Automatisierte Handelssystem Buch

Top 5 Essential Beginner Bücher für Algorithmic Trading Algorithmischen Handel wird in der Regel als ein komplexes Gebiet für Anfänger, um in den Griff zu bekommen. Es deckt eine breite Palette von Disziplinen, mit bestimmten Aspekten, die einen erheblichen Maß an mathematischen und statistischen Reife. Folglich kann es für die Uneingeweihten außerordentlich ausfallen. In Wirklichkeit sind die Gesamtkonzepte einfach zu verstehen, während die Details iterativ und kontinuierlich erlernt werden können. Die Schönheit des algorithmischen Handels ist, dass es keine Notwendigkeit, um herauszufinden, welche Kenntnisse über das reale Kapital, wie viele Makler bieten sehr realistische Markt Simulatoren. Zwar gibt es bestimmte Einschränkungen mit solchen Systemen verbunden sind, bieten sie eine Umgebung, um ein tiefes Verständnis zu fördern, mit absolut kein Kapital Risiko. Eine allgemeine Frage, die ich von den Lesern von QuantStart empfange, ist Wie fange ich im quantitativen Handel an? Ich habe bereits einen Anfängerführer zum quantitativen Handel geschrieben. Aber ein Artikel kann nicht hoffen, die Vielfalt des Themas zu decken. So Ive beschlossen, meine Lieblings-Einstiegs-Quant-Trading-Bücher in diesem Artikel empfehlen. Die erste Aufgabe ist es, einen soliden Überblick über das Thema zu gewinnen. Ich habe es weit einfacher, schwere mathematische Diskussionen zu vermeiden, bis die Grundlagen abgedeckt und verstanden werden. Die besten Bücher, die ich für diesen Zweck gefunden habe, sind wie folgt: 1) Quantitative Trading von Ernest Chan - Dies ist eines meiner Lieblings-Finanzen Bücher. Dr. Chan bietet einen umfassenden Überblick über den Prozess der Einrichtung eines quantitativen Handelssystems mit Hilfe von MatLab oder Excel. Er macht das Thema sehr ansprechbar und vermittelt den Eindruck, dass jeder es kann. Obwohl es viele Details, die übersprungen werden (vor allem für die Kürze), ist das Buch eine gute Einführung in die algorithmische Handel funktioniert. Er diskutiert Alpha-Generation (das Handelsmodell), Risikomanagement, automatisierte Ausführungssysteme und bestimmte Strategien (insbesondere Impuls und mittlere Reversion). Dieses Buch ist der Startpunkt. 2) Innerhalb der Black Box von Rishi K. Narang - In diesem Buch erklärt Dr. Narang im Detail, wie ein professioneller quantitativer Hedgefonds funktioniert. Es wird auf einem versierten Investor, der überlegt, ob in einer solchen Black Box zu investieren. Trotz der scheinbaren Irrelevanz eines Einzelhändlers enthält das Buch tatsächlich eine Fülle von Informationen darüber, wie ein angemessenes Quanthandelsystem durchgeführt werden sollte. So werden beispielsweise die Bedeutung der Transaktionskosten und das Risikomanagement skizziert, mit Ideen, wo man nach weiteren Informationen suchen kann. Viele Einzelhändler Algo Händler könnte gut daran tun, dieses aufzuheben und zu sehen, wie die Profis ihren Handel durchführen. 3) Algorithmic Trading amp DMA von Barry Johnson - Der Begriff algorithmischen Handel, in der Finanzindustrie, in der Regel bezieht sich auf die Ausführung Algorithmen von Banken und Brokern verwendet, um effiziente Handlungen auszuführen. Ich verwende den Begriff, um nicht nur jene Aspekte des Handels zu decken, sondern auch quantitativen oder systematischen Handel. Dieses Buch ist vor allem über die ehemalige, geschrieben von Barry Johnson, der eine quantitative Software-Entwickler bei einer Investmentbank ist. Bedeutet dies, dass es keinen Nutzen für die Retail-Quant gar nicht. Besitzen ein tieferes Verständnis, wie der Austausch funktioniert und Markt-Mikrostruktur kann immens helfen die Rentabilität der Retail-Strategien. Obwohl es ein schweres Tome ist, lohnt es sich abholen. Sobald die grundlegenden Konzepte erfasst sind, ist es notwendig, beginnen die Entwicklung einer