การย้าย ค่าเฉลี่ย trading ระบบ backtesting

Moving Average Crossover Strategy ในหน้านี้ Id ต้องการนำคุณไปสู่การเปรียบเทียบระบบครอสโอเวอร์แบบเคลื่อนที่ 2 แบบ หนึ่งใช้สองเฉลี่ยเคลื่อนที่ง่าย (smas) และอื่น ๆ ใช้สาม smas เคยคิดเกี่ยวกับการใช้ระบบค่าเฉลี่ยเคลื่อนที่สองครั้งหากคุณกำลังพิจารณาการใช้ไขว้ถอยข้ามคู่กับทั้งการเข้าและออกจากธุรกิจการค้าคุณอาจลองทดสอบระบบ MA สามครั้งด้วย เปรียบเทียบพวกเขาเคียงข้างกับหุ้นที่แตกต่างกันหรือตราสารการค้าอื่น ๆ เช่นเดียวกับช่วงเวลาที่แตกต่างกันหรือกรอบเวลา ทดสอบระยะเวลาการเคลื่อนที่เฉลี่ยที่แตกต่างกัน แต่ระวังไม่ให้พึ่งพาผลลัพธ์ที่ดีที่สุดหรือเหมาะสมกับเส้นโค้ง แต่เนื่องจากบางส่วนของผู้เข้าชมของฉันไม่ทราบว่าสิ่งนี้คืออะไรให้ไปกว่าพื้นฐานบางอย่างแรก ภาพที่อยู่ด้านขวาคือตัวอย่างของ Crossover แบบโรนี่ร์ไพรเวทครอสโอเวอร์แบบ Dual Movement ที่จะเริ่มต้นสัญญาณการซื้อ (Crossover รั้น) ค่าเฉลี่ยเคลื่อนที่เร็วขึ้น (8 sma - blue) ข้ามค่าเฉลี่ยที่ช้ากว่า (13 ซม. - สีเหลือง) สังเกตว่าสัญญาณไม่ได้รับการยืนยันจนกว่าจะปิดบาร์ ซึ่งหมายความว่ารายการจริง (ในการซื้อขายสด) จะอยู่ที่ไหนสักแห่งในแถบถัดไป น่าจะใกล้เปิดบาร์นั้น หากคุณยังไม่ได้ทำแบบทดสอบย้อนหลังระบบแบบง่ายๆนี้อาจเป็นหนึ่งในระบบทดสอบแรกที่คุณต้องทดสอบเนื่องจากต้องใช้ทักษะการเขียนโปรแกรมเพียงเล็กน้อย อย่างไรก็ตามหากคุณลงเส้นทางนี้คุณจะพบว่าราคาเปิดของแถบถัดไปหลังจากข้ามเป็นที่ซอฟต์แวร์ backtesting (ขึ้นอยู่กับการตั้งค่า) จะวางธุรกิจการค้าแบบจำลอง ซึ่งมีความสมเหตุสมผลเนื่องจากหากคุณใช้ซอฟต์แวร์เทรดอัตโนมัติแบบอัตโนมัติ นี่คือการประมาณใกล้เคียงกับที่การค้าของคุณจะเกิดขึ้น ด้วยระบบย้อนกลับแบบทั่วไปรายการที่ยาวนี้จะไม่สามารถออกได้จนกว่าสีฟ้าและเร็วกว่า MA จะข้ามไปด้านล่างสีเหลืองและช้าลง เครื่องหมายการครอสโอเวอร์ไขว้ MA ไม่เพียง แต่ออกจากการซื้อขาย แต่เริ่มต้นการซื้อขายระยะสั้นในทิศทางตรงกันข้ามเช่นกัน ดังนั้นด้วยระบบครอสโอเวอร์แบบไขว้แบบคู่ผู้ค้าจึงต้องค้าขายกันมานานหรือสั้น ลองมาดูตัวอย่างภายในวันที่ผ่านมา ควรใช้แผนภูมิ SPY 5 นาทีกับค่าเฉลี่ยเคลื่อนที่สองค่าสำหรับตัวอย่างแรก: Fast (8 sma - green) และ Slow (13 sma - yellow) ฉันเลือกวันนี้โดยเฉพาะเพราะฉันต้องการแสดงให้เห็นถึงลักษณะทั่วไปของกลยุทธ์ครอสโอเวอร์เฉลี่ยที่เคลื่อนที่ได้จริง การค้าที่ยาวนานครั้งแรกหลังจากเวลา 11:00 น. เป็นไปได้ดีมากและได้รับการคัดแยกที่ดี ทางออกที่ประมาณ 12:45 เป็นผลกำไร แต่ต้องการให้ Id เหมือนกับที่คุณสังเกตเห็นคือการดำเนินการราคาที่เปลี่ยนแปลงเร็วระหว่างเวลา 12:00 น. - 3:00 น. นี่คือที่ระบบ MA