กระบวนการสร้าง กลยุทธ์ (e มินิ s & p 500 ฟิวเจอร์ส )

กระบวนการสร้างกลยุทธ์ (E-มินิ S & P 500 ฟิวเจอร์ส) สร้างกลยุทธ์ Emini ผลกำไรสำหรับ ES / TF / เมอร์ค โดย Mark Fric ในบทความนี้ผมจะอธิบายกระบวนการขั้นตอนโดยขั้นตอนที่สมบูรณ์แบบของการสร้างผลกำไรกลยุทธ์ที่มีประสิทธิภาพสำหรับ ES (E-มินิ S & P 500 ฟิวเจอร์ส) รวมถึงหลายขั้นตอนของการทดสอบความทนทานที่แตกต่างกัน นี้เป็นรูปแบบของบทความเก่าของฉันเกี่ยวกับกระบวนการสร้างกลยุทธ์สำหรับอัตราแลกเปลี่ยน เมื่อมีการใช้เทคนิคการเรียนรู้เครื่องเช่นโปรแกรมทางพันธุกรรมมันเป็นเรื่องง่ายที่จะได้รับ realtively กลยุทธ์กับเส้นโค้งส่วนที่ดูดี อันตรายที่อยู่ในการปรับเส้นโค้งเพื่อให้ส่วนที่สำคัญที่สุดของกลยุทธ์การสร้างกลยุทธ์การทดสอบความทนทานเพื่อให้แน่ใจว่ามันจะไม่โค้งพอดีกับข้อมูลทางประวัติศาสตร์ ในบทความนี้ผมจะอธิบายวิธีที่ผมใช้กรอง OOS คู่บวกการทดสอบความทนทานรวมทั้งการทดสอบการเดินไปข้างหน้าเมทริกซ์ นี่คือผลที่ได้ สำหรับแรงจูงใจที่ผมโพสต์ผลของกลยุทธ์ที่มีประสิทธิภาพที่ดีสำหรับ ES / TF / เมอร์ที่ผมพบว่าการใช้กระบวนการที่อธิบายไว้ด้านล่าง กลยุทธ์ 238,433 สำหรับ ES / TF / เมอร์ค กลยุทธ์ดังกล่าวข้างต้นมีการเผยแพร่บนฟอรั่มของเรา (เฉพาะสำหรับผู้ใช้ที่ได้รับอนุญาตของ StrategyQuant) ที่นี่: สามารถดาวน์โหลดได้ ปัจจัยการผลิตเดียวที่ฉันใช้มีความคาดหวังของฉันของกลยุทธ์ - ฉันต้องการที่จะสร้างกลยุทธ์สำหรับ ES (E-มินิ S & P 500) เมื่อวันที่ 15 มินระยะเวลาที่มีผลกำไรและมีการเบิกถอนน้อยที่สุดเท่าที่เป็นไปได้ ฉันต้องการกลยุทธ์ที่จะแข็งแกร่งเพียงพอเพื่อให้การทำงานยังอยู่ในฟิวเจอร์สอื่น ๆ (TF, เมอร์) และฉันต้องการให้ผ่านการทดสอบการเดินไปข้างหน้าเมทริกซ์เพื่อให้แน่ใจว่า reoptimization ทำงานในกลยุทธ์นี้ กระบวนการสร้างกลยุทธ์ 1. การได้รับข้อมูล มีความแตกต่างระหว่างอัตราแลกเปลี่ยนล่วงหน้าและมี แรกของทั้งหมดที่ได้รับข้อมูลสำหรับฟิวเจอร์สเป็นนิด ๆ หน่อย ๆ ยากขึ้นและมีราคาแพง ไม่มีแหล่งข้อมูลฟรีและโบรกเกอร์ส่วนใหญ่ไม่ให้ประวัติศาสตร์ยาวกว่าไม่กี่เดือน คุณจะได้รับข้อมูลจากโบรกเกอร์ที่ให้พวกเขา (TradeStation ถ้าคุณเป็นลูกค้าของพวกเขา) หรือคุณต้องลงทะเบียนใช้บริการข้อมูลสดเช่น Kinetick หรือ IQFeed นอกจากนี้ยังมีบริการพิเศษที่ dont't มีฟีดข้อมูลสด แต่ที่ขายข้อมูลทางประวัติศาสตร์ฟิวเจอร์ส จะพบพวกเขาเพียงแค่ค้นหา "ระหว่างวันประวัติศาสตร์ furtures ข้อมูล" ใน Google ความแตกต่างที่สองคือสัญญาซื้อขายล่วงหน้ามีวันหมดอายุสัญญาที่มีการซื้อขายมักจะ 3-4 เดือนเท่านั้นและแล้วพวกเขาก็จะถูกแทนที่ด้วยรุ่นใหม่ของสัญญาเดียวกันในอนาคต เพื่อให้สามารถใช้ข้อมูลฟิวเจอร์สในการพัฒนากลยุทธ์ของเราจำเป็นต้องมีอย่างน้อยไม่กี่ปีของข้อมูลในรูปแบบของสัญญาอย่างต่อเนื่อง ที่สุดของการบริการข้อมูลที่นำเสนอตัวเลือกนี้จึงเป็นเพียงเรื่องของการสมัครการให้บริการข้อมูลและการดาวน์โหลดข้อมูลไปยังแพลตฟอร์มการซื้อขายของคุณ การส่งออกข้อมูลจาก NinjaTrader เมื่อคุณมีข้อมูลใน NinjaTrader ของคุณคุณต้องคัดลอกไป StrategyQuant เกินไปจึงสามารถข้อความกลยุทธ์ที่สร้างขึ้น จะทำอย่างไรที่เราจะต้องส่งออกข้อมูลจาก NinjaTrader และนำพวกเขาไป StrategyQuant การส่งออกข้อมูลที่เราต้องเปิดชาร์ตนาน ES 15 นาที ให้แน่ใจว่าคุณตั้งค่าช่วงการซื้อขายที่ถูกต้อง ผมใช้เซสชั่น CME สหรัฐ Index Futures RTH ในตัวอย่างนี้ เมื่อแผนภูมิถูกเปิดเพียงแค่หาตัวบ่งชี้ SQDataExport และวางไว้บนแผนภูมิ มันจะส่งออกข้อมูลสำหรับแผนภูมิเปิดอยู่ไปยังแฟ้มข้อความ ทำซ้ำขั้นตอนเดียวกันยัง TF (มินิรัสเซล 2000 ฟิวเจอร์ส) และเมอร์ค (E-มินิ S & P 400 Midcap) ยังอยู่ในระยะเวลา 15 นาทีกับช่วงการซื้อขายที่ถูกต้อง เราจะใช้ข้อมูลเหล่านี้ในภายหลังเพื่อทดสอบกลยุทธ์ของเราในสัญลักษณ์อื่น ๆ เป็นรูปแบบของการทดสอบความทนทาน จากนั้น StrategyQuant เปิดและสร้างสัญลักษณ์ใหม่สำหรับ ES ลุยและเมอร์คและนำเข้าไฟล์ข้อมูลที่เกี่ยวข้อง การนำเข้าข้อมูลจาก NinjaTrader อธิบายไว้ในรายละเอียดเพิ่มเติมในคู่มือผู้ใช้ 2. การสร้างสระว่ายน้ำขนาดใหญ่ของผู้ที่มีศักยภาพ ในขั้นตอนแรกของรุ่นผมก็มีการสร้างสระว่ายน้ำขนาดใหญ่ที่อาจเกิดขึ้น "ดี" กลยุทธ์ที่ฉันจะทดสอบความทนทานต่อมา