How To Back Test Your Trading System

Backtesting: Tolking Past Backtesting er en viktig komponent i effektiv trading-systemutvikling. Det oppnås ved å rekonstruere, med historiske data, handler som ville ha skjedd tidligere, ved bruk av regler som er definert av en gitt strategi. Resultatet gir statistikk som kan brukes til å måle strategiens effektivitet. Ved hjelp av disse dataene kan handelsmenn optimalisere og forbedre sine strategier, finne tekniske eller teoretiske feil, og få tillit til strategien deres før de påføres de virkelige markedene. Den underliggende teorien er at enhver strategi som fungerte bra i det siste, vil trolig fungere godt i fremtiden, og omvendt vil enhver strategi som har gått dårlig i fortiden, sannsynligvis utføre dårlig i fremtiden. Denne artikkelen tar en titt på hvilke applikasjoner som brukes til backtest, hva slags data er oppnådd, og hvordan man bruker den Data og verktøyene Backtesting kan gi rikelig med verdifull statistisk tilbakemelding om et gitt system. Noen universelle backtesting-statistikker inkluderer: Netto fortjeneste eller tap - Netto prosentvis gevinst eller tap. Tidsramme - Tidligere datoer der testingen skjedde. Universe - Aksjer som ble inkludert i backtestet. Volatilitetsmålinger - Maks prosent prosent opp og ned. Gjennomsnitt - Prosent gjennomsnittlig gevinst og gjennomsnittlig tap, gjennomsnittlige barer holdt. Eksponering - Andel av investert kapital (eller eksponert for markedet). Nivåer - Gevinst-til-tap-forhold. Årlig avkastning - Prosentavkastning over et år. Risikojustert avkastning - Prosentavkastning som en funksjon av risiko. Typisk vil backtesting programvare ha to skjermer som er viktige. Den første tillater handelsmannen å tilpasse innstillingene for backtesting. Disse tilpasningene inkluderer alt fra tidsperiode til provisjonskostnader. Her er et eksempel på en slik skjerm i AmiBroker: Den andre skjermen er den faktiske backtesting-resultatrapporten. Her finner du all statistikk som er nevnt ovenfor. Igjen, her er et eksempel på dette skjermbildet i AmiBroker: Generelt inneholder de fleste handelsprogramvarene lignende elementer. Enkelte avanserte programvare inkluderer også tilleggsfunksjonalitet til å utføre automatisk posisjonering, optimalisering og andre mer avanserte funksjoner. De 10 budene Det er mange faktorer som handlerne tar hensyn til når de vurderer handelsstrategier. Her er en liste over de 10 viktigste tingene å huske mens backtesting: Ta hensyn til de brede markedstrendene i tidsrammen der en bestemt strategi ble testet. For eksempel, hvis en strategi bare ble testet tilbake fra 1999-2000, kan det ikke gå bra på et bjørnmarked. Det er ofte en god ide å backtest over en lang tidsramme som omfatter flere forskjellige typer markedsforhold. Ta hensyn til universet der tilbakestesting skjedde. For eksempel, hvis et bredt markedssystem er testet med et univers bestående av tech-aksjer, kan det mislykkes å gjøre det bra i ulike sektorer. Som en generell regel, hvis en strategi er rettet mot en bestemt genre av lager, begrense universet til den genren, men i alle andre tilfeller opprettholde et stort univers for testformål. Volatilitetsforanstaltninger er ekstremt viktige å vurdere i utviklingen av et handelssystem. Dette gjelder spesielt for levererte kontoer, som er utsatt for marginanrop dersom egenkapitalen faller under et bestemt punkt. Traders bør søke å holde volatiliteten lav for å redusere risikoen og muliggjøre lettere overgang inn og ut av et gitt lager. Det gjennomsnittlige antall barer som holdes er også veldig viktig å se når man utvikler et handelssystem. Selv