Estratégia de negociação não linear

Estratégia de negociação não linear
Vendas fora dos EUA:
Regressão Linear é uma ferramenta de mapeamento de eSignal usando o método matemático de ajuste de mínimos quadrados para plotar estatisticamente uma linha reta de "melhor ajuste" através do meio exato dos preços durante um determinado período de tempo. Uma linha de tendência de Regressão Linear mostra onde existe um preço de equilíbrio ou ponto médio.
Visão Geral da Ferramenta de Regressão Linear.
Regressão Linear identifica quando os preços excedem a partir de um ponto mediano. A distância que um preço migra acima ou abaixo de uma linha de regressão linear indica a perspectiva extrema de compra ou venda do ponto médio.
A inclinação da linha é chamada de ponto médio ou linha mediana. O ponto médio ou declive de uma linha é determinado pelo método de cálculo. Em eSignal, o "fechamento" de uma barra de dados é o valor padrão usado para o cálculo da regressão linear.
Canais de Regressão Linear são linhas paralelas que são um desvio padrão da linha de regressão linear em ambos os lados. Essas linhas também são chamadas de bandas de confiança. Eles agem como linhas de suporte e resistência.
Estatisticamente, as linhas do canal de regressão linear devem conter o movimento dos preços. A porcentagem de contenção de preço depende do desvio padrão usado. Os preços podem se estender para fora das linhas de canal por um breve período. No entanto, se eles permanecerem fora do canal, isso sugere que, ou uma tendência existente está se acelerando ou uma possível reversão na tendência está crescendo.
O espaço dentro do canal é onde o equilíbrio existe, onde o preço pode desviar-se da linha de regressão linear, mas permanecer dentro da tendência geral existente.
Definindo Desvios Padrão.
Negociação eficaz usando Regressão Linear requer a definição de desvios padrão apropriados. Use linhas paralelas como bandas de suporte e de confiança de resistência espaçadas igualmente em ambos os lados da linha de regressão.
As configurações de desvio padrão variam de acordo com a inclinação da tendência existente. A experimentação sugere que um ajuste de desvio padrão de 1 é muito restrito para negociação em condições normais, e uma configuração entre 2 a 3 é efetiva. Uma configuração de 5 pode ser usada em cenários de alcance extremo.
Além disso, o número de barras usadas em um cálculo também determina quão bem a Regressão Linear "se ajusta" ao padrão de tendência de preço imediato. Quanto mais barras de dados em um cálculo, estatisticamente falando, melhor o ajuste. Agressivo As configurações de Número de Barras usadas incluem 60, 70 e 90. O padrão do eSignal definido como 0 significa que todos os dados são usados ​​para um cálculo de Regressão Linear.
Embora haja várias maneiras de negociar usando os canais de regressão linear, essa estratégia se concentra no uso das seguintes configurações: Fonte = Aberto, Número de Barras = 0, Desvio Padrão = 2.
A estratégia de negociação do canal de regressão linear eSignal: a configuração.
Uma estratégia de negociação simples é definir o desvio padrão como 2, procurar uma negociação de ações em uma tendência e negociar as oscilações extremas do Canal de Regressão Linear. Para usar essa estratégia, faça com que a linha média de regressão linear seja o primeiro alvo. Na melhor das hipóteses, use a linha de canal de regressão linear oposta como seu segundo alvo. Use as linhas do canal externo e o pivô de preço como um stop loss inicial, a trilha pára de acordo com a posição e, à medida que o preço se aproxima dos alvos, aperte o stop móvel.
NOTA: Use esta configuração para a estratégia de venda e a estratégia de compra descrita posteriormente.
Clique com o botão direito em um gráfico de eSignal para ativar o menu principal e selecione "Estudos básicos" no menu.
Propriedades do Estudo / Explicação.
Isenção de responsabilidade: Acredita-se que as estratégias sejam apresentadas com precisão. No entanto, eles não são garantidos quanto à precisão ou completude. Também não é garantido que usá-los resultará em lucros ou que eles não resultarão em perdas. O desempenho passado não é garantia de resultados futuros. Apenas o capital de risco deve ser investido no mercado. Todos os investimentos e negociações acarretam riscos, e todas as decisões de negociação de um indivíduo continuam sendo de responsabilidade desse indivíduo.
Na Europa: +44 (0) 20 7825 8770. Na Austrália: 1800 089 275. Na Ásia: +61 2 8668 1600.

Negociação Quantitativa.
Investimento quantitativo e idéias de negociação, pesquisa e análise.
Sexta-feira, 3 de maio de 2013.
Estratégias de Negociação Não Lineares.
29 comentários:
um post maravilhoso, como de costume.