Handelsstrategie. Dies wird gewöhnlich als die Alphamodellkomponente eines Handelssystems bezeichnet. Strategien sind einfach zu finden, in diesen Tagen, aber der wahre Wert kommt bei der Festlegung Ihrer eigenen Handelsparameter über umfangreiche Forschung und Backtesting. Die folgenden Bücher diskutieren bestimmte Arten von Handels-und Ausführungssysteme und wie man sie umsetzen: 4) Algorithmic Trading von Ernest Chan - Dies ist das zweite Buch von Dr. Chan. Im ersten Buch entging er dem Momentum, der mittleren Reversion und bestimmten Hochfrequenzstrategien. Dieses Buch diskutiert solche Strategien in der Tiefe und bietet wesentliche Implementierungsdetails, wenn auch mit mehr mathematischen Komplexität als in der ersten (z. B. Kalman Filter, StationarityCointegration, CADF usw.). Die Strategien, noch einmal, umfassende Nutzung von MatLab, aber der Code kann leicht geändert werden, um C, Pythonpandas oder R für diejenigen mit Programmierkenntnissen. Es gibt auch Updates über die neuesten Marktverhalten, wie das erste Buch wurde ein paar Jahre zurück geschrieben. 5) Handel und Börsen durch Larry Harris - Dieses Buch konzentriert sich auf Marktmikrostruktur. Die ich persönlich fühle, ist ein wesentliches Gebiet, um zu lernen, auch an den Anfangsstadien des Quanthandels. Markt-Mikrostruktur ist die Wissenschaft, wie die Marktteilnehmer interagieren und die Dynamik, die im Orderbuch auftreten. Es ist eng verknüpft, wie der Austausch funktioniert und was tatsächlich geschieht, wenn ein Handel platziert wird. Dieses Buch ist weniger über Handelsstrategien als solche, sondern mehr über Dinge, die beim Entwerfen von Ausführungssystemen bewusst sein müssen. Viele Fachleute im quant Finance Bereich betrachten dies als ein hervorragendes Buch und ich kann es auch sehr empfehlen. In diesem Stadium, als Einzelhändler, werden Sie in einem guten Ort, um die Erforschung der anderen Komponenten eines Handelssystems wie der Ausführungsmechanismus (und seine tiefe Beziehung mit Transaktionskosten), sowie Risiko-und Portfolio-Management beginnen. Ich werde dicuss Bücher für diese Themen in späteren Artikeln. Klicken Sie unten, um mehr darüber zu erfahren. Die Informationen auf dieser Website ist die Meinung der einzelnen Autoren auf der Grundlage ihrer persönlichen Beobachtung, Forschung und jahrelange Erfahrung. Der Herausgeber und seine Autoren sind nicht registrierte Anlageberater, Rechtsanwälte, CPAs oder andere Finanzdienstleister und machen keine Rechts-, Steuer-, Rechnungswesen, Anlageberatung oder andere professionelle Dienstleistungen. Die Informationen, die von dieser Web site angeboten werden, sind nur allgemeine Ausbildung. Weil jeder Einzelne sachliche Situation anders ist, sollte der Leser seinen persönlichen Berater suchen. Weder der Autor noch der Herausgeber übernehmen jegliche Haftung oder Verantwortung für Fehler oder Unterlassungen und haben weder eine Haftung noch Verantwortung gegenüber Personen oder Körperschaften in Bezug auf Schäden, die direkt oder indirekt durch die auf dieser Website enthaltenen Informationen verursacht oder vermutet werden. Benutzung auf eigene Gefahr. Darüber hinaus kann diese Website erhalten finanzielle Entschädigung von den Unternehmen erwähnt durch Werbung, Affiliate-Programme oder auf andere Weise. Preise und Angebote von Inserenten auf dieser Website ändern sich häufig, manchmal ohne Vorankündigung. Während wir uns bemühen, rechtzeitige und genaue Informationen aufrechtzuerhalten, können Angebot Details veraltet sein. Besucher sollten daher die Bedingungen dieser Angebote vor der Teilnahme an ihnen überprüfen. Der Autor und sein Herausgeber haften nicht für die Aktualisierung von Informationen und haften nicht für die Inhalte, Produkte und Dienstleistungen von Drittanbietern, auch wenn sie über Hyperlinks und Anzeigen auf dieser Website aufgerufen