Ahpr Forex

Testing Report. Sie ​​können einen detaillierten Bericht auf der Registerkarte Ergebnisse anzeigen. Die folgenden Parameter sind im Testbericht verfügbar. Historische Qualität Dieser Wert kennzeichnet die Qualität der Preisdaten, die für die Prüfung verwendet werden. Es wird als prozentuales Verhältnis von korrekten und falschen Ein - Minute-Daten Bars mit einer Nullspreizung oder einem Volumen gleich 1 mit unterschiedlichen OHLC-Werten gelten als falsch. Historische Lücken werden auch als falsche Daten betrachtet. Je nach Größe wird der Prüfungszeitraum in 1 199 Intervalle unterteilt. Die Historienqualität wird für jeden von ihnen bestimmt Separat Die Zeitintervalle werden in verschiedenen Farben auf dem grafischen Indikator der Geschichtsqualität angezeigt, die leichtere Tönung von Grün bedeutet die bessere Qualität, die rote Farbe stellt Intervalle mit der Qualität kleiner als 50 dar. Die Anzahl der Stäbe, die für das Prüfsymbol erzeugt wurden. Zeigt die Anzahl der Zecken an, die während der Prüfung modelliert wurden. Symbole die Anzahl der Symbole, für die Informationen vom Expert Advisor während der Prüfung angefordert wurden. Anfangszahlung für die Prüfung. Withdrawal die Geldmenge, die von einem Expertenberater während des Testens zurückgezogen wurde. Dieses Feld ist nicht Angezeigt, wenn es keine Rücknahme Operationen. Total Nettogewinn das Finanzergebnis aller Trades. Gross Profitieren Sie die Summe aller profitablen Trades in Bezug auf Geld. Gross Verlust der Summe aller verlieren Trades in Bezug auf Geld. Balance Drawdown Absolute Balance unten fallen Der erste Einzahlungsbetrag. Balance Drawdown Maximal der größte Tropfen der Saldo gegenüber dem lokalen Maximum in der Einzahlungswährung und in Prozent der Einzahlung. Balance Drawdown Relativ der größte Tropfen des Gleichgewichts im Verhältnis zum lokalen Maximum des Saldos in den Prozente und das entsprechende Geldwert. Equity Drawdown Absolut der größte Rückgang des Eigenkapitals unterhalb der ersten Einzahlung. Equity Drawdown Maximal der größte Rückgang des Eigenkapitals im Verhältnis zum lokalen Maximum in der Einzahlungswährung und in Prozent von der Einzahlung. Equity Drawdown Relative der größte Rückgang des Eigenkapitals relativ zu Das lokale Maximum des Eigenkapitals in den Prozente und das entsprechende Geldwert. Profit Faktor Verhältnis des Bruttogewinns zum Bruttoverlust Ein Wert von Eins bedeutet, dass diese Parameter gleich sind. Recovery Factor Der Wert spiegelt die Risikobereitschaft der Strategie, dh der Betrag Des Geldes, das vom Sachverständigenberater riskiert wird, um den Gewinn zu erzielen, der er erhalten hat. Es wird berechnet als das Verhältnis des gewonnenen Gewinns zum maximalen Drawdown. AHPR arithmetisches Mittel einer Handelsänderung der Prozente Arithmetisches Mittel der Eigenkapitalveränderungen pro Handel Das arithmetische Mittel überschätzt in der Regel die Rentabilität Eines Handelssystems im Vergleich zum geometrischen Mittel Wenn das geometrische Mittel die Multiplikation der Ergebnisse jedes Handels bedeutet, das arithmetische Mittel nur summiert. Der Wert in den Prozente ist in Klammern gegeben. Es ist positiv, wenn das Handelssystem rentabel ist. Der negative Wert bedeutet Dass das System verliert. GHPR geometrisches Mittel einer Handelsänderung in Prozente Geometrisches Mittel zeigt, wie oft das Kapital sich nach jedem Handel im Durchschnitt verändert hat Die relative Eigenkapitalveränderung ist oft eine objektivere Schätzung als die erwartete Auszahlung Kapitalveränderung in Prozente gegeben ist In Klammern Eine negative Zahl in Klammern bedeutet, dass im Durchschnitt das Kapital auf jedem Handel reduziert wird. Expected Payoff ein statistisch berechneter Wert zeigt die durchschnittliche Rendite eines Deal Auch wird es als die erwartete Rückkehr des nächsten Trade. Sharpe Ratio angezeigt Dieses Verhältnis charakterisiert Effizienz und Stabilität einer Strategie Es spiegelt das Verhältnis des arithmetischen Mittelwertes für die Positionshaltungszeit zu der Standardabweichung von ihm wider. Der risikofreie Zinssatz, der aus den entsprechenden Bankeinlagen entstanden ist, wird ebenfalls berücksichtigt Konto hier. LR Korrelation lineare Regressions-Korrelation Ein Balance-Graph ist eine gestrichelte Linie, die durch eine gerade Linie angenähert werden kann Um die Koordinaten der Geraden zu finden, wird die Methode der kleinsten Quadrate angewendet. Die resultierende gerade Linie wird als lineare Regression bezeichnet und erlaubt Schätzung der Abweichung von Balance-Graph-Punkten aus der linearen Regression Korrelation zwischen dem Balance-Graphen und der linearen Regression erlaubt es, den Grad der Kapitalvariabilität abzuschätzen. Je weniger scharfe Peaks und Täler auf der Balance-Kurve, desto näher liegt der Parameterwert auf 1 Werte schließen Auf Null bedeuten die zufällige Natur des Handels. LR Standard Error der Standardfehler der Balance Abweichung von der linearen Regression Dieser Index wird verwendet, um die Balance Chart Abweichung von der linearen Regression in Geldbegriffe Es ist nur sinnvoll, Systeme mit ähnlichen Anfangsbedingungen zu vergleichen Die gleichen Werte des anfänglichen Eigenkapitals Je höher der Wert ist, desto mehr Gleichgewicht weicht von einer Geraden ab. Margin Level Minimaler Rand der Marge in Prozentangaben, die während der Prüfung registriert wurden. Z-Score-Serie testet die Wahrscheinlichkeit der Korrelation zwischen Trades Die Serienprüfung ermöglicht es Schätzen den Grad der Korrelation zwischen den Trades und bewerten, ob die Handelsgeschichte mehr Zeiträume von aufeinanderfolgenden Gewinnverlusten enthält als die normale Verteilung impliziert. Die erkannte Korrelation erlaubt es, die Methoden der Geldverwaltung anzuwenden und den Handelssystemalgorithmus zu ändern, um den Gewinn zu maximieren und zu entfernen Die Abhängigkeit Sowohl das Nicht-Finden der realen Korrelation als auch die Suche nach einer nicht vorhandenen Korrelation zwischen den Trades sind gefährlich Die Z-Punktzahl zeigt Abweichung von der Normalverteilung im Sigma an. Ein Wert über 3 zeigt an, dass ein Gewinn mit einem Verlust mit der Wahrscheinlichkeit von 3 Sigma 99 folgen wird 67 Ein Wert unter -3 zeigt an, dass ein Gewinn mit einem Gewinn mit der Wahrscheinlichkeit von 3 Sigma 99 67 gefolgt wird. OnTester Ergebnis ein Wert, der von der OnTester-Funktion im Expert Advisor als Ergebnis der Prüfung zurückgegeben wird. Entspricht dem benutzerdefinierten Kriterium von Optimierung. Total Trades die Gesamtzahl der Trades Deals führte zur Festsetzung eines Gewinnverlustes. Insgesamt bietet die Gesamtzahl der Deals. Short Trades gewann Anzahl der Trades, die zu einem Gewinn aus dem Verkauf eines Finanzinstruments und Prozentsatz der profitablen Short Trades geführt. Long Trades gewann Anzahl der Trades, die Ergebnis aus dem Kauf eines Finanzinstruments und Prozentsatz von Profitable lange Trades. Profit Trades von insgesamt die Menge an gewinnbringenden Trades und ihren Prozentsatz in den gesamten Trades. Loss Trades insgesamt die Menge an verlieren Trades und ihren Prozentsatz in den gesamten Trades. Leuter Profit Handel der größte Gewinn aller profitablen Trades. Largest Verlust-Handel der größte Verlust aller Verlust-Trades. Average Profit-Handel der durchschnittliche Profit-Wert pro Handel die Summe der Gewinne geteilt durch die Anzahl der Gewinnen Trades. Average Verlust Handel der durchschnittliche Verlust Wert pro Handel die Summe der Verluste geteilt durch Die Anzahl der verlierenden Trades. Maximum konsekutiv gewinnt die längste Serie von Gewinnen Trades und ihre insgesamt Gewinn. Maximum aufeinander folgenden Verluste die längste Serie von verlieren Trades und ihre Gesamtverlust. Maximal aufeinander folgenden Gewinn zählen die maximale Gewinn einer Reihe von profitable Trades und die Menge Von profitable Trades in dieser Serie. Maximal aufeinander folgenden Verlust zählen die maximale Verlust einer Reihe von verlieren Trades und die Anzahl der verlieren Trades in it. Average konsekutiv gewinnt die durchschnittliche Anzahl der Gewinne Trades in profitable Serie. Automatische aufeinander folgende Verluste die durchschnittliche Anzahl der verlieren Handelt in verlierungsreihe. Korrelation Gewinne, MFE Korrelation zwischen Renditen und der MFE Maximum Günstig Exkursion, maximale Größe eines potenziellen Gewinns während der Lebensdauer einer Position aufgetreten Jede Position hatte seinen maximalen Gewinn und maximalen Verlust zwischen Eröffnung und Schließung MFE zeigt Gewinn in Der günstige Ausflug des Preises Jede Position hat ihr Ergebnis und zwei Parameter MFE und MAE Maximum Adverse Excursion, maximale Größe eines potenziellen Verlustes während der Lebensdauer einer Position aufgetreten So kann jede Position auf einer Ebene gezeichnet werden, in der MFE gezeichnet ist Die X-Achse, das Ergebnis ist entlang der Y-Achse gezeichnet Ergebnisse in der Nähe von MFE bedeuten die vollständigste Nutzung der günstigen Preisausflug Eine Gerade auf dem Diagramm zeigt Näherung nach Funktion Profit A MFE B Korrelationsgewinne, MFE erlaubt es, die Beziehung zwischen Die Gewinne Verluste und die MFE Werte in der Nähe von 1 bedeuten, dass die Trades gut in die Näherungslinie passen Werte in der Nähe von Null bedeutet schwache Korrelation MFE charakterisiert die Fähigkeit, potenzielle Profit zu realisieren. Korrelation Gewinne, MAE Korrelation zwischen Ergebnissen und MAE Maximum Adverse Exkursion Jede Position erreicht Sein maximaler Gewinn und maximaler Verlust zwischen dem Öffnen und Schließen MAE zeigt den Verlust bei der ungünstigen Exkursion des Preises Jede Position hat ihr Ergebnis und zwei Parameter MFE und MAE So kann jede Position auf einer Ebene gezeichnet werden, wo MAE entlang der X-Achse aufgetragen wird , Die Rückkehr ist entlang der Y-Achse gezeichnet Ergebnisse in der Nähe von MAE bedeuten den vollständigsten Schutz gegen ungünstige Preisausschläge Eine Gerade auf dem Diagramm zeigt Näherung nach Funktion Profit A MAE B Die Korrelationsgewinne, MAE erlaubt es, die Beziehung zwischen den Gewinnverlusten und zu schätzen Die MAE Werte in der Nähe von 1 bedeuten, dass die Trades gut in die Näherungslinie passen Werte in der Nähe von Null bedeutet schwache Korrelation MAE beschreibt den Drawdown während der Position Lebensdauer und am besten charakterisiert die Verwendung von schützenden Stop Loss. Korrelation MFE, MAE Korrelation zwischen MFE und MAE It Zeigt die Korrelation zwischen zwei Reihen von Merkmalen Der ideale Wert ist 1 - wir nehmen den maximalen Gewinn und schützen die Position während seiner gesamten Lebensdauer Ein Wert nahe bei Null zeigt an, dass es praktisch keine Korrelation gibt. Minimal Position Haltezeit eine minimale Zeit zwischen dem Öffnen einer Position Und schließt es vollständig Vollständige Schließung einer Position ist seine volle Beseitigung der berechnete Wert berücksichtigt nicht die teilweise Schließung oder Positionsumkehr. Maximale Position Haltezeit eine maximale Zeitspanne zwischen dem Öffnen einer Position und Schließung es vollständig Durchschnittliche Zeit zwischen dem Öffnen einer Position und dem Schließen vollständig während des Testens. Wenn die Auszahlungsvorgänge während der Testoptimierung in einem Expert Advisor durchgeführt werden, werden die Drawdown-Raten unter Berücksichtigung dieser Operationen berechnet. Die vor dem Zurückziehen berechneten Drawdown-Werte werden vom Programm gespeichert. Beim Entzug , Wird ihre Berechnung auf der Grundlage der aktuellen Werte des Saldos und des Eigenkapitals neu gestartet werden Wenn neue berechnete Drawdown-Werte größer als die zuvor gespeicherten sind, wird das Programm an diese neuen Werte erinnern. So wird der höchste Drawdown-Wert in den Abschlussbericht aufgenommen Folgende Diagramme stehen im Testbericht zur Verfügung. Entworten nach Stunden. Dieses Diagramm zeigt die Verteilung der Markteintrittsangebote Eröffnung, Erhöhung und Umkehrung von Positionen nach Stunden Die Farben der Diagrammstäbe markieren Handelssitzungen Asiatische Gelb, europäische grüne und amerikanische red. Entries An Wochentagen. Dieses Diagramm zeigt die Verteilung der Markteintritts-Angebote Eröffnung, Erhöhung und Umkehr von Positionen von Tagen der Woche. Entworten nach Monat. Dieses Diagramm zeigt die Verteilung der Markteintritt Angebote Eröffnung, Erhöhung und Umkehr von Positionen nach Monaten. Profits und Verluste nach Stunden. Dieses Diagramm zeigt die Verteilung der Markt Ausstiege Schließung, teilweise Schließung und Umkehr von Positionen nach Stunden Die Farben der Diagramm-Bars zeigen profitabel blau und verlieren rote Deals. Profits und Verluste von Wochentagen. Dieses Diagramm zeigt die Verteilung des Marktes Ausstiegsgeschäfte Schließung, teilweise Schließung und Umkehr von Positionen bis zum Wochentag Die Farben der Diagrammstäbe zeigen profitables Blau und verlieren rote Deals. Profits und Verluste nach Monaten. Dieses Diagramm zeigt die Verteilung der Marktausgangsgeschäfte Schließung, teilweise Schließung und Umkehr von Positionen durch Monate Die Farben der Diagrammstäbe zeigen profitables Blau und verlieren rote Deals. Positionen werden als Punkte auf dem Diagramm von MFE aufgetragen Maximal günstige Exkursionsgewinne Werte der beiden Achsen werden in der Einzahlungswährung angegeben Zusätzlich zu dem Gewinnwert jeder Position einschließlich Swaps Aufgetragen entlang der Y-Achse, zeigt die Grafik den maximal möglichen Gewinn während der Position Haltezeit Es erlaubt, die Qualität des Schutzes des Papiers unrealisierte Profit abzuschätzen. Obwohl die Verteilung der Punkte entlang der Grafik ein Bild des Trading-Systems, eine lineare Regression, die Näherung durch kleinste Quadrate ist, wird für eine objektive Beurteilung gegeben. Idealerweise sollte die Linie in einem Winkel von 45 Grad gehen. Positionen werden als Punkte auf dem Graphen von MAE aufgetragen. Maximale Nebenausweichung Profit Werte der beiden Achsen sind in der Einzahlungswährung Zusätzlich zu dem Gewinnwert jeder Position, einschließlich Swaps, die entlang der Y-Achse aufgetragen sind, zeigt der Graph den höchsten Drawdown während der Positionshaltezeit. Es ermöglicht die Schätzung von Trades in Bezug auf das Drawdown-Outstaying. Obwohl die Verteilung der Punkte entlang des Graphen eine Bild des Handelssystems, eine lineare Regression, die Näherung der kleinsten Quadrate ist, wird für eine objektive Bewertung gegeben. Je weniger Trades mit negativen X MAE-Werten, desto besser Die grafische Analyse hilft, den maximalen Toleranzverlust abzuschätzen, woraufhin die Möglichkeit besteht Der Gewinn ist sehr klein, wenn die Analyse für ein Währungspaar und in Punkten durchgeführt wird. Profit - und Positionshaltezeitverteilung. Points, die auf dem Profitzeitdiagramm aufgezeichnet sind, zeigen Positionen an. Der Graph zeigt eine Korrelation zwischen der Positionshaltezeit und dem erzielten Gewinn an Ergebnis des Verschlusses Werte auf der Zeitachse können in Sekunden, Minuten oder Stunden abhängig von der Skala angegeben werden. Profit wird in der Einzahlungswährung angezeigt Die Positionshaltezeit wird als die Zeit von der Eröffnung bis zum vollständigen Abschluss berechnet. Vollständige Schließung einer Position Ist seine volle Beseitigung der berechnete Wert nicht berücksichtigen partielle Schließung oder Positionsumkehr. MetaTrader 4 - Trading. Mathematik im Handel Wie schätzen Sie Handelsergebnisse. Wenn ich werde durch Zufälligkeit getäuscht werden, ist es besser von der schönen und harmlosen Art Nassim N Taleb. Introduktion Mathematik ist die Königin der Wissenschaften. Ein gewisses Maß an mathematischen Hintergrund ist von jedem Händler erforderlich, und diese Aussage braucht keinen Beweis Die Angelegenheit ist nur Wie können wir definieren diese minimale erforderliche Ebene Im Wachstum seines Handels Erfahrung, Trader oft erweitert seine oder ihre Perspektive Einhändige, Lesung Beiträge auf Foren oder verschiedene Bücher Einige Bücher erfordern niedrigere Ebene der mathematischen Hintergrund der Leser, einige, im Gegenteil, inspirieren