Д.Катс.Д.Маккормик.Энциклопедия торговых стратегий. Донна л. Маккормик
 Скачать 5.96 Mb.
|
|
ГЛАВА 6 МОДЕЛИ, ОСНОВАННЫЕ НА скользящих СРЕДНИХ 147 зящее среднее в сочетании со стоп-приказом работало очень необычно. Для адаптивного скользящего среднего наилучшим был лимитный при- каз, наихудшим — стоп-приказ, а рыночный приказ при открытии следу- ющего дня работал немного лучше стоп-приказа. В целом эти модели были убыточными на большинстве рынков. Толь- ко рынок иены и свиной грудинки был прибыльным как в пределах, так и вне пределов выборки; в пределах выборки никакие другие рынки не были прибыльными. Вне выборки небольшая прибыль была получена на рын- ках мазута, бензина, палладия, живых свиней, соевой муки, пшеницы и кофе. Высокая прибыль на рынке кофе как в пределах, так и вне выборки может быть, скорее всего, объяснена крупным повышением цен в то вре- мя, связанным с засухой. На основе индивидуальных моделей больше все- го выгодных сочетаний было найдено для рынков живых свиней, японс- кой иены, свиной грудинки, кофе и леса. Для рынка овса не удалось най- ти ни одной прибыльной модели. По показателям прибыли, усредненной для всех моделей и скользя- щих средних, хуже всего работали входы по рыночному приказу на от- крытии. Входы по лимитному или стоп-приказу работали примерно оди- наково, с некоторым преимуществом лимитного приказа, особенно в на- чале выборки. Следует отметить, что при рассмотрении графиков изме- нения капитала убыточных систем возникает искажение в оценке эффек- тивности системы (в нашем анализе мы обращали внимание на показа- тель средней прибыли сделки, на соотношение риска/прибыли, годовой или общей доходности именно по этим соображениям). Это искажение затрагивает количество проведенных сделок: убыточная система, кото- рая проводит меньше сделок, будет выглядеть по ряду показателей луч- ше, чем убыточная система, которая проводит много сделок, даже если «лучшая» система теряет больше на каждой сделке. Сильные убытки при входе с помощью рыночного приказа могут быть не связаны с тем, что приказ сам по себе плох, — ситуация может попросту отражать тот факт, что при использовании этого приказа система проводит больше сделок, чем при использовании лимитного или стоп-приказа. На рис. 6-1 изображены графики изменения капитала для всех вось- ми сочетаний моделей и скользящих средних. Графики усреднены по ви- дам приказов. Рис. 6-1 показывает, как со временем происходит измене- ние систем. Большинство систем понесли самые тяжелые убытки в пери- од с конца 1988 г. до начала 1995 г. Как видите, время лучшей эффектив- ности — до 1988 г., в последние годы эффективность систем была сред- ней. На графике 3 отражены результаты модели пересечения простых скользящих средних — ярко выраженное изменение с течением време- ни делает эту кривую примером, на котором четко видны все три перио- да — первоначальные прибыли, сильные убытки и небольшая прибыль в конце. Очевидно, что системы, основанные на пересечении (кривые 1—4), несли гораздо меньшие убытки, чем модели, основанные на накло- 148 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК Рисунок 6-1. Графики изменения капитала для всех моделей и скользящих средних. не (кривые 5 — 8), хотя это вызвано большим количеством сделок, а не боль- шим убытком в каждой сделке. ТЕСТЫ ПРОТИВОТРЕНДОВЫХ МОДЕЛЕЙ Противотрендовые модели, так же как и следующие за трендом, могут использовать различные виды скользящих средних, различные правила генерации сигналов и различные виды приказов для входа в рынок. Ис- пользованы те же виды скользящих средних, что и ранее; тестировались модели на основе и одиночных, и двойных скользящих средних. Исполь- зовались рыночные, лимитные и стоп-приказы. Тесты с 25 по 36 рассматривают стандартную модель пересечения скользящего среднего с противоположно направленными сигналами. Как и ранее, сигнал на вход поступает при пересечении ценами линии сколь- зящего среднего или при пересечении быстрого и медленного скользящих средних. В традиционных следующих за трендом моделях трейдер поку- ГЛАВА 6 МОДЕЛИ, ОСНОВАННЫЕ НА скользящих СРЕДНИХ 149 пает, когда цена (или быстрое среднее) пересекает медленное среднее вверх и продает, когда пересекает вниз. В этой же модели на обратном пересечении все сделано наоборот. В тестах использована оптимизация с лобовым подходом, период быстрого среднего оптимизировался в преде- лах 1 —7 с шагом 1, период медленного в пределах 5 —50 с шагом 5. Рас- сматривались только случаи, когда длинные скользящие