คู่สามารถจริงๆบดกำไรของคุณลง MAs whipsaw ไปมาเป็นสาเหตุสามขาดทุนในแถวอาจระเหยกำไรจากการค้าครั้งแรก หากมีการซื้อขายวิธีนี้ในวันนี้โชคดีที่พวกเขาเห็นการซื้อขายที่ดียิ่งขึ้นเมื่อเวลา 2:30 น. ส่วนที่ดีของระบบนี้จะปรากฏในการซื้อขายครั้งแรกและการซื้อขายครั้งสุดท้าย ขณะที่ค่าเฉลี่ยไขว้เฉลี่ยล้มเหลวอย่างน่าสังเวชระหว่างการดำเนินการราคาที่ผันผวนพวกเขาทำงานได้ดีในระหว่างการดำเนินการด้านราคาที่มีแนวโน้ม หากคุณทำข้อมูลย้อนหลังของระบบหยุดและย้อนกลับแบบง่ายๆเหล่านี้และตรวจสอบผลการค้นหาที่มีกำไรคุณอาจพบว่าผู้ชนะน้อยกว่า 50 แต่ผู้ชนะโดยเฉลี่ยจะมีขนาดใหญ่กว่าผู้แพ้เฉลี่ย เพราะระบบครอสโอเวอร์แบบเคลื่อนเฉลี่ยเป็นระบบการซื้อขายแบบเทรนด์ และเทรนด์ระบบการซื้อขายมักมีลักษณะของเปอร์เซ็นต์ของผู้ชนะและ ave. win ที่ดีในอัตรา ave. loss ในแผนภูมิด้านล่าง L Long, S Short และ Ex Exit TRIPLE MOVING AVERAGE CROSSOVER จนถึงการอภิปรายมีศูนย์กลางอยู่รอบ ๆ ระบบหยุดการทำงานแบบย้อนกลับซึ่งสัญญาณสำหรับออกยังก่อให้เกิดการค้าขายในทิศทางตรงกันข้าม แต่ถ้าเราแนะนำค่าเฉลี่ยเคลื่อนที่ที่สามให้กับระบบจะมีระยะเวลาเป็นกลาง กล่าวคือไม่มีการค้าเกิดขึ้น - คุณเป็นเงินสด ตัวอย่างเช่นกำลังจะใช้แผนภูมิ 3 นาทีและค่าเฉลี่ยเคลื่อนที่สามแบบคือ 4 sma, 10 sma และ 50 sma กฎง่ายมาก ถ้าเส้นช้า (50 sma) เพิ่มขึ้นและเส้นที่รวดเร็ว (4 sma) ข้ามเส้นกึ่งกลาง (10 sma) จะมีสัญญาณซื้อ สัญญาณออกมาเมื่อสายเร็วข้ามด้านล่างตรงกลาง กฎเป็นสิ่งที่ตรงกันข้ามกับรายการสั้น ๆ มันง่ายที่จะเห็นว่าระบบนี้จะคล้ายกับการค้าออกแนวโน้มของกรอบเวลาที่สูงขึ้น ทางเลือกหนึ่งของระบบนี้คือใช้เวลานานในการรับรายการทั้งที่ค่าเฉลี่ยเคลื่อนที่เร็วและค่าเฉลี่ยอยู่เหนือ sma ที่ช้า โปรดทราบว่าเมื่อคุณจัดการกับสามองศาอิสระ (3 ตัวแปร) แทนที่จะเป็นสองตัวอย่างข้างต้นคุณจะทำให้ระบบมีความซับซ้อนมากขึ้นและสร้างชุดค่าผสมที่เป็นไปได้มากขึ้นเพื่อทดสอบ แน่นอนว่าซอฟต์แวร์ backtesting ทำให้การทำงานง่ายขึ้น แต่โปรดจำไว้ว่าการเพิ่มตัวกรองและความซับซ้อนไม่ได้ทำให้ระบบดีขึ้นเสมอไป บ่อยๆระบบที่เรียบง่ายสามารถทำงานได้ดีขึ้นภายใต้การทดสอบ ตัวอย่างด้านล่าง หากคุณสนใจในการย้ายค่าเฉลี่ยคุณอาจต้องการดูหน้าเว็บเกี่ยวกับวิธีใช้ค่าเฉลี่ยเคลื่อนที่ในฐานะที่เป็นจุดสิ้นสุดต่อท้ายวิธีการวิเคราะห์ข้อมูล MACD โดยใช้ Excel Ebook Course 8211 วิธีการทดสอบกลยุทธ์การซื้อขายโดยใช้ Excel ที่คุณต้องการ เพื่อปรับปรุงทักษะการค้าและผลกำไรของคุณฉันมีหลักสูตรใหม่ผ่านทาง Amazon Kindle Store หลักสูตรจะแสดงวิธีการเขียนโปรแกรม Excel แบบวัดประสิทธิภาพของคุณเอง การสร้างแบบจำลองการทำข้อสอบแบบสองด้าน (Backtest Model) วิดีโอสองส่วนเกี่ยวกับวิธีการทำ backtest กลยุทธ์การซื้อขาย MACD โดยใช้ Excel การสร้างสเปรดชีตเพื่อทำ backtest กลยุทธ์การซื้อขายอาจใช้เวลาสักเล็กน้อยขึ้นอยู่กับความซับซ้อน อย่างไรก็ตามเมื่อสร้างสเปรดชีตแล้วสามารถเปลี่ยนแปลงได้โดยง่ายเพื่อทดสอบกลยุทธ์การซื้อขายประเภทต่างๆ ในวิดีโอเหล่านี้ฉันได้ใช้ฟังก์ชัน IF ที่ซ้อนกันจำนวนหนึ่งเพื่อลดจำนวนคอลัมน์ เมื่อคุณสร้างแบบจำลองสเปรดชีตเป็นครั้งแรกคุณควรใช้คอลัมน์ที่แยกจากกันสำหรับแต่ละคำสั่ง IF โดยการแยกงบ IF จะง่ายขึ้นจุดผิดพลาดและทำงานผ่านตรรกะของกลยุทธ์การซื้อขาย ซื้อขายโดยใช้ตัวบ่งชี้ MACD ตัวฉันเองชอบตัวบ่งชี้ MACD ในช่วงเวลาที่ใหญ่กว่า 8211 โดยเฉพาะแผนภูมิรายวันและรายสัปดาห์ MACD ไม่พยายามเลือกส่วนบนหรือด้านล่างของตลาด แต่มักพบจุดเริ่มต้นของการค้าที่ดีในทิศทางของแนวโน้ม คุณสามารถปรับค่าพารามิเตอร์ของตัวบ่งชี้โดยใช้สเปรดชีตในวิดีโอได้ง่าย ในวิดีโอนี้ฉันใช้ MACD เป็นของตัวเอง แต่สามารถรวมกับตัวบ่งชี้อื่น ๆ เช่นค่าเฉลี่ยเคลื่อนที่ สูตรที่ใช้ในราคารายการวิดีโอ IF (รายการทางการค้า 8221trade8221 ปิด prev เซลล์) Take Profit IF (รายการทางการค้า 8221trade8221 ปิด (atrTP factor) เซลล์ prev) Stop Loss IF (รายการทางการค้า 8221trade8221 close - (atrSL factor) prev เซลล์) กำไรกำไรการค้า PTquant prev ระยะเวลาการสูญเสียการค้าสูญเสีย SLcapital prev รอบระยะเวลาการค้าการเรียกใช้ IF (OR (รายการทางการค้า column8221trade8221 เซลล์ prev 1), ถ้า (กำไร highlttake, ถ้า (lowgtstop ขาดทุน, 0, 0), 0) ทุน IF (การค้าก่อนหน้าช่วงที่ 1, IF (กำไร highgttake, prev กำไรทางการค้ามือถือ, IF (ขาดทุน lowltstop, สูญเสียการสูญเสียเซลล์ก่อนการสูญเสีย prev เซลล์)), prev เซลล์) แบบโรลโอเวอร์โรลโอเวอร์ IF (การค้าทำงาน prev period1, ((รายการ (กำไรก่อนกำหนด)) กำไรจากการค้าที่มีกำไร, 0) ธุรกิจทุนระยะก่อนช่วงเวลาเบิกเงินกู้ 1- (ทุนจดทะเบียน (ทุน) ระยะเวลาก่อนหน้า (capital prev period: ทุนครั้งแรก) แบ่งปันนี้: Backtesting Moving Average Crossover Python with pandas ในบทความก่อนหน้านี้เกี่ยวกับ Research Backtesting Environments ใน Python ด้วย Pandas ที่เราสร้างขึ้น สภาพแวดล้อมการวิจัย backtesting เชิงวัตถุและทดสอบด้วยกลยุทธ์การคาดการณ์แบบสุ่ม ในบทความนี้เราจะใช้ประโยชน์จากเครื่องจักรที่เรานำมาใช้เพื่อดำเนินการวิจัยเกี่ยวกับกลยุทธ์ที่แท้จริง ได้แก่ Crossover Moving Average ใน AAPL Moving Average Crossover Strategy เทคนิค Moving Average Crossover เป็นกลยุทธ์โมเมนตัมที่เป็นที่รู้จักอย่างมาก ถือเป็นตัวอย่างของ Hello World สำหรับการซื้อขายเชิงปริมาณ กลยุทธ์ที่ระบุไว้ในที่นี้มีมานานแล้ว มีการสร้างตัวกรองแบบเคลื่อนที่เฉลี่ย 2 ตัวแยกกันโดยมีช่วงเวลามองย้อนกลับที่แตกต่างกันของชุดเวลาหนึ่ง ๆ สัญญาณที่จะซื้อสินทรัพย์เกิดขึ้นเมื่อค่าเฉลี่ยเคลื่อนที่แบบย้อนกลับที่สั้นกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวนานกว่า หากค่าเฉลี่ยยาวนานเกินกว่าค่าเฉลี่ยที่สั้นลงสินทรัพย์จะถูกขายคืน กลยุทธ์ทำงานได้ดีเมื่อชุดข้อมูลในช่วงเวลาเข้าสู่ช่วงที่มีแนวโน้มที่แข็งแกร่งและจากนั้นจะกลับทิศทางอย่างช้าๆ สำหรับตัวอย่างนี้ฉันได้เลือก Apple, Inc. (AAPL) เป็นชุดข้อมูลระยะเวลาโดยมองย้อนกลับไปในระยะสั้น 100 วันและย้อนกลับยาวนาน 400 วัน นี่คือตัวอย่างที่จัดทำโดยไลบรารีการค้าอัลกอริธึม zipline ดังนั้นถ้าเราต้องการที่จะใช้ backtester ของเราเองเราจำเป็นต้องให้แน่ใจว่ามันตรงกับผลลัพธ์ใน zipline เป็นวิธีพื้นฐานของการตรวจสอบ การติดตั้งอย่าลืมทำตามคำแนะนำก่อนหน้านี้ที่นี่ ซึ่งอธิบายว่าลำดับชั้นของวัตถุเริ่มต้นสำหรับ backtester ถูกสร้างขึ้นมิฉะนั้นโค้ดด้านล่างจะไม่ทำงาน สำหรับการใช้งานนี้ฉันได้ใช้ไลบรารีต่อไปนี้: การใช้งาน macross. py ต้องใช้ backtest. py จากบทแนะนำก่อนหน้านี้ ขั้นตอนแรกคือการนำเข้าโมดูลและออบเจ็กต์ที่จำเป็นเช่นในบทแนะนำก่อนหน้านี้เราจะจัดชั้นเรียนย่อยชั้นกลยุทธ์เพื่อสร้าง MovingAverageCrossStrategy ซึ่งมีรายละเอียดทั้งหมดเกี่ยวกับวิธีสร้างสัญญาณเมื่อค่าเฉลี่ยเคลื่อนที่ของ AAPL ข้ามกันและกัน วัตถุต้องมี shortwindow และ longwindow ที่จะใช้งาน ค่าได้รับการตั้งค่าเป็นค่าเริ่มต้นเป็น 100 วันและ 400 วันตามลำดับซึ่งเป็นพารามิเตอร์เดียวกับที่ใช้ในตัวอย่างหลักของ zipline ค่าเฉลี่ยเคลื่อนที่จะถูกสร้างขึ้นโดยใช้ฟังก์ชัน rollingmean ของแพนด้าบนแท่งปิดราคาปิดของสต็อก AAPL เมื่อสร้างค่าเฉลี่ยเฉพาะแต่ละซีรี่ส์สัญญาณจะถูกสร้างขึ้นโดยการตั้งค่าศูนย์ให้เท่ากับ 1.0 เมื่อค่าเฉลี่ยเคลื่อนที่สั้นมากกว่าค่าเฉลี่ยเคลื่อนที่ที่ยาวหรือ 0.0 มิลลิวินาที จากนี้คำสั่งตำแหน่งสามารถสร้างขึ้นเพื่อแสดงสัญญาณการซื้อขายได้ MarketOnClosePortfolio ถูกแบ่งย่อยจาก Portfolio ซึ่งพบได้ใน backtest. py เกือบจะเหมือนกันกับการดำเนินการที่อธิบายไว้ในกวดวิชาก่อนหน้านี้โดยมีข้อยกเว้นว่าขณะนี้ธุรกิจการค้าดำเนินการบนพื้นฐาน Close-to-Close แทนที่จะเป็นแบบ Open-to-Open สำหรับรายละเอียดเกี่ยวกับวิธีกำหนดเป้าหมาย Portfolio ให้ดูบทแนะนำก่อนหน้านี้ Ive ซ้ายรหัสเพื่อความสมบูรณ์และเพื่อให้กวดวิชานี้มีอยู่ด้วยตนเอง: ตอนนี้ที่มีการกำหนดคลาส MovingAverageCrossStrategy และ MarketOnClosePortfolio แล้วฟังก์ชันหลักจะถูกเรียกให้ผูกฟังก์ชันการทำงานทั้งหมดเข้าด้วยกัน