트레이딩 전략 백 테스트 결과

역 테스팅.

'Backtesting'이란 무엇입니까?

역 테스팅 (Backtesting)은 상인이 어떤 실제 자본을 위험에 빠뜨리기 전에 생존을 보장하기 위해 관련 역사적 데이터에 대해 거래 전략을 테스트하는 과정입니다. 상인은 적절한 기간 동안 전략 거래를 시뮬레이션하고 수익성 및 위험 수준에 대한 결과를 분석 할 수 있습니다.

깨어나서 '백 테스팅'

오늘날의 금융 시장에서 거래되는 상당량의 거래는 일종의 컴퓨터 자동화를 사용하는 거래자가 수행합니다. 이것은 기술적 분석에 기반한 거래 전략에 특히 해당됩니다. 백 테스팅은 자동화 된 거래 시스템을 개발하는 데있어 필수적인 부분입니다.

의미있는 백 테스팅.

바르게 수행되면 백 테스팅은 거래 전략을 활용할지 여부를 결정할 때 귀중한 도구가 될 수 있습니다. 백 테스트가 수행되는 샘플 시간 간격이 중요합니다. 샘플 기간의 기간은 상승 추세, 하락 추세 및 범위 한정 거래를 비롯한 다양한 시장 조건의 기간을 포함 할 정도로 충분히 길어야합니다. 한 가지 유형의 시장 조건에서만 테스트를 수행하면 다른 시장 조건에서 제대로 작동하지 않을 수있는 고유 한 결과가 나올 수 있으며 이는 잘못된 결론을 초래할 수 있습니다.

테스트 결과에서 거래 수의 샘플 크기 또한 중요합니다. 샘플 거래 횟수가 너무 적 으면 통계적으로 유의하지 않을 수 있습니다. 지나치게 긴 기간 동안 너무 많은 거래를 가진 샘플은 전략에 유리한 특정 시장 조건이나 추세를 중심으로 압도적 인 수의 거래가 합쳐진 최적의 결과를 산출 할 수 있습니다. 이것은 또한 상인이 오해의 소지가있는 결론을 이끌어 낼 수도 있습니다.

그것을 현실로 유지.

역 테스토는 현실을 최대한 반영해야합니다. 개별적으로 분석 될 때 거래자가 무시할 수있는 것으로 간주 될 수있는 거래 비용은 총 비용이 전체 백 테스팅 기간 동안 계산 될 때 상당한 영향을 미칠 수 있습니다. 이 비용에는 커미션, 스프레드 및 미끄러짐이 포함되며 거래 전략이 수익성이 있는지 여부를 결정할 수 있습니다. 대부분의 백 테스팅 소프트웨어 패키지에는 이러한 비용을 설명하는 방법이 포함되어 있습니다.

아마도 백 테스팅과 관련된 가장 중요한 측정 항목은 전략의 견고성 수준입니다. 이는 특정 샘플 기간 (인 - 샘플로 언급 됨)에서 최적화 된 백 테스트의 결과를 다른 샘플 기간의 동일한 전략 및 세팅을 갖는 백 테스트의 결과와 비교함으로써 달성된다 (아웃 - ). 결과가 비슷하게 수익성이 있다면 전략은 타당하고 견고하며 실시간 시장에서 구현할 준비가 된 것입니다. 전략이 샘플 밖의 비교에서 실패하면 전략은 더 발전해야하거나 포기해야합니다.

더 나은 시스템 트레이더.

더 나은 시스템 트레이더 (Better System Trader)는 전세계 트레이딩 전문가로부터 실질적인 조언을 제공하는 체계적인 트레이더 전용 포드 캐스트이자 블로그입니다.

귀하의 백 테스트 결과가 귀하를 속일 수 있습니까?

당신은 이제까지 backtests에 잘 실행하고 그러나 진짜 돈으로 그것을 무역하기 시작할 때 아주 다른 결과를 전달하는 전략을 무역하기 시작 했는가?

