประสิทธิภาพของกฎเหล่านี้ในอดีตตัวอย่างเช่นจะสร้างระบบการซื้อขายตามกฎการซื้อครั้งเดียวและจากนั้นปิดและใช้กฎนี้ขึ้นอยู่กับ ผลการดำเนินงานของหลังในช่วง 2 ปีที่ผ่านมาระบบการซื้อขายอาจทำได้ง่ายๆเพียงแค่ซื้อหุ้นเมื่อดัชนีความแข็งแกร่งของดัชนีความเชื่อมั่น 14 บาร์สูงกว่า 70 กลยุทธ์นี้สามารถเปลี่ยนเป็นระบบการซื้อขายแบบปรับตัวโดยการเพิ่มกฎที่ วิเคราะห์หรือทำ backtest กฎข้อแรกในอดีตแล้วส่งคืนประสิทธิภาพหรือเมตริกอื่น ๆ จากนั้นเราจะตรวจสอบมาตรการจำลองและตัดสินใจตามตัวอย่างเช่นปิดกฎ RSI ถ้าการวัดเป็นลบนั่นคือตัวชี้วัดการซื้อขายสี่ตัวที่ สามารถช่วยคุณสร้างระบบการซื้อขายแบบปรับตัวได้ตัวบ่งชี้เหล่านี้ถูกสร้างขึ้นโดยใช้เครื่องมือสร้างฟังก์ชันของซอฟต์แวร์การซื้อขาย QuantShare พวกเขามีอยู่ในเซิร์ฟเวอร์ที่ใช้ร่วมกันและสามารถแก้ไขได้อย่างง่ายดายเพื่อให้เหมาะกับความต้องการของคุณตัวชี้วัดการซื้อเป็นฟังก์ชันที่มีประสิทธิภาพมากที่วิเคราะห์ประสิทธิภาพของ กฎการซื้อขายมากกว่าจำนวนบาร์ที่ระบุสำหรับแต่ละแถบการซื้อขายจะคำนวณผลตอบแทนโดยเฉลี่ยของการค้าที่แตกต่างกันที่สร้างขึ้นในช่วงก่อนหน้าแถบ N การค้าจะกระทำเมื่อกฎการซื้อที่ระบุเป็น TRUE และจะออกหลังจากมีจำนวนเฉพาะแถบ N-Bar Stop rule ตัวอย่างกฎ 1 ปิด sma 30 กฎซื้อ 1 และกฎ BuyInd1, 20, 250 0. ซื้อหุ้นเมื่อราคาสูงกว่า มากกว่าค่าเฉลี่ยเคลื่อนที่ 30 บาร์และเมื่อผลตอบแทนโดยเฉลี่ยของธุรกิจการค้าที่สร้างโดย rule1 ในปีที่ผ่านมาเป็นบวกกลยุทธ์การซื้อขายแบบปรับตัวใช้การหยุดทำงาน 20 บาร์เป็นกฎการออกจากระบบในระหว่างการจำลองตัวบ่งชี้นี้จะช่วยให้คุณสามารถทำ backtests ภายใน backtest. Indicator link download Buy IndicatorSimulation Indicator การซื้อขาย Backtest นี่คือรูปแบบของ Buy Indicator ฟังก์ชันนี้มีพารามิเตอร์เพิ่มเติมที่ช่วยให้คุณระบุจำนวนการซื้อขายขั้นต่ำได้ผลตอบแทนจากกลยุทธ์จะถูกตั้งค่าเป็นศูนย์หากจำนวนการซื้อขาย ที่สร้างขึ้นโดยกฎการปรับตัวนี้สำหรับแต่ละแถบการซื้อขายต่ำกว่าจำนวนนี้นี่คือตัวอย่างตามกฎการซื้อขาย 2 กฎ 1 ปิดปิด hhv 5 กฎ 2 วอลุ่ม 2 วอลุ่ม sma กฎการซื้อ 20 กฎ 1 และกฎ 2 และกฎ BuyInd1 1 5 10 250 0 