Bloomberg Trading System Api Tools 5 0

FX-derivater. Våre FX-futures og opsjoner kombinerer OTC-markedskonvensjoner med beste praksis med åpenhet i valutahandlede derivater. Eurex muliggjør handel med FX-derivater og mer enn 2000 produkter på tvers av ni aktivaklasser på en enkelt plattform. Alle cleared via Eurex Clearing og for FX. Derivater fysisk levert gjennom CLS-systemet kontinuerlig koblet oppgjør. FX Futures og Options er nå fullt integrert i Eurex Clearing Prisma. Vår porteføljebaserte margineringsmetode Eurex Clearing Prisma beregner kombinerte risikoer på alle markeder fjernet av Eurex Clearing og muliggjør kryssmarginering mellom produkter som så vel som på tvers av markeder. Den 12. september 2016 utvidet Eurex sin børsnoterte portefølje FX Futures og Options til å inkludere seks nye valutapar, mens de totale minimumsblokkhandelsstørrelsene er redusert over alle valutaparene for ytterligere å forbedre sikringsmuligheter. Vårt nye tilbud. Utvidelse av seks nye valutapar, som nå dekker 7 av G10-valutaparene. Reduksjon av Block Trade-størrelse til 200 kontrakter for EUR USD og 100 kontrakter for alle andre valutapar. Kode for avgiftsvaluta for FX-produkter med citeringsvaluta GBP eller CHF. Eurex Clearing reduserer motpartsrisiko for hver transaksjon inntil oppgjør er avsluttet. Forenkling og fleksibilitet for å rydde beredskapsprosesser for Clearingmedlemmer, velg en eller flere valutaer for å fjerne. Fullt integrert i Eurex Clearing Prisma, vår porteføljebaserte marginal-tilnærming. Fysisk levering av begge valutaben ved utløpet gjennom multi-valuta oppgjørssystemet. Kontinuerlig koblet oppgjør CLS , for å minimere oppgjørsrisikoen. Den harmoniserte kontraktstørrelsen på 100 000 og tenors opp til tre år gjør det mulig for handelsmenn å effektivt håndtere langsiktig eksponering. Bokhandel via Eurex Trade Entry Services. Høyt konkurransedyktige transaksjonskostnader uten medlemsavgift. Transparent sentral orderbok tilgang til rik data for å legge til rette for handelsbeslutninger. Kvartalsvis og montly-utløp. Gjeldende tr ading timer 8 00-22 00 CET. Research Backtesting Miljøer i Python med pandas. Backtesting er forskningsprosessen med å bruke en trading strategi ide til historiske data for å fastslå tidligere ytelse Spesielt gir en backtester ingen garanti for fremtidens ytelse av strategien De er imidlertid en viktig del av strategipipelineforskningsprosessen, slik at strategier blir filtrert ut før de blir satt i produksjon. I denne artikkelen og de som følger det, vil et grunnleggende objektorientert backtesting system skrevet i Python bli skissert. Dette tidlig Systemet vil primært være et lærerhjelp, som brukes til å demonstrere de forskjellige komponentene i et backtesting system. Når vi går gjennom artiklene, vil mer sofistikert funksjonalitet bli lagt til. Bakkestesting Oversikt. Prosessen med å designe et robust backtesting system er ekstremt vanskelig. Effektivt simulerer alle komponentene som påvirker ytelsen til et algoritmisk handelssystem er challe Nøkkelen Dårlig dataporularitet, uaktsomhet av ordrereduksjon hos megler, ordreforsinkelse og en myriade av andre faktorer konspirerer for å forandre den virkelige ytelsen til en strategi versus den tilbakeprøvde ytelsen. Når du utvikler et backtesting system, er det fristende å kontinuerlig omskrive det fra skrape som flere faktorer er funnet å være avgjørende for å vurdere ytelsen. Ingen backtesting system er noen gang ferdig, og en vurdering må gjøres på et tidspunkt under utvikling at nok faktorer er blitt tatt av systemet. Med disse bekymringene i bakhodet vil backtesteren presentert her være noe forenklet Når vi undersøker ytterligere spørsmål om porteføljeoptimalisering, vil risikostyring, transaksjonskostnader som håndterer backtesteren, bli robustere. Typer av Backtesting Systems. Det er generelt to typer backtesting system som vil være av interesse. Den første er forskningsbasert som brukes primært i de tidlige stadier, hvor mange strategier vil bli testet for å velge dem for mer seriøs vurdering T Disse undersøkelsessystemene er ofte skrevet i Python, R eller MatLab, da utviklingshastigheten er viktigere enn gjennomføringshastigheten i denne fasen. Den andre typen backtesting-system er hendelsesbasert. Det vil si at den utfører backtesting-prosessen i en utførelse loop lignende hvis det ikke er identisk