당신의 백 테스트 보고서가 전략이 훌륭하지만 실제로 전체 그림의 일부만을 보여주는 것을 나타냄으로써 당신을 속일 수 있습니까?

강력하고 앞으로 잘 수행 할 수있는 트레이딩 시스템을 개발할 수있는 좋은 기회를 어떻게 줄 수 있습니까?

Kevin Davey (kjtradingsystems의 월드컵 트레이딩 챔피언)는 25 년 넘게 트레이딩 전략을 수립 해 왔습니다. BetterSystemTrader Podcast의 Episode 5에서 그는 이렇게 말합니다.

이러한 상황이 발생할 가능성을 줄이기 위해 그는 모든 시스템에 대한 몬테카를로 분석을 완료하여 돈이 라인에 쌓이기 전에 자신의 위험 요건을 충족시키고 견고 함을 보장합니다.

몬테카를로 분석이란 무엇이며 자신의 거래 결과를 향상시키는 데 어떻게 사용될 수 있습니까? 계속해서, 우리는 당신을 보여줄 것입니다.

몬테카를로 분석이란 무엇입니까?

몬테 카를로 분석은 표준 백 테스트 보고서가 제공 할 수있는 것 이상으로 거래 전략의 성과를보다 정확하게 파악할 수있게 해주는 프로세스입니다.

백 테스트 보고서는 일련의 거래 결과를 특정 순서로 표시하지만 문제는 그것이 단지 역사 일 뿐이며 앞으로 어떻게 될지 알 수 없습니다. 많은 상실한 거래가 모두 연속으로 나타나면 어떤 종류의 손실을 경험하게됩니까? 예상보다 큰 인출액이나 예상보다 긴 거래 손실 문자열을 얻을 수있는 기회는 무엇입니까?

몬테카를로 분석은 기본적으로 미래의 거래가 역사적 거래와 유사한 특징을 갖지만 알 수없는 순서로 진행된다는 가정하에 미래의 가능한 거래에 대한 더 나은 이해를 제공하기 위해 거래의 순서를 뒤에서 테스트하게합니다.

결과를 통해 수익률 및 이익 수준의 확률과 거래 계정이 완전히 삭제 될 확률을 결정할 수 있습니다.

정말 중요한 것인가?

그렇습니다. Kevin과 같은 숙련 된 프로조차도이 도구를 사용하기 때문에 다음과 같은 이유가 있습니다.

실제로 Walk Forward Equity Curve가 좋아 보이는 사례를 발견했습니다. 아마도 많은 사람들이 "이봐, 나는 그것을 교환 할 것"이라고 결정했을 것입니다. 하지만 Monte Carlo 시뮬레이션을 실행했을 때, 시스템에서 실제로 훨씬 더 많은 위험이 있었으며 예상했던 것보다 훨씬 위험합니다. 근본적으로 내가 가질 수있는 위험의 양과 비교할 때 얻었던 수익의 양은, 역사적 주식 곡선에 꼭 드러나지는 않았지만, 내가 얻고있는 이익에 너무 많은 것이 었습니다. 그래서 저는 기본적으로 " 글쎄, 나는이 특별한 시스템을 거래 할 수 없다. "

Monte Carlo 분석 도구 사용.

Kevin은 모든 Better System Trader podcast 리스너를 위해 Excel에서 개발 한 Monte Carlo 분석 도구의 무료 사본을 친절하게 제공했습니다. 이 기사 끝에이 도구를 다운로드 할 수있는 링크가 있지만 작동 방식과 자체 거래에 결과를 적용하는 방법을 먼저 살펴 보겠습니다.

시뮬레이터를 열면 개인 거래 매개 변수를 기반으로 입력해야하는 몇 가지 값이 있습니다. (매크로를 활성화하라는 메시지가 나타나면 yes라고 대답해야합니다. 그렇지 않으면 시뮬레이터가 작동하지 않습니다).

