Kombinieren Mehrerer Trading Strategien

Ich habe 10 einzigartige Strategien, die möchte ich in einem einzigen EA kompiliert haben. Ich muss diese im MQL4-Format codiert haben. Wenn diese Anfrage als kostengünstig erweist, werde ich in den nächsten Monaten 20-50 mehr Aufträge im gleichen Format haben, aber mit 10 neuen Strategien. Ich würde es vorziehen, den gleichen Codierer für jeden von ihnen verwenden, wenn möglich. So dass es einfach für eine schnelle Umdrehung für uns beide, aber das ist nur eine Vorliebe. nicht benötigt. Alle Strategien sind Marktaufträge und haben eine einzigartige Ein-und Ausstieg Zustand. Alle Signale müssen überprüfen, dass es keine aktuellen offenen Befehle für dieses Symbol gibt. Es sollte nur eine einzige Strategie offen sein. Jede Strategie muss eine eindeutige Magic-Nummer zugewiesen werden (um den richtigen Exit-Code an die ursprüngliche Reihenfolge entsprechen) und eine E-Mail-Alert-Funktion auslösen wird jedes Mal eine Bestellung geöffnet oder geschlossen mit Details des Symbols und der Magie-Nummer enthalten. Fehler ändert sich mit ihrem Fehlercode mit dem Symbol wird auch gesendet und eine Fehleranzahl von 3 oder mehr haltdisable die EA. Ein benutzerdefinierter Parameter wird verwendet, um die Einstellung der Position der Losgröße zu ermöglichen, und sollte in der Lage sein, Mikrolosungen (.10) zu unterstützen. Alle Code muss 45 Dezimalstellen Broker sowie Standard-, Mikro-und Mini-Chargen zu unterstützen. Ein benutzerdefiniertes Bool-Flag wird für jede Strategie zur Verfügung gestellt, so dass eine bestimmte Strategie leicht zur Laufzeit deaktiviert werden kann (10. OnOff). Eine benutzerdefinierte Parameter-INT-Variable wird enthalten, die eine beliebige offene Order auf Break Even setzt (anstelle des ursprünglichen Stopps) Verlustwert), wobei der Standardwert auf 30 Pips eingestellt ist. Alle Strategien, die nicht über einen Stop-Loss verfügen (die meisten von ihnen werden) in Schritt 2 unten wird standardmäßig auf benutzerdefinierte Variable mit der Standardeinstellung auf 50 Pips. Sobald Sie eine grundlegende Vorlage für diese haben, sollte dies eine sehr schnelle Job-Anfrage nach vorne. Alle Strategien werden in einem dreiteiligen Format wie folgt bereitgestellt. Es wird 10 dieser 3 Teilstrategien geben. FORMAT ZUSAMMENFASSUNG Wenn Schritt eins ist eine Marktordnung auf der Grundlage der Bedingung (en) von Schritt 2 und verlassen den Handel auf der Grundlage der Bedingung in Schritt 3 1) LongEntryCondition (High (13) lt EMA (88)) 2) Long-Eintrag Limit Stop Loss (1 ATR (5)) Pips, wenn MarketPosition Long ist, wenn MACD (12, 26, 9) gt 0 ist, wenn LongEntryCondition wahr ist, wenn keine Position offen ist Schließen Sie die Position auf dem Markt Diversifizieren Sie Ihre Strategien, nicht Ihre Vermögenswerte Eine Anlageklasse ist definiert als eine bestimmte Kategorie von verwandten Finanzinstrumenten wie Aktien, Anleihen oder Bargeld. Diese drei Kategorien werden oft als die primären Asset-Klassen, obwohl die Menschen oft auch Immobilien gehören. Institutionen und andere Finanzprofis bedürfen der Notwendigkeit, die Portfolios auf verschiedene Assetklassen hin zu diversifizieren, um das Risiko zu diversifizieren. Jahrzehntelange akademische Forschung untermauert die Ansicht, dass die Selektion jeder Anlageklasse in einem Portfolio weitaus wichtiger ist als die Auswahl der einzelnen Bestände oder anderer Positionen. Allerdings theres eine einzige und erhebliche Fehler in ihren Forschungsergebnissen. Es ist der gleiche Fehler in Asset-Klassen im Allgemeinen. Asset-Klassen sind absichtlich selbstlimitierend, und ihre Verwendung ist unfähig, eine wahre Portfolio-Diversifizierung aus zwei Hauptgründen zu schaffen: Durch die Klassifizierung von Asset-Klassen als lang nur in verwandten Märkten, stellen die verschiedenen Asset-Klassen Menschen zu den gleichen Rückkehr-Treiber. Infolgedessen besteht das Risiko, dass der Ausfall eines einzigen Rückkehrtreibers sich negativ auf mehrere Assetklassen auswirkt. Die Begrenzung Ihrer