om de fleste backtesting programvare inkluderer provisjonskostnader i de endelige beregningene, betyr det ikke at du bør overse denne statistikken. Hvis det er mulig, kan det hende at gjennomsnittlig antall barer som holdes, reduserer provisjonskostnadene, og forbedrer din generelle avkastning. Eksponering er et dobbeltkantet sverd. Økt eksponering kan føre til høyere fortjeneste eller høyere tap, mens redusert eksponering betyr lavere fortjeneste eller lavere tap. Imidlertid er det generelt en god ide å holde eksponering under 70 for å redusere risiko og muliggjøre lettere overgang inn og ut av et gitt lager. Den gjennomsnittlige gevinstløpsstatistikken, kombinert med vinner-til-tap-forholdet, kan være nyttig for å bestemme optimal plassering og pengestyring ved hjelp av teknikker som Kelly-kriteriet. (Se Money Management ved hjelp av Kelly-kriteriet.) Traders kan ta større stillinger og redusere provisjonskostnader ved å øke sine gjennomsnittlige gevinster og øke deres vinner-til-tap-forhold. Årlig avkastning er viktig fordi den brukes som et verktøy for å benchmark en systemavkastning mot andre investeringssteder. Det er viktig ikke bare å se på den samlede årlige avkastningen, men også å ta hensyn til økt eller redusert risiko. Dette kan gjøres ved å se på den risikojusterte avkastningen, som står for ulike risikofaktorer. Før et handelssystem er vedtatt, må det overgå alle andre investeringssteder med like eller mindre risiko. Backtesting tilpasning er ekstremt viktig. Mange backtesting-applikasjoner har innspill for provisjonsbeløp, runde (eller brøkdelte) masse størrelser, tikkestørrelser, marginkrav, renter, slippage-forutsetninger, stillingsreguleringsregler, same-bar-utgangsreguleringer, (bak) stoppinnstillinger og mye mer. For å få de mest nøyaktige backtesting resultatene, er jeg viktig å justere disse innstillingene for å etterligne megleren som vil bli brukt når systemet går live. Backtesting kan noen ganger føre til noe kjent som overoptimalisering. Dette er en tilstand hvor resultatene avstemmes så høyt til fortiden at de ikke lenger er like nøyaktige i fremtiden. Det er generelt en god ide å implementere regler som gjelder for alle aksjer, eller et utvalg av målrettede aksjer, og er ikke optimalisert i den grad reglene ikke lenger er forståelige av skaperen. Backtesting er ikke alltid den mest nøyaktige måten å måle effektiviteten til et gitt handelssystem. Noen ganger har strategier som har gått bra i det siste, ikke lykkes i det nåværende. Tidligere resultater er ikke en indikasjon på fremtidige resultater. Pass på å papirhandel et system som har blitt suksessfullt testet før du går, for å være sikker på at strategien fortsatt gjelder i praksis. Konklusjon Backtesting er et av de viktigste aspektene ved å utvikle et handelssystem. Hvis det opprettes og tolkes ordentlig, kan det hjelpe handelsmenn å optimalisere og forbedre strategiene, finne tekniske eller teoretiske feil, samt få tillit til strategien deres før de påføres det til de virkelige verdensmarkeder. Ressurser Tradecision (tradecision) - High-end Trading System Development AmiBroker (amibroker) - Budsjett Trading System Development. Artikkel 50 er en forhandlings - og oppgjørsklausul i EU-traktaten som skisserer trinnene som skal tas for ethvert land som. Et første bud på et konkursfirma039s eiendeler fra en interessert kjøper valgt av konkursselskapet. Fra et basseng av tilbudsgivere. Beta er et mål for volatiliteten, eller systematisk risiko, av en sikkerhet eller en portefølje i forhold til markedet som helhet. En type skatt belastet kapitalgevinster pådratt av