ผมต้องการให้ทุกกลยุทธ์ครั้งแรกของฉันที่จะทำกำไรและมีประสิทธิภาพ (บางส่วน) ดังนั้นฉันจ้างหลายตัวกรองยังอยู่ในช่วงแรกนี้ การตั้งค่าของฉันสำหรับขั้นตอนนี้ คุณสามารถดาวน์โหลดการตั้งค่าที่ผมใช้ในขั้นตอนนี้ใช้การเชื่อมโยงด้านล่าง คลิกที่ลิงค์กับปุ่มเมาส์ขวาและเลือกบันทึกเป็นลิงค์ จากนั้นในการใช้งานการตั้งค่าโหลด StrategyQuant โหลดไฟล์การตั้งค่าในการเขียนโปรแกรม โปรดทราบว่าถ้าคุณตั้งชื่อสัญลักษณ์ของคุณใน StrategyQuant ที่แตกต่างกันคุณจะต้องตั้งค่าข้อมูลด้วยตนเอง การตั้งค่าอธิบาย ครั้งแรกของทั้งหมดที่ฉันสร้างกลยุทธ์ของฉันทั้งหมดในสัญลักษณ์หลาย เป้าหมายของผมคือการหากลยุทธ์ที่ดีสำหรับ ES แต่ฉันต้องการกลยุทธ์ของฉันจะมีประสิทธิภาพ - ดังนั้นฉันต้องการที่จะทำกำไรยังอยู่ในเมอร์ค ฉันจะเพิ่มเมอร์คข้อมูลเพิ่มเติมดังนั้นตอนนี้กลยุทธ์ที่จะได้รับการทดสอบในสัญลักษณ์ทั้งสอง ภาพที่ 1: การตั้งค่าข้อมูล ฉันจะใช้ข้อมูลจาก 2003/01/02 เพื่อ 2012/12/31 ซึ่งเป็น 10 ปี ส่วนที่เหลือของข้อมูลที่จะถูกทิ้งไว้สำหรับการทดสอบ OOS ต่อในภายหลัง ฉันจะใช้โหมดวิวัฒนาการทางพันธุกรรม ความคิดที่จะทำให้ประชากร 200 กลยุทธ์พัฒนาพวกเขาในช่วง 30 รุ่นและจากนั้นเริ่มต้นอีกครั้งจากรอยขีดข่วน วิธีนี้ผมจะหลีกเลี่ยงการทำงานในปลายตายระหว่างการวิวัฒนาการและกลยุทธ์ที่ดีที่สุดจะถูกเก็บไว้อย่างต่อเนื่องเพื่อ Databank นอกจากนี้คุณยังจะเห็นว่ามีเงื่อนไขเพียงสำหรับประชากรเริ่มต้นก็คือว่ามันจะต้องทำอย่างน้อย 100 การซื้อขาย มันไม่จำเป็นต้องที่จะทำกำไร - วิวัฒนาการทางพันธุกรรมที่ควรจะสามารถที่จะปรับปรุงมัน ภาพที่ 2: ตัวเลือกทางพันธุกรรม เรายังสามารถใช้การสร้างแบบสุ่มโดยไม่ต้องวิวัฒนาการวิวัฒนาการ แต่ควรจะหากลยุทธ์ทำกำไรได้เร็วขึ้น ชิ้นที่สำคัญที่ผ่านมาของการตั้งค่าเป็นตัวเลือกการจัดอันดับ ผมตั้ง Databank ในการจัดเก็บ 2,000 กลยุทธ์ที่ดีที่สุดเพราะผมต้องการที่จะมีฐานที่ดีสำหรับขั้นตอนการคัดเลือกต่อไป ฉันยังกำหนดเกณฑ์การคัดเลือกให้กลับอัตราส่วน / เบิก - นี้เป็นที่ชื่นชอบ คุณสามารถใช้เก​​ณฑ์การคัดเลือกอื่น ๆ บางทีคุณอาจจะได้รับผลลัพธ์ที่ดีกว่า ภาพที่ 3: ตัวเลือกลำดับ Othe