Cours gratuits » Cours finance » Cours Forex » Le meilleur livre pour apprendre a trader facilement

Le meilleur livre pour apprendre a trader facilement

Problème à signaler:

Télécharger



★★★★★★★★★★3.5 étoiles sur 5 basé sur 1 votes.
Votez ce document:

Le meilleur livre pour apprendre a trader facilement

… … …

Si un système spécifique ne vaut pas la peine d’être échangé sur un marché donné, même s’il fonctionne aussi bien sur ce marché que sur d’autres marchés, il devient alors intéressant de savoir combien vaut réellement le marché qui vous intéresse et si les risques valent la peine d’être pris compte tenu de la volatilité du marché et d’autres alternatives de trading viables Ceci est particulièrement intéressant s’il s’agit d’un système à court terme, dans lequel les transactions ne durent pas plus d’une semaine ou deux. Il s'avère que les mouvements hebdomadaires de la plupart des • marchés agricoles ont une valeur en dollars trop faible par rapport à de nombreux autres marc

hés, tels que les devises, les indices et les taux d'intérêt.

Le tableau 6.1 montre la valeur actuelle de la moitié de l'intervalle vrai hebdomadaire moyen en valeur de marché actuelle sur plusieurs marchés. Par exemple, pour le café, la moitié de la fourchette moyenne hebdomadaire moyenne des dix dernières années et de la dernière année valent respectivement 1 343 et 1 453 dollars. Dans le même temps, un déménagement de 1% vaut 359 $. Pour un café, un déménagement de 1 459 $ équivaut à un déménagement de 4,05%. Par conséquent, plus le nombre indiqué dans la colonne de volatilité comparée la plus à droite est élevé, plus le marché est volatil, en pourcentage, par rapport aux autres marchés.

Regardons de plus près certains marchés de ce tableau. Il est intéressant de constater que tous les marchés sensibles aux intempéries (comme les marchés agricoles américains), tels que le maïs, le blé et le soja, présentent une volatilité comparative relativement élevée. Des marchés encore plus sensibles aux intempéries (et peut-être même des points chauds du jeu traditionnels), tels que le café, le gaz naturel et le jus d'orange, présentent une volatilité encore plus grande.

En revanche, les marchés à orientation macroéconomique, tels que les devises et les taux d’intérêt, présentent tous une très faible volatilité comparative, plusieurs fois inférieure à 1, ce qui signifie que ces marchés produisent rarement une fourchette moyenne supérieure à 1% sur une base hebdomadaire. Avec des fourchettes réelles aussi basses, il est douteux que l'on puisse négocier un marché • comme celui-ci avec un système à court terme si le niveau actuel du marché et la valeur des prix ne sont pas suffisamment élevés. Heureusement, la plupart des macro-marchés restent des alternatives commerciales viables.

Cependant, même de nombreux marchés très instables peuvent être difficiles à négocier si la valeur en dollars de leurs mouvements n'est pas assez élevée. Par exemple, supposons que vous disposiez d'un système à court terme avec un facteur de profit aussi élevé que 2,2 qui devrait générer des transactions rentables à 55%. Dans le meilleur des mondes, vous pouvez vous attendre à ce que le commerce gagnant moyen corresponde à la moitié de la fourchette réelle moyenne de ce marché. Jusqu'à présent, vous ne l'avez négociée que sur des obligations T, qui constituent un marché très liquide et légèrement volatil avec un bénéfice moyen par transaction de 294 dollars (dont 75 dollars déduits pour le glissement et la commission). Vous souhaitez maintenant échanger ce système sur un marché plus instable, comme le jus d'orange. Avec un facteur de profit de 2,2 et une transaction gagnante moyenne de 476 $ (voir tableau 6.1), la perte moyenne de transaction est de 216 $ (476 / 2,2 $). Avec une transaction rentable à 55%, une séquence de 20 transactions générera en moyenne un profit de 3 292 USD (11 X 476 USD - 9 x 216 USD), ce qui se traduira par un bénéfice moyen de 165 USD par transaction (3 292 USD / 20). Déduisez-le de 75 $ de plus pour couvrir le glissement et la commission, et vous êtes ramené à 90 $ par contrat négocié, soit moins du tiers de ce que vous gagnez avec les T-bonds. Considérant que vous n’obtenez qu’une ou deux chances de ce type par semaine, gagner un peu plus de 100 dollars par semaine ne vaut pas la peine de se prendre la tête et de courir le risque de tout perdre.

...