Eu acho que as opções são realmente muito simples, a diferença é que existem mais estratégias "fora da caixa" do que outros comercializáveis.
Você viu o artigo de Moodley no Heston Model? Ele inclui o código Matlab.
Obrigado a todos pelos comentários e links!
Você está se concentrando em um programa de backtesting ou em um programa de execução ao vivo?
Para os aspectos de programação do backtesting, eu não vejo por que você precisa ler qualquer livro além do meu. No entanto, para encontrar novas ideias de negociação para o backtest, você pode ler alguns dos Livros Recomendados que eu listei na barra lateral direita.
Eu recomendaria que você fizesse o seu backtest no Matlab.
Você pode fazer backtest no índice HSI para ter uma idéia aproximada da lucratividade de sua estratégia, mas eu não trocaria dinheiro real com ela, a menos que eu a testasse novamente com dados de futuros.
Não é um grande fã de Taleb. Não sei porque este palavreado frágil / anti-frágil parece ter sido tão amplamente utilizado no mundo comercial.
Definitivamente HFT torna mais difícil ganhar dinheiro para algos mais lentos, especialmente para as ações.
1) Para statarb, a estatística é a matemática mais importante, seguida pela álgebra linear. Primeiro ano de matemática de nível universitário é suficiente.
Claro, você pode usar bandas de Bollinger para estratégias de reversão à média de FX.
Você teria que chegar a estratégia específica e pares para bandas de Bollinger, é claro. Mas com certeza, você pode tentar isso no EURUSD ou no EURCHF por conta própria.
Suponha que encontremos a volatilidade implícita com base nas opções de compra em um determinado ciclo e a expiração seja um vale local na superfície 2D, podemos esperar que ela suba mais no futuro e, assim, comprar opções de compra agora seria lucrativo.
A Nanex cobra aproximadamente US $ 2,5 mil por um ano de dados de três bolsas.

Múltiplas análises de regressão. Gerador de estratégia e testador em um.
Introdução.
Um conhecido meu ao participar de um curso de negociação de Forex, uma vez recebeu uma missão para desenvolver um sistema de negociação. Depois de ter problemas com isso por cerca de uma semana, ele disse que essa tarefa era provavelmente mais difícil do que escrever uma tese. Foi então que sugeri usar a análise de regressão múltipla. Como resultado, um sistema de negociação desenvolvido do zero durante a noite foi aprovado com sucesso pelo examinador.
O sucesso do uso da regressão múltipla está na capacidade de encontrar rapidamente relacionamentos entre indicadores e preço. As relações detectadas permitem prever o valor do preço com base nos valores do indicador com um certo grau de probabilidade. O software estatístico moderno permite filtrar simultaneamente milhares de parâmetros na tentativa de encontrar essas relações. Isso pode ser comparado ao ouro industrial de peneiramento de cascalho.
Uma estratégia pronta para usar, bem como um gerador de estratégia, será desenvolvida ao carregar os dados do indicador na análise de regressão múltipla e aplicar a manipulação de dados, respectivamente.
Este artigo irá demonstrar o processo de criação de uma estratégia de negociação usando a análise de regressão múltipla.
1. Desenvolvendo um Robotrader - Piece of Cake!
A espinha dorsal do sistema comercial desenvolvido durante a noite como mencionado anteriormente foi uma única equação:
onde se Reg & gt; 0, então compramos, e se Reg & lt; 0, nós vendemos.
A equação foi um resultado da análise de regressão múltipla que utilizou a amostra de dados a partir de indicadores padrão. Um EA foi desenvolvido com base na equação. O pedaço de código encarregado das decisões de negociação consistia virtualmente de apenas 15 linhas. O EA com um código fonte completo é anexado (R_check).
A amostra de dados para a análise de regressão foi coletada no EURUSD H1 durante dois meses, de 1º de julho de 2011 a 31 de agosto de 2011.
A Figura 1 mostra os resultados do desempenho do EA durante o período de dados para o qual foi desenvolvido. É peculiar que o super-lucro, que é frequentemente o caso no Testador, não tenha sido observado nos dados de treinamento. Deve ser um sinal de falta de reotimização.
Fig. 1. Desempenho do EA durante o período de treinamento.
A figura 2 demonstra os resultados de desempenho do EA nos dados de teste (de 1 de setembro a 1 de novembro de 2011). Parece que os dados de dois meses foram suficientes para a EA continuar lucrativa por mais dois meses. Dito isso, o lucro obtido pela EA durante o período de testes foi o mesmo que no período de treinamento.
Fig. 2. Desempenho do EA durante o período de teste.