Diversifizierungsmöglichkeiten auf Asset-Klassen eliminiert zahlreiche Handelsstrategien, die, da sie durch vollständig getrennte Return-Treiber betrieben werden, einen enormen Diversifikationswert für Ihr Portfolio bieten. Bei der Betrachtung eines Portfolios, das über Assetklassen diversifiziert ist, ist es klar, dass die meisten dieser Assetklassen von denselben Rücktreibern oder Baseline-Bedingungen für die Erzielung ihrer Renditen abhängig sind. Dadurch wird das Portfolio unnötigerweise dem Ereignisrisiko ausgesetzt, was bedeutet, dass ein einzelnes Ereignis, wenn es das falsche ist, das gesamte Portfolio negativ beeinflussen kann. Die nachfolgende Grafik zeigt die Performance der Bestandteile eines Portfolios auf der Basis konventioneller Weisheiten während der Bärenmärkte 2007-2009. Dieses Portfolio umfasst 10 Assetklassen, die über Aktien, Anleihen und Immobilien in den USA und international diversifiziert sind. Nach traditioneller Weisheit gilt dieses Portfolio als sehr diversifiziert. Von den 10 Assetklassen konnten jedoch nur US-amerikanische und internationale Anleihen Verluste vermeiden. Alle anderen Assetklassen gingen stark zurück. Ein Portfolio, das für jede Anlageklasse gleichermaßen zugeteilt wurde, ging im Laufe des 16-Monatszeitraums um mehr als 40 zurück. Es ist offensichtlich, dass herkömmliche Investitionen Weisheit scheiterte. Portfolios, die um Assetklassen gebaut werden, sind unnötig riskant, und das Übernehmen von unnötigem Risiko ist das Äquivalent des Glücksspiels mit Ihrem Geld. True Diversification True Portfolio Diversifikation kann nur durch die Diversifizierung der Rendite-Treiber und Handelsstrategien, nicht Asset-Klassen erreicht werden. Dieser Prozess beginnt mit der ersten Identifizierung und dem Verständnis der notwendigen Basisbedingungen und Rückkehrtreiber, die der Performance der einzelnen Handelsstrategien zugrunde liegen. Eine Handelsstrategie besteht aus zwei Komponenten: einem System, das einen Rückkehrtreiber nutzt, und einem Markt, der am besten geeignet ist, die vom Rückkehrträger versprochenen Renditen zu erfassen. Return Driver (System) Market Trading Strategie Trading-Strategien werden dann kombiniert, um ein ausgewogenes und diversifiziertes Investmentportfolio zu schaffen. Die Assetklassen, die in den Portfolios der meisten Anleger enthalten sind, sind einfach eine begrenzte Teilmenge der potenziell Hunderten (oder mehrerer) Kombinationen von Rückkehrtrei - bern und Märkten, die in ein Portfolio integriert werden können. Zum Beispiel ist die US-Aktien-Asset-Klasse tatsächlich die Strategie, die aus dem System des Kaufs in Long-Positionen auf dem Markt U. S. Aktien besteht. Definition des Risikos Risiko wird in der Portfolio-Theorie typischerweise als Standardabweichung (Volatilität) von Renditen definiert. Ohne ein Verständnis der Rückkehrtreiber, die den Strategien innerhalb eines Portfolios zugrunde liegen, ist diese typische Definition des Risikos jedoch unzureichend. Sound, rational Rückkehr Fahrer sind der Schlüssel zu einer erfolgreichen Handelsstrategie. Risiko kann nur durch Verständnis und Bewertung dieser Rückkehrer bestimmt werden. Die Geschichte ist voll von Beispielen für scheinbar risikoarme Investitionen (gekennzeichnet durch gleichbleibende monatliche Renditen mit geringer Volatilität), die plötzlich wertlos wurden, weil die Investition nicht auf einem gesunden Rückkehrtreiber basierte. Daher ist das Risiko nicht durch die Volatilität der Renditen bestimmt. Tatsächlich können hochvolatile Handelsstrategien, wenn sie auf einem soliden, logischen Rückkehrtreiber basieren, sicher zu einem Portfolio beitragen. Also, wenn die Volatilität der Renditen ist keine akzeptable Definition von Risiken, was ist eine angemessenere Definition Antwort: Drawdowns. Drawdowns sind das größte Hindernis für hohe Renditen und das wahre Risiko. Es ist viel einfacher, Geld zu verlieren, als es ist, von diesen Verlusten zu erholen. Zum Beispiel, um von einem 80-Rückzug zu erholen erfordert vier Mal den Aufwand als ein 