werden. Empfohlene Bücher über Investitionen und automatisierte Handelssysteme OK, ich gebe es zu. Keiner von uns ist Investment-Guru und havent gemacht (oder verloren) Millionen an der Börse. Allerdings wurden wir gefragt, ein paar Mal an Projekten im Zusammenhang mit automatisierten Handelssysteme arbeiten und dies sind einige der Bücher fanden wir am interessantesten oder nützlich. Klicken Sie auf die Titel, um Bewertungen von anderen Leuten und anderen Informationen von Ihrem lokalen Amazon zu sehen. Dieses Buch enthält Erkenntnisse über zufällige Ereignisse und ihre Auswirkungen auf den Markt (und das Leben im Allgemeinen) von einem professionellen Händler, Nassim Taleb. Es gibt hier Gedanken, die ich sehr tief in Bezug auf die Natur der induktiven Logik (Begründung von Ereignissen zu Regeln) fand, sowie interessante Beispiele und Erklärungen, wie wir uns durch zufällige Phänomene täuschen lassen. Taleb ist besonders fasziniert von dem, was er als das Schwarze Schwan-Problem beschreibt. Wir sehen viele Schwäne. Alle sind weiß. Wir schließen daraus, daß alle Schwäne weiß sind. Leider waren wir noch nie in Australien, wo auch die Schwäne schwarz sind. Wenn wir unsere Handelssysteme auf solchen Prinzipien aufbauen, wird das Aussehen eines schwarzen Schwans uns auslöschen. Der Stil des Schreibens hier ist eine Sammlung von buchstäblichen Gedanken und Abschweifungen, die ich eher mochte, aber, nach den Bewertungen von Amazon zu urteilen, scheint es, einige Leser zu irken. Eine der wichtigsten Annahmen, die von vielen Investitions - und Preistheorien (z. B. Black-Scholes) gemacht werden, ist, dass sich die Preise in einer Weise verhalten, die durch die Normalverteilung modelliert werden kann. Es scheint auf dem Gesicht von ihm eine vernünftige Annahme, aber es isnt. Mandelbrot macht einen starken Fall, dass die Normalverteilung eine schlechte Schätzung für die Verteilung der Preisänderungen ist, und dass eine fraktale Verteilung ein genaues Bild malt. Warum ist es wichtig, wenn Sie die normale Annahme nehmen, dann große Sprünge im Preis sind äußerst unwahrscheinlich, und Preisänderungen an jedem Tag sind nicht von Änderungen am Vortag betroffen. In der Tat die Extreme passieren, und das Ausmaß der heutigen Veränderungen korreliert mit vorherigen Tagen Handel. Der Nettoeffekt ist, dass die normale Verteilungsannahme das Risiko ernsthaft unterschätzt. Dieses Buch ist in der populären Wissenschaft Kategorie. Es gibt keine tiefe Mathematik oder Gleichungen. (Schade, wenn man mathematisch geneigt ist, mdash gute Nachrichten, wenn Sie arent.) Theres eine vernünftige Mischung aus Anekdote und experimentelle Beweise, aber ein wenig zu viel schadenfreude, wenn Mandelbrot schafft, sich richtig und andere falsch zu beweisen. Dieses Buch wird nicht Sie reich machen, oder geben Sie eine sichere-fire Weg, Geld auf den Märkten mdash seinen Autor sorgfältig weist dies heraus. Was es Ihnen geben wird, ist ein tieferes Verständnis der wackligen Grundlagen, auf denen Portfolio Theorie, Optionspreise und viele andere Modelle basieren, sowie einige Ideen, wie man mehr realistisch testen ein Handelssystem auf simulierten Daten. Wenn Sie jemals davon geträumt haben, ein Computersystem zu schaffen, um die Buchmacher oder die Börse zu schlagen (und wer nicht), dann ist Steven Skienas Buch für Sie. Skiena beschreibt seine eigenen (und seine Mannschaften) Bemühungen, ein automatisiertes System zu schaffen, das gewinnende Wetten auf jai alai setzen würde. Ein baskisches Spiel, das auch in Teilen von Frankreich und einigen Städten in Nordamerika gespielt wird. Das Buch beschreibt das Spiel selbst (ein Spiel mit Ähnlichkeiten zu Tennis, Squash und Rugby Fives), die gewundenen Methoden, mit denen Turniere gehalten werden (eine Art Round Robin) und die pari-mutuel Glücksspiel-System, das verwendet wird, um Wetten auf