enkeltpersoner og selskaper. Kapitalgevinst er fortjenesten som en investor. En ordre om å kjøpe en sikkerhet til eller under en spesifisert pris. En kjøpsgrenseordre tillater handelsmenn og investorer å spesifisere. En IRS-regelen (Internal Revenue Service) som tillater straffefri uttak fra en IRA-konto. Regelen krever det. Bruke Excel til Back Test Trading Strategies Hvordan tilbake test med Excel Ive gjort en god del handelsstrategi back testing. Ive brukte sofistikerte programmeringsspråk og algoritmer, og Ive har også gjort det med blyant og papir. Du trenger ikke å være en rakettforsker eller en programmerer for å teste mange tradingstrategier. Hvis du kan bruke et regnearksprogram som Excel, kan du prøve å test mange strategier. Målet med denne artikkelen er å vise deg hvordan du kan teste en handelsstrategi med Excel og en offentlig tilgjengelig datakilde. Dette burde ikke koste deg mer enn tiden det tar å gjøre testen. Før du begynner å teste noen strategi, trenger du et datasett. I det minste er dette en rekke datatider og priser. Mer realistisk trenger du datetime, åpne, høye, lave, lukkede priser. Du trenger vanligvis bare tidskomponenten i dataserien hvis du tester intradag trading strategier. Hvis du vil jobbe sammen og lære å tilbakestille testen med Excel mens du leser dette, følg deretter trinnene som jeg skisserer i hver seksjon. Vi trenger å få noen data for symbolet som vi skal tilbake testen. Gå til: Yahoo Finance I feltet Enter symbol (er) skriv inn: IBM og klikk GO Under Quotes på venstre side klikk på Historiske priser og skriv inn datointervallene du vil ha. Jeg valgte fra 1 jan 2004 til 31 des 2004 Bla ned til bunnen av siden og klikk Last ned til regneark Lagre filen med et navn (for eksempel ibm. csv) og til et sted du senere kan finne. Klargjøre data Åpne filen (som du lastet ned over) ved hjelp av Excel. På grunn av den dynamiske naturen på internett, kan instruksjonene du leser over, og filen du åpner, ha endret seg når du leser dette. Når jeg lastet ned denne filen så de øverste få linjene slik ut: Du kan nå slette kolonnene du ikke skal bruke. For testen som jeg skal gjøre, vil jeg bare bruke datoen, åpne og lukk verdier så jeg har slettet høy, lav, volum og adj. Lukk. Jeg sorterte også dataene slik at den eldste datoen var første og den siste datoen var nederst. Bruk Data-gt Sorter menyalternativene for å gjøre dette. I stedet for å teste en strategi som sådan, vil jeg prøve å finne dagen i uken som ga den beste avkastningen hvis du fulgte en kjøpsåpning og selg den nært strategien. Husk at denne artikkelen er her for å introdusere deg til hvordan du bruker Excel til å prøve teststrategier. Vi kan bygge videre på dette fremover. Her er ibm. zip-filen som inneholder regnearket med dataene og formlene for denne testen. Mine data ligger nå i kolonne A til C (Dato, Åpne, Lukk). I kolonne D til H har jeg plassformler for å bestemme avkastningen på en bestemt dag. Skriv inn formlene Den vanskelige delen (med mindre du er en Excel-ekspert) jobber ut formlene som skal brukes. Dette er bare et spørsmål om praksis og jo mer du trener de flere formlene du vil oppdage, og jo mer fleksibilitet vil du ha med testingen. Hvis du har lastet ned regnearket, ta en titt på formelen i celle D2. Det ser slik ut: Denne formelen kopieres til alle de andre cellene i kolonnene D til H (unntatt den første raden) og trenger ikke justeres etter at den er kopiert. Jeg forklarer kort formelen. IF-formelen har en tilstand, sann og falsk del. Tilstanden er: Hvis ukedag (konvertert til et tall fra 1 til 5 som matcher mandag til fredag) er det samme som uken i