Estratégia de negociação aleatória

Blog - Últimas Notícias.
Os analistas técnicos gastam muitas horas agonizando sobre as melhores técnicas de entrada e os melhores sistemas para acompanhamento de tendências. Mas, francamente, todo esforço vale a pena? Meu teste não prova; entradas aleatórias são tão boas quanto qualquer outra.
"Whipsaw Song", de Ed Seykota, contém suas regras de negociação em suas letras:
Montar seus vencedores Cortar suas perdas Gerenciar seu risco Usar paradas Atenha-se ao sistema Arquive as notícias.
E se um sistema de acompanhamento de tendências seguir todas as seis regras, mas usar entradas aleatórias para entrar em uma negociação? Tal método pode ser lucrativo?
Se as entradas aleatórias podem produzir um lucro, então deve dar aos profissionais uma tendência de grande confiança nos princípios básicos da boa negociação estabelecidos acima. E certamente é muito mais difícil ajustar demais esse sistema aos dados.
O sistema: Eu configurei um sistema simples de acompanhamento de tendências para testar entradas aleatórias como segue.
Entrada: Se não houver posição em um determinado instrumento, faça um: seja longo ou curto em uma base aleatória. Os números aleatórios são produzidos de 1 a 20: se 1 é produzido pelo gerador de números aleatórios, então uma posição longa é tomada, se 2, então uma posição curta. Para qualquer outro número, nenhuma ação é executada.
Embora não haja posição em um instrumento, esse processo é repetido diariamente até que uma posição seja tomada. Assim, há períodos em que não há posição em determinado instrumento. Como pode ser apreciado, aumentando o intervalo de números aleatórios (entre 1 e 50, por exemplo), você pode forçar períodos mais longos de abstinência e menos negociações gerais no portfólio.
Saída: Uma parada ATR de 5 à direita baseada em uma ATR média simples de 20 dias. Quando uma posição é interrompida, ela eventualmente será reinserida longa ou curta conforme as regras de entrada acima. ATR é o intervalo médio verdadeiro - uma medida da recente volatilidade de um instrumento.
Gerenciamento de risco: consistia em limitar o tamanho da posição inicial na entrada. Na entrada 0,375% por valor da carteira será arriscado (volatilidade ajustado, dimensionamento fixo de posição fracionária baseado na distância até a parada). Nenhuma outra tentativa será feita para limitar o risco.
Carteira: A carteira consistia num sortido equilibrado de mais de 25 futuros, 3 obrigações, 3 moedas, 3 energia, 4 cereais, 3 taxas de juro, 3 metais, 2 macios e 3 índices de acções.
Execuções de teste: executei 1000 testes. Eu poderia ter executado 5000 ou 500.000, mas suspeito que as estatísticas gerais seriam pouco.
Não há juros ganhos em saldos de caixa não utilizados. Desistência: 7% Comissão por contrato: US $ 7 Data de início: 1º de janeiro de 1990 Data de término: 1º de fevereiro de 2013 Capital inicial: US $ 40.000.000.
A média de estatísticas nos 1.000 testes realizados foi a seguinte:
Percentagem de testes rentáveis: 100% CAGR (taxa de crescimento anual composta - ou seja, este é o retorno): 2.42% MAR (CAGR médio dividido por empate médio - uma relação dor / ganho): 0.19 Max Peak to Valley Draw Down ( maior perda no valor da carteira em qualquer período): 14,11% Número de negócios: 1.995 R Squar (suavidade dos retornos): 83 Desvio padrão (mensal anualizado): 5 Duração comercial vencedora (dias): 145 Perder duração comercial (dias): 52 .
Conclusão.
A conclusão é que quase qualquer forma de seguir a tendência funcionou muito bem nas últimas décadas. Eu pareço ter demonstrado que, desde que as tendências realmente existam, quase qualquer método de entrada funcionará, desde que combinado com uma saída que permita que os lucros corram e reduzam as perdas.
Outros testes mostraram como os resultados podem ser melhorados através de medidas como a adição de um filtro de longo prazo, de modo que as negociações sejam realizadas apenas na direção da tendência de longo prazo. Quando tal filtro é aplicado, os resultados agregados se assemelham muito aos índices históricos de retorno e risco-recompensa da tendência seguindo a comunidade CTA como um todo, enfatizando que os métodos exatos de entrada não são importantes. A indústria como um todo não é melhor em escolher pontos de entrada do que meu sistema aleatório.
O jogo, sem dúvida, tornou-se mais difícil ao longo dos anos por uma série de razões, incluindo o crescente número de jogadores nos mercados. Os anos de 2001 e 2012 provaram ser excepcionalmente difíceis e poucos sistemas seguindo a tendência (entrada aleatória ou não) foram capazes de lucrar em mercados tão agitados e sem tendências.
O que o futuro guarda? Quem sabe, mas é bom estar preparado. Se surgirem tendências fortes e duradouras, esses sistemas voltarão a lucrar. Se não, eles não vão. É tão simples quanto isso.
Meu objetivo ao testar entradas aleatórias juntamente com uma saída que segue a tendência era muito deliberada. Para testar se a tendência segue os dados de mercado que eu tenho ao meu comando.
Meu objetivo não era testar a eficácia de entradas aleatórias juntamente com saídas aleatórias, que, mesmo intuitivamente, percebi que seria um jogo de soma zero. Tampouco foi para testar se entradas aleatórias (com ou sem paradas) seriam lucrativas ou de outra forma em um mercado paralelo - novamente, mesmo intuitivamente, percebi que elas não seriam.
O experimento consistiu em testar tendências seguindo em uma ampla base de mercados, onde quase por definição haveria períodos de tendência e períodos de movimento de ligar / desligar lateralmente, seguindo a tendência de mortal a longo prazo.

Estratégia de negociação aleatória
Afiliação: Dipartimento di Economia e Impresa, Universitá di Catania, Catania, Itália.
Alessandro Pluchino.
Afiliações: Dipartimento di Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Andrea Rapisarda.
Afiliações: Dipartimento di Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Dirk Helbing.
Afiliação: ETH Zurique, Zurique, Suíça.
Neste artigo, exploramos o papel específico da aleatoriedade nos mercados financeiros, inspirados pelo papel benéfico do ruído em muitos sistemas físicos e em aplicações anteriores a sistemas socioeconômicos complexos. Após uma breve introdução, estudamos o desempenho de algumas das estratégias de negociação mais utilizadas na previsão da dinâmica dos mercados financeiros para diferentes índices internacionais de bolsa de valores, com o objetivo de compará-las ao desempenho de uma estratégia completamente aleatória. A este respeito, os dados históricos para FTSE-UK, FTSE-MIB, DAX e S & amp; Os índices P500 são levados em conta por um período de cerca de 15 a 20 anos (desde sua criação até hoje).
Citação: Biondo AE, Pluchino A, Rapisarda A, Helbing D (2013) As estratégias de negociação aleatória são mais bem-sucedidas que as técnicas? PLoS ONE 8 (7): e68344. doi: 10.1371 / journal. pone.0068344.
Editor: Alejandro Raul Hernandez Montoya, Universidade Veracruzana, México.
Direitos autorais: © 2013 Biondo et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição da Creative Commons, que permite uso, distribuição e reprodução irrestritos em qualquer meio, desde que o autor e a fonte originais sejam creditados.
Financiamento: Os autores não têm apoio ou financiamento para relatar.
Interesses concorrentes: Os autores declararam que não existem interesses concorrentes.
Introdução.
Na física, tanto no nível clássico quanto quântico, muitos sistemas reais funcionam bem e mais eficientemente devido ao papel útil de um ruído fraco aleatório [1] - [6]. Mas não apenas os sistemas físicos se beneficiam da desordem. De fato, o ruído tem uma grande influência na dinâmica de células, neurônios e outras entidades biológicas, mas também em sistemas ecológicos, geofísicos e socioeconômicos. Seguindo essa linha de pesquisa, investigamos recentemente como estratégias aleatórias podem ajudar a melhorar a eficiência de um grupo hierárquico para enfrentar o princípio de Peter [7] - [9] ou uma instituição pública como o Parlamento [10]. Outros grupos exploraram com sucesso estratégias similares em jogos de minorias e Parrondo [11], [12], na avaliação de desempenho de portfólio [13] e no contexto do leilão duplo contínuo [14].
Recentemente Taleb foi brilhantemente discutido em seus livros de sucesso, como o acaso e os cisnes negros governam nossa vida, mas também o comportamento da economia e do mercado financeiro além de nossas expectativas ou controle pessoal e racional. Na verdade, a aleatoriedade entra em nossa vida cotidiana, embora dificilmente a reconheçamos. Portanto, mesmo sem ser cético tanto quanto Taleb, pode-se facilmente afirmar que muitas vezes entendemos mal os fenômenos que nos rodeiam e somos enganados por aparentes conexões que são apenas devido à fortuna. Os sistemas econômicos são inevitavelmente afetados pelas expectativas, presentes e passadas, já que as crenças dos agentes influenciam fortemente sua dinâmica futura. Se hoje surgiu uma expectativa muito boa sobre o desempenho de qualquer segurança, todos tentariam comprá-la e essa ocorrência implicaria um aumento em seu preço. Então, amanhã, essa garantia teria um preço maior do que hoje, e esse fato seria apenas a consequência da própria expectativa do mercado. Essa profunda dependência das expectativas fez com que economistas financeiros tentassem construir mecanismos para prever os preços futuros dos ativos. O objetivo deste estudo é precisamente verificar se esses mecanismos, que serão descritos em detalhes nas próximas seções, são mais eficazes para prever a dinâmica do mercado em comparação com uma estratégia completamente aleatória.
Em um artigo anterior [17], motivado também por alguns experimentos intrigantes em que uma criança, um chimpanzé e dardos foram utilizados com sucesso para investimentos remunerativos [18], [19], já encontramos algumas evidências a favor de estratégias aleatórias para o FTSE - Mercado de ações do Reino Unido. Aqui vamos estender esta investigação para outros mercados financeiros e para novas estratégias de negociação. O artigo está organizado da seguinte forma. A seção 2 apresenta uma breve introdução ao debate sobre a previsibilidade nos mercados financeiros. Na Seção 3, introduzimos a série histórica financeira considerada em nosso estudo e realizamos uma análise de retificação em busca de possíveis correlações de algum tipo. Na Seção 4, definimos as estratégias de negociação usadas em nossas simulações, enquanto na Seção 5 discutimos os principais resultados obtidos. Finalmente, na Seção 6, extraímos nossas conclusões, sugerindo também algumas implicações políticas contraintuitivas.
Expectativas e Previsibilidade nos Mercados Financeiros.
Como Simon [20] apontou, os indivíduos assumem sua decisão com base em um conhecimento limitado sobre seu ambiente e, assim, enfrentam altos custos de busca para obter informações necessárias. No entanto, normalmente, eles não podem reunir todas as informações que deveriam. Portanto, os agentes agem com base na racionalidade limitada, o que leva a vieses significativos na maximização da utilidade esperada que eles buscam. Em contraste, Friedman [21] defendeu a abordagem do agente racional, que considera que o comportamento dos agentes pode ser melhor descrito assumindo sua racionalidade, uma vez que os agentes não-racionais não sobrevivem à competição no mercado e são expulsos dele. Portanto, nem os vieses sistemáticos na utilidade esperada, nem a racionalidade limitada podem ser usados ​​para descrever os comportamentos dos agentes e suas expectativas.
Sem qualquer receio de contradição, pode-se dizer que hoje em dia dois modelos principais de referência de expectativas foram amplamente estabelecidos na literatura econômica: o modelo de expectativas adaptativas e o modelo de expectativa racional. Aqui não daremos nenhuma definição formal desses paradigmas. Para nossos propósitos, é suficiente recordar sua justificativa. O modelo de expectativas adaptativas baseia-se em uma série ponderada de valores retrospectivos (de modo que o valor esperado de uma variável é o resultado da combinação de seus valores passados). Em contraste, o modelo de expectativas racionais hipotetiza que todos os agentes têm acesso a todas as informações disponíveis e, portanto, conhecem exatamente o modelo que descreve o sistema econômico (o valor esperado de uma variável é a previsão objetiva fornecida pela teoria). Essas duas teorias remontam a contribuições muito relevantes, entre as quais apenas nos referimos a Friedman [21], [22], Phelps [23] e Cagan [24] para expectativas adaptativas (vale a pena notar que a noção de “ expectativas adaptativas ”foi introduzido pela primeira vez por Arrow e Nerlove [25]). Para expectativas racionais, nos referimos a Muth [26], Lucas [27] e Sargent-Wallace [28].
Os mercados financeiros são frequentemente tomados como exemplo de dinâmicas complexas e volatilidade perigosa. Isso de alguma forma sugere a ideia de imprevisibilidade. No entanto, devido ao papel relevante desses mercados no sistema econômico, um amplo corpo de literatura foi desenvolvido para obter algumas previsões confiáveis. De fato, a previsão é o ponto chave dos mercados financeiros. Desde Fama [29], dizemos que um mercado é eficiente se ocorrer uma arbitragem perfeita. Isso significa que o caso de ineficiência implica a existência de oportunidades para lucros inexplorados e, é claro, os operadores operariam imediatamente posições longas ou curtas até que qualquer outra possibilidade de lucro desaparecesse. Jensen [30] afirma precisamente que um mercado deve ser considerado eficiente no que diz respeito a um conjunto de informações, se for impossível obter lucros através da negociação com base nesse conjunto de informações. Isso é consistente com Malkiel [31], que argumenta que um mercado eficiente reflete perfeitamente todas as informações na determinação dos preços dos ativos. Como o leitor pode entender facilmente, a parte mais importante dessa definição de eficiência depende da integridade do conjunto de informações. De fato, Fama [29] distingue três formas de eficiência de mercado, de acordo com o grau de completude do conjunto informativo (ou seja, “fraco”, “semiforte” e “forte”). Assim, traders e analistas financeiros buscam continuamente expandir seu conjunto de informações para obter a oportunidade de escolher a melhor estratégia: esse processo envolve tanto agentes em flutuações de preço que, ao final do dia, pode-se dizer que sua atividade é reduzida a um palpite sistemático. A globalização completa dos mercados financeiros ampliou esse processo e, com o tempo, estamos experimentando décadas de extrema variabilidade e alta volatilidade.