die Ergebnis. Um das perfekte System zu schaffen, mussten Skiena und sein Team die Turnierstruktur modellieren, die Effekte der Spielerfähigkeit auf die Match-Ergebnisse und (da diese Chancen mit einem pari-mutuel System angeboten werden) die Wettgewohnheiten der Öffentlichkeit. Sie mussten dann Wetten identifizieren, die (im Durchschnitt) rentabel wären. Das Team gelang, das Programm entwickelten sie schließlich letztlich in der Rückkehr von etwa 500 auf seine ursprüngliche Glücksspiel Beteiligung in einem einzigen Jahr. (Die schlechte Nachricht, wie Skiena betont, ist, dass es nicht möglich sein würde, ein solches System zu verwenden, um große Geldbeträge auf jai alai zu setzen, da solche Wetten die verfügbaren Quoten erheblich verringern würden). Ein Muss für jeden ernsthaft interessiert an Quotbeating das System zu lesen. Gemessen an dieser Auto-Biografie kann Edwin Lefegravevre (ein Pseudonym von Jesse Livermore) die Art von Person gewesen sein, die Ihre Mutter Sie davor gewarnt hat. Er machte seinen Lebensunterhalt von Spekulationen an der Börse, manchmal mit Techniken, die wahrscheinlich heute illegal sein würden. Er hat gewonnen und verloren Geld, und dieses Buch enthält seine Einblicke in erfolgreiche und erfolglose Handelsperioden. Heres einer von Lefegravevres beiseite auf die Natur der Spekulation, die einer Geschichte eines Mannes folgt, der ein erfolgreiches System hatte, dachte, er könne es besser machen, indem er das System ändere, dann wischte er sich aus: Ich denke manchmal, dass Spekulation eine unnatürliche Art sein muss Weil ich finde, dass der durchschnittliche Spekulant gegen ihn seine eigene Natur angelegt hat. Die Schwächen, die alle Menschen anfällig für tödlich für den Erfolg in der Spekulation mdash sind üblicherweise jene sehr Schwächen, die ihn sympathisch machen zu seinen Gefährten oder dass er selbst besonders wacht vor in anderen Ventures von seinem, wo sie nicht annähernd so gefährlich sind, als wenn er handelt In Aktien oder Waren. Vielleicht ist ein automatisiertes System nicht unter solchen menschlichen Fehlern oder wird es auch die Demut der Händler wie Taleb fehlt. Paulos verlor beim WORLDCOM-Crash Geld und nutzt das als Ausgangspunkt für die Erklärung der Mathematik hinter der Börse. Es gibt gute qualitative Erklärungen für viele der Zahlen und Theorien, die bei dem Versuch verwendet wurden, den Preis der Vorräte vorherzusagen. Besonders gefiel mir seine Beschreibung des Efficient Market Hypothesis Paradox (wenn alle daran glaubten, dass die Effiziente Markthypothese nicht mehr wahr wäre) und sein imaginäres Gegenteil, die Träge Markthypothese. Ein weiterer guter Punkt, den er macht, ist, dass die Kriterien für den Erfolg eines Handelssystems nicht, ob es Geld macht. Das ist nur eine notwendige Bedingung. Ein erfolgreiches Handelssystem muss mehr Geld verdienen als einfach investieren in Schatzwechsel oder Kauf eines Indexfonds. Das Buch deckt im Überblick Themen wie technische Analyse, Beta, Portfolio-Theorie, etc. Obwohl es einige ausgezeichnete Nuggets von Informationen hier, fand ich den Schreibstil ablenkend. Ich war auch enttäuscht, dass ein anderes Buch des gleichen Autors (auf einer Zahl, die verborgene mathematische Logik der Geschichten) viel von dem gleichen Boden mit den gleichen Beispielen bedeckt. Wenn Sie überleben können, den Titel zu lesen, ist dieses Buch tatsächlich eine anekdotische Geschichte des Kelly Criterion mdash eine Formel, die identifiziert, wie viel auf ein riskantes Unternehmen gesetzt werden sollte. Es ist ein überraschender Charakter von Charakteren, von Unterweltfiguren zu Physikern und Mathematikern, und von 1738 (nicht ein Fehldruck) bis in die Gegenwart. Dies ist nicht eine mathematische genug Behandlung für mich, aber es lohnt sich zu lesen, um herauszufinden, wie Menschen versucht haben und gelungen (oder