средние по раз- меру превышали короткие. Параметры подбирались таким образом, что- бы минимизировать вероятность того, что какие-либо из наблюдавшихся прибыльных показателей оказались таковыми случайно. Модель была ап- робирована на данных вне пределов выборки с использованием лучших наборов параметров, определенных с помощью данных из выборки. В тестах модели поддержки/сопротивления (с 37 по 48) трейдер поку- пает, когда цены отскакивают вверх от скользящего среднего, и продает, когда они касаются скользящего среднего при движении снизу вверх. В этом случае скользящее среднее играет роль уровня поддержки или со- противления, на котором ценовой тренд может развернуться. Правила почти такие же, как для тестов с 25 по 36, за тем исключением, что не каж- дое пересечение скользящего среднего приводит к входу. Если цены выше скользящего среднего и пересекают его, генерируется покупка, однако, когда цены отскакивают назад и снова оказываются над скользящим сред- ним, второго пересечения недостаточно для инициации продажи. Если цены пересекают скользящее среднее снизу вверх, то осуществляется продажа. Однако при обратном пересечении покупка не генерируется. Такое поведение модели достигается путем добавления одного условия к обратной модели пересечения. Это условие заключается в том, что сиг- нал формируется только тогда, когда он совпадает с направлением накло- на медленного скользящего среднего. Поиски наилучшего решения про- водились методом прямой оптимизации по данным выборки. Период ко- роткого скользящего среднего изменялся от 1 до 5 с шагом 1. Период длин- ного скользящего среднего изменялся от 5 до 50 с шагом 5. Если период скользящего среднего равен 1, то данное среднее эквивалентно самой цене. Следовательно, при оптимизации тестировались модель, в которой цена сравнивалась со скользящим средним, и модель, в которой одно скользящее среднее сравнивалось с другим. Исследовались только те слу- чаи, в которых период длинного скользящего среднего был больше, чем период короткого среднего. Мы подбирали параметры системы с целью минимизации вероятности того, что система приносит прибыль случай- но. Затем модель была проверена на данных вне выборки с использова- нием лучшего набора параметров, найденного в пределах выборки. В табл. 6-4 и 6-5 для тестов с 25 по 48 представлены результаты дей- ствия системы на рынках различных финансовых инструментов, как в пределах выборки (табл. 6-4), так и вне нее (табл. 6-5). Символы, обозна- чающие величину прибыли (+ и —), могут быть интерпретированы та- ким же образом, как и для табл. 6-1 и 6-2. 150 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК Таблица 6—4. Эффективность систем в пределах выборки. Результаты отдельных тестов и рынков В табл. 6-6 представлены результаты для различных скользящих сред- них, моделей, приказов и выборок. Последние две колонки справа и пос- ледние четыре ряда цифр внизу являются усредненными. Цифры внизу усреднены по всем комбинациям разных типов скользящих средних и моделей. Данные в двух последних колонках справа усреднены по типам приказов. Лучшими моделями в пределах выборки были модель поддержки/со- противления на основе простого скользящего среднего и модель поддерж- ки/сопротивления на основе треугольного скользящего среднего с пере- днем взвешиванием. Система поддержки/сопротивления на основе про- стого скользящего среднего со стоп-приказом в отличие от других систем ГЛАВА 6 МОДЕЛИ, ОСНОВАННЫЕ НА скользящих СРЕДНИХ 151 Таблица 6—5. Эффективность систем вне выборки. Результаты отдельных тестов и рынков показала небольшие прибыли в обеих выборках: для данных в пределах выборки средняя сделка принесла прибыль $227, доход в процентах годо- вых равен 4,2%; соответствующие показатели для данных вне выборки равны $482 и 14,8%. Треугольное скользящее среднее с передним взвеши- ванием и стоп-приказом было прибыльным в выборке, но давало боль- шие убытки вне пределов выборки. Обе модели, особенно в комбинации со стоп-приказом, давали относительно мало сделок; следовательно, их результаты статистически менее стабильны. В выборке стоп-приказ был лучшим для противотрендовой системы, основанной на пересечениях скользящих средних, и для моделей поддерж- ки/сопротивления, в которых стоп-приказ приводил в среднем к прибыль- 152 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК Таблица 6—6. Эффективность противотрендовых моделей в зависимости от вида приказов, вида скользящих средних, типа модели и выборки данных Модель ПСС-ОП ЭСС-ОП ТССПВ-ОП