시뮬레이터를 설정하려면 연한 파란색 섹션에 거래 세부 정보를 입력하고, 왼쪽 하단에서 기본 시작 자본, 계정 자본이 그 이하로 떨어지면 시스템 거래를 중단 할 수준, 연간 평균 거래 횟수를 입력하십시오 :

시뮬레이터에 거래를 입력하려면 & # 8216; Clear & # 8217; 버튼을 클릭하고 귀하의 백 테스트 리포트에서 무역 이익과 손실리스트를 $로 붙여 넣으십시오.

이 예에서는 10.5 년 동안 1805 건의 거래 목록을 사용합니다. 1 만 1 천 달러의 초기 잔액을 기준으로 CAR은 31 %이며 최대 인하 량은 11 %이며, 이는 매우 부드러운 매입 곡선을 만듭니다.

결과는 인상적으로 보일 수 있지만 Monte Carlo 시뮬레이터를 통해 실행 해 봅시다. 시뮬레이터에 트레이드를 추가하고 Calculate 버튼을 누르면 시뮬레이터는 트레이드리스트를 2500 번 실행하여 매번 트레이드 순서를 무작위로 추출합니다. 우리는 백 테스트와 일치하도록 $ 10,000의 초기 자본을 설정했으며 거래 중지 수준은 $ 8,000로 설정되었습니다.

시뮬레이터의 결과는 매우 흥미 롭습니다.

결과 분석.

Monte Carlo 시뮬레이터를 통해 거래 목록을 실행 했으므로 결과를 백 테스트와 비교할 차례입니다.

가장 먼저 주목해야 할 점은 Monte Carlo 시뮬레이션의 Median Drawdown은 24.6 %이지만 Backtest는 최대 Drawdown 11 %를 기록한 것입니다. 어떻게 이럴 수있어?

우리가 확인한 거래의 순서를 바꾸면 전략에 실제로 백 테스트 보고서에 표시되는 위험이 더 많이 포함됩니다. 백 테스트에서 유리한 순서는 실제 위험을 과소 평가하는 것입니다!

또한 백 테스트 보고서에서 11 %의 인출 만 발생하지만 몬테카를로 중앙값 인하가 24.6 % 인 경우 50 %의 인출액 이상을 생성하고 20 %의 인하 한도보다 훨씬 높은 거래가있을 수 있습니다.

이 전략을 $ 10,000 초기 잔고로 거래하면 33 %의 확률로 20 %의 인하 한도를 초과하거나 초과 할 수 있습니다. 이 파멸의 위험은 너무 높습니다.

결과 적용.

몬테카를로 결과에 따르면 1 만 달러 계정과 20 % 인하 한도로 시작하여 33 %의 파탄 확률을 낳았으며 중앙값 인하 24.6 %는 인출 한도보다 높습니다. 이것에 대해 우리는 무엇을 할 수 있습니까?

거래마다 전략 규칙이나 위험을 조정하지 않으면 가장 좋은 방법은 더 높은 계정 잔액에서 시작하는 것입니다. Monte Carlo 시뮬레이터의 노란색 결과 표를 확인하면이 전략을 2 만 5 천 달러 이상으로 교환해야한다는 것을 알 수 있습니다.

결론.

이제 시스템 개발 프로세스에서 몬테카를로 분석의 중요성을 알 수 있습니다. 이 기본 예제는 한 거래 주문의 성과 만 보여주는 백 테스팅 결과가 전체 그림을 보여주지 못할 수 있음을 보여주었습니다.

Monte Carlo 시뮬레이터를 통해 무역 목록을 실행함으로써 우리는 다음을 결정했습니다 :

최하위 보고서 (최대 11 %)의 가치는 유리한 행운을 기반으로 한 것이며, 몬테카를로 시뮬레이션은 -24.6 %의 중앙값 인하를 보여주었습니다. 계정 규모는 10,000 달러로 33 %로 거래하기에는 너무 위험하므로 계정 규모를 줄이거 나 파산 가능성을 줄이기 위해 더 적은 무역 위험이 필요합니다.

다운로드 해.

최신 업데이트를 자동으로 받고 싶습니까?