นอกจากนี้ประสิทธิภาพของกลยุทธ์จะถูกตรวจสอบผ่านพล็อตของเส้นโค้งส่วนได้เสีย ออบเจ็กต์ DataReader ของแพนด้าดาวน์โหลดราคา OHLCV ของสต็อค AAPL สำหรับช่วงตั้งแต่ 1 ม. ค. 1990 ถึง 1 มกราคม 2002 ณ จุดนี้จะสร้างสัญญาณ DataFrame เพื่อสร้างสัญญาณแบบยาวเท่านั้น ต่อจากนั้นจะมีการสร้างพอร์ตการลงทุนโดยมีฐานเงินทุนเริ่มแรก 100,000 เหรียญสหรัฐและผลตอบแทนจะคำนวณจากส่วนของส่วนของผู้ถือหุ้น ขั้นตอนสุดท้ายคือการใช้ matplotlib เพื่อวางแผนพล็อตสองตัวเลขของทั้งสองราคา AAPL ซ้อนทับกับค่าเฉลี่ยเคลื่อนที่และสัญญาณ buysell รวมทั้งเส้นโค้งส่วนที่มีสัญญาณ buysell เดียวกัน รหัสวางแผนถูกนำมา (และแก้ไข) จากตัวอย่างการใช้ zipline ผลลัพธ์แบบกราฟิกของโค้ดมีดังนี้ ฉันใช้คำสั่งวาง IPython เพื่อใส่ข้อมูลนี้ลงในคอนโซล IPython โดยตรงใน Ubuntu เพื่อให้เอาต์พุตแบบกราฟิกอยู่ในมุมมอง การปรับขึ้นค่าสีชมพูหมายถึงการซื้อหุ้นในขณะที่ downticks สีดำเป็นตัวแทนขายมันกลับมา: ตามที่สามารถเห็นได้กลยุทธ์สูญเสียเงินในช่วงที่มีห้าธุรกิจการท่องเที่ยวรอบ นี้ไม่น่าแปลกใจที่ได้รับพฤติกรรมของ AAPL ในช่วงเวลาซึ่งอยู่ในแนวโน้มลดลงเล็กน้อยตามด้วยการเริ่มต้นขึ้นอย่างมากจุดเริ่มต้นในปี 1998 ระยะเวลา lookback ของสัญญาณเฉลี่ยเคลื่อนไหวค่อนข้างใหญ่และส่งผลกระทบต่อกำไรของการค้าขั้นสุดท้าย ซึ่งอาจทำให้กลยุทธ์มีกำไร ในบทความต่อ ๆ ไปเราจะสร้างวิธีการวิเคราะห์ประสิทธิภาพที่ซับซ้อนขึ้นและอธิบายถึงวิธีเพิ่มระยะเวลาการมองย้อนกลับของแต่ละค่าเฉลี่ยที่เคลื่อนที่ได้ การเริ่มต้นการซื้อขายเชิงปริมาณการทดสอบย้อนกลับการคำนวณค่าเฉลี่ยเคลื่อนที่ทำไมต้องเคลื่อนที่โดยเฉลี่ยในฐานะที่เป็นผู้ประกอบการรายย่อยหรือนักลงทุนเหตุผลเดียวในการตรวจสอบค่าเฉลี่ยเคลื่อนที่คือการได้รับความรู้เพื่อเพิ่มผลกำไร เช่นเดียวกับตัวชี้วัดทางเทคนิคอื่น ๆ ค่าเฉลี่ยเคลื่อนที่จะช่วยให้เราสามารถบอกสถานะการตลาดได้ในเวลาใดก็ตาม ซึ่งจะช่วยให้เราเห็นถึงอารมณ์ของวันและตัดสินใจอย่างมีเหตุผลซึ่งเราจะบอกว่าจะนำไปสู่ผลกำไรที่มากขึ้นและหรือความสูญเสียน้อยลงในระยะยาว ค่าเฉลี่ยเคลื่อนที่ (MAs) ให้ผลเป็นชุดของราคาหุ้น MAs มักใช้เพื่อระบุแนวโน้มของทิศทางตลาดและจัดเป็นตัวบ่งชี้แนวโน้มตาม นี้ doesn8217t หมายความว่า MAs เฉพาะสำหรับนักลงทุนระยะยาว 8211 ผู้ค้าระยะสั้นใช้พวกเขายัง ค่าเฉลี่ยเคลื่อนที่สามารถใช้เพื่อกำหนดราคาหุ้นสำหรับผู้สมัครที่ดีโอกาสในการซื้อสัญญาณและเสนอขายสัญญาณ ทำไมต้อง Backtest 8211 เรื่องเล่าเป้าหมายของการทดสอบย้อนหลังคือการหาว่าค่าเฉลี่ยเคลื่อนที่ที่แท้จริงจะนำไปสู่ผลลัพธ์ที่ดีขึ้นและวิธีที่มีแนวโน้มมากที่สุดในการใช้ MAs ได้อย่างไร ให้ฉันบอกเรื่องสั้น