første rad i denne kolonnen (D1) da. Den sanne delen av setningen (C2-B2) gir oss bare verdien av Lukk - Åpen. Dette indikerer at vi kjøpte Åpen og solgt Lukk, og dette er vår fortjeneste. Den falske delen av erklæringen er et par doble anførselstegn () som ikke plasserer noe i cellen hvis ukedag ikke matches. Skiltene til venstre for kolonnebrevet eller radnummeret låser kolonnen eller raden slik at når den kopierte den delen av cellehenvisningen, endres ikke. Så her i vårt eksempel, når formelen er kopiert, vil referansen til datacellen A2 endre radnummeret hvis den kopieres til en ny rad, men kolonnen vil forbli i kolonne A. Du kan neste formlene og lage unormalt kraftige regler og uttrykk. Resultatene nederst på ukedagskolonnene har jeg lagt opp noen sammendragsfunksjoner. Spesielt gjennomsnitt og sum funksjoner. Disse viser oss at i 2004 var den mest lønnsomme dagen for å gjennomføre denne strategien på en tirsdag, og dette ble tett fulgt av en onsdag. Da jeg testet Expiry Fridays - Bullish eller Bearish-strategien og skrev den artikkelen, brukte jeg en meget lignende tilnærming med et regneark og formler som dette. Målet med denne testen var å se om utløp fredager var generelt bullish eller bearish. Prøv det. Last ned noen data fra Yahoo Finance. last det inn i Excel og prøv formlene og se hva du kan komme med. Legg inn dine spørsmål i forumet. Lykke til og lønnsom strategijakt Selv om vårt strategisk etableringsramme har utviklet seg langt utover NT-begrensningene for mange år siden, finner jeg meg selv å bruke det fra tid til annen, for flere formål, og det er hvor vi begynte, så kanskje jeg kan hjelpe du her. NinjaTrader har sikkert sine feil og mangler, men alle plattformer gjør det, og blant de vanlige handelshandelsplatformene der ute, tror jeg at NT er en av de mest intuitive og enkle, og en av de enkleste å bruke på en effektiv måte rett ut av esken . En av grunnene til dette er NTs strategiveiviser, som gjør det mulig for brukeren å bygge en strategi uten kjennskap til koding, ved hjelp av building blocks for entryexit-tilstand. Jeg gir et eksempel. La oss si at vi ønsker å bygge en strategi som går inn når EMA (eksponentielt glidende gjennomsnitt) i en periode på 15 kryss over SMA (enkelt glidende gjennomsnitt) i en periode på 15, og går ut på markedet nær hver dag. For å gjøre det åpner vi bare strategiveiviseren, tilordner vår strategi et navn og ble konfrontert med følgende skjermbilde, slik at vi kan definere opptil 10 forskjellige sett med forhold som, når de utløses, vil føre til en bestemt handling (vanligvis en oppføring eller utgang): Når vi klikker på tillegget, i toppvinduet ble det konfrontert med følgende skjerm: Som du kan se, har jeg bare valgt EMA til venstre, og SMA til høyre, og Ive har endret våre Periodeverdier for hver til 15. I sentrum har Ive endret rullegardinmenyen til CrossAbove. Hvis du trykker på ok, fyller du den øverste delen av det øverste skjermbildet. Jeg forteller det nå om å skrive inn Long, når denne utløseren oppstår, og klikk Ok: Og det er det. Vi klikker gjennom neste, strategibesparende komposisjoner, og var fri til å teste det for å fastslå sine handelsresultater i den historiske perioden ved hjelp av NT-plattformen. Gitt, dette er en endimensjonal strategi (og det ville absolutt ikke være lønnsomt), men det er et eksempel på hvor lett man kan lage en automatisert handelsstrategi, forutsatt at entryexit-logikken kan kvantifiseres ved hjelp av deres byggeblokkalternativer, som er ganske omfattende hvis du er kreativ. Til slutt kan vi gå gjennom en ekstra funksjon. La oss si at vi ikke var sikre