АСС-ОП ПСС-П/С эсс-п/с ТССПВ-П/С АСС-П/С Модели ОП Средняя Средняя Модели П/С Средняя Средняя ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ ДОХ% $СДЕЛ Открытие -10.2 -2220 -10.1 -2350 -9.7 -2405 -10.3 -1865 -9.6 -1099 0 0 -8.1 -841 0 0 -10.1 -2210 -8.8 -970 Лимитный -9.6 -1630 -10.1 -1905 -9.1 -1869 -10.3 -1488 -10.2 -844 0 0 -3.2 -261 0 0 -9.8 -1723 -6.7 -553 Стоп -9.5 -1120 -9.1 -1171 -8.5 -1246 -9.5 -1033 4.2 227 0 0 8.8 1015 0 0 -9.2 -1143 6.5 621 Вне пределов выборки Открытие -22.7 -3221 -22.8 -2471 -20.9 -1821 -23.0 -2222 -20.4 -1962 0 0 -13.2 -1444 0 0 -22.4 -2434 -16.8 -1703 Лимитный -20.7 -1917 -22.5 -2214 -16.7 -971 -22.8 -2254 -16.9 -1512 0 0 -13.8 -1087 0 0 -20.7 -1839 -15.4 -1300 Стоп -20.6 -1731 -23.1 -3128 -19.9 -1343 -20.8 -1604 14.8 482 0 0 -22.3 -3566 0 0 -21.1 -1952 -3.7 -1542 Среднее в -9.8 -1657 -9.8 -1809 -9.1 -1840 -10.0 -1462 -5.2 -572 0 0 -0.8 -29 0 0 -9.7 -1691.8 -3.0 -300.5 Среднее Вне -21.3 -2290 -22.8 -2604 -19.2 -1378 -22.2 -2027 -7.5 -997 0 0 -16.4 -2032 0 0 -21.4 -2074.8 -12.0 -1514.8 ному результату. Другие приказы приводили к потерям в данных систе- мах; наихудшим же был рыночный приказ по открытию следующего тор- гового дня. Вне выборки рыночный приказ был наихудшим как для про- тивотрендовои модели, так и для модели поддержки/сопротивления. Наи- лучшие результаты вне выборки были получены при использовании ли- митного приказа. Обе модели приводили к гораздо большим потерям вне выборки, чем в пределах выборки. Противотрендовые модели работали хуже, чем следующие за трен- дом. Тем не менее нашлись превосходные сочетания противотрендовои модели, вида скользящих средних и приказа для входа, которые работали гораздо лучше большинства других протестированных комбинаций. ГЛАВА 6 МОДЕЛИ, ОСНОВАННЫЕ НА скользящих СРЕДНИХ 155 смысла добавлять в систему, основанную на пробоях (как и стоп-приказ, он представляет собой еще один элемент следования за трендом), в про- тивотрендовой модели такой элемент может дать определенные преиму- щества. В системе, основанной на пробоях, лучше работает лимитный приказ, за исключением случаев, когда стоп-приказ выгоден благодаря своим характеристикам следования за трендом. Результаты приводят к некоторым обобщениям. Иногда стоп-приказ может обеспечивать достаточную прибыль для компенсации связанной с ним завышенной стоимости транзакций. Тем не менее в большинстве слу- чаев лимитные приказы обычно более эффективны благодаря своей спо- собности входить в рынок по оптимальной цене. Такое обобщение может помочь трейдеру сделать выбор. Однако необходимо постоянно отслежи- вать потенциальные взаимодействия различных параметров в комбина- циях скользящего среднего, модели и приказа, которые могут спровоци- ровать провал этих обобщений. Каждый параметр по-своему воздейству- ет на эффективность торговой системы, но в сочетании с другими пара- метрами данное воздействие может сильно меняться с течением време- ни. Для достижения успеха в системной торговле трейдер должен посто- янно держать руку на пульсе этих изменений. ЧТО МЫ УЗНАЛИ? При построении модели входа пытайтесь продуктивно комби- нировать противотрендовый элемент с элементом следования за трендом. Это может быть осуществлено множеством спосо- бов, например покупкой на краткосрочном противотрендовом движении, когда развивается долгосрочный тренд; входом при пробое, когда развивается противотрендовое движение, или применением трендового фильтра в противотрендовой модели. • Если возможно, используйте приказы, которые понижают транзакционные затраты, например лимитный приказ для вхо- да. Однако в этом случае требуется гибкий подход. Опреде- ленные системы могут работать лучше при использовании дру- гих типов приказов: например, если требуется элемент следо- вания за трендом, следует использовать стоп-приказ. Будьте готовы к неожиданностям. Мы полагали, что для моде- лей, основанных на наклонах, адаптивное скользящее среднее, имеющее более быстрый отклик, будет обеспечивать лучшие результаты. На самом деле система с адаптивным средним ока- залась одной из худших. • Даже несмотря на то, что традиционные индикаторы, исполь- зуемые стандартным образом, обычно приводят к неудаче (на- 156 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК пример, такие старые системы, как пробои волатильности), классические концепции поддержки/сопротивления могут быть весьма выгодными. Пробои уровней поддержки/сопро- тивления проявляют себя лучше, чем, например, пробои вола- тильности. Аналогично, модели скользящего