거래 전략 성과 지표

전략 성과 보고서 해석.
오늘날의 시장 분석 플랫폼을 통해 거래자는 거래 시스템의 성과를 신속하게 검토하고 효율성 및 잠재적 수익성을 평가할 수 있습니다. 이러한 성능 메트릭은 일반적으로 시스템 성능의 다양한 수학적 측면에 기반한 데이터 컴파일 인 전략 성능 보고서에 표시됩니다. 가설적인 결과 나 실제 거래 데이터를 보더라도 거래 시스템을 평가하는 데 사용할 수있는 수백 가지의 성과 지표가 있습니다.
거래자는 종종 거래 스타일에 가장 유용한 통계를 선호합니다. 거래자들은 자연스럽게 하나의 숫자, 즉 총 순이익으로 끌어 당길 수 있지만, 시스템의 잠재적 수익성에 관한 결정을 내리기 전에 많은 성과 지표를 이해하고 검토하는 것이 중요합니다. 전략 성과 보고서에서 무엇을 찾아야 할지를 알면 거래자가 시스템의 강점과 약점을 객관적으로 분석하는 데 도움이 될 수 있습니다. (배경에 대해서는 트레이딩 시스템 자습서를 참조하십시오.)
전략 성과 보고서.
전략 성과 보고서는 시스템 성과에 대한 객관적인 평가입니다. 특정 기간 동안의 수행 방법을 결정하기 위해 히스토리 데이터에 일련의 거래 규칙을 적용 할 수 있습니다. 이것은 백 테스트라고하며 시장에 출시하기 전에 거래 시스템을 테스트하려는 상인에게 유용한 도구입니다. 대부분의 시장 분석 플랫폼을 통해 거래자는 백 테스팅 중에 전략 성과 보고서를 작성할 수 있습니다. 거래자는 실제 거래 결과에 대한 전략 성과 보고서를 작성할 수도 있습니다.
그림 1은 다양한 성능 메트릭을 포함하는 전략 성능 보고서의 성능 요약의 예를 보여줍니다. 메트릭은 보고서의 왼쪽에 나열됩니다. 해당 계산은 오른쪽에 있으며, 모든 거래, 긴 거래 및 짧은 거래로 구분됩니다.
그림 1에서 볼 수있는 성과 요약 외에도 전략 성과 보고서에는 거래 목록, 정기적 인 수익 및 성과 그래프가 포함될 수 있습니다. 거래리스트는 거래 유형 (길거나 짧음), 날짜와 시간, 가격, 순이익, 누적 수익 및 이익 비율과 같은 정보를 포함하여 취해진 각 거래의 계정을 제공합니다. 거래 목록을 통해 거래자는 각 거래에서 일어난 일을 정확하게 볼 수 있습니다.
시스템에 대한 정기적 인 수익률을 보면 거래자가 일별, 주별, 월별 또는 연도별로 세분화 된 실적을 볼 수 있습니다. 이 섹션은 특정 기간 동안의 이익 또는 손실을 결정할 때 유용합니다. 거래자는 시스템이 매일, 매주, 매월 또는 매년 수행하는 방법을 신속하게 평가할 수 있습니다. 거래에서 누적 된 이익 (또는 손실)이 중요하다는 것을 기억하는 것이 중요합니다. 1 거래 일 또는 1 거래 주를 보는 것은 월간 및 연간 데이터를 보는 것만 큼 중요하지 않습니다.
전략 성과 보고서를 분석하는 가장 빠른 방법 중 하나가 성과 그래프입니다. 이것은 무역 데이터를 다양한 방식으로 보여줍니다. 월별 순이익을 나타내는 막대 그래프에서부터 형평성 곡선까지 어느 쪽이든, 성능 그래프는 해당 기간의 모든 거래를 시각적으로 보여 주므로 거래자가 시스템이 표준에 부합하는지 여부를 신속하게 확인할 수 있습니다. 그림 2는 두 가지 성능 그래프를 보여줍니다. 하나는 월별 순이익 막대 차트입니다. 다른 하나는 주식 곡선이다. (더 자세한 정보는 귀하의 이익을 위해 도표 작성하기를 참조하십시오.)
전략 성과 보고서에는 거래 시스템의 성과에 관한 방대한 양의 정보가 포함될 수 있습니다. 모든 통계가 중요하지만 초기 범위를 다섯 가지 주요 성능 측정 항목으로 좁히는 것이 좋습니다.
총 순이익 이익 요인 수익률 평균 무역 순이익 최대 삭감.
이 다섯 가지 지표는 잠재적 인 거래 시스템을 테스트하거나 실시간 거래 시스템을 평가하기위한 좋은 출발점을 제공합니다.
총 순이익.
총 순이익은 특정 기간 동안 거래 시스템의 수익을 나타냅니다. 이 측정 기준은 모든 낙찰 된 거래의 총 이익에서 모든 손실 거래 (커미션 포함)의 총 손실을 뺀 값으로 계산됩니다. 그림 1에서 총 순이익은 다음과 같이 계산됩니다.