på hvilke bevegelige gjennomsnittlige periodverdier som er optimale, i vår eksempelstrategi. La oss si at vi vil teste flere verdier for å hjelpe oss med å finne ut hvilke verdier som kan være ideelle. For å gjøre det, trykker vi bare tilbake og ble konfrontert med denne skjermen: Som du kan se, har jeg opprettet to variabler, og gitt navnene ovenfor. PeriodOne vil fungere som periodens verdi av vårt EMA-glidende gjennomsnitt, og PeriodTwo vil fungere som periodens verdi av vårt SMA-glidende gjennomsnitt. Nå klikker jeg neste og går tilbake til skjermbildet for inngangsbetingelser, og åpner igjen betingelsesbyggeren, og jeg endrer bare våre 15 verdier til våre nye variabelnavn verdier (henholdsvis PeriodOne og PeriodTwo): Hva dette gjør at vi kan gjøre, lanserer en optimalisering, som vil fortsette å teste forskjellige periodeværdier for begge disse bevegelige gjennomsnittene, og deretter vise resultatene av hver test, for vår inspeksjon. Jeg har gått videre og kjøre denne optimaliseringen, som tok bare et minutt eller to, ved hjelp av råolje og 15 minutters barøkninger som vårt datasett: Som du ser i kolonnen til høyre høyre Parameter, har den testet flere forskjellige kombinasjoner av periodeverdier, og har rangert alle resultater i henhold til den totale netto fortjenesten opptjent over den historiske perioden i vårt testområde (312015 til 112017, i dette tilfellet). Igjen er dette et eksepsjonelt enkelt eksempel, for å illustrere et poeng, men poenget er en gyldig en. spesielt i de tidlige faser, når du eksperimenterer og tester forskjellige ting, kan man gå fra ideen, til en backtest-resultater som viser nøyaktig hva denne ideen ville ha gitt over den historiske perioden, innen få minutter, selv uten programmeringskoding. I tillegg er det en View Code-knapp i noen av skjermbildene ovenfor, som lar deg se tydelig hvordan dine forskjellige utvalgte byggeblokker oversetter til brukbar kode, en flott måte å hjelpe deg med å lære kodingsprosessen over tid. Mitt råd Hoppe rett inn, eksperimentere, lek deg rundt. mye kan læres, raskt og effektivt, ved å gjøre det. spesielt for de som lærer best ved å gjøre. i motsetning til å skape lange, tankefulle, tørre instruksjons tekster. Jeg håper dette er nyttig. Nyt 660 Visninger Middot Vis Oppvoter midtpunkt Ikke for Reproduksjon Du spør hvordan du oppretter et handelssystem på NinjaTrader (NT) og test det igjen. Det kan gjøres, men det er ikke lett. Uten å gå inn i koding og programvare arkitekturdesign, kan jeg bare gi deg en generell ide om hvordan man kan gå om det. Det første trinnet er å skrive et handelssystem. Enkelt sagt består dette av flere deler: (i) skrive en modul som vil inneholde alle de ulike oppsettene for handler du vil utføre (Identifiser tilstanden som utgjør den optimale muligheten til å inngå handel. Dette vil avhenge av på dine kriterier, og du kan ha flere oppsett), (ii) skrive en modul som vil søke etter de oppsettene i dataene dine i sanntid, (iii) skrive en modul som vil katalogisere og lagre oppsettene som finnes i sanntidsdataene, og (iv) skrive en modul som vil utføre en handel basert på noen av disse innstillingene. Dette i seg selv er utfordrende da dette må gjøres i sanntid. I tillegg må du håndtere tilfellene der du finner flere oppsett som kan indikere handler i samme eller motsatte retninger (f. eks. Lang og kort). Du må også vurdere mål, lønnsomhetskriterier for oppstart, stoppe tap og etterfølgende kriterier. Sist men absolutt ikke minst, må du tenke på skalering inn og ut strategier med dine handelsoppsettskriterier. Som en side har jeg ikke engang nevnt verifikasjons - og