Estratégia de negociação de fita

Melhor Estratégia de Negociação de Lâminas Forex Com o Oscilador Estocástico e o MACD.

Estrategia de negociacao de fita Forex Com Oscilador Estocastico e MACD e um sistema de negociacao de momentum de tendencia porque e baseado nos indicadores de tendencia e indicadores de momentum.

O que é o indicador do oscilador estocástico? & # 8230; Na análise técnica de negociação de valores mobiliários, o oscilador estocástico é um indicador de momentum que utiliza níveis de suporte e resistência. Dr. George Lane desenvolveu este indicador no final dos anos 1950. O termo estocástico refere-se ao ponto de um preço atual em relação à sua faixa de preço ao longo de um período de tempo.

Um indicador de momentum técnico que compara o preço de fechamento de uma garantia à sua faixa de preço durante um determinado período de tempo. A sensibilidade do oscilador aos movimentos do mercado pode ser reduzida ajustando o período de tempo ou tomando uma média móvel do resultado. Este indicador é calculado com a seguinte fórmula:

C = o preço de fechamento mais recente.

L14 = a baixa dos 14 pregões anteriores.

H14 = o preço mais alto negociado durante o mesmo período de 14 dias.

% D = média móvel de 3 períodos de% K.

A teoria por trás deste indicador é que, em um mercado de tendência ascendente, os preços tendem a se aproximar de sua alta, e durante um mercado tendendo para baixo, os preços tendem a fechar perto de sua baixa. Os sinais de transação ocorrem quando o% K atravessa uma média móvel de três períodos chamada de & # 8220;% D & # 8221 ;.

Estratégia de Negociação de Fita Forex e Regras Metatrader Indicadores:

Indicador de metatrader de parada Singal Entry, FerruFx_Multi_info Indicador de metatrader THV, indicador de metatrader GG-TrendBar-all-time, Níveis de pontos de pivô Indicador de metatrader Multitimeframe, indicador de metatrader RibbonTrader; indicador de entrada de sinal, SPAT LISO Heiken Ashi metatrader indicatr Indicador stratman_MiniChart_v20 metatrader, indicador MACD (12,26,9), indicador estocástico (8,3,3).

O MACD deve estar acima de 0 linha. O preço deve estar acima de Spat smooth Heinken ashi indicador de entrada parar de magenta para aqua (sempre aguarde a barra fechar e entrar na próxima vela) Indicador estocástico apontando para cima Ribbon Trader indicador tem todas as barras verdes Procure por informações adicionais de GG trendbar, sinal , FerruFx multi info e Stratman minichart para ver como está indo a tendência em outros prazos.

O MACD deve estar abaixo de 0 linha. O preço deve estar abaixo do Indicador de Heinken ashi do Spat smooth, a entrada parará de magenta para aqua (sempre espere que a barra feche e entre na próxima vela), Indicador estocástico apontando para cima, Indicador Ribbon Trader com todas as barras vermelhas, Procure por informações adicionais GG trendbar, sinal, FerruFx multi info e Stratman minichart para ver como está indo a tendência em outros prazos,

O mais recente balanço alto ou baixo para stop loss.

Tome lucro quando o sinal oposto da parada de entrada.

Lucro Segmentar os níveis de pontos de articulação ou a meta de lucro predeterminada que depende do par de moedas e do período de tempo.

Estratégia de Negociação de dia de Forex de fita de T3.

A estratégia de negociação de dia de forex T3 fita é uma excelente estratégia para o estilo de negociação do dia forex.

A estratégia consiste em um indicador MT4 de negociação customizado e o popular indicador MACD. T3 é projetado para comprar baixo e vender alto em uma tendência existente.

Aprenda as regras simples abaixo e baixe a estratégia gratuitamente:

Indicadores utilizados: kino_T3MA ribbon filled. ex4 (configurações de entrada: MA1Period: 13, factor1: 0.7, Ma2Period: 150, factor2: 0.6), MACD (predefinições)

Prazo (s) preferido (s): 1 minuto (bom para escalpelamento), gráficos de 5 minutos e 15 minutos (bom para o dia de negociação)

Sessões de negociação recomendadas: sessão em Londres e nos EUA.

Pares de moedas: qualquer.

A figura acima é um exemplo da estratégia de negociação do dia T3 em ação no gráfico forex de 5 minutos do Euro / Dólar Americano.

Ele mostra nossos pontos de entrada de compra e venda propostos (setas) na tendência de alta e baixa.

Como você pode ver na imagem acima, várias posições de negociação podem ser abertas quando a tendência continua subindo ou descendo.

Um stop-loss será mantido abaixo da linha verde crescente em uma tendência de alta, ou acima da linha verde em uma tendência de baixa.

O indicador Kino Ribbon muda de vermelho para verde (tendência de alta). O indicador MACD volta acima de 0,00 de baixo e o Kino Ribbon deve ser de cor verde.

== & gt; Abra a posição de negociação longa. Coloque seu stop-loss abaixo da linha do indicador T3 Ribbon colorida em verde.

Trade exit (TP): (1) Defina sua própria meta de lucro, por exemplo, 40 pips, não espere por um sinal de negociação oposto emitido pelo indicador T3 Ribbon. (2) Espere por um sinal de negociação oposto (T3 Ribbon sell signal) para fechar a negociação longa. (3) Ensaie o seu stop-loss logo abaixo da linha indicadora T3 Ribbon verde de cor crescente.