Assim, com base na análise de regressão múltipla, um EA bastante simples foi desenvolvido, proporcionando lucros além dos dados de treinamento. A análise de regressão pode, portanto, ser aplicada com sucesso ao construir sistemas de negociação.
No entanto, os recursos da análise de regressão não devem ser superestimados. Suas vantagens e desvantagens serão apresentadas adiante.
2. Análise de Regressão Múltipla.
O objetivo geral da regressão múltipla é a análise da relação entre várias variáveis ​​independentes e uma variável dependente. No nosso caso, é a análise da relação entre os valores dos indicadores e o movimento dos preços.
Em sua forma mais simples, essa equação pode aparecer da seguinte maneira:
Alteração de preço = a * RSI + b * MACD + с.
Uma equação de regressão só pode ser gerada se houver uma correlação entre variáveis ​​independentes e uma variável dependente. Como os valores dos indicadores estão, via de regra, inter-relacionados, a contribuição feita pelos indicadores para a previsão pode variar consideravelmente se um indicador for adicionado ou removido da análise. Por favor, note que uma equação de regressão é uma mera demonstração da dependência numérica e não uma descrição das relações causais. Os coeficientes (a, b) indicam a contribuição de todas as variáveis ​​independentes para sua relação com uma variável dependente.
Uma equação de regressão representa uma dependência ideal entre as variáveis. Isto é, no entanto, impossível no Forex e a previsão será sempre diferente da realidade. Diferença entre o valor previsto e o observado é chamado residual. A análise dos resíduos permite identificar, inter alia, uma dependência não linear entre o indicador e o preço. No nosso caso, assumimos que existe apenas dependência não linear entre indicadores e preço. Felizmente, a análise de regressão não é afetada por pequenos desvios da linearidade.
Só pode ser usado para analisar parâmetros quantitativos. Parâmetros qualitativos que não possuem valores de transição não são adequados para a análise.
O fato de a análise de regressão poder processar qualquer número de parâmetros pode levar à tentação de incluir na análise o maior número possível de parâmetros. Mas se o número de parâmetros independentes é maior que o número de observações de sua interação com um parâmetro dependente, há uma grande chance de obter equações produzindo boas previsões que são, no entanto, baseadas em flutuações aleatórias.
O número de observações deve ser 10-20 vezes maior que o número de parâmetros independentes.
No nosso caso, o número de indicadores contidos na amostra de dados deve ser 10 a 20 vezes maior do que o número de negociações em nossa amostra. A equação gerada será então considerada confiável. A amostra com base na qual o Robotrader, conforme descrito na seção 1 foi desenvolvido, continha 33 parâmetros e 836 observações. Como resultado, o número de parâmetros foi 25 vezes maior que o número de observações. Esse requisito é uma regra geral nas estatísticas. Também é aplicável ao otimizador do MetaTrader 5 Strategy Tester.
Além disso, cada valor dado do indicador no otimizador é, na verdade, um parâmetro separado. Em outras palavras, ao testar 10 valores de indicadores, estamos lidando com 10 parâmetros independentes que devem ser levados em consideração para evitar a reotimização. Um relatório do otimizador provavelmente deve incluir outro parâmetro: número médio de trades / número de valores de todos os parâmetros otimizados. Se o valor do indicador for menor que dez, é provável que a reotimização seja necessária.
Outra coisa a ser considerada é outliers. Eventos raros, porém poderosos (em nossos casos, picos de preço) podem adicionar falsas dependências à equação. Por exemplo, seguindo as notícias inesperadas, o mercado respondeu com movimentos substanciais que duraram algumas horas. Os valores dos indicadores técnicos seriam, neste caso, de pouca importância na previsão, mas seriam considerados altamente significativos na análise de regressão, uma vez que houve uma mudança de preço marcada. Portanto, é aconselhável filtrar os dados de amostra ou verificar possíveis valores discrepantes.
3. Criando sua própria estratégia.
Abordamos a parte chave, onde veremos como gerar uma equação de regressão com base em seus próprios dados. A implementação da análise de regressão é semelhante à da análise discriminante apresentada anteriormente. Análise de regressão inclui:
Preparação de dados para a análise; Seleção das melhores variáveis ​​dos dados preparados; Obtendo uma equação de regressão.
A análise de regressão múltipla faz parte de vários produtos de software avançados destinados à análise de dados estatísticos. Os mais populares são Statistica (pela StatSoft Inc.) e SPSS (pela IBM Corporation). Vamos considerar ainda a aplicação da análise de regressão usando o Statistica 8.0.
3.1. Preparação de Dados para a Análise.
Devemos gerar uma equação de regressão onde o comportamento do preço na próxima barra pode ser previsto com base nos valores do indicador na barra atual.
