آزمایش استراتژی تجارت RSI خواننده

یک خواننده از من پرسید که آیا من می توانم یک استراتژی معاملاتی را بر اساس شاخص فنی RSI (2) انجام دهم. بیشتر استراتژی های RSI به معنای تنظیم معکوس است ، با این حال ، این در واقع یک روند زیر است.

ایده این است که روندها را دنبال کنید و از RSI (2) استفاده کنید تا قیمت بهتری داشته باشید. ما منتظر هستیم تا قبل از ورود به تجارت ، RSI (2) به عقب برگردد و سپس یک ضرر توقف را در پایین نوسان قبلی قرار دهیم.

قوانین استراتژی

قوانین خرید و فروش کامل این استراتژی را می توان به شرح زیر شرح داد:

قوانین بخرید

• Close>MA (200)
• MA(5)>MA (200)
• RSI (2) از 10 عبور می کند
• 21-day average tuover>200000 دلار
• Close> 2

فروش قوانین

• MA (5)
• از دست دادن از دست دادن در نوسان قبل از صلیب RSI (کمترین 5 روز کم)

نمونه تجارت

نمودار زیر یک مثال تجاری در شرکت هواپیمایی یونایتد (UAL) ارائه می دهد:

اگر از نزدیک نگاه کنید ، می بینید که RSI (2) در 26 آوریل 2018 زیر 10 پایین می آید. سپس از بالای 10 در نوار بعدی عبور می کند.

Meanwhile, the close is above the 200-day MA (blue) and the 5-day MA (orange) is also above the 200-day MA. The stock also meets our liquidity rules with an average tuover> $200,000 and a stock price>2 دلار

بنابراین سفارش خرید برای Open Open (فلش سبز) ارسال می شود و از دست دادن توقف در کمترین سرعت 65. 45 دلار (خط قرمز) قرار می گیرد.

سهام نزدیک به از دست دادن توقف در تاریخ 10 مه است اما خوشبختانه این توقف هرگز مورد اصابت قرار نمی گیرد.

218 روز بعد ، ما سیگنال خروج خود را به عنوان MA (5) در زیر MA (200) دریافت می کنیم. تجارت در باز (فلش قرمز) برای سود کل 21. 81 ٪ پس از هزینه بسته می شود.

این مثال تجاری نشان می دهد که چگونه سیستم قادر است برخی از روندهای نسبتاً صعب العبور را در سهام حفظ کند.

تنظیمات پشتی

برای پشت سر گذاشتن این استراتژی ، من از نرم افزار Amibroker با داده های تاریخی Norgate استفاده خواهم کرد. این داده ها شامل سهام حذف شده است و برای اقدامات سرمایه و سود سهام تنظیم می شود.

من ابتدا یک آزمایش All Trades را اجرا می کنم که هر سیگنال تجاری را در طی دوره زمانی آزمایش می کند. سپس یک آزمون نمونه کارها را اجرا می کنم تا شرایط واقعی تر معاملات را به خود اختصاص دهم.

یک آزمون نمونه کارها بیانگر چگونگی اجرای یک استراتژی معاملاتی در زندگی واقعی است زیرا محدودیت های معاملاتی مانند اندازه موقعیت ، اندازه نمونه کارها و هزینه های معامله را به خود اختصاص می دهد.

نتایج پشتی - همه معاملات

برای اجرای تست تمام معاملات ما از شرایط پشتی زیر استفاده خواهیم کرد:

• جهان: S& P 100 ، S& P 500 ، Russell 3000
• تاریخ: 01/01/2000 - 01/01/2019
• اعدام: روز بعد باز شود
• اندازه موقعیت: 500 دلار
• هزینه معامله: 0

در جدول زیر نتایج پشتی برای همه سیگنال های موجود در S& P 100 ، S& P 500 و Russell 3000 سهام بین 1/2000 تا 1/2019 نشان داده شده است:

همانطور که از این نتایج می بینید ، این استراتژی طی 19 سال گذشته سودآور بوده است. ما سود متوسط در هر تجارت 1. 83 ٪ در S& P 100 ، 2. 15 ٪ در S& P 500 و 1. 91 ٪ در راسل 3000 ثبت کردیم.

