Тел.факс: +7(831)437-66-01
Факторинг  Разработка торговых систем 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 [ 20 ] 21 22 23 24 25 26 27 28 29 30 31 32 33 34

гих рынков. Безусловно, существуют валидные торговые модели, предназначенные для работы на конкретных рынках. В этом случае необходимо выполнить мультипериодный тест, а мультирыночный следует игнорировать.

Если торговая модель является моделью для любого рынка, то лучше всего выбрать 10 рынков, в достаточной степени отличных друг от друга. Выбор S&P500, Индекса NYSE и Индекса Major Market представляет собой слабую диверсификацию. По той же причине следовало бы отказаться от выбора для данной стадии тестирования швейцарского франка, немецкой марки и японской йены.

Выбор корзины

Критерий, определяющий степени различия между выбираемыми рынками должен учитывать как статистическую корреляцию, так и фундаментальную разнородность. Вычисление коэффициента корреляции между ценами закрытия двух рынков будет измерять степень их сходства. Если коэффициент корреляции равен +1, эти рынки абсолютно коррелирова-ны и должны быть исключены. Если коэффициент отрицательный, они имеют обратную корреляцию и их можно включить в корзину. Коэффициент между О и +0.5 показывает, что эти рынки коррелируют слабо и могут быть включены в мультирыночный тест.

Выбор тестовой корзины по известным фундаментальным показателям намного легче и может оказаться очень полезным. В основе рынков кофе, крупного рогатого скота и фондового рынка лежат разные фундаментальные условия, что делает их хорошими кандидатами на включение в один портфель. Также полезно обратить внимание на взаимосвязи между этими рынками при определенных условиях, таких как сильный доллар США или инфляция.

Хорошая тестовая корзина может состоять из кофе, хлопка, сырой нефти, золота, грудинной свинины, соевых бобов, S&P500, сахара, швейцарского франка и Т-бондов. Тестовая корзина меньшего размера может включать кофе, хлопок, сырую нефть, S&P500 и Т-бонды. Если вы намерены торговать с помощью данной модели диверсифицированным портфелем, то предварительная корзина должна быть как можно более разнородной.

Выбор периода

Следующий шаг - определить минимальное число лет ценовой истории для каждого рынка, на котором вы будете тестировать торговую модель. Чем оно больше, тем лучше. Десять лет ценовых данных для одного рынка обеспечивают очень хороший тест. Пять лет - это минимум, позволяющий получить приемлемый объем торговой выборки и некоторый набор типов рынка. В отобранных данных должно быть хотя бы по одному бычьему, медвежьему и боковому рынку

Первый вопрос, на который необходимо ответить - достаточно ли доступных данных для целей тестирования. В случае фьючерсов на S&P - не достаточно. Торговля ими началась в 1983 году. Тем, кто стремится быть максимально педантичным, можно взять енотовые цены S&P за те годы, когда фьючерсы на S&P еще не торговались. Для девяти остальных элементов корзины данные существуют. Если вы хотите провести тест на периоде 20 лет, следует исключить из корзины все финансовые фьючерсы, торговля которыми началась лишь в середине 1970-х. Следовательно, количество тестируемых данных связано с их доступностью. Структура и метод тестирования должны разрабатываться с учетом этих ограничений. Если для долгосрочного теста по фьючерсам на S&P требуются данные до 1983 года, для этого периоды вы можете использовать данные по наличному индексу S&P. В следующей таблице представлены данные по ценам фьючерсов, доступные через систему Technical Tools:

Aluminium 08.12.1983

Australian Dollar 13.01.1987

British Pound 13.02.1975

Canadian Dollar 17.01.1977

Cocoa (Metric) 19.12.1979

Coffee 17.08.1973

Copper 22.08.1972

Copper, Higj Grade 01.08.1988

Consumer Price 21.06.1985

Corn 15.02.1968 Corporate Bond lndex28.10.1987

Cotton 23.08.1972

CRB Index 12.06.1988

Oats

Orange Juice Palladium Platinum Pork bellies Rough Rice Russell 2000 S&P 500 Index Silver (COM EX) Silver, 1000 oz Silver, 5000 oz Swiss Franc Soybeans

07.08.1974

22.08.1972

01.11.1982

22.08.1972

18.03.1969

20.08.1986

10.09.1987

21.04.1982

29.07.1971

24.07.1981

07.08.1974

13.02.1975

02.02.1968



Crude Oil Eurodollar European Curr Unit Federal Funds Feeder Cattle German Mark Gold (COMEX) Gold, Kilo Heating Oil Japanese Yen Liquid Propane Live Cattle Live Hogs Lumber

Maxi Market [ndex Mini Value Line Municipal Bonds NYFE Stock Index

30.03.1983 Soybean Meat 06.02.1968

01.02.1982 Soybean Oil 04.03.1968

07.01.1986 Sugar #11 04.10.1971 03.10.1988 T-biUs 06.01.1976 03.06.1976 T-bonds 21.09.1977

13.02.1975 T-bonds (day only) 21.09.1977 31.12.1974 T-bonds (Midam) 10.12.1987

07.01.1983 T-note(5yr) 06.05.1987 06.05.1979 T-note (5 yr, CBT) 20.05.1988

03.11.1976 T-note (10 yr) 03.05.1982

21.08.1987 T-note (day only) 03.05.1982 23.06.1969 Unleaded gasoline 03.12.1984 25.06.1969 US Dollar Index 20.11.1985 16.11.1972 Value Line Index 24.02.1982 08.08.1985 Wheat (Chicago) 01.04.1968 29.07.1983 Wheat (Kansas City)09.04.1968 11.06.1985 Wheat (Minn Springs) 18.11.1980 06.05.1982