O mesmo EA usado para a preparação de dados de análise discriminante será usado para coletar dados. Vamos expandir sua funcionalidade adicionando uma função para salvar os valores dos indicadores com outros períodos. Um conjunto estendido de parâmetros será usado para otimização da estratégia com base na análise dos mesmos indicadores, mas com períodos diferentes.
Para carregar dados no Statistica, você deve ter um arquivo CSV com a seguinte estrutura. As variáveis ​​devem ser organizadas em colunas, onde cada coluna corresponde a um determinado indicador. As linhas devem conter medições consecutivas (casos), ou seja, valores de indicadores para determinadas barras. Em outras palavras, os cabeçalhos da tabela horizontal contêm indicadores, os cabeçalhos da tabela vertical contêm barras consecutivas.
Os indicadores a serem analisados ​​são:
Cada linha de dados do nosso arquivo conterá:
Alterações no preço na barra entre Abrir e Fechar; Valores dos indicadores observados na barra anterior.
Assim, geraremos uma equação descrevendo o comportamento do preço futuro com base nos valores dos indicadores conhecidos.
Além do valor do indicador absoluto, precisamos salvar a diferença entre os valores absoluto e anterior, a fim de ver a direção da mudança nos indicadores. Os nomes de tais variáveis ​​no exemplo fornecido terão o prefixo 'd'. Para indicadores de linha de sinal, é necessário salvar a diferença entre a linha principal e a linha de sinal, bem como sua dinâmica. Os nomes dos dados coletados pelos indicadores com outros períodos terminam com '_p'.
Para demonstrar a otimização, apenas um período foi adicionado, sendo o dobro da duração do período padrão do indicador. Além disso, salve a hora da nova barra e o valor relevante da hora. Salve a diferença entre Abrir e Fechar para a barra onde os indicadores são calculados. Isso será necessário para filtrar outliers. Como resultado, 33 parâmetros serão analisados ​​para gerar uma equação de regressão múltipla. A coleta de dados acima é implementada na coleta do EA R anexada ao artigo.
O arquivo MasterData. CSV será criado após iniciar o EA em terminal_data_directory / MQL5 / Files. Ao iniciar o EA no Testador, ele estará localizado em terminal_data_directory / tester / Agent-127.0.0.1-3000 / MQL5 / Files. O arquivo conforme obtido pode ser usado no Statistica.
Um exemplo de tal arquivo pode ser encontrado em MasterDataR. CSV. Os dados foram coletados para o EURUSD H1 de 3 de janeiro de 2011 a 11 de novembro de 2011 usando o Testador de Estratégia. Apenas os dados de agosto e setembro foram utilizados na análise. Os dados restantes foram salvos em um arquivo para você praticar.
Para abrir o arquivo. CSV no Statistica, faça o seguinte.
No Statistica, vá para o menu Arquivo & gt; Abra, selecione o tipo de arquivo 'Arquivos de dados' e abra seu arquivo. CSV. Deixe Delimitado na janela Tipo de Importação de Arquivo de Texto e clique em OK. Ative os itens sublinhados na janela aberta. Lembre-se de colocar o ponto decimal no campo de caracteres do separador Decimal, independentemente de ele já existir ou não.
Fig. 3. Importando o arquivo para o Statistica.
Clique em OK para obter a tabela contendo nossos dados, que está pronta para a análise de regressão múltipla. Um exemplo do arquivo obtido a ser usado no Statistica pode ser encontrado em MasterDataR. STA.
3.2. Seleção automática de indicadores.
Execute a análise de regressão (Estatística - & gt; Regressão múltipla).
Fig. 4. Executando a análise de regressão.
Na janela aberta, vá para a guia Avançado e ative os itens marcados. Clique no botão Variáveis.
Selecione a variável Dependente no primeiro campo e Variáveis ​​independentes com base nas quais a equação será gerada - no segundo campo. Em nosso caso, selecione o parâmetro Price no primeiro campo e Price 2 to dWPR - no segundo campo.
Fig. 5. Preparação para seleção de parâmetros.
Clique no botão Select Cases (Fig. 5).
Uma janela será aberta para seleção de casos (linhas de dados) que serão utilizados na análise. Ativar itens como mostrado na Fig. 6.
Fig. 6. Seleção de casos.
Especifique os dados referentes a julho e agosto que serão usados ​​na análise. Estes são os casos de 3590 a 4664. Os números de casos são definidos através da variável V0. Para evitar o efeito de outliers e picos de preço, adicione a filtragem de dados por preço.
