<< Пред. стр.

стр. 15
(общее количество: 46)

ОГЛАВЛЕНИЕ

След. стр. >>

нению с предыдущими тестами меньшее количество и больший процент
прибыльных сделок объясняются тем, что границы пробоя были располо-
жены дальше от текущего уровня цен. Средняя сделка вне пределов вы-
борки принесла $7371 убытков, и только 25% из 122 сделок были выгодны-
ми. Убытки длинных и коротких позиций были примерно одинаковы.
Почти вся прибыль была получена за периоды с августа 1987 г. по де-
кабрь 1988 г. и с декабря 1992 г. по август 1993 г. Снижение капитала от-
мечалось с октября 1985 г. по июль 1986 г., с августа 1989 г. по май 1992 г. и
с мая 1995 г. по декабрь 1998 г.
Излишняя оптимизация могла повлиять на ухудшение эффективнос-
ти вне пределов выборки. В то же время, учитывая количество парамет-
ров и комбинаций, испытанных в этом тесте, хорошая модель должна была
бы дать большую прибыль в пределах выборки и лучшие статистические
показатели, способные выдержать коррекцию на множественную опти-
мизацию без полной потери значимости. Другими словами, в данном слу-
чае избыточная оптимизация была не самым страшным: несмотря на оп-
тимизацию, эта модель давала плохие результаты при недопустимо ма-
лом количестве сделок. Как и другие, эта модель просто, видимо, лучше
работала в прошлом.
Как и ранее, валютные рынки были в основном прибыльными. Как ни
странно, нефтепродукты в данном случае были сильно убыточными. Кофе
и лес хорошо работали в пределах выборки, но вне пределов выборки были
убыточны в отличие от предыдущих тестов. Не исключено, что некото-
рые из этих результатов объясняются ограниченным числом сделок, про-
веденных системой.

Тест 8. Пробой волатильности с использованием входа по лимит-
ному приказу. Эта модель пытается открыть длинную позицию на следу-
ющий день после пробоя с помощью лимитного приказа в случае, если
цена закрытия торгового дня была выше, чем текущей уровень цен плюс
ширина среднего истинного диапазона. Текущая цена определяется экс-
поненциальным скользящим средним с периодом malen, рассчитанным
ЧАСТЬ II ИССЛЕДОВАНИЕ входов в РЫНОК
120



по ценам закрытия. Множитель ширины среднего истинного диапазона
обозначается как bw, а количество дней, по которым производится рас-
чет среднего истинного диапазона, обозначено как atrlen. Цена для ли-
митного приказа, размещаемого на следующий день, приравнивается к
средней цене торгового дня, когда произошел пробой. Оптимизация про-
водилась так же, как и в тесте 7.
Для всех сочетаний параметров длинные позиции были выгоднее (или
хотя бы менее убыточными), чем короткие. Лучшая эффективность в пре-
делах выборки была достигнута при параметре bw, равном 3,7, периоде
скользящего среднего 22 и периоде среднего истинного диапазона
atrlen 41: при этих параметрах годовая прибыль составила 48,3%. Вероят-
ность случайности прибыли составила менее 0,02% (после коррекции для
100 тестов— менее 13%). В пределах выборки проведено 1244 сделки.
Средняя длительность сделки составила 7 дней. Система провела 45% при-
быльных сделок со средней прибылью в сделке $3616. И длинные, и ко-
роткие позиции были прибыльными.
При таких статистических данных можно было бы ожидать прибыль-
ной работы вне пределов выборки, но этого не случилось. Вне пределов
выборки модель несла тяжелые потери. Капитал рос с начала выборки до
августа 1990 г., медленно дрейфовал до мая 1992 г., заметно вырос к июню
1995 г., а затем снижался. Эти результаты показывают главным образом
снижение способности простых моделей пробоя приносить стабильную
прибыль в течение долгого времени.
Все валютные рынки были прибыльными как в пределах выборки, так
и вне ее, за исключением британского фунта и канадского доллара. Это
показывает эффективность подобных систем на трендовых рынках. Как
ни странно, рынки валют с максимальной прибылью в пределах выборки
не обязательно были самыми прибыльными вне ее пределов. Это показы-
вает, как важно вести торговлю корзиной валют, не отбирая инструмен-
ты по результатам исторических данных, если используется система, ос-
нованная на пробое. Хотя эта модель плохо работала на рынке нефтепро-
дуктов, на рынке кофе и леса результаты были ошеломительными (более
65% и более 29% соответственно и в пределах, и вне выборки).