nicht) bei der Ausbeutung Kellys (und Bernoullis) arbeiten. (Wenn Sie mit Zahlen spielen müssen, kann der Kelly-Rechner nützlich sein.) Fehlende Bescheidenheit oder begrenzte Ziele von Taleb oder Paulos. Dieses Buch behauptet, es wird enthüllen. Wie Sie mit Ihrem Computer zu sammeln, zu analysieren und zu erkennen profitablen Markt Ineffizienzen mdash der Schlüssel, um Gewinne Trades Tag für Tag. Trotz dieser Veröffentlichung Hyperbel, es gibt viel zu empfehlen dieses Buch, wenn Sie auf die Umsetzung eines Handelssystems planen. Es gibt Erklärungen der neuronalen Netze, technische Analyse und Data-Mining-Ansätze. Es gibt auch Beschreibungen von zwei oder drei großen Projekten, Diskussionen über mögliche kommerzielle Datenquellen und Schlüsselfragen für die Bewertung von Systemen. Einige der Kapitel in diesem Buch sind etwas veraltet: Mit den wesentlichen Änderungen in Hard - und Software seit 1999 danken wir nicht mehr darüber, ob eingehende Daten unseren 16550 UART überlaufen werden. Allerdings ändern sich viele Design-Überlegungen nie und dieses Buch ist immer noch eine Lektüre wert, wenn Sie erwägen, Design oder Bewertung einer automatisierten trading strategy. August 5th, 2010 middot 16 Comments middot Backtest. Bücher Evidence-Based Technical Analysis: Anwendung der wissenschaftlichen Methode und statistische Inferenz auf Handelssignale Heute I8217ll sprechen über ein ausgezeichnetes Buch, das auf mehreren 8220quant8221 Blogs Ich las: Evidence-Based Technical Analysis von David Aronson empfohlen wurde. Einer der Hauptgründe, warum ich dieses Buch ausgewählt habe, ist, weil es Ihnen beibringt, zu fischen (anstatt, Ihnen einen Fisch zu geben). Also, wenn you8217re nach einem Buch mit großen Handelsstrategien oder Indikatoren, dies möglicherweise nicht die ideale, aber wenn Sie über Strategie-Testen und Methodik lernen wollen. It8217s wahrscheinlich ein großer Zusatz zu Ihrer Handelsbibliothek. Es war auf meiner Liste für eine Weile, und ich wünschte, ich hätte es früher gelesen, da es das Potenzial, Eckstein Methoden für den Handel Forschung und Testverfahren hinzufügen. Lesen Sie für eine Zusammenfassung mit einer Überprüfung direkt an der end8230 Eines der frühen Zitate aus dem Buch definiert das Konzept deckt: Die wissenschaftliche Methode ist die einzige rationale Möglichkeit, nützliches Wissen aus Marktdaten zu extrahieren und die einzige rationale Ansatz für die Bestimmung, welche TA Methoden haben prädiktive Macht. Ich nenne diese evidenzbasierte technische Analyse (EBTA). Aronson führt frühzeitig das Konzept der objektiven (TA) und subjektiven (TA) ein. Ein objektiver Anspruch ist ein sinnvoller Satz, der unzweideutig verifiziert werden kann. Für uns mechanische System-Trading-Entwickler: eine Reihe von Regeln, die getestet werden können. Auf der anderen Seite, würde die subjektive technische Analyse von Ansätzen wie Elliot Wave-Analyse bestehen. Allerdings reicht die objektive technische Analyse nicht aus: Sie brauchen noch rigorose statistische Schlüsse, um Schlussfolgerungen auf ihre Vorhersagekraft zu ziehen. Teil 1: Die Grundlagen Teil 1 des Buches legt die methodologischen, philosophischen, psychologischen und statistischen Grundlagen des EBTA fest. Das erste Thema ist die Notwendigkeit eines Benchmarking, um objektive Regeln zu bewerten und führt das Konzept der Detrending. Die ich vorher besprochen habe. Das zweite Thema beschäftigt sich mit der kognitiven Psychologie und gibt Beispiele für verschiedene Arten von Verhaltensvorstellungen, die uns täuschen und uns an die subjektive technische Analyse glauben machen können: Mustererkennung Konfirmations-Bias Hindsight-Bias Über-Vertrauen Illusorische Korrelationen Mis-Wahrnehmung von Zufälligkeit Das Gegenmittel für diese 8220mind Traps8221 ist die wissenschaftliche Methode. Die generische wissenschaftliche Methode ist