Keynes argumentou, há muitos anos, que a racionalidade dos agentes e da psicologia de massa (os chamados "espíritos animais") não devem ser interpretados como se fossem a mesma coisa. O Autor apresentou o famoso exemplo do concurso de beleza para explicar a lógica subjacente aos mercados financeiros. Em sua Teoria Geral [32], ele escreveu que “o investimento baseado em expectativas genuínas de longo prazo é tão difícil que dificilmente é praticável. Aquele que o tenta certamente deve levar dias muito mais trabalhosos e correr riscos maiores do que aquele que tenta adivinhar melhor do que a multidão como a multidão se comportará; e, dada inteligência igual, ele pode cometer erros mais desastrosos. Em outras palavras, a fim de prever o vencedor do concurso de beleza, deve-se tentar interpretar a beleza preferida do júri, em vez de prestar atenção no ideal da beleza objetiva. Nos mercados financeiros é exatamente a mesma coisa. Parece impossível prever preços de ações sem erros. A razão é que nenhum investidor pode saber de antemão a opinião “do júri”, ou seja, de uma massa de investidores ampla, heterogênea e muito substancial, que reduz qualquer previsão possível a apenas um palpite.
Apesar de considerações como essas, a chamada Hipótese dos Mercados Eficientes (cuja principal fundamentação teórica é a teoria das expectativas racionais), descreve o caso de mercados perfeitamente competitivos e agentes perfeitamente racionais, dotados de toda informação disponível, que escolhem as melhores estratégias ( já que, de outra forma, o mecanismo competitivo de compensação os colocaria fora do mercado). Há evidências de que essa interpretação de um mecanismo de arbitragem perfeito em pleno funcionamento não é adequada para analisar os mercados financeiros, como, por exemplo: Cutler et al. [33], que mostra que grandes movimentos de preços ocorrem mesmo quando pouca ou nenhuma nova informação está disponível; Engle [34], que relatou que a volatilidade dos preços está fortemente correlacionada temporalmente; Mandelbrot [35], [36], Lux [37], Mantegna e Stanley [38], que argumentam que as flutuações de curto prazo dos preços não são normais; ou por último, mas não menos importante, Campbell e Shiller [39], que explicam que os preços podem não refletir com precisão as avaliações racionais.
Muito interessante, uma infinidade de modelos de agentes heterogêneos foram introduzidos no campo da literatura financeira. Nesses modelos, diferentes grupos de comerciantes coexistem, com diferentes expectativas, influenciando-se mutuamente por meio das conseqüências de seus comportamentos. Mais uma vez, nossa discussão não pode ser exaustiva aqui, mas podemos mencionar proveitosamente pelo menos contribuições de Brock [40], [41], Brock e Hommes [42], Chiarella [43], Chiarella e He [44], DeGrauwe e cols. . [45], Frankel e Froot [46], Lux [47], Wang [48] e Zeeman [49].
Parte dessa literatura refere-se à abordagem, denominada “sistemas de crenças adaptativas”, que tenta aplicar a não-linearidade e o ruído aos modelos de mercado financeiro. A incerteza intrínseca sobre fundamentos econômicos, juntamente com erros e heterogeneidade, leva à ideia de que, além do valor fundamental (ou seja, o valor atual descontado dos fluxos esperados de dividendos), os preços das ações flutuam de forma imprevisível devido a fases de otimismo ou pessimismo. para as fases correspondentes de tendência de alta e tendência de baixa que causam crises de mercado. Como esse tipo de comportamento errático pode ser gerenciado para otimizar uma estratégia de investimento? A fim de explicar a atitude muito diferente adotada pelos agentes para escolher estratégias ao negociar nos mercados financeiros, uma distinção é feita entre fundamentalistas e cartistas. Os primeiros baseiam suas expectativas sobre os preços dos ativos futuros sobre os fundamentos do mercado e fatores econômicos (ou seja, variáveis ​​micro e macroeconômicas, como dividendos, lucros, crescimento econômico, taxas de desemprego, etc.). Por outro lado, os últimos tentam extrapolar tendências ou características estatisticamente relevantes de séries passadas de dados, a fim de prever os caminhos futuros dos preços dos ativos (também conhecidos como análise técnica).
Dado que a interação destes dois grupos de agentes determina a evolução do mercado, escolhemos aqui focar no comportamento dos grafistas (uma vez que uma análise qualitativa dos fundamentos macroeconômicos é absolutamente subjetiva e difícil de avaliar), tentando avaliar a ex-investidora individual capacidade preditiva - ante. Assumindo a falta de informação completa, a aleatoriedade desempenha um papel fundamental, uma vez que a eficiência é impossível de ser alcançada. Isto é particularmente importante para sublinhar que a nossa abordagem não depende de qualquer forma do paradigma da Hipótese dos Mercados Eficientes acima mencionado. Mais precisamente, estamos buscando a resposta para a seguinte pergunta: se um trader assume a falta de informação completa em todo o mercado (isto é, a imprevisibilidade da dinâmica dos preços das ações [50] - [53]), seria ex-ante estratégia de negociação executar, em média, tão bem como estratégias de negociação bem conhecidas? Passamos da evidência de que, como cada agente depende de um conjunto de informações diferente para construir suas estratégias de negociação, nenhum mecanismo eficiente pode ser invocado. Em vez disso, uma rede complexa de comportamento de auto-influência, devido à circulação assimétrica de informações, desenvolve suas ligações e gera comportamentos de manada para seguir alguns sinais cuja credibilidade é aceita.
Crises financeiras mostram que os mercados financeiros não estão imunes a falhas. Seu sucesso periódico não é gratuito: eventos catastróficos queimam valores enormes em dólares e os sistemas econômicos em grave perigo. Os comerciantes estão tão certos de que estratégias elaboradas se encaixam na dinâmica dos mercados? A nossa simulação simples irá realizar uma análise comparativa do desempenho de diferentes estratégias de negociação: os nossos traders terão que prever, dia a dia, se o mercado irá subir (tendência 'alta') ou para baixo (tendência 'bearish'). As estratégias testadas são: o Momentum, o RSI, o UPD, o MACD e um completamente aleatório.
Os teóricos das expectativas racionais imediatamente apostariam que a estratégia aleatória perderia a concorrência, pois não está usando nenhuma informação, mas, como mostraremos, nossos resultados são bastante surpreendentes.
Análise Detectada da Série de Índices.
Consideramos quatro índices muito populares de mercados financeiros e, em particular, analisamos as seguintes séries temporais correspondentes, mostradas na Figura 1:
Expandir Figura 1. Evolução temporal de quatro índices importantes do mercado financeiro (com intervalos de tempo de 3714 a 5750 dias).
De cima para baixo, mostramos o índice FTSE UK All-Share, o índice FTSE MIB All-Share, o índice DAX All-Share e o índice S & amp; Índice P 500. Veja o texto para mais detalhes.
Em geral, a possibilidade de prever séries temporais financeiras tem sido estimulada pelo achado de algum tipo de comportamento persistente em alguns deles [38], [54], [55]. O principal objetivo da presente seção é investigar a possível presença de correlações nas quatro séries financeiras anteriores do mercado de ações da Europa e dos EUA todos os índices de ações. Neste contexto, calcularemos o expoente de Hurst dependente do tempo usando a técnica de média móvel desviada (DMA) [56]. Vamos começar com um resumo do algoritmo DMA. O procedimento computacional é baseado no cálculo do desvio padrão ao longo de uma determinada série temporal definida como.
onde é a média calculada em cada janela de tempo de tamanho. Para determinar o expoente de Hurst, a função é calculada para valores crescentes dentro do intervalo, sendo o comprimento da série temporal, e os valores obtidos são relatados como uma função de um gráfico log-log. Em geral, exibe uma dependência da lei de potência com o expoente, ou seja,
Em particular, se, um tiver uma correlação negativa ou um comportamento anti-persistente, enquanto um tiver uma correlação positiva ou um comportamento persistente. O caso de corresponde a um processo browniano não correlacionado. No nosso caso, como primeiro passo, calculamos o expoente de Hurst considerando a série completa. Esta análise é ilustrada nas quatro parcelas da Fig. 2. Aqui, um ajuste linear aos gráficos log-log revela que todos os valores do índice H de H obtidos desta maneira para as séries temporais estudadas são, em média, muito próximos. para 0,5. Este resultado parece indicar uma ausência de correlações em grandes escalas de tempo e uma consistência com um processo aleatório.
Expandir a Figura 2. Análise detetada para as quatro séries do mercado financeiro mostradas na Figura 1.
O comportamento da lei de potência do desvio padrão da DMA permite derivar um índice de Hurst que, em todos os quatro casos, oscila em torno de 0,5, indicando uma ausência de correlações, em média, ao longo de grandes períodos de tempo. Veja o texto.
Por outro lado, é interessante calcular o expoente de Hurst localmente no tempo. Para realizar esta análise, consideramos subconjuntos da série completa por meio de janelas deslizantes de tamanho, que se movem ao longo da série com o intervalo de tempo. Isso significa que, a cada vez, calculamos o interior da janela deslizante mudando com a Eq. (1). Assim, seguindo o mesmo procedimento descrito acima, uma sequência de valores de expoente de Hurst é obtida em função do tempo. Na Fig. 3 mostramos os resultados obtidos para os parâmetros,. Neste caso, os valores obtidos para o expoente de Hurst diferem muito localmente de 0,5, indicando assim a presença de correlações locais significativas.
Expandir a Figura 3. Dependência temporal do índice de Hurst para as quatro séries: em escalas de tempo menores, correlações significativas estão presentes.
Esta investigação, que está de acordo com o que foi encontrado anteriormente na Ref. [56] para o índice Dax, parece sugerir que as correlações são importantes apenas em uma escala temporal local, enquanto elas cancelam a média em períodos de longo prazo. Como veremos nas próximas seções, esse recurso afetará o desempenho das estratégias de negociação consideradas.
Descrição das Estratégias de Negociação.
No presente estudo, consideramos cinco estratégias de negociação definidas da seguinte forma:
Estratégia Aleatória (RND) Esta estratégia é a mais simples, já que o trader correspondente faz sua previsão no tempo completamente ao acaso (com distribuição uniforme). Momentum (MOM) Estratégia Esta estratégia é baseada no chamado indicador de momentum, ou seja, a diferença entre o valor e o valor, onde é um dado intervalo de negociação (em dias). Então, se, o comerciante prevê um incremento do índice de fechamento para o dia seguinte (ou seja, ele prevê isso) e vice-versa. Nas seguintes simulações, consideraremos dias, já que este é um dos mais utilizados para o indicador de momento. Veja ref. [57] Estratégia do Índice de Força Relativa (RSI) Esta estratégia é baseada em um indicador mais complexo chamado "RSI". É considerada uma medida da força de negociação recente da ação e sua definição é:, onde está a relação entre a soma dos retornos positivos e a soma dos retornos negativos ocorridos nos últimos dias anteriores. Uma vez calculado o índice RSI para todos os dias incluídos em uma janela de tempo imediatamente anterior à hora, o negociador que segue a estratégia de RSI faz sua previsão com base em uma possível reversão da tendência de mercado, revelada pelo a chamada 'divergência' entre a série temporal original e a nova série RSI. Uma divergência pode ser definida referindo-se a uma comparação entre a série de dados original e a série RSI gerada, e é o sinal de negociação mais significativo fornecido por qualquer indicador de estilo do oscilador. É o caso quando a tendência significativa entre dois extremos locais mostrada pela tendência do RSI é orientada na direção oposta à tendência significativa entre dois extremos (no mesmo intervalo de tempo) mostrados pela série original. Quando a linha RSI se inclina de maneira diferente da linha da série original, ocorre uma divergência. Veja o exemplo na Fig. 4: dois máximos locais seguem duas tendências diferentes inclinadas de forma oposta. No caso mostrado, o analista interpretará essa divergência como uma expectativa otimista (já que o oscilador RSI diverge da série original: ela começa a aumentar quando a série original ainda está diminuindo). Em nosso modelo simplificado, a presença de tal divergência se traduz em uma mudança na previsão do sinal, dependendo da tendência de alta ou baixa dos dias anteriores. Nas simulações seguintes, escolheremos dias, uma vez que - mais uma vez - este valor é um dos mais utilizados nas estratégias de negociação reais baseadas no RSI. Veja ref. [57] Estratégia de Up and Down Persistency (UPD) Esta estratégia determinista não vem da análise técnica. No entanto, decidimos considerá-lo porque parece seguir o aparentemente alternativo comportamento “subindo e descendo” das séries de mercado que qualquer observador pode ver à primeira vista. A estratégia é baseada na seguinte regra muito simples: a previsão para o comportamento do mercado amanhã é exatamente o oposto do que aconteceu no dia anterior. Se, por exemplo, um tiver, a expectativa no momento para o período será de alta: e vice-versa. Estratégia de Divergência de Convergência Média Móvel (MACD) A 'MACD' é uma série construída por meio da diferença entre duas Médias Móveis Exponenciais (EMA, doravante) do preço de mercado, referindo-se a duas janelas de tempo diferentes, uma menor e uma maior. Em qualquer momento t. Em particular, a primeira é a média móvel exponencial de doze dias, enquanto a segunda se refere a vinte e seis dias. O cálculo desses EMAs em um intervalo de tempo pré-determinado, x, dado um peso de proporcionalidade, é executado pela seguinte fórmula recursiva: com, onde. Uma vez calculada a série MACD, obtém-se a média móvel exponencial de 9 dias e, finalmente, a estratégia de negociação para a previsão dinâmica do mercado pode ser definida: a expectativa para o mercado é de alta (baixa) se (). Veja ref. [57] Expandir Figura 4. Exemplo de divergência de RSI.
Uma divergência é um desacordo entre o indicador (RSI) e o preço subjacente. Por meio de linhas de tendência, o analista verifica se as inclinações de ambas as séries estão de acordo. Quando a divergência ocorre, uma inversão da dinâmica de preços é esperada. No exemplo, um período de alta é esperado.
Resultados de Simulações Baseadas em Empiricamente.
Para cada uma de nossas quatro séries temporais financeiras (em dias), o objetivo era simplesmente prever, dia a dia e para cada estratégia, o movimento ascendente (altista) ou descendente (baixa) do índice em um determinado dia com em relação ao valor de fechamento um dia antes: se a previsão estiver correta, o negociador ganha, caso contrário ele perde. Neste sentido, estamos interessados ​​apenas em avaliar a porcentagem de ganhos obtidos por cada estratégia, assumindo que - a cada passo - os operadores conhecem perfeitamente a história passada dos índices, mas não possuem nenhuma outra informação e não podem exercer nenhuma influência sobre os mesmos. mercado, nem receber qualquer informação sobre movimentos futuros.
A seguir, testamos o desempenho das cinco estratégias dividindo cada uma das quatro séries temporais em uma sequência de janelas de negociação de tamanho igual (em dias) e avaliando a porcentagem média de vitórias para cada estratégia dentro de cada janela enquanto os operadores se movem. ao longo da série dia a dia, de para. Este procedimento, quando aplicado, permite explorar o desempenho das várias estratégias para várias escalas de tempo (variando, de forma aproximada, de meses a anos).