med selve handelsutførelsessystemet. Det vil realistisk modellisere markedsdata og ordreutføringsprosessen for å gi en strengere vurdering av en strategi. De sistnevnte systemene skrives ofte i et høypresterende språk som C eller Java, hvor hastigheten på utførelse er avgjørende For lavere frekvensstrategier, selv om det fortsatt er intradag, er Python mer enn nok til å bli brukt i denne sammenheng. Objektorientert Research Backtester i Python. Design og implementering av et objektorientert forskningsbasert backtesting miljø vil nå bli diskutert Objektorientering er valgt som programvaredesign paradigmet av følgende årsaker. Grensesnittene til hver komponent kan spesifiseres på forhånd, mens internene til hver komponent kan endres eller erstattes etter hvert som prosjektet utvikler seg. Ved å spesifisere grensesnittene på forhånd, er det mulig å effektivt teste hvordan hver komponent oppfører seg via enhetsprøving. Når du utvider systemet kan nye komponenter bygges på eller i tillegg til andre, enten ved arv eller sammensetning. I dette stadiet er backtesteren designet for enkel implementering og en rimelig grad av fleksibilitet, på bekostning av ekte markedsnøyaktighet. Spesielt vil denne backtester kun kunne håndtere strategier som handler På et enkelt instrument Senere vil backtesteren endres til å håndtere sett av instrumenter. For den første backtesteren er følgende komponenter påkrevd. Strategi - En strategiklass mottar en Pandas DataFrame av barer, dvs. en liste over OHLCV-data med åpen høydepunkt peker på en bestemt frekvens Strategien vil produsere en liste over signaler som består av en tidsstempel og et element fra det angitte settet et langt, hold eller kort signal. Portefølje - Flertallet av backtesting-arbeidet vil skje i porteføljesklassen. Det vil motta et sett av signaler som beskrevet ovenfor og skape en rekke stillinger, fordelt mot en kontantkomponent. Porteføljens jobb objektet er å produsere en egenkapitalkurve inkorporere grunnleggende transaksjonskostnader og holde oversikt over bransjer. Prestasjon - Prestasjonsobjektet tar en portefølje og produserer et sett med statistikker om resultatene. Spesielt vil det gi risiko for returegenskaper. Sharpe, Sortino og Informasjonsforhold, handel profitt beregninger og drawdown information. What s mangler. Som det kan sees denne backtester inkluderer ikke noen referanse til portefølje risikostyring, utførelse håndtering dvs. ingen begrensning ordrer, eller vil det gi sofistikert modellering av transaksjonskostnader Dette er ikke mye av et problem på dette scenen Det tillater oss å bli kjent med prosessen med å skape en objektorientert backtester og Pandas NumPy-biblioteker I tide vil det bli forbedret. Vi vil nå fortsette å skissere implementeringene for hvert objekt. Strategiobjektet må være ganske generisk på dette stadiet, siden det vil håndtere prognose, middels reversjon, momentum og volatilitetsstrategier. Strategiene blir vurdert her vil alltid være tidsserier basert, dvs. prisdrevet. Et tidlig krav til denne backtesteren er at avledede strategiklasser vil akseptere en liste over barer OHLCV som input, i stedet for krysser handelskurspriser eller ordrebokdata. Således er den fineste granularitet vurderes her vil være 1 sekunders barer. Strategiklassen vil også alltid gi signalanbefalinger. Dette betyr at det vil gi råd om en porteføljeinstans i form av å gå lang kort eller holde posisjon. Denne fleksibiliteten vil gjøre det mulig for oss å skape flere strategiske rådgivere som gir et sett med signaler, som en mer avansert porteføljeklasse kan akseptere for å bestemme de faktiske stillingene som blir lagt inn. Grensesnittet til klassene vil bli håndhevet ced ved å bruke en abstrakt grunnklassemetodikk En abstrakt baseklasse er en gjenstand som ikke kan ordnes, og dermed kan bare avledede klasser opprettes Python-koden er gitt nedenfor i en fil kalt Strategiklassen krever at noen underklasse implementerer generatesignalsmetoden. I For å forhindre at strategiklassen blir instantiated direkte siden den er abstrakt, er det nødvendig å bruke ABCMeta - og abstractmethod-objekter fra abc-modulen. Vi setter en egenskap av klassen, kalt metaklassen til å være lik ABCMeta, og deretter dekorere generatesignalsmetoden med den abstrakte metoden decorator. While det ovennevnte grensesnittet er grei det vil bli mer komplisert når