با ۷۰۰ میلیون چه کنیم

با ۷۰۰ میلیون چه کنیم : این همان نتیجه نهایی را به همراه دارد که قانون را قبلاً حذف می‌کردیم، اما به این معنی است که هر عملکرد آزمایش‌شده‌ای که قانون حذف‌شده را در خود جای دهد، واقعی‌تر خواهد بود. با تعداد کمی ایده شروع کنید. من ترجیح می دهم با تعداد نسبتاً کمی ایده برای قوانین معاملاتی ارائه کنم.

در نمونه کار خود من هشت قانون دارم که از پنج موضوع مختلف ترسیم شده اند، اما اگر از ابتدا شروع می کردم، فقط با چند قانون شروع می کردم: قوانین پیروی از روند و حمل که در فصل هفتم، “پیش بینی ها” به شما نشان خواهم داد. . شما باید تعداد کمی قوانین داشته باشید زیرا: ۱. خطر کمتری برای تطبیق بیش از حد: ایده های کمتر به معنای شانس کمتری برای تطبیق بیش از حد است.

با ۷۰۰ میلیون چه کنیم : و نسبت شارپ بحرانی کمتری قبل از پذیرش یک قانون مورد نیاز است (جدول ۴). ۲. راه های زیادی برای پوست گربه: یک نوع رفتار در بازار را می توان به روش های مختلف انتخاب کرد. اگر دو مورد از تغییرات شما بیش از ۹۵% همبستگی دارند، می‌توانید با خیال راحت یکی از آنها را کنار بگذارید زیرا تقریباً هیچ سود حاشیه‌ای نخواهد داشت.

همچنین می‌توانید تغییراتی را حذف کنید که هزینه‌های معاملاتی آن‌ها بسیار زیاد است، یا بسیار کند معامله می‌شوند و بنابراین بعید است که بازدهی قابل توجهی به شما بدهند. اما تغییرات را صرفاً به دلیل عملکرد آنها حذف نکنید. به بازده نگاه نکنید – اما ترجیح من این است که داده‌های عملکرد تاریخی واقعی را برای تصمیم‌گیری در مورد وزن‌های پیش‌بینی به قوانین معاملات و تغییرات آنها رزرو کنم. اگر این کار به درستی انجام شود، می تواند عملکرد واقعی و واقعی و قوانین معاملاتی ضعیف را به شما بدهد.

با ۷۰۰ میلیون چه کنیم : اما اگر قبلاً از داده‌های واقعی برای از پیش انتخاب کردن قوانین خوب استفاده کرده‌اید، عملکرد پس آزمون شما بسیار خوش‌بینانه خواهد بود و بیش از حد برازش خواهید کرد. بنابراین در این مرحله فقط رفتاری مانند همبستگی و هزینه های احتمالی معاملاتی که باید به آن توجه کنید، نه عملکرد.

شما باید از آلوده شدن آزمون برگشتی خودداری کنید. جزئیات زیادی در مورد این فرآیند در اینجا وجود ندارد، اما نمونه هایی از نحوه عملکرد آن در ادامه کتاب وجود خواهد داشت. چه با قوانین معاملاتی خود مطابقت داشته باشید، چه از رویکرد من استفاده کنید، مشکل بعدی این است که تصمیم بگیرید چه مقدار از قانون X و چه مقدار از Y – و چه مقدار از ابزار A یا B – در سیستم معاملاتی خود استفاده کنید.

با ۷۰۰ میلیون چه کنیم : این مشکل تخصیص پورتفولیو در فصل بعدی بررسی می شود. ۶۹ فصل چهارم. تخصیص پرتفولیو معامله گر سیستم های ثابت سرمایه گذار تخصیص دارایی این فصل درباره تصمیم گیری درباره نحوه تقسیم سرمایه تجاری خود بین ابزارهای مختلف یا قوانین معاملاتی است.

تصمیم گیری در مورد تخصیص بین ابزارها برای سرمایه گذاران تخصیص دارایی مهم است، در حالی که معامله گران سیستم های ثابت باید هر دو نوع تصمیم را بگیرند. اگر شما یک معامله گر نیمه اتوماتیک هستید، مهم نیست، زیرا از قوانین معاملاتی سیستماتیک استفاده نمی کنید و ابزارهای مختلف را به صورت فرصت طلبانه معامله می کنید.