A motivação por trás dessa escolha está ligada ao fato de que a evolução temporal de cada índice alterna claramente entre períodos calmos e voláteis, que em uma resolução mais precisa revelaria uma alternância mais autosemelhante de comportamento intermitente e regular em escalas de tempo menores. uma característica dos mercados financeiros turbulentos [35], [36], [38], [58]. Tal característica torna qualquer previsão a longo prazo de seu comportamento muito difícil ou mesmo impossível com instrumentos de análise financeira padrão. O ponto é que, devido à presença de correlações em pequenas escalas temporais (como confirmado pela análise do expoente de Hurst dependente do tempo na Figura 3), pode-se esperar que uma dada estratégia de negociação padrão, baseada na história passada da índices, poderia executar melhor do que os outros dentro de uma determinada janela de tempo. Mas isso pode depender muito mais do acaso do que da eficácia real do algoritmo adotado. Por outro lado, se numa escala temporal muito grande a evolução do tempo do mercado financeiro é um processo browniano não correlacionado (como indicado pelo expoente médio de Hurst, que resulta em torno de todas as séries financeiras consideradas), pode-se esperar também que o desempenho das estratégias de negociação padrão em uma grande escala de tempo torna-se comparável a estratégias aleatórias. Na verdade, isso é exatamente o que encontramos, conforme explicado a seguir.
Nas Figs. 5–8, relatamos os resultados de nossas simulações para os quatro índices de ações considerados (FTSE-UK, FTSE-MIB, DAX, S & P 500). Em cada figura, de cima para baixo, plotamos: a série temporal do mercado em função do tempo; a série de "retornos" correspondente, determinada como a proporção; a volatilidade dos retornos, ou seja, a variância da série anterior, calculada dentro de cada janela para aumentar os valores do tamanho da janela de negociação (igual a, da esquerda para a direita,, e respectivamente); a porcentagem média de ganhos para as cinco estratégias de negociação consideradas, calculadas para os mesmos quatro tipos de janelas (a média é realizada sobre todas as janelas em cada configuração, considerando diferentes execuções de simulação dentro de cada janela); os desvios padrão correspondentes para as vitórias das cinco estratégias.
Figura 5. Resultados da série de índices FTSE-UK, divididos em um número crescente de janelas de negociação de tamanho igual (3,9,18,30), simulando diferentes escalas de tempo.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
Observando os dois últimos painéis em cada figura, dois resultados principais são evidentes:
As percentagens médias de ganhos para as cinco estratégias são sempre comparáveis ​​e oscilam, com pequenas diferenças aleatórias que dependem do índice financeiro considerado. O desempenho de vitórias para todas as estratégias pode parecer paradoxal, mas depende do procedimento de cálculo da média em todas as janelas ao longo de cada série temporal. Na Fig. 9 mostramos, para comparação, o comportamento das várias estratégias para os quatro índices financeiros considerados e para o caso (a pontuação em cada janela é calculada sobre diferentes eventos): como se pode ver, dentro de uma dada janela de negociação cada Uma estratégia única pode executar aleatoriamente muito melhor ou pior do que, mas, em média, o desempenho global das diferentes estratégias é muito semelhante. Além disso, referindo novamente as Figs. 5–8, vale a pena notar que a estratégia com a maior porcentagem média de ganhos (para a maioria das configurações do Windows) muda de um índice para outro: para o FTSE-UK, a estratégia do MOM parece ter uma pequena vantagem; para o FTSE-MIB, a UPD parece ser a melhor; para DAX, o RSI e para o S & amp; P 500, o UPD funciona um pouco melhor que os outros. Em qualquer caso, a vantagem de uma estratégia parece mera coincidência. O segundo resultado importante é que as flutuações da estratégia aleatória são sempre menores que as das outras estratégias (como também é visível na Fig. 9 para o caso): isso significa que a estratégia aleatória é menos arriscada do que a negociação padrão considerada. estratégias, enquanto o desempenho médio é quase idêntico. Isso implica que, ao tentar otimizar o desempenho, os operadores padrão são enganados pelo fenômeno da “ilusão de controle” [11], [12], reforçado por uma seqüência de vitórias em um determinado período de tempo. No entanto, a primeira grande perda pode afastá-los do mercado. Por outro lado, a eficácia das estratégias aleatórias pode estar provavelmente relacionada ao caráter turbulento e errático dos mercados financeiros: é verdade que um operador aleatório provavelmente ganhará menos em um determinado período de tempo, mas é provável que ele também perder menos. Portanto, sua estratégia implica menos risco, pois tem menor probabilidade de ser expulso do jogo. Expandir a Figura 9. A porcentagem de vitórias das diferentes estratégias dentro de cada janela de tempo - em média, em 10 eventos diferentes - é relatada, no caso N w = 30, para os quatro mercados considerados.
Como é visível, os desempenhos das estratégias podem ser muito diferentes uns dos outros dentro de uma única janela de tempo, mas, ao longo de toda a série, essas diferenças tendem a desaparecer e a pessoa recupera o resultado comum mostrado nas figuras anteriores.
Conclusões e Implicações de Política.
Neste artigo, exploramos o papel das estratégias aleatórias nos sistemas financeiros do ponto de vista microeconômico. Em particular, simulamos o desempenho de cinco estratégias de negociação, incluindo uma completamente aleatória, aplicada a quatro índices de mercados financeiros muito populares, a fim de comparar sua capacidade preditiva. Our main result, which is independent of the market considered, is that standard trading strategies and their algorithms, based on the past history of the time series, although have occasionally the chance to be successful inside small temporal windows, on a large temporal scale perform on average not better than the purely random strategy, which, on the other hand, is also much less volatile. In this respect, for the individual trader, a purely random strategy represents a costless alternative to expensive professional financial consulting, being at the same time also much less risky, if compared to the other trading strategies.
This result, obtained at a micro-level, could have many implications for real markets also at the macro-level, where other important phenomena, like herding, asymmetric information, rational bubbles occur. In fact, one might expect that a widespread adoption of a random approach for financial transactions would result in a more stable market with lower volatility. In this connection, random strategies could play the role of reducing herding behavior over the whole market since, if agents knew that financial transactions do not necessarily carry an information role, bandwagon effects could probably fade. On the other hand, as recently suggested by one of us [59], if the policy-maker (Central Banks) intervened by randomly buying and selling financial assets, two results could be simultaneously obtained. From an individual point of view, agents would suffer less for asymmetric or insider information, due to the consciousness of a “fog of uncertainty” created by the random investments. From a systemic point of view, again the herding behavior would be consequently reduced and eventual bubbles would burst when they are still small and are less dangerous; thus, the entire financial system would be less prone to the speculative behavior of credible “guru” traders, as explained also in [60]. Of course, this has to be explored in detail as well as the feedback effect of a global reaction of the market to the application of these actions. This topic is however beyond the goal of the present paper and it will be investigated in a future work.
Agradecimentos
We thank H. Trummer for DAX historical series and the other institutions for the respective data sets.
Author Contributions.
Conceived and designed the experiments: AEB AP AR DH. Performed the experiments: AEB AP AR. Analyzed the data: AEB AP AR. Wrote the paper: AEB AP AR DH.
Referências.
1. Kirkpatrick S, Gelatt CD, Vecchi MP (1983) Optimization by Simulated Annealing. Science 220: 671–680. 2. Benzi R, Parisi G, Sutera A, Vulpiani A (1982) Stochastic resonance in climatic change. Tellus 34: 10–16. 3. Gammaitoni L, Hanggi P, Jung P, Marchesoni F (1989) Stochastic Resonance. Reviews of Modern Physics, 70 (1): 223–287. 4. Mantegna R, Spagnolo B (1996) Noise enhanced stability in an unstable system. Phys. Rev. Lett. 76: 563–566. 5. Caruso F, Huelga SF, Plenio MB (2010) Noise-Enhanced Classical and Quantum Capacities in Communication Networks. Phys. Rev. Lett. 105(198): 190501. 6. Van den Broeck C, Parrondo JMR, Toral R (1994) Noise-Induced Non-equilibrium Phase Transition. Physical Review Letters 73: 3395. 7. Peter LJ, Hull R (1969) The Peter Principle: Why Things Always Go Wrong. New York: William Morrow and Company. 8. Pluchino A, Rapisarda A, Garofalo C (2010) The Peter Principle revisited: a computational study. Physica A 389: 467–472 Available: oldweb. ct. infn. it/cactus/peter-links. html. 9. Pluchino A, Rapisarda A, Garofalo C (2011) Efficient promotion strategies in hierarchical organizations. Physica A 390: 3496–3511. 10. Pluchino A, Rapisarda A, Garofalo C, Spagano S, Caserta M (2011) Accidental Politicians: How Randomly Selected Legislators Can improve Parliament Efficiency. Physica A, 2011 390: 3944–3954 Available: pluchino. it/Parliament. html. 11. Satinover JB, Sornette D (2007) ‘Illusion of control’ in Time-Horizon Minority and Parrondo Games. EUR. Phys. J. B 60: 369–384. 12. Satinover JB, Sornette D (2009) Illusory versus Genuine Control in Agent-Based Games. EUR. Phys. J. B. 67: 357–367. 13. Gilles D, Sornette D, Woehrmann P (2009) Look-Ahead Benchmark Bias in Portfolio Performance Evaluation. Journal of Portfolio Management 36(1): 121–130. 14. Farmer JD, Patelli P, Zovko II (2005) The predictive power of zero intelligence in financial markets, PNAS. 102: 2254–2259. 15. Taleb NN (2005) Fooled by Randomness: The Hidden Role of Chance in the Markets and in Life. New York: Random House. 16. Taleb NN (2007) The Black Swan: The Impact of the Highly Improbable. New York: Random House. 17. Biondo AE, Pluchino A, Rapisarda A (2013) The Beneficial Role of Random Strategies in Social and Financial Systems. Journal of Statistical Physics 151: 607–622 doi: 10.1007/s10955-013-0691-2. 18. Wiseman R (2007) Quirkology. London: Macmillan. 19. Porter GE (2004) The long term value of analysts advice in the Wall Street Journals investment dartboard contest. J. Appl. Finance 14: 720. 20. Simon HA (1957) Models of Man. New York: Wiley. 21. Friedman M (1956) A Theory of the Consumption Function. Princeton, NJ: Princeton University Press. 22. Friedman M (1968) The Role of Monetary Policy. The American Economic Review 58(1): 1–17. 23. Phelps E (1967) Phillips Curve Expectations of Ination, and Output Unemployment Over Time. Economica 34(135): 254–281. 24. Cagan P (1956) The Monetary Dynamics of Hyperination. In Friedman M, editor. Studies in the Quantity Theory of Money. Chicago: University of Chicago Press. 25. Arrow KJ, Nerlove M (1958) A Note on Expectations and Stability. Econometrica 26: 297–305. 26. Muth JF (1961) Rational Expectation and the Theory of Price Movements. Econometrica 29: 315–335. 27. Lucas RE (1972) Expectations and the Neutrality of Money. Journal of Economic Theory 4: 103–124. 28. Sargent TJ, Wallace N (1975) Rational Expectations, the Optimal Monetary Instrument, and the Optimal Money Supply Rule. Journal of Political Economy 83(2): 241–254. 29. Fama EF (1970) Efficient Capital Markets: a Review of Theory and Empirical Work. Journal of Finance 25: 383–423. 30. Jensen M (1978) Some anomalous evidence regarding market efficiency. Journal of Financial Economics 6: 95–101. 31. Malkiel B (1992) Efficient market hypothesis. New Palgrave Dictionary of Money and Finance. London: Macmillan. 32. Keynes JM (1936) The General Theory of Unemployment, Interest, and Money. London: Macmillan. 157 p. 33. Cutler DM, Poterba JM, Summers LH (1989) What moves stock prices? Journal of Portfolio Management 15(3): 4–12. 34. Engle R (1982) Autoregressive conditional heteroscedasticity with estimates of the variance of UK ination, Econometrica. 50: 987–1008. 35. Mandelbrot BB (1963) The variation of certain speculative prices. Journal of Business 36: 394–419. 36. Mandelbrot BB (1997) Fractals and Scaling in Finance. New York: Springer. 37. Lux T (1996) The stable Paretian hypothesis and the frequency of large returns: an examination of major German stocks. Applied Financial Economics 6: 463–475. 38. Mantegna RN, Stanley HE (1996) Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge: Cambridge University Press. 39. Campbell JY, Shiller R (1998) The Dividend-Price Ratio and Expectations of Future Dividends and Discount Factors. Review of Financial Studies 1: 195–227. 40. Brock WA (1993) Pathways to Randomness in the Economy: Emergent Non-Linearity and Chaos in Economics and Finance. Estudios Económicos 8: 3–55. 41. Brock WA (1997) Asset Prices Behavior in Complex Environments. In: Arthur WB, Durlauf SN, Lane DA, editors. The Economy as an Evolving Complex System II. Reading, MA: Addison-Wesley. 385–423 p. 42. Brock WA, Hommes CH (1997) A Rational Route to Randomness. Econometrica 65: 1059–1095. 43. Chiarella C (1992) The Dinamics of Speculative Behavior. Annals of Operations Research 37: 101–123. 44. Chiarella C, He T (2002) Heterogeneous Beliefs, Risk and Learning in a Simple Asset Pricing Model. Computational Economics - Special issue: Evolutionary processes in economics 19(1): 95–132. 45. DeGrauwe P, DeWachter H, Embrechts M, (1993) Exchange Rate Theory. Chaotic Models of Foreign Exchange Markets. Blackwell. 46. Frankel JA, Froot KA (1988) Chartists, Fundamentalists and the Demand for Dollars. Greek Economic Review 10: 49–102. 47. Lux T (1995) Herd Behavior, Bubbles and Crashes. The Economic Journal 105: 881–896. 48. Wang J (1994) A Model of Competitive Stock Trading Volume. Journal of Political Economy 102: 127–168. 49. Zeeman EC (1974) The Unstable Behavior of Stock Exchange. Journal of Mathematical Economics 1: 39–49. 50. Black F, Scholes M (1973) The Valuation of Options and Corporate Liabilities, Journal of Political Economy. 81: 637–654. 51. Merton RC (1973) Theory of Rational Option Pricing. Bell Journal of Economics and Management Science 4: 141–183. 52. Cox JC, Ingersoll JE, Ross SA (1985) A Theory of the Term Structure of Interest Rates, Econometrica. 53: 385–408. 53. Hull JC, White A (1987) The Pricing of Options on Assets with Stochastic Volatilities. Journal of Finance 42: 281–300. 54. Gabaix X, Gopikrishnan P, Plerou V, Stanley HE (2003) A theory of power-law distributions in financial market uctuations. Nature 423: 267–72. 55. Livan G, Inoue J, Scalas E (2012) On the non-stationarity of financial time series: impact on optimal portfolio selection. Journal of Statistical Mechanics. doi:10.1088/1742-5468/2012/07/P07025. 56. Carbone A, Castelli G, Stanley HE (2004) Time dependent Hurst exponent in financial time series. Physica A 344: 267–271. 57. Murphy JJ (1999) Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. Instituto de Finanças de Nova York. 58. Krawiecki A, Holyst JA, Helbing D (2002) Volatility clustering and scaling for financial time series due to attractor bubbling. Physical Review Letters 89, 158701. 59. Helbing D, Christen M (2011) Physics for Financial Markets. Available: tinyurl/d3j5bgs. 60. Tedeschi G, Iori G, Gallegati M (2012) Herding effects in order driven markets: The rise and fall of gurus. Journal of Economic Behavior & Organization 81: 82–96 doi:10.1016/j. jebo.2011.09.006.