새로운 자료가 공개 될 때 알림을받는 가장 좋은 방법은 아래 목록에 가입하는 것입니다. 알려 주시면 알려 드리겠습니다.

관련 게시물.

몬테카를로 결과가 너를 속일지도 모른다. 거래 규모가 일정한 경우 달러 금액 P & L 만 사용할 수 있습니다. 또는 나는 무엇이든을 놓친다?

Nikolay 님, 그 질문은 커다란 질문이었습니다. 그래서 나는 케빈 데이에게 응답하도록 요청했습니다. 이것은 그가 그것을 설명하는 방법입니다 :

& # 8220; 잠재적 인 거래 전략을 평가할 때, 나는 포지션 사이징이나 자금 관리 기술을 적용하지 않고 그 성과를보고 싶습니다. 그래서 저는 보통 일정한 크기의 계약으로 잠재적 인 전략을 평가합니다. 전략이 통과되면 (장기적으로 긍정적 인 기대치를 의미 함), 나는이를 다양한 전략 포트폴리오에 통합하고 그 시점에서 포지션 사이징을 통합합니다. & # 8221;

희망은 도움이된다.

니콜라이 대단한 질문. 위의 앤드류 (Andrew)에게 준 대답 외에도 Excel 매크로 언어를 알고 있으면 원하는 위치 크기 조정 방법을 추가하는 것이 매우 간단하다는 점도 언급해야합니다. 예를 들어 고정 소수점 접근법의 경우 몇 줄의 코드 만 추가하면됩니다.

따라서 시뮬레이터는 사용자의 요구에 맞게 조정할 수 있기 때문에 좋습니다.

내 워크숍에 참석 한 사람들을 위해, 필자는 학생들에게 고정 소수점 위치 크기 조정을 포함하는 특별 버전의 시뮬레이터를 제공합니다.

안녕하세요 & # 8230; 얼마나 많은 시뮬레이션이 Monte Carlo에서 수행합니까? 신뢰 지수가 있습니까?

이 시뮬레이터는 2500 반복을 수행합니다. 신뢰 구간은 계산하지 않습니다. Excel 매크로 언어를 아는 경우 시뮬레이터에서 수행 할 코드를 쉽게 변경하거나 수정할 수 있습니다.

트랙백.

[[# 8230;]] 몬테카를로 시뮬레이션에 대한 링크가 있습니다. [[# 8230;]]

[bet] 시스템에 관한이 글은 Andrew Swanscott이 KJ Trading Systems의 Kevin Davey와 인터뷰 [[# 8230;]]

트레이딩 주식, 옵션, 선물 및 외환은 손실 위험이 크며 모든 사람에게 적합하지 않습니다. 과거 실적이 반드시 미래 결과를 나타내는 것은 아닙니다.

Backtesting : 과거 해석.

역 테스팅은 효과적인 거래 시스템 개발의 핵심 구성 요소입니다. 이것은 주어진 전략에 의해 정의 된 규칙을 사용하여 과거에 일어났던 거래를 과거 데이터로 재구성함으로써 성취됩니다. 결과는 전략의 효과를 측정하는 데 사용할 수있는 통계를 제공합니다. 이 데이터를 사용하여 거래자는 실제 시장에 적용하기 전에 전략을 최적화 및 개선하고 기술적 또는 이론적 결함을 찾아 전략에 자신감을 가질 수 있습니다. 근본적인 이론은 과거에 잘 작동 한 모든 전략이 미래에 잘 작동 할 가능성이 있으며, 반대로 과거에 제대로 수행되지 않은 전략은 앞으로는 제대로 수행되지 않을 것이라는 것입니다. 이 기사에서는 백 테스트에 사용 된 응용 프로그램, 얻은 데이터의 종류 및 사용 방법에 대해 살펴 봅니다.

데이터 및 도구.