많은 거래자가 총 순이익을 거래 성과를 측정하는 주요 수단으로 사용하지만 메트릭만으로는 기망적인 방식 일 수 있습니다. 이 메트릭스는 자체적으로 거래 시스템이 효율적으로 수행되는지 여부를 결정할 수 없으며 유지되는 위험 금액에 따라 거래 시스템의 결과를 정상화 할 수 없습니다. 확실하게 가치있는 측정 항목이지만 총 순이익은 다른 실적 측정 항목과 함께 확인해야합니다. (더 자세한 정보는 경기 침체 이후의 경제에서의 이익을 참조하십시오.)
수익 요인은 매출 총 이익 (총 수수료 포함)으로 나눈 총 이익을 전체 거래 기간으로 정의한 것입니다. 이 성능 측정 기준은 위험 단위 당 수익 금액과 관련이 있으며, 1보다 큰 값은 수익성있는 시스템을 나타냅니다. 예를 들어 그림 1의 전략 성과 보고서는 테스트를 거친 거래 시스템의 수익률이 1.98임을 나타냅니다. 총 이익을 총 손실로 나누어 계산합니다.
이것은 합리적인 수익 요소이며이 특정 시스템이 이익을 창출 함을 의미합니다. 우리는 모든 무역이 승자가 될 수는 없으며 우리는 손실을 지속해야한다는 것을 알고 있습니다. 이익 요인 메트릭은 상인이 손실보다 손실이 큰 정도를 분석하는 데 도움이됩니다.
위의 방정식은 첫 번째 방정식과 동일한 총 이익을 나타내지 만 총 손실에 대한 가설 값을 대체합니다. 이 경우 총 손실은 총 이익보다 많아서 1보다 작은 이익 요인이됩니다. 이것은 잃는 시스템이 될 것입니다.
수익률은이기는 확률이라고도합니다. 이 통계는 특정 기간 동안의 총 거래 횟수로 낙찰 된 거래 수를 나눔으로써 계산됩니다. 그림 1의 예에서 수익성 비율은 다음과 같이 계산됩니다.
수익성 메트릭의 이상적인 값은 거래자의 스타일에 따라 다릅니다. 일반적으로 더 큰 이윤을 남기고 큰 움직임을하는 상인은 승리하는 시스템을 유지하기 위해 낮은 수익성을 요구합니다. 이것은 (수익성있는)이기는 거래가 일반적으로 상당히 크기 때문입니다. 이에 대한 좋은 예는 거래자들의 추세입니다. 거래의 40 % 정도가 수익성이 있고 여전히 수익성 높은 시스템을 생산할 수 있습니다. 이기는 거래가 추세를 따르고 일반적으로 큰 이익을 달성하기 때문입니다. 이기지 못한 거래는 보통 작은 손실로 폐쇄됩니다.
비슷한 금액의 위험을 감수하면서 어느 한 거래에서 소액을 얻으려고하는 보통의 트레이더, 특히 스컬퍼는이기는 시스템을 만들기 위해 수익성이 높은 메트릭을 필요로합니다. 이것은이기는 거래가 패배하는 거래에 가치가있는 경향이 있기 때문입니다. "앞서 나가려면"수익성이 상당히 높을 필요가 있습니다. 즉, 각 우승이 상대적으로 적기 때문에 더 많은 거래가 승자가 될 필요가 있습니다. 자세한 내용은 스캘핑 : 작은 빠른 수익을 추가 할 수 있습니다. 를 참조하십시오.
평균 무역 순이익.
평균 무역 순이익은 시스템의 기대치입니다. 이는 거래 당 원 / 분실 된 평균 금액을 나타냅니다. 평균 무역 순이익은 총 순이익을 총 거래 수로 나누어 계산합니다. 그림 1의 예에서 평균 무역 순이익은 다음과 같이 계산됩니다.
즉, 시간이 지남에 따라이 시스템에 의해 생성 된 각 거래는 평균 $ 452.79가 될 것으로 기대할 수 있습니다. 이것은 총 순이익을 기반으로하므로 이기고지는 거래를 모두 고려합니다.
이 수치는 일반적인 거래보다 몇 배나 많은 이익 (또는 손실)을 창출하는 단일 거래에 의해 왜곡 될 수 있습니다. 이상 치는 평균 무역 순이익을 과다하게 과장함으로써 비현실적인 결과를 창출 할 수 있습니다. 하나의 이상치가 있으면 시스템이 통계적으로보다 훨씬 더 (또는 적은) 수익을 낼 수 있습니다. 특이점을 제거하면 더 정확한 평가가 가능합니다. 역 테스팅에서 트레이딩 시스템의 성공이 이상치에 달려 있다면, 시스템은 더 정제되어야합니다.
최대 축소 지표는 거래 기간의 "최악의 시나리오"를 나타냅니다. 그것은 이전의 주식 피크에서 가장 큰 거리 또는 손실을 측정합니다. 이 측정 기준은 시스템에서 발생하는 위험의 양을 측정하고 계정 크기에 따라 시스템이 실용적인지 판단하는 데 도움이됩니다. 상인이 기꺼이 부담해야하는 최대 금액이 최대 인하보다 적 으면 거래 시스템이 상인에게 적합하지 않습니다. 더 적은 최대 삭감을 가진 다른 시스템이 개발되어야한다.