Тест 9. Пробой волатильности с использованием входа по стоп-
приказу. Эта модель входит в рынок сразу же после точки пробоя при
помощи стоп-приказа, включенного в модель входа. Преимущество мо-
дели в том, что вход производится немедленно; недостаток же состоит в
том, что вход может быть достигнут не по самой выгодной цене, как в слу-
чае лимитного приказа, поскольку происходит исполнение множества
стоп-приказов, расставленных на общеизвестных уровнях поддержки/
сопротивления. Во избежание множественных приказов в пределах бара
использован стоп-приказ на основе последней цены закрытия, как и в тес-
те 6. Модель со стоп-приказом на пробое волатильности производит по-
МОДЕЛИ, ОСНОВАННЫЕ НА ПРОБОЯХ 121
ГЛАВА 5




купку, когда цены поднимаются выше верхней границы волатильности, и
открывает короткую позицию, когда они опускаются ниже нижней гра-
ницы волатильности.
Оптимальные значения для трех параметров модели исследовались с
помощью генетического оптимизатора, встроенного в C-Trader toolkit,
предлагаемый Scientific Consultant Services, Inc. Минимальное соотноше-
ние риска/прибыли было достигнуто при множителе ширины среднего
истинного диапазона 8,3, периоде скользящего среднего 11 и периоде сред-
него истинного диапазона atrlen 21; при этих параметрах годовая прибыль
составила всего 11,6%. В пределах выборки проведено 1465 сделкок. Сред-
няя длительность сделки — 6 дней. Система провела 40% прибыльных сде-
лок со средней прибылью в сделке, равной $931. Только длинные позиции
были прибыльными во всех комбинациях параметров.
Вне пределов выборки и длинные, и короткие позиции были убыточ-
ными. Из 610 сделок только 29% были прибыльными. График изменения
капитала и другие результаты тестов показывают, что ухудшение вне пре-
делов выборки было гораздо сильнее, чем у других моделей, основанных
на пробое волатильности, использующих лимитные или даже рыночные
приказы.
Может ли избыточная оптимизация объяснить быстрое ухудшение
результатов вне пределов выборки? Нет. Оптимизация может заставить
изначально плохую систему показать хорошие результаты в пределах
выборки. При этом эффективность системы вне выборки не изменится.
Оптимизация часто меняет таким образом модели, которым не хватает
реальной достоверности и которые во многом случайны. Чем мощнее ре-
альная модель, тем лучше она будет работать после оптимизации. Как и в
предыдущих примерах, эффекты подгонки под исторические данные —
не единственная причина провала; эффективность снизилась задолго до
окончания периода выборки. Ухудшение эффективности в данном слу-
чае можно приписать как излишней оптимизации, так и продолжающе-
муся росту эффективности рынка.
Модель в пределах выборки была выгодна при работе с британским
фунтом, немецкой маркой, швейцарским франком и иеной; вне выборки
все рынки, кроме британского фунта, дали положительные результаты.
Если бы велась торговля всеми валютами, кроме евродолларов и канадс-
кого доллара, то в обеих выборках была бы получена солидная прибыль;
евродоллар понес большие убытки ввиду проскальзывания и входа по
неоптимальной цене стоп-приказа. Дело в том, что долларовая волатиль-
ность рынка евродоллара низка, поэтому требуется торговать большим
количеством контрактов, что повышает расходы на сделку. Мазут принес
прибыль, но на остальных рынках нефтепродуктов система получила убыт-
ки. Ухудшение результатов вне пределов выборки в некоторых случаях
по сравнению с входом по лимитному приказу показывает, что с помо-
щью стоп-приказа достаточно сложно войти в рынок по приемлемой цене.
ИССЛЕДОВАНИЕ входов в РЫНОК
122 ЧАСТЬ II




ВАРИАЦИИ СИСТЕМЫ ПРОБОЯ ВОЛАТИЛЬНОСТИ
Улучшится ли эффективность, если ограничить модели пробоя только
длинными позициями? А если вести торговлю только на рынке склонных
к трендам валют? Можно ли использовать индикатор трендов, чтобы из-
бежать пилообразной торговли? Что будет, если не входить повторно в
существующие (и, возможно, уже завершающиеся) тренды? Последний
вопрос анализировался в отдельном тесте, результаты которого мы не
приводим — они были настолько плохи, что никакого дополнительного
исследования не проводилось. Остальные три вопроса будут рассмотре-
ны ниже.