당기 순손실 - 당기 순손익 퍼센트. 시간 프레임 - 테스트가 발생한 지난 날짜입니다. 유니버스 - 백 테스트에 포함 된 주식. 휘발성 측정 - 최대 비율은 위쪽과 아래쪽. 평균 - 평균 이득 및 평균 손실, 평균 막대 유지 비율. 노출 - 투자 된 자본의 비율 (또는 시장에 노출 된 금액). 비율 - Wins-to-losses 비율. 연간 환급 - 1 년 동안의 수익률. 위험 조정 수익 - 위험의 함수로서의 수익률.

일반적으로 백 테스팅 소프트웨어에는 중요한 두 개의 화면이 있습니다. 첫 번째는 상인이 백 테스팅에 대한 설정을 사용자 정의 할 수있게합니다. 이러한 사용자 지정에는 기간별로 수수료가 포함됩니다. 다음은 AmiBroker의 화면 예입니다.

두 번째 화면은 실제 백 테스트 결과 보고서입니다. 여기서 위에서 언급 한 모든 통계를 찾을 수 있습니다. AmiBroker의 화면 예는 다음과 같습니다.

일반적으로 대부분의 거래 소프트웨어에는 유사한 요소가 포함되어 있습니다. 일부 고급 소프트웨어 프로그램에는 자동 위치 조정, 최적화 및 기타 고급 기능을 수행하는 추가 기능이 포함되어 있습니다.

10 계명.

주어진 전략이 테스트 된 시간대의 광범위한 시장 동향을 고려하십시오. 예를 들어 전략이 1999-2000에서만 다시 테스트 된 경우 곰 시장에서 잘 수행되지 않을 수 있습니다. 몇 가지 서로 다른 유형의 시장 조건을 포괄하는 오랜 기간 동안 백 테스트하는 것이 좋습니다. 역 테스팅이 발생한 우주를 고려하십시오. 예를 들어, 광범위한 시장 시스템이 기술 주식으로 구성된 우주로 테스트되는 경우 다른 분야에서 잘 수행되지 못할 수도 있습니다. 일반적으로 전략이 특정 장르의 장르를 목표로한다면 우주를 해당 장르로 제한하십시오. 그러나 다른 모든 경우에는 테스트 목적으로 큰 우주를 유지해야합니다. 변동성 측정은 거래 시스템을 개발할 때 매우 중요합니다. 지분이 일정 수준 이하로 떨어지면 마진 콜을 받게되는 레버리지 계좌의 경우 특히 그렇습니다. 거래자는 리스크를 줄이고 주어진 주식의 출입을 용이하게하기 위해 변동성을 낮게 유지해야합니다. 개최되는 평균 막대 수는 거래 시스템을 개발할 때 매우 중요합니다. 대부분의 백 테스팅 소프트웨어에는 최종 계산에 커미션 비용이 포함되지만 이것이이 통계를 무시해서는 안된다는 의미는 아닙니다. 가능한 경우 평균 막대 수를 늘리면 커미션 비용이 절감되고 전반적인 수익이 개선 될 수 있습니다. 노출은 양날의 칼입니다. 노출 증가는 이익 증가 또는 손실 증가로 이어질 수 있으며 노출 감소는 이익 감소 또는 손실 감소를 의미합니다. 그러나 일반적으로 위험을 줄이고 특정 주식에 대해 쉽게 전환 할 수 있도록 노출을 70 % 미만으로 유지하는 것이 좋습니다. wins-to-losses 비율과 결합 된 평균 이득 / 손실 통계는 Kelly Criterion과 같은 기법을 사용하여 최적의 위치 결정 및 자금 관리를 결정하는 데 유용 할 수 있습니다. (Kelly Criterion을 이용한 자금 관리를 참조하십시오.) 거래자는 평균 이익을 높이고 손실률을 높이면 커미션 비용을 줄이고 더 많은 포지션을 취할 수 있습니다. 연간 수익은 다른 투자 장소에 대한 시스템 수익을 벤치 마크하는 도구로 사용되기 때문에 중요합니다. 전반적인 연간 수익을 보는 것뿐만 아니라 위험도를 높이거나 낮추는 것도 중요합니다. 이것은 다양한 위험 요소를 설명하는 위험 조정 수익을 살펴봄으로써 수행 할 수 있습니다. 거래 시스템이 채택되기 전에, 그것은 다른 모든 투자 장소를 동등하거나 그 이하의 위험으로 능가해야합니다. 백엔드 사용자 정의는 매우 중요합니다. 많은 백 테스팅 응용 프로그램에는 커미션 금액, 라운드 (또는 분수) 로트 크기, 틱 크기, 마진 요구 사항, 이자율, 미끄러짐 가정, 위치 크기 규칙, 동일 막대 종료 규칙, 후행 정지 설정 등의 정보가 있습니다. 가장 정확한 백 테스팅 결과를 얻으려면 시스템을 가동 할 때 사용할 브로커를 모방하기 위해 이러한 설정을 조정하는 것이 중요합니다. 백 테스팅은 때로 지나치게 최적화 된 것으로 이어질 수 있습니다. 이것은 성과 결과가 과거에 너무 높게 조정되어 향후 더 이상 정확하지 않게되는 조건입니다. 일반적으로 모든 주식 또는 일부 대상 주식에 적용되는 규칙을 구현하는 것이 좋습니다. 규칙이 더 이상 작성자가 이해할 수 없을 정도로 최적화되지 않았습니다. 백 트레이싱은 항상 주어진 거래 시스템의 효율성을 측정하는 가장 정확한 방법은 아닙니다. 때로는 과거에 잘 수행 된 전략이 현재 잘 수행되지 못하는 경우가 있습니다. 과거 성과가 미래의 성과를 나타내는 것은 아닙니다. 살아 가기 전에 성공적으로 백 테스팅 된 시스템을 종이로 교환하여 전략이 실제로 적용되는지 확인하십시오.