Dans les chapitres précédents, nous avons vu que le trading à court terme peut être incroyablement enrichissant, mais aussi très risqué, surtout si le marché que vous négociez ne produit tout simplement pas les mouvements que vous recherchez. Parce que tous les marchés ne peuvent pas générer un profit moyen à court terme assez important en dollars, le seul moyen de les échanger est d’effectuer des échanges moins fréquents et des échanges plus longs qui élèvent la valeur du commerce moyen à un niveau digne de commerce. .

Dans les chapitres précédents, nous avons discuté de la façon de classer les métiers et de ce qui pourrait constituer à long et à court terme. Ce serait peut-être une bonne idée d’essayer toujours d’être aussi court que possible quand il s’agit de commercialiser des unités de temps (barres). Lorsque vous concevez un système à long terme, mesuré en unités de temps normales (jours), vous devez utiliser des données hebdomadaires (voire peut-être mensuelles) pendant le processus de construction et de recherche afin de pouvoir travailler avec aussi peu d'unités de marché (barres). ) que possible. Après un nombre optimal d'unités de temps pour le système en question, plus vous vous éloignez du signal, moins vos résultats seront rentables et fiables, comme le montre le tableau 7.1.

Le tableau 7.1 présente les bénéfices moyens par transaction tirés d’un système d’arrangement sur 20 jours (quatre semaines), négociés sur le côté long uniquement sur les contrats à terme sur indices boursiers S & P 500 pour la période allant de juin 1983 à août 1999, et avec tous les prix. les transactions qui durent pendant un certain nombre de jours (semaines), peu importe quoi. Dans la moitié supérieure de ce tableau, vous pouvez voir que, dans ce cas, plus la période de détention est longue, plus le bénéfice moyen est élevé. Mais avec un profit moyen plus élevé, un écart-type plus élevé de l'individu sort, ce qui indique que l'incertitude entourant les résultats augmente également. Cela peut être mesuré par le rapport entre le bénéfice moyen et l'écart type. Toutefois, tant que le ratio augmente également, le bénéfice moyen augmente plus vite que l'écart-type, ce qui indique un risque relatif décroissant. Dans ce cas, le ratio semble se stabiliser après environ 50 jours, ce qui indique qu'il y a peu à gagner à rester plus longtemps dans le commerce. Ceci est confirmé par le bénéfice moyen réalisé par jour, qui commence à diminuer après 30 jours. Des observations similaires peuvent également être faites à partir de la partie hebdomadaire inférieure du tableau. Ce qui est encore plus important, c'est qu'en comparant les données hebdomadaires aux données quotidiennes correspondantes, nous pouvons constater que les données hebdomadaires produisent des résultats plus rentables et moins risqués, tels que mesurés par le bénéfice moyen et l'écart type. Cela dit, dans les systèmes à long terme suivants, nous travaillons à la fois avec des données hebdomadaires et quotidiennes.

MOYENNES DE DÉMÉNAGEMENT

Plus d'un livre ou article a été écrit sur le sujet des moyennes mobiles, la plupart d'entre eux se concentrant sur le signal de croisement de base. Le signal de croisement est généré soit par le prix croisant une ou plusieurs moyennes, soit par celui d'une moyenne mobile plus rapide passant par une moyenne plus lente. (Une moyenne mobile rapide est une moyenne calculée avec moins de points de données ou une période d'analyse plus courte qu'une moyenne mobile lente, et inversement.) Avec un système de base comme celui-ci, la plupart d'entre nous ont probablement produit des résultats fantastiques. sur des tests historiques, pour découvrir que la réalité semble moins glamour lorsque le modèle est échangé en direct ou testé sur des données inédites. Pour remédier à cela, beaucoup essaient de filtrer les signaux d’achat / de vente réels, soit en ajoutant des exigences supplémentaires, telles que la reprise de l’échange après un retracement et / ou sur le second crossover, ou en ajoutant des moyennes mobiles ou d’autres indicateurs de différentes longueurs.

Une autre stratégie qui semble bien sur le papier consiste à éviter complètement le modèle à moyenne mobile lorsque le marché se situe dans une fourchette de négociation et, par conséquent, à ne l'utiliser que lorsque le marché est en tendance. Le problème est que la seule façon de classer le marché en tant que tendance ou non-tendance, en utilisant cette méthode, est le recul, ce qui est un luxe que peu d’entre nous ont la possibilité de négocier en temps réel. Par conséquent, pour qu’un système à long terme soit stable dans le temps, il doit être construit de manière à vous laisser suffisamment de mou pour ne pas être interrompu à maintes reprises pendant des périodes moins avantageuses.