im dritten Kapitel mit einigen Geschichte und Philosophie der Wissenschaft und Logik Argumentation abgedeckt. Die wissenschaftliche Methode 8211, die auf die technische Analyse 8211 angewandt werden kann und sollte, enthält 5 Stufen: Beobachtungshypothese Vorhersage Verifikation Schlussfolgerung Subjektive TA entspricht nicht der wissenschaftlichen Methode und der Autor präsentiert eine interessante Studie der Objektivierung eines subjektiven TA-Musters (Kopf und Schultern ), Um es testbar (es zeigt, dass Kopf und Schultern ist wertlos auf Aktien und hat zweifelhaften Wert auf Währungen). Statistische Analyse der Backtestergebnisse Die nächsten drei Kapitel stellen eine statistische Analyse vor. Der Anfang dieses Teils gibt eine gute Auffrischung der statistischen Schlußfolgerung, beginnend mit Konzepten wie Häufigkeitsverteilung, Standardabweichung, Wahrscheinlichkeiten und p-Werten. Das Beispiel der Probenahme und der statistischen Schlußfolgerung unter Verwendung von Perlen in einer Box macht für eine gute Illustration und eine ziemlich klare Parallele mit der Welt der Handelsregeln Rücktests. Das Buch bewegt sich auf Konzepte wie Hypothesentests, statistische Signifikanz und Konfidenzintervall, etc. und wie sie sich auf Regel-Tests beziehen. Eines der Hauptproblem der Back-Testergebnisse ist, dass sie nur ein Beispiel darstellen, wie die Systemrule (n) ausführen. Aronson präsentiert die klassische statistische Ansatz zur Ableitung der Stichprobenverteilung (erforderlich, um die statistische Schlussfolgerung) basierend auf einem einzigen Beobachtungsbeispiel. Dies setzt jedoch die Normalität der Verteilung voraus, die im Umgang mit Finanzdaten unwahrscheinlich ist. Neue wissenschaftliche Methoden für Back-Testing Dieses letzte Konzept führt zur Einführung der beiden alternativen Methoden, um die Stichprobenverteilung abzuleiten und statistische Schlüsse auf die getesteten Ergebnisse durchzuführen. Dies sind zwei computerbasierte Methoden: Beide Methoden schätzen die Stichprobenverteilung durch zufälliges Wiederabtasten (Wiederverwenden) der ursprünglichen Beobachtungsstichprobe. Eine Teststatistik wird dann für jedes Resample berechnet. In der Praxis verwendet das Bootstrap-Verfahren das Resampling mit dem Ersetzen der täglichen Strategierückkehr zur Erzeugung zahlreicher statistischer Teststatistiken, die verwendet werden, um eine Abtastverteilung zu approximieren. Das Monte-Carlo-Permutationsverfahren erreicht das gleiche Ergebnis, indem die Positionsrichtung (dh lang oder kurz) mit den täglichen Instrumentendurchgängen entkoppelt und permutiert wird. Unter Verwendung der statistischen Schlußfolgerung, die in früheren Kapiteln behandelt wird, kann man entscheiden, ob die Ergebnisse, die im Rücktest gefunden wurden, statistisch signifikant sind oder das Produkt einer zufälligen Chance. Diese beiden Methoden sind die wichtigsten Take-away aus dem Buch. Da sie wertvoll sind, um den Grad der Zufälligkeit in einer zurückgetesteten Regel zu identifizieren. Dies sollte wahrscheinlich Teil einer Standard-Handelssystem-Forschungsmethodologie sein, und ich werde diese beiden Methoden in späteren Posts detaillierter behandeln. On Data Mining Die oben beschriebenen Methoden behandeln nur einen Regel-Test. Allerdings testen wir nur selten die eine Regel isoliert: Die meisten Back-Tests würden mehrere Parameterwerte, Regeln und Kombinationen testen, um zu versuchen, die leistungsfähigsten zu identifizieren: dies ist Data Mining. Es ist jedoch falsch, zu erwarten, dass die zukünftige Performance der leistungsfähigsten Systeme im Einklang mit früheren, getesteten Ergebnissen steht. Die leistungsfähigsten Systeme könnten einen intrinsischen Wert haben, aber einige ihrer Überleistung sind auf zufällige Variationen zurückzuführen. Wenn Sie 1.000 verschiedene Regeln ohne Vorhersagekraft ausführen, werden