denne klassen er arvet for hver bestemt type strategi Til slutt er målet for strategiklassen i denne innstillingen å gi en liste over lange korte ventesignaler for hvert instrument til sendes til en portefølje. Porteføljeklassen er der flertallet av handelslogikken vil oppholde seg til denne resea rch backtester Porteføljen har ansvaret for å bestemme posisjonstørrelsen, risikoanalysen, transaksjonskostnadshåndtering og utførelseshåndtering, dvs. markedsbasert, markedsbasert ordre. På et senere tidspunkt vil disse oppgavene bli delt inn i separate komponenter. vil bli rullet inn i en klasse. Denne klassen gjør rikelig med bruk av pandas og gir et godt eksempel på hvor biblioteket kan spare mye tid, spesielt når det gjelder kjeledata-data. Som en side er hovedtricket med pandas og NumPy er å unngå iterering over et datasett ved hjelp av for d i syntaks Dette skyldes at NumPy som ligger til grunn for pandas optimaliserer sløyfe ved vektorisert operasjon Således vil du se få om noen direkte iterasjoner når du bruker pandas. Målet med porteføljeklassen er å til slutt produsere en sekvens av handler og en egenkapitalkurve, som vil bli analysert av ytelsesklassen. For å oppnå dette må det være forsynt med en liste over handelsrekommendasjoner fra en strategiobjekt t Senere vil dette være en gruppe Strategiobjekter. Porteføljeklassen må bli fortalt hvordan kapital skal distribueres for et bestemt sett med handelssignaler, hvordan håndtere transaksjonskostnader og hvilke ordrer som skal benyttes Strategien Objektet opererer på datamengder og dermed må det gis forutsetninger med hensyn til priser oppnådd ved utførelse av en ordre. Siden den høye lave prisen på en hvilken som helst bar er ukjent, er det først mulig å bruke åpne og lukkede priser for handel. I virkeligheten det er umulig å garantere at en ordre vil bli fylt til en av disse prisene når du bruker en markedsordre, så det vil i beste fall være en tilnærming. I tillegg til forutsetninger om at ordre blir fylt, vil denne backtester ignorere alle konsepter av margin megleringsbegrensninger og vil anta at det er mulig å gå lang og kort i et hvilket som helst instrument fritt uten likviditetsbegrensninger Dette er tydeligvis en veldig urealistisk antagelse, men det er en som kan bli avslappet senere. Følgende notering fortsetter. På dette stadiet har abstrakte grunnklasser for strategi og portefølje blitt introdusert. Vi er nå i stand til å generere noen konkrete avledede implementeringer av disse klassene, for å produsere en fungerende leketøystrategi. Vi vil begynne med å generere en underklasse av Strategi kalt RandomForecastStrategy, hvis eneste oppgave er å produsere tilfeldig valgte lange korte signaler. Selv om dette er tydelig en nonsensisk handelsstrategi, vil den betjene våre behov ved å demonstrere objektorienterte backtesting-rammer. Således starter vi en ny fil kalt med noteringen for tilfeldig prognoser som følger. Nå at vi har et konkret prognosesystem, må vi opprette en implementering av en porteføljepåstand. Dette objektet vil omfatte flertallet av backtesting-koden. Det er laget for å lage to separate DataFrames, hvorav den første er en stillingsramme , brukes til å lagre mengden av hvert instrument som holdes på en bestemt linje. Den andre inneholder porteføljen faktisk markedsprisen på alle beholdninger for hver søyle, samt en tally av kontanter, forutsatt en innledende kapital. Dette gir til slutt en egenkapitalkurve som skal vurdere strategisk ytelse. Porteføljeobjektet, mens det er ekstremt fleksibelt i grensesnittet, krever bestemte valg når det gjelder hvordan man håndterer transaksjonskostnader, markedsordrer osv. I dette grunnleggende eksemplet har jeg vurdert at det vil være mulig å gå lenge kort et instrument uten begrensninger eller margin, kjøp eller selg direkte til barens åpne pris, null transaksjon kostnadene omfatter slippe, avgifter og markedsvirkning og har spesifisert mengden av aksjer direkte for kjøp for hver handel. Her er fortsettelsen av noteringen. Dette gir oss alt vi trenger for å generere en egenkapitalkurve basert på et slikt system. Det siste trinnet er å knytte alt sammen sammen med en hovedfunksjon. Utgangen av programmet er som følger Yours vil avvike fra utgangen nedenfor, avhengig av datoperioden du velger og tilfeldig frø som brukes. I dette tilfellet tapte strategien penger, noe som