Backtesting은 트레이딩 시스템 개발의 가장 중요한 측면 중 하나입니다. 제대로 작성 및 해석되면 거래자는 전략을 최적화하고 개선하며 기술적 또는 이론적 결함을 발견하고 실제 시장에 적용하기 전에 전략에 대한 확신을 얻을 수 있습니다.

귀하의 백 테스트 결과가 귀하를 속일 수 있습니까?

당신은 이제까지 backtests에 잘 실행하고 그러나 진짜 돈으로 그것을 무역하기 시작할 때 아주 다른 결과를 전달하는 전략을 무역하기 시작 했는가?

당신의 백 테스트 보고서가 전략이 훌륭하지만 실제로 전체 그림의 일부만을 보여주는 것을 나타냄으로써 당신을 속일 수 있습니까?

강력하고 앞으로 잘 수행 할 수있는 트레이딩 시스템을 개발할 수있는 좋은 기회를 어떻게 줄 수 있습니까?

몬테카를로 분석이란 무엇이며 자신의 거래 결과를 향상시키는 데 어떻게 사용될 수 있습니까? 계속해서, 우리는 당신을 보여줄 것입니다.

몬테카를로 분석이란 무엇입니까?

몬테 카를로 분석은 표준 백 테스트 보고서가 제공 할 수있는 것 이상으로 거래 전략의 성과를보다 정확하게 파악할 수있게 해주는 프로세스입니다.

백 테스트 보고서는 특정 순서로 일련의 거래 결과를 보여 주지만 문제는 그것이 단지 역사 일 뿐이며 앞으로 어떻게 될지 알 수 없습니다. 많은 상실한 거래가 모두 연속으로 나타나면 어떤 종류의 손실을 경험하게됩니까? 예상보다 큰 인출액을 얻을 수있는 기회 또는 예상보다 긴 거래 손실 문자열은 무엇입니까?

결과를 통해 수익률 및 이익 수준의 확률과 거래 계정이 완전히 삭제 될 확률을 결정할 수 있습니다.

정말 중요한 것인가?

예, Kevin과 같은 숙련 된 전문가조차도이 도구를 사용하기 때문에 다음과 같은 이유가 있습니다.

Monte Carlo 분석 도구 사용.