En ce qui concerne les moyennes mobiles, la méthode de la pente directionnelle est un meilleur choix que la méthode de base du croisement. À titre d'exemple, nous pouvons appliquer une moyenne mobile de 100 jours à l'indice CR B, qui est un marché notoirement instable. Depuis sa création en mai 1986 jusqu'en octobre 1999, il y a eu 214 occurrences où le cours de clôture a dépassé la moyenne, mais seulement 160 occurrences où la moyenne a changé de direction d'un jour à l'autre. Sur un marché plus tendance, comme le yen japonais, il y a eu 184 croisements et 127 changements de direction entre mai 1972 et octobre 1999. Avec une moyenne de 200 jours, les mêmes chiffres sont passés à 122 et 82 pour l'indice CRB, et à 170 et plus. 92 pour le yen japonais. Qu'est-ce que ça veut dire? S'il est raisonnable de supposer que, dans une tendance prolongée, la tendance de la moyenne mobile suivra, vous devriez pouvoir réduire considérablement le nombre de signaux erronés en utilisant la pente de la moyenne comme déclencheur pour votre transaction, au lieu du croisement réel.

Mais ce n'est pas tout. Notez que pour le yen japonais, avec la moyenne mobile de 200 jours, le nombre de croisements est toujours supérieur au nombre de changements de direction pour la moyenne de 100 jours. Avec la méthode de la pente directionnelle, vous pouvez également créer un système utilisant moins de données et plus à jour, tout en obtenant le même effet. Par exemple, pour l'indice CRB, le pourcentage d'opérations rentables est passé de 16% pour la méthode croisée à 33% pour la pente directionnelle, avec la moyenne mobile à 200 jours, et de 10 à 32% pour la moyenne mobile à 100 jours. Pour le yen japonais, les mêmes chiffres sont passés de 17 à 36% avec la moyenne mobile à 200 jours et de 31 à 40% avec la moyenne mobile à 100 jours.

Une autre technique de négociation courante, en ce qui concerne les moyennes mobiles, consiste à utiliser deux moyennes mobiles et à exiger que la moyenne mobile rapide franchisse la lente avant d'entrer dans un commerce, mais uniquement pour obliger le prix à franchir la moyenne rapide. sortie. En ce qui concerne la technique de la pente directionnelle, le même effet peut être obtenu en utilisant la pente d’une moyenne mobile plus lente pour l’entrée (entrée MA), mais la pente d’une moyenne mobile plus rapide pour la sortie (sortie MA). Lorsque les deux se contredisent, vous restez en dehors. Une autre méthode consiste à utiliser une moyenne mobile (ou un ensemble de moyennes) pour le côté long et une autre moyenne (ou un ensemble de moyennes) pour le côté court. Cela pourrait être une bonne idée pour les marchés à la hausse naturelle, tels que le marché boursier. Lorsque vous testez une telle combinaison, n'oubliez pas de traiter chaque partie comme deux marchés différents, négociés avec deux systèmes différents; lorsque les systèmes se contredisent, vous pouvez choisir de rester en dehors ou d’échanger des positions plus petites.

Mettons ensemble un modèle utilisant la méthode de la pente directionnelle, consistant en deux moyennes mobiles identiques pour les côtés long et court et fonctionnant de la même manière sur autant de marchés que possible. En outre, conformément à notre conclusion qu'il serait préférable d'utiliser le moins de barres possible lors de l'examen du système, nous le mettrons en place en utilisant des données hebdomadaires remplaçant une moyenne mobile de 200 jours par une moyenne mobile de 40 bars. À la fin du code, nous associons notre fonction d'exportation au facteur de profit, au pourcentage d'opérations rentables et à la durée sur le marché, et l'adaptons de manière à exporter également la combinaison de moyenne mobile actuelle. Le code TradeStation pour ce système est le suivant:

Entrée: EntryMA (10), ExitMA (5);

Vars: EntryVal (O), ExitVal (O), PFactor (O), WTrades (O), TotBars (O), TradeStrl (""); EntryVal = Average (Close, EntryMA);

ExitVal = Average (Close, ExitMA); Conditionl = EntryVal> EntryVal [1]; Condition2 = ExitVal> ExitVal [l];

Si Conditionl = True et Condition2 = True, achetez à la fermeture;

Si Conditionl = False et Condition2 = False Puis Vendre à la clôture;

Si Condition2 = False Then

ExitLong at Close;

Si Condition2 = True, alors ExitShort à la fermeture;

Si LastBarOnChart commence alors

PFactor = GrossProfit / - GrossLoss;

WTrades = NumWinTrades * 100 / TotalTrades;

TotBars = (TotalBarsLosTrades + TotalBarsWinTrades) * 100 / BarNumber; TradeStrl = LeftStr (GetSymbolName, 2) + "," +

NumToStr (EntryMA, 0) + "," + NumToStr (ExitMA, 0) + ", '* + NumToStr (PFactor, 2) +", "+ NumToStr (WTrades, 2) +", "+ NumToStr (TotBars, 0 ) + NewLine; FileAppend ('"D: \ Temp \ MaDirect.txt", TradeStrl);