PLOS is a nonprofit 501(c)(3) corporation, #C2354500, and is based in San Francisco, California, US.

Aprenda a negociar o mercado.
NIAL FULLER.
Trader profissional, autor e treinador de negociação.
Nial Fuller é um trader profissional, autor e amp; treinador que é considerado & # 8216; A Autoridade & # 8217; em negociação de ação de preço. Em 2016, a Nial venceu a competição Million Dollar Trader. Ele tem um público mensal de 250.000 comerciantes e já ensinou mais de 20.000 alunos. Leia mais & # 8230;
Estudo de Caso & # 8211; Entrada aleatória & # 038; Recompensa de risco em Forex Trading.
Um estudo de caso de entrada aleatória & amp; Recompensa de risco.
Nas últimas duas semanas, conduzi um experimento de negociação para provar um ponto a qualquer um que estivesse em dúvida sobre o poder da recompensa de risco combinada com as estratégias de negociação de ações de preço. Este artigo o levará a uma jornada em minha mente e provará a você que se você simplesmente implementar uma recompensa de risco adequada e tiver uma disposição para aprender uma estratégia de negociação de alta probabilidade como ação de preço, terá todos os ingredientes para se tornar consistentemente lucrativo comerciante forex. Este artigo irá abrir seus olhos, sugiro que você leia, comece a aprender sobre os conceitos discutidos.
Para primeiro demonstrar e provar o poder da recompensa de risco, decidi entrar aleatoriamente em 20 negociações nas últimas 2 semanas no EURUSD, GBPUSD e AUDUSD em uma conta de demonstração. Nenhuma configuração de ação de preço foi usada, nem havia qualquer método ou estratégia de qualquer tipo implementado ao entrar no mercado. Os parâmetros eram simplesmente inserir um dos três pares de moedas acima, num total de 20 vezes em 10 dias de negociação usando um stop loss de 50 pips e um alvo de 100 pips para cada trade, fazendo uma recompensa de risco de 1 a 2 em cada setup . Eu não "baguncei" qualquer negociação depois que ela foi inserida, eu empreguei o set puro e esqueci a negociação forex neste experimento; Eu simplesmente entrei e deixei o mercado fazer sua parte, para provar o poder da recompensa de risco. (Observe que o 20º ofício estava em ponto de equilíbrio no momento da redação deste artigo e eu não tive tempo de esperar que ele fosse fechado, eu o contei como um vencedor, atualizarei este artigo se ele acabar se tornando um perdedor quando fecha, embora isso não altere nenhuma das implicações ou insights deste artigo.)
Embora esse experimento visasse provar o poder da recompensa de risco, ele também pretendia provar o poder das estratégias de negociação de ações de preço combinadas com a recompensa de risco. Meus resultados mostraram um pequeno lucro após entrar aleatoriamente 20 vezes com uma recompensa de risco de 1 para 2 em cada negociação, isto depois de ter perdido 12 de 20 negociações. Isso significa que minha porcentagem vencedora para esta série de negociações foi de 40%, então perdi em 60% dos negócios e ganhei em apenas 40%, como você pode ver pelo histórico de negociações abaixo, esse modelo de entrada aleatória combinado com um risco de 1 para 2 recompensa ainda lucrou cerca de US $ 200, isso sem nenhuma vantagem aplicada.
Qual é a lição a aprender aqui?
Embora o histórico de comércio acima certamente prove o verdadeiro poder da recompensa de risco, temos que nos perguntar quanto melhor poderíamos fazer aplicando uma vantagem real no mercado, como a vantagem que temos das configurações de ação de preço de negociação. Quando combinados com experiência e educação, as estratégias de negociação de ação de preço podem certamente fornecer configurações de negociação que lhe proporcionam uma probabilidade superior a 50% no mercado, supondo que você aplique discrição e não negoceie em excesso. Então, se assumirmos que podemos atingir pelo menos uma taxa de ganho de 50% usando estratégias simples de ação de preço como as que eu ensino, e usar uma recompensa de risco de pelo menos 1 para 2 em cada negociação, durante uma série de 20 negociações onde arriscamos $ 50 por negociação, teríamos um lucro de $ 500 ($ 1000 em ganhos & # 8211; $ 500 em perdas).
Então, sabemos que as estratégias de recompensa de risco funcionam, não há dúvida alguma sobre isso; você entra aleatoriamente no mercado e se você fizer pelo menos 2 vezes o risco em suas negociações vencedoras, você provavelmente irá equilibrar ou virar um pequeno lucro em uma série de negociações. Quando combinamos esse conhecimento do poder do risco para recompensar com uma vantagem de alta probabilidade como ação de preço, o que temos é uma estratégia profissional de administração e negociação de dinheiro que, quando combinada com a educação e discrição adequadas, gerará uma série de pelo menos 20 trades ou mais.
Os traders profissionais sabem que seus vencedores têm que superar seus perdedores para ganhar dinheiro, porque a maioria dos traders profissionais só ganha cerca de 50% do tempo. Se você não tem vantagem no mercado que pode levá-lo ao ponto de ganhar, pelo menos, cerca de 50% de seus negócios, você provavelmente vai apenas quebrar sobre qualquer série de negociações, supondo que você ainda implementar uma recompensa de risco de pelo menos 1 2. A maioria dos comerciantes não implementa adequadamente a recompensa de risco; eles obtêm lucros de menos de 2 vezes o risco, o que os obriga, inerentemente, a ter uma porcentagem de ganhos muito alta para ganhar dinheiro. Tomando um lucro de menos de 2 vezes o risco, você está basicamente colocando as probabilidades contra você, porque você então terá que ganhar mais de 50% de seus negócios para ganhar dinheiro, e a maioria das estratégias de negociação não lhe dará uma vantagem. permite que você conquiste consistentemente mais de 50% dos seus negócios.
Uma configuração de ação de preço de alta qualidade permite que você defina e esqueça sua negociação e, ao mesmo tempo, oferece a você mais de 50% de chance de ganhar qualquer configuração. O que isto significa é que com ação de preço e recompensa de risco você tem uma maneira quase livre de estresse de negociar o mercado; você pode esperar pacientemente por configurações de ação de preço óbvias que se desenvolvem a partir de áreas confluentes e / ou em mercados de tendência, insira uma recompensa de risco de 1 a 2 e vá embora até a negociação ser fechada. Se você realmente fizer isso com disciplina, tomando apenas medidas óbvias de ação de preço e implementando rigidamente uma recompensa de risco de 1 a 2, você se tornará lucrativo em uma série de negociações.
A chave é não desanimar se você acertar alguns perdedores ou tornar-se confiante demais se você acertar alguns vencedores. E se você perder nos primeiros 8 negócios de 20? Veja os resultados da minha experiência de negociação acima; Você percebeu que eu perdi em 9 negociações seguidas antes de bater uma série de vencedores? Isso é chamado de negociação, e às vezes você vai bater uma série de perdedores ou uma série de vencedores, mas você não pode deixar isso influenciar o seu plano de negociação forex, você tem que ter uma visão de longo prazo e lembrar-se de que sua vantagem com recompensa de risco, precisa de tempo para jogar fora.
Obter o treinamento adequado é a chave.
Além de ser capaz de controlar suas emoções e permanecer disciplinado o suficiente em uma base consistente para não alavancar ou negociar em excesso e implementar recompensa de risco adequada em cada negociação, a maior variável que pode influenciar seu sucesso comercial é saber se você sabe ou não o que sua vantagem é e quando você deve trocá-lo. Isto é onde a educação de forex adequada em uma estratégia de negociação de alta probabilidade como ação de preço vem dentro Eu tenho com sucesso usando configurações de ação de preço simples mas eficazes para negociar os mercados agora há anos e eu ensinar outros comerciantes exatamente como eu comércio na minha curso de negociação forex. Meu curso e seus ensinamentos não apenas fornecem uma estratégia de negociação, mas mostram quando usar a estratégia e como o mercado deve ser antes de você entrar.
Quando você combina minhas configurações de ação de preço com um conhecimento profundo de implementação de recompensa de risco e um domínio de negociação de gráficos de preço simples de baunilha, você começará a pensar como um profissional especializado. Comerciantes profissionais vêem o mercado de uma maneira completamente diferente dos amadores; eles não complicam mais nada. Primeiro, eles verificam o mercado para ver se sua borda comercial está presente; se não estiver presente, eles saem do computador ou não olham para os gráficos por um período de tempo, normalmente pelo menos 4 horas. Se a borda comercial estiver presente, eles passarão para o próximo fator a ser verificado; se uma recompensa de risco de pelo menos 1 a 2 é logicamente alcançável. Se uma recompensa de risco de 1 a 2 é atingível, então eles entram no negócio e vão embora, é isso. A razão pela qual um operador profissional pensa e comercializa assim é porque não se apega a nenhum negócio; eles sabem que cada negociação é apenas uma dentre uma série de muitas que devem ser realizadas para que sua vantagem seja resolvida. Comerciantes amadores são apanhados em cada negociação; eles reagem à emoção de cada perdedor ou vencedor, porque eles simplesmente não podem ver a floresta para as árvores, normalmente devido à falta de experiência e discernimento.
O meu curso de trading e a comunidade de traders de ação de preço dão a você a percepção necessária para se tornar um trader discricionário de ação de preço bem-sucedido, a experiência é algo que você deve desenvolver por conta própria com as ferramentas e a educação que eu ofereço. Quando você combina as estratégias de ação de preço e recompensa de risco que eu ensino com uma boa dose de auto-disciplina e experiência de negociação, não há virtualmente nada que possa ficar no seu caminho, exceto sua própria falta de autocontrole. Se você gostaria de saber mais sobre como eu negocio o mercado com configurações de ação de preços e cenários de recompensa de risco, por favor, confira meu curso de negociação forex de ação de preço.
Sobre o Nial Fuller.
A anatomia de como eu entro no preço de negociação de ações de Forex.
Por que a maioria dos comerciantes de Forex perde dinheiro?
Risco / recompensa & # 8211; O Santo Graal do Forex Trading Money Management.
Como a regra 80/20 se aplica à negociação Forex.
Você é tão bom quanto o seu último comércio.
Negociar é uma maratona, não um sprint.
75 Comentários Deixe um comentário.
EU NÃO USE O CONCEITO DE RECOMPENSA NA MINHA NEGOCIAÇÃO. Eu só conto apenas o meu risco por comércio. PORQUE NINGUÉM PODE PREDICAR QUANTO O MERCADO DE LUCROS VAI DAR-NOS EM QUALQUER COMÉRCIO.
Este é realmente um artigo muito bom. Obrigado. Eu não continuo mais verificando os gráficos e agitando as negociações, é uma liberdade e tanto! É algo brilhante para finalmente perceber que você só precisa de uma pequena bolsa de vitórias médio-grandes a cada ano para ter sucesso na negociação. Eu não me estresso se um mês passa sem nada & # 8211; sem trocas, sem vitórias, sem perdas;) É ótimo poder esperar pelo próximo mês e não se preocupar se as configurações estiverem lá, porque sei que acabarão. Eles aparecem todos os anos e isso é tudo que eu preciso! Obrigado Nial!
Sim, dado que o comerciante médio perde e aceitando que esta estratégia pode não garantir uma vitória a longo prazo, é significativo que ao usar uma entrada totalmente aleatória, você obtém uma taxa de sucesso maior do que o comerciante médio. É interessante que Richard Dennis tenha treinado seus operadores de tartaruga para entrar no mercado de forma aleatória, a fim de torná-los conscientes de que o importante não é necessariamente como o mercado se comporta, mas como eles reagem ao que o mercado faz (ou seja, perdas e deixe os vencedores correrem mais as perdas).
Eu acho que a quantidade de negociações feitas realmente não fornece nenhuma visão quanto à entrada aleatória com certos parâmetros de risco que eu fiz testes superiores a 1000 negociações como esta e descobri que a gestão do dinheiro em si não fornece absolutamente nenhuma vantagem. Os resultados são distorcidos, uma vez que a população da amostra permanece pequena, mas à medida que continua, ela encontra equilíbrio na aleatoriedade aparentemente complexa que acaba retornando ao ponto de equilíbrio a longo prazo e, em seguida, menos a disseminação não é lucrativa. Posso dizer sem sombra de dúvida que, se você é lucrativo, vem da sua entrada e saída.
Chris, obrigado pela sua opinião. Eu concordo entrada e saída são os fatores mais importantes & # 8230; mas os comerciantes não serão rentáveis ​​a longo prazo sem uma gestão correta do dinheiro. uma boa estratégia (entrada e saída), gerenciamento de dinheiro e consistência de longo prazo são os principais ingredientes para o sucesso comercial.
Eu concordo com o Chris Eu também testei este senário por um período de 10 anos. Os resultados foram chopy e para cima e para baixo resulta em cerca de 50%, mas ao longo de bastante tempo o spread mata você. Também alguns casos foram significativamente pobres.
Geralmente :-( O risco de recompensar deve refletir o tipo de estratégia que você está usando. Uma estratégia de breakout teria um risco melhor de recompensar, mas porcentagens de vitórias mais baixas. Reversão geralmente tem uma vitória melhor, mas menos menos risco de recompensa. com saída de entrada com mais ênfase na saída. Muitas pessoas falam sobre a entrada, mas com boa saída não fará grande diferença. Um exemplo disso seria a conexão RSI de período 2. Um set stop dá a você resultados ruins. ATR é um pouco melhor, combinado com uma média móvel aumenta significativamente, você poderia tentar uma trilha de algum tipo. "O ponto é que a saída é tão importante para a entrada. Stoplosses estáticos na minha opinião estão abertos a whipsawing. Mas só porque eu não posso obtê-lo trabalhar não significa que não.