alle von ihnen eine zufällige Chance enthalten, die eine variable Abweichung vom Nullmittelwert erzeugt. Die 8220most lucky8221-Regel wird am weitesten entfernt auf der rechten Seite des Null-Mittels liegen (und daher vom Data-Miner abgeholt werden), obwohl sie keinen intrinsischen Wert hat. Data Mining führt zu einer Bias. Die den Wert der 8220best8221-Regel im Vergleich zu erwarteten Zufallsvariationen übertreibt. Die Data-Mining-Bias ist mit mehreren Faktoren verknüpft: Erhöht sich mit der Anzahl der Regeln getestet Rückgänge mit der Stichprobengröße, die beim Back-Test verwendet wird. Abnahmen mit der Korrelation der rückgetesteten Regeln Ergebnisse. Erhöht sich mit der Häufigkeit der Ausreißer in der Back-Test-Probe. Abnahme mit der Variation in Back-getestet Renditen unter den Regeln berücksichtigt. Dies wird anhand von Beispielen und Diagrammen illustriert. Der Rest des Kapitels konzentriert sich auf Methoden zur Verringerung der Korrektur für die Data-Mining-Bias und passt die Bootstrap-Methode (unter Verwendung der White8217s-Realitätsprüfung) und Monte-Carlo-Permutation im 8220data mining8221-Modus an (anstelle einer einzigen Regelprüfung). Abschließend ist Data Mining eine gültige Methode, um die beste Regel (s) zu entdecken, aber der Forscher sollte sicherstellen, dass die Ergebnisse statistisch signifikant sind, um das Risiko der Entdeckung von 8220most lucky8221 Regeln zu vermeiden. Eine Tour durch das EMH und Anwendung von Methoden Das folgende Kapitel behandelt die Effiziente Markthypothese. Die ein bisschen ein Schlagen des Autors dauert. Der wesentliche Punkt ist, dass sowohl aus empirischer als auch aus theoretischer Sicht die EMH Mängel enthält, die die Idee der erfolgreichen TA unterstützt. Der letzte Teil des Buches präsentiert eine Reihe von Regeln und Parametern (6402 Kombinationen) und Versuche, ihre statistische Signifikanz zu testen. Die Regeln sind ziemlich einfach und die Ergebnisse nicht hervorheben erhebliche Vorhersagekraft in jeder Regel. Review Fazit Dieses Buch ist eine sehr interessante Lesung, auf der langen Seite, mit 450 Seiten. Obwohl ich es in der ganzen Zeit genoß, hatte ich manchmal die Hoffnung, dass sich der Autor nicht so sehr auf ein paar Einführungsthemen ausdehnte (die Geschichte und die Philosophie der Wissenschaft ist sehr interessant, könnte aber auch zum Lesen der 8220juicier8221-Teile schneller werden) . Wenn Sie in einem Ansturm I8217d empfehlen, sich auf die Kapitel 4, 5 und 6 konzentrieren, wo die tatsächliche Bootstrap und Monte Carlo Methoden vorgestellt und diskutiert werden, und die Diskussion über Data-Mining-Bias interessant und sehr relevant ist. Für einen neuen Leser zu diesen Konzepten, würden die ersten Kapitel eine umfassende Einführung der grundlegenden Konzepte der wissenschaftlichen Argumentation und statistische Analyse, bevor sie alle zusammen in der Anwendung. Für weitere Informationen, einige der Bewertungen auf amazon sind ziemlich aufschlussreich (meist positive 8211 obwohl die book8217s bekam seinen Anteil von 1-Sterne-Bewertungen). Es gibt auch eine Begleit-Website zum Buch mit mehr Informationen und detaillierte Ergebnisse der Tests im letzten Teil des Buches durchgeführt. Josh: Aronson nicht wirklich in eine mathematische theoritical Erklärung jedes Faktors in Data Mining Bias 8211 eher er präsentiert Ergebnisse auf der Grundlage von computerisierten Simulationen mit einigen künstlichen Regeln, wo er jeden Faktor kontrollieren kann. Die Ergebnisse werden in einem Diagramm gezeigt, das zeigt, dass die Datenabbauvorspannung langsam für Korrelationen zwischen 0 und 0,8 und dann drastischer über die 0,8-Marke (oder dazwischen) 8211 hinausgeht, je mehr Regelsysteme getestet werden, je höher die Korrelationsschwelle für einen großen Tropfen ist Data-Mining-Bias (dh bei 10 getesteten Regeln fängt es an, bei 