สิ่งที่สำคัญที่สุดคือการกำหนดเงื่อนไขการกรองเริ่มต้นสำหรับกลยุทธ์ในการ Databank ฉันต้องการที่จะต้องพิจารณากลยุทธ์เท่านั้นที่มีอย่างน้อย $ 2000 ในส่วนของกำไรมีอัตราส่วนผลตอบแทน / DD> 3 อย่างน้อย 300 การซื้อขายและอัตราส่วนผลตอบแทน / DD ของผลงานที่จะมีอย่างน้อย 2.5 เพราะฉันทดสอบกลยุทธ์ในสองสัญลักษณ์ - ES เมอร์คและผลผลงานสำหรับกลยุทธ์การจะได้รับการคำนวณยัง ใช้เงื่อนไขนี้ฉันก็ระบุว่าประสิทธิภาพการทำงานผลงานจะไม่มากเลวร้ายยิ่งกว่าผลการดำเนินงานเพียง ES และโปรแกรมที่จะยกเลิกกลยุทธ์ทั้งหมดมีประสิทธิภาพการทำงานผลงานที่ไม่ดี ตอนนี้เราก็ต้องกดปุ่ม Start และให้โปรแกรมทำงาน โปรดจำไว้ว่าเราต้องการที่จะสร้างอย่างน้อย 2000 "ดี" กลยุทธ์ก่อนที่เราจะดำเนินการต่อด้วยขั้นตอนการกรอง ทั้งนี้ขึ้นอยู่กับการตั้งค่าและความเร็วของเครื่องคอมพิวเตอร์ของคุณมันอาจจะใช้เวลาหลายชั่วโมงหรือแม้กระทั่งวันดังนั้นผู้ป่วย หากโปรแกรมที่ไม่ได้ผลิตกลยุทธ์ใด ๆ เป็นเวลานานมากบางทีเราควรเปลี่ยนไประยะเวลาที่สูงกว่า - 30 นาที 1 ชั่วโมงหรือทำให้ข้อ จำกัด ที่เข้มงวดน้อยกว่า 3. กรองครั้งแรก - ออกของกลุ่มตัวอย่าง (OOS) การตรวจสอบ เมื่อฉันมี 2,000 กลยุทธ์ที่ดีที่อาจเกิดขึ้นใน Databank ที่ฉันจะหยุดการผลิตและเริ่มต้นกระบวนการกรอง ฉันจะใช้ตัวกรองแรก - โดยการเอาระบบทั้งหมดที่มีที่ไม่ดีออกไปจากผลการดำเนินงานตัวอย่าง ฉันสามารถทำมันได้อย่างรวดเร็วเพียงแค่การเรียงลำดับกลยุทธ์ในการ Databank และลบคนที่มี OOS กำไรขนาดเล็กกว่า $ 3,000 ภาพที่ 4 Databank กับสระว่ายน้ำของกลยุทธ์เรียงตาม OOS กำไรสุทธิ ขั้นตอนแรกนี้มักจะเอาส่วนใหญ่ของกลยุทธ์เพื่อให้เริ่มต้นจากผู้สมัคร 2,000 เราจะลงไปอยู่ที่ประมาณ 1,700 2. กรองที่สอง - การตรวจสอบและทดสอบซ้ำ OOS สอง ในขั้นตอนนี้ผมจะสอบซ่อมกลยุทธ์ทั้งหมดในที่ไม่รู้จักออกจากระยะเวลาตัวอย่างบวกฉันจะเพิ่มการทดสอบกับข้อมูล TF retesting กลยุทธ์คือง่าย - ฉันจะเลือกกลยุทธ์ทั้งหมดใน Databank และคลิกที่ปุ่มสอบซ่อม นี้จะย้ายกลยุทธ์ทั้งหมดที่จะสอบซ่อมแท็บ ฉันยังจะยืนยันการสนทนาถามว่ามันควรจะใช้การสร้างการตั้งค่าสำหรับสอบซ่อม