Inclua na análise apenas os valores do indicador para os quais a diferença entre Abrir e Fechar na última barra não é superior a 250 pontos. Especificando aqui as regras para selecionar casos para a análise, definimos uma amostra de dados para a geração de equações de regressão. Clique em OK aqui e na janela para preparação para a seleção de parâmetros (Fig. 5).
Uma janela com opções dos métodos de seleção automática de dados será aberta. Selecione o método Forward Stepwise (Fig. 7).
Fig. 7. Seleção do método.
Clique OK. E uma janela será aberta informando que a análise de regressão foi concluída com sucesso.
Fig. 8. Janela dos resultados da análise de regressão.
A seleção automática de parâmetros diz respeito apenas àqueles que contribuem materialmente para a correlação múltipla entre os parâmetros (variáveis ​​independentes) e a variável dependente. No nosso caso, um conjunto de indicadores será selecionado, determinando melhor o preço. Com efeito, a seleção automática atua como um gerador de estratégia. A equação gerada consistirá apenas nos indicadores que são confiáveis ​​e descrevem melhor o comportamento do preço.
A parte superior da janela de resultados (Fig. 8) contém características estatísticas da equação gerada, enquanto os parâmetros incluídos na equação são listados na parte inferior. Por favor, preste atenção às características sublinhadas. R múltiplo é o valor da correlação múltipla entre o preço e os indicadores incluídos na equação. "p" é o nível de significância estatística de tal correlação.
Um nível inferior a 0,05 é considerado estatisticamente significativo. "Não. De casos" é o número de casos usados ​​na análise. Os indicadores cuja contribuição é estatisticamente significativa são exibidos em vermelho. Idealmente, todos os indicadores devem ser marcados em vermelho.
As regras usadas no Statistica para incluir parâmetros na análise nem sempre são ideais. Por exemplo, um grande número de parâmetros insignificantes pode ser incluído em uma equação de regressão. Devemos, portanto, usar nossa criatividade e auxiliar o programa na seleção de parâmetros.
Se a lista contiver parâmetros insignificantes, clique em Resumo: resultados da regressão.
Uma janela será aberta exibindo os dados em todos os indicadores (Fig. 9).
Fig. 9. Relatório sobre os parâmetros incluídos na equação de regressão.
Encontre um parâmetro insignificante com o nível p mais alto e lembre-se do nome dele. Volte para a etapa em que os parâmetros foram incluídos na análise (Fig. 7) e remova esse parâmetro da lista de parâmetros selecionados para a análise.
Para retornar, clique em Cancelar na janela dos resultados da análise e repita a análise. Tente excluir todos os parâmetros insignificantes dessa maneira. Ao fazer isso, observe o valor de correlação múltipla obtido (Multiple R), pois ele não deve ser consideravelmente menor que o valor inicial. Parâmetros insignificantes podem ser removidos da análise um por um ou todos de uma só vez, sendo a primeira opção mais aconselhável.
Como resultado, a tabela agora contém apenas os parâmetros significativos (Fig. 10). O valor de correlação diminuiu em 20%, o que é provavelmente devido a coincidências aleatórias. Uma série numérica infinitamente longa é conhecida por ter um número infinito de coincidências aleatórias.
Como as amostras de dados que processamos são bastante grandes, coincidências aleatórias e relações aleatórias são frequentemente o caso. Portanto, é importante usar parâmetros estatisticamente significativos em suas estratégias.
Fig. 10. A equação inclui apenas os parâmetros significativos.
Se, após a seleção dos parâmetros, não for possível formar um grupo de vários indicadores que se correlacionem significativamente com o preço, provavelmente o preço conterá poucas informações sobre os eventos passados. Negociações baseadas em qualquer análise técnica devem, em casos assim, ser muito prudentes ou mesmo suspensas.
No nosso caso, apenas cinco dos 33 parâmetros provaram ser eficazes no desenvolvimento de uma estratégia com base na equação de regressão. Essa qualidade da análise de regressão é de grande benefício ao selecionar indicadores para suas próprias estratégias.
3.3. Equação de regressão e sua análise.
Então, fizemos a análise de regressão e obtivemos a lista dos indicadores "certos". Vamos agora transformar tudo isso em uma equação de regressão. Os coeficientes da equação para cada indicador são mostrados na coluna B dos resultados da análise de regressão (Fig. 10). O parâmetro Intercept na mesma tabela é um membro independente da equação e é incluído nele como um coeficiente independente.
Vamos gerar uma equação baseada na tabela (Fig. 10), tomando os coeficientes da coluna B.
Preço = 22,7 + 205,2 * dDemarker - 41686,2 * dAC - 139,3 * DeMarker + 22468,8 * Touros - 14619,5 * Ursos.