بازده تنظیم شده در معرض خطر 9. 34 ٪ در S& P 500 بیشتر از بازده خرید و نگهدارنده است که در جاسوسی 4. 85 ٪ بود.

با این حال ، اینها کمتر از بازده ستاره ای هستند. نرخ برد به ویژه در 15-16 ٪ ضعیف است. نسبت شارپ نیز ضعیف است.

نتایج پشتیبان - نمونه کارها

قبل از ادامه کار ، می توانیم ببینیم که چگونه این استراتژی با اجرای کامل نمونه کارها جمع می شود. ما از تنظیمات Backtest زیر برای شبیه سازی نمونه کارها استفاده خواهیم کرد:

• جهان: S& P 500
• تاریخ: 01/01/2000 - 01/01/2019
• هزینه معامله: 0. 01 دلار در هر سهم
• اعدام: روز بعد باز شود
• شروع سرمایه: 25000 دلار
• حداکثر موقعیت های باز: 20
• اندازه موقعیت: 5 ٪ (وزن برابر)
• رتبه بندی: RSI (2) بالاترین اول

نتایج و منحنی سهام زیر عملکرد استراتژی را به عنوان نمونه کارها بین 2000 تا 2019 در سهام S& P 500 نشان می دهد:

• # معاملات: 1806
• سود خالص: 83358. 42 دلار
• ماشین: 8. 02 ٪
• MDD: -47. 5 ٪
• ماشین/MDD: 0. 17
• RAR: 8. 31 ٪
• نرخ برد: 19. 49 ٪
• AVG P/L در هر تجارت: 2. 58 ٪
• میله های متوسط برگزار می شود: 51. 38
• نسبت بازپرداخت: 8. 21
• شارپ: 0. 11

همانطور که از نتایج فوق می بینید ، این استراتژی معاملاتی در سهام S& P 500 با بازده سالانه 8. 02 ٪ و RAR 8. 31 ٪ سودآور بوده است که خرید جاسوسی را ضرب و شتم می کند و بازده 4. 85 ٪ را در مدت مشابه دارد.

نتایج چشمگیر نیست اما برخی از ویژگی های خوب در این نتایج وجود دارد.

به عنوان مثال ، این سیستم در سال 2013 44. 5 ٪ و در سال 2017 38. 7 ٪ ساخته شده است. این نتایج قوی است. به نظر می رسد که این استراتژی کار خوبی برای گرفتن بازده در سالهاست.

با این حال ، هنوز نگرانی های بزرگی در مورد نرخ پیروزی پایین و کاهش زیاد وجود دارد.

تنظیمات ساده برای بهبود سود

چند مورد در تجزیه و تحلیل این نتایج برجسته است.

اول ، نرخ پیروزی بسیار پایین است (کمتر از 20 ٪). این منجر به حداکثر باخت 63 معاملات متوالی در پس آزمون می شود. بیشتر معامله گران قادر به تجارت در چنین دوره ضعف ضعیفی نخواهند بود.

دوم ، ماشین/MDD خوب نیست. کاهش حداکثر تقریباً شش برابر بزرگتر از بازگشت سالانه است.

با این حال ، تنظیمات بی شماری وجود دارد که می تواند برای بهبود عملکرد انجام شود.

1. ما می توانیم یک فیلتر رژیم را معرفی کنیم تا سیستم در طول بازارهای پایین مسطح باشد.
2. ما می توانیم قوانین فروش را برای بهبود نرخ پیروزی و کوتاه کردن مدت تجارت تغییر دهیم.
3. ما می توانیم از قوانین بخش و نمونه کارها برای محدود کردن معاملات به بخش ها یا صنایع خاص استفاده کنیم.
4. ما می توانیم از اندازه موقعیت پویاتر استفاده کنیم و رتبه های مختلف را بررسی کنیم.