จากนั้นผมก็จะขยายระยะเวลาของข้อมูลที่ส่วนท้ายของข้อมูลที่มีอยู่ กลยุทธ์ถูกสร้างขึ้นอยู่กับข้อมูลจาก 2003/01/02 เพื่อ 2012/12/31 ตอนนี้ผมจะสอบซ่อมกลยุทธ์กับข้อมูลจน 2013/12/31 (อีกหนึ่งปีที่ไม่ได้ใช้ในระหว่างการผลิต) และตั้งค่าจากช่วงเวลาตัวอย่างจาก 2012/12/31 เพื่อ 2012/12/31 . โปรดทราบว่านี้จะสอบซ่อมกลยุทธ์กับข้อมูลเต็มรูปแบบและเป็นส่วนหนึ่ง OOS จะแสดงผลการดำเนินงานกลยุทธ์ที่ใช้ในช่วงปีที่ผ่านมาของข้อมูลที่ไม่ได้ใช้ก่อนหน้านี้ ภาพที่ 5: การตั้งค่าสำหรับสอบซ่อม เพราะผมยังมีข้อมูลทางประวัติศาสตร์สำหรับ TF ฉันจะเพิ่มให้ข้อมูลเพิ่มเติมเพื่อเปรียบเทียบผลการดำเนินงานทั้งสาม eminis การทดสอบจะใช้เวลาและหลังจากที่มีการทำฉันจะลบอีกครั้งระบบทั้งหมดที่มีที่ไม่ดีออกไปจากผลการดำเนินงานตัวอย่าง อีกครั้งฉันสามารถเรียงลำดับกลยุทธ์ในการ Databank โดยกำไรสุทธิ (OOS) และลบคนที่มี OOS กำไรขนาดเล็กกว่า $ 1,500 3. ตัวกรองที่สาม - เมอร์ค, กา TF ตัวกรองที่สามเป็นภาพ - ฉันจะตรวจสอบประสิทธิภาพของกลยุทธ์ในเมอร์คและสัญลักษณ์ TF ฉันจะไปที่ผลลัพธ์ -> แผนภูมิทุนสลับแผนภูมิเพื่อผลงานและผ่านกลยุทธ์หนึ่งโดยหนึ่งมองไปที่เส้นโค้งส่วนได้เสียสำหรับเมอร์คและ TF ภาพที่ 6: ตัวอย่างเมอร์ดีและไม่ดี / ประสิทธิภาพ TF สิ่งที่เรากำลังมองหา? เพราะ eminis เหล่านี้มีความสัมพันธ์ฉันต้องการกลยุทธ์ที่จะทำกำไรในสัญลักษณ์ทั้งสามเช่นเดียวกับในตัวอย่างแรก เราสามารถเห็นในตัวอย่างที่สองที่ประสิทธิภาพการทำงานบน TF เป็นที่น่าสงสารมากเมื่อเทียบกับ ES เมอร์คและเส้นโค้งส่วนของมันไม่ได้ grodwing ดังนั้นฉันจะยกเลิกกลยุทธ์ดังกล่าว นอกจากนี้ยังสามารถเป็นอีกมาก - ประสิทธิภาพการทำงานที่เกี่ยวกับการลุยและ / หรือเมอร์จะดีกว่าประสิทธิภาพการทำงานบน ES นี้ก็โอเคก็มักจะเกิดขึ้นว่ากลยุทธ์การดำเนินการที่ดีขึ้นใน TF กว่า ES เราควรที่จะไม่ได้มองเฉพาะที่ผลการดำเนินงานขั้นสุดท้าย แต่ยังรวมถึงส่วนของเส้นโค้ง เราควรที่จะยกเลิกทุกส่วนโค้งที่มีระยะเวลานานของความเมื่อยล้าหรือเบิกถอนใหญ่ วิธีนี้ทำให้เราสามารถสร้างตัวกรองมาก แต่เราควรจะจบลงด้วยการไม่เกิน 10-20 