Разделы



Результаты тестирования для каждого рынка

Табл. 12-4 содержит результаты по рынкам для лучших моделей как для длинных, так и для коротких позиций, протестированных на оптимиза­ционных и проверочных выборках, с использованием трех видов прика­зов для входа в рынок. Пустые ячейки в этой таблице отражают отсут­ствие сделок. Первая колонка содержит обозначения изучаемых рынков. Центральная и правые колонки содержат количество прибыльных тестов для данного рынка. Числа в первой строке представляют идентификато­ры тестов: 01, 02 и 03 означают тесты для длинных позиций с входом на открытии, по лимитному приказу и стоп-приказу соответственно; 04, 05 и 06 представляют соответствующие тесты для коротких позиций. Послед­няя строка содержит количество рынков, на которых данная модель была прибыльна. Данные в этой таблице представляют относительно деталь­ную информацию о том, какие рынки прибыльны, а какие нет, для каж­дой конкретной модели: один минус (—) указывает на умеренный сред­ний убыток в сделке — от $2000 до $4000; два минуса ( ) представляют большую среднюю потерю в сделке — $4000 или больше; один плюс (+) означает умеренную среднюю прибыль в сделке — от $1000 до $2000; два плюса (+ +) указывают на большую среднюю прибыль в сделке — $2000 или больше; а пустая ячейка соответствует убытку до $1999 или прибыли в пределах $1000. (Названия рынков и их символы соответствуют обозна­чениям табл. II -1; часть II, введение.)

Тесты 1—3. Тестирование модели входа в длинные позиции с входом по цене открытия, по лимитному приказу и стоп-приказу.

Табл. 12-4 указывает, что в пределах выборки модель была весьма при­быльна для NYFE (но не для S &P 500), для британского фунта, немецкой марки, японской йены, палладия, для большинства рынков пшеницы, кан­засской пшеницы, какао, леса и сырой нефти (если не учитывать покупку по цене открытия). Вне выборки на NYFE не б ы л о сделок, британский фунт и немецкая марка продолжали оставаться весьма прибыльными для всех типов приказов. Многие рынки, прибыльные в пределах выборки, вне ее пределов не заключали сделок. Некоторые рынки, которые не участвова­ли в торговле в пределах выборки, были успешны вне выборки (особенно неэтилированный бензин, серебро и кофе). Это указывает на то, что мо­дель продолжала работать хорошо, причем не только на другом периоде времени, но и на другом наборе рынков.

Тесты 4—6. Тестирование модели входа в короткие позиции с входами по цене открытия, по лимитному приказу и стоп-приказу.

В пределах выборки казначейские векселя, немецкая марка, швейцарс­кий франк, канадский доллар, свиная грудинка, овес, канзасская пшени­ца, апельсиновый сок и лес показали устойчивую прибыль. Британский фунт и немецкая марка также принесли прибыль вне выборки. Швейцар­ский франк был прибыльным вне выборки, но только с лимитным прика


п»ї

зом. Другие рынки либо не были задействованы в торговле, либо были убыточны. Вне выборки NYFE показал прибыль при всех типах приказов (будучи убыточным в пределах выборки).

Рис. 12-1 изображает рост капитала при торговле портфелем для длин­ных позиций с входом по цене открытия. Как видно из графика, наблю-


дался устойчивый рост капитала. Ступенчатая форма графика связана с небольшим количеством сделок.

Время от времени весьма выгодная сделка являлась причиной внезап­ного ступенчатого роста капитала. Линия наименьших квадратов, вписан­ная в график изменения капитала, показывает последовательный рост в обеих выборках, с небольшим перевесом в ранние годы. Рост капитала при торговле портфелем для длинных позиций с входом по лимитному приказу, который помогает контролировать транзакционные издержки, представлен на рис. 12-2. И здесь наблюдается аналогичное ступенчатое изменение капитала. Однако на этом графике не видно замедления роста в последние годы — линия, вписанная методом наименьших квадратов, почти прямая. Эффективность вне выборки была почти идентична эф­фективности в пределах выборки.

Рис. 12-3 показывает рост капитала при торговле портфелем с помо­щью наилучшей модели для коротких позиций с входом по цене откры­тия. Здесь также присутствует подобный ступенчатый эффект. Однако, за исключением сильного роста капитала в период с августа 1989 г. по июнь 1993 г., капитал системы практически не менялся.


Правила протестированных решений

Правила для открытия длинных позиций. Хромосома, представившая лучшее решение для входов в длинные позиции по цене открытия, содер­жит три гена. Каждый ген был составлен из четырех чисел и связан с оп­ределенным правилом.

Прогнозирования являются стержнем любой торговой системы, поэтому правильно сделанные прогнозы Forex могут сделать Вас бесконечно денежным.