ikke er overraskende gitt den stokastiske naturen til forecasteren. De neste trinnene er å skape et resultatobjekt som aksepterer en porteføljeinstans og gir en liste over resultatmålinger som skal baseres på en beslutning om å filtrere strategien ut eller ikke. Vi kan også forbedre porteføljeobjektet for å få en mer realistisk håndtering av transaksjonskostnader som Interactive Brokers-provisjoner og slippe. Vi kan også rett og slett inkludere en prognosemotor til et strategibjekt som forhåpentligvis gir bedre resultater. Følgende artikler vil vi utforske disse konseptene i dybden. Bare komme i gang med kvantitativ handel. February 2013.Here er denne måneden s valg av Traders Tips, bidratt av ulike utviklere av teknisk analyse programvare for å hjelpe leserne lettere å gjennomføre noen av strategiene presentert i dette og andre problemer. Annen kode som vises i artikler i dette problemet, er lagt ut i abonnementet er Område på nettstedet vårt her Logg inn krever etternavn og abonnementsnummer fra adresseliste Når du er logget inn, rull ned til under det optimerte handelssystemområdet til du ser Kode fra artikler Derfra kan kode kopieres og limes inn i riktig teknisk analyse program slik at det ikke kreves ny retyping av kode for abonnenter. Du kan kopiere disse formlene og programmene for enkel bruk i regnearket eller analyseprogrammet. Velg bare ønsket tekst ved å markere som du ville i et tekstbehandlingsprogram, bruk deretter standard nøkkelkommandoen for kopiering eller velg kopiering fra nettlesermenyen Den kopierte teksten kan deretter limes inn i et hvilket som helst åpent regneark eller annen programvare ved å velge et innføringspunkt og utføre en lim-kommando. Ved å bytte frem og tilbake mellom et programvindu og den åpne nettsiden, kan dataene overføres med letthet. For denne måneden er Traders Tips, er fokuset Ron McEwan s artikkel i dette nummeret, The Volatility Regime Switch Indicator. Code for Microsoft Excel er allerede gitt i McEwan s artikkel av forfatteren, og abonnenter vil finne denne koden i Abonnentområdet på nettstedet vårt, Klikk på artikkelkode fra vår hjemmeside. Presentert her er tilleggskode og mulige implementeringer for annen programvare. TRADESTASJON FEBRUAR 2013 HANDELSANVISNINGSKODE. I volatilitetsregime-bryterindikatoren i dette nummeret beskriver forfatteren Ron McEwan at du bruker Microsoft Excel-regnearkprogrammet til å beregne en bryterindikator som kan hjelpe til med å bestemme om sikkerheten som analyseres, er i trendingmodus eller reversering til gjennomsnittlig modus eller snart å overgå til den modusen. McEwan antyder at denne indikatoren kan hjelpe investorhandleren å avgjøre om man skal bruke trend-trading-teknikker eller motstridshandelsmetoder. Vi har kodet i Easy-Language Excel-detaljene gitt i artikkelen Vi gir også en funksjon som beregner volatilitetsbryterverdien, en indikator for å plotte volatilitetsbryteren se figur 1, og en strategi som illustrerer bruken av funksjonen i en strategi Strategien er kun til illustrasjonsformål For trend-følgende oppføringer, bruker strategien et kryss av en 10-bar enkel glidende gjennomsnittlig SMA med en 20-bar SMA For-kontrastrendsposter, strategien bruker et kryss av relativstyrkeindeksen RSI med overkjøpte og overliste nivåer som er angitt i inngangene. Strategiutganger er enkle fem-bar-priskanalutganger. FIGURE 1 TRADESTASJON En daglig strekdi for AAPL er plottet i delgraph 2 Indikatorer vist inkludere en to-bar RSI av det nærliggende tegnet i undergraf 1 den innebygde Mov Avg 2 Lines-indikatoren 10-bar og 20-bar gjennomsnittet av det nærliggende tegnet med pris og indikatoren referert i McEwan s artikkel skissert i undergraf 3 Strategien kode vi leverer gjelder og viser flere oppføringer og utganger. For å laste ned EasyLanguage-koden for denne strategien, må du først navigere til EasyLanguage Vanlige spørsmål og Referansepostemne i EasyLanguage supportforum, bla nedover, og klikk på linken som er merket Traders Tips, TASC Velg deretter den aktuelle lenken for måneden og året. ELD filnavnet er. Denne artikkelen er til informasjonsformål Ingen type handel eller investeringsanbefaling, råd eller strategi blir gjort, gitt, eller på noen måte gitt av TradeStation Securities eller dets tilknyttede selskaper. METASTOCK FEBRUARY 2013 TRADERS TIPS CODE. Ron McEwan s artikkel i dette nummeret, The