시뮬레이터를 설정하려면 연한 파란색 섹션에 거래 내역을 입력하십시오. 왼쪽 하단에서 기본 시작 자본, 계정 자본이 그 이하로 떨어지면 시스템 거래를 중단 할 수준, 연간 평균 거래 횟수를 입력하십시오 :

시뮬레이터에 거래를 입력하려면 '지우기'버튼을 누르고 백 테스트 리포트에서 무역 이익 및 손실리스트를 $로 붙여 넣으십시오.

결과는 인상적으로 보일 수 있지만 Monte Carlo 시뮬레이터를 통해 실행 해 봅시다. 시뮬레이터에 트레이드를 추가하고 계산 버튼을 누르면 시뮬레이터는 트레이드리스트를 2500 번 실행하여 매번 트레이드 순서를 무작위로 추출합니다. 우리는 백 테스트와 일치하도록 $ 10,000의 초기 자본을 설정했으며 거래 중지 수준은 $ 8,000로 설정되었습니다.

시뮬레이터의 결과는 매우 흥미 롭습니다.

결과 분석.

우리는 Monte Carlo 시뮬레이터를 통해 거래 목록을 실행했으며 결과를 백 테스트와 비교할 차례입니다.

Monte Carlo 시뮬레이션에 대한 Median Drawdown에서 가장 먼저 주목해야 할 것은 24.6 %이지만, Backtest는 최대 Drawdown을 11 %로보고했습니다. 어떻게 이럴 수있어?

거래의 순서를 바꾸면 전략에 실제로 백 리포트가 보여주는 것보다 더 많은 위험이 있다는 사실이 확인되었습니다. 백 테스트에서 유리한 순서는 실제 위험을 과소 평가하는 것입니다!

또한 백 테스트 보고서에서 11 %의 인출 만 발생하지만 몬테카를로 중앙값 인하가 24.6 % 인 경우 20 %의 인하 한도보다 훨씬 높은 50 %의 인출 또는 그 이상의 거래가 발생할 가능성이 높습니다.

이 전략을 $ 10,000 초기 잔고로 거래하면 33 %의 확률로 20 %의 인하 한도를 초과하거나 초과 할 수 있습니다. 이 파멸의 위험은 너무 높습니다.

결과 적용.

몬테카를로 결과에 따르면 1 만 달러 계좌와 20 % 인하 한도로 시작하여 33 %의 파산 가능성이 있으며 중앙값 인하 24.6 %는 인출 한도보다 높습니다. 이것에 대해 우리는 무엇을 할 수 있습니까?

결론.

Monte Carlo 시뮬레이터를 통해 무역 목록을 실행함으로써 우리는 다음을 결정했습니다.

최하위 보고서 (최대 11 %)의 가치는 유리한 행운을 기반으로 한 것이며, 몬테카를로 시뮬레이션은 -24.6 %의 중앙값 인하를 보여주었습니다. 계정 규모가 10,000 달러 인 경우 33 %로 거래하기에 너무 위험하므로 계정 크기가 커지거나 파손 가능성을 줄이기 위해 더 적은 무역 위험이 필요합니다.

다운로드 해.

Excel 문서의 무료 사본을 얻으려면이 링크를 방문하여 페이지 하단으로 스크롤하십시오. Excel 문서는 Kevin Davey와 Better System Trader에서 제공합니다. Better System Trader에 관한 Kevin Davey와의 인터뷰를 들어보십시오.

저자 소개 시스템 상인 성공 기여자.

기고서 작성자는 금융 시장에 적극적으로 참여하고 기술 또는 정량 분석에 전념합니다. 그들은 System Trader Success에 대한 이야기, 통찰력 및 발견 사항을 공유하고 더 나은 시스템 상인이되기를 바랍니다. 공헌하는 작가가되고 세계와 당신의 메시지를 공유하고 싶다면 저희에게 연락하십시오.

이진 옵션 淸州市

Search This Blog

트레이딩 전략 백 테스트 결과

Comments

Post a Comment