Tenha em mente que eu nunca realmente gosto de fazer regras HARD sobre o mercado, estas são generalizações, acho que o que pode não ter funcionado no passado, dada a minha nova experiência de conhecimento encontrado, muitas vezes funcionará no futuro. É o sistema de conglomerações holísticas que o tornam um sistema melhor.
Chris, o resultado de lançar 1000 moedas acabará por fornecer 50% de cabeças e 50% de caudas. Quanto mais altas as tentativas, menos & # 8220; distorcida & # 8221; o resultado. 1000 transações podem mover uma para a taxa de vitória de 50%. Combinar isso com um 2: 1 (R; R) fornece um valor de Expectativa de 0,5, o que é muito bom - 50 centavos por dólar. Entradas e saídas boas / excelentes realmente aumentam o R: R de 2: 1, tornando-o possível. Confie que isso faz sentido. Apontar para fugas com interrupções falsas do assistente pode fornecer R: R mais elevado mas também taxas de ganho mais baixas. Tudo equilibra.
OMG, eu nunca pensei nisso, é por isso que você é quem você é, e eu sou quem sempre adora ler o seu artigo.
Sempre me deixa perplexo que os operadores acreditem que possam calcular uma relação risco / recompensa antes de uma negociação. Isso é impossível.
O único componente que pode ser calculado é o quanto você está disposto a perder em uma negociação. Mesmo assim, você pode obter uma lacuna que também distorce esse número.
Risco / Recompensa só pode ser calculado após a negociação.
Muito mais importante do que a entrada são as suas saídas, o tamanho da sua posição e o acompanhamento do seu sistema.
obrigada .. adoro este artigo !! Concordo muito com esta negociação bcoz realmente precisa:
60% de psicologia, 30% de gestão de dinheiro e estratégia é de apenas 10% no sucesso de ur.
Eu temo que você tenha caído em uma das armadilhas do pensamento estatístico que pegou muitos comerciantes desavisados.
Em um mercado com entradas aleatórias, definir uma recompensa de risco de 2: 1 (ou qualquer outra proporção) resultará em lucro zero, menos o custo das negociações quando testadas em um grande número de negociações. Isso ocorre porque a probabilidade de o preço atingir a parada é inversamente proporcional à distância da parada do ponto de entrada. Também 20 testes não são suficientemente próximos para dar ao seu teste qualquer tipo de validade estatística. Pelo menos algumas centenas de testes seriam normalmente necessários.
O fato de você ter obtido um pequeno lucro com esse teste é pura sorte. Poderia ter acabado tão facilmente em um perdido.
O que você diz corretamente é que é a vantagem, devido à sua entrada de alta probabilidade que determina o resultado. É também essa vantagem que permite que você tire proveito de uma taxa de retorno de risco de 2: 1 ou qualquer outra coisa.
A entrada aleatória por si só não funcionará se você testá-la em um número suficientemente grande de negociações. Em outras palavras, não há nenhuma vantagem intrínseca em como você define suas paradas.
Essas visões são verdadeiras. As amostras não são suficientes e os resultados podem ter terminado em perda ou breakeven. Mas o objetivo deste artigo é provar que com a devida recompensa de risco, até mesmo a entrada aleatória tem a chance de ganhar ou não, enquanto sem ela e consistente boa perda de dinheiro é quase garantida, razão pela qual a maioria dos investidores luta e fracassa.
Ótimo artigo, como sempre, Nial! Eu não tenho certeza sobre uma parte do tamanho da posição: eu sei que eu pretendo arriscar apenas cerca de 2-3% do meu capital total em qualquer negociação, o que acontece se eu tiver uma série de vencedores ou perdedores? Eu aumento ou reduzo o tamanho da minha posição? Obrigado novamente por sua introspecção!
Artigo muito útil Nial. Esta lição me deu uma visão diferente de como eu deveria aplicar minha estratégia de negociação, isso mostra uma negociação livre de estresse em uma abordagem profissional. Obrigado por compartilhar você é uma bênção! Felicidades!
Ótimo artigo como sempre Nial, continue com o bom trabalho.
obrigado nial eu acho que esta é a melhor lição sobre negociação forex em geral. isso vai tirar o stress. e isso fez isso para mim. i vou fazer o seu curso que você merece.
Caro (a) & # 8216; Professor & # 8217; Mais cheio Você disse tudo quando disse: "O meu curso de negociação lhe dá a visão que você precisa para se tornar um negociador bem-sucedido de ações discricionárias, a experiência é algo que você deve desenvolver por conta própria com as ferramentas e a educação que eu ofereço. Quando você combina as estratégias de ação de preço e recompensa de risco que eu ensino com uma boa dose de auto-disciplina e experiência de negociação, não há virtualmente nada que possa ficar no seu caminho, exceto sua própria falta de autocontrole.
Este é o PIVOT na negociação que todas as outras rodas giram.
Oi Nial seu conhecimento e experiência se destaca.
Há um ponto que precisa ser perguntado quando se toma da abordagem científica como deveria ser: Eu acho que é seguro dizer que uma maior recompensa de risco resultará em menor RS e vice-versa, reduzindo o RR e aumentando a RS.
Você já olhou para essa otimização? Você tentou trabalhar sua estratégia de PA em diferentes combinações, por exemplo, risco-recompensa de 1: 1? ou 3: 1?
2: 1 é a taxa que você recomenda para sua estratégia de PA?
Obrigado novamente por um ótimo artigo e pelo desejo de ajudar os outros.
Pontos interessantes Ben, mas eu não acredito em arriscar mais para ganhar menos, isso não faz sentido para mim. Sua teoria pode ser correta até certo ponto, mas o que eu faço funciona bem, então eu não vou mudar isso.
grande ponto Nial, leva 2 perdas para matar um comércio rentável, com uma boa estratégia é quase impossível perder.
Obrigado, manter o bom trabalho!
Ponto excelente. Acabei de começar a demonstração de negociação e estou encontrando suas coisas mais úteis de tudo que eu olhei.
Estou me sentindo tão relaxado com essa idéia sobre a ação do preço e como isso funciona. Eu estou colocando isso para usar Mas devo dizer que é o mais fácil que eu já ouvi falar.
Interessante e não duvido dos resultados por um segundo. A única coisa que eu gostaria de saber é se a sua decisão de comprar ou vender também era completamente arbitrária ou baseada em julgamento.
Tudo de bom e obrigado por seus tutoriais, máx.
Leve viés para o comércio com o recente impulso no gráfico de 4 horas, mas realmente foi completamente uma entrada aleatória ..
Fico feliz que você tenha conseguido ficar seco, tenho certeza de que a Austrália se recuperará disso.
Felicidades, David.
Aprecie muito os artigos educativos, especialmente a recompensa de risco. Muito obrigado.
Eu diria que este é o melhor artigo que você já teve.
escrito e é exatamente o que eu precisava entender.
Em vez de ficar preso em cada negociação individualmente.
Eu preciso avaliar muitos negócios ao longo do tempo. Eu sempre falo de negociações que não querem perder, mas eu preciso pegar todos os negócios válidos e deixar a recompensa de risco dar certo.
Eu realmente gostei de escrever este artigo, então estou feliz que você tenha gostado.
Eu conheço muitos membros que usaram os conceitos de recompensa de risco, etc, para transformar a negociação em torno, eu realmente acho que isso é importante. Recompensa de risco e aderindo ao comércio é a chave.
Sou membro desde outubro e venho lucrando todo mês desde que me juntei. Eu acho que isso, o risco 2: 1 de recompensar, é a CHAVE. Obrigado Nial!
Obrigado Nial. Este não é diferente, sucinto e sem bagunça. De longe, o seu método PA faz mais sentido & # 8230;
Quando eu segui o método PA de Nial, ganhei dinheiro. Quando não perco dinheiro. É tão simples assim !! Eu tenho o hábito de fazer pelo menos 3 negociações por dia. Isso é mau.
Seu artigo sempre me inspira muito !! Obrigado por escrever esses bons artigos.
Muito, muito boa lição nial obrigado.
Seus cursos e amp; vídeos são excelentes.
Prego nossos corações vai para todos os australianos.
muito amor para você e sua família.
Enorme, enorme, enorme virando a esquina, informação! Isso deve ser lido e lido novamente. Eu sinto que esta é a única coisa que está atrasando muitos comerciantes que estão tão perto de se tornarem consistentemente lucrativos. Apenas a lógica sozinha neste artigo é poderosa o suficiente para extinguir toda e qualquer emoção típica de negociação que tantas vezes nos impede. Obrigado Nial pelo que você está fazendo.
Pagá-lo para a frente .. compartilhá-lo com os outros, que é porque eu postá-lo, feliz que ajuda .. aproveite.
Spot on novamente Niall. Eu recebo muitos e-mails, mas meu pulso acelera quando eu vejo um de você, porque eu sei que vai ser uma instrução cristalina sobre a negociação de ação de preço que eu sinto que estou realmente começando a lidar com o seu ensino generoso. Muito obrigado eu vou me tornar um assinante em breve!
Isso soou como um sino porque eu nunca compreendi a importância de pelo menos uma recompensa de risco de 1 para 2. Eu pensei que seria legal. Eu estava pensando e querendo acreditar que eu poderia alcançar uma maior porcentagem de sucesso no comércio porque os traders profissionais tinham melhores chances. Portanto, é muito decepcionante para os operadores profissionais trabalharem apenas com probabilidades de 50/50.
Obrigado por compartilhar os resultados da sua experiência. Bastante claro e direto ao ponto. Risco / Recompensa mais todos os seus conselhos anteriores me deram oportunidades a partir do zero para se tornar um profissional bem sucedido. Eu gosto de cada artigo.
Eu segui seus artigos & amp; instruções por um bom tempo agora, mas apenas que eu não sou muito bom em comentar. Agora sou obrigado a comentar por dois motivos; O mais importante é entregar meu coração às pessoas agradáveis ​​e carinhosas da Austrália, para lhes dizer que sentimos o que estão passando no momento. Nós amamos você & amp; e estamos orando por você. Os atuais eventos globais: isto é, a fúria natural, a violência, a desumanidade do homem pelo homem, as ondas de assassinatos e o terrorismo, tudo isso exigia que os sábios cristãos voltassem ao seu primeiro amor-Deus, a Bíblia para buscar respostas. & amp; refúgio. Deus ama você, e todos vocês sairão deste mais forte Amém.
A segunda razão é agradecer muito a Nial pelo seu amor, apoio & amp; sacrifício livre para a humanidade. Eu não te conheci pessoalmente, mas eu posso sentir você, estou quase certo de que você é uma pessoa gentil e gentil.
Espero ver mais de mim em breve.
Muito obrigado Nial & amp; Desejo-lhe o melhor da vida.
De vez em quando uma jóia de sabedoria enfeita minha tela. Este é um daqueles momentos de AH AH. Você realmente tem minha atenção.
obrigado pelo feedback, agradeço os elogios :)
Oi Nial, A primeira coisa que eu gosto de enviar minhas simpatias a todos os australianos, espero que eles possam superar isso em breve.
Um grande experimento, exemplo muito poderoso de risco para recompensar o cenário, eu realmente vi um experimento semelhante feito antes e surpreendentemente os resultados foram praticamente os mesmos, então eu acho que isso apenas mostra que se você corta suas perdas e deixa seus lucros correrem por mais tempo, o sistema manterá sua conta em bom estado de saúde, adicionará a isso a margem de ação de preço e ela não poderá ser mais clara.
Eu devo dizer que desde que eu tenho aplicado seu método de ação do preço a minha negociação apenas melhora semana a semana fora & # 8230; um bom companheiro, os melhores cumprimentos & # 8230;
UAU . ótimo artigo, surpreendente e poderosa simplicidade de seus artigos Nial & # 8230; você me bateu com suas palavras & # 8230 ;. Muito Obrigado.
Muito obrigado por toda sua ajuda e Deus te abençoe.
Hai Nail, ótimos destaques que você trouxe. Mas às vezes, quando usamos o método de ação de preço, por exemplo, indside bar no TF diário, descobrimos que o SL às vezes é mais do que 100..eq 125pips. Vamos definir o PT para 250?
Meu ponto é como fazer no caso de SL alto / grande?
Tudo dependerá do gráfico, se um lucro de 200 pip parece possível, e a configuração é válida, então se você estiver usando uma parada de 100 pip. O alvo de 200 pip fará sentido. No entanto, a maior parte do tempo, temos a capacidade de ajustar o stop loss para ser menos pips, e isso significa que o alvo se tornará menos. O artigo acima foi feito no gráfico intradiário de 4 horas, então o stop loss era obviamente mais apertado / menor. Se você está negociando o gráfico diário e procurando por uma recompensa de risco de 2 para 1, então apenas certifique-se de que o gráfico, os níveis e a tendência permitem isso. Você estaria idealmente negociando em um mercado de tendências.
Obrigado Nial, Você é super, acabei de entrar no mercado e usar suas ferramentas e fazer algumas melhorias com isso.
. Desculpe pelo seu pessoal tendo dificuldades.
Obrigado pela boa vontade Nial, ficamos bem nas inundações, espero que você também estivesse.
Obrigado também pelo artigo muito bom.
Obrigado pelos desejos e feliz em ver que você está seguro.
artigo muito bom & # 8230; às vezes nos esquecemos da recompensa de risco como ferramenta por melhorar nossos comércios, e esta mostra mostra o assunto disto; obrigado.
Obrigado Nial por seus excelentes artigos e conselhos inteligentes. Toda vez que leio um de seus artigos inteligentes, tenho uma compreensão mais profunda sobre negociação. Sua abordagem cortada e limpa à negociação é muito útil para todo aquele monte de livros que eu li até agora. Muito obrigado!
Meus melhores desejos para você e seu povo nestes tempos difíceis na Austrália.
Oi nial, grande artigo nial, sentado aqui na Inglaterra você apenas não percebe o quão ruim é a inundação em Queensland. É coração quebrando as pessoas vivem, s virou de cabeça para baixo, não muito você pode dizer exceto para rezar e permanecer positivo.
Este artigo é tão poderoso! Acabou de cravar o lugar onde o meu pensamento está agora, e me deu maior impulso no caminho para se tornar um trader profissional. Obrigado pela sua constante partilha.
Hey Nail, ótima lição como sempre, continue mandando. Obrigado.
ola unha eu quero dizer agradeço a Deus por sua vida e cominidade você estava vivo, e para dose pessoas que perderam o amor meu Deus concede-lhes a coragem de suportar os perdidos e rezo por toda a humanidade que nunca veremos esse tipo de dissarsater agin em nome de jesus Amen. e para a lição,
Lição muito produtiva sobre recompensa de risco e como a AP pode fazer com que ela funcione a nosso favor.
Espero que as inundações terminem em breve.
Prometo não receber mais conselhos de ninguém, exceto Nial.
Eu também vou me juntar em breve.