Volatility Regime Switch Indicator, forklarer hvordan du beregner volatilitetsbryterindikatoren Denne indikatoren kan legges til MetaStock ved å bruke følgende formula. William Golson MetaStock teknisk støtte Thomson Reuters. e SIGNAL FEBRUARY 2013 TRADERS TIPS CODE. For denne måneden s Traders Tip, har vi gitt formelen basert på Ron McEwan s artikkel i dette nummeret, The Volatility Regime Switch Indicator. Studien inneholder en formel parameter for å angi perioden for volatilitets dager, som kan konfigureres gjennom vinduet Rediger diagram. For å diskutere denne studien eller last ned en komplett kopi av formelskoden, kan du besøke EFS-forumet for diskusjonsforum under forumforbindelsen fra supportmenyen på eller besøke EFS KnowledgeBase på dette eSignal-formuleringsskriptet. EFS er også tilgjengelig for kopiering og liming under. Et eksempeldiagram er vist på figur 2.FIGURE 2 eSIGNAL Figuren viser implementering av formelen. Jason Keck eSignal, et interaktivt dataselskap 800 779-6555.BLOOMBERG FEBRUARY 2013 TRADERS TIPS CODE. I sin artikkel i dette nummeret, viser skribenten Ron McEwan en volatilitetsregime-bryterindikator nytt verktøy for å fastslå scenen i markedet, fra konsolidering til trend, ved hjelp av en volatilitetsbryter basert på en enkel formel som kan settes opp i et Microsoft Excel-regneark som det var gjort i artikkelen eller brukt på et prisdiagram for å utføre PaintBars for enkel evaluering se Figur 3 Avhengig av den siste verdien av denne oscillatoren, skaper McEwan røde malte streker for nåværende eller kommende konsolidering eller gjennomsnittlig reversering, og grønne barer når et marked er inne en trend eller når en er nært forestående. FIGURE 3 BLOOMBERG Dette femårige ukentlige kart over Apple viser den eksponensielle flyttingen i denne sikkerheten fra 2008 til 2012, mens ingen indikator vil vise seg å være 100 nøyaktig, de sirklede og boksede områdene rundt deler av diagrammet vis at volatilitetsbryterindikatoren var i stand til å bestemme et antall brytere mellom trend og gjennomsnittlig reversering. Nesten hele denne femårsperioden kan enkelt brytes opp i disse forskjellige markedsmodusene, bare ved å se på fargene malt av volatilitetsreguleringsbryterindikatoren. Selv om ingen indikator alltid er nøyaktig, og McEwan foreslår å bruke komplementære indikatorer for ytterligere bekreftelse, kan volatilitetsbryterindikatoren gi en rask og lett gjenkjennelig indikasjon på hvilken tilnærming som trolig vil bli mest vellykket som et første skritt i analyseprosessen. Vi har gjenskapt dette indikator med muligheten til også å utføre den faktiske verdien av volatilitetsbryteren i en underpanel under prisdiagrammet for e asy verifisering av sin oppførsel, samt notere noen fremgang som også kan peke på en overhengende bryter i dynamikken i markedet. Bruke rammen innenfor STDY GO-funksjonen på Bloomberg Terminal, C eller Visual Basic-koden kan skrives for å vise Volatilitetsregulatorbryterindikatoren beskrevet her C-koden for denne indikatoren er også gitt her Alle Bloomberg-kodebidrag til Traders Tips kan også bli funnet i utvalgsfiler som leveres med vanlige SDK-oppdateringer, og studiene vil bli inkludert i den globale studielisten for Bloomberg. WEALTH-LAB FEBRUARY 2013 TRADERS TIPS CODE. I volatilitetsregime-bryterindikatoren i dette nummeret presenterer forfatteren Ron McEwan en enkel, intuitiv, men tilsynelatende effektiv ny indikator for hvilken formålet er å fungere som et filter i en handelsstrategi som letter det å tilpasse seg endrede markedsforhold En endring fra en trendmodus til en gjennomsnittlig tilbakestilling er målt gjennom et forhold som deler antall barer når den historiske volum Atility HV av den daglige nære prisendringen i en gitt tilbakekallingsperiode var lavere eller lik dagens ROC s HV. For å utnytte volatilitetsbryterteknikken i Wealth-Labs diagrammer, kode og interaktive regelbaserte strategier, bare installer eller oppdater hvis du ikke allerede har gjort TASCIndicators-biblioteket fra nettstedet til sin nyeste versjon. For å illustrere anvendelsen av det nye regimet-filteret Figur 4, opprettet vi et demosystem som tar oppføringer og utganger avhengig av markedets volatilitetsbryter tilstand over 0 5 betraktes som hakket med potensial for gjennomsnittlig reversering på eller under 0 5 er mer sannsynlig å trend. FIGURE 4 WEALTH-LAB, TREND MEAN