이 측정 항목은 거래자를위한 현실성 검사이므로 중요합니다. 단지 1 천만 달러의 위험을 감수 할 수 있다면 모든 상인은 백만 달러를 벌 수 있습니다. 최대 축소 지표는 거래자의 위험 허용 도와 거래 계정 크기와 일치해야합니다. (더 자세한 내용은 자신을 시장 손실로부터 보호하십시오.)
전략 실적 보고서는 과거 또는 현재 거래 결과에 적용되어 거래자가 거래 시스템을 평가할 수 있도록 도와주는 강력한 도구를 제공 할 수 있습니다. 최종 수익에만 관심을 기울이는 것은 쉽지만, 시스템이 얼마나 많은 돈을 벌고 있는지 알고 싶다면 추가적인 성과 지표를 통해 시스템 성능을보다 포괄적으로 파악할 수 있습니다. (자세한 내용은 자체 트레이딩 전략 수립을 확인하십시오.)

성과 측정 : 주요 성과 지표.
거래 시스템의 성과를 볼 때 어떻게하면 좋은지 알 수 있습니까? 당신이 그것을 어떻게 알았습니까? 당신에게 맞는 시스템은 무엇입니까? 많은 사람들은 더 많은 이익을 가진 시스템이 더 나은 시스템이어야한다고 가정하면 순이익을 간단히 봅니다. 이것은 종종 좋은 아이디어에서 멀리입니다. 개발 프로세스 중에 거래 시스템을 비교할 때나 구매하기 전에 시스템을 비교할 때 가상 시스템이나 다른 시스템과 시스템을 비교할 수있는 몇 가지 메트릭을 가지고있는 것이 좋습니다. 우리 모두가 독창적 인 리스크 허용 오차와 정의에 대한 정의를 가지고 있기 때문에 모든 사람에게 효과가있는 단 하나의 점수는 없습니다. 마찬가지로 모든 점수 체계가 모든 상황에서 동등하거나 수행되는 것은 아닙니다. 그러나이 기사에서는 트레이딩 시스템의 점수와 순위를 매기는데 내가 가장 좋아하는 방법에 대해 이야기 할 것입니다. 이것이 시스템 개발 프로세스에서 사용하는 주요 시스템 성능 메트릭입니다.
거래 수.
모든 거래 시스템에는 중요한 & # 8221; 거래 횟수. 중요한 무엇입니까? 그게 다릅니다. 1 년에 10 번 이상 거래하지 않는 스윙 시스템의 경우 100 번 거래가 좋습니다. 이것은 약 10 년의 역사적인 테스트를 나타냅니다. 주어진 거래 시스템이 1 년에 더 많은 거래를 생산하기 시작함에 따라, 나는 백 테스팅 중에 더 많은 거래가 활용 될 것으로 기대한다.
이익 요인.
순익은 특정 거래 시스템에 대한 귀하의 결정에 영향을 미칠 수 있지만, 이익 요인은 종종 내 의견으로는 더 중요합니다. 이익 요소는 거래 시스템의 효율성을 측정합니다. 이익 요인은 생성 된 이익을 생성 된 손실로 나누어 계산합니다. 수익 계수 1.5는 잃어버린 2 달러마다 3 달러를 얻는다는 것을 나타냅니다 (손실 3 달러 / 손실 2 달러 = 1.5). 분명히 1.0 이상의 숫자는 돈을 벌고 있다는 것을 의미합니다. 1.5 이상의 수익률을보고 싶습니다.
무역 당 평균 이윤.
이익 요인과 마찬가지로, 무역 당 평균 이익은 시스템이 각 거래에서 충분한 돈을 벌고 있는지를 알려줍니다. 거래 시스템을 설계 할 때 커미션과 미끄러짐이 최소한으로 공제되기 전에 평균 수익성있는 거래가 $ 50 이상인 것을보고 싶습니다. 커미션과 미끄러짐이 공제 된 평균 순이익이 50 달러를 넘으면 그보다 훨씬 좋습니다. 무역 당 평균 이익이 높을수록 좋습니다.
수익률이 높은 거래.
나는 이것을 너무 많이 따르지 않아. 나는 그것을 메모하지만 그게 내게 그렇게 중요한 것은 아니다. 거래 우승 비율은 단순히 긍정적 인 순이익을 얻은 거래의 수를 모든 거래로 나눈 값입니다. 큰 패자를 갖고 싶지 않은 경우이 요소가 중요 할 수 있습니다. 예를 들어, 종종 장기 추세 추종 시스템은 매우 수익성이 높지만 40 % 이하의 승률만을 갖습니다. 많은 상실한 거래를 처리 할 수 ​​있습니까? 어쩌면 당신은 거래를 잃는 것보다이기는 거래를 많이하는 경향이있는 시스템에만 익숙 할 것입니다. 그렇다면 60 % 이상의 승률을 가진 시스템이 더 나을 것입니다. 이기는 거래율은 사람마다 다를 수있는 심리적 인 허용 기준입니다.