50-Drawdown. Ein Risikomanagementplan muss speziell die zerstörerische Macht der Drawdowns ansprechen. Volatilität und Korrelation Obwohl die Volatilität nicht die wahre Risikomasse ist (da die Volatilität den zugrunde liegenden Renditeantrieb nicht adäquat beschreibt) leistet die Volatilität weiterhin einen bedeutenden Beitrag zur Potenzialdiversifizierung. Portfolio-Performance-Messverhältnisse, wie die Sharpe Ratio. Werden typischerweise als Verhältnis zwischen risikoadjustierten Renditen und Portfoliorisiken ausgedrückt. Daher nimmt das Sharpe-Verhältnis zu, wenn die Flüchtigkeit abnimmt. Sobald wir Trading-Strategien entwickelt haben, die auf soliden Rückkehrtreibern basieren, beinhaltet die echte Portfolio-Diversifikation den Prozess, scheinbar riskantere Einzelpositionen zu einem sichereren diversifizierten Portfolio zu kombinieren. Wie funktioniert die Kombination von Positionen verbessern die Performance eines Portfolios Die Antwort basiert auf Korrelation. Die als statistisches Maß dafür definiert ist, wie sich zwei Wertpapiere in Beziehung zueinander bewegen. Wie ist dies hilfreich Wenn Rücksendungen negativ miteinander korreliert sind, wenn ein Rücklaufstrom verliert, ist ein anderer Rücklaufstrom wahrscheinlich zu gewinnen. Daher verringert die Diversifizierung die Gesamtvolatilität. Die Volatilität des kombinierten Rücklaufs ist geringer als die Volatilität der einzelnen Rückströme. Diese Diversifizierung der Rückkehrströme verringert die Volatilität des Portfolios, und da die Volatilität der Nenner der Sharpe Ratio ist, nimmt die Sharpe Ratio mit steigender Volatilität zu. In der Tat, im Extremfall der vollkommen negativen Korrelation, geht die Sharpe-Ratio in die Unendlichkeit. Das Ziel einer echten Portfolio-Diversifizierung ist es, Strategien (basierend auf soliden Rückkehr-Treibern) zu kombinieren, die nicht korreliert oder (noch besser) negativ korreliert sind . Die Bottom Line Die meisten Anleger werden gelehrt, ein Portfolio auf Basis von Asset-Klassen (in der Regel auf Aktien, Anleihen und möglicherweise Immobilien) zu beschränken und diese Positionen auf lange Sicht zu halten. Dieser Ansatz ist nicht nur riskant, aber es ist das Äquivalent des Glücksspiels. Portfolios müssen Strategien auf der Grundlage von Sound, logische Rückkehr-Treiber enthalten. Die konsistentesten und anhaltendsten Anlageerträge in einer Vielzahl von Marktumgebungen werden am besten durch die Kombination mehrerer unkorrelierter Handelsstrategien (die jeweils von einem logischen, eindeutigen Rückkehrer profitieren) zu einem wirklich diversifizierten Investmentportfolio erreicht. Die wahre Portfolio-Diversifizierung bietet die höchsten Renditen über die Zeit. Ein wirklich diversifiziertes Portfolio bietet Ihnen mehr Rendite und weniger Risiko als ein Portfolio, das nur über konventionelle Anlageklassen diversifiziert ist. Darüber hinaus kann die Vorhersagbarkeit der zukünftigen Performance durch die Ausweitung der Zahl der diversen Rendite-Fahrer, die in einem Portfolio eingesetzt werden, erhöht werden. Die Vorteile der Portfolio-Diversifizierung sind real und bieten gravierende konkrete Ergebnisse. Durch einfaches Lernen, wie man zusätzliche Rückkehr-Treiber zu identifizieren, werden Sie in der Lage sein, von Glücksspielen Ihr Portfolio auf nur einem von ihnen zu einem Investor durch Diversifizierung über viele von ihnen zu verlagern. Es ist möglich, verschiedene Algorithmen zu kombinieren, um die Handelsleistung zu verbessern Insbesondere habe ich gelesen, dass Social Media Sentiment Tracking, digitale Signalverarbeitung und neuronale Netze alle für den Handel Algorithmen verwendet werden können. Wäre es möglich, einen Handelsalgorithmus zu erstellen, der Elemente aus diesen drei Bereichen miteinander verbindet oder diese Methoden sich gegenseitig ausschließen, da sie nicht miteinander kompatibel sind. Wenn Sie sich zu einem verpflichten, können Sie die anderen angehenden Nov 7 11 um 21:02 Ja . Erstens ist es viel einfacher, fortzufahren, wenn Sie die Ausgabe Ihrer Prognose