Сегментирование данных

ДругоР! вопрос, требующие! решения - тестировать ли данные единым куском или как серию более мелких кусков. Тестирование данных единым большим массивом с точки зрения статистики выглядит более предпочтительным. Однако этот j подход может скрывать некоторую важную информацию, а именно, как разные периоды соотносятся друг с другом? Модель, приносящая $100,000 за 10-летний период, на первый взгляд выглядит превосходно. Но что, если такая прибыль была обеспечена одним-двумя очень хорошими годами, а другие восемь лет были убыточными или были близки к пре-, дельно допустимой эффективности? Следовательно, лучше тестировать весь этот временной период в несколько меньших интервалов. Хорошим было бы деление 10-летнего периода на пять 2-летних отрезков. Если данная торговая модель более долгосрочная и генерирует слишком мало сделок, чтобы обеспечить статистическую валидность на 2-летнем пери-1 оде, более подходящими могут быть 3-х или 4-летние интервалы. Более подробно это обсуждается в Главе 7, Оптимиза- ция торговой системы .

Тестирование

После того как эти вопросы разрешены, вы имеете выбранную корзину рынков и исторических периодов. Тестовая корзина должна соответствовать предложенному групповому разбиению, и тестирование должно выполняться как минимум на 10-летней истории для каждого рынка, разбитой на пять 2-летних периодов и представленной дневными данными. Такой исторический диапазон включает значимый набор различных типов рынка и рыночных условий.

Мультипериодный мультирыночный тест использует одни и те же значения параметров торговой модели для каждого рынка и каждого временного периода. Данный тест несложен. Торговая модель тестируется на каждом из пяти временных периодов и на каждом из 10 рынков, входящих в корзину Эффективность модели на каждом рынке и на каждом периоде вносится в таблицу и оценивается.

Особая цель этого теста - получить общее представление о прибыли и риске. Нельзя сразу ожидать от торговой модели, разрабатываемой для оптимизации, получения пиковой эффективности на многих рынках и временных периодах с помощью всего лишь одного набора разумных параметров модели. Тем не менее, можно ожидать, что устойчивая и работоспособная модель будет показывать на таком тесте, охватывающем диапазон рынков и исторических периодов, умеренно-хорошую эффективность. От модели, в целом демонстрирующей низкую эффективность, в этот момент следует отказаться.

Предельно-допустимая эффективность - это примерно равная смесь небольших прибылей и небольших убытков на корзине, включающей разные рынки и разные временные сегменты. Если имеет место такая ситуация, данная система вызывает сомнения. В лучшем случае данная ситуация свидетельствует, что модель имеет компоненты, достижение эффективности по которым зависит от адаптации к конкретным рынкам и условиям. Об этом свидетельствовала бы модель, показывающая хорошую прибьшь при условиях, соответствующих ее стилю, и убытки при трудных для нее условиях. Такая модель заслуживает дальнейшей проработки. Этот же случай может иметь место, когда модель демонстрирует отсутствие связи между эффективностью и рыночными условиями. Такую модель, вероятно, на данном уровне тестирования следует отвергнуть. Но если такому поведению моде-



ЛИ есть какое-то здравое объяснение, имеет смысл перевести ее на следующий уровень тестирования.

Если модель показывает крупные убытки на всей корзине и на всей истории, то она плоха, даже при наличии случайных всплесков эффективности. Покиньте корабль. Безоговорочно.

Эффективность модели, демонстрирующей большую прибыль при низком риске на всей корзине и истории, очень обнадеживает. Отличные ранние результаты обещают прибыль и дают почву для оптимизма. Конечно, необходимо дальнейшее тестирование.

Глава 7

Оптимизация торговой системы

Как только торговая модель прошла мультирыночный и мультипериодный тест, она готова к оптимизации. Структура оптимизационных тестов аналогична структуре тестов, представленных в предьщущей главе; однако в одном очень важном отношении эти тесты отличаются. В течение оптимизации эффективность модели будет вычисляться на многочисленных различных значениях ключевых параметров модели.

Прежде чем представить технологию оптимизации, необходимо исследовать цель оптимизации и ее ограничения. Вспомните определение из Словаря Американского Наследия , приведенное в Главе 2: Оптимизировать: Сделать использование чего-либо наиболее эффективным .

Согласно этому определению, оптимизировать торговую систему значит сделать ее использование наиболее эффективным. Как оптимизация достигает этого? Путем эмпирической проверки и Оценки всех возможных переменных модели. Напомним, что торговая система состоит из правил, формул и переменных. Правила и формулы задают структуру модели. Можно сказать, что они являются ее скелетом. Переменные вдыхают в эту систему жизнь. Возможно, их следует рассматривать как ее кровь.

Разные значения параметров торговой модели могут приводить к кардинально отличающимся результатам по прибыли и риску. В идеале у наиболее устойчивой модели при разных значениях параметров должна меняться лишь величина прибыли. На практике у многих оптимизируемых торговых систем прибыль-



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 [ 20 ] 21 22 23 24 25 26 27 28 29 30 31 32 33 34