복합 연간 성장률 (CAGR)
이것은 꾸준하고 고정 된 수익률 인 것처럼 성장을 설명합니다. 분명히 이것은 거래 시스템이 시간이 지남에 따라 들쭉날쭉 한 형량 곡선을 생성 할 때 일어날 때 발생하지 않습니다. 그러나 이는 동일한 거래 기간 동안 수익을 원활하게하는 방법입니다. 거래 시스템이 10 년 동안 5 %의 연평균 성장률을 보인다고 가정 해 보겠습니다. 같은 기간 동안 동일한 시간대에 5 %의 수익을 창출하는 은행 CD가 있습니다. 이것이 CD를 더 나은 투자로 만들어 주는가? 아마도. 명심해야 할 것은 CAGR 계산에서 돈이 위험에 처한 시간을 고려하지 않는다는 것입니다. 예를 들어, 트레이딩 시스템이 10 년 동안 5 % CAGR로 재조정 될 수 있지만, 귀하의 돈은 시장에서 단시간 동안 활발하게 활동합니다. 대부분의 시간은 다음 거래 신호를 기다리는 중개 또는 선물 계좌에서 유휴 상태로 있습니다. CAGR은 돈이 위험에 처한 시간을 고려하지 않습니다. CD에서 5 %의 수익은 시간당 100 %의 자금이 잠겨있을 때만 실현된다는 점을 기억하십시오. 우리의 예제 거래 시스템을 사용하면 우리의 현금도 다른 도구에서 사용할 수있게됩니다.
위험 조정 수익률 (RAR)
이 계산은 돈이 시장에서 위험에 처해있는 시간을 고려합니다. 이것은 CAGR을 복용하고 노출로 나누어서 수행됩니다. 노출은 귀하의 돈이 시장에서 활발하게 일어난 시간의 백분율입니다. 저는 50 % 이상의 가치를보고 싶습니다.
최대 일중 인하 및 주식 곡선.
그 약세는 얼마나 큽니까? 정신적으로 그런 삭감을 처리 할 수 ​​있습니까? 이 선들을 따라 나는 또한 형평성 곡선의 모양을 봅니다. 얕은 풀백으로 올라갈 수 있습니까? 아니면 가파른 철수가 있습니까? 새로운 지분 최고치가없는 장기간의 기간이 있습니까? 이론적으로는 시간이 지남에 따라 형평성 곡선이 상승해야하며, 얕은 풀백으로 새로운 형평성이 형성되는 것이 이상적입니다.
이것은 많이 보지 못하는 것입니다. t - 테스트는 거래 시스템의 결과가 우연히 발생했을 가능성을 측정하는 데 사용되는 통계 테스트입니다. 1.6보다 큰 값을보고 싶다면 거래 결과가 우연히 발견되지 않을 가능성이 높습니다. 아래의 다른 값은 거래 결과가 우연의 기초 일 수 있음을 나타냅니다. t-Test 값은 30 개 이상의 거래로 계산되어야합니다. 아래는 t-Test 계산입니다.
t = 제곱근 (거래 횟수) * (무역 거래 당 평균 수익 / 거래 표준 편차)
기대.
기대는 Van Tharps book & # 8220; Financial Freedom To Your Financial Freedom & # 8221;에서 설명 된 개념입니다. 기대는 평균적으로 달러 당 위험이 얼마나 많이 발생할 것으로 예상 하는지를 알려줍니다. Expectancy는 다른 전략 입력 조합을 테스트 할 때 최적화하는 가치 일 수도 있습니다. 거래 시스템의 진정한 기대치를 계산하는 것은이 기사에서 다루지 않지만 다음과 같은 간단한 공식을 사용하여 예측할 수 있습니다.
기대치 = 무역 당 평균 순이익 / | 평균 달러화 거래 감소 |
수학에 익숙하지 않은 사람들을 위해, '평균 손실 달러 거래'& # 8221; 절대 값을 사용해야 함을 나타냅니다. 이는 단순히 숫자가 음수 값이면 음수 기호를 삭제하여 양수 값을 나타냄을 의미합니다.
기대 점수.
이 값은 다양한 거래 시스템을 비교하는 데 사용할 수있는 객관적인 숫자를 산출하는 연간 기대 값입니다. 본질적으로 기대 기회 점수는 '기회' 주어진 거래 시스템이 거래를 얼마나 자주 생성 하는지를 고려하여 가치에 반영하십시오. 따라서이 점수를 사용하면 매우 다른 거래 시스템을 비교할 수 있습니다. 기대가 높을수록 수익성이 높습니다.
기대 점수 = 기대치 * 거래 횟수 * 365 / 전략 거래 일수.
결론.
위의 값으로 우리는 시스템이 어떻게 수행되는지에 관해 알맞은 그림을 얻을 수 있습니다. 물론, Monte Carlo 시뮬레이터를 통해 과거의 거래를 전달하는 것과 같이 평가할 수있는 다른 가치가 있습니다. 그러나이 기사에서 논의 된 이러한 가치는 시스템을 설계 할 때 또는 제 3 자 거래 시스템을 평가할 때 내가 이용하는 중요한 가치입니다.
저자 Jeff Swanson에 대하여.