با ۷۰۰ میلیون چه کنیم : می توانید از این فصل صرف نظر کنید. تصمیم گیری در مورد نحوه تخصیص در یک سبد دارایی ها مشکلی است که هر سرمایه گذار با آن مواجه است. سهام، اوراق قرضه یا نقدی چقدر است؟ آیا باید تخصیص سهام خود را به طور مساوی بین کشورها تقسیم کنید یا فقط آن را در ایالات متحده نگه دارید؟

تصمیمات تخصیص برای سرمایه گذاران سیستماتیک و معامله گران به همان اندازه مهم است. اگر شما یک معامله گر سیستمی هستید که بیش از یک قانون معاملاتی را اجرا می کند، از جمله هر گونه تغییر، پس باید تصمیم بگیرید که هنگام ترکیب قوانین با یکدیگر برای پیش بینی قیمت هر ابزار، از چه وزن های پیش بینی استفاده کنید.

با ۷۰۰ میلیون چه کنیم : هم معامله گران سیستم های پایدار و هم سرمایه گذاران تخصیص دارایی نیز باید وزن ابزار را تعیین کنند. چه مقدار از پرتفوی خود را برای هر ابزار در سیستم های معاملاتی قرار دهید. از آنجایی که ابزارهای این فصل برای هر دو نوع تصمیم گیری هستند، من به پرتفوی دارایی های عمومی اشاره می کنم که می توانند ابزار یا قوانین معاملاتی باشند.

بعداً در کتاب نمونه‌های خاصی از هر یک از دو نوع مسئله تخصیص را به شما نشان خواهم داد. درست مانند قوانین معاملاتی، وزن پرتفوی می تواند بیش از حد مناسب باشد. بهینه‌سازی وزن‌ها می‌تواند به شما پورتفولیویی بدهد که در آزمون‌های پس‌آزمون بسیار خوب عمل می‌کند، اما در صورت معامله ۷۰ سیستماتیک در واقعیت، به شدت شکست می‌خورد.

با ۷۰۰ میلیون چه کنیم : چنین پورتفولیوهایی معمولاً بسیار شدید هستند. تخصیص فقط به یک زیر مجموعه کوچک از دارایی های موجود. در این فصل من به شما نشان خواهم داد که چگونه از مشکلات این پورتفولیوهای بسیار متنوع اجتناب کنید. بررسی اجمالی فصل بهینه سازی خراب شده است.

چگونه بهینه سازی نمونه کارها کلاسیک اغلب می تواند منجر به وزن بیش از حد پرتفوی شود. صرفه جویی در بهینه سازی از خود برخی از بینش ها از یک تکنیک جایگزین، بوت استرپینگ، که می تواند به ما کمک کند بفهمیم چه چیزی اشتباه پیش می رود. ساخت وزنه با دست نحوه استفاده از یک روش ساده به نام برای بدست آوردن وزن نمونه کارها. ترکیب نسبت های شارپ استفاده از اطلاعات اضافی در مورد عملکرد مورد انتظار برای بهبود وزنه های دست ساز.بهینه سازی بد شده است.

با ۷۰۰ میلیون چه کنیم : معرفی بهینه سازی بهینه سازی سبد دارایی مجموعه ای از وزن دارایی ها را پیدا می کند که بهترین بازده تعدیل شده ریسک مورد انتظار را که معمولاً با نسبت شارپ اندازه گیری می شود را ارائه می دهد. ورودی های این مورد عبارتند از میانگین بازده مورد انتظار، انحراف استاندارد.

بازده و همبستگی آنها. روش استاندارد برای انجام این کار اولین بار توسط هری مارکویتز در دهه ۱۹۵۰ معرفی شد. این یک راه حل منظم و ظریف برای یک مشکل پیچیده بود. متأسفانه بسیار آسان است که با ظرافت حواسمان پرت شود و مفروضات مهم زیربنای ریاضیات را فراموش کنیم. همانطور که در زیر خواهید دید.

با ۷۰۰ میلیون چه کنیم : استفاده کورکورانه از این روش اغلب منجر به پرتفوی های زشت با وزن زیاد می شود. فقط به این دلیل که دیدن یک معادله فوق‌العاده است، به این معنی نیست که باید از نتایج آن بدون فکر کردن به عواقب استفاده برده باشید. همانطور که انیشتین گفت: “اگر می خواهید حقیقت را توصیف کنید.

ظرافت را به خیاط بسپارید.” در اوایل زندگی حرفه‌ای‌ام، به‌طور مهلکی تحت تأثیر معادلات دوست‌داشتنی قرار گرفتم و در نهایت با چند نمونه کار وحشتناک مواجه شدم، تا اینکه متوجه اشتباه روش‌هایم شدم.