ein zu studieren oder putzen ein s Wissen in einem Bereich Von reinen Wissenschaften oder einem anderen Wir werden versuchen, einige Schätzungen und ihre Interpretationen in diesem einzigen Artikel zu geben. Von zwei Übeln wählen Sie die Least. There sind mehr Mathematiker in der Welt als erfolgreiche Händler Diese Tatsache wird oft als Argument von den gegnerischen komplexen Berechnungen verwendet Oder Methoden im Handel Wir können dagegen sagen, dass der Handel nicht nur Fähigkeit ist, Handelsregeln zu entwickeln, die Fähigkeiten analysieren, sondern auch die Fähigkeit, diese Regeln zu beobachten Disziplin Neben einer Theorie, die genau die Preisgestaltung auf den Finanzmärkten beschreiben würde, Denke, es wird niemals geschaffen werden Die Schaffung der Theorie Entdeckung der mathematischen Natur der Finanzmärkte selbst würde bedeuten, Tod dieser Märkte, die ein unentscheidbares Paradoxon in Bezug auf die Philosophie Aber wenn wir die Frage, ob auf den Markt mit zu gehen Nicht ganz befriedigende mathematische Beschreibung des Marktes oder ohne irgendeine Beschreibung überhaupt, wählen wir die am wenigsten böse Wir wählen Methoden der Schätzung der Handelssysteme. Was ist Abnormalität der Normalverteilung. Eines der grundlegenden Begriffe in der Theorie der Wahrscheinlichkeit ist der Begriff der normalen Gaußsche Verteilung Warum wird es so genannt. Viele natürliche Prozesse erwiesen sich als normal verteilt Um genau zu sein, die meisten natürlichen Prozesse, an der Grenze, reduzieren auf normale Verteilung Lassen Sie uns ein einfaches Beispiel betrachten Angenommen, wir haben eine einheitliche Verteilung im Intervall Von 0 bis 100 Einheitliche Verteilung bedeutet, dass die Wahrscheinlichkeit des Sinkens eines beliebigen Wertes auf das Intervall und die Wahrscheinlichkeit, dass 3 14 Pi fallen wird, dasselbe ist wie das des Sturzes 77 meine Lieblingsnummer mit zwei Sevens Moderne Computer helfen, eine ziemlich gute Pseudozufallszahl zu erzeugen Sequenz. Wie können wir eine normale Verteilung dieser einheitlichen Verteilung erhalten. Es stellt sich heraus, dass, wenn wir jedes Mal mehrere zufällige Zahlen zum Beispiel, 5 Zahlen einer eindeutigen Verteilung und finden Sie den Mittelwert dieser Zahlen dies ist aufgerufen, um eine Probe und nehmen Wenn die Menge solcher Proben groß ist, wird die neu gewonnene Verteilung dazu neigen, normal zu sein. Das zentrale Limit-Theorem sagt, dass dies nicht nur Proben aus einzigartigen Verteilungen, sondern auch zu einer sehr großen Klasse von anderen Distributionen betrifft. Da die Eigenschaften der Normalverteilung haben Wurde sehr gut untersucht, es wird viel einfacher sein, Prozesse zu analysieren, wenn sie als Prozess mit normaler Verteilung dargestellt werden. Allerdings ist das Sehen zu glauben, so dass wir die Bestätigung dieses zentralen Limit-Theorems mit einem einfachen MQL4-Indikator sehen können Indikator, der eine normale Verteilung eines einheitlichen erzeugt. Hierbei bedeutet N, wie oft wir den Durchschnitt des Stapels 5 gehabt haben Gleichmäßig verteilte Zahlen im Intervall von 0 bis 100 Wir haben vier Diagramme erhalten, sehr ähnlich im Aussehen Wenn wir sie irgendwie an der Grenze zu einer einzigen Skala normalisieren, erhalten wir eine Reihe von Realisierungen der Standard-Normalverteilung Die einzige Fliege in dieser Salbe Ist die Preisgestaltung auf den Finanzmärkten genauer, Preiserhöhungen und andere Derivate dieser Inkremente, im Allgemeinen, passt nicht in die normale Verteilung Die Wahrscheinlichkeit eines eher seltenen Ereignisses zum Beispiel, der Preis sinkt um 50 auf den Finanzmärkten ist, Während niedrig, aber immer noch deutlich höher als bei normaler Verteilung Dies ist der Grund, warum man sich daran erinnern sollte bei der Schätzung von Risiken auf der Grundlage der normalen Verteilung. Quantity Transforms in Quality. Even dieses einfache Beispiel für die Modellierung der normalen Verteilung zeigt, dass die Menge der Daten verarbeitet werden Zählt für viel Die mehr anfänglichen Daten gibt es, je präziser und gültig das Ergebnis ist Die kleinste Zahl in der Stichprobe gilt als übertreffen 30 Es bedeutet, dass, wenn wir die Ergebnisse von Trades zum Beispiel einen Expert Advisor in Der Tester, die Anzahl der Trades unter 30 ist unzureichend, um statistisch zuverlässige Schlussfolgerungen über einige Parameter des Systems zu machen. Je mehr Trades wir analysieren, desto weniger ist die Wahrscheinlichkeit, dass diese Trades einfach nur Elemente eines nicht sehr zuverlässigen Handelssystems entreißen, Der endgültige Gewinn in einer Reihe von 150 Trades bietet mehr Gründe für die Inbetriebnahme des Systems als ein System auf nur 15 Trades geschätzt. Mathematische Erwartung und Dispersion als Risiko Schätzung. Die beiden wichtigsten Merkmale einer Verteilung sind mathematische Erwartung Durchschnitt und Dispersion Die Standard-Normalverteilung hat eine mathematische Erwartung gleich Null. Damit ist das Verteilungszentrum bei null, aber Ebenheit oder Steilheit der Normalverteilung ist durch das Maß der Ausbreitung eines zufälligen Wertes innerhalb des mathematischen Erwartungsbereichs gekennzeichnet. Es ist eine Dispersion, die zeigt Uns, wie sich die Werte über die mathematische Erwartung des zufälligen Wertes verteilen. Die mathematische Erwartung findet sich auf sehr einfache Weise. Für abzählbare Sätze werden alle Verteilungswerte zusammengefasst, wobei die erhaltene Summe durch die Menge der Werte geteilt wird Natürliche Zahlen sind unendlich, aber abzählbar, da jeder Wert mit seiner Indexreihenfolge zusammengetragen werden kann. Für unzählbare Sätze wird die Integration angewendet. Um die mathematische Erwartung einer Reihe von Trades abzuschätzen, werden wir alle Handelsergebnisse zusammenfassen und die erhaltene Menge dividieren Die Menge der Trades Der erhaltene Wert zeigt das erwartete durchschnittliche Ergebnis jedes Handels Wenn mathematische Erwartung positiv ist, profitieren wir im Durchschnitt Wenn es negativ ist, verlieren wir im Durchschnitt. Fig 2 Diagramm der Wahrscheinlichkeitsdichte der Normalverteilung Der Verteilung ist die Summe der quadratischen Abweichungen des zufälligen Wertes aus seiner mathematischen Erwartung Diese Eigenschaft der Verteilung heißt Dispersion Normalerweise wird die mathematische Erwartung für einen zufällig verteilten Wert MX genannt. Dann kann die Dispersion als DXM XM X 2 bezeichnet werden. Die Quadratwurzel Der Dispersion heißt Standardabweichung Es ist auch als Sigma definiert Es ist eine Normalverteilung mit mathematischer Erwartung gleich Null und Standardabweichung gleich 1, die als normale oder Gaußsche Verteilung bezeichnet wird. Je höher der Wert der Standardabweichung ist, desto mehr Veränderbar das Handelskapital ist, je höher ihr Risiko ist Wenn die mathematische Erwartung positiv ist eine rentable Strategie und gleich 100 und wenn die Standardabweichung gleich 500 ist, riskieren wir eine Summe, die um ein Vielfaches größer ist, um jeden Dollar zu verdienen Beispielsweise haben wir die Ergebnisse von 30 Trades. Um die mathematische Erwartung für diese Abfolge von Trades zu finden, lasst uns alle Ergebnisse zusammenfassen und diese durch 30 teilen. Wir erhalten den Mittelwert MX gleich 4 26 Um die Standardabweichung zu finden, Wir subtrahieren den Durchschnitt von jedem Handel s Ergebnis, quadratisch, und finden Sie die Summe der Quadrate Der erhaltene Wert wird durch 29 die Menge der Trades minus eins geteilt werden So erhalten wir Dispersion D gleich 9 353 623 Nach der Erstellung der Quadratwurzel der Dispersion, erhalten wir Standardabweichung, Sigma, gleich 96 71. Die Prüfdaten sind in der nachfolgenden Tabelle angegeben. XM X 2 Square of Difference. Was wir erhalten haben, ist die mathematische Erwartung gleich 4 26 und Standardabweichung von 96 71 Es ist nicht das beste Verhältnis zwischen dem Risiko und dem durchschnittlichen Handel Profit Chart unten bestätigt dies. Fig 3 Balance Graph für Trades Made. o ich handeln zufällig Z-Score. Die Annahme selbst, dass der