REVERSION SYSTEM Her er det daglige diagrammet av SPY som illustrerer bruk av et trend-gjennombruddshandelssystem drevet av Ron McEwan s volatilitetsbryterfilter. Hvis volatilitetsbryteren er i trendmodus, kjøp på markedet på neste linje når dagens lukkede kryss over 10-dagers enkeltflytende gjennomsnitt av nært pris. Hvis volati likhetsbryteren er i gjennomsnittlig reversjonsmodus, kjøp på markedet i den neste linjen når sju dagers RSI krysser over 30. Hvis volatilitetsbryteren er i trendmodus, selg på markedet i den neste linjen når dagens s nære krysser under Det 10-dagers enkle glidende gjennomsnittet av den nære prisen. Hvis volatilitetsbryteren er i gjennomsnittlig reversjonsmodus, kjøp på markedet i den neste linjen når den syv-dagers RSI krysser under 60. Vi kjørte en backtest med 10.000 per handel på Fem års SPY daglige data Med real-world posisjonering og trading cost regler anvendt, det forenklede systemet var i stand til å slå buy hold, retur en 26 netto fortjeneste tallet mot -6 for buy hold, viser at regimet bytte filter kan bli en verdifullt tillegg til en trader s arsenal Se figur 5.FIGURE 5 WEALTH-LAB, EQUITY CURVE FOR SYSTEM Her er et utvalgskart over strategiens egenkapitalkurve versus det for en buy hold-strategi. C-koden for Wealth-Lab for dette systemet er vist nedenfor. AMIBROKER FEBRUARY 2013 TRADERS TIPS CODE. In The Volatility R egime Switch Indicator i dette nummeret, forfatter Ron McEwan presenterer en enkel volatilitetsbryterindikator En klar bruksformel for utforskning og for indikatoren presenteres her For å vise indikatoren, skriv inn formlene i formelredigeren og trykk på Bruk indikator til vis utforskningen som er et Excel-lignende bord. Velg deretter menypunktet Verktøyutforsking i formelleditoren. Et eksempeldiagram er vist i Figur 6.FIGURE 6 AMIBROKER Her er et undersøkelses øvre vindu og et diagram nedre vindu opprettet ved hjelp av volatilitetsbryteren formula. AIQ FEBRUARY 2013 TRADERS TIPS CODE. For å teste forfatterens volatilitetsbryterindikator brukte jeg NASDAQ 100-listen over aksjer og AIQ s Portfolio Manager. En langvarig handelssimulering ble kjørt med følgende innstillinger for kapitalisering, kostnad og avslutning. Maksimalt 10 åpne posisjoner. Større hver posisjon til 10 av totalmarkedsverdien. Ikke ta mer enn tre nye stillinger pr dagpute Mark-to-Market kapital hver dag. Tre cent pe r andel ble trukket for hver runde-turn trade. Select handler basert på den laveste tre-bar RSI reading. Exit handler bare med en systemutgang ingen stopp-tap eller overskudd mål stoppet brukt. I kodet fire lignende testsystemer Alle systemer går ut av på den neste linjen ved åpning etter at respektive inngangs - eller utgangsregel blir sant ved linjens lukke. System 1 Et grunnleggende trend-etter-system som kjøper når aksjens lukking er over det bevegelige gjennomsnittet og det glidende gjennomsnittet er høyere enn det glidende gjennomsnittet er høyere enn det var 10 barer siden Avslutt når lukkingen er under det bevegelige gjennomsnittet. System 2 Det samme som System 1 med volatilitetsbryterfilteret lagt til inn - og utgangsregler for lageret. System 3 Det samme som System 2 med System 2 regler også lagt til markedet ved hjelp av NASDAQ 100-indeksen NDX for å representere markedsforholdene. System 4 Det samme som System 1, men med volatilitetsbryterfilteret og de trendregulerende reglene som legges til markedsindeksen NDX. Jeg brukte forfatterens parametere på 21 dager for volatilitetslengden og 5 0 for volatilitetsbryternivået Merk at kodingen av indikatoren multipliseres med 100 For å bestemme trenden, brukte jeg et 50 bar glidende gjennomsnitt. For perioden 12 30 1994 til 12 12 2012 returnerte systemene resultatene som vises i tabellen i figur 7.Figur 7 AIQ, SYSTEMBACKTEST RESULTAT I perioden 12 30 1994 til 12 12 2012 returnerte de fire systemvariasjonene disse resultatene. I figur 8 viser jeg egenkapitalkurver for alle fire systemene, med den største grafen som viser egenkapitalkurve for System 4, som er den jeg foretrekker på grunn av den relativt lave nedtellingen og det høyeste Sharpe-forholdet. Tilsetning av volatilitetsbryterfilteret bare til aksjene System 2 reduserte ikke nedtellingen, men avkastningen økte svært lite og Sharpe-forholdet var en av de høyeste Legge til filteret til både aksjemarkedet og markedet System 3 reduserte drastisk