feilhåndteringskomponenter i koden, som du må adressere også. For å gjøre dette effektivt må du tråkke denne koden. Problemet med å skrive dette i NT er at NT kun støtter en delmengde av C-språket, og gir for øyeblikket kun støtte for 3,5-rammen. Dette betyr at du må skrive den i C som en dll og referere den i NT-koden din. Nå som du har skrevet din dll for å identifisere en handel, må du skrive kode for å utføre handel. NT tilbyr en administrert og en ikke-administrert tilnærming til å gjøre dette. Jeg bruker for tiden og kodes NT, og jeg vil si at denne delen av NT ikke er godt dokumentert - i det minste har jeg ikke funnet det å være, men i all rettferdighet kan du få litt hjelp fra NT-personellet på deres supportforum. Du vil ønske å bruke uhåndtert tilnærming for dette for å få mest mulig fleksibilitet. Selvfølgelig vil du ønske å implementere noen database struktur i koden din for å logge handler. Denne delen av programmet vil også være utfordrende, fordi det er noen problemer du vil møte her. Hver handel må verifiseres, ordrene må sekvenseres og overvåkes ekstremt godt, og din posisjon må overvåkes nøye - spesielt hvis du også planlegger å gå inn i bransjer ved å reversere posisjoner. Nå som du har kommet så langt, kan du skrive en NT-strategi for å teste systemet ditt. Igjen vil den uhåndterte tilnærmingen være mest verdifull her, da den gir mest fleksibilitet for deg. Igjen, denne koden er vanskelig og ikke dokumentert spesielt godt. Det kan imidlertid gjøres. Gratulerer, du er nå ferdig med koding og kan begynne å teste koden din live. Du må kanskje endre koden din for å håndtere sanntidsforhold i live data. Avhengig av markedene du planlegger å handle, må du tenke på hvordan du skal håndtere handel under rapporter, holde posisjoner over natten, handelsgrenser, samt når handel er suspendert av børsen. Forutsatt at du har gjort alt dette, har du nå et testet handelssystem på NT. Som sagt, ikke lett, men det er absolutt gjennomførbart. Etter å ha gjort dette, være forberedt på timer og timer (og timer) av arbeid og testing. Da jeg startet, undervurderte jeg kraftig innsatsen. 1,5k Visninger til middels Vis Oppstartsmotiv Ikke for ReproduksjonTest dine handelsstrategier på disse nettstedene Ville det ikke vært bra hvis du kunne utforme en handelsstrategi, teste den mot historiske data i fem måneder, fem år, uansett, og la det systemet gå på automatisk for en stund - papirhandel slik at du kan se hvordan det fungerer Faktisk lar programvare deg gjøre det som eksisterte i årevis. Problemet er at programmene har vært så clunky at bare hardcore programmerere kunne bruke dem. Eller ellers - som jeg snakket om i en kolonne i mars - ble programvaren låst i backroom av investeringsselskaper. Nå er analytisk handelsprogramvare begynt å krype på nettet. Om det er bra eller ikke, kan vi håndtere et øyeblikk. Men faktum er, akkurat nå kan du registrere deg med flere nettsteder og prøvekjøring strategi-utvikling programvare gratis. Videre planlegger minst en online meglerhandel å gjøre analytisk handel en stor del av sin servicepakke. Robotrader Først, hva er egentlig analytiske programmer og hvordan fungerer de? Mange fungerer litt som lagerskjermene jeg skrev om i juni. For å bruke dem skal du først utarbeide en rekke regler du tror bør regulere din handel. Et eksempel kan være: Jeg kjøper bare aksjer av optisk komponent selskaper med høy tosifret inntjeningsvekst som for tiden handler under deres 50-dagers glidende gjennomsnitt. Jeg bruker bare aksjer som et eksempel. Ulike programmer gir deg mulighet til å opprette handelsstrategier for futures, alternativer og valutaer. I alle tilfeller fyller du bare ut emnene, som i et spørreskjema, og angir alle kriteriene du ønsker å bruke. Et lager skjerm vil da spytte ut en liste over selskaper som passer regningen. Men analytiske programmer går et skritt videre. De vil søke etter selskaper som møtte dine kriterier, for eksempel for to år siden. Da handler det som om de kjøpte aksjer av disse aksjene for to år siden, de vil følge utviklingen i investeringen ved hjelp av historiske markedsdata. På den måten kan de teste om strategien din ville gjøre deg rik eller dårlig. Begrepet for dette er tilbakestesting. Som et neste skritt vil analytiske programmer papirhandle aksjer som oppfyller utvalgskriteriene dine. Dette kalles fremover testing. Og her igjen får du en kontinuerlig oversikt over hvor godt systemet fungerer. Til slutt, i løpet av din live trading, skanner de beste av disse programmene gjennom terabyte av sanntids markedsdata og varsler deg når en handelsmulighet oppstår - som alltid, basert på reglene du har definert. Det er spekteret av ting disse programmene kan gjøre for deg. Et par nettsteder tilbyr nå gratis deler av denne funksjonaliteten. For eksempel, lagerskjermen på CNBC lar deg bygge et ganske komplisert søk som gir opp en liste over selskaper. I tillegg kommer en fin graf opp for å vise deg hvor godt strategien din ville ha utført måned til måned i løpet av det siste året. Et annet nettsted, Tradetrek. faktisk plukker lager for deg med sin analytiske programvare. Og på den måten er nettstedet ligner siXer. EquityTrader og StockConsultant. Alle disse gratis nettstedene bruker analytisk programvare for å generere kjøp og salgssignaler. Tradetrek er noe forskjellig fordi den inneholder en back-testing-funksjon som lar deg se hvor godt programvaren har utført tidligere. Bare velg en dato, klikk på en av lageranbefalinger som dukket opp på den datoen, og klikk deretter neste dag. Og du ser om programmer anbefalingen ville ha gjort eller tapt deg penger. (Det ville være fint om flere økonomiske nettsider var dette kommende.) Tradetrek er gratis hvis du bruker forsinket data. Abonnement gir deg tilgang til sanntidsdata og koster 25 per måned. OverTrade går videre fremdeles ved å la deg utarbeide og returnere testhandelsstrategier for individuelle aksjer. Så vi kan si at du velger America Online (AOL). Fortell programmet hvor mye av en du vil ha hver gang du går inn i en lang stilling. La oss si at du liker å lage 4 på hver handel. Nå heres hvor AboveTrade blir litt tegneserieaktig. Du velger deretter fra en håndfull hermetiske strategier. Hver har et beskrivende navn, for eksempel den forsiktige Dr. Trend eller Aggressive Major Bullmaker. Deretter velger du en bransjeanalytikalkalkulator som gir spesiell vekt til, si rentenivået eller sektoren din lager faller innenfor, i dette tilfellet Internett-sektoren. Trykk på Se resultater-knappen, og du ser hvor godt strategien for aksjen kan ha jobbet i løpet av inntil to år. Nærmere bestemt kommer en graf av aksjen opp som viser dine foreslåtte oppførings - og utgangspunkter for testperioden. Hvis strategien din viser seg å være en vinner, kan du se etter paralleller mellom hvordan kartleggingen ble kartlagt i fortiden og hvordan den kartlegger for øyeblikket og deretter handle i henhold til dette. Å avgjøre selv denne typen forenklet strategi kan være tidkrevende. Handelssystemene jeg bygde på AboveTrade kom alltid tilbake og viste negativ avkastning. Kanskje det var bare min flaks. Heldigvis har AboveTrade en funksjon som viser deg de vinnende strategiene plukket av andre medlemmer. Jeg oppdaget for eksempel at en medlemsstrategi, kalt AOL og asha, ville ha gitt meg 104 gevinster i løpet av det siste året gjennom onsdag (vs. en 12,5-retur hvis du hadde kjøpt og holdt aksjen over den perioden). Denne funksjonen minner meg om anbefalingene for amatørlager du finner på nettsteder som ClearStation og iexchange. Bortsett fra at i stedet for å bytte lager anbefalinger, er folk på AboveTrade i stand til å bytte handelsstrategier. Det er alt veldig gøy. Men, som jeg antydet tidligere, synes OverTrade mer som et leketøy enn en seriøs søknad. For en ting, har jeg ingen anelse om hvilke spesifikke kriterier Aggressive Major Bullmaker baserer handelsbeslutninger på. For det saks skyld ville jeg ikke satse på huset på en strategi som spyttet ut av CNBC-lagerskjermen eller Tradetrek stock-tip-motoren, heller ikke uten å gjøre mye mer due diligence selv. Serious Stuff Mange selskaper markedsfører mer alvorlige analytiske programmer på nettet. Magasinet Technical Analysis of Stocks and Commodities (handelsmenn) inneholder hva som er sannsynligvis den mest komplette listen tilgjengelig. Lederen i denne kategorien har lenge vært TradeStation fra Omega Research. TradeStation har sitt eget programmeringsspråk, samt en omfattende liste over hermetiske strategier å velge mellom. Programmene brukerne har alltid vært en nært underkultur, som Airstream tilhenger eiere. De møtes på årlige konvensjoner og tilhører brukerklubber over hele landet. Og de selger eller bytter aktivt tradingstrategiene de har utviklet. Inntil nylig hadde den komplette TradeStation-pakken av programmer kostet deg ca 5.000. Men en gang i september planlegger Omega Research å fusjonere med Internett-aktør-forhandlermegling OnlineTrading. Når det skjer, vil TradeStation ikke bli solgt som en frittstående pakke. I stedet vil den bli integrert med OnlineTradings eksekveringsplattform, som tar en provisjon per handel og allerede inneholder klokkene og fløyter som dagtraders ser etter. Ideen er selvfølgelig at du kan programmere i en handelsstrategi ved hjelp av TradeStation, deretter tilbake test og videresende teste den. Og når du er klar til å gå i live, drar du bare avtrekkeren når systemet ser en mulighet - en fin pakke. Og Omega Research medstifter Ralph Cruz mener han kan stole på TradeStations 45.000 sterke kundebase for å være blant de første som skal overføre til den nye tjenesten, som vil bli kalt TradeStation. Du kan tenke på TradeStation som en CyBerCorp-konkurrent, sier Cruz. CyBerCorp er en populær daytrading brokerage, og har en plattform for ekspedisjon på profesjonell nivå som også inneholder et analytisk program kalt CyBerQuant. CyBerQuant gir deg mulighet til å gjøre realtidskontroll, men det testes ikke på nytt. Så vil tilbake testing og andre sofistikerte handelsstrategier utviklingsverktøy bli en del av alle aktive handelsfolk arsenal Cruz mener å forlate det til en datamaskin for å planlegge og utføre handler vil ta mye angst og usikkerhet ut av jobben. Traders nå er overveldet med informasjon, sier han. Men dypt ned, innser de at i det minste det største hindret for deres egen suksess er deres egne følelser, spesielt frykt og grådighet. TradeStation er basert på premisset om at den beste måten å lykkes på er å isolere dine følelser fra din beslutningstaking. Mark Ingebretsen er editor-at-large med Online Investor magazine. Han har skrevet for en rekke forretnings - og finanspublikasjoner. For tiden har han ingen stillinger i aksjelagrene nevnt i denne kolonnen. Mens Ingebretsen ikke kan gi investeringsråd eller anbefalinger, hilser han deg velkommen på mingebretsenonlineinvestor.