Только длинные позиции
В предыдущих тестах почти во всех случаях длинные позиции работали
лучше, чем короткие. Что если попробовать применить одну из рассмот-
ренных моделей для торговли только длинными позициями?

Тест 10. Пробой волатильности с входом по лимитному приказу;
только длинные позиции. Лучшая из исследованных моделей (тест 8)
была модифицирована для работы только с длинными позициями. Опти-
мизация параметров проводилась генетическим алгоритмом. При помо-
щи генетической оптимизации множитель ширины среднего истинного
диапазона bw подбирался в пределах 1,5 — 4,5 с шагом 0,1; период средне-
го истинного диапазона atrlen прогонялся от 5 до 50 с шагом в 1; период
скользящей средней malen подбирался в пределах 1 — 25 с шагом 1. Гене-
тическая оптимизация проводилась в объеме 100 «поколений».
Лучшая эффективность в пределах выборки была достигнута при мно-
жителе ширины среднего истинного диапазона 2,6, периоде скользящего
среднего 15 и периоде среднего истинного диапазона 18. При этих пара-
метрах годовая прибыль составила 53,0% и соотношение риска/прибыли
1,17 (р < 0,0002, р < 0,02 после коррекции). В пределах выборки проведе-
но 1263 сделки длительностью в среднем 7 дней с прибылью в среднем
$4100 с учетом проскальзывания и комиссионных; 48% сделок были при-
быльны. Даже при неоптимальных значениях параметров удавалось по-
лучать прибыль — худшие параметры дали 15,5% прибыли!
Вне пределов выборки, несмотря на высокую статистическую досто-
верность и устойчивость модели (по результатам проверки на данных из
выборки различных вариантов), модель была крайне неэффективна. Все-
го 35% сделок были прибыльными, а убытки составили 14,6% в год. Это
нельзя объяснить простой подгонкой, так как в пределах выборки все ком-
бинации были прибыльными. Неоптимальные параметры привели бы к
уменьшенной, но все равно эффективной работе. Дополнительные тесты
показали, что ни один набор параметров не мог сделать систему выгод-
МОДЕЛИ, ОСНОВАННЫЕ НА ПРОБОЯХ 123
ГЛАВА 5




ной вне пределов выборки! Это исключает оптимизацию как причину
неэффективной работы — видимо, на рынке за последние годы произош-
ли изменения, влияющие на способность моделей, основанных на пробое
волатильности, давать прибыль даже при работе только с длинными пози-
циями. График изменения капитала показывает, что основная часть при-
были была получена до июня 1988 г. Остальные периоды как оптимиза-
ции, так и проверки показывали только ухудшение.
Как и ранее, в обеих выборках хорошо работали валютные рынки.
Средняя сделка на валютном рынке приносила $5591 дохода в пределах
выборки и $1723 за ее пределами. Корзина нефтепродуктов также давала
прибыль в обоих случаях, равно как и кофе.
Увы, эта система непригодна для использования в настоящее время,
хотя в прошлом на ней можно было бы сделать состояние; впрочем, для
некоторых рынков — валют, нефтепродуктов и кофе — в ней еще есть
некоторый потенциал.


Только валютный рынок
Считается, что на валютных рынках наблюдаются сильные тренды, что
делает их идеальными для систем следования за трендами, основанных
на пробоях. Это убеждение вроде бы подтверждается вышеприведенны-
ми тестами, включая тест 10. В тесте 11 мы ограничиваем модель валют-
ными рынками.