Essa equação foi apresentada anteriormente na seção 1 como um código MQL5 juntamente com os resultados de desempenho obtidos do Testador para o EA desenvolvido com base nessa equação. Como pode ser visto, a análise de regressão foi adequada quando usada como testador de estratégia. A análise trouxe uma certa estratégia e selecionou indicadores relevantes da lista proposta.
Caso você deseje analisar melhor a estabilidade da equação, você deve verificar:
Outliers na equação; Normalidade de distribuição dos resíduos; Efeito não linear produzido por parâmetros individuais dentro da equação.
Essas verificações podem ser realizadas usando a análise residual. Para prosseguir para a análise, clique em OK na janela de resultados (Fig. 8). Depois de executar as verificações acima em relação à equação gerada, você verá que a equação não parece ser sensível a um pequeno número de outliers, pequeno desvio da distribuição normal de dados e uma certa não-linearidade dos parâmetros.
Se houver uma não-linearidade significativa de relacionamento, um parâmetro pode ser linearizado. Para este propósito, a Statistica oferece uma análise de regressão não linear fixa. Para iniciar a análise, vá para o menu: Estatísticas - & gt; Modelos Lineares / Não Lineares Avançados - & gt; Regressão não linear fixa. Em geral, as verificações realizadas provaram que a análise de regressão múltipla não é sensível a uma quantidade moderada de ruído nos dados analisados.
4. Análise de regressão como um otimizador de estratégia.
Como a análise de regressão é capaz de processar milhares de parâmetros, ela pode ser usada para otimizar estratégias. Assim, se 50 períodos para um indicador precisarem ser processados, eles podem ser salvos como 50 parâmetros individuais e enviados para a análise de regressão, todos de uma vez. Uma tabela no Statistica pode ajustar 65536 parâmetros. Ao processar 50 períodos para cada indicador, cerca de 1300 indicadores podem ser analisados! Está muito além das capacidades do MetaTrader 5 Standard Tester.
Vamos otimizar os dados usados ​​em nosso exemplo da mesma maneira. Conforme mencionado na seção 4.1 acima, para demonstrar a otimização, os valores do indicador com um período que é o dobro do comprimento do padrão foram adicionados aos dados. Os nomes desses parâmetros nos arquivos de dados terminam com '_p'. Nossa amostra agora contém 60 parâmetros, incluindo os indicadores de período padrão. Seguindo as etapas descritas na seção 3.2, obteremos uma tabela como segue (Fig. 11).
Fig. 11. Resultados da análise dos indicadores com diferentes períodos.
A equação de regressão foi composta por 11 parâmetros: seis dos indicadores do período padrão e cinco dos indicadores do período prolongado. A correlação dos parâmetros com o preço aumentou em um quarto. Parâmetros do indicador MACD para ambos os períodos pareciam estar incluídos na equação.
Como os valores do mesmo indicador para períodos diferentes são tratados como parâmetros diferentes na análise de regressão, a equação pode incluir e combinar valores dos indicadores para diferentes períodos. Por exemplo. a análise pode descobrir que o valor do RSI (7) está associado ao aumento de preço e o valor do RSI (14) está associado à redução do preço. A análise pelo Standard Tester nunca é tão detalhada.
A equação de regressão gerada com base na análise ampliada (Fig. 11) é a seguinte:
Preço = 297 + 173 * dDemarker - 65103 * dAC - 177 * DeMarker + 28553 * Bulls_p - 24808 * AO - 1057032 * dMACDms_p + 2,41 * WPR_p - 2,44 * Stoch_m_p + 125536 * MACDms + 18,65 * dRSI_p - 0,768 * dCCI.
Vamos ver os resultados que esta equação produzirá no EA. A Fig. 12 mostra os resultados do teste do EA usando os dados de 1 de julho a 1 de setembro de 2011 que foram aplicados na análise de regressão. O gráfico ficou mais suave e o EA rendeu mais lucro.
Fig. 12. Desempenho do EA durante o período de treinamento.
Vamos testar o EA durante o período de teste de 1º de setembro a 1º de novembro de 2011. O gráfico de lucro ficou pior do que era no caso do EA com indicadores de período padrão apenas. A equação como gerada pode precisar ser verificada quanto à normalidade e não-linearidade dos indicadores internos.
Como a não linearidade foi observada em indicadores de período padrão, ela pode se tornar crítica durante o período prolongado. Neste caso, o desempenho da equação pode ser melhorado linearizando os parâmetros. De qualquer forma, o EA não foi um colapso total durante o período de teste, simplesmente não lucrou. Isso qualifica a estratégia desenvolvida como bastante estável.
Fig. 13. Desempenho do EA durante o período de teste.