Gewinn, der als Ergebnis einer Reihe von Trades gewonnen wird, ist zufällig klingt sardonisch für die meisten Händler Nachdem ich viel Zeit auf der Suche nach einem erfolgreichen Handelssystem verbracht und beobachtet, dass das System Gefunden hat schon einige reale Gewinne in einer ziemlich begrenzten Zeit, der Trader vermutet, dass eine richtige Annäherung an den Markt gefunden haben Wie kann er oder sie davon ausgehen, dass all dies war nur eine Zufälligkeit Das ist ein bisschen zu dick, vor allem für Neulinge Trotzdem ist es wichtig, die Ergebnisse objektiv abzuschätzen. In diesem Fall kommt die Normalverteilung wieder zur Rettung. Wir wissen nicht, was es jedem Handel geben wird. Wir können nur sagen, dass wir entweder Gewinn gewinnen oder mit Verlusten zusammenkommen - Gewinne und Verluste wechseln sich auf unterschiedliche Weise für verschiedene Handelssysteme aus. Wenn zum Beispiel der erwartete Gewinn um das 5-fache geringer ist als der erwartete Verlust bei der Auslösung von Stop Loss, wäre es sinnvoll, davon auszugehen, dass gewinnbringende Handelsgeschäfte über die Verluste hinausgehen werden - Trades Z-Core ermöglicht es uns, abzuschätzen, wie oft rentable Trades abwechselnd mit dem Verlust zu verlieren. Z für ein Trading-System wird durch die folgenden Formeln berechnet. wo N - Gesamtbetrag der Trades in einer Reihe R - Gesamtmenge der Reihe von rentabel und verlieren Trades P 2 WLW - Gesamtbetrag der gewinnbringenden Trades in der Serie L - Gesamtbetrag der Verluste in der Serie. Eine Reihe ist eine Folge von Plusen, gefolgt von einander, zB Minus, gefolgt von einander, zB R - Zählt die Menge dieser Serien. Fig 4 Vergleich von zwei Serien von Gewinnen und Verlusten. In Abb. 4 ist ein Teil der Reihenfolge der Gewinne und Verluste der Expert Advisor, die den ersten Platz bei der Automated Trading Championship 2006 genommen, in blau gezeigt Z-Score seines Wettbewerbs-Account hat den Wert von -3 85, Wahrscheinlichkeit von 99 74 ist in Klammern gegeben Dies bedeutet, dass mit einer Wahrscheinlichkeit von 99 74, Trades auf diesem Konto hatte eine positive Abhängigkeit zwischen ihnen Z-Score ist negativ a Profit wurde von einem Gewinn gefolgt, ein Verlust wurde von einem Verlust gefolgt Ist dies der Fall Diejenigen, die die Meisterschaft beobachteten, würden wahrscheinlich daran denken, dass Roman Rich seine Version von Expert Advisor MACD platziert hat, die häufig drei Trades in die gleiche Richtung geführt hatte Typische Sequenz von positiven und negativen Werten des zufälligen Wertes bei normaler Verteilung wird rot dargestellt Wir können sehen, dass diese Sequenzen sich unterscheiden. Wie können wir aber diesen Unterschied messen? Z-Score Antwort auf diese Frage Ist Ihre Gewinn - und Verlustfolge mehr oder weniger Streifen profitabel oder verlieren Serien, als Sie für eine wirklich zufällige Sequenz ohne jegliche Abhängigkeit zwischen Trades erwarten können Wenn die Z-Punktzahl nahe Null ist, können wir nicht sagen, dass die Tradesverteilung von der normalen Verteilung abweicht. Z-Score einer Trading-Sequenz kann uns darüber informieren Mögliche Abhängigkeit zwischen aufeinanderfolgenden Trades. Dabei werden die Werte von Z in gleicher Weise interpretiert wie die Wahrscheinlichkeit der Abweichung von Null eines zufälligen Wertes, der nach dem Standard-Normalverteilungsdurchschnitt 0 verteilt wird, Sigma 1 Wenn die Wahrscheinlichkeit des Sinkens eines normal verteilten Zufälliger Wert im Bereich von 3 ist 99 74, das Fallen dieses Wertes außerhalb dieses Intervalls mit der gleichen Wahrscheinlichkeit von 99 74 informiert uns, dass dieser zufällige Wert nicht zu dieser gegebenen Normalverteilung gehört. Deshalb ist die 3-Sigma-Regel Lese wie folgt ein normaler zufälliger Wert weicht von seinem Durchschnitt um nicht mehr als 3-Sigma-Distanz ab. Sign von Z informiert uns über die Art der Abhängigkeit Plus bedeutet, dass es höchstwahrscheinlich ist, dass der gewinnbringende Handel von einem Verlieren gefolgt wird, sagt Minus Dass der Gewinn wird von einem Gewinn gefolgt werden, wird ein Verlust wird von einem Verlust wieder gefolgt Eine kleine Tabelle unten illustriert die Art und die Wahrscheinlichkeit der Abhängigkeit zwischen den Trades im Vergleich zu normalen Verteilung. Probability of Dependence. Typ der Abhängigkeit. Eine positive Abhängigkeit Zwischen Trades bedeutet, dass ein Gewinn einen neuen Gewinn verursachen wird, während ein Verlust einen neuen Verlust verursachen wird. Eine negative Abhängigkeit bedeutet, dass ein Gewinn von einem Verlust gefolgt wird, während der Verlust von einem Gewinn gefolgt wird. Die gefundene Abhängigkeit erlaubt uns zu regulieren Größen von Positionen, die idealerweise geöffnet oder sogar überspringen einige von ihnen und öffnen sie nur praktisch, um Handelssequenzen zu sehen. Holding-Periode Rückkehr HPR. In seinem Buch, die Mathematik der Geld-Management Ralph Vince nutzt die Vorstellung von HPR Haltezeit Rückkehr A Handel führte zu Gewinn von 10 hat die HPR 1 0 10 1 10 A Handel führte zu einem Verlust von 10 hat die HPR 1-0 10 0 90 Sie können auch den Wert der HPR für einen Handel durch die Aufteilung der Balance-Wert nach dem Handel Wurde geschlossen BalanceSchließen durch den Saldo bei der Eröffnung des Handels BalanceOpen HPR BalanceClose BalanceOpen So hat jeder Handel sowohl ein Ergebnis in Geld-Bedingungen und ein Ergebnis als HPR ausgedrückt Dies ermöglicht es uns, Systeme unabhängig von der Größe der gehandelten Verträge zu vergleichen Einer von Indizes, die in einem solchen Vergleich verwendet werden, ist das arithmetische Mittel, AHPR durchschnittliche Halteperiodenrückkehr. Um das AHPR zu finden, sollten wir alle HPRs zusammenfassen und das Ergebnis durch die Menge an Trades teilen. Betrachten wir diese Berechnungen mit dem obigen Beispiel von 30 Trades Angenommen Wir haben mit 500 auf dem Konto gehandelt Lassen Sie uns einen neuen Tisch machen. AHPR wird als das arithmetische Mittel gefunden Es ist gleich 1 0217 Mit anderen Worten, wir verdienen durchschnittlich 1 0217-1 100 2 17 auf jedem Handel Ist dies der Fall Wenn wir 2 17 um 30 multiplizieren, werden wir sehen, dass das Einkommen 65 1 machen soll. Vielseitig den Anfangsbetrag von 500 bis 65 1 multiplizieren und 325 50 erhalten. Gleichzeitig macht der echte Profit 627 71-500 500 100 25 54 So erlaubt uns das arithmetische Mittel von HPR nicht immer, ein System richtig zu schätzen. Mit dem arithmetischen Mittelwert führt Ralph Vince den Begriff des geometrischen Durchschnitts ein, den wir GHPR-geometrische Halteperiodenrenditen nennen werden, was praktisch immer kleiner ist als die AHPR Geometrischer Durchschnitt ist der Wachstumsfaktor pro Spiel und wird durch die folgenden Formeln gefunden. N - Betrag der Trades BalanceOpen - Anfangszustand des Kontos BalanceClose - Endzustand des Kontos. Das System mit dem größten GHPR wird die höchsten Gewinne machen, wenn wir Handel auf der Grundlage der Reinvestition Die GHPR unterhalb eines bedeutet, dass das System Geld verlieren wird, wenn wir auf der Grundlage der Reinvestition handeln Ein gutes Beispiel für den Unterschied zwischen AHPR und GHPR kann sashken s Account Geschichte sein Er war der Führer der Meisterschaft für eine lange Zeit Zeit AHPR 9 98 beeindruckt, aber die endgültige GHPR -27 68 setzt alles in Perspektive. Sharpe Ratio. Effizienz von Investitionen wird oft in Bezug auf die Gewinne Dispersion geschätzt Einer dieser Indizes ist Sharpe Ratio Dieser Index zeigt, wie AHPR durch die Risiko-frei verringert Rate RFR bezieht sich auf Standardabweichung SD der HPR-Sequenz Der Wert von RFR wird in der Regel gleich dem Zinssatz bei Einlagen in der Bank oder Zinssatz für Treasury Verpflichtungen In unserem Beispiel, AHPR 1 0217, SD HPR 0 17607, RFR 0. Wo AHPR - durchschnittliche Halteperiode Rendite RFR - risikofreie Rate SD - Standardabweichung. Sharpe Verhältnis 1 0217- 1 0 0 17607 0 0217 0 17607 0 1232 Für die Normalverteilung liegen über 99 zufällige Werte im Bereich von 3 Sigma SD Über den Mittelwert MX Daraus folgt, dass der Wert des