Тест 11. Пробой волатильности с входом по лимитному приказу;
только валютные рынки. Модель идентична прошлой, за тем исключе-
нием, что вместо ограничения длинными позициями введено ограниче-
ние рынками валют. Оптимизация не проводилась ввиду малого количе-
ства рынков и, соответственно, данных; вместо этого использованы луч-
шие параметры теста 8.
Это первый тест, где система, основанная на пробое, дала явно при-
быльные результаты в обеих выборках с учетом реальных расходов на
сделки! В пределах выборки прибыль системы составила 36,2% в год,
вне — 17,7%, что тоже неплохо. В пределах выборки проведено 268 сде-
лок, из них 48% прибыльных со средней прибылью $3977. Вне пределов
выборки проведено 102 сделки, из них 43% прибыльных, средняя при-
быль— $2106.
График изменения капитала на рис. 5-2 подтверждает высокую эф-
фективность системы. Почти вся прибыль сделана в пяти «рывках», длив-
шихся несколько месяцев каждый. Эта модель потенциально пригодна
для торговли, особенно если заменить стандартный выход на более эф-
фективный.
124 ИССЛЕДОВАНИЕ входов в РЫНОК
ЧАСТЬ II




Фильтр трендов ADX
Одна из проблем при использовании пробоев состоит в том, что существу-
ет тенденция к крайне «пилообразной» торговле в тех случаях, если сис-
тема регистрирует пробой, а реального тренда за этим не следует. Одно
из возможных решений состоит в использовании индикатора трендов для
фильтрации сигналов о пробоях. Многие трейдеры используют популяр-
ный индикатор трендов ADX. Тест 12, например, исследует прибыльность
индикатора ADX по Уайлдеру.

Тест 12. Пробой волатильности с входом по лимитному приказу и
фильтром трендов. Использована та же модель, что и в тестах 10—11;
вместо ограничения длинными позициями или валютными рынками до-
бавлен фильтр сигналов на наличие трендов по методу ADX или усред-
ненного направленного движения (Wilder, 1978). Возможно, отсеивание
рынков, где нет тренда, «пилообразной» торговли и затяжных сделок не-
сколько улучшит результаты системы. ADX использован для фильтрации
пробоев согласно исследованиям Уайта (White, 1993). Тренд считается су-


Величина капитала




Рисунок 5-2. График изменения капитала для системы на пробое ММ/ММ, вход по
лимитному приказу (только валютные рынки).
МОДЕЛИ, ОСНОВАННЫЕ НА ПРОБОЯХ 125
ГЛАВА 5




ществующим в том случае, если ADX, рассчитанный по последним 18 дням,
достигает нового шестидневного максимума. Входы производятся только
при наличии тренда.

// file = x09mod12.c
// модель, основанная на пробое волатильности, с входом по лимитному приказ
// и 18-дневный фильтр тренда ADX
band_width = bw * atr[cb-l];
center_price = xmavg[cb-1];
upper_band = center_price + band_width;
lower_band = center_price - band_width;
limprice = 0.5 * (hi [cb] + lo[cb]);
trending = adx[cb] > Highest(adx, 6, cb-1);
if(trending && cls[cb] > upper_band &&
ts.position() <= 0) {
ts. buylimit('1', limprice, ncontracts);
}
else if (trending && cls[cb] < lower_band &&
ts.position() >= 0) {
ts. selllimit('2', limprice, ncontracts);
}

// симулятор использует стандартную стратегию выхода
tmp = exitatr[cb];
ts.stdexitcls('X', ptlim*tmp, mmstp*tmp, maxhold);


Как и в предыдущих тестах, использовалась генетическая оптимиза-
ция параметров. Все 100 комбинаций, кроме одной, были прибыльными в
пределах выборки; 88 дали прибыль более 20%. Это демонстрирует устой-
чивость системы к изменению параметров. Наилучшие результаты были
следующими: множитель ширины среднего истинного диапазона — 2,6;
период скользящей средней — 8; период среднего истинного диапазона —
34. При этих параметрах в пределах выборки прибыль составила 68,3%,
вероятность случайности результатов менее 0,0005 (0,035 после оптими-
зации) . Совершено 872 сделки, из них 47% прибыльных. Средняя сделка
принесла прибыль около $4500. Вне пределов выборки система понесла
$2415 убытков и только 36% из 373 сделок были прибыльными. Прибыль
составила — 20,9% — один из худших результатов вне выборки. Очевид-
но, в прошлом ADX был более полезен, чем в недавнее время.
Большинство рынков валют, мазут, кофе, лес и 10-летние казначейс-
кие бумаги были прибыльными и вне пределов выборки. S&P 500, пшени-
ца и золото были прибыльны вне пределов выборки, но убыточны в пре-
делах выборки. Устойчивая прибыльность валют, нефтепродуктов и кофе
соответствует наблюдавшейся ранее.
ИССЛЕДОВАНИЕ входов в РЫНОК
126 ЧАСТЬ II