Deve-se notar que o MQL5 suporta a saída de apenas 64 parâmetros em uma linha de um arquivo. Uma análise em grande escala dos indicadores ao longo de vários períodos exigirá a fusão das tabelas de dados que podem ser feitas no Statistica ou no MS Excel.
Conclusão.
Um pequeno estudo apresentado no artigo mostrou que a análise de regressão oferece uma oportunidade de selecionar dentre uma variedade de indicadores os mais significativos em termos de previsão de preços. Também demonstrou que a análise de regressão pode ser usada para procurar por períodos indicadores que são ótimos dentro de uma determinada amostra.
Deve-se notar que as equações de regressão são facilmente transformadas em linguagem MQL5 e sua aplicação não requer alta proficiência em programação. Assim, a análise de regressão múltipla pode ser empregada no desenvolvimento de estratégias de negociação. Dito isso, uma equação de regressão pode servir como um backbone para uma estratégia de negociação.
Traduzido do russo por MetaQuotes Software Corp.

Como os canais de regressão podem melhorar sua tendência de negociação.
Posicionamento Negociação com base em configurações técnicas, Gerenciamento de risco e & amp; Psicologia Trader.
Os benefícios da negociação de canais.
-Regression Channels: Uma Explicação Rápida.
-Como os canais de regressão de comércio.
Verdades profundas são frequentemente verdades bastante simples. Em termos de negociação no mercado FX, há várias maneiras diferentes de encontrar um bom negócio para entrar e, posteriormente, decidir quando sair de uma negociação. No entanto, existem apenas algumas maneiras pelas quais os operadores acabam se prejudicando. Evidentemente, a alavancagem é uma das maneiras pelas quais uma configuração inteligente pode se transformar em um mau negócio, já que pequenos movimentos no mercado que não afetam a tendência geral podem prejudicar a conta do negociante super alavancado / subfinanciado. Segundo, você poderia dizer que muitos comerciantes tentam escolher o topo ou o fundo de um movimento antes que a evidência prove que isso é uma negociação prudente.
Os benefícios da negociação de canais.
Os canais de preços são uma ferramenta simples para mostrar a direção geral que um preço está seguindo para uma duração específica de sua escolha. Isso permite que você veja o quadro geral que muitos traders tendem a ignorar na esperança de captar o "turno". A ocorrência freqüente é que o turn é raro e a maioria das correções pode ser prejudicada com uma alavancagem baixa o suficiente sem prejudicar sua conta. Com o passar do tempo, esse método de seguir a tendência geral, que logo será identificada pelo canal, pode superar as negociações internas e externas, muitas vezes realizadas pelos traders, achando que podem adivinhar quando o mercado vai virar.
Canais de Regressão: Uma Explicação Rápida.
Como canais foram explicados, eles são muito simples e você provavelmente já os viu em gráficos antes. No entanto, existem vários canais e um tipo de canal específico será usado hoje, o canal de regressão. Vamos percorrer as diferenças entre um canal de regressão e outros canais de preços e como eles podem ser usados. No entanto, como outros métodos de negociação, a análise de múltiplos períodos de tempo pode ser útil, pois oferece uma perspectiva mais ampla sobre o que está ocorrendo e impede que você se concentre excessivamente no ruído de curto prazo do mercado.
Aprenda Forex: os canais de regressão são uma oferta padrão no Marketscope.
Criado por Tyler Yell, CMT.
Os canais de regressão fornecem uma linha mediana seguida por linhas paralelas ou espaçadas uniformemente acima e abaixo que podem atuar como suporte e resistência. A altura do canal dependerá da maior ou menor distância da linha mediana ao longo do período de sua escolha. A linha mediana é baseada na regressão linear simples baseada nos preços de fechamento.
A regressão linear é uma fórmula algébrica para ajudá-lo a encontrar o conjunto de dados medianos em um determinado momento e transformar essa mediana em uma linha que pode ser extrapolada para negociação. Embora essa última sentença possa ter lhe causado dor de cabeça, a linha de regressão é desenhada para você quando você escolhe um valor alto e baixo apropriado e um canal ao redor da linha ajudará a fornecer um viés de negociação daqui para frente.
Aprenda Forex: Linha de Regressão Fornece Direcional Bias entre dois extremos.
Criado por Tyler Yell, CMT.
Depois que o canal de regressão é selecionado, você precisa selecionar o valor alto e baixo durante o período atual para o canal de regressão ser desenhado. Você pode ver acima que o canal é retirado do mais extremo, mais alto ou mais baixo, longe da linha de regressão linear. O canal não precisa ser redesenhado, pois as linhas estão definidas para estender para frente.