ขณะที่ฉันกำลังรวบรวมผลลัพธ์สำหรับรายงาน BackTesting Report ที่มีการเคลื่อนไหวผิดพลาดฉันเคยไปเยี่ยมเพื่อน ที่บ้านของเธอฉันเข้ามาอ่านเนื้อหาในการอ่านหนังสือจากโบรกเกอร์หุ้นส่วนลดที่มีชื่อเสียงเป็นอย่างดี ในบทความนี้เป็นบทความที่ให้คำปรึกษาแก่ลูกค้าในการใช้ความยาวเฉลี่ยโดยเฉลี่ยที่มีการเคลื่อนไหวในลักษณะใดวิธีหนึ่งเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ฉันมีการทดสอบครบถ้วนตรงต่อหน้าฉันและฉันสามารถบอกได้ว่าวิธีการ broker8217s ไม่ได้ผลลัพธ์ที่ดีที่สุดแม้ว่าพวกเขาจะกล่าวถึงความยาว MA ที่เป็นประโยชน์ในรูปแบบอื่น ๆ ฉันได้ในผลการทดสอบของฉันที่แสดงให้เห็นว่าวิธีการที่โบรกเกอร์ใช้ค่าเฉลี่ยเคลื่อนที่มีอัตราชนะเลวร้ายยิ่งกว่าพื้นฐานเมื่อทดสอบบน 7147 หุ้นมากกว่า 14 ปีของข้อมูลการลงทุนในตลาดหุ้น เห็นได้ชัดว่าโบรกเกอร์ไม่ได้ใช้งานการทดสอบประเภทนี้ It8217s ขึ้นอยู่กับลูกค้า 8211 เรา 8211 เพื่อปกป้องตัวเองและหาสิ่งที่ได้ผลดีกับสิ่งที่ doesn8217t วิธีการคำนวณ MAs เมื่อ backtesting moving averages การตัดสินใจครั้งแรกคือวิธีคำนวณค่าเฉลี่ยเคลื่อนที่ คุณต้องการค่าเฉลี่ยเคลื่อนที่แบบธรรมดา (SMA) หรือบางส่วนที่ออกแบบมาเพื่อติดตามราคาดีกว่าเช่นค่าเฉลี่ยเคลื่อนที่แบบเสวนา (EMA) คุณอาจพิจารณาการทดลองเพื่อเปรียบเทียบอัตราการชนะของสองค่าเฉลี่ยที่ต่างกัน ฉันได้เพียงว่าสองปีที่ผ่านมาและในขณะที่ฉัน don8217t มีผลการเผยแพร่ฉันมากับความคิดที่ว่า didn8217t สร้างความแตกต่างใหญ่ว่าฉันเลือก SMA หรือ EMA 8212 เพียงเลือกหนึ่งและใช้อย่างสม่ำเสมอ ดังนั้นสำหรับโครงการนี้ฉันเลือกที่จะใช้ค่าเฉลี่ยเคลื่อนที่แบบง่ายๆเพราะฉันเห็นพวกเขากล่าวถึงในความเห็นบ่อยที่สุด ในการคำนวณได้จริงฉันอาศัยฟังก์ชัน built-in ที่มาพร้อมกับ TradeStation (การเลือกเครื่องมือ backtesting คือการตัดสินใจซึ่งเป็นเรื่องทั่วไปพอที่จะเขียนเกี่ยวกับโพสต์อื่น ๆ ) วิธีการใช้ MAs ถัดไปคุณต้องตรึงว่าคุณต้องการใช้ค่าเฉลี่ยเคลื่อนที่อย่างไร คุณจะตีความความสัมพันธ์ระหว่างราคากับค่าเฉลี่ยที่เคลื่อนที่ได้อย่างไรคุณจะใช้กฎอะไรในการตัดสินใจว่าจะซื้อและขายเมื่อใดคุณ don8217t ต้องอ่านนาน ๆ เกี่ยวกับหุ้นก่อนที่จะข้ามการอ้างอิงที่รั้นไปยังการซื้อขายหุ้นที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันหรือ ค่าเฉลี่ยเคลื่อนที่ 50 วันหรือแม้แต่ MA 10 หรือ 20 วัน หรือคำแนะนำเกี่ยวกับการซื้อหุ้นเมื่อข้ามค่าเฉลี่ยเคลื่อนที่ของ 50 วันหรือ 200 วัน กฎเหล่านี้เป็นกฎสำคัญในการทดสอบในเครื่องมือทดสอบย้อนหลัง และจากนั้นมีการครอสโอเวอร์เฉลี่ยเคลื่อนที่ 8211 เป็นวิธีการวิเคราะห์ทางเทคนิคแบบคลาสสิก