Sharpe-Verhältnisses, der 3 übersteigt, sehr gut ist. In Abb. 5 unten sehen wir, dass, wenn die Handelsergebnisse normal verteilt sind und Sharpe Ratio 3, die Wahrscheinlichkeit des Verlierens unter 1 pro Handel liegt Zu 3-Sigma-Regel. Fig 5 Normalverteilung der Handelsergebnisse mit der Verlustwahrscheinlichkeit von weniger als 1.Das Konto des Teilnehmers namens RobinHood bestätigt dies seine EA machte 26 Trades bei der Automated Trading Championship 2006 ohne irgendwelche unter ihnen zu verlieren Sharpe Ratio 3 07.Linear Regression LR und Koeffizient der linearen Korrelation CLC. Es gibt auch einen anderen Weg zur Schätzung der Handelsergebnisse Stabilität Sharpe Ratio ermöglicht es uns, das Risiko des Kapitals zu schätzen, aber wir können auch versuchen, die Balance Kurve glatten Grad abzuschätzen Wenn wir auferlegen Die Werte des Gleichgewichts bei der Schließung eines jeden Handels, werden wir in der Lage sein, eine gestrichelte Linie zu zeichnen. Diese Punkte können mit einer gewissen Geraden versehen werden, die uns die mittlere Richtung der Kapitaländerungen zeigen wird. Wir betrachten ein Beispiel für diese Gelegenheit mit dem Gleichgewicht Grafik von Expert Advisor Phoenix4 entwickelt von Hendrick. Fig 6 Balance Grafik von Hendrick, der Teilnehmer der Automated Trading Championship 2006. Wir müssen solche Koeffizienten a und b finden, dass diese Zeile so nah wie möglich an die Punkte passt In unserem Fall , X ist die Handelsnummer, y ist der Balance-Wert beim Schließen des Handels. Die Koeffizienten einer approximierenden Gerade werden gewöhnlich nach dem kleinsten Quadrate-Verfahren gefunden. LS-Methode Angenommen, wir haben diese gerade mit bekannten Koeffizienten und b Für jedes x haben wir zwei Werte yxaxb Und Balance x Abweichung von Balance x von yx wird als dxyx-Balance x SSD Summe von quadratischen Abweichungen als SD Summ berechnet werden können. Finden Sie die Gerade durch LS-Methode bedeutet, nach solchen zu suchen und b, dass SD minimal ist Diese gerade wird auch benannt linear regression LR for the given sequence. Fig 7 Balance value deviation from the straight of y ax b. Having obtained coefficients of the straight of yaxb using the LS method, we can estimate the balance value deviation from the found straight in money terms If we calculate the arithmetic average for sequence dx , we will be certain that dx is close to zero to be more exact, it is equal to zero to some calculation accuracy degree At the same time, the SSD of SD is not equal to zero and has a certain limited value The square root of SD N-2 shows the spread of values in the Balance graph about the straight line and allows to estimate trading systems at identical values of the initial state of the account We will call this parameter LR Standard Error. Below are values of this parameter for the first 15 accounts in the Automated Trading Championship 2006.LR Standard Error. However, the degree of approximation of the balance graph to a straight can be measured in both money terms and absolute terms For this, we can use correlation rate Correlation rate, r, measures the degree of correlation between two sequences of numbers Its value may lie within the range of -1 to 1 If r 1, it means that two sequences have identical behavior and the correlation is positive. Fig 8 Positive correlation example. If r -1, the two sequences change in opposition, the correlation is negative. Fig 9 Negative correlation example. If r 0, it means that there is no dependence found between the sequences It should be emphasized that r 0 does not mean that there is no correlation between the sequences, it just says that such a correlation has not been found This must be remembered In our case, we have to compare two sequences of numbers , -.Fig 10 Values of balance and points on linear regression. Below is the table representation of the same data. Let s denote balance values as X and the sequence of points on the straight regression line as Y To calculate the coefficient of linear correlation between sequences X and Y, it is necessary to find mean values MX and MY first Then we will create a new sequence T XM X YM Y and calculate its mean value as MT cov X, YM XM X YM Y The found value of cov X, Y is named covariance of X and Y and means mathematical expectation of product XM X YM Y For our example, covariance value is 21 253 775 08 Please note that MX and MY are equal and have the value of 21 382 26 each It means that the Balance mean value and the average of the fitting straight are equal. where X - Balance Y - linear regression MX - Balance mean value MY - LR mean value. The only thing that remains to be done is calculation of Sx and Sy To calculate Sx, we will find the sum of values of XM X 2, ie find the SSD of X from its mean value Remember how we calculated dispersion and the algorithm of LS method As you can see they are all related The found SSD will be divided by the amount of numbers in the sequence - in our case, 36 from zero to 35 - and extract the square root of the resulting value So we have obtained the value of Sx The value of Sy will be calculated in the same way In our example, Sx 5839 098245 and Sy 4610 181675.where N - amount of trades X - Balance Y - linear regression MX - Balance mean value MY - LR mean value. Now we can find the value of correlation coefficient as r 21 253 775 08 5839 098245 4610 181675 0 789536583 This is below one, but far from zero Thus, we can say that the balance graph correlates with the trend line valued as 0 79 By comparison to other systems, we will gradually learn how to interpret the values of correlation coefficient At page Reports of the Championship, this parameter is named LR correlation The only difference made to calculate this parameter within the framework of the Championship is that the sign of LR correlation indicates the trade profitability. The matter is that we could calculate the coefficient of correlation between the balance graph and any straight For purposes of the Championship, it was calculated for ascending trend line, hence, if LR correlation is above zero, the trading is profitable If it is below zero, it is losing Sometimes an interesting effect occurs where the account shoes profit, but LR correlation is negative This can mean that trading is losing , anyway An example of such situation can be seen at Aver s The Total Net Profit makes 2 642, whereas LR orrelation is -0 11 There is likely no correlation, in this case It means we just could not judge about the future of the account. MAE and MFE Will Tell Us Much. We are often warned Cut the losses and let profit grow Looking at final trade results, we cannot draw any conclusions about whether protective stops Stop Loss are available or whether the profit fixation is effective We only see the position opening date, the closing date and the final result - a profit or a loss This is like judging about a person by his or her birth and death dates Without knowing about floating profits during every trade s life and about all positions as a total, we cannot judge about the nature of the trading system How risky is it How was the profit reached Was the paper profit lost Answers to these questions can be rather well provided by parameters MAE Maximum Adverse Excursion and MFE Maximum Favorable Excursion. Every open position until it is closed continuously experiences profit fluctuations Every trade reached its maximal profit and its maximal loss during the period between its opening and closing MFE shows the maximal price movement in a favorable direction Respectively, MAE shows the maximal price movement in an adverse direction It would be logical to measure both indexes in points However, if different currency pairs were traded, we will have to express it in money terms. Every closed trade corresponds to its result return and two indexes - MFE and MAE If the trade resulted in profit of 100, MAE reaching - 1000, this does not speak for this trade s best Availability of many trades resulted in profits, but having large negative