Ген 1 состоял из чисел 4, 850, 65 и 653, что означает правило снижения открытого интереса (case 4), анализируемый период 34 и порог 0,042 со­ответственно. Последнее число (653) не было использовано, потому что данное правило содержит только два параметра. Таким образом, данное правило возвращает значение ИСТИНА, если открытый интерес снизил­ся по меньшей мере на 4,2% за последние 34 дня. Другими словами, раз­ность открытого интереса 34 дня назад и открытого интереса 1 день на­зад, поделенная на открытый интерес 34 дня назад, должна быть больше чем 0,042.

Ген 2 состоит из чисел 1, 256, 530 и 709. Первое число (1) соответствует простому правилу ценового сравнения (case 1). Смысл других чисел гена состоит в том, что правило возвращает значение ИСТИНА, когда цена зак-

п»ї

рытия 3 дня назад превышает цену закрытия 14 дней назад на величину среднего истинного диапазона, умноженного на 3,46.

Ген 3 состоит из чисел 5, 940, 47 и 610. Шаблон правила 5 (case 5) соот­ветствует правилу повышения открытого интереса. Полная реализация этого правила показывает, что правило возвращает значение ИСТИНА, если открытый интерес рынка увеличился по крайней мере на 5,6% за последние 44 дня.

Если условия для всех трех правил, определяемые генами 1, 2 и 3, вы­полняются на данный день, то модель генерирует сигнал к покупке.

Интересно, что два правила используют открытый интерес — пере­менную, которую обычно не рассматривают во многих популярных тор­говых методах. Также примечательно, что два объединенных правила от­крытого интереса почти противоречат друг другу: текущий открытый интерес должен быть больше, чем открытый интерес 44 дня назад, но мень­ше, чем открытый интерес 34 дня назад. Модель напоминает систему сле­дования за трендом, поскольку последний открытый интерес должен быть больше, чем открытый интерес за некоторую предыдущую дату. Однако остается время для маленького отката, т.е. увеличение открытого интере­ са должно произойти 3 дня назад, а не в текущий день. Это не тот набор правил, который легко обнаружить обычным способом без помощи гене­ тического алгоритма.

Правила для входа в короткие позиции. Подобный анализ также мож­но провести для коротких позиций. Числа 5, 890, 391 и 532 (ген 1); 5, 705, 760 и 956 (ген 2) и 10, 163,999 и 196 (ген 3) соответствуют хромосоме, кото­ рая представила лучшее решение для входа в короткую позицию по цене открытия. Два указанных гена соответствуют правилам, связанным с от­ крытым интересом, и один — с осциллятором MACD . Первое правило открытого интереса утверждает, что открытый интерес 1 день назад дол­ жен быть по крайней мере на 3 8 % больше, чем открытый интерес 38 дней назад. Второе правило открытого интереса утверждает, что открытый интерес 1 день назад должен быть по крайней мере на 75% больше, чем открытый интерес 25 дней назад. Третье правило утверждает, что наклон MACD (период короткого скользящего среднего = 2, а период длинного скользящего среднего = 50) должен быть направлен вниз, предполагая наличие нисходящего тренда. Если были выполнены условия для всех трех правил, указанных этими тремя генами, то подается сигнал на продажу. Повторюсь, эти правила было бы не так легко обнаружить, если разраба­ тывать торговую модель в более традиционной манере.

ЗАКЛЮЧЕНИЕ

Как и в нашем раннем исследовании, использование ГА для поиска торго­ вых правил помогло найти весьма убедительные модели входа. Результа­ ты впечатляют, несмотря на такие проблемы, как малое число сделок во многих решениях. Этот подход, несомненно, может служить в качестве основания для дальнейших усилий в разработке системы. В данном ис­следовании была использована лишь маленькая база шаблонов правил, включающая простейшие элементы (ценовые сравнения, скользящие средние и осцилляторы). Несомненно, намного лучшие результаты могли быть получены при использовании более сложного и полного набора шаб­ лонов в качестве зерна для генетической мельницы.

ЧТО МЫ УЗНАЛИ ?

Длинные позиции, как правило, работают лучше, чем корот­кие, на рынках, составляющих наш стандартный портфель, с большинством исследованных моделей. Следовательно, заслу­ живают большего внимания усилия, направленные на разви­тие системы, в которой делается акцент на длинные позиции. Генетические алгоритмы представляются эффективным сред­ством обнаружения нестандартных торговых систем, кото­рые практически невозможно разработать общепринятыми методами.

При правильном использовании ГА избыточная оптимизация (подгонка под исторические данные) не является серьезной проблемой, несмотря на оптимизационную мощь генетичес­ких алгоритмов.

Ограничения количества и сложности правил в любом реше­нии представляются ключевым элементом в контроле над де­моном подгонки под исторические данные.

• Генетическая эволюция правил имеет большое преимущество, связанное с тем, что полученные правила могут быть переве­дены на простой язык и понятны. В отличие от нейросетевых систем торговые правила, созданные с помощью ГА, не скры­ты в непостижимом черном ящике.

Использование генетики описанным выше способом помога­ет создать большое количество отдельных прибыльных реше­ний, которые затем можно объединить в портфеле, торгую­щем несколькими моделями.


Читать далее: Исследование выходов