ที่ทำให้สามวิธีที่แตกต่างของการใช้ค่าเฉลี่ยเคลื่อนที่ในการทดสอบ การพูดในเชิงลึกมากขึ้นบางข้อความการซื้อขายพูดคุยเกี่ยวกับความลาดชันของค่าเฉลี่ยเคลื่อนที่ ถ้าคุณกลับไปพีชคณิตและพิจารณา MA เป็นเส้นเพื่อค้นหาความชันคุณจะเลือกสองจุดบนเส้นและใช้สูตรตามปกติ ((x2-x1) (y2-y1)) นี้จะนำขึ้นคำถามของวิธีการที่ห่างกันเพื่อเลือกสองจุดที่สามารถสร้างความแตกต่างให้ผลลัพธ์ จริงๆแล้วตั้งแต่มีการใช้ MA ในการระบุแนวโน้มเราก็แค่ต้องการทราบว่ามีการปรับขึ้นหรือลง จากนั้นเราสามารถลดความซับซ้อนของการคำนวณทั้งหมดโดยสังเกตว่าหากราคาสูงกว่าค่าเฉลี่ยเคลื่อนที่จะต้องดึงค่าเฉลี่ยขึ้นและราคาที่ต่ำกว่า MA จะดึงลง ดังนั้นอีกเหตุผลหนึ่งที่จะทดสอบประสิทธิภาพของราคาที่สูงกว่าค่าเฉลี่ยเคลื่อนที่ การตั้งค่าพารามิเตอร์เมื่อคุณตัดสินใจใช้ MAs แล้วคุณจะต้องเลือกช่วงความยาวต่างๆเพื่อทดสอบ ระวังการเพิ่มประสิทธิภาพมากเกินไป บางแห่งมีผู้ชายคนหนึ่งที่มีผลการทำ backtesting แสดงการได้รับ 3895 หรืออะไรก็ตามโดยใช้ค่าเฉลี่ยเคลื่อนที่ที่เหมาะสม น่าเสียดายที่เขาไม่ทราบว่า MA จะทำผลลัพธ์เหล่านี้ในอนาคตได้อย่างไร ที่กล่าวว่าคุณต้องลองมากกว่าหนึ่งความยาวเพื่อให้แน่ใจว่าผลของคุณ aren8217t พยาธิ ติดกับการตั้งค่าเริ่มต้นหรือสิ่งที่คุณได้ยินเกี่ยวกับส่วนใหญ่ในสื่อ การค้นหาการตั้งค่าพารามิเตอร์ที่สมบูรณ์แบบหนึ่งจะไม่ทำให้คุณรวย การค้นหากลุ่มของการตั้งค่าที่ดีและมีประสิทธิภาพอาจทำให้คุณได้รับประโยชน์ที่ดี เป็นเรื่องจริงเมื่อ backtesting ให้ข้อมูลเพียงพอก่อนที่จะวัดความเข้ม การทดสอบทั้งหมดจะต้องเริ่มต้นการวัดในที่เดียวกันสำหรับการเปรียบเทียบระหว่างแอปเปิ้ลกับแอปเปิ้ลระหว่างความยาวของ MA ที่แตกต่างกัน ตัวอย่างเช่นหากคุณกำลังทดสอบค่าเฉลี่ยเคลื่อนที่ 200 วันจะใช้ข้อมูล 200 วันแรกในการคำนวณจุดแรกของค่าเฉลี่ยเคลื่อนที่ดังกล่าว นั่นหมายความว่าวันแรกที่คุณอาจมีสัญญาณอยู่ 200 วันในชุดข้อมูล เพื่อให้การเปรียบเทียบที่เป็นธรรมกับสมมติว่าค่าเฉลี่ยเคลื่อนที่ 10 วันคุณต้องตรวจสอบให้แน่ใจว่าจะไม่นับสัญญาณใด ๆ จากค่าเฉลี่ยเคลื่อนที่ 10 วันก่อนที่ 200 วันจะพร้อมใช้งาน โชคดีที่ TradeStation มีวิธีตั้งค่าจำนวน 8220 บาร์ที่มากที่สุดของการศึกษาจะอ้างถึง 82221 8220Properties สำหรับกลยุทธ์ All8221 ที่บังคับให้เครื่องมือ backtesting รอให้นานก่อนที่จะทำเป็นตารางข้อมูล มีกำไรมากขึ้นจากการซื้อหรือขายกฎการเคลื่อนไหวโดยเฉลี่ยและโดยเฉพาะอย่างยิ่งกฎครอสโอเวอร์เฉลี่ยเคลื่อนที่มักถูกกล่าวถึงเป็นระบบการกลับรายการ ซึ่งหมายความว่าหนึ่งสัญญาณกล่าว MAs ข้ามขึ้นไปเป็นสัญญาณซื้อและจากนั้นตรงข้ามกล่าวว่าสาย MA ข้ามลงไม่ได้เป็นเพียงสัญญาณขาย แต่ยังเรียกไปสั้น ในทางทฤษฎี