และ BuyInd1 r ule2, 5, 10, 250 0.A สัญญาณการซื้อจะถูกสร้างขึ้นถ้า - สต็อกกำลังทำกฎใหม่สูง 5 วันใหม่ - ปริมาณเป็นสองเท่าสูงกว่าปริมาณเฉลี่ยของอดีต 20 บาร์กฎข้อ 2 - ผลตอบแทนเงินเฉลี่ยของธุรกิจการค้าที่สร้างขึ้น ขึ้นอยู่กับกฎข้อที่ 1 ในปีที่ผ่านมาเป็นบวก - กลยุทธ์เดียวกันตามกฎข้อที่ 2 ทำกำไรได้ซื้อตัวชี้วัดการขายตัวบ่งชี้นี้ฟังก์ชั่น Buy Sell Simulation คล้ายกับ Indicator ซื้อซึ่งแตกต่างออกไปซึ่งจะช่วยให้คุณสามารถระบุกฎการออกสำหรับ backtesting ภายในและจำนวนการซื้อขายขั้นต่ำที่ต้องพิจารณาเพื่อตรวจสอบผลของกลยุทธ์ผลตอบแทนจากการค้าปลีกของกฎจะคำนวณจากกฎการซื้อและขายที่ระบุไว้ในตัวบ่งชี้การซื้อกฎการขายคือ N-Bar stop Minimum การค้าหลังจากที่ทำ backtesting ภายในสำหรับแต่ละบาร์ฟังก์ชันจะตรวจสอบจำนวนเทรดและเปรียบเทียบกับค่านี้จำนวนเทรดเดอร์จะต่ำกว่าเกณฑ์ขั้นต่ำสุดแล้วค่ากลับของกลยุทธ์จะถูกตั้งเป็นศูนย์ตัวอย่างกฎ 1 ปิด sma 30 b กฎ rule1 และกฎ BuySellSim rule1, 10, 250 0. ในตัวอย่างข้างต้นกฎการออกจากกลยุทธ์ adaptive ประกอบด้วยการขาย security ถ้าค่าเฉลี่ยเคลื่อนที่ที่น้อยกว่าหรือใกล้เคียงกับราคาปิดหมายเหตุว่าโดยใช้เลขที่ 10 เป็นจำนวนขั้นต่ำ ของการค้า, จำลองหรือผลงานจะไม่เข้าสู่ตำแหน่งใหม่ไม่มีสัญญาณหากมีน้อยกว่า 10 การค้าที่คล้ายกันสำหรับการรักษาความปลอดภัยในปีที่ผ่านมาตัวชี้วัดเชิงกลยุทธ์ - ร้อยละที่ชนะการค้าสำหรับกฎการซื้อขายเช่นเดียวกับก่อนหน้านี้ตัวบ่งชี้นี้ทำหน้าที่ เป็นตัวจำลองหรือ backtester และส่งกลับค่าตามธุรกิจการค้าที่สร้างขึ้นใน N-bars ที่ผ่านมาการวัดที่ส่งกลับโดยฟังก์ชันนี้คือเปอร์เซ็นต์ของการซื้อขายที่ได้รับรางวัลกฎการซื้อขายแบบปรับเปลี่ยนสามารถใช้เพื่อค้าหุ้น ETFs, Forex, Futures และ สินทรัพย์ทางการเงินอื่น ๆ นอกเหนือจากตัวบ่งชี้เดิมตัวอื่นใช้ค่าการค้าโดยเฉลี่ยเป็นเมตริกแน่นอนระบบการค้าแบบปรับตัวอาจขึ้นอยู่กับเมตริกอื่น ๆ เช่นผลตอบแทนรายปีอัตราส่วน Sharpe อัตราส่วน Sortino, การเบี่ยงเบนสูงสุดส่วนเบี่ยงเบนมาตรฐานสิ่งที่คุณต้องทำก็คือการสร้างฟังก์ชันการปรับตัวใหม่หรือปรับเปลี่ยนสูตรที่มีอยู่

No comments:

Post a Comment