กลยุทธ์ด้านบนที่เหลือสำหรับขั้นตอนต่อไป 4. สี่กรอง - การทดสอบความทนทาน หลังจากลบกลยุทธ์ทั้งหมดที่มีไม่ดีเมอร์ / ประสิทธิภาพ TF มีน้อยกว่า 20 กลยุทธ์ซ้ายที่มีเป็นสิ่งที่ดีและประสิทธิภาพการทำงาน OOS เช่นเดียวกับผลการดำเนินงานที่น่าพอใจในเมอร์ / TF ตอนนี้ผมจะสอบซ่อมกลยุทธ์อีกครั้งกับการทดสอบความทนทานและการบริหารเงินเพื่อดูว่าแต่ละยุทธศาสตร์จัดการเปลี่ยนแปลงเล็ก ๆ ในปัจจัยการผลิตและเพื่อให้สามารถเปรียบเทียบกลยุทธ์กับแต่ละอื่น ๆ ฉันจะเปลี่ยนผู้บริหารเงินจากขนาดคงที่จำนวนเงินที่คงที่จะให้ทุกคนมีความเสี่ยง Startegy $ 500 ต่อการค้า นี้จะช่วยให้การเปรียบเทียบกลยุทธ์ที่ดีกว่าเพราะพวกเขามีความเสี่ยงจำนวนเดียวกันต่อการค้า ภาพที่ 7: การตั้งค่าการจัดการเงินไปจำนวนคงที่ ในการทดสอบความทนทานผมใช้เวลาอย่างน้อย 20 จำลองและทดสอบกลยุทธ์ที่ใช้สำหรับทุกประเภทของสถ​​านการณ์ความเครียด หลังจากกำหนดค่าการทดสอบความทนทานที่ฉันสอบซ่อมกลยุทธ์อีกครั้ง คราวนี้ก็จะเป็นไปอย่างรวดเร็วเพราะมีเพียงไม่กี่กลยุทธ์ที่เหลืออยู่ใน Databank ภาพที่ 8: การทดสอบความทนทาน วิธีการประเมินการทดสอบความทนทาน การทดสอบความทนทานแสดงให้เราเห็นว่ากลยุทธ์ที่สามารถทำงานในความเป็นจริงเมื่อมีการซื้อขายพลาดข้อมูลประวัติความเป็นมาที่แตกต่างกัน ฯลฯ ฉันกำลังมองหากลยุทธ์ที่มีค่าที่ยอมรับได้สำหรับกำไรสุทธิและเบิกในระดับความเชื่อมั่น 95% ภาพที่ 9: ผลการทดสอบความทนทาน ในตัวอย่างข้างต้นเราจะเห็นผลความทนทานสำหรับสองกลยุทธ์ กลยุทธ์ด้านซ้ายมีกำไรในระดับที่ยอมรับได้ แต่เบิกเพิ่มขึ้นกว่าเท่าตัวเมื่อเทียบกับผลเดิม กลยุทธ์ด้านขวายังมีกำไรในระดับที่ยอมรับได้และเบิกเป็นเกือบไม่เปลี่ยนแปลง ในขั้นตอนนี้ผมจะเลือกเฉพาะ 1-3 กลยุทธ์สุดท้ายที่จะต้องอยู่ภายใต้การทดสอบต่อไปของความทนทาน กลยุทธ์สุดท้ายเหล่านี้จะถูกเลือกโดยผลลัพธ์ที่ดีที่สุดในการทดสอบความทนทานในการทำกำไรโดยรวมและความเรียบง่าย - ฉันต้องการกฎกลยุทธ์ที่จะเป็นที่ง่ายที่สุดและกฎการซื้อขายควรจะทำให้ความรู้สึกบางอย่าง 5. ตัวกรองที่ห้า - การทดสอบเดินไปข้างหน้าเมทริกซ์ เราจะเหลือกี่กลยุทธ์และเราสามารถเรียกใช้การทดสอบที่ดีที่สุดสำหรับความทนทาน - การทดสอบเดินไปข้างหน้าเมทริกซ์ WF เมทริกซ์เป็นเพียงเมทริกซ์ของการเพิ่มประสิทธิภาพการเดินไปข้างหน้าด้วยจำนวนที่แตกต่างกันของการทำงานและระยะเวลาการทำงาน หากกลยุทธ์ที่ผ่านการทดสอบการเดินไปข้างหน้าเมทริกซ์ก็หมายความว่าด้วยความช่วยเหลือของพารามิเตอร์ reoptimization กลยุทธ์ที่สามารถปรับเปลี่ยนเป็นช่วงใหญ่ของสภาวะตลาดและว่ากลยุทธ์ที่จะไม่โค้งพอดีกับข้อมูลโดยเฉพาะอย่างยิ่ง - ตั้งแต่มี reoptimization การทำงานในหลายที่แตกต่างกัน ช่วงเวลา นอกจากนี้ในการทดสอบนี้ WF เมทริกซ์ยังบอกเราถ้ากลยุทธ์ควรจะ reoptimized อย่างถาวรและสิ่งที่เป็นช่วงเวลาที่ดีที่สุด reoptimization มากที่สุดคือ การทดสอบการเดินไปข้างหน้าเมทริกซ์จะต้องมีการทำกลยุทธ์ทุกแยก ฉันจะโหลดกลยุทธ์ของฉันที่จะเพิ่มประสิทธิภาพและเลือกตัวเลือกเมทริกซ์เดินไปข้างหน้า ฉันยังจะเลือกขั้นตอนสำหรับการทำงานและร้อยละ OOS StrategyQuant จะผ่านไปรวมกันทั้งหมดเหล่านี้มีประสิทธิภาพในการเพิ่มประสิทธิภาพการเดินไปข้างหน้าของกลยุทธ์ ภาพที่ 10: การตั้งค่าเดินไปข้างหน้าเมทริกซ์ การตั้งค่าพารามิเตอร์สำหรับการเพิ่มประสิทธิภาพ สำหรับการเพิ่มประสิทธิภาพเพื่อให้ความรู้สึกที่คุณมีการตั้งค่าพารามิเตอร์กลยุทธ์ที่จะถูกปรับ กลยุทธ์ของแต่ละคนใช้ตรรกะที่แตกต่างกันและมีพารามิเตอร์ที่แตกต่างเพื่อให้คุณมีการกำหนดค่าการเพิ่มประสิทธิภาพที่แตกต่างกัน ภาพที่ 11: การเพิ่มประสิทธิภาพพารามิเตอร์ กลยุทธ์นี้ค่อนข้างง่ายดังนั้นฉันจะเพิ่มประสิทธิภาพเพียงหยุดการสูญเสียค่าสัมประสิทธิ์การและหยุดต่อท้าย มันไม่จำเป็นที่จะเพิ่มประสิทธิภาพของพารามิเตอร์ทั้งหมดเพียงเหล่านี้ที่มีผลกระทบต่อประสิทธิภาพการทำงานที่ใหญ่ที่สุดกลยุทธ์ การประเมินเดินไปข้างหน้าเมทริกซ์ เมื่อเสร็จสิ้นการเพิ่มประสิทธิภาพฉันจะคลิกที่ผลเมทริกซ์เดินไปข้างหน้าใน Databank เพื่อดูรายละเอียด ฉันต้องการเพิ่มประสิทธิภาพให้ฉันคำตอบที่ชัดเจนถ้ากลยุทธ์ที่ผ่านการทดสอบการเพิ่มประสิทธิภาพการเดินไปข้างหน้าดังนั้นผมจึงต้องกำหนดหลักเกณฑ์คะแนน เหล่านี้เป็นเกณฑ์ที่ง่ายๆที่ต้องเป็นจริงสำหรับกลยุทธ์ในการผ่านการทดสอบ ภาพที่ 13: ผลการเมทริกซ์เดินไปข้างหน้า ผลสุดท้ายก็คือว่า Startegy ผ่านการทดสอบเดินเมทริกซ์ไปข้างหน้าเพื่อความแข็งแรง กราฟคะแนน 3D แสดงให้เห็นว่า 19 จาก 24 ชุดที่ผ่านเกณฑ์ของเรา (ตั้งค่าเริ่มต้นใช้) กลยุทธ์ที่ไม่ต้องผ่านการสำหรับการรวมกันทุกฉันกำลังมองหา 2x2 3x3 หรือพื้นที่ที่มีมากที่สุดของการรวมกันที่ผ่านมา - นี้จะเป็นกลุ่มที่ดีที่สุดรวมกัน reoptimization ในกรณีนี้ผมจะเห็นว่า 10 วิ่ง 30% จากตัวอย่างเป็นหนึ่งในชุดที่ดีที่สุดเพราะมันถูกล้อมรอบด้วยชุดอื่น ๆ ที่ผ่านไปยัง เมื่อตรวจสอบแผนภูมิการเพิ่มประสิทธิภาพการเดินไปข้างหน้าผมจะเห็นว่ากลยุทธ์ที่ยังคงทำกำไรได้ในช่วง reoptimization การลดลงของการทำกำไรที่อยู่ในแนวเดียวกันกับการทดสอบที่เราได้จากการวิเคราะห์ความแข็งแรง Monte Carlo แต่กลยุทธ์ที่ยังคงทำกำไรได้ ภาพที่ 14: การเพิ่มประสิทธิภาพของแผนภูมิเดินไปข้างหน้า ผมอธิบายกระบวนการทั้งหมดของฉันในการทำงานกับ StrategyQuant ซึ่งนำไปสู่​​การไม่กี่กลยุทธ์ใหม่ที่น่าสนใจ strateguies เหล่านี้เป็นเพียงตัวอย่างดิษฐ์เอาฉันน้อยกว่า 2 วันของการทำงานและ SQ ประมาณ 1-2 ชั่วโมงเวลาของฉันที่จะพบพวกเขาที่มีการใช้ StrategyQuant คุณสามารถลองด้วยตัวคุณเองมีแรงบันดาลใจและอาจจะปรับปรุงกระบวนการที่มีความคิดของคุณเองซึ่งคุณสามารถใช้ร่วมกันบนฟอรั่มของเรา การปรับปรุงที่เป็นไปได้ของกระบวนการ - คุณสามารถพยายามที่จะมองหากลยุทธ์แยก​​ต่างหากสำหรับทิศทางยาวและระยะสั้น ทุกคนมีทิศทางการเปลี่ยนแปลงของตัวเองและกลยุทธ์ที่แตกต่างกันยาวและระยะสั้นสามารถกลับผลลัพธ์ที่ดีกว่า ผมไม่ได้พูดถึง Improver - มันเป็นเครื่องมือที่มีประสิทธิภาพที่ช่วยให้คุณมองหาการเปลี่ยนแปลงที่ดีขึ้นของกลยุทธ์ที่มีอยู่ของคุณถ้าคุณยังไม่พอใจกับผลการดำเนินงาน เพียงแค่เก็บไว้ในใจ - จุดไม่ได้ที่จะหากลยุทธ์ที่เหมาะกับข้อมูลทางประวัติศาสตร์ นี่คือสูตรสำหรับภัยพิบัติเพราะกลยุทธ์ที่ดีที่สุดมากเกินไปมีการประกันที่จะล้มเหลวในการซื้อขายจริง เป้าหมายของเราควรจะหากลยุทธ์ที่มีประสิทธิภาพทั่วทั้งข้อมูลที่แตกต่างและ / หรือสัญลักษณ์เพราะหมายความว่ามันมีขอบจริงผ่านตลาด