0,7 schwerer zu fallen, während es für 1000 Regeln über 0,95 sinkt). Ihre Idee, die t-stat auf der Grundlage von Rul-Korrelationen anzupassen, klingt gut 8211, aber Aronson geht nicht in diese Richtung, sondern er beschreibt, wie man die Bootstrap - und Monte-Carlo-Methoden an den Data Mining-Bias anpasst. Vielen Dank für das Papier Vorschlag 8211 I8217ll werfen Sie einen Blick Andrew Ich glaube auch, dass einige der Aronson Konzepte und Methoden werden in meiner Standard-Testmethode 8211 integriert werden Wie ich in der Post sagen, lehrt dieses Buch Sie Fish8230 Will müssen Code, Wie Sie in R und Octave C getan haben (obwohl ich noch havent gelernt, diese Werkzeuge und könnte eine andere IT-Implementierung route8230 gehen) Die Vorspannung fällt langsam bis o.8 würde mathematisch sinnvoll, da r Quadrat ist Korrelation quadriert, so dass es nach einem Machtgesetz Sinn macht. Letztlich klingt es wie 6-zu-12 und ein halbes Dutzend zum anderen. Mit Hunderten von hoch korrelierten Regeln, aber niedrigen Datamining Bias, im Vergleich zu Hunderten von unkorrelierten Regeln mit hoher Bias scheint wie die Netto-Rand wäre Null. Natürlich, wenn die Rate, bei der die Vorspannung sinkt, nicht linear ist, relativ zu der Rate, die die Korrelation erhöht, dann könnte es ein 8220sweet spot8221 geben. Interessante Sachen, Abholung Aronson8217s Buch wurde auf meiner todo Liste für eine Weile. Au. Tra. Sy Blog, Systematic Trading Forschung und Entwicklung, mit einem Geschmack von Trend folgend. Disclaimer: Die Wertentwicklung in der Vergangenheit ist nicht unbedingt ein Indikator für zukünftige Ergebnisse. Futures-Handel ist komplex und stellt das Risiko von erheblichen Verlusten als solche, kann es nicht für alle Anleger geeignet sein. Der Inhalt dieser Seite wird nur als allgemeine Information zur Verfügung gestellt und sollte nicht als Anlageberatung betrachtet werden. Alle Inhalte der Website sind nicht als Empfehlung zum Kauf oder Verkauf von Wertpapieren oder Finanzinstrumenten oder zur Teilnahme an einer bestimmten Handels - oder Anlagestrategie auszulegen. Die Ideen auf dieser Website sind nur die Meinungen des Autors. Der Autor kann eine Position in einem Finanzinstrument oder einer Strategie, auf die oben verwiesen wird, haben oder auch nicht. Jede Aktion, die Sie als Ergebnis von Informationen oder Analysen auf dieser Website nehmen, ist letztlich Ihre alleinige Verantwortung. HYPOTHETISCHE LEISTUNGSERGEBNISSE HABEN VIELE INHERENTE EINSCHRÄNKUNGEN, EINIGE VON DIESEN WERDEN BESCHRIEBEN. KEINE VERTRETUNG WIRD gemacht, dass jede Rechnung wird oder wahrscheinlich Gewinne oder Verluste ähnlich wie in FACT GEZEIGT zu erreichen, sind es oft starke Unterschiede zwischen HYPOTHETISCHEN ERGEBNISSE UND DIE TATSÄCHLICHE ERGEBNISSE DER FOLGE VON EINER BESTIMMTEN TRADING Programms vor. EINE DER EINSCHRÄNKUNGEN DER HYPOTHETISCHEN LEISTUNGSERGEBNISSE IST DAHER, DASS SIE ALLGEMEIN MIT DEM VORTEIL VON HINDSIGHT VORBEREITET WERDEN. FERNER NICHT HYPOTHETISCHEN TRADING FINANCIAL Risiken, UND KEIN HYPOTHETISCHEN Leumund KANN ACCOUNT VOLLSTÄNDIG FÜR DIE AUSWIRKUNGEN DER FINANZRISIKO der tatsächlichen Handels. Zum Beispiel, DIE FÄHIGKEIT VERLUSTE AUSHÄLT ODER EINEN BESTIMMTEN TRADING PROGRAMM TROTZ TRADING VERLUSTE zu halten sind materielle Punkte, die sich auch negativ auf IST-Trading-Ergebnisse beeinflussen können. ES GIBT ZAHLREICHE ANDERE FAKTOREN, DIE MÄRKTE IM ALLGEMEINEN ZUSAMMENHANG ODER DIE UMSETZUNG DER BESTIMMTEN TRADING-PROGRAMM FÜR DIE IN DER VORBEREITUNG DER HYPOTHETISCHEN ERGEBNISSE UND ALLE, der die Handels beeinflussen können ERGEBNISSE nicht vollständig berücksichtigt werden. DIESE PERFORMANCE TABELLEN UND ERGEBNISSE SIND HYPOTHETISCH IN DER NATUR UND NICHT VERTRETEN HANDEL IN RECHTSAKTEN. Kopie 2009-2012 Au. Tra. Sy Blog 8211 Automatisierter Handel System mdash Sitemap mdash Powered by Wordpress