values of MAE per trade, informs us that the system just sits out losing positions Such trading is fated to failure sooner or later. Similarly, values of MFE can provide some useful information If a position was opened in a right direction, MFE per trade reached 3000, but the trade was then closed resulting in the profit of 500, we can say that it would be good to elaborate the system of unfixed profit protection This may be Trailing Stop that we can move after the price if the latter one moves in a favorable direction If short profits are systematic, the system can be significantly improved MFE will tell us about this. For visual analysis to be more convenient, it would be better to use graphical representation of distribution of values of MAE and MFE If we impose each trade into a chart, we will see how the result has been obtained For example, if we have another look into Reports of RobinHood who didn t have any losing trades at all, we will see that each trade had a drawdown MAE from - 120 to - 2500.Fig 11 Trades distribution on the plane of MAExReturns. Besides, we can draw a straight line to fit the Returns x MAE distribution using the LS method In Fig 11, it is shown in red and has a negative slope the straight values decrease when moving from left to right Parameter Correlation Profits, MAE -0 59 allows us to estimate how close to the straight the points are distributed in the chart Negative value shows negative slope of the fitting line. If you look through other Participants accounts, you will see that correlation coefficient is usually positive In the above example, the descending slope of the line says us that it tends to get more and more drawdowns in order not to allow losing trades Now we can understand what price has been paid for the ideal value of parameter LR Correlation 1.Similarly, we can build a graph of distribution of Returns and MFE, as well as find the values of Correlation Profits, MFE 0 77 and Correlation MFE, MAE -0 59 Correlation Profits, MFE is positive and tends to one 0 77 This informs us that the strategy tries not to allow long sittings out floating profits It is more likely that the profit is not allowed to grow enough and trades are closed by Take Profit As you can see, distributions of MAE and MFE give us a visual estimate and values of Correlation Profits, MFE and Correlation Profits, MAE can inform us about the nature of trading, even without charts. Values of Correlation MFE, MAE , Correlation NormalizedProfits, MAE and Correlation NormalizedProfits, MFE in the Championship Participants Reports are given as additional information. Trade Result Normalization. In development of trading systems, they usually use fixed sizes for positions This allows easier optimization of system parameters in order to find those more optimal on certain criteria However, after the inputs have been found, the logical question occurs What sizing management system Money Management, MM should be applied The size of positions opened relates directly to the amount of money on the account, so it would not be reasonable to trade on the account with 5 000 in the same way as on that with 50 000 Besides, an system can open positions, which are not directly proportional I mean a position opened on the account with 50 000 should not necessarily be 10 times more than that opened on a 5 000 deposit. Position sizes may also vary according to the current market phase, to the results of the latest several trades analysis, and so on So the money-management system applied can essentially change the initial appearance of a trading system How can we then estimate the impact of the applied money-management system Was it useful or did it just worsen the negative sides of our trading approach How can we compare the trade results on several accounts having the same deposit size at the beginning A possible solution would be normalization of trade results. where TradeProfit - profit per trade in money terms TradeLots - position size lots MinimumLots - minimum allowable position size. Normalization will be realized as follows We will divide each trade s result profit or loss by the position volume and then multiply by the minimum allowable position size For example, order 4399142 BUY 2 3 lots USDJPY was closed with the profit of 4 056 20 118 51 swaps 4 174 71 This example was taken from the account of GODZILLA Nikolay Kositsin Let s divide the result by 2 3 and multiply by 0 1 the minimum allowable position size , and obtain a profit of 4 056 20 2 3 0 1 176 36 and swaps 5 15 these would be results for the order of 0 1-lot size Let us do the same with results of all trades and we will then obtain Normalized Profits NP. the first thing we think about is finding values of Correlation NormalizedProfits, MAE and Correlation NormalizedProfits, MFE and comparing them to the initial Correlation Profits, MAE and Correlation Profits, MFE If the difference between parameters is significant, the applied method has likely changed the initial system essentially They say that applying of can kill a profitable system, but it cannot turn a losing system into a profitable one in the Championship, the account of TMR is a rare exception where changing Correlation NormalizedProfits, MFE value from 0 23 to 0 63 allowed the trader to close in black. How Can We Estimate the Strategy s Aggression. We can benefit even more from normalized trades in measuring of how the MM method applied influences the strategy It is obvious that increasing sizes of positions 10 times will cause that the final result will differ from the initial one 10 times And what if we change the trade sizes not by a given number of times, but depending on the current developments Results obtained by trust-managing companies are usually compared to a certain model, usually - to a stock index Beta Coefficient shows by how many times the account deposit changes as compared to the index If we take normalized trades as an index, we will be able to know how much more volatile the results became as compared to the initial system 0 1-lot trades. Thus, first of all, we calculate covariance - cov Profits, NormalizedProfits then we calculate the dispersion of normalized trades naming the sequence of normalized trades as NP For this, we will calculate the mathematical expectation of normalized trades named M NP M NP shows the average trade result for normalized trades Then we will find the SSD of normalized trades from M NP , ie we will sum up NP-M NP 2 The obtained result will be then divided by the amount of trades and name D NP This is the dispersion of normalized trades Let s divide covariance between the system under measuring, Profits, and the ideal index, NormalizedProfits cov Profits, NormalizedProfits , by the index dispersion D NP The result will be the parameter value that will allow us to estimate by how many times more volatile the capital is than the results of original trades trades in the Championship as compared to normalized trades This parameter is named Money Compounding in the Reports It shows the trading aggression level to some extent. where Profits - trade results NP - normalized trade results M NP - mean value of normalized trades. The LR Standard error in Winners accounts was not the smallest At the same time, the balance graphs of the most profitable Expert Advisors were rather smooth since the LR Correlation values are not far from 1 0 The Sharpe Ratio lied basically within the range of 0 20 to 0 40 The only EA with extremal Sharpe Ratio 3 07 turned not to have very good values of MAE and MFE. The GHPR per trade is basically located within the range from 1 5 to 3 At that, the Winners did not have the largest values of GHPR, though not the smallest ones Extreme value GHPR 12 77 says us again that there was an abnormality in trading , and we can see that this account experienced the largest fluctuations with LR Standard error 9 208 08.Z-score does not give us any generalizations about the first 15 Championship Participants, but values of Z 2 0 may draw