dramatisk, men retur - og Sharpe-forholdet ble også betydelig redusert. Da bare filteret til markedsindeksen virker det beste kompromisset Testene viser at filteret kan brukes til å redusere drawdown og øke belønning til risiko-forhold. FIGURE 8 AIQ Langvarige egenkapitalkurver blå sammenlignet med SP 500 rød for testperioden 12 30 1994 til 12 12 2012 handel NASDAQ 100-listen over aksjer. Koden og EDS-filen kan lastes ned fra Koden er også vist nedenfor. TRADERSSTUDIO FEBRUARY 2013 TRADERS TIPS CODE. TradersStudio-koden basert på Ron McEwan s artikkel i dette spørsmålet, The Volatility Regime Switch Indicator, er gitt på følgende steder. Følgende kodefiler er oppgitt i nedlastingen. Funksjon VOLASWITCH er en funksjon som returnerer volatilitetsbryteren av prisinngangene. Indikatorplot DMIOSCIND er indikatorkode som plotter volatilitetsbryterens oscillator med en linje på 50-nivået . System VOLASWITCHSYS er et system av mitt design for å teste forfatterens indikator. volaLen Lengden som brukes for volatilitetsberegningen. Lengden på det bevegelige gjennomsnittet som brukes til å bestemme trendretningen. nivå for et trending market. exitBuyLvl-nivå på RSI når det er i nontrending-modus for en exit. Reglene i testsystemet er som følger lenge. Lukket er større enn det bevegelige gjennomsnittet, og det bevegelige gjennomsnittet er høyere enn det var 10 bar siden, og volatilitetsbryterindikatoren er under kritisk nivå vsLvl. Exit lengder når. Volatilitetsbryteren er større enn kritisk nivå og lukkingen er under glidende gjennomsnitt, eller. Volatilitetsbryteren er større enn den kritiske nivå og tre-bar RSI er over det kritiske nivået exitBuyLvl. Jeg satte opp en test økt ved hjelp av PowerShares QQQ børsnoterte fondet ved hjelp av data fra Pinnacle Data. Da optimaliserte jeg parametrene og fant RSI-utgangsnivået på 75 å være i en god sone Merk at jeg ikke optimaliserte lengden på det bevegelige gjennomsnittet I figur 9 viser jeg parameteroptimaliseringskartet for handel bare den lange siden med systemet på QQQ fra 1 2 1990 til 12 10 2012 Kjøpsnivåparametrene mellom 55 og 65, toget henne med volatilitetslengden mellom 120 og 180, ser bra ut uten spikes på kartet. Det er en spike på 200 lengden, men det var min maksimale verdi testet, så mer optimalisering med lengre verdier anbefales. Jeg kjørte deretter en backtest som handlet 100 aksjer for samme periode med parameter settet 160, 50, 50, 75 handler kun lengre. FIGURE 9 TRADERSSTUDIO, PARAMETER OPTIMIZATION GRAPH Her er en tredimensjonal parameteroptimaliseringsgraf for systemet som handler QQQ ETF for perioden 1990 til 2012. resulterende egenkapitalkurve og undervanns egenkapitalkurve er vist i figur 10 Trading bare 100 aksjer i QQQ, returnerte systemet et overskudd på 6.221 med en maksimal nedgang på 2.094 på 7 18 2002 med en profittfaktor på 3 55.NEUROSHELL TRADER FEBRUARY 2013 HANDELERE TIPS CODE. Volatilitetsbryterindikatoren, beskrevet av Ron McEwan i sin artikkel i dette nummeret Volatilitetsregulatorbryterindikatoren, kan implementeres i NeuroShell Trader ved hjelp av NeuroShell Trader s evne til å kalle l eksterne programmer Programmene kan skrives i C, C, Power Basic eller Delphi. Etter at du har kodet indikatoren i din foretrukne kompilator og opprettet en DLL, kan du sette den resulterende volatilitetsindikatoren som følger. Velg Ny indikator fra Sett inn-menyen. Velg kategorien Eksternt programbibliotek Samtaler. Velg riktig Ekstern DLL-anropsindikator. Sett opp parametrene for å matche DLL. Velg Ferdig-knappen. Brukerne av NeuroShell Trader kan gå til Stocks Commodities-delen av NeuroShell Trader gratis teknisk supportwebside til laste ned en kopi av denne eller noen tidligere Traders Tips. Et eksempeldiagram er vist på Figur 11.FIGURE 11 NEUROSHELL TRADER Dette NeuroShell Trader-diagrammet viser indikatoren for volatilitetsbryter. NINJATRADER FEBRUARY 2013 TRADERS TIPS CODE. We har implementert i NinjaTrader volatilitetsbryterindikatoren som diskutert av forfatteren Ron McEwan i sin artikkel i dette nummeret, The Volatility Regime Switch Indicator. Når den er lastet ned, innefra NinjaTrader Control Center-vinduet, velg menyen File Utilities Import NinjaScript og velg den nedlastede filen. Denne filen er for NinjaTrader versjon 7 eller nyere. Du kan se indikatorkildekoden ved å velge menyen Verktøy Rediger NinjaScript-indikator fra