البته هیچ محدودیتی برای تعداد ایده هایی که می توانند از این سیستم اضافه یا گرفته شوند ، وجود ندارد.

به عنوان نمونه ، من سه تنظیم ساده در این استراتژی به شرح زیر انجام داده ام:

1. به جای خروج از ضرر توقف در داخل ، خروج از بازار بعدی را به تأخیر خواهیم انداخت. این کار به تجارت کمی بیشتر می شود تا بازیابی و همزمان هزینه های لغزش را کاهش دهد.
2. ما از یک فیلتر SPX استفاده خواهیم کرد تا فقط وقتی S& P 500 بیش از MA (200) باشد ، می توانیم معاملات را وارد کنیم. این به ما کمک می کند تا ما را از بازارهای بی ثبات دور نگه دارید.
3. به جای رتبه بندی توسط RSI (2) ما با ATRP رتبه بندی خواهیم کرد و ابتدا کمترین سهام نوسانات را انتخاب می کنیم. ایده این است که ما می توانیم روندهایی پیدا کنیم که کمتر احتمال دارد که از دست دادن توقف اولیه آنها برخوردار باشد.

پس از پیشرفت نتیجه پس از پیشرفت

نتایج زیر و منحنی سهام پس از انجام این سه تنظیم ، عملکرد را نشان می دهد:

• # معاملات: 1458
• سود خالص: 87266. 46 دلار
• ماشین: 8. 22 ٪
• MDD: -18. 31 ٪
• ماشین/MDD: 0. 45
• RAR: 10. 67 ٪
• نرخ پیروزی: 27. 30 ٪
• AVG P/L در هر تجارت: 2. 77 ٪
• میله های متوسط برگزار می شود: 50. 36
• نسبت بازپرداخت: 7. 44
• شارپ: 0. 15

می بینید که حداکثر کاهش ا ز-47. 5 ٪ ب ه-18. 31 ٪ کاهش یافته و نرخ برد به 27. 30 ٪ افزایش یافته است. در همین حال بازده سالانه به 8. 22 ٪ بهبود یافته و RAR به 10. 67 ٪ بهبود یافته است:

سیستم تجارت اکنون بسیار پایدار است اگرچه ما با سه سال باخت متوالی شروع کردیم و بازده سالانه هنوز چشمگیر نیست.

افکار نهایی

در این مقاله ما یک استراتژی RSI خوانندگان را پشت سر گذاشته ایم و نتایج معنی داری به دست آورده ایم.

نرخ پیروزی پایین و بازده ضعیف سالانه برای اکثر معامله گران خراشیده نمی شود و این می تواند منجر به از دست دادن طولانی شود.

با این حال ، این سیستم کار منطقی خوبی برای انتخاب روند برنده در بازارهای UP انجام می دهد. بسیاری از سیستم ها قادر به تولید سی تا چهل درصد بازده در سال 2017 نبودند.

بنابراین این استراتژی ممکن است در صورت محدود کردن فقط به بازارهای گاو نر ، پتانسیل داشته باشد. همچنین ممکن است آزمایش در مورد داده های داخلی جالب باشد.

یک معامله گر که در شناسایی رژیم های بازار مهارت دارد ممکن است بتواند از این استراتژی (یا چیزی مشابه) به عنوان پایه ای برای کمک به ضبط روند استفاده کند. اما در شکل فعلی آن می تواند با برخی کارها انجام شود.

شبیه سازی های تولید شده در Amibroker با استفاده از داده های تاریخی از Norgate.

جو ماروود / درباره نویسنده

جو ماروود یک معامله گر مستقل و نویسنده متخصص در سیستم های معاملاتی و تجارت سهام است. او تجارت شغلی خود را در FTSE 100 و Bund آلمان برای یک خانه تجاری در لندن آغاز کرد و اکنون از طریق شرکت خود کار می کند. او همچنین به دنبال جستجوی آلفا و سایر نشریات مالی است.