среднего, исполь- зующие концепцию поддержки/сопротивления, работают луч- ше прочих. Реализация метода поддержки/сопротивления была рудиментарной, тем не менее в самых удачных сочета- ниях она дает одни из лучших результатов. Вероятно, дальней- шая разработка данного метода сможет значительно повысить эффективность основанных на нем торговых систем. Хотя метод поддержки/сопротивления широко известен на протя- жении многих лет, его дальнейшее развитие может оказаться достаточно сложным. Основной задачей здесь можно назвать поиск автоматизированного «механического» метода поиска текущих уровней поддержки/сопротивления. ГЛАВА 6 МОДЕЛИ, ОСНОВАННЫЕ НА скользящих СРЕДНИХ 153 Дата Рисунок 6-2. Графики изменения капитала для комбинаций моделей и скользящих средних. Результаты тестов систем, основанных на скользящих средних и про- боях, показывают, что при использовании моделей следования за трен- дом лимитный приказ всегда улучшает характеристики; для противотрен- довых моделей огромное преимущество иногда дает стоп-приказ. Эта тен- денция может быть результатом того, что у моделей следования за трен- дом уже есть элемент обнаружения тренда: добавление еще одного обна- руживающего или проверяющего элемента (такого, как вход по стоп-при- казу) является избыточным; однако добавление лимитного приказа вно- сит в систему противотрендовый элемент и обеспечивает более выгод- ный вход, повышая, тем самым, эффективность. В случае с противотрен- довыми моделями добавление элемента подтверждения тренда придает системе новое качество и, следовательно, улучшает результаты. Иногда это настолько выгодно, что компенсирует менее благоприятные цены вхо- да, чем при использовании стоп-приказов. Для таких рынков, как рынок казначейских облигаций, японской йены, немецкой марки, швейцарского франка, неэтилированного бензина, кофе, 154 ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК апельсинового сока и свиной грудинки, можно найти высокоприбыльные комбинации типов модели и приказа. На рис. 6-2 представлены графики изменения капитала для различ- ных комбинаций моделей и скользящего среднего. Капитал каждой сис- темы был усреднен по типу приказа. Лучшими двумя моделями были мо- дель поддержки/сопротивления на основе треугольного скользящего сред- него с передним взвешиванием и модель поддержки/сопротивления на основе простого скользящего среднего. Эти модели работали значитель- но лучше, чем любые из противотрендовых моделей, основанных на пе- ресечении. Можно выделить три временных периода, в каждом из кото- рых эти модели вели себя по-разному: от начала выборки до октября 1987 г., с октября 1987 г. по июнь 1991 г. и с июня 1991 г. по декабрь 1998 г. Наихудшие результаты были получены в течение последнего периода. Графики изменения капитала, представленные на рис. 6-2, показыва- ют, что противотрендовые модели лучше работали в прошлом, в то время как модели следования за трендом лучше работали в последнее время. В пределах выборки стоп-приказ оказался наилучшим видом входного при- каза для каждой комбинации модели и скользящего среднего. Вне преде- лов выборки стоп-приказ был наихудшим для трех комбинаций модели и скользящего среднего из шести (по двум комбинациям не было сделок, поэтому они не рассматривались). Рыночный приказ по цене открытия следующего дня оказался наихудшим во всех случаях, за исключением двух. Стоп-приказ, как правило, был лучше лимитного приказа в преде- лах выборки. Однако вне выборки лимитный приказ был немного лучше стоп-приказа. ЗАКЛЮЧЕНИЕ В общем, модели следования за трендом в тестах с 1 по 24 работали лучше, чем противотрендовые модели в тестах с 25 по 48, за некоторыми исклю- чениями, рассмотренными выше. Лучшие модели, несомненно, сочетают в себе как противотрендовые элементы, так и элементы следования за трендом. Например, покупка при откате рынка с использованием лимитного приказа после пробоя сколь- зящего среднего обеспечивает лучшие результаты, чем другие комбина- ции. Противотрендовые модели, основанные на скользящих средних и имеющие элемент следования за трендом (например, стоп-приказ), так- же показывают наилучшие результаты. Чистые противотрендовые моде- ли и модели следования за трендом значительно им уступают. Более того, добавление трендового фильтра к системе следования за трендом не дает преимуществ, но может увеличивать затраты при входе. С другой сторо- ны, комбинация противотрендовых моделей с трендовым фильтром ADX может повысить эффективность системы. Хотя фильтр ADX не имеет |