Que Deus abençoe e consolide as vítimas das enchentes. Belo artigo Nial. O experimento é impressionante. Eu tenho usado 1: 1, mas vou tentar 2: 1.
Também gostaria de expressar minha solidariedade aos que foram inundados na Austrália. Um desastre da natureza mais devastadora de fato. Eu oro para que aqueles que estão vivos tenham força para superar e seguir em frente com suas vidas. Que Deus dê força e coragem às vítimas das enchentes.
Nice lesson Nial. O que eu gostaria de saber é, você tomou essas negociações com algum viés, ou você acabou de comprar ou vender cegamente, independentemente da direção do mercado?
Ainda assim, um artigo muito útil. Obrigado cara. Big up yuh auto Nial.
Obrigado Niall pela perspectiva sobre Queensland. Eu não percebi a extensão da devastação. Que Deus esteja com todos os interessados, nossos corações vão para todos os australianos.
Com relação a esta lição inestimável, como membro, agradeço o seu apoio e lições contínuas, bem como os princípios claros e concisos (KISS) que você aplica.
Alguém ainda em dúvida sobre a adesão a esta comunidade, este é o verdadeiro negócio.
Mantenha o bom trabalho Niall !!
Olá Nial .. que um artigo maravilhoso vc tem aqui .. deu-me a coragem que eu preciso para segurar meus comércios até chegar a ter lucro .. eu sou muito grato por favor, continuem vindo.
NADA MELHOR DO QUE O PERÍODO DE AÇÃO DE PREÇO! Não há indicadores de atraso com ação de preço! Nenhum gráfico confuso cheio de linhas! Apenas uma abordagem simples que ajuda a limitar a emoção e manter a disciplina. Eu amo isso! Obrigado Nial por este curso e a vontade de ensinar seus métodos para nos ajudar a ser melhores traders. Eu me tornei um operador consistentemente lucrativo (com uma média de 26% de ROI por mês) e não posso agradecer o suficiente! :-)
vai se juntar em breve.
apenas recebendo meu financiamento juntos.
Ótima lição, não poderia ter vindo em melhor hora para mim. Roubar.
Faz muito sentido se o TP sempre é acionado. Normalmente, o preço gira em torno de b4, atingindo o tp, mas isso é o meu. Eu me inclino para você se você fizer melhor. :)
& # 8230;.Excelente artigo Nial. E tudo tão verdadeiro. Obrigado por todos os ótimos artigos que você escreve.
Outra obra de aula.
Uma excelente lição Nial!
Isso me dá ainda mais entusiasmo para fazer algumas experiências ao longo das linhas de seus 20 comércios no primeiro sem sinais de PA, em seguida, outro 20 com qualquer sinal de PA & # 8211; mesmo os fracos & # 8211; e finalmente outros 20 com apenas sinais de PA de qualidade como condição de entrada. Tudo em conta de demonstração, claro.
Sua aula também me encoraja a ser ainda mais disciplinado com minhas entradas na ordem da conta real (e saídas!)
Adoro a sua abordagem inteligente, mas não excessivamente complicada, do próprio Forex e das lições de Forex. Por favor, mantenha as lições chegando!
Uau! Eu tenho enorme respeito por você nial! Isso realmente me inspira a fazer ainda melhor neste negócio. Apenas para sua informação, eu tenho usado suas estratégias e atento seus conselhos por quase 6 meses e já estou lucrando em uma base consistente nos últimos 3 meses.
Mais uma vez obrigado nial.
Ansioso para mais de suas palavras de sabedoria!
Deixe um comentário Cancelar resposta.
Curso de negociação Forex de ação de preço da Nial Fuller. Aprenda estratégias avançadas de ação de preço & amp; Sinais de entrada de comércio de alta probabilidade que funcionam.
Encontre-nos no Facebook.
Nial Fuller.
Você é tão bom quanto o seu último comércio.
Antes de você colocar seu próximo comércio, pergunte a si mesmo estas 10 perguntas.
Como pegar essa tendência do mercado em fuga.
Negociar é uma maratona, não um sprint.
Negociar é a sobrevivência do mais apto & # 8211; Você vai evoluir ou morrer?
Cuidado com o Trading Pandora Box.
Qual é a sua resolução de negociação de ano novo?
Um simples truque mental que fará de você um melhor negociador quase instantaneamente.
Nial Fuller.
Nial Fuller vence uma competição de milhões de traders.
Afirmações diárias irão melhorar sua negociação.
O Guia Minimalista Para Negociação Forex & # 038; Vida.
Padrões de negociação de ação de preço: Pin Bars, Fakey’s, Inside Bars.
Porque eu & # 8216; Sério & # 8217; Negociação do dia do ódio.
Os melhores pares de moedas para o comércio & # 038; Times para trocá-los? (Parte 1)
Forex Trading como um Sniper ... Não é um metralhadora.
& # 8216; O Santo Graal das Estratégias de Negociação Forex & # 8217; & # 8211; Quadros de tempo do gráfico diário.
Categorias.
Popular.
Categorias.
Postagens recentes.
Isenção de Responsabilidade: Qualquer Aviso ou informação contida neste site é Somente Conselhos Gerais - Não leva em consideração suas circunstâncias pessoais, por favor, não negocie ou invista somente com base nestas informações. Ao visualizar qualquer material ou usar as informações contidas neste site, você concorda que este é material de educação geral e não responsabilizará qualquer pessoa ou entidade pela perda ou danos resultantes do conteúdo ou orientação geral fornecida aqui pela Learn To Trade The Market Pty Ltd são funcionários, diretores ou colegas. Futuros, opções e câmbio à vista têm grandes recompensas potenciais, mas também grandes riscos potenciais. Você deve estar ciente dos riscos e estar disposto a aceitá-los para investir nos mercados de futuros e opções. Não negocie com dinheiro que você não pode perder. Este website não é uma solicitação nem uma oferta para comprar / vender futuros, forex spot, cfd's, opções ou outros produtos financeiros. Nenhuma representação está sendo feita de que qualquer conta terá ou poderá obter lucros ou perdas semelhantes àquelas discutidas em qualquer material deste site. O desempenho passado de qualquer sistema ou metodologia de negociação não é necessariamente indicativo de resultados futuros.
Aviso de Alto Risco: Negociações Forex, Futuros e Opções têm grandes recompensas potenciais, mas também grandes riscos potenciais. O alto grau de alavancagem pode funcionar contra você e também para você. Você deve estar ciente dos riscos de investir em Forex, futuros e opções e estar disposto a aceitá-los para negociar nesses mercados. Forex trading envolve risco substancial de perda e não é adequado para todos os investidores. Por favor, não negocie com dinheiro emprestado ou dinheiro que você não pode perder. Quaisquer opiniões, notícias, pesquisas, análises, preços ou outras informações contidas neste website são fornecidas como comentários gerais de mercado e não constituem conselhos de investimento. Não nos responsabilizamos por qualquer perda ou dano, incluindo, sem limitação, qualquer perda de lucro, que possa surgir direta ou indiretamente do uso ou confiança em tais informações. Lembre-se de que o desempenho passado de qualquer sistema ou metodologia de negociação não é necessariamente indicativo de resultados futuros.
Aprenda a negociar o mercado Pty Ltd é um representante autorizado da Corporação de FXRENEW Pty Ltd (CAR Nº 000400713)

Random trading strategy

A while ago, I used a quote from Winton manager and trend Follower David Harding (found in this interview) saying:
If you put in stops and run your profits and trade randomly you make money; and if you put in targets and no stops, and you trade randomly you lose money. So the old saw about cutting losses and running profits has some truth to it.
The quote was used to illustrate a post stating that a large driver of Trend Following returns is based on the mechanics of those systems (“ cut your losses short, let your winners run “) which therefore benefit from the right tail of market return distributions – which are “fatter” than the usually assumed normal distribution – and avoid the left tail.
“Trade randomly” ? Like the proverbial dart-throwing monkey ? It seems so…
In effect, Harding is saying that entry points do not matter so much: a random entry coupled with a smart exit strategy would make money.
Random Trading To the Test.
I once met with a fund manager, who described his strategy as very similar to that random system in the Harding quote. What was really important to them was the position sizing for each new signal, as well as the exit strategy. The entry signal direction was “irrelevant” .
I found this puzzling at the time and have been wanting to test this idea since then, to verify whether a “random trading” system could indeed be profitable.
The system tested here is composed of random entries with additional “classic” components: a volatility-based fixed fractional money management and volatility-based trailing stop exits.
The system first “tosses a coin” to decide whether to go long or short the market. An initial stop is set below/above the entry price at a distance equal to a fixed multiple of the volatility measure. That entry-stop distance is used to calculate the position size, so that the risk per trade (amount lost if trade gets stopped out) is equal to the fixed percentage of account equity. Every day, the trailing stop is adjused so that it is never further than the fixed multiple of the volatility measure. The stop always gets closer to the market and never gets adjusted further away from the market (i. e. if the market turns back toward the stop, the stop level does not change). When the position hits the trailing stop level, it gets closed and a new position is open. The direction of that new position is again determined by a new coin-toss.
Test Parameters and Results.
For this test, I used fairly standard parameter values:
Volatility Measure: 39-day (exponential) ATR Stop Distance: 2 ATR Risk per Trade: 1% of Account Equity.
The portfolio used for this test is a subset of the one used in the State of Trend Following report, basically all those instruments that I have data for going back to the start of the test: in January 1990 (click for the exact list).
Since this is a random experiment, I generated multiple test outputs (200), all based on the same parameters, and averaged their monthly returns to create a composite equity curve, which performance summary statistics can be seen below:
The 2-ATR stop level is somehow an arbitrary choice and I wanted to check whether this bore an impact on the test results.
I ran a further test, stepping the ATR-multiple for stop calculation from 2 to 10. Each ATR-multiple set was run 200 times again and averaged to give a composite equity curve.
Normalizing these 9 composite equity curves (for equal monthly standard deviation) and averaging them produced a “super-composite” equity curve composed of 2000 random tests (equally split between ATR-multiples ranging from 2 to 10).
The performance summary statistics of this “super-random-composite” equity curve are below:
Note how the diversification and rebalancing over several ATR-multiple stop levels have a substantial impact on the Max Drawdown and volatility.
Both equity curves are charted below:
All in all, not too bad for “monkey-style” negociação! It goes to show that signal entries, which most beginning traders/system developers focus so much on, are not so important after all…
Update: follow-up post tackling other aspects of randomness in trading systems and clarifying subjects such as averaging and commissions/slippage: Further Musings on Randomness.
Credits/Additional Reading : The concept of random entries with trailing stops has actually been discussed before. It seems like it was introduced by Van Tharp in his Trade your Way to Financial Freedom book, and mentioned on this article by Chuck Le Beau, where he expands on the concept of “Chandelier Exit” (name for volatility-based trailing stops).
Thanks and credits also to user “sluggo” on the Trading Blox forum, who published a similar study four years ago, and some code which I reused most of for this study. Note that his study found an opposite result, showing a turn in profitability (downwards) of random systems after 1997 (portfolio and parameter values are different though), so you might want to run your own test to verify this concept for yourself…
43 Comments so far ↓
Ótimo post. Obrigado pelo seu esforço.
Uma questão. Is the ATR value used for the trailing stop fixed at the time of entry or updated while the position is open?
docdan – The ATR value is re-calculated every day.
Excellent post as usual. I get exactly the same feeling about entries, they explain a very small part of a TF system profitability. I think that trading with the trend is more than enough. I understood that when I read Mandelbrot.
Exits, position sizing and (most importantly) learning to deal with DD is what counts. I have had the pleasure to speak with a few of the Market Wizards, they have given me some very useful advice….absolute none about entries though. It is also curious to know that in the seminars I have attended, entries are among the first and most asked questions.
Indeed great post as usual. I came to the same conclusion during one of my back testing analysis. I fixed the entry point and tested several exit strategies. Then I fixed the exit strategy; and tested several entry points.
The excellent exit strategy will always result into a profitable system. Unlike poor exit; it will mostly destroy any entry point strategy.
By the way; MFE and the MAE are a very good tool to find/modify the system stop or exit point.
What were the parameters for trailing stop? Thanx
Thanks for the post. Did your system consider pyramiding entries ? That might change results a bit though I guess the overall takeaway will remain the same.
This is interesting but not enough information is provided to come to a conclusion. I would like that you kindly provide the following:
(2) commission rate.
(3) Buy&hold performance for the combined set.
I highly doubt it that after inclusion of commission and slippage this system can beat buy & aguarde.
I can’t fully agree exit is more important than entry. Take simple channel breakout for example. If you fix the breakout days, and change exit days to 15 days, 20 days, or 30 days, you will see the performance difference is not that dramatic. But if you change the breakout days from 20 days, 50 days, 100 days, and fix the exit days, you will see huge performance difference. Your article only show random entry can have profit. But it can’t show exit is more important than entry. In my opinion, if want to design an excellent system, the entry is the key, just use simple 20-days low as exit and some exit filter (high volatility exit), this simple exit is better than ATR trailing stop most of the time at least from my testing because it does a better job to make profit fly.
@Mirec – trailing stops are based on 2-ATR for the first study and a range of 2 to 10 ATR for the composite curve.
I did not compute the exact Win rate as I only output the equity curves, due to the high number of tests and trades. However, I just re-ran a dozen random tests and all of them show a Win rate of roughly 36% – quite typical of a Trend Following (obviously the Win/Loss ratio is > 1).
Simulation was friction-less (no commission, no slippage)
Not sure if Buy-and-Hold is the best benchmark for this strategy since it goes both long and short, but it would be worth the comparison. I’ll try and see what I can come up with.
@Jing, Agree that entries are not completely irrelevant. The goal of the post was not to show that exits were more or less important than entries. It was merely to illustrate Harding’s argument with a test, and yes, it seems random entries can be profitable when adding stops and no profit targets…
But I do not think that entries are “the key”. As Pretorian was saying, not many Market Wizards give advice regarding entries, but rather on position sizing and money management, which – to me – also includes letting profits run (as your 20-day exit would).
Yes, I fully agree position sizing, money management and make profit fly is more important because these concept is the most “robust”. For entries, you can optimize it to fit historical curve, but no one can guarantee this entry will work excellent in future, so excellent entry may be susceptible to curve fitting. But position sizing, money management and make profit fly are more robust and universal, not matter how markets change, these concepts are very robust. After 20 years, a previous excellent entry rule may not work well but money management and make profit fly always work.
I ran a quick test with simple Buy-and-Hold of the same 22 instruments.
I normalized the results with the curves in the post for equal monthly returns standard deviation and the CAGR is 5.29% with a MaxDD of 80.34%.
Of course the comparison is not 100% realistic as the strategies in the post are tested without friction (whereas a real-life strategy like this would be subject to commissions and slippage unlike a simple Buy and Hold).
One more question. So actually you have just one stop? (the initial stoploss is the same as the trailing stop?).
Isnt the standart ATR 14 days not 39?
Is it so difficult to include commissions in your test? If you can backtest, it should be easy to include a fixed commission rate. Most backtesters have the option already, no need to do anything.
There is no way for us to know how realistic are these tests unless there is commission included.
How many trades were there on the average per run?
Totally agree that the money management is the key….It is funny concept but indeed the money management is the CEO of multiple trading system. So let’s make sure the best CEO is always on our side ;)
But going back to entries and exit strategies. In the post; random entry represented multiple entry strategies (Note that different strategies not changing only parameters) while fixing the exit point. And indeed the result was a profitable system.
Now let’s consider the other way around; testing fixed entry (even basket of proven entry point’s strategies like in the state of trend following report) and work out random exit strategies. Meaning selling or holding randomly! The system will just result into losses for sure, which confirms the point of this post.
Trend following is based on the concept of letting profit run and cutting losses short; and the only way to do that is by controlling the exit not the entry!
But definitely; I would give importance to both entry and exit (in live trading) to give me as much as possible of positive mathematically expectancy. And then design a money management system that can give me as much as possible of geometric mean of return.
I hope everything is fine with your website now.
Your analysis is impressive but it only tells the average performance of “monkey style” trading for a large number of instruments. It does not tell what the percentage of traders is who will underperform this average and more importantly the percentage of those who will fail. This is because, what you calculated is not the performance of a specific system but an average of many systems trading many futures contracts.
I have seen similar discussions in several forums recently and I have prepared an analysis to illustrate the issues involved:
Apart from a few teething issues, website seems to be running fine now – obrigado.
@Mirec: 14-day is a standard value indeed. Note that the exponential moving average smoothing constant in Trading Blox is calculated in a different way from the more specific Wilder ATR moving average such that:
TB/classic EMA Days = (Wilder Days x 2) – 1
Wilder Days = (Normal EMA Days + 1) / 2.
So, a 39-day TB ATR is equal to a 20-day Wilder ATR, which is a fairly standard value also.
@Rick: not difficult at all to include friction costs (with Trading Blox anyway). This (omission) is actually a choice to avoid making assumptions on commissions and slippage amounts, which is variable for every trader based on size, broker, market, etc. (and which can definitely have a non-negligible impact as previously discussed in here and here).
So, I usually prefer to leave this out of the equation (at the risk of making the “raw” results less realistic) and let the readers interpret the results based on their friction costs assumptions. I agree that not much information was provided to do this, though. Number of trades and round-turns per million would be a good starter and I’ll check these for the test above.
For this specific study though, I simply wanted to test whether random entries + money management with volatility-based sizing and trailing stops could exhibit a positive tendency (which they do), as opposed to a fully random system, which should exhibit random results (i. e. neutral tendency of it goes long as frequently as it goes short). This does not mean that the system is profitable/tradeable in real-life though.
I was actually thinking of writing a follow-up post that will address some of these issues. Stay tuned…
@Ali, random exits, I’ll probably test in the follow-up post.
@Michael: I purposely ran many tests to calculate an average to detect the tendency of such systems. The performance of an individual system/trader is not statistically representative of the underlying process at play. Same concept goes for the use of multiple instruments – as I was saying in a diversification post:
Every trade/instrument can be seen as a particle composed of a (large) random element and a smaller edge that we try to extract via a mechanical system.
This is the way I see diversification: by adding a large number of mostly random elements, you can ensure that random moves have some cancelling effect on each other. All that is left is to collect the small edge from all the instruments via your preferred trading strategy(ies).
I do think that entries have their importance in system design but I would tend to believe – As David Harding does – that they have less impact on overall system returns, in the context of Trend Following systems at least – something I’ll try to test out in a follow-up post.
Hi Jez, excellent post. Obrigado por postar.
Since you posted the average returns of the multiple tests in both cases, I was wondering if you could give some numbers on what were the worst cases, and best cases, or a chart with all the various performances of each run, for each case, in order to see how consistent is the return over time with a single test and an average. Alternatively, just to understand what is the worst and best drawdown and returns you found in your tests would be also useful.
Obrigado novamente por seu trabalho!
“I do think that entries have their importance in system design but I would tend to believe – As David Harding does – that they have less impact on overall system returns, in the context of Trend Following systems at least – something I’ll try to test out in a follow-up post.”
This is a very interesting statement but it needs to be proven, I think you have already agreed to that. My point is that, IMO of course, this cannot be proved by diversification and/or random entries because these are “many systems methods” and performance results are averages.
I also think, as others have already commented, that you should include commissions in your studies. You can use IB commission levels as representative. This is important because as I have demonstrated recently in a response to an article by Bespoke Group about the performance of a simple system based on buying on the close – selling on the open of next day, for SPY, total ruin is possible due to commissions only, although studies without commissions show spectacular returns. You can find the study here: bit. ly/ib69sQ.
I am looking forward to more of your tests regarding trend-following entries.
I do not understand your point about averaging. To me, averaging a random process is absolutely necessary to squeeze out the randomness and detect the central tendency (and other aspects such as dispersion, etc.).
Without averaging many random runs, but instead relying on one random run, there is no way to understand how much randomness played a part in the results achieved, just by looking at the results.
This is why I think it is vital to average when running random tests.
If you think about it, this is exactly the same concept as when you run a test of a strategy on one single instrument: you still want to generate many trades for that market-system in order to detect a tendency and not be mis-led by the (mostly random) outcome of one trade only. A back-test on many trades will allow to determine the tendency of that market-system.
I do not see the difference with running many back-tests and averaging their results to detect the tendency of the strategy, ie instead of “averaging” the partly-random outcomes of many trades on one instrument, I “average” the partly-random outcomes of many systems (which happen to be trading multiple instruments because this is the style of trading I want to test – but I do not see how this impacts the overall concept of “averaging a large number of random test”).
I didn’t say that averaging is not useful. I just said it may be misleading in some context. Eu vou dar um exemplo:
Let us say that in a possible parallel universe there are only 4 fund managers with the following average yearly returns:
What is the meaning of saying that the average yearly return of managers in that world is 3.5%? Even if we state the standard deviation of 11.03?
A more informative statement would be to say that 75% of advisors, or 1 out of 4 have failed.
Now as far as my specific comment maybe you didn’t read my blog ( bit. ly/goBvuF).
Along with the good tests you did I believe you should also calculate the number of systems that fail on the average because when you use random entries, you get many possible systems based on the tossing sequences obtained. Should we assume that the returns are normally distributed? I have not seen such study. What about if the distribution is skewed and a large percentage of those systems fail? Maybe systems that were lucky enough to have the right tossing sequence were profitable. That depends on the size of trades and of stop-losses.
I do not know the answers. This is why I asked. I did not question the use of averages and standard deviations. I question the shape of the distribution of the returns of the many possible systems the tossing a coin generate for the specific data you used.
The same burst of activity at the Trading Blox Forum 4 years ago, which created the code you ran for this blog entry, actually tested THREE hypotheses:
H1 (Random entries) + (trailing stop exits) are profitable, even after $100/contract slippage and commission are charged.
H2. (Trend following entries) + (random exits) are profitable after C&S are charged.
H3. (random entry timing) + (random exit timing) but not random direction-of-trade, is profitable after C&S. On randomly chosen entry date, enter in the direction of a classical trend detection indicator such as MACD etc. Then exit at a random exit date. This is profitable.
All three of them were found profitable, even with $100/contract C&S, when the trend following parameters / trailing stop parameters are set to very long term trading, and the stop widths are commensurately wide.
These three test results suggest some conclusions:
C1 “Good entries” are not required for profitability.
C2. “Good exits” are not required for profitability.
C3. Neither “good entries” nor “good exits” are required for profitability.
By the way, some of the charts of these results on the Blox Forum are awesome! bit. ly/i5LTNH ; bit. ly/dLMD2y.
In the first link you gave only the exists are random. The entries are rule-based.
In the second link, they are talking about a trade direction filter.
Unless I missed something, there are no cases of random entry.
None of your 4 conclusions appear to be derivatives of those links.
@Pumpernickel: Thanks for the pointer on these TB threads. Seems I only caught the first instalment of what became a “randomness mini-series” on the TB forum (I had not seen these additional 2 posts, only an earlier one, which I linked to in the Credits section of the post, and where only random entries where discussed.
Shame I did not find it earlier though, as the number of comments and questions on this post pushed me to prepare a follow-up post with more random logic testing, and that study/code could have been useful to look at/reuse the code. Well, the code for these other random systems was not too difficult to write and it is good in a way though, as this additional testing will not have been impacted by the hindsight knowledge of the results from my predecessors.
My next tests are also slightly different (#1: random entries and profit targets, #2: random entries (direction) and random exits, #3: MA cross-over entries and random exits, #4: MA cross-over entries and target profits), so hopefully they will complement the findings on these TB threads.
The one that seems to overlap is MA entries with random exits, but in my test the return is so small compared to the volatility that I cannot see much statistical significance in the results.
The other difference is that I did not consider any commission/slippage, as discussed in comments above…
@Rick: check the other thread (linked to in credits section of the post) for the study by sluggo on random entries.
Rick, there were three conclusions (not 4 as you typed). Among the many useful Blox Forum posts on the topic, here are three specific messages by 3 different authors, that contain test results which support the three conclusions above.
Please take a few minutes to surf around the Forum, looking at old threads and old topics. There is quite a bit of great stuff there, waiting to be (re)discovered. Heck, you may even decide to join.
Note that H3/C3 use random entry *timing* and random exit *timing*, but on the randomly chosen entry date, they always trade in the *direction* of the (long term) trend. They use a bullish-or-bearish indicator to suggest whether it’s best to enter long or enter short on that date.
C1: One guy claims the system lost money 100% of the time and another claims it made money 100% of the time but CAGR is very small.
I think the positive bias some people got may be attributed to several factors, including not properly rolling contracts.
In C1 I do not see any conclusive evidence of random-entry/ATR exit making money. I see conflicting reports and low returns.
In C2, it is claimed that pure random entry exits were profitable only 2 times out of 50. They used an ADX burst and other entry methods to fix that.
In C3, I think the claims are wired. The input data are first filtered using moving averages.
As a conclusion, I don’t see where you got your conclusions. These posts prove nothing, save the fact that in most cases exhibit a wrong approach. I also sense some desperate attempts to prove something is working the reason for which are not very clear.
Neither C1 – C2 nor the posts by Jez have proved that random entry/ATR exit is a profitable trend-following system. Jez did not use commissions and never stated how many runs are unprofitable out of the 200 he ran.
Hello Jez, Good study. The take away is valid.
However, I would like to emphasize one defect in the study as already pointed out by Michael.
Your choice of averaging monthly returns over multiple random realizations actually BIAS the volatility (and hence the drawdown statistic) DOWNWARD significantly. This is just simple statistical artifact.
As an illustration, I performed a simple simulation. Let’s say we have a strategy with monthly return which TRULY follows Normal distribution with mean 1.5% and standard deviation of 10%. We sample it for 100 months. Then we repeat the sampling 200 times. What you did basically was to average the each month return based on 200 sampling. This gives 100 averaged monthly returns. This averaged return, will still have the same mean value of the strategy. However, the volatility is greatly reduced by the averaging process. Consequently, the drawdown figure is reduced also.
The picture shown in the following link highlight my point. The black bold line is the resulting equity curve from the averaged monthly return.
If you are into R programming, you can replicate the simple study with the following codes:
Indeed, for the averaged monthly return, the sample average is 1.509% and the volatility is greatly reduced to 0.77%.
Of course, the strategy you are testing do not produce monthly returns that is normally distributed. However, the impact of averaging randomly produced monthly returns on BIASING the drawdown downward is still valid.
In light of that issue, I think the Performance Stats which remain valid are CAGR and Average Monthly Rtn.
For the risks measure, I suggest you calculate the average of maximum drawdowns of each sampling. It will also be useful to get the distribution of the drawdowns, e. g. 10% percentile, 25% percentile, median, etc.
I wanted to clarify something about bet sizing technique.
When I came across this post I went back to my copy of the complete turtle trader and looked up the mechanics of this technique.
When you are using this ATR (or “N”) technique on futures, as I understand it, you are taking the cost of buying the future on a per point basis and multiplying it by the number of points that make up the ATR.
Then you multiply that number by the size you want your stop loss (let’s say 2ATR’s) to be and then divide by the amount by % of your total portfolio that you want to risk.
But what if you wanted to use this strategy on a stock instead?
Would you just divide the amount of equity you are willing to risk (say 1%) by the 2ATR stop number or would it require some other calculation?
Great post – look forward to hearing from you.
In essence, this is how you would do it to “translate” the rule directly to stocks instead of futures.
Coincidentally, a post was created on the TB forum a few days ago, discussing a very similar issue (maybe started by you under a different avatar):
which highlights potential problems linked to the fact that stocks do not have embedded leverage and this position sizing technique “could” result in total allocation going over the available equity.
Making averages could be misleading. Sometimes it is best to visualize all 200-500 colored equity curves in one picture to see the robustness. Do you have something of this sort.
Agree, averages could be the tree that hides the forest (although I really wanted to test for a central tendency here) – unfortunately I do not have these multiple equity curves available – desculpa.
It appears that the trailing stop distance of 2 x ATR was arbitary. The comparison against the mix of stop distances shows that 2 x ATR is better than a mix between 2 and 10 x ATR. However, it doesn’t show whether 2 x ATR is optimal.
Has anyone run the same test with suitable sample sizes to compare the performance of 1 x ATR vs 2 x ATR vs 3 x ATR etc to try to pinpoint the optimal trailing stop distance?
Not that I am aware of, but that would be a good idea for a next post! I did do something similar with Profit Targets a while back though: automated-trading-system/profit-targets-trend-following/
I was wondering if you would be able to supply a simple bell curve of CAGR and MAXDD. I would like to see where the range and majority of the CAGR and MAXDD lies.
The methodology I used for this test was actually to average all the random simulation iterations on a monthly basis (ie to simulate re-balancing) instead of running all simulations on their own and averaging their end results. As such, I do not have such CAGR/MaxDD data… But if you are interested you might want to check that post: automated-trading-system/trading-diversification-free-lunch/
which shows the spread of CAGR/MaxDD for another randomized test (to do with portfolio selection that one).
Hi, I am having trouble working out how you use the ATR. When I look at an ATR indicator, the figure is something like 0.0019, so how do you convert this into the number of pips for the stoploss?
Usually an ATR-based stop is just a way to place the stop price N number of ATRs from the entry price.
& # 8211; Buy Long EURUSD at 1.31 (this is not a recommendation! ;-)
& # 8211; Calculate the ATR, maybe get a value like 0.01.