Fin;

Le modèle a été testé sur toutes les combinaisons de moyennes mobiles de 16 marchés différents sur la période allant de janvier 1979 à octobre 1994. Le reste des données a été sauvegardé pour certains tests hors échantillon. Les 16 marchés testés étaient: les obligations d'État, les bovins vivants, le yen japonais, le maïs, le dollar canadien, le pétrole brut, l'indice du dollar, le bois d'œuvre, le jus d'orange, le S & P 500, le cuivre, l'eurodollar, l'indice CRB, le coton, l'or et le café. Aucun argent n'a été déduit pour le glissement et la commission. Les données ont été rassemblées à l’aide de la méthode habituelle d’ajustement arrière.

Avec toutes les données exportées dans Excel, nous construisons une matrice qui servira de base pour un graphique surfacique. Cela nous permet d'examiner graphiquement nos données et de rechercher des combinaisons de moyennes mobiles robustes et stables, susceptibles de continuer à se maintenir dans le futur.

Commencez par utiliser la fonction de tri des données pour trier d’abord par la MA de l’entrée, puis par la MA de la sortie. Tapez ensuite les formules suivantes dans deux colonnes adjacentes et remplissez-les jusqu'au bas de la feuille de calcul.

Pour calculer le facteur de profit moyen pour chaque combinaison de moyenne mobile:

= IF (C17 <> C18; MOYENNE (D2: D17); "")

où la colonne C indique le MA de sortie et la colonne D le facteur de profit pour chaque combinaison de moyenne mobile et chaque marché.

Pour calculer le rapport entre le facteur de profit et son écart type:

= IF (G2 <> ""; G2 / STDEV (D2: D17); "")

où la colonne G indique le facteur de profit moyen calculé précédemment.

= INDEX (B: B; 2 + ((ROW () - 2) * 16))

où la colonne B indique l'entrée MA. La valeur 16 provient du fait que nous testons sur 16 marchés.

= INDEX (C: C; 2 + ((ROW () - 2) * 16)),

= INDEX (G: G; 2 + ((ROW () - 2) * 16))

= INDEX (H: H; 2 + ((ROW () - 2) * 16))

... ...

Une autre méthode consiste à calculer la fréquence à laquelle une combinaison de moyenne mobile spécifique se trouve, par exemple, parmi les 10 meilleures combinaisons pour chaque marché ou parmi, par exemple, les 200 meilleures pour tous les marchés. En prenant l'exemple de notre MA de saisie, la figure 7.4 montre que toutes les MA d'entrée comprises entre 14 et 20 barres font partie des 200 meilleures combinaisons au moins 15 fois chacune. La MA à 16 barres figure en tête de liste avec un total de de 27 occurrences. Cela renforce notre conclusion selon laquelle une MA d'entrée de 18 barres constituera un choix robuste et stable susceptible de se maintenir à l'avenir.

La figure 7.5 montre un autre exemple de cette technique, mais cette fois-ci, nous avons trié dans la colonne Métiers rentables et combien de fois nous avons pu trouver une MA de sortie parmi les 200 meilleures combinaisons. Comme vous pouvez le constater, si vous souhaitez augmenter le nombre de transactions rentables, vous devriez choisir une sortie MA dans la zone des 6 à 10 bars. Le joyau de la couronne est le MA à 8 barres, avec 27 occurrences.

Les tableaux 7.2 et 7.3 montrent comment le système de pente directionnelle, avec une entrée MA à 18 bars et une sortie MA à 8 bars, aurait fonctionné sur les différents marchés, à la fois pour les données intra-échantillon et les données hors échantillon. Pour la période de l'échantillon, le facteur de profit moyen était de 1,91. Avec un rapport entre le facteur de profit et son écart-type égal à 3,13, l’écart-type est de 0,61 (1,91 / 3,13), ce qui signifie que nous pouvons être sûrs à 68% que le véritable facteur de profit ne sera pas inférieur à 1,30 ( 1,91 - 0,61). Pendant la période hors échantillon, le facteur de profit moyen était de 2,09. Avec un rapport entre le facteur de profit et son écart-type égal à 0,73, l'écart-type passe à 2,86 (2,09 / 0,73), ce qui signifie que nous ne pouvons plus être sûrs à 68% que le véritable facteur de profit sera supérieur à 1. Par conséquent, le facteur de profit était légèrement plus élevé pour les données hors échantillon que pour les données dans l'échantillon, mais son prix se présentait sous la forme d'un • ratio plus petit entre le facteur de profit et son écart type, ce qui signifie que le système est devenu moins robuste.


6