АНАЛИЗ И ОБОБЩЕНИЯ

В табл. 5-3 приведены результаты тестов различных моделей, основанных
на пробоях, — по выборке и виду приказа (Р/ПРИБ — годовое соотноше-
ние риска/прибыли, ДОХ — доходность в процентах годовых, $СДЕЛ —
прибыль или убыток от средней сделки).


Виды пробоев

В выборке данных, использованной для оптимизации (1985— 1995), наи-
лучшим образом работали системы на пробое волатильности. Пробои
ММ/ММ показали средние результаты, а пробои цен закрытия работали
хуже всего; это отмечалось при использовании всех трех видов приказов.
Вне пределов выборки (1995— 1998) модели на пробое ММ/ММ продол-
жали работать несколько лучше, чем пробои цен закрытия, но модели на
пробое волатильности работали гораздо хуже. По описанным ранее при-
чинам объяснить ухудшение показателей систем, основанных на волатиль-
ности, в последние годы только оптимизацией нельзя — возможно, это
произошло из-за популярности метода в недавнем прошлом. Впрочем, в
последние годы даже лучшие из моделей, основанных на пробое, работа-
ют плохо.
При разбивке по моделям на графиках изменения капитала наблюда-
ются три ярко выраженных периода. С августа 1985 г. по июнь 1988 г. все
модели были почти одинаково прибыльны. С июня 1988 г. по июль 1994 г.
модели на пробоях цен закрытия и ММ/ММ практически не приносили
прибыли. Модель пробоя волатильности резко улучшила свои показате-
ли в августе 1992 г. — июле 1994 г. С июля 1994 г. по декабрь 1998 г. модели
на ММ/ММ и ценах закрытия работали с некоторым убытком, причем
некоторое преимущество было у моделей пробоев ММ/ММ. Капитал мо-
делей, основанных на пробоях волатильности, за этот период значитель-
но снизился.


Приказы для входа в рынок

Как в пределах выборки, так и вне ее на всех моделях наилучшим обра-
зом работал лимитный приказ. Рыночные приказы и стоп-приказы были
малоэффективны. Преимущества лимитного приказа, несомненно, свя-
заны с тем, что он обеспечивает вхождение в рынок по более выгодной
цене. В тестах 1 и 2 видно колоссальное влияние входов по неоптималь-
ной цене и расходов на сделки (комиссия и проскальзывание). Как ни
странно, лимитный приказ хорошо работал с методиками следования за
трендом, к которым относятся модели пробоя. Можно было бы ожидать,
что многие хорошие тренды будут пропущены при ожидании входа с по-
127
МОДЕЛИ, ОСНОВАННЫЕ НА ПРОБОЯХ
ГЛАВА 5




Таблица 5—3. Сравнительный обзор результатов входов,
основанных на пробоях

В пределах выборки Вне пределов выборки

Рыночный
Рыночный Лимитный Стоп- Лимитный Стоп-
вход вход вход
вход вход вход

-0,02 -0,33
0,54 -0,14
Р/ПРИБ
Пробой канала
-13,5
ДОХ 32,6 -10,0
-1,1
по ценам
-60 -671
1066 -299
закрытия $СДЕЛ

0,04 -0,41 -0,01 -0,44
0,66 0,22
Р/ПРИБ
Пробой
1,2 -15,9 -2,1 -15,5
36,3 8,7
ДОХ
ММ/ММ
82 -912 -72 -798
1558 430
$СДЕЛ

-1,20
0,51 -0,58 -1,74
0,96 0,28
Р/ПРИБ
Пробой
27,4 -20,5 -16,9 -22,7
48,3 1,
16

<< Пред. стр.

стр. 15
(общее количество: 46)

ОГЛАВЛЕНИЕ

След. стр. >>