Jeff는 System Trader Success & # 8211;의 창립자입니다. 양적 / 자동화 거래의 세계로 유익한 상인이되기위한 적절한 지식과 도구를 소매 상인에게 권한을 부여하는 웹 사이트 및 사명.
관련 게시물.
부서진 전략 또는 시장 변화 : 실적 저조 여부 조사.
어떤 작품을 찾았는지, 그리고 작동하지 않는 것.
주식 곡선 거래 & # 038; 을 넘어서.
인기 게시물.
2013 년 Connors 2 기간 RSI 업데이트.
이 단순한 지표는 돈을 다시 벌어들입니다.
아이비 포트폴리오.
Simple Gap 전략 개선, Part 1.
Capital Evolution LLC의 저작권 © 2017. - Thrive Themes에 의해 설계된 | WordPress에 의해 구동.
다시 로그인하십시오. 로그인 페이지가 새 창에서 열립니다. 로그인 한 후 닫고이 페이지로 돌아갈 수 있습니다.

거래 전략 성과 측정 항목
지표 기반 전략 수립을위한 방법.
Michael R. Bryant.
메트릭 기반 전략 작성은 일련의 거래 메트릭 측면에서 전략의 원하는 특성을 지정하여 거래 전략을 작성하는 것을 의미합니다. 전략 수립 알고리즘은 특정 메트릭 기반 요구 사항 및 / 또는 목표를 충족시키기 위해 거래 규칙 및 논리를 수립 할 책임이 있습니다. 이는 규칙과 논리를 지정하고 결과 전략을 테스트하여 성능이 수용 가능한지 여부를 확인하는 전통적인 방식과는 대조적입니다. 거래 메트릭스의 우주는 가능한 거래 규칙 및 로직의 영역보다 훨씬 작기 때문에 전자의 관점에서 전략을 지정하는 것이 쉬우 며 컴퓨터가 후자와 함께 나아 가기 더 어려운 작업을 수행하게합니다. 이 역 방법론을 채택하면 일반적으로 잘못된 시작이 줄어들고 기존 방식보다 훨씬 빠르게 수락 가능한 전략으로 수렴됩니다.
메트릭 기반 구축 방법의 성공은 올바른 메트릭 선택에 달려 있기 때문에이 기사에서는 일련의 거래 메트릭을 선택할 수있는 세 가지 방법에 대해 설명합니다. 적절한 상황에서 미니멀리스트, 타겟 기반 및 반복적 인 방법 중 하나를 성공적으로 사용할 수 있습니다. 각 방법의 장점과 단점에 대해 설명합니다.
빌드 메트릭 선택을위한 일반 고려 사항.
거래 전략 수립을 위해 메트릭 기반 방법을 사용하려면 전략 수립 소프트웨어에 선택한 메트릭을 기반으로 전략의 거래 논리를 자동으로 개발하는 알고리즘이 포함되어 있어야합니다. 생성 된 전략은 적합성을 결정하기 위해 메트릭에 대해 평가됩니다. 일부 프로그램은 규칙 및 / 또는 가격 패턴을 결합하기 위해 임시 방편을 사용합니다. 이전 기사에서는 무작위 추출 방법을 사용하여 간단한 유형의 전략 논리를 만들 수 있음을 보여주었습니다. 그러나보다 복잡한 유형의 진입 및 퇴장 규칙을 작성하려면 유전 프로그래밍과 같은보다 복잡한 방법이 필요합니다. 이것은 Adaptrade Builder의 기초입니다. 여기서는 제시된 아이디어를 설명하기 위해 사용됩니다.
트레이딩 메트릭스의 세계는 트레이딩 로직의 영역보다 훨씬 작지만 트레이딩 전략의 요구 사항을 지정할 때 선택할 수있는 다양한 메트릭이 있습니다. 하나의 과제는 많은 측정 항목이 서로 관련되어 있다는 것입니다. 이렇게하면 요구 사항을 지나치게 지정할 수 있습니다. 예를 들어 총 순이익 및 거래 수에 대한 특정 값을 원하고 평균 거래에 대한 가치를 염두에두고 있다고 가정합니다. 순이익이 평균 거래에 거래 수를 곱한 값이기 때문에 각 메트릭에 값을 지정하면 요구 사항이 지나치게 지정됩니다. 따라서 세 가지 메트릭 모두에 대해 값을 지정하는 것은 불필요합니다. 값이 일관되지 않으면 최적화 프로세스에서 솔루션을 찾기가 어려울 수 있습니다.
다음 방정식은보다 일반적으로 사용되는 메트릭 중 일부를 서로 관련시킵니다.
식 (1)은 평균 거래 (A T)와 평균 승리 (A W), 평균 손실 (A L) 및 승리 거래의 비율 (P W)을 관련시킨다. 방정식 (2)는 순이익 (NetProf)이 평균 거래와 거래의 총 수 (N T)의 곱이라는 것을 간단히 기술한다. 식 (3)은 데이터의 전체 막대 수 (N BARS)는 거래 수와 거래의 평균 막대 수 (N BARS, T)의 곱보다 적어도 커야 함을 나타냅니다.