that8217s ดี แต่หลายคนไม่สนใจในการลัดตลาด พวกเขากำลังมองหาเทคนิคเพื่อช่วยให้พวกเขาซื้อและอาจขาย แม้แต่คนที่ขายและขายเป็นประจำก็อาจใช้เทคนิคต่าง ๆ ในการซื้อและขาย ด้วยเหตุผลเหล่านี้ it8217s ฉลาดที่จะทดสอบสัญญาณซื้อแยกต่างหากจากสัญญาณการขาย ปัญหานี้ทำให้เกิดปัญหาขึ้นเนื่องจากไม่สามารถประเมินสัญญาณซื้อได้อย่างอิสระ วิธีหนึ่งในการทำเช่นนี้คือการใช้การออกจากระบบที่หมดเวลา 8211 นั่นคือออกจากการซื้อขายหรือขายหุ้นหลังหมดเวลาที่กำหนด ฉันเลือกที่จะเรียกใช้ชุดทดสอบแต่ละครั้งสามครั้งโดยมีเวลาที่แตกต่างกันสามครั้งเนื่องจากคนอื่นมีสไตล์และความต้องการแตกต่างกัน เพื่อให้ได้ผลการทำ backtesting ที่เป็นประโยชน์ต่อผู้ค้าที่แกว่งผมจะออกหลังจากผ่านไป 2 วัน เพื่อสร้างแบบจำลองผู้ค้า 20 วัน เพื่อตอบสนองความต้องการของนักลงทุนที่ใช้งานอยู่ backtesting ถือแต่ละตำแหน่งเป็นเวลา 200 วัน นี้จะช่วยให้วิธีการแยกสัญญาณซื้อและหาเพียงวิธีที่มีประโยชน์เฉลี่ยเคลื่อนที่เป็นผู้ซื้อหุ้นของ temperaments ต่างๆ จำเป็นต้องกำหนดความดีอีกสิ่งหนึ่งที่สำคัญมากที่ต้องพิจารณาคือถ้าคุณกำลังทำ backtesting moving moving เพื่อหาว่าพวกเขาทำในตลาดหุ้นได้ดีเพียงใด: คุณจะรู้ได้อย่างไรว่าเป็นสิ่งที่ดีคุณต้องมีเกณฑ์วัตถุประสงค์เพื่อความสำเร็จ นั่นหมายถึงการระบุสถิติที่สำคัญเช่นอัตราการชนะความคาดหวังการเพิ่มทุนแบบสมมุติฐานเป็นต้นนอกจากนี้ยังหมายถึงมาตรฐานการตั้งค่าสำหรับผลการปฏิบัติงานที่ยอมรับได้ในแต่ละพื้นที่ดังกล่าว ตัวอย่างแสดงให้เห็นว่าทำไมถึงเป็นสิ่งสำคัญและทำไมมันไม่ง่ายอย่างที่เห็นในครั้งแรก สมมติว่าการทดสอบของคุณแสดงอัตราชนะ 55 สำหรับตัวบ่งชี้เฉพาะ อาจจะไม่ดีเท่าถ้าพูดว่า 62 หุ้นทั้งหมดขึ้นไปในช่วงเวลาเดียวกัน หรือหากมีเพียง 25 หุ้นที่ปรับตัวเพิ่มขึ้นในช่วงเวลาดังกล่าวอัตราการชนะ 55 รางวัลของคุณก็น่าสนใจ สิ่งที่ดีขึ้นอยู่กับว่าเปรียบเทียบกับประสิทธิภาพของตลาดพื้นฐานภายใต้เงื่อนไขเดียวกัน คุณสามารถดาวน์โหลดสำเนาของรายงานพื้นฐานของ BackTesting ฉบับฟรีได้โดยคลิกที่นี่ สำหรับผลการทดสอบที่มีความหมายคุณต้องมีข้อมูลเพียงพอเพื่อให้การเปรียบเทียบที่มีประสิทธิภาพทางสถิติ อย่างน้อยนั่นหมายความว่า 30 ธุรกิจการค้า แม้ว่าคุณจะซื้อขายเพียงหนึ่งเครื่อง 8211 เพียงหนึ่งหุ้นหรือคู่สกุลเงินเพียงอย่างเดียว 8211 ฉันคิดว่า it8217s สำคัญในการทดสอบกลยุทธ์การซื้อขายของคุณบนเครื่องมือต่างๆเพื่อพิสูจน์ความแข็งแกร่งของ ฉันไปด้านบนมีชุดทดสอบขนาดใหญ่มาก 8212 7147 หุ้นมากกว่า 14 ปี 8212 เพื่อให้แน่ใจว่าผลของฉันจะใช้ในหลากหลายของสภาวะตลาด คุณสามารถรับสำเนารายงานการทำ backtesting ของฉันเกี่ยวกับการย้ายสัญญาณการซื้อเฉลี่ยโดยคลิกที่นี่