our attention to the trading history in order to understand the nature of dependence between trades on the account Thus, we know that Z -3 85 for Rich s account was practically reached due to simultaneous opening of three positions And how are things with ldamiani s account. Finally, the last column in the above table, Money Compounding, also has a large range of values from 8 to 50, 50 being the maximal value for this Championship since the maximal allowable trade size made 5 0 lots, which is 50 times more than the minimal size of 0 1 lot However, curiously enough, this parameter is not the largest at Winners The Top Three s values are 17 27, 28 79 and 16 54 Did not the Winners fully used the maximal allowable position size Yes, they did the matter is, perhaps, that the MM methods did not considerably influence trading risks at general increasing of contract sizes This is a visible evidence of that money management is very important for a trading system. The 15th place was taken by payday The EA of this Participant could not open trades with the size of more than 1 0 lot due to a small error in the code What if this error did not occur and position sizes were in creased 5 times, up to 5 0 lots Would then the profit increase proportionally, from 4 588 90 to 22 944 50 Would the Participant then take the second place or would he experience an irrecoverable DrawDown due to increased risks Would alexgomel be on the first place His EA traded with only 1 0- trades, too Or could vgc win, whose Expert Advisor most frequently opened trades of the size of less than 1 0 lot All three have a good smooth balance graph As you can see, the Championship s plot continues whereas it was over. Conclusion Don t Throw the Baby Out with the Bathwater. Opinions differ This article gives some very general approaches to estimation of trading strategies One can create many more criteria to estimate trade results Each characteristic taken separately will not provide a full and objective estimate, but taken together they may help us to avoid lopsided approach in this matter. We can say that we can subject to a cross-examination any positive result a profit gained on a sufficient sequence of trades in order to detect negative points in trading This means that all these characteristics do not so much characterize the efficiency of the given trading strategy as inform us about weak points in trading we should pay attention at, without being satisfied with just a positive final result - the net profit gained on the account. Well, we cannot create an ideal trading system, every system has its benefits and implications Estimation test is used in order not to reject a trading approach dogmatically, but to know how to perform further development of trading systems and Expert Advisors In this regard, statistical data accumulated during the Automated Trading Championship 2006 would be a great support for every trader. MetaTrader Expert Advisor. Probability Tools For Better Forex Trading. In order to be successful, forex traders need to know the basic mathematics of probability After all, it s difficult to achieve and maintain trading gains without first having the ability to understand the numbers and measure them. Many traders use a combination of black box indicators to develop and implement trading rules Yet, the difference between a good trader and a great one is his or her understanding of the metrics and methods for calculating performance and gains. Probability and statistics are the key to developing, testing and profiting from forex trading By knowing a few probability tools, it s easier for traders to set trading goals in mathematical terms, create and operate effective trading strategies, and assess results. It s helpful to review the most basic concepts of probability and statistics for forex trading By understanding the math of probability, you ll know the logic used by mechanical trading systems and expert advisors EA. Normal distribution. The most basic tool of probability in forex trading is the concept of normal distribution Most natural processes are said to be normally distributed. Uniform distribution implies that the probability of a number being anywhere on a continuum is about equal This is the sort of distribution that would result from artificially spreading objects as evenly as possible across an area, with a uniform amount of spacing between them. However, instead of a uniform distribution, a currency-pair s price will likely be found within a certain area at any given time This is its normal distribution, and probability tools can show an approximation of where that price is likely to be found. Normal distribution offers forex traders predictive power regarding the likelihood that a currency-pair price will reach a certain level during a certain time frameputers use a random-number generator to calculate the means averages of forex prices in order to determine their normal distribution. If a large number of sample prices are checked, the normal distribution will form the shape of a bell curve when plotted graphically The greater the number of samples, the smoother the curve will be. The rules of simple averages are helpful to traders, yet the rules of normal distribution offer more useful predictive power For example, a trader may calculate that the average daily price move of a forex pair is, say, 50 pips. Yet, the normal distribution can also tell the trader the likelihood that a certain daily price move will fall between 30 and 50 pips, or between 50 and 70 pips. According to the rules of normal distribution and standard deviation, approximately 68 of the samples will be found within one standard deviation of the mean average , and about 95 will be found within two standard deviations of the mean Finally, there is a 99 7 likelihood that the sample will fall within three standard deviations of the mean. Normal distribution and standard deviation functions in expert advisors EA and trading systems help forex traders assess the probability that prices may move a certain amount during a given period of time. Yet, traders should be cautious when using the concept of normal distribution alone for purposes of risk management Even though the probability of a rare event such as a price decrease of 50 may seem low, unforeseen marketplace factors can make the possibility much higher than it appears during normal distribution calculations. Reliability of analysis depends on quantity and quality of data. When modelling normal distribution curves, the amount and quality of input price data is very important The greater the number of samples, the smoother the curve will be Also, to avoid calculation errors resulting from insufficient data, it s important that each calculation be based on at least thirty samples. So, for testing a forex-trading strategy by estimating the results from sample trades, the system developer must analyze at least 30 trades in order to reach statistically-reliable conclusions regarding the parameters being tested Likewise, the results from a study of 500 trades are more reliable than those from an analysis of only 50 trades. Dispersion and mathematical expectation to estimate risk. For forex traders, the most important characteristics of a distribution are its mathematical expectation and dispersion Mathematical expectation for a series of trades is easy to calculate Just add up all the trade results and divide that amount by the number of trades. If the trading system is profitable, then the mathematical expectation is positive If the mathematical expectation is negative, the system is losing on average. The relative steepness or flatness of the distribution curve is shown by measuring the spread or dispersion of price values within the area of mathematical expectation Typically, the mathematical expectation for any randomly-distributed value is described as M X. So, dispersion can be defined as D X M X-M X 2.And, a dispersion s square root is called its standard deviation, shown in mathematical