& # 8211; Set the stop so that stop price is Buy_Price – N x ATR: if N = 1, stop price = 1.30 (1.31 – 0.01), if N = 3, stop price = 1.28, etc. (note that for Short Positions you’d have Sell_Price + N x ATR)
This is a fairly neat way to adjust the stop taking into consideration the recent volatility of the instrument (as opposed to a fixed % amount, etc.)
Thanks for the reply Jez. So, right now EUR/USD is 1.32338. ATR is 0.00092. Assim:
Stop price = 1.32338 – (2 x 0.00092)
Stop price = 1.32338 – 0.00184.
Stop price = 1.32154.
That’s a stop loss of just 18.4 pips I think?
It doesn’t seem enough… Or is it just that the ATR is low right now?
ATR value sounds low but it depends on the period used to calculate it (ie an ATR(5) on 1-min bar will be much slower than an ATR(20) on daily bars).
Otherwise calc looks good.
Being new to trading i am a bit puzzled with these stops. Does adapting the trailing stop daily mean setting a new order each day with a new trailing stop? Doesn’t this mean that the trailing stop will only be met if the intraday change exceeds f. e. 2 ATR? So, you create each day a new high from which to the trailing is done. Is this meaningfull?
I suppose the stop and trailing stop also meant in this text is always 2 ATR? Or is this only the initial stop?
Obrigado pela ajuda.
Newone, the trailing stops typically do not “go down” (ie it basically trails the price by being at most 2/3/5 ATRs away: every time the price makes a new high – for a long position – the stop is placed 2/3/5 ATRs away but when the price goes back down, the stop does not)
Jez, thank you very much for this information. I understand u probably place new orders daily, but keep the stops in place in case the price dropped, and u raise the stops in case the prise rose. How about doing this on a monthly basis? Isn’t this more safe in order to prevent unnessasarry stop-out due to whipsawwing?
I’m trying to follow trends using turbo’s. Do you know turbo’s or speeders? We have them in europe, it’s basically following for example a stock using a hedge (leverage). I think this is more understandeable then options and futures. You can never loose more than you invested either. What is your idea about trading such products? I don’t find much information on the net about opinions on trading these.
Obrigado pela sua informação. I think your site is very informative and inspiring to people new to the business like myself :)
Deixe um comentário (Cancelar)
Atualizações gratuitas.
Posts populares.
Procure no blog Au. Tra. Sy.
Global Futures Broker.
Blog Au. Tra. Sy, pesquisa e desenvolvimento de Trading Sistemático, com um sabor de Trend Following.
Disclaimer: O desempenho passado não é necessariamente indicativo de resultados futuros. A negociação de futuros é complexa e apresenta o risco de perdas substanciais; como tal, pode não ser adequado para todos os investidores. O conteúdo deste site é fornecido apenas como informação geral e não deve ser considerado como recomendação de investimento. Todo o conteúdo do site, não deve ser interpretado como uma recomendação para comprar ou vender qualquer título ou instrumento financeiro, ou para participar de qualquer estratégia específica de negociação ou investimento. As idéias expressas neste site são unicamente as opiniões do autor. O autor pode ou não ter uma posição em qualquer instrumento financeiro ou estratégia citada acima. Qualquer ação que você tome como resultado de informações ou análises neste site é, em última instância, de sua exclusiva responsabilidade.
OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS TÊM MUITAS LIMITAÇÕES INERENTES, ALGUNS DOS QUAIS SÃO DESCRITOS ABAIXO. NENHUMA REPRESENTAÇÃO ESTÁ SENDO FEITA QUE QUALQUER CONTA PODERÁ OU POSSIBILITAR LUCROS OU PERDAS SEMELHANTES AOS MOSTRADOS; DE FATO, HÁ DIFERENÇAS FREQUENTEMENTE NÍVEIS ENTRE OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS E OS RESULTADOS REALIZADOS SUBSEQÜENTEMENTE ATINGIDOS POR QUALQUER PROGRAMA DE NEGOCIAÇÃO PARTICULAR. UMA DAS LIMITAÇÕES DOS RESULTADOS DE DESEMPENHO HIPOTÉTICOS É QUE SÃO GENERALMENTE PREPARADOS COM O BENEFÍCIO DE HINDSIGHT. ALÉM DISSO, A NEGOCIAÇÃO HIPOTÉTICA NÃO ENVOLVE O RISCO FINANCEIRO, E NENHUM REGISTRO DE NEGOCIAÇÃO HIPOTÉTICA PODE COMPLETAMENTE CONTA PARA O IMPACTO DO RISCO FINANCEIRO DE NEGOCIAÇÃO REAL. POR EXEMPLO, A CAPACIDADE PARA SUPORTAR PERDAS OU ADERIR A UM PROGRAMA DE NEGOCIAÇÃO EM PARTICULAR DENTRO DA NEGOCIAÇÃO DE PERDAS SÃO PONTOS MATERIAIS QUE TAMBÉM PODEM AFETAR DE ACORDO, DE FORMA ALTA, OS RESULTADOS DA NEGOCIAÇÃO. EXISTEM NUMEROSOS OUTROS FATORES RELACIONADOS COM OS MERCADOS EM GERAL OU PARA A IMPLEMENTAÇÃO DE QUALQUER PROGRAMA DE NEGOCIAÇÃO ESPECÍFICO QUE NÃO PODE SER TOTALMENTE CONSIDERADO PARA A ELABORAÇÃO DE RESULTADOS DE DESEMPENHO HIPOTÉTICOS E TODOS OS QUE PODEM AFETAREM ADEUSAMENTE OS RESULTADOS DA NEGOCIAÇÃO.
ESTAS TABELAS DE DESEMPENHO E RESULTADOS SÃO HIPOTÉTICOS NA NATUREZA E NÃO REPRESENTAM A NEGOCIAÇÃO EM CONTAS REAIS.

Why Your Trading Strategy Is Still Good After 10 Losing Trades.
Why Your Trading Strategy Is Still Good After 10 Losing Trades.
How often have you felt invincible after having 5 winning trades in a row and then lost a bunch of money on the 6th trade because you took too much risk? And how many times did you change your trading strategy or adjusted your indicator settings after you lost 4 trades in a row because you thought your strategy wasn’t working anymore?
Those are very common problems most traders face and making the wrong assumptions can lead to disastrous decisions. It is important to understand how likely losing streaks are and how statistics really work in trading. In this article we will break down the most important concepts and provide actionable tips so that you can avoid the most expensive mistakes.
Hot Hand Fallacy – a trader on fire?
When you see a basketball player score 5 or 6 shots in a row, people say that he is “on fire” and it seems that nothing can stop him. Scientists call this the “Hot Hand Fallacy” and research has confirmed that such streaks only exists within the scope of normal statistical probabilities and that “being on fire” is nothing extraordinary 1 – it’s just how math works. Follow any player long enough and you’ll find such streaks…
Of course, the frequency of those streaks is determined by the level of skill of each individual player and a top player will have much more of those long streaks than a regular high school player – but both will experience those streaks from time to time.
Lesson 1 : The “law of large numbers” says that winning and losing streaks are completely normal over a long enough sample size. It’s important that you stop judging your system based on 1, 2 or 5 trades and understand the implications of long-term thinking. Never change your system after a few losing trades!
Humans suck at math.
We as humans are particularly bad at understanding probabilities – who likes math anyways?! We get into our cars every day and don’t worry for a second about what could happen; but, we feel uncomfortable when we get into a plane twice a year for our summer holidays. And we are way too optimistic about winning in the lottery as well.
“I guess I think of lotteries as a tax on the mathematically challenged.”
But the problems don’t end here. Events with random outcomes are really challenging our way of thinking and humans try to come up with arbitrary rules or ideas that help them create a sense of control over events which they have no control over:
In craps, people throw dice harder when they bet on a high number than when they want to see a smaller number. When flipping coins, people believe that it’s more likely to see heads after the coin has shown tails 4 times in a row. When playing the lottery, people believe that they have a higher chance of winning if they pick the numbers themselves.
Probabilistic events with random outcomes mean uncertainty and humans do as much as they can (or what they believe they can) to eliminate the feeling of uncertainty. Research found that a creating a feeling of control, even when we don’t have control, makes us feel healthier. 2 This, of course, doesn’t change the outcome, just how we perceive the event and how we make our decisions . People who believe that they have some control over completely random outcomes are less risk-averse and over-estimate their chances of beating the odds. In trading, this can easily lead to increased risk taking and over-confidence.
Lesson 2: Accept randomness and understand that one trade is completely independent from the one before. To make things worse, the outcome of a trade is totally random and out of your control as well. Creating arbitrary rules that aim at creating the feeling of control can lead to over-optimism if the trader isn’t aware of it.
Avoid over-confidence.
The most dangerous part about the “Hot Hand Fallacy” is that it changes peoples’ perception about their level of skill. After having netted 5 shots in a row, players often start taking shots from difficult positions where they have a much lower chance of making the shot and so ruin their stats and harm their team.
Research shows that individual investors and traders trade more actively when their most recent trades were successful. 2
Increasing position size because you think that you can use the winning streak to boost your performance almost always ends in a disaster. Some traders believe that they can “feel” where the market is going next after a few wins in a row. It’s very common to see that those traders wipe out a substantial amount of their past gains with just a few trades. We have all been there, right!?
Lesson 3: You don’t suddenly become a better trader. Therefore, never change your approach to your money and risk-management depending on your most recent results.
Losing streaks happen all the time.
Do you think that after 6 losing trades in a row, your trading strategy doesn’t work or that you are a bad trader? It probably doesn’t even take 6 losing trades to make most people doubt their trading strategy. What if we told you that it’s not the case and the system you are about to give up on, could make you all the money you ever desired? If traders would stick to their strategies just a little longer and not give up so quickly during times of adversity, we’d probably see a lot more profitable traders.
* Calculations are based on a system with a 60% winrate.
Lesson 4: Losing and winning streaks are normal and no matter how good you are, they’ll happen. Don’t give up on your method too early and hang in there. Every streak will end.
What to do during winning and losing streaks.
During winning streaks , it’s especially important to avoid over-confidence. Never increase your risk when you are on a roll. Consistent position sizing is extremely important when it comes to reducing account volatility. Also, don’t over-trade because you suddenly think that trading has become easy. Always make sure that you follow your rules and that you execute your trades according to your system.
During l osing streaks , the same holds true. Don’t try to make up for the past losses by increasing position size – you’ll most likely just end up with a larger drawdown. Most importantly, don’t make any changes to your strategy. You can only build a trading edge by executing your trades as consistently as possible. This is hard to understand for new traders, but it’s the corner stone of profitable trading. Instead, focus on how well you execute your trades and don’t worry too much about the outcome.
Tip: Before you start your trading day, review your past 10 or 20 trades to get a feeling for your overall situation and to avoid making any emotionally caused mistakes. Always be aware of your current state of mind.
Y. Sun and H. Wang (2010): Gambler’s fallacy, hot hand belief, and the time of patterns journal. sjdm/10/91117/jdm91117.html R. Schulz and B. H. Hanusa, “Long-Term Effects of Control and Predictability-Enhancing Interventions: Findings and Ethical Issues”, Journal of Personality and Social Psychology 36: 1202-12 Barber, Lee, Odeon, Liu (2010): Do Day Traders Rationally Learn About Their Ability?
Sem comentários.
Postar uma resposta Cancelar resposta.
Links Rápidos.
Somos dois caras da Alemanha que se cansaram das 9 às 5 e embarcaram na jornada de sua vida, negociando e viajando onde e quando quisermos.
Somos apaixonados por retribuir, pois não estaríamos nem perto de onde estamos hoje sem a ajuda de outros comerciantes veteranos que nos ajudaram no começo.
Se você considerar se juntar à nossa comunidade, nos sentiremos honrados por sua confiança e nos certificaremos de que cada minuto livre que tenhamos seja gasto para fazer com que seu investimento valha a pena.
Isenção de Risco.
Nós usamos Unsplash. Um grande obrigado a todos os contribuidores do Unsplash!
Preço Ação Ebook (GRÁTIS)
Digite seu e-mail e obtenha acesso imediato ao ebook de ação de preço.

Welcome to Random Walk Trading.
From Books, eBooks, Online Courses, Video and Book Bundles, up to tons of Free Articles, we got them all.
Truly affordable Option Trading Education at your fingertips.
Fale com a gente hoje!
Wondering how we can help you jumpstart your option trading career? Chat, call or e-mail us for a free consultation.
Get to know us a bit better.
Quem nós somos.
Nossa missão.
How We Excel.
Let Us Guide You.
A Foundation of Excellence.
Wherever you are in your option trading career, you want to know your strategies and techniques are based on the most proven and advanced industry practices available. That’s why we’ve developed our proprietary option trading courses and materials to cover everything from the basics to cutting-edge option trading approaches. No one else goes as far as we do to satisfy our students’ needs and exceed your expectations on every front.
Training You can Trust.
How do you know the option trading education you’re receiving is credible? For starters, all our instructors are retired floor traders with decades of experience backing up their skills and insights, that assures everything we do and teach is held to a strict standard of quality, performance, and student service.
Made-for-You Materials.
Our books, eBooks, videos, and comprehensive courses run the gamut from beginner to advanced, not to mention our enormous amount of supplemental software and free content! We go beyond just defining general terms or providing academic overviews and have written highly informative, reader-friendly materials that streamline your learning process and get you to the practical application stage in an efficient and effective manner.
J. W., DC Seminar.
I was very impressed with Terry and Ladd’s knowledge, but especially their truthfulness in not overstating returns.
J. D. R., California.
Met ALL of my expectations and a LOT more. Very valuable and useful for daily use and application.
M. D. SF Seminar.
This was the BEST options course I’ve attended. Well done, well taught, excellent materials.
Random Walk Trading é uma empresa de educação de negociação de opções Premier que foi criada para o estudante que deseja transformar sua paixão em uma carreira. Como tal, desejamos trabalhar apenas com aqueles que são sérios sobre sua educação.
Suporte Geral ao Cliente.
1521 Concord Pike, Suite 301, Wilmington, DE 19803, E. U.A.
9:00 - 12:00 (EST)
Tweets recentes.
The Broken Wing in Butterfly in 3 Hours Online Course is now at $129 Only! ow. ly/JUoj30gLTdw pic. twitter/o2MCY74TnT.
AVISO LEGAL.
Os materiais no site da Random Walk Trading são fornecidos "como estão". A Random Walk Trading não oferece garantias, expressas ou implícitas, e renuncia e nega todas as outras garantias, incluindo, sem limitação, garantias implícitas ou condições de habilidade do comerciante, adequação a uma finalidade específica ou não violação de propriedade intelectual ou outra violação de direitos. .