standardisieren, sodass sie sich in denselben Einheiten befinden (z. B. Rückgabewerte oder Wahrscheinlichkeiten einer Ereignisbedingung). Nachdem Sie dies getan haben, gibt es 3 allgemeine Ansätze: Signal-Gewichtung: Dann müssen Sie ein Gewichtungsschema für Ihre Faktoren zu definieren. Richard Grinold hat eine Antwort auf diese Frage in seinem Paper Signal Weighting. Beachten Sie, dass es einige Methoden zur Gewichtung von Signalen gibt (Optimierung, Metamodelle, Prognosepooling, Bayes-Modell-Mittelwertbildung, Wägung basierend auf Out-of-Sample-Performance usw.). Das allgemeine Problem der Signalgewichtung zieht in letzter Zeit bedeutende Forschung an, und es ist ein hartes Problem ohne Konsens in meiner Sicht. Entropie-Pooling: Anstelle von Wägesignalen können Sie auch Signale mit Entropie-Pooling integrieren. Hier würden Sie jedem Signal Vertrauensnoten zuordnen und eine neue posteriore Verteilung entwickeln. Entropie-Pooling mischt Signale in einer Weise, die die am wenigsten störende Struktur auf Ihre Prognose auferlegt. Atillio Meucci hat ein Papier, wie dies zu tun. Erstellen Sie ein Modell mit diesen unabhängigen Signalen als Vorhersagevariablen. Sie könnten versuchen, PCA, Regression, ein hierarchisches Modell oder eine Ensemble-Technik. Sie müssen auch nicht sicherzustellen, die Signale sind in den gleichen Einheiten, obwohl es Ihre Intuition helfen würde. Natürlich müssen Sie durch einige Modellierung Verfahren gehen und betrachten Co-Linearität, Nicht-Stationarität, etc. beantwortet Wie Sie neuronale Netzwerk erwähnen, in der Regel können Sie weiter in verschiedene maschinelle Lerntechniken suchen . Auf dieser Seite erwähnte Quant Guy auch Ensemble-Lernen, das ist der allgemeine Begriff, um verschiedene Lernmodelle zu kombinieren. Id wie zu erarbeiten, auf diesem Punkt ein wenig weiter: Im maschinellen Lernen, traditionelle Methoden, Modelle zu kombinieren sind einfache Abstimmungsausschuss, Abpacken, Boosting (Adaboost), etc. All dies können Sie einfach google den Begriff, um eine Menge Informationen zu bekommen. Stapelverallgemeinerung. Auch genannt Mischen in letzter Zeit, wird immer beliebter in der praktischen maschinellen Lernaufgaben. Zum Beispiel, beide Top-zwei Teams in der berühmten Netflix-Preis (1 Million) angewendet Verschmelzung stark, oft Optimierung der Modelle mit Tausenden von Modell durch Blending kombiniert. Für Blending, können Sie sich auf diesen Blogpost. Aus dem Netflix-Siegerteam. Und auch, und die Original-Papier von D. H. Wolpert. Antwort # 1 am: November 11, um 9:44 Unabhängig von der Methode, die Sie verwenden, empfehle ich Ihnen, Ihre Umsetzung mit Monte-Carlo-Simulationen sowie echte Daten testen (obwohl die letzten Themen Sie Data Mining-Bias, kann es eine Sanity-Check auf Ihrem Monte Carlo geben Simulationen). Für die meisten Instanzen von mehreren Algorithmen sind die Rückgabeströme nicht unabhängig, und Sie sollten dies in Ihren Tests berücksichtigen. Soweit die Kombination Methode zu verwenden, würde ich vorschlagen, Sie starten einfach mit einer gleichen Dollarkurs (ähnlich der 1n-Regel, die gut funktioniert für Aktien-Portfolios scheint), oder zumindest eine gleiche Risikozuteilung. Damit meine ich etwas entlang der Linien von setzen eine feste Menge an Geld in jede Strategie, die Sie handeln, lassen Sie sie halten ihre eigenen Portfolios, und das Gleichgewicht auf z. B. Einen monatlichen Zeitplan. Ja, können Sie und das ist, was Sie tun müssen. Es wird die Eigenkapitalkurve glätten und Ihnen eine bessere risikoadjustierte Rendite bieten. Natürlich ist dies, wenn Sie wirklich unterschiedliche Strategien haben. Wir verwenden Software namens Rightedgesystems für Backtesting, da es nur großartig ist und bietet die Möglichkeit, mehrere Trading-Systeme in einem zu testen. Sie sind nicht 39using39, dass Software. Du baust sie auf und verkaufst sie. Bitte offenbaren Sie dies und formulieren Sie Ihre Antworten auf eine ehrliche Art und Weise. Ndash Bob Jansen 9830 Apr 13 15 um 9:21 Uhr Deine Antwort 2017 Stack Exchange, Inc