Dica útil: quando os preços excedem a linha de canal superior ou inferior, você está presenciando um extremo que está prestes a ver um poderoso salto de volta para a linha mediana ou uma reversão que pode fornecer muitas oportunidades subsequentes.
Como trocar canais de regressão.
O principal ponto dos canais de regressão é o comércio na direção da linha de regressão linear. O gráfico EURUSD tem a linha de regressão apontando para baixo, o que fornece aos comerciantes um viés de baixa. Porque sempre nos preocupamos em negociar com um bom risco: recompensa, quando os preços estão acima da linha de regressão ou empurrando para a linha superior do canal de regressão, transações de venda podem ser feitas com uma parada acima da alta recente ou uma quantidade fixa de pip dependendo de sua preferência .
Aprenda Forex: Canal de Regressão no USDOLLAR Mostra Suporte Importante.
Criado por Tyler Yell, CMT.
Criado por Tyler Yell, CMT.
É emocionante pensar no topo, mas a ocorrência é rara e, portanto, é melhor apostar na continuação da tendência. É claro que, com a quantidade apropriada de alavancagem, um rompimento de apoio não é tão ruim e pode manter sua mente à vontade quando a volatilidade aumenta.
Ao decidir quando obter lucro, a abordagem mais comum é com a linha de regressão. Os operadores mais agressivos podem olhar para a linha superior e seguir suas paradas em um movimento para o topo do canal de regressão, mas a linha superior em uma tendência de alta raramente é tocada / ultrapassada, exceto nas tendências mais fortes ou nos tops de exaustão.
Aprenda Forex: os canais dentro do canal podem ajudar a contabilizar as entradas em grandes tendências.
Criado por Tyler Yell, CMT.
Por fim, se você gosta do conceito de negociação de canal de regressão, mas quer mais ação, pode desenhar canais dentro dos canais. Ao desenhar canais dentro de canais, você pode ver quando pequenas correções dentro da tendência geral expiraram e a tendência geral e a tendência menor agora estão se movendo na mesma direção. De qualquer forma, você pode colocar uma parada abaixo do recente swing baixo ou alto para uma tendência de baixa, uma vez que você vê uma falha de fechamento do canal corretivo.
--- Escrito por Tyler Yell, Instrutor de Negociação.
Para entrar em contato com Tyler, envie um e-mail para tyell @ dailyfx.
Para ser adicionado à lista de distribuição de e-mail do Tyler, por favor clique aqui.
Tyler está disponível no Twitter @ ForexYell.
O DailyFX fornece notícias e análises técnicas sobre as tendências que influenciam os mercados monetários globais.
Próximos eventos.
Calendário Econômico Forex.
O desempenho passado não é indicação de resultados futuros.
O DailyFX é o site de notícias e educação do IG Group.

Estratégia CPPI não linear, direcionada por metas, por partes.
A estratégia tradicional de seguro de carteira (PI), como o seguro de portfólio de proporção constante (CPPI), considera apenas a restrição de piso, mas não o aspecto da meta. Este documento propõe uma estratégia direcionada por objetivos (GD) para expressar o comportamento de um investidor direcionado a metas e combina essa estratégia de GD sem piso com a estratégia de CPPI sem metas para formar uma estratégia de CPPI linear direcionada por objetivos (GDCPPI). A estratégia GDCPPI linear por partes mostra que existe uma posição de riqueza M na intersecção das estratégias de GD e CPPI. Esta posição M orienta os investidores a aplicar a estratégia de CPPI ou a estratégia de GD, dependendo se a riqueza atual é menor ou maior que M, respectivamente. Além disso, estendemos a estratégia GDCPPI linear por partes para uma estratégia GDCPPI não linear por partes. Este artigo aplica a técnica do algoritmo genético (GA) para encontrar melhores parâmetros de estratégia GDCPPI linear por partes do que aqueles sob a hipótese de movimento Browniano. Este artigo também aplica a técnica de programação genética de florestas (GP) para gerar a estratégia GDCPPI não-linear por partes. Os testes estatísticos mostram que a estratégia GP supera a estratégia GA, que por sua vez supera a estratégia browniana.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou de sua instituição.

Rumo a uma estratégia de negociação não linear para séries temporais financeiras.
Uma nova estratégia comercial baseada em técnicas de reconstrução do espaço de estados é proposta. A técnica usa a evolução do volume do espaço de estados e sua taxa de mudança como indicadores. Esta metodologia foi testada off-line usando dezoito séries temporais de alta frequência com e sem custos de transação. Em nossa análise, um valor médio ótimo de aproximadamente 25% de ganho pode ser obtido nas séries sem custos de transação e um valor médio ótimo de aproximadamente 11% de ganho, assumindo 0,2% de custos em cada transação.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou de sua instituição.