shorthand as sigma. Dispersion and standard deviation are critically important for risk management in forex trading systems The higher the value of the standard deviation, the higher will be the potential drawdown, and the higher the risk Likewise, the lower the value for standard deviation, the lower will be the drawdown while trading the system. For example, below is a sample risk assessment for a test of a forex trading system. Trade Number X Trade Gain or Loss. In the above example based on the minimum number of thirty trades for an adequate sample, it s important to note that the mathematical expectation is positive, so the forex trading strategy is indeed profitable. However, the standard deviation is high, so in order to earn each dollar the trader is risking a much larger amount this system carries significant risk. Here s the rest of the math To determine the mathematical expectation for this group of trades, add together all the trades gains and losses, then divide by 30 This is the mean value M X for all the trades In this case, it equals an average gain of 4 26 per trade Thus far, the system looks promising. Next, to calculate the standard deviation of the dispersion, the above average 4 26 is subtracted from the results of each trade, then it s squared, and the sum of all these squares is added together The sum is divided by 29, which is the total number of trades minus 1.By using the formula for Dispersion of X M X-M X 2 given above, here s a check of the calculation from the first trade in our example. Trade 1 -17 08 4 26 -21 34, and -21 34 2 455 39.The same calculation is performed for each trade in the test series In this example, the dispersion over the series equals 9,353 62 and by definition its square root equals the standard deviation , which in this case is 96 71.Thus the forex trader sees that the risk for this particular system is fairly high The mathematical expectation is indeed positive, with a mean profit of 4 26 per trade, yet the standard deviation is high when compared with that profit. It can be seen that the trader is risking about 96 71 for each opportunity to earn 4 26 in profit This risk may be acceptable, or the trader may choose to modify the system in search of lower risk. Beyond the riskiness of a particular trading system, forex traders can also use normal distribution and standard deviation to calculate the Z-score, which indicates how often profitable trades will occur in relation to losing trades. During the process of developing a winning forex trading system, the trader may wonder how many of the profitable trades seen during testing were random, and how many consecutive losing trades must be tolerated in order to achieve winning trades. For example, let s assume the average expected profit from a given forex trading system is four times less than the expected loss amount from each stop-loss order triggered while trading this system. Some traders may assume that the system will win over time, as long as there is an average of at least one profitable trade for each four losing trades Yet, depending upon the distribution of wins and losses, during real-world trading this system may draw down too deeply to recover in time for the next winner. Normal distribution can be used to generate a Z-score, sometimes called a standard score, which lets traders estimate not only the ratio of wins to losses, but also how many wins losses are likely to occur consecutively. A positive Z-score represents a value above the mean, and a negative Z-score represents a value below the mean To obtain this value, the trader subtracts the population mean from an individual raw value then divides the difference by the population standard deviation. The basic standard score calculation for a raw score designated as x is. Where is the population mean and is the population standard deviation It s important to understand that calculating the Z score requires that the trader know the parameters of the population, not merely the characteristics of a sample taken from that population. Z represents the distance between the population mean and the raw score, expressed in units of the standard deviation So, for a forex trading system. Z N x R 0 5 P P x P N N 1.N is the total number of trades during a series R is the total number of series of winning and losing trades P equals 2 x W x L W is the total number of winning trades during a series L is the total number of losing trades during a series. Individual series can be represented by a consecutive sequence of pluses or minuses for example or R counts the number of such series. Z can offer an assessment of whether a forex trading system is operating on-target, or how far off-target it may be. Just as importantly, a trader can use Z-score to determine whether a trading system contains fewer or greater series of winners and losers than expected from a random sequence of trades In other words, whether the outcomes of consecutive trades are dependent upon each other. If the Z-score is near 0, then the distribution of trade results is near the normal distribution The score of a sequence of trades may indicate a dependency between the results of those trades. This is because a normal random value will deviate from the average value by not more than three sigma 3 x with a certainty of 99 7 Whether the Z value is positive or negative will inform the trader about the type of dependence A positive Z value indicates that the profitable trade will be followed by a loser. And, positive Z indicates that the profitable trade will be followed by another profitable one, and a loser will be followed by another loss This observed dependency lets the forex trader vary the position sizes for individual trades in order to help manage risk. Sharpe Ratio. The Sharpe Ratio, or reward-to-variability ratio, is one of the most valuable probability tools for forex traders As with the methods described above, it relies on applying the concepts of normal distribution and standard deviation It gives traders a method to check the performance of a trading system by adjusting for risk. The first step is to calculate the Holding Period Returns HPR For example, a trade which resulted in a profit of 10 has a HPR calculated as 1 0 10 1 10 while a trade which loses 10 is calculated as 1 0 10 0 90.Likewise, HPR can be calculated by dividing the after-trade balance amount by the before-trade amount The Average Holding Period Returns AHPR is then calculated by adding up all individual holding-period returns, then dividing by the number of trades. AHPR by itself produces an arithmetic average which may not properly estimate the performance of a forex trading system over time Instead, a trading system s investment efficiency can be more closely estimated by using the Sharpe Ratio, which shows how AHPR minus the risk-free rate of long-term investment returns relates to the standard deviation of the trading system. Sharpe Ratio AHPR 1 RFR SD. When AHPR is the average holding period return, RFR is the risk-free rate of return from safe investments such as bank interest rates or long-term T-bond rates, and SD is the standard deviation. Since more than 99 of all random values will fall within a distance of 3 around the mean value of M X for a given trading system, the higher the Sharpe Ratio, the more efficient the trading system. For example, if the Sharpe Ratio for normally-distributed trade results is 3, it indicates that the probability of losing is less than 1 per trade, according to the 3-sigma rule. The concepts of normal distribution, dispersion, Z-score and Sharpe Ratio are already incorporated into the logarithms of EAs and mechanical trading systems, and their usefulness is invisible to most traders. Yet, by knowing how these basic probability tools work, forex traders can have a deeper understanding of how automated systems perform their functions, and thereby enhance the probability of winning trades. Are you currently using probability tools to increase your own chance for success.