이러한 메트릭을 과도하게 지정하지 않으려면 수식 (1) 또는 (2)의 메트릭 수보다 적은 메트릭을 지정해야합니다. 예를 들어, (1)의 네 가지 메트릭 중 세 가지 메트릭 만 지정해야합니다. 네 가지 메트릭 모두에 대해 요구 사항이 지정되면 (1)의 네 가지 변수 중 세 가지 변수가 주어진다면 요구 사항이 지나치게 지정됩니다. 네 번째 변수는 (1)에서 결정될 수 있습니다. 마찬가지로 (2)에서 세 개 중 두 개를 지정할 수 있지만 세 개 모두에 대한 요구 사항은 지나치게 지정해야합니다.
식 (3)은 불균형 조건이고 거래 메트릭이 아닌 총 데이터 막대 수가 포함되기 때문에 약간 다릅니다. 그러나 거래의 총 수와 거래의 평균 막대 수를 지정할 때 두 가지가 전체 데이터 막대 수에 의해 제한된다는 것을 명심해야합니다. 예를 들어 1000 개의 거래를 요청하고 50,000 바 미만의 데이터 바를 구축하는 경우 평균 거래 길이를 50 바라고하는 것은 비생산적입니다.
같은 라인을 따라 평균 거래 크기를 100 달러 이상으로 지정하고 평균 거래 크기 비율을 2 % 이상으로 지정하는 것과 같이 달러와 백분율로 표시된 동일한 메트릭에 대한 요구 사항을 설정하는 것을 지나치게 지정합니다. 이 두 메트릭은 서로 관련되어 있으므로 빌드 요구 사항 또는 조건으로 하나 또는 둘 중 하나만 사용해야합니다.
빌드 메트릭을 선택하는 또 다른 일반적인 고려 사항은 일부 메트릭이 전반적인 전략 품질을 나타내며 모든 전략에 적용될 수 있다는 것입니다. 이전에 Constraint-Driven Strategy Design 기사에서 이에 대해 논의했습니다. 이러한 유형의 메트릭과 관련된 조건 또는 요구 사항의 예로는 98 % 이상의 통계적 유의성 값과 0.95 이상의 상관 계수가 있습니다. 다른 측정 기준으로는 수익 요인, Sharpe 비율 및 Kelly 비율이 있습니다.
그러나 대부분의 다른 측정 항목은 원하는 유형의 전략에 더 구체적입니다. 예를 들어 하루의 거래 횟수, 거래의 평균 막대 수, 승자의 비율 및 평균 승리는 전략 유형에 따라 다릅니다. 예를 들어 일일 막대에 대한 장기 추세 추적 전략은 50 % 미만의 승자와 2보다 큰 승리 / 손해율을 가질 수 있으며 시장 당 연간 거래 건수는 12 개일 수 있습니다. 반면 하루 거래 전략은 하루에 여러 거래를 통해 60 % 이상의 승리 거래, 1에 가까운 승리 / 손해 비율을 가질 수 있습니다.
마지막으로, 메트릭스 선택에 대한 중요한 고려 사항은 선택된 값이 합리적인지 여부입니다. 전략에 대한 요구 사항을 설정한다고해서 요구 사항을 충족시킬 수있는 것은 아닙니다. 극단적 인 예로 E - 미니 S & P 전략의 경우 월 평균 순 이익이 1 계약 기준으로 1,000,000 달러보다 커야한다는 요구 사항을 설정할 수 있습니다. 분명히, 그 조건을 설정한다고해서 그 결과가 보장되는 것은 아닙니다. 일반적으로 일련의 조건이 합리적인 것처럼 보일 수 있지만 시장의 잠재적 인 잠재력을 넘어서는 것입니다. 이를 피하기 위해 예비 건설 및 테스트를 수행하여 시장의 수익 잠재력에 대한 더 나은 아이디어를 얻을 수 있습니다.
메트릭 기반 전략 수립을위한 방법 스펙트럼의 한쪽 끝은 최소한의 접근법입니다. 여기에서 사용하는 유일한 측정 항목은 순익이며, 목표는 단순히 순익을 극대화하는 것입니다. Adaptrade Builder에서 Metrics 윈도우는 아래 그림 1과 같이 나타납니다.
그림 1. 메트릭 기반 전략 수립의 최소 방법에 대한 메트릭 작성.
이 경우의 가중치는 임의적입니다. 이 접근 방식의 아이디어는 순이익을 극대화함으로써 다른 모든 측정 항목이 일치한다는 것입니다. 즉, 전략의 순이익이 최대화되면 가장 높은 수익률, 최저 손금, 가장 가벼운 주식 곡선 (고정 계약 / 주식 기준) 등이됩니다.
이 방법은 미니멀리스트 접근법의 스펙트럼 반대편에 있습니다. 매우 간단한 메트릭 세트를 사용하는 대신이 방법을 사용하면 원하는 세부 사항을 정확히 목표로 세부 요구 사항 세트를 설정할 수 있습니다. 이전 기사 인 Reverse Engineering a Trading Strategy에서이 접근법에 대해 논의했습니다. *이 기사에서는 실시간 추적에서 수익을 창출했던 기존 거래 전략의 결과를 사용하여 일련의 구축 조건을 설정했습니다. 아래의 그림 2는 2011 년에 기사가 발표 된 이후 리버스 엔지니어링 전략 ( "MiniMax Clone")이 어떻게 보류되었는지를 보여줍니다. 타겟 기반 접근 방식을 사용하여 생성 된 이후의 결과는 긍정적입니다. 빨간색 선 오른쪽에.