O indicador Kino Ribbon muda de verde para vermelho (tendência de baixa). O indicador MACD volta abaixo de 0,00 de cima e o Kino Ribbon deve ser vermelho.

== & gt; Abra a posição de negociação curta. Coloque seu stop-loss acima da linha do indicador T3 Ribbon colorida em verde.

Trade exit (TP): (1) Defina sua própria meta de lucro, por exemplo, 100 pips, não espere por um sinal de negociação oposto emitido pelo indicador T3 Ribbon. (2) Espere por um sinal de negociação oposto (T3 Ribbon sell signal) para fechar o curto-circuito. (3) Experimente o seu stop-loss logo acima da linha indicadora T3 Ribbon colorida de cor verde.

Posts Relacionados.

60 Seconds Trades Forex Trading Strategy.

Arrows Forex Trading Strategy.

Kijun Tenkant Forex Trading Strategy.

Tendência Linear Forex Strategy.

Deixe uma resposta:

Top Forex Trading Software.

Curta-nos no Facebook.

Baixe agora todos os nossos sistemas forex, EA's, estratégias de negociação e indicadores 100% GRÁTIS por tempo limitado.

Copyright @ 2018 Dolphintrader.

Download a estratégia de escalpelamento de Forex M1 / ​​M5 hoje!

Esta estratégia de escalpelamento de Forex vencedora incrível alta só irá desencadear quando há uma chance extremamente alta de um novo comércio rentável de baixo risco para ocorrer.

Até 100 pips todos os dias Funciona em todos os pares de forex e Bitcoin! Escalpelamento Forex de baixo risco Funciona em M1, M5 e UP.

O Trader R.

Usando R e ferramentas relacionadas em Finanças Quantitativas.

Arquivo para as Estratégias de Negociação & # 8216; & # 8217; Categoria.

Vinculando R ao IQFeed com o pacote QuantTools.

O IQFeed fornece serviços de dados de fluxo contínuo e soluções de negociação que cobrem o mercado agrícola, de energia e financeiro. É um provedor de feed de dados bem conhecido e reconhecido, voltado para usuários de varejo e pequenas instituições. O preço da assinatura começa em cerca de US $ 80 / mês.

Stanislav Kovalevsky desenvolveu um pacote chamado QuantTools. É um pacote tudo em um projetado para melhorar a modelagem de negociação quantitativa. Ele permite baixar e organizar dados históricos de mercado de várias fontes, como Yahoo, Google, Finam, MOEX e IQFeed. O recurso que mais me interessa é a capacidade de vincular o IQFeed à R. Eu uso o IQFeed há alguns anos e estou feliz com ele (não estou afiliado à empresa em nenhum caminho). Mais informações podem ser encontradas aqui. Eu tenho procurado uma integração dentro de R por um tempo e aqui está. Como resultado, depois que fiz alguns testes, mudei meu código que ainda estava em Python para R. Apenas para completar, aqui está um link que explica como baixar dados históricos do IQFeed usando Python.

A QuantTools oferece quatro funcionalidades principais: Obter dados de mercado, Armazenar / Recuperar dados de mercado, Dados de séries temporais de plotagem e Testes reversos.

Primeiro, verifique se o IQfeed está aberto. Você pode baixar dados diários ou intradiários. O código abaixo faz o download dos preços diários (Aberto, Alto, Baixo, Fechado) para o SPY de 1º de janeiro de 2017 a 1º de junho de 2017.

O código abaixo faz o download dos dados intraday de 1º de maio de 2017 a 3 de maio de 2017.

Observe o parâmetro do período. Pode usar qualquer um dos seguintes valores: tick, 1min, 5min, 10min, 15min, 30min, hora, dia, semana, mês, dependendo da freqüência que você precisa.

O QuantTools facilita o processo de gerenciar e armazenar dados do mercado de ticks. Você acabou de configurar os parâmetros de armazenamento e está pronto para começar. Os parâmetros são onde, desde que data e quais símbolos você gostaria de armazenar. Sempre que você puder adicionar mais símbolos e se eles não estiverem presentes em um armazenamento, o QuantTools tentará obter os dados da data de início especificada. O código abaixo salvará os dados no seguinte diretório: & # 8220; C: / Usuários / Arnaud / Documentos / Dados de Mercado / iqfeed & # 8221 ;. Há uma subpasta por instrumento e os dados são exibidos em arquivos. rds.

Você também pode armazenar dados entre datas específicas. Substitua a última linha de código acima por uma das abaixo.

Agora, se você quiser recuperar alguns dos dados armazenados, basta executar algo como:

Observe que apenas os ticks são suportados no armazenamento local, portanto, o período deve ser & # 8216; tick & # 8217;

O QuantTools fornece a função plot_ts para plotar dados de séries temporais sem fins de semana, feriados e lacunas durante a noite. No exemplo abaixo, primeiro recupero os dados armazenados acima, depois seleciono as primeiras 100 observações de preço e, finalmente, desenho o gráfico.

Duas coisas para notar: primeiro espião é um objeto data. table, portanto, a sintaxe acima. Para obter uma visão geral rápida dos recursos do data. table, dê uma olhada nesta excelente folha de dicas do DataCamp. Segundo, o parâmetro local é TRUE, pois os dados são recuperