Trading-strategy-backtesting-measure

Trading-strategy-backtesting-measure

Pilihan-trading-account-australia
Pelajari-options-trading-toronto
Opsi-trading-buku-review


Sharekhan-online-trading-guide Online-trading-di-the-uk Opsi saham msu Kiat-opsi pasar saham India Latest-forex-trading-strategies Strategi trading-python

Ikhtisar: Situs pendidikan gratis ini dimaksudkan agar Anda dapat membandingkan strategi perdagangan teknik yang paling ilmiah sealami mungkin melalui backtesting. Secara umum, cukup sulit untuk secara konsisten mengalahkan pasar dan Anda harus skeptis terhadap apapun yang memberitahu Anda sebaliknya. Situs ini memungkinkan Anda untuk mendukung beberapa strategi teknis yang umum untuk melihat bagaimana kinerja mereka terhadap pasar dan memungkinkan Anda memajang saham yang memenuhi kriteria trading Anda. Strategi yang backtest dengan baik, tentu saja, tidak menjamin kesuksesan maju namun bisa memiliki probabilitas yang lebih tinggi untuk berkinerja baik. Backtesting juga memungkinkan Anda melihat kondisi pasar di mana strategi tertentu akan berkinerja baik. Misalnya, jika Anda yakin pasar akan terikat ke depan, Anda dapat mengetahui strategi apa yang terbaik di pasar jenis ini. Hal ini dilakukan dengan backtesting kerangka waktu sejarah yang terikat dan melihat strategi mana yang terbaik. Backtesting juga membantu Anda melihat parameter strategi mana yang paling kuat sepanjang periode waktu yang berbeda. Misalnya, apakah 10 stop-loss mengungguli 5 titik perhentian 9 periode waktu historis dari 10 Jadi, backtesting dapat memberikan wawasan perdagangan yang berharga meskipun tidak dapat menjamin masa depan. Beberapa hal menarik yang mungkin Anda temukan: Kombinasi perdagangan dan komisi aktif dapat menghapus Anda meskipun Anda memiliki persentase yang baik dalam memenangkan perdagangan. Halangan yang benar-benar ketat dapat benar-benar menyakiti profitabilitas jangka panjang Anda dan tidak mengurangi penarikan sebanyak yang mungkin Anda harapkan. Strategi yang Anda pikir akan bagus yang secara konsisten mengimbangi pasar Directions (Single Stock Backtesting): Pilih saham yang ingin Anda gunakan untuk mendukung strategi teknis Anda. Modal Awal: Jumlah uang yang Anda mulai dengan Stoploss: Titik di mana Anda ingin keluar dari posisi yang bergerak melawan Anda. Perhentian reguler berarti Anda akan keluar dari posisi Anda jika saham turun dalam persentase di bawah tempat Anda membelinya. Trailing stop: Katakanlah Anda membeli saham pada pukul 10 dan memasukkan 10 trailing stop. Jika saham jatuh 10 tanpa kenaikan yang lebih tinggi, Anda akan menjual di 9. Tetapi jika saham naik sampai 15 lalu turun 10 menjadi 13,5, Anda akan menjual pada level 13,5 dan mengunci beberapa keuntungan. Target: Jual bila stok Anda mencapai persentase keuntungan tertentu (Bisa dimatikan dengan memilih Dont Use Target) Tanggal Mulai Tanggal dan Tanggal: Pilih tanggal historis di mana Anda ingin menguji strategi. Sinyal: Sinyal melibatkan penyeberangan atau hubungan antara harga dan indikator teknis. Misalnya, golden cross, beli saat 50 hari simple moving average (sma) melintasi diatas sma 200 hari dan jual saat 50 hari melintasi di bawah hari 200 (death cross). Tautan berikut menjelaskan beberapa indikator teknis populer: Dapatkan TradesGraph: Dapatkan perdagangan akan benar-benar menunjukkan kepada Anda perdagangan yang akan Anda lakukan jika Anda kembali pada waktunya dengan ringkasan kinerja yang disertakan. Tes statistik: Uji untuk melihat apakah rata-rata strategi pengembalian rata-rata harian sama dengan rata-rata pengembalian Sampr 500 harian atau sama dengan rata-rata pengembalian pembelian dan penangguhan harian selama periode tersebut. Kami ingin tahu seberapa yakin kita bisa menolak bahwa kedua pengembalian itu sama. Semakin tinggi kepercayaan semakin yakin bahwa strategi Anda sebenarnya lebih baik daripada SampP 500 atau buy and hold. Grafik memplot nilai portofolio dari waktu ke waktu dengan ringkasan kinerja yang disertakan. Petunjuk (PortTester Beta): Ini untuk mendukung strategi yang akan Anda terapkan pada portofolio Anda karena saham mencapai sinyal pembelian dan penjualan teknis Anda. Di kotak teks pertama, masukkan ticker untuk keranjang saham yang ingin Anda gunakan untuk mendukung strategi teknis Anda. Masukkan setiap ticker yang dipisahkan oleh spasi. Saham saat ini tersedia termasuk 30 saham dow, AA AXP BA BAC CAT CSCO CVX DD DIS GE HD HPQ IBM INTC JNJ JPM KFT KO MCD MMM MRK MSFT PFE PG T TRV UTX VZ WMT XOM. Untuk memasukkan semua 30 di backtest, cukup ketik DJIA yang merupakan default. Target Jumlah Posisi Terbuka: Ini adalah jumlah saham yang ingin Anda posisikan dan tidak ada lagi. Misalnya, katakanlah Anda ingin menargetkan 2 posisi terbuka. Ketika backtester menemukan sinyal beli di salah satu saham yang Anda masukkan ke dalam keranjang, katakan GE, itu akan menganggap GE dibeli. Sekarang akan mencari 1 saham lagi untuk membeli ketika ada sinyal beli, katakanlah BAC. Anda sekarang memiliki portofolio 2 posisi terbuka (GE dan BAC) dan backtester tidak akan membeli lagi sampai sinyal jual menjual salah satu saham. Portofolio terdiversifikasi mungkin memiliki 10 saham atau lebih, namun ini membutuhkan banyak daya komputasi untuk backtest. Dengan demikian, portofolio kecil seperti default dari 5 posisi terbuka akan cukup untuk mendapatkan rasa kinerja strategi. Sebagai catatan, bagi investor dengan modal kecil mengatakan 10.000, sangat mahal untuk menukar sejumlah besar posisi dengan 20 komisi untuk perdagangan round trip. ETF adalah cara murah untuk mendapatkan diversifikasi. Modal Awal: Jumlah uang yang Anda mulai dengan Komisi Perdagangan: Jumlah yang Anda bayarkan untuk TDAmeritrade, SOGO, ScottTrade, dll untuk memperdagangkan saham Ukuran Posisi: Beginilah cara Anda memutuskan sejumlah uang untuk masing-masing saham dalam portofolio Anda. Saat ini hanya ada satu pilihan (Equal Cash Allocation) yang tersedia. Ini berarti jika saya memiliki 10.000 dan saya ingin masuk 2 posisi, saya akan memasukkan 5000 di setiap komisi yang lebih sedikit. Dengan kata lain, uang tunai yang tersedia akan dibagi rata ke posisi baru sampai saya mencapai target n jumlah posisi terbuka saya. Pilihan lain yang akan datang adalah jumlah saham yang sama, dan aturan ukuran berdasarkan volatilitas. Stoploss: Titik di mana Anda ingin keluar dari posisi yang bergerak melawan Anda. Katakanlah Anda membeli saham di 10 dan dimasukkan ke dalam 10 trailing stop. Jika saham jatuh 10 tanpa kenaikan yang lebih tinggi, Anda akan menjual di 9. Tetapi jika saham naik sampai 15 lalu turun 10 menjadi 13,5, Anda akan menjual pada level 13,5 dan mengunci beberapa keuntungan. Tanggal Mulai Tanggal dan Tanggal: Pilih tanggal historis di mana Anda ingin menguji strategi. Backtester akan dimulai pada tanggal mulai dalam data historis dan akan mencari melalui saham yang Anda pilih sampai meniru sinyal beli. Jika tidak ada sinyal beli yang ditemukan pada hari pertama, backtester bergerak ke hari berikutnya dan mencari semua saham di keranjang sampai sinyal beli ditemukan dimana harga saham diasumsikan dibeli pada harga penutupan yang disesuaikan untuk perpecahan dan Dividen. Begitu stok dibeli, backtester akan mencari untuk menjual saham itu saat sinyal jual datang. Ini juga terus terlihat untuk membeli saham sampai jumlah target posisi terbuka tercapai. Pada saat bersamaan, akan menjual posisi yang ada jika terjadi sinyal jual. Nilai portofolio dihitung setiap hari sampai tanggal akhir. Sinyal: Sinyal melibatkan penyeberangan atau hubungan antara harga dan indikator teknis. Misalnya, golden cross, beli saat 50 hari simple moving average (sma) melintasi diatas sma 200 hari dan jual saat 50 hari melintasi di bawah hari 200 (death cross). Dapatkan TradesGraph: Dapatkan perdagangan akan benar-benar menunjukkan kepada Anda perdagangan yang akan Anda lakukan jika Anda kembali pada waktunya dengan ringkasan kinerja yang disertakan. Grafik memplot nilai portofolio dari waktu ke waktu dengan ringkasan kinerja yang disertakan. Penafian: stockbacktest tidak mendukung atau merekomendasikan strategi atau sekuritas apa pun di situs ini. Konten di situs ini adalah untuk tujuan informasi dan tidak dijadikan saran investasi. Stockbacktest tidak bertanggung jawab atas kesalahan pada situs ini atau tindakan yang diambil berdasarkan konten situs ini. Peninjauan ulang: Menafsirkan Backtesting Masa Lalu adalah komponen kunci pengembangan sistem perdagangan yang efektif. Hal ini dilakukan dengan merekonstruksi, dengan data historis, perdagangan yang akan terjadi di masa lalu dengan menggunakan peraturan yang didefinisikan oleh strategi yang diberikan. Hasilnya menawarkan statistik yang bisa digunakan untuk mengukur keefektifan strategi. Dengan menggunakan data ini, para pedagang dapat mengoptimalkan dan memperbaiki strategi mereka, menemukan kekurangan teknis atau teoritis, dan mendapatkan kepercayaan pada strategi mereka sebelum menerapkannya ke pasar sebenarnya. Teori dasarnya adalah bahwa strategi apa pun yang berjalan dengan baik di masa lalu cenderung berjalan dengan baik di masa depan, dan sebaliknya, strategi apa pun yang berkinerja buruk di masa lalu mungkin akan berkinerja buruk di masa depan. Artikel ini membahas aplikasi apa yang digunakan untuk melakukan backtest, data seperti apa yang diperoleh, dan bagaimana menggunakannya untuk menggunakan Data dan Alat BackTesting dapat memberikan banyak umpan balik statistik yang berharga mengenai sistem yang diberikan. Beberapa statistik backtesting universal meliputi: Laba atau Rugi Bersih - Persentase keuntungan atau kerugian bersih. Kerangka waktu - Tanggal terakhir di mana pengujian terjadi. Universe - Saham yang termasuk dalam backtest. Langkah-langkah Volatilitas - Persentase maksimum terbalik dan downside. Rata-rata - Persentase kenaikan rata-rata dan rata-rata kerugian, rata-rata bar yang ditahan. Paparan - Persentase modal yang diinvestasikan (atau terkena pasar). Rasio - rasio Wins-to-losses. Annualized return - Persentase pengembalian lebih dari satu tahun. Resiko yang disesuaikan kembali - Persentase pengembalian sebagai fungsi risiko. Biasanya, backtesting software akan memiliki dua layar yang penting. Yang pertama memungkinkan pedagang untuk menyesuaikan pengaturan untuk backtesting. Penyesuaian ini mencakup segala hal mulai dari periode waktu hingga biaya komisi. Berikut adalah contoh layar seperti di AmiBroker: Layar kedua adalah laporan hasil backtesting aktual. Di sinilah Anda bisa menemukan semua statistik yang disebutkan di atas. Sekali lagi, berikut adalah contoh layar ini di AmiBroker: Secara umum, kebanyakan perangkat lunak perdagangan berisi elemen yang serupa. Beberapa program perangkat lunak high-end juga mencakup fungsi tambahan untuk melakukan ukuran posisi otomatis, optimalisasi dan fitur lanjutan lainnya. 10 Perintah Ada banyak faktor yang diperhatikan para pedagang saat mereka melakukan backtesting strategi trading. Berikut adalah daftar 10 hal terpenting yang harus diingat saat backtesting: Perhatikan tren pasar yang luas dalam kerangka waktu di mana strategi yang diberikan diuji. Misalnya, jika strategi hanya dilelang pada tahun 1999-2000, mungkin strategi ini tidak berjalan dengan baik di pasar beruang. Seringkali merupakan ide bagus untuk melakukan backtest dalam jangka waktu lama yang mencakup beberapa jenis kondisi pasar yang berbeda. Perhatikan alam semesta dimana backtesting terjadi. Misalnya, jika sistem pasar yang luas diuji dengan alam semesta yang terdiri dari saham teknologi, hal itu mungkin gagal dilakukan dengan baik di berbagai sektor. Sebagai aturan umum, jika sebuah strategi ditargetkan pada genre stok tertentu, batasi alam semesta untuk genre itu, namun, dalam semua kasus lainnya, pertahankan alam semesta yang luas untuk tujuan pengujian. Langkah-langkah volatilitas sangat penting untuk dipertimbangkan dalam mengembangkan sistem perdagangan. Hal ini terutama berlaku untuk akun leverage, yang mendapat margin call jika ekuitas mereka turun di bawah titik tertentu. Pedagang harus berusaha menjaga agar volatilitas tetap rendah agar mengurangi risiko dan memungkinkan transisi lebih mudah masuk dan keluar dari saham tertentu. Rata-rata jumlah bar yang dipegang juga sangat penting untuk ditonton saat mengembangkan sistem perdagangan. Meskipun kebanyakan perangkat lunak backtesting mencakup biaya komisi dalam perhitungan akhir, bukan berarti Anda harus mengabaikan statistik ini. Jika memungkinkan, meningkatkan jumlah bar rata-rata yang dimiliki dapat mengurangi biaya komisi, dan meningkatkan keseluruhan laba Anda. Paparan adalah pedang bermata dua. Eksposur yang meningkat dapat menyebabkan keuntungan lebih tinggi atau kerugian yang lebih tinggi, sementara penurunan eksposur berarti menurunkan keuntungan atau menurunkan kerugian. Namun, secara umum, adalah ide yang bagus untuk mempertahankan eksposur di bawah 70 untuk mengurangi risiko dan memungkinkan transisi lebih mudah masuk dan keluar dari saham tertentu. Statistik rata-rata gainloss, dikombinasikan dengan rasio won-to-loss, dapat berguna untuk menentukan ukuran posisi optimal dan pengelolaan uang menggunakan teknik seperti Kelly Criterion. (Lihat Manajemen Uang Menggunakan Kriteria Kelly.) Pedagang dapat mengambil posisi yang lebih besar dan mengurangi biaya komisi dengan meningkatkan kenaikan rata-rata dan meningkatkan rasio kemenangan-terhadap-kerugian mereka. Kembalinya tahunan sangat penting karena digunakan sebagai alat untuk mengukur kembali sistem terhadap tempat investasi lainnya. Penting tidak hanya untuk melihat keseluruhan pengembalian tahunan, tetapi juga untuk memperhitungkan peningkatan atau penurunan risiko. Hal ini dapat dilakukan dengan melihat tingkat pengembalian yang disesuaikan dengan risiko, yang memperhitungkan berbagai faktor risiko. Sebelum sistem perdagangan diterapkan, perusahaan harus mengungguli semua tempat investasi lainnya dengan risiko sama atau kurang. Kustomisasi backtesting sangat penting. Banyak aplikasi backtesting memiliki masukan untuk jumlah komisi, ukuran lot bulat (atau pecahan), ukuran tick, persyaratan margin, tingkat suku bunga, asumsi slippage, peraturan ukuran posisi, aturan keluar bar yang sama, (trailing) stop setting dan banyak lagi. T o mendapatkan hasil backtesting yang paling akurat, saya penting untuk menyetel pengaturan ini untuk meniru broker yang akan digunakan saat sistem dijalankan live. Backtesting kadang-kadang dapat menyebabkan sesuatu yang dikenal sebagai over-optimization. Ini adalah kondisi dimana hasil kinerja sangat sesuai dengan masa lalu sehingga mereka tidak lagi seakurat mungkin di masa depan. Biasanya ide yang baik untuk menerapkan peraturan yang berlaku untuk semua saham, atau serangkaian target saham yang ditargetkan, dan tidak dioptimalkan sejauh peraturan tidak dapat dimengerti oleh pencipta. Backtesting tidak selalu merupakan cara yang paling akurat untuk mengukur keefektifan sistem perdagangan tertentu. Terkadang strategi yang dilakukan dengan baik di masa lalu gagal dilakukan dengan baik di masa sekarang. Kinerja masa lalu tidak menunjukkan hasil di masa depan. Pastikan kertas menukar sistem yang telah berhasil dilipat sebelum ditayangkan untuk memastikan strategi masih berlaku dalam praktik. Kesimpulan Backtesting adalah salah satu aspek terpenting dalam mengembangkan sistem perdagangan. Jika dibuat dan ditafsirkan dengan benar, ini dapat membantu pedagang mengoptimalkan dan memperbaiki strategi mereka, menemukan kekurangan teknis atau teoritis, serta mendapatkan kepercayaan pada strategi mereka sebelum menerapkannya ke pasar dunia nyata. Sumber Daya Tradecision (tradecision) - Pengembangan Sistem Perdagangan High-end AmiBroker (amibroker) - Pengembangan Sistem Perdagangan Anggaran. Teori ekonomi tentang pengeluaran total dalam perekonomian dan pengaruhnya terhadap output dan inflasi. Ekonomi Keynesian dikembangkan. Kepemilikan aset dalam portofolio. Investasi portofolio dilakukan dengan harapan menghasilkan laba di atasnya. Ini. Rasio yang dikembangkan oleh Jack Treynor bahwa langkah-langkah pengembalian yang diperoleh melebihi yang bisa diperoleh tanpa risiko. Pembelian kembali saham beredar (repurchase) oleh perusahaan untuk mengurangi jumlah saham yang beredar di pasaran. Perusahaan. Pengembalian pajak adalah pengembalian pajak yang dibayarkan kepada individu atau rumah tangga bila kewajiban pajak sebenarnya kurang dari jumlah tersebut. Nilai moneter dari semua barang jadi dan jasa yang dihasilkan dalam batas negara dalam periode waktu tertentu. Peninjauan kembali strategi perdagangan Algoritma yang benar - Bagian I Artikel ini melanjutkan rangkaian perdagangan kuantitatif, yang dimulai dengan Panduan Pemula dan Identifikasi Strategi. Kedua artikel yang lebih lama dan lebih terlibat ini sangat populer sehingga Ill melanjutkan hal ini dan memberikan detail tentang topik backtesting strategi. Algoritma backtesting membutuhkan pengetahuan dari banyak bidang, termasuk psikologi, matematika, statistik, pengembangan perangkat lunak dan mikrostruktur pasar. Saya tidak bisa berharap untuk membahas semua topik dalam satu artikel, jadi saya akan membagi mereka menjadi dua atau tiga bagian yang lebih kecil. Apa yang akan kita bahas di bagian ini. Permulaan dengan mendefinisikan backtesting dan kemudian saya akan menjelaskan dasar-dasar bagaimana hal itu dilakukan. Kemudian saya akan menjelaskan bias yang kita singgung pada Panduan Pemula untuk Perdagangan Kuantitatif. Selanjutnya saya akan menyajikan perbandingan dari berbagai opsi perangkat lunak backtesting yang ada. Dalam artikel selanjutnya kita akan melihat rincian implementasi strategi yang seringkali tidak disebutkan atau diabaikan. Kami juga akan mempertimbangkan bagaimana membuat proses backtesting lebih realistis dengan memasukkan kekhasan dari pertukaran perdagangan. Kemudian kita akan membahas biaya transaksi dan cara memodelkannya dengan benar dalam setting backtest. Kita akan berakhir dengan diskusi tentang kinerja backtests kita dan akhirnya memberikan contoh strategi quant yang umum, yang dikenal sebagai perdagangan pasang rata-rata. Mari kita mulai dengan membahas backtesting apa dan mengapa kita harus melaksanakannya dalam perdagangan algoritmik kita. Apa itu Trading Algoritma Backtesting yang berdiri terpisah dari jenis kelas investasi lainnya karena kita dapat dengan lebih andal memberikan harapan tentang kinerja masa depan dari kinerja masa lalu, sebagai konsekuensi ketersediaan data yang melimpah. Proses dimana hal ini dilakukan disebut backtesting. Secara sederhana, backtesting dilakukan dengan mengekspos algoritma strategi khusus Anda ke arus data keuangan historis, yang mengarah ke satu set sinyal perdagangan. Setiap perdagangan (yang akan kita maksud di sini untuk menjadi perjalanan pulang dari dua sinyal) akan memiliki keuntungan atau kerugian terkait. Akumulasi keuntungan ini selama durasi backtest strategi Anda akan menghasilkan total keuntungan dan kerugian (juga dikenal sebagai PL atau PnL). Itulah inti dari ide tersebut, walaupun tentu saja setan selalu ada dalam rincian Apa alasan utama untuk mendukung strategi algoritme Filtrasi - Jika Anda ingat dari artikel tentang Identifikasi Strategi. Tujuan kami pada tahap penelitian awal adalah menyusun strategi pipa dan kemudian menyaring strategi yang tidak memenuhi kriteria tertentu. Backtesting memberi kita mekanisme penyaringan lain, karena kita dapat menghilangkan strategi yang tidak sesuai dengan kebutuhan kinerja kita. Pemodelan - Backtesting memungkinkan kita untuk (aman) menguji model baru fenomena pasar tertentu, seperti biaya transaksi, urutan routing, latency, likuiditas atau masalah struktur mikro pasar lainnya. Optimalisasi - Meskipun pengoptimalan strategi penuh dengan bias, backtesting memungkinkan kita untuk meningkatkan kinerja strategi dengan memodifikasi kuantitas atau nilai parameter yang terkait dengan strategi tersebut dan menghitung ulang kinerjanya. Verifikasi - Strategi kami sering bersumber dari luar, melalui strategi pipa kami. Backtesting strategi memastikan bahwa hal itu tidak salah dilaksanakan. Meskipun kita jarang memiliki akses terhadap sinyal yang dihasilkan oleh strategi eksternal, kita akan sering memiliki akses ke metrik kinerja seperti karakteristik Sharpe Ratio and Drawdown. Dengan demikian kita bisa membandingkannya dengan implementasi kita sendiri. Backtesting menyediakan sejumlah keuntungan untuk perdagangan algoritmik. Namun, tidak selalu mungkin untuk secara langsung mendukung strategi. Secara umum, seiring dengan meningkatnya frekuensi strategi, menjadi sulit untuk memodelkan efek mikro pasar dan pertukaran dengan benar. Hal ini menyebabkan backtests kurang andal dan dengan demikian merupakan evaluasi yang lebih rumit mengenai strategi yang dipilih. Ini adalah masalah khusus di mana sistem eksekusi adalah kunci kinerja strategi, seperti algoritma frekuensi ultra-tinggi. Sayangnya, backtesting penuh dengan bias semua jenis. Kami telah menyinggung beberapa masalah ini di artikel sebelumnya, namun sekarang kami akan membahasnya secara mendalam. Biases Mempengaruhi Strategi Backtests Ada banyak bias yang dapat mempengaruhi kinerja strategi backtested. Sayangnya, bias ini memiliki kecenderungan untuk mengembang kinerja daripada menguranginya. Dengan demikian Anda harus selalu mempertimbangkan backtest untuk menjadi batas tertinggi ideal pada kinerja aktual strategi. Hampir tidak mungkin untuk menghilangkan bias dari perdagangan algoritmik, jadi tugas kita untuk meminimalkannya sebaik mungkin untuk membuat keputusan berdasarkan informasi tentang strategi algoritmik kami. Ada empat bias utama yang ingin saya diskusikan: Optimasi Bias. Look-Ahead Bias. Bias Survivorship dan Toleransi Psikologis Bias. Optimasi Bias Ini mungkin yang paling berbahaya dari semua bias backtest. Ini melibatkan penyesuaian atau pengenalan parameter perdagangan tambahan sampai kinerja strategi pada kumpulan data backtest sangat menarik. Namun, sekali menjalani kinerja strategi bisa sangat berbeda. Nama lain untuk bias ini adalah kurva pas atau data-snooping bias. Bias optimasi sulit dihilangkan karena strategi algoritmik sering melibatkan banyak parameter. Parameter dalam contoh ini mungkin merupakan kriteria entryexit, periode lihat-kembali, periode rata-rata (yaitu parameter pemulusan rata-rata bergerak) atau frekuensi pengukuran volatilitas. Bias optimasi dapat diminimalkan dengan menjaga jumlah parameter seminimal mungkin dan meningkatkan jumlah titik data dalam rangkaian pelatihan. Sebenarnya, kita juga harus berhati-hati dengan yang terakhir karena poin pelatihan yang lebih tua dapat dikenai rezim sebelumnya (seperti lingkungan peraturan) dan karenanya mungkin tidak sesuai dengan strategi Anda saat ini. Salah satu metode untuk membantu mitigasi bias ini adalah dengan melakukan analisis sensitivitas. Ini berarti memvariasikan parameter secara bertahap dan merencanakan permukaan kinerja. Suara, penalaran fundamental untuk pilihan parameter harus, dengan semua faktor lain dipertimbangkan, mengarah ke permukaan parameter yang lebih halus. Jika Anda memiliki permukaan kinerja yang sangat gelisah, seringkali berarti bahwa parameter tidak mencerminkan fenomena dan merupakan artefak dari data uji. Ada banyak literatur algoritma optimasi multi-dimensi dan ini adalah bidang penelitian yang sangat aktif. Saya tidak akan memikirkannya di sini, tapi tetap mengingatnya di belakang pikiran Anda saat Anda menemukan strategi dengan Bias Look-Ahead Back-Look yang fantastis Back-Look bias di depan diperkenalkan ke sistem backtesting saat data masa depan secara tidak sengaja disertakan pada satu titik di Simulasi dimana data tersebut sebenarnya tidak akan tersedia. Jika kita menjalankan backtest secara kronologis dan kita mencapai titik waktu N, maka bias look-ahead terjadi jika data disertakan untuk sembarang titik Nk, dimana k0. Kesalahan bias di depan bias bisa sangat halus. Berikut adalah tiga contoh bagaimana bias melihat ke depan dapat dikenalkan: Technical Bugs - Arraysvectors dalam kode sering kali memiliki iterator atau variabel indeks. Sepenuhnya offset dari indeks ini dapat menyebabkan bias melihat-depan dengan memasukkan data di Nk untuk non-nol k. Perhitungan Parameter - Contoh umum bias tampilan depan lainnya saat menghitung parameter strategi optimal, seperti regresi linier antara dua deret waktu. Jika seluruh kumpulan data (termasuk data masa depan) digunakan untuk menghitung koefisien regresi, dan dengan demikian secara retroaktif diterapkan pada strategi perdagangan untuk tujuan pengoptimalan, maka data masa depan digabungkan dan bias melihat-depan ada. MaximaMinima - Strategi perdagangan tertentu menggunakan nilai ekstrim dalam periode waktu tertentu, seperti memasukkan harga OHLC tinggi atau rendah. Namun, karena nilai maksimal maksimal ini hanya dapat dihitung pada akhir periode waktu, bias melihat ke depan diperkenalkan jika nilai ini digunakan -menunjukkan periode saat ini. Selalu perlu untuk menunda nilai highlow setidaknya dengan satu periode dalam strategi perdagangan yang memanfaatkannya. Seperti bias optimasi, seseorang harus sangat berhati-hati untuk menghindari pendahuluannya. Hal ini sering menjadi alasan utama mengapa strategi trading underperform backtests mereka secara signifikan dalam live trading. Bias Survivorship Survivinance bias adalah fenomena yang sangat berbahaya dan dapat menyebabkan kinerja meningkat secara signifikan untuk jenis strategi tertentu. Ini terjadi ketika strategi diuji pada kumpulan data yang tidak mencakup keseluruhan aset awal yang mungkin telah dipilih pada titik waktu tertentu, namun hanya mempertimbangkan yang bertahan sampai saat ini. Sebagai contoh, pertimbangkan untuk menguji strategi pemilihan acak ekuitas sebelum dan sesudah jatuhnya pasar 2001. Beberapa saham teknologi bangkrut, sementara yang lain berhasil bertahan dan bahkan makmur. Jika kami membatasi strategi ini hanya pada saham yang berhasil melewati periode penarikan pasar, kami akan memperkenalkan bias bertahan karena mereka telah menunjukkan keberhasilan mereka kepada kami. Sebenarnya, ini hanyalah kasus bias pratinjau yang spesifik, karena informasi masa depan digabungkan ke dalam analisis masa lalu. Ada dua cara utama untuk mengurangi bias bertahan dalam strategi backtests Anda: Survivorship Bias Free Datasets - Dalam kasus data ekuitas, kemungkinan untuk membeli dataset yang mencakup entitas yang delisted, meskipun tidak murah dan hanya cenderung dimanfaatkan oleh perusahaan institusional. . Secara khusus, data Yahoo Finance TIDAK bias bertahan bebas, dan ini biasa digunakan oleh banyak pedagang eceran algo. Seseorang juga dapat melakukan perdagangan di kelas aset yang tidak rentan terhadap bias bertahan, seperti komoditas tertentu (dan derivatif masa depan mereka). Gunakan Data yang Lebih Baru - Dalam kasus ekuitas, dengan memanfaatkan kumpulan data yang lebih baru, mengurangi kemungkinan pemilihan saham yang dipilih tertimbang untuk orang yang selamat, karena kemungkinan kehilangan delisting saham secara keseluruhan dalam periode waktu yang lebih singkat. Kita juga bisa mulai membangun dataset bebas bias pribadi dengan mengumpulkan data dari titik saat ini dan seterusnya. Setelah 3-4 tahun, Anda akan memiliki data ekuitas independen yang solid untuk bertahan lama yang mendukung strategi lebih lanjut. Kami sekarang akan mempertimbangkan fenomena psikologis tertentu yang dapat mempengaruhi kinerja perdagangan Anda. Toleransi Psikologis Bias Fenomena khusus ini tidak sering dibahas dalam konteks perdagangan kuantitatif. Namun, hal itu dibahas secara ekstensif sehubungan dengan metode perdagangan yang lebih discretionary. Ini memiliki berbagai nama, tapi saya telah memutuskan untuk menyebutnya bias toleransi psikologis karena menangkap esensi masalah. Saat membuat backtests selama 5 tahun atau lebih, mudah untuk melihat kurva ekuitas naik naik, menghitung imbal hasil tahunan gabungan, rasio Sharpe dan bahkan karakteristik penarikan dan merasa puas dengan hasilnya. Sebagai contoh, strategi ini mungkin memiliki penarikan relatif maksimum 25 dan durasi penarikan maksimum 4 bulan. Ini tidak akan menjadi tipikal untuk strategi momentum. Sangat mudah untuk meyakinkan diri bahwa mudah untuk mentolerir periode kerugian seperti itu karena gambaran keseluruhannya cerah. Namun, dalam praktiknya, ini jauh lebih sulit Jika penarikan sejarah 25 atau lebih terjadi di backtests, maka kemungkinan besar Anda akan melihat periode penarikan yang sama dalam perdagangan langsung. Periode penarikan ini secara psikologis sulit untuk bertahan. Saya telah mengamati secara langsung bagaimana penarikan yang diperpanjang bisa seperti, dalam setting kelembagaan, dan ini tidak menyenangkan - bahkan jika backtests menyarankan periode seperti itu akan terjadi. Alasan saya menyebutnya sebagai bias adalah seringnya strategi yang jika tidak berhasil dihentikan dari perdagangan selama masa penarikan yang diperpanjang dan dengan demikian akan menghasilkan kinerja yang tidak signifikan dibandingkan dengan rasio balik. Jadi, meski strateginya bersifat algoritmik, faktor psikologis masih bisa memiliki pengaruh yang besar terhadap profitabilitas. Takeaway adalah untuk memastikan bahwa jika Anda melihat penarikan persentase dan durasi tertentu di backtests, Anda harus mengharapkannya terjadi di lingkungan live trading, dan perlu bertekun untuk mencapai profitabilitas sekali lagi. Paket Perangkat Lunak untuk Backtesting Lanskap perangkat lunak untuk strategi backtesting sangat luas. Solusi berkisar dari perangkat lunak canggih kelas terintegrasi yang terintegrasi hingga bahasa pemrograman seperti C, Python dan R dimana hampir semuanya harus ditulis dari awal (atau plugin yang sesuai diperoleh). Sebagai trader quant, kami tertarik pada keseimbangan untuk dapat memiliki tumpukan teknologi perdagangan kami versus kecepatan dan keandalan metodologi pengembangan kami. Berikut adalah pertimbangan utama untuk pilihan perangkat lunak: Skill Programming - Pilihan lingkungan akan sebagian besar bergantung pada kemampuan Anda untuk memprogram perangkat lunak. Saya berpendapat bahwa mengendalikan tumpukan total akan memiliki efek lebih besar pada PL jangka panjang Anda daripada melakukan outsourcing sebanyak mungkin terhadap perangkat lunak vendor. Hal ini disebabkan oleh risiko downside memiliki bug eksternal atau kekhasan yang tidak dapat Anda perbaiki di perangkat lunak vendor, yang seharusnya mudah diperbaiki jika Anda memiliki lebih banyak kendali atas tumpukan teknologi Anda. Anda juga menginginkan lingkungan yang memengaruhi keseimbangan antara produktivitas, ketersediaan perpustakaan dan kecepatan eksekusi. Saya membuat rekomendasi pribadi saya sendiri di bawah ini. Kemampuan Eksekusi Interaksi Broker - Perangkat lunak backtesting tertentu, seperti Tradestation, berhubungan langsung dengan brokerage. Saya bukan penggemar pendekatan ini karena mengurangi biaya transaksi seringkali merupakan komponen besar untuk mendapatkan rasio Sharpe yang lebih tinggi. Jika Anda terikat dengan broker tertentu (dan Tradestation memaksa Anda melakukan ini), maka Anda akan memiliki waktu yang lebih sulit untuk beralih ke perangkat lunak baru (atau broker baru) jika diperlukan. Pialang Interaktif menyediakan API yang tangguh, meski dengan antarmuka yang sedikit tumpul. Kustomisasi - Lingkungan seperti MATLAB atau Python memberi Anda banyak fleksibilitas saat membuat strategi algo karena mereka menyediakan perpustakaan yang fantastis untuk hampir semua operasi matematis yang bisa dibayangkan, namun juga memungkinkan penyesuaian ekstensif jika diperlukan. Kompleksitas Strategi - Perangkat lunak tertentu hanya tidak cocok untuk penggoncangan angka berat atau kompleksitas matematis. Excel adalah salah satu perangkat lunak semacam itu. Meskipun bagus untuk strategi yang lebih sederhana, namun tidak dapat mengatasi banyak aset atau algoritma yang lebih rumit, dengan kecepatan tinggi. Minimisasi Bias - Apakah perangkat lunak atau data tertentu lebih sesuai dengan bias trading Anda harus memastikan bahwa jika Anda ingin membuat semua fungsi itu sendiri, Anda tidak mengenalkan bug yang dapat menyebabkan bias. Kecepatan Pembangunan - Orang tidak perlu menghabiskan bulan dan bulan untuk menerapkan mesin backtest. Prototyping seharusnya hanya memakan waktu beberapa minggu. Pastikan bahwa perangkat lunak Anda tidak menghalangi kemajuan Anda sampai batas tertentu, hanya untuk meraih beberapa poin persentase tambahan dari kecepatan eksekusi. C adalah gajah di ruangan sini Kecepatan Eksekusi - Jika strategi Anda benar-benar bergantung pada ketepatan waktu pelaksanaan (seperti pada HFTUHFT), maka bahasa seperti C atau C akan diperlukan. Namun, Anda akan mengetahui pengoptimalan kernel Linux dan penggunaan FPGA untuk domain ini, yang berada di luar cakupan artikel ini Biaya - Banyak lingkungan perangkat lunak yang dapat Anda gunakan untuk strategi perdagangan algoritme dengan benar-benar gratis dan open source. Sebenarnya, banyak hedge fund menggunakan perangkat lunak open source untuk keseluruhan tumpukan perdagangan algo mereka. Selain itu, Excel dan MATLAB keduanya relatif murah dan bahkan ada alternatif gratis untuk masing-masing. Sekarang setelah kami mencantumkan kriteria yang kami perlukan untuk memilih infrastruktur perangkat lunak kami, saya ingin menjalankan beberapa paket yang lebih populer dan bagaimana perbandingannya: Catatan: Saya hanya akan menyertakan perangkat lunak yang tersedia bagi kebanyakan praktisi ritel dan Pengembang perangkat lunak, karena ini adalah pembaca situs. Sementara perangkat lunak lain tersedia seperti alat kelas yang lebih institusional, saya merasa ini terlalu mahal untuk digunakan secara efektif dalam lingkungan ritel dan saya sendiri tidak memiliki pengalaman dengan mereka. Perbandingan Perbandingan Perangkat Lunak Backtesting: Bahasa tingkat tinggi yang dirancang untuk kecepatan pengembangan. Beragam perpustakaan untuk hampir semua tugas terprogram yang bisa dibayangkan. Mendapatkan penerimaan yang lebih luas pada komunitas hedge fund dan investment bank. Tidak secepat CC untuk kecepatan eksekusi. Eksekusi: plugin Python ada untuk broker yang lebih besar, seperti Interactive Brokers. Oleh karena itu backtest dan sistem eksekusi semuanya bisa menjadi bagian dari tumpukan teknologi yang sama. Kustomisasi: Python memiliki komunitas pengembangan yang sangat sehat dan merupakan bahasa yang matang. NumPySciPy menyediakan komputasi ilmiah dan alat analisis statistik yang relevan untuk perdagangan kuantitatif. Kompleksitas Strategi: Banyak plugin ada untuk algoritme utama, namun tidak sebanyak komunitas quant sebagai ada untuk MATLAB. Minimisasi Bias: Masalah minimisasi bias yang sama ada pada bahasa tingkat tinggi manapun. Perlu sangat berhati-hati dalam melakukan pengujian. Kecepatan Pengembangan: keunggulan utama Piton adalah kecepatan pengembangan, dengan kemampuan pengujian yang kokoh. Kecepatan Eksekusi: Tidak secepat C, namun komponen komputasi ilmiah dioptimalkan dan Python dapat berbicara dengan kode C asli dengan plugin tertentu. Biaya: FreeOpen Source Keterangan: Dewasa, bahasa tingkat tinggi dirancang untuk kecepatan eksekusi. Beragam jajaran keuangan kuantitatif dan perpustakaan numerik. Lebih sulit untuk debug dan sering membutuhkan waktu lebih lama untuk diimplementasikan daripada Python atau MATLAB. Sangat lazim di sisi beli dan jual. Eksekusi: Sebagian besar API broker ditulis di C dan Java. Begitu banyak plugin yang ada. Kustomisasi: CC memungkinkan akses langsung ke memori yang mendasarinya, maka strategi frekuensi ultra-tinggi dapat diimplementasikan. Kompleksitas Strategi: C STL menyediakan beragam algoritma yang optimal. Hampir semua algoritma matematika khusus memiliki implementasi open source open source gratis di web. Bias Minimization: bias Look-ahead bisa jadi sulit dihilangkan, tapi tidak sulit dibanding bahasa tingkat tinggi lainnya. Alat debugging yang bagus, tapi kita harus berhati-hati saat berhadapan dengan memori yang mendasarinya. Kecepatan Pengembangan: C cukup verbose dibandingkan dengan Python atau MATLAB untuk algoritma yang sama. Lebih banyak baris kode (LOC) sering menyebabkan kemungkinan bug lebih besar. Kecepatan eksekusi: CC memiliki kecepatan eksekusi yang sangat cepat dan dapat dioptimalkan dengan baik untuk arsitektur komputasi tertentu. Inilah alasan utama untuk memanfaatkannya. Biaya: Berbagai kompiler: LinuxGCC gratis, MS Visual Studio memiliki lisensi yang berbeda. Strategi yang berbeda akan membutuhkan paket perangkat lunak yang berbeda. Strategi HFT dan UHFT akan ditulis dalam CC (belakangan ini mereka sering dilakukan di GPU dan FPGA), sedangkan strategi ekuitas berarah frekuensi rendah mudah diterapkan di TradeStation, karena semua dalam satu sifat softwarebrokerage. Preferensi pribadi saya adalah untuk Python karena memberikan tingkat kustomisasi, kecepatan pengembangan, kemampuan pengujian dan kecepatan eksekusi yang tepat untuk kebutuhan dan strategi saya. Jika saya membutuhkan sesuatu yang lebih cepat, saya bisa masuk ke C langsung dari program Python saya. Salah satu metode yang disukai oleh banyak trader quant adalah memprotot strategi mereka dengan Python dan kemudian mengkonversikan bagian eksekusi yang lebih lambat ke C dengan cara yang iteratif. Akhirnya seluruh algo ditulis dalam bahasa C dan dapat dibiarkan sendiri untuk diperdagangkan. Dalam beberapa artikel berikutnya mengenai backtesting, kita akan melihat beberapa masalah khusus seputar penerapan sistem backtesting perdagangan algoritmik, dan juga bagaimana menggabungkan efek dari Bursa perdagangan. Kami akan membahas pengukuran kinerja strategi dan akhirnya diakhiri dengan contoh strategi. Memulai Dengan Perdagangan KuantitatifMengapa Kami Dari teknologi terbaru untuk melindungi dana Anda, lihat mengapa mitra dagang terbaik. Otorisasi Regulasi Admiral Markets UK Ltd diatur oleh Financial Conduct Authority di Inggris. Hubungi Kami Tinggalkan umpan balik, ajukan pertanyaan, mampir ke kantor kami atau cukup hubungi kami. Berita Lihat berita terbaru tentang perusahaan kami, acara, perdagangan condtions lebih. Testimonial Lihat umpan balik yang kami dapatkan dari klien yang melakukan trading CFD Forex di akun sebenarnya kami. Kemitraan Tingkatkan profitabilitas Anda dengan Admiral Markets - mitra dagang terpercaya dan pilihan Anda. Karir Kami selalu waspada untuk menambahkan talenta baru ke tim internasional kami. Memesan kualitas eksekusi Baca tentang teknologi kami dan lihat laporan kualitas eksekusi bulanan kami. Jenis Akun Pilih akun yang paling sesuai dengan Anda dan mulailah trading hari ini. Akun Demo Akun demo memungkinkan Anda untuk mengalami perdagangan CFD berisiko bebas dan menguji strategi Anda di pasar keuangan. Dokumen Membiasakan diri dengan praktik bisnis kami, prosedur pembukaan rekening dokumen. Penarikan Deposito Lihat cara menyetorkan atau menarik dana dari akun trading Anda. Kalkulator Trading Hitung margin, keuntungan atau kerugian Anda membandingkan hasil trading CFD Forex Anda sebelum melakukan trading. MetaTrader 4 Download MetaTrader 4, platform yang paling kuat dan user-friendly untuk perdagangan Forex CFD. MT4 Supreme Edition Download MT4 Supreme Edition - platform intuitif untuk trading CFD Forex. Pelajari lebih lanjut tentang plugin ini dan fitur inovatifnya. MT4 WebTrader Gunakan perdagangan web MT4 dengan komputer atau browser apa pun (tanpa perlu download). MetaTrader 5 Download MetaTrader 5, platfrom baru dan yang lebih baik untuk perdagangan CFD Forex. Analisis Fundamental Peristiwa ekonomi mempengaruhi pasar dengan berbagai cara. Cari tahu bagaimana peristiwa yang akan datang cenderung memengaruhi posisi Anda. Diagram Analisis Teknis mungkin menunjukkan trennya, namun analisis indikator dan pola oleh para ahli meramalkannya. Lihat apa yang dikatakan statistik. Analisis Gelombang Tentukan zona harga yang mungkin mengikuti pola gelombang berdasarkan ekstrem dalam psikologi pedagang dengan analisis gelombang Elliot Kalender Forex Alat ini membantu pedagang melacak pengumuman keuangan penting yang dapat mempengaruhi pergerakan ekonomi dan harga. Autochartist Membantu Anda menetapkan tingkat keluar yang sesuai dengan pasar dengan memahami volatilitas yang diharapkan, dampak peristiwa ekonomi di pasar dan banyak lagi. Trader Blog Ikuti blog kami untuk mendapatkan update pasar terbaru dari trader profesional. Peta Panas Pasar Lihat siapa penggerak harian teratas. Pergerakan di pasar selalu menarik minat dari komunitas perdagangan. Sentimen Pasar Widget tersebut membantu Anda melihat korelasi antara posisi long dan short yang dipegang oleh trader lain. Forex CFD Webinars Tune in and watch experts mencakup topik yang berhubungan dengan perdagangan. Pelajari dasar-dasarnya atau dapatkan wawasan ahli mingguan. FAQ Dapatkan jawaban Anda atas pertanyaan umum tentang layanan dan perdagangan finansial kami. Pedagang Glosarium Pasar keuangan memiliki istilah mereka sendiri. Pelajari istilahnya, karena kesalahpahaman bisa membebani uang. Seminar CFD Forex Perluas pengetahuan trading Forex dan CFD Anda, dengan mengikuti salah satu seminar kami. Diadakan oleh para profesional perdagangan. Manajemen Risiko Manajemen risiko dapat mencegah kerugian besar dalam perdagangan Forex dan CFD. Pelajari praktik terbaik manajemen risiko dan perdagangan, untuk perdagangan Forex dan CFD yang sukses. Artikel Tutorial Dari dasar-dasar Forex dan CFD sampai topik perdagangan tingkat lanjut, bagian ini menawarkan wawasan trading yang berguna. Zero to Hero Memulai jalan Anda menuju perbaikan hari ini. Program Zero to Hero gratis kami akan menavigasi Anda melalui labirin perdagangan Forex. Admiral Club Dapatkan hadiah uang tunai untuk trading Forex dan CFD Anda dengan poin-poin Admiral Club. ForexBall Kontes perdagangan dengan hadiah tahunan sebesar 541.000. Bermain untuk bersenang-senang, belajarlah secara nyata dengan kejuaraan perdagangan ini. Penawaran Pribadi Jika Anda bersedia berdagang dengan kami, kami bersedia memberi Anda penawaran yang kompetitif. Best Forex Backtesting Software Software backtesting Forex adalah program yang menggunakan data historis untuk menciptakan kembali perilaku perdagangan dan reaksinya terhadap strategi trading. Data yang dihasilkan digunakan untuk mengukur dan mengoptimalkan keefektifan strategi yang diberikan sebelum menerapkannya pada kondisi pasar riil. Backtesting di Forex bekerja dengan asumsi bahwa perdagangan dan strategi yang telah berjalan dengan baik di masa lalu akan berkinerja baik di masa depan. Backtesting Forex selalu menjadi pertempuran sengit antara kekuatan komputer dan akal sehat. Pada tahun 1980, backtesting sistem Forex adalah konsep yang sangat sederhana. Pedagang akan melakukan perdagangan teliti mereka di tangga lagu, menandai posisi baik membeli atau menjual. Kemudian mereka secara manual menulis catatan lengkap tentang hasil perdagangan mereka di log. Sebagian besar ide perdagangan berasal dari pemahaman mendalam tentang analisis fundamental atau kesadaran akan pola pasar. Pada 1990-an, seseorang dianggap sebagai inovator investasi, jika ia mampu menampilkan data di monitor komputer. Pada dasarnya, proses elektronik yang memungkinkan kita untuk memeriksa hasil online dan mendapatkan kepercayaan pada strategi kita hari ini suatu saat membutuhkan waktu berbulan-bulan bahkan bertahun-tahun. Sejak itu, prosesnya terus maju, tapi tidak selalu menjadi lebih baik. Sekarang, jangan salah sangka. Mereka yang menerapkan ketekunan dan akal sehat untuk strategi Forex backtesting sering dihargai dengan keuntungan luar biasa. Di sisi lain, pedagang yang hanya menerapkan daya komputasi dan bukan logika manusia terus mengalami kerugian besar. Ketika datang ke strategi FX backtesting, tidak ada perangkat lunak yang dapat menggantikan seseorang kecuali orang yang dilengkapi dengan pengujian Sebelum Memiliki harapan penting ketika harus mengembangkan strategi Forex. Harapan memaksa Anda untuk menentukan rencana terlebih dahulu. Seluruh proses backtesting Forex berkisar pada gagasan untuk membuktikan dan memvalidasi gagasan Anda. Namun, hal pertama yang harus Anda lakukan adalah meletakkan gagasan dan harapan itu ke dalam rencana yang jelas. Anda harus selalu memiliki gagasan yang jelas tentang interval perdagangan yang ingin Anda gunakan, risiko relatif dari metodologi yang digunakan dan persentase perdagangan yang menguntungkan. Jika backtest yang dilakukan mengonfirmasi gagasan Anda, Anda mungkin memiliki keyakinan akan strategi dan terus maju untuk mengujinya. Cari tahu jenis fitur apa yang dapat Anda gunakan dan mana yang akan menguntungkan tes Anda. Misalnya, MetaTrader 4 Supreme Edition menyertakan indikator bagan mini yang memungkinkan beberapa grafik. Dengan demikian, Anda bisa mengamati rentang waktu yang berbeda atau bahkan menggunakan jenis grafik yang berbeda seperti Renko, Range dan Kagi. Memilih data Data live yang komprehensif dapat disediakan untuk Anda dengan menggunakan MT4SE. Salah satu fitur yang mendapat pekerjaan adalah indikator Informasi Simbol. Ini memberikan rincian situasi pasar yang cepat dan menyeluruh untuk instrumen apa pun. Alat ini secara efektif membantu Anda membuat keputusan berdasarkan informasi dengan memberi Anda perubahan, jangkauan dan indikator pada setiap jangka waktu. Kombinasikan dengan database premium dan Anda bisa berhasil menuju kesuksesan. Saat menggunakan software backtesting Forex, selalu perlu memiliki database harga. Lebih baik lagi, Anda harus menggunakan sejarah statistik lengkap untuk kejadian ekonomi. Data semacam ini banyak tersebar dan ditawarkan oleh banyak vendor. Ini mencakup harga harian tinggi, rendah dan penutupan serta data Forex individu untuk backtesting yang lebih tepat. Sebagian besar data bisa ditemukan secara gratis, namun seringkali tidak akurat. Namun, data Forex terbaik untuk dijual di situs terkenal seperti Tick Data, Inc. atau CQG Data Factory. Tidak ada jaminan Satu-satunya cara untuk mengetahui apakah strategi akan berhasil adalah dengan menggunakan software FX backtesting. Namun, perlu diingat bahwa backtesting tidak menjamin keuntungan masa depan. Bahkan jika backtest adalah validasi sederhana dari peraturan atau analisis hasil multidimensional. Masalah lain dengan menggunakan perangkat lunak FX backtesting adalah likuiditas yang jarang terjadi, yang bervariasi karena banyak faktor eksternal. Sebenarnya, likuiditas bisa sangat sulit untuk disimulasikan. Perangkat lunak MetaTrader Kami tidak berpura-pura memiliki pendapat unik saat kami mengatakan bahwa perangkat lunak backtesting Forex terbaik adalah MetaTrader 4 (MT4). Platform trading elektronik yang terbukti aman ini merupakan pilihan paling populer untuk trading di pasar keuangan. Dengan indikator MT4 Supreme Edition yang kaya menjadi pilihan pilihan. MT4 sangat populer untuk backtesting FX karena fitur tester strategi inbuilt-nya. Dan tentu saja pendaftaran gratis juga membantu. Tapi sementara memiliki perangkat lunak yang tepat bisa memberi Anda start atas dalam perdagangan, tidak ada strategi yang akan berhasil kecuali broker Anda dapat diandalkan. Karena tidak semua pialang Forex diciptakan sama. Yang terbaik adalah membuka rekening dengan broker yang memiliki peraturan Financial Conduct Authority (FCA) dan MiFID. Dengan cara ini, Anda mendapatkan hasil yang nyata dan Anda tahu uang Anda aman saat memulai trading di akun live. Silahkan aktifkan JavaScript untuk melihat komentar yang didukung oleh Disqus. Peringatan risiko: Perdagangan valuta asing atau kontrak untuk perbedaan margin membawa tingkat risiko tinggi, dan mungkin tidak sesuai untuk semua investor. Ada kemungkinan bahwa Anda dapat mempertahankan kerugian sama dengan atau lebih besar dari keseluruhan investasi Anda. Karena itu, sebaiknya jangan menginvestasikan atau mempertaruhkan uang yang tidak bisa Anda kehilangan. Anda harus memastikan Anda memahami semua risikonya. Sebelum menggunakan layanan Admiral Markets UK Ltd, mohon diketahui risiko yang terkait dengan perdagangan. Isi dari Situs ini tidak boleh dianggap sebagai saran pribadi. Admiral Markets UK Ltd merekomendasikan Anda untuk meminta saran dari penasihat keuangan independen. Admiral Markets UK Ltd sepenuhnya dimiliki oleh Admiral Markets Group AS. Admiral Markets Group AS adalah perusahaan induk dan asetnya merupakan saham pengendali ekuitas di Admiral Markets AS dan anak perusahaannya, Admiral Markets UK Ltd dan Admiral Markets Pty. Semua referensi di situs ini ke Admiral Markets merujuk pada Admiral Markets UK Ltd dan anak perusahaannya Admiral Markets Group AS. Admiral Markets (UK) Ltd. diberi wewenang dan diatur oleh Financial Conduct Authority. (Daftar FCA No. 595450). Admiral Markets (UK) Ltd. terdaftar di Inggris dan Wales dibawah Companies House. Nomor Terdaftar 08171762. Alamat perusahaan: 16 St. Clare Street, London EC3N 1LQ, Inggris.
Teknik-forex-sebenar-free-pdf-download
Trading-forex-untuk-pemula