그림 2. MiniMax 복제 전략의 주식 곡선 릴리스 이후의 결과는 빨간색 선의 오른쪽에 표시됩니다.
표적 기반 접근법의 또 다른 예는 아래에 온라인으로 게시 된 거래 전략의 실제 결과에있는 메트릭을 사용하여 그림 3에 나와 있습니다.
그림 3. 메트릭 기반 전략 작성의 대상 기반 메소드에 대한 빌드 메트릭의 예
그림 3의 맨 위에있는 빌드 목표는 매우 간단합니다. 이러한 통계는 최소화하거나 최대화하는 측정 항목입니다. 중간 상자의 빌드 조건은 메트릭을 대상으로 지정합니다. 이 예에서 메트릭은 순익, 거래 수, 승률, 승 / 손 비율, 최대 수익 감소를 대상으로했습니다. 정확한 중복을 얻는 것은 거의 불가능하기 때문에 각 메트릭에 값 범위가 사용됩니다.
복제 할 특정 거래 결과 집합이없고 전략 결과에 대해 최소한의 접근 방식에서 얻을 수있는 것보다 더 많은 제어를 원할 경우 반복적 인 접근이 필요할 것입니다. 여기서는 Adaptrade Builder에서 제공되는 기본 메트릭 세트와 같은 엄격한 메트릭 세트를 사용하여 하나 이상의 예비 빌드를 수행하고 특정 빌드 요구 사항과 함께 빌드 결과를 사용하여 더 많은 것을 선택합니다 완전한 메트릭스 세트. 이러한 측정 항목으로 작성한 후에는 결과에 대해 마음에 들지 않는 항목을 해결하기 위해 결과를 검토하고 필요에 따라 측정 항목을 변경합니다. 예를 들어, 최상위 전략이 계속해서 큰 손실을 보인 거래가 있다면, 최대 불리한 여행을위한 조건을 추가 할 수 있습니다 (Max MAE). 결과가 요구 사항을 충족 할 때까지 프로세스를 반복 할 수 있습니다.
이 접근법의 예가 최근 기사의 단기 이익 기반 전략에서 따랐습니다. 아래 그림은 그 기사의 그림 3에서 복사 한 것으로, 단기 E-mini S & P 전략에 대한 최종 빌드에 사용 된 메트릭을 보여줍니다.
그림 4. 메트릭 기반 전략 작성의 반복 방법에 대한 빌드 메트릭의 예
목표 기반 접근법 (그림 3)과 마찬가지로 그림 4의 빌드 목표는 매우 단순하며 모든 전략 작성 프로젝트에 적용 할 수있는 기본 메트릭으로 구성됩니다. 반면에 구축 조건은 일반 메트릭 (상관 계수 및 유의성)과 구축되는 전략 (수익 요인, 최대 MAE 및 손실 평균 막대)에보다 구체적인 항목으로 구성됩니다. 도 4는 또한 원하는 모든 메트릭을 만족시키는 전략을 걸러 내기위한 조건 세트를 제공하는 "탑 전략 선택 조건"의 사용을 도시한다.
메트릭스 기반 전략 수립은 트레이딩 전략을 수립하는 데 매우 효과적인 방법 일 수 있지만, 훌륭한 메트릭스 세트를 선택하는 것은 약간의 생각이 필요합니다. 이 기사에서는 메트릭을 선택하는 세 가지 방법을 살펴 보았습니다. 미니멀리스트 방식은 특정 요구 사항이없고 특정 시장 또는 시장에 대한 최상의 전반적인 전략을 원할 때 가장 적합 할 수 있습니다. 그러나 과도한 위험을 최소화하려면 특히주의해야합니다. 대상 기반 또는 리버스 엔지니어링 방식은 복제 할 적합한 실시간 거래 결과를 찾거나 찾을 수있는 경우 효과적 일 수 있습니다. 반복적 접근 방식은 결과 전략을보다 잘 제어하기를 원하지만 메트릭 요구 사항에 대한 특정 값에 대한 사전 지식이없는 경우 기본 방법이되는 경향이 있습니다.
여기에 설명 된 방법 중 하나를 사용하면 Adaptrade Builder와 같은 도구를 사용하여 거래 전략을 성공적으로 구축 할 수 있습니다. 따르는 접근 방식에 관계없이 섹션 "빌드 측정 기준 선택에 대한 일반 고려 사항" 몇 가지 기본 지침을 제공해야합니다.
거래 메트릭스를 지정하고 알고리즘이 거래 로직을 구성하게함으로써 전략을 수립하는 것은 전략 수립에 대한 일반적인 접근 방식의 반대이다. 동일한 권고 사항이 적용된다 : 샘플 과다 피팅 및 테스트 아웃 및 실시간 추적에주의한다. 거래 전에 실적을 검증합니다.