NinjaTrader Control Center-vinduet og velg VolatilitySwitch. Et eksempelkart som implementerer strategien, er vist i Figur 12.FIGURE 12 NINJATRADER Skjermbildet viser VolatilitySwitch anvendt på et daglig kart over SP 500 SP500.Raymond Deux Ryan Millard NinjaTrader, LLC. UPDATA FEBRUARY 2013 TRADERS TIPS CODE. Dette er basert on The Volatility Regime Switch Indicator in this issue by Ron McEwan. In his article, McEwan delivers a volatility regime switching model based on the normalization of the standard deviation of returns Price candles are colored according to the indicator s reading above or below 0 5 the greater the indicator value, the greater the volatility, and thus a mean-reverting phase is indicated The c onverse is true for trending phases Consistent with the recommendations from the author, all parameters of these indicators are optimizable within Updata. The Updata code for both versions of this indicator either combined with RSI, as displayed in Figure 13, or with two moving averages, as shown in Figure 14 is in the Updata Library and may be downloaded by clicking the Custom menu and then Indicator Library Those who cannot access the library due to a firewall may paste the code shown below into the Updata Custom editor and save it. FIGURE 13 UPDATA Here is the daily S P 500 with candles colored according to the volatility regime green 0 5 indicates trending, red 0 5 indicates mean-reverting, with a two-period RSI overlaid. FIGURE 14 UPDATA, INDICATOR WITH TWO MOVING AVERAGES Here is the daily S P 500 with candles colored according to the volatility regime green 0 5 indicates trending, red 0 5 indicates mean-reverting, with 20- and 50-period moving averages overlaid. TRADING BLOX FEBRUAR Y 2013 TRADERS TIPS CODE. Coding the volatility switch indicator in Trading Blox can be achieved in a few easy steps. Open the Blox editor, create a new auxiliary type block, and name it volatility switch indicator This block only requires one script, which is the update indicators script Make sure that script is already in the block, or add it using the script add menu item in the Blox editor The logic to calculate the volatility switch indicator will reside in this script. We also need to create two block permanent variables BPVs , three instrument permanent variables IPVs , and one parameter for this block Create them by double-clicking the item or right-clicking and choosing New on the appropriate item. Create the first BPV and name it index Check the box next to integer, since this variable will be used as a simple counter by the logic on the update indicators script Create a second integer-type BPV named volCount in the same way as the first BPV This variable will also be used by the update indicators script to track an intermediate value in our indicator calculation. In a similar manner, we need to create three new IPVs dailyChange, historicalVolatility, and volatilitySwitchIndicator They are all auto-indexed series types, but only volatilitySwitchIndicator is plotted on the trade chart by checking the plots box in the plotting controls section of the IPV editor window It is also the only variable where we need to populate the name for humans field, which will show on the trade chart. Once we have the two BPVs and three IPVs defined, we need to create an integer-type parameter called volatilitySwitchLookback This will determine the number of bars over which the volatility switch indicator is calculated The default period is 21 bars. Finally, we can fill in the scripting logic needed to calculate the volatility switch indicator and plot it on the trade chart in the appropriate format Place the code shown here in the scripting section of the Blox editor for the update indicators script An apostrophe indicates a comment line in the code, and that line is colored green in the script and is descriptive of the code following the comment It is ignored for the purposes of calculating the indicator. This new block may be dropped into the auxiliary section of any Trading Blox system to calculate and plot the volatility switch indicator for each market in the system s portfolio. FIGURE 15 TRADING BLOX Here is a plot of the indicator. Originally published in the February 2013 issue of Technical Analysis of Stocks Commodities magazine All rights reserved Copyright 2013, Technical Analysis, Inc.