거래와 행운을 빌어 요.
* 타겟 기반 방법은 "리버스 엔지니어링 (reverse-engineering)"방법으로 생각할 수 있지만, 접근 방식을 사용하면 기존 거래 전략의 결과를 복제했다고해서 반드시 내부 논리를 복제해야하는 것은 아닙니다. 대체로 기능적으로 동등하고 따라서 동일한 결과를 생성하는 많은 다른 거래 규칙 집합이 있습니다.
이 기사는 Adaptrade Software 뉴스 레터의 2014 년 10 월호에 실렸습니다.
HYPOTHETICAL 또는 SIMULATED PERFORMANCE 결과에는 고유 한 내재 된 제한이 있습니다. 실제 성과 기록과 달리, 시뮬레이션 된 결과는 실제 거래를 나타내지 않습니다. 또한 거래가 실제로 실행되지 않았기 때문에 결과가 유동성 부족과 같은 특정 시장 요인에 영향을 미치거나 과다 또는 과소 보상을받을 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 통보의 이익을 고려하여 설계되었다는 사실을 인정합니다. 어떠한 계정도 이익이나 손실을 달성 할 가능성이있는 것으로 나타나지 않습니다.
Adaptrade Software의 새로운 개발, 뉴스 및 특별 제안에 대한 정보를 얻으려면 당사 목록에 가입하십시오. 고맙습니다.
저작권 © 2004-2015 Adaptrade Software. 판권 소유.

거래 메트릭스.
Sharpe 비율은 전략의 보상 / 위험 비율을 경험적으로 특성화합니다. 그것은 주식 곡선에 의해 견디는 변동성 수준에 대해 얼마나 많은 수익을 낼 수 있는지를 정량화합니다. 당연히, 우리는 이러한 수익률과 변동성 (즉, 표준 편차)을 측정 할 기간과 빈도를 결정해야합니다. 보다 높은 빈도 전략은 표준 편차의 샘플링 속도가 더 빨라지지만 예를 들어 전체 측정 시간이 더 짧아야합니다.
최대 삭감.
최대 하락률은 전략의 지분 곡선에서 가장 큰 피크 - 투 - 트로프 비율 하락폭입니다. 기세 전략은 장기간의 축소 (많은 증분 손실 거래로 인한 손실)로 고통받는 것으로 잘 알려져 있습니다. 역사적인 테스트에서 이것이 전략과 관련하여 "통상적 인 업무"라고 제안한 경우에도 많은 상인은 연장 된 인출 기간에 포기할 것입니다. 당신은 당신의 전략 거래를 중단하기 전에 어느 정도의 연체율 (그리고 어느 기간 동안)을 받을지 결정할 필요가 있습니다. 이는 매우 개인적인 결정이므로 신중하게 고려해야합니다.
휘발성.
변동성은 전략의 "위험"과 강하게 관련됩니다. Sharpe 비율은 이것을 특징으로합니다. 기초 자산 군의 변동성이 크지 않다면 주식 곡선의 변동성이 커지며 샤프 비율도 작아진다. 나는 물론 긍정적 인 변동성이 거의 네거티브 변동성과 같다고 가정하고 있습니다. 일부 전략은 더 큰 불리한 변동성을 가질 수 있습니다. 이러한 속성을 알고 있어야합니다.
승리 - 손실 비율.
기술적으로 이것은 평균 거래 손실과 평균 승리 거래의 비율입니다. 이 비율은 거래 가능성에 대한 훌륭한 아이디어를 제공하며 올바른 방향에 있는지 파악하는 데 도움이됩니다. 비율이 당신이 잃는 것보다 더 많이 이기고 있다는 것을 나타내면, 당신은 훌륭한 일을하고있는 것입니다. 그러나 여기서 한 가지 제한 사항은 거래의 성과를 평가하는 데 중요한 승리 및 손실 거래의 규모를 나타내지 않으므로이 측정 기준을 바보 증명 방법으로 완전히 사용할 수 없다는 것입니다.
기대.
거래 성과 메트릭스에 관해서는 기대치가 가장 효과적이고 강력한 메트릭 중 하나입니다. 거래에서 발생할 위험이있는 모든 현금에 대한 수익을 예측하기 때문입니다. 요컨대, 특정 인스턴스에서 거래하는 금액에 대해 기대할 수있는 수익의 정도를 보여줍니다. 종종 거래 시스템의 기대 기간 중에 많은 오해가 있으며 평균은 손실과 보상 : 위험 비율로 이긴다. 그러나 무역 자본과는 별도로 시스템의 성능을 수치화한다는 사실에 기대를 차별화시키는 것은 무엇보다 중요합니다.
더 많이 또는 더 적은 박수를 치기 만하면 어떤 이야기가 실제로 돋보이는 지 우리에게 알릴 수 있습니다.
팀 Auquan.
Auquan은 다양한 배경의 사람들이 각자의 분야에서 기술을 적용하여 고품질의 거래 전략을 개발하는 것을 목표로합니다. 우리는 올바른 지식과 태도를 갖춘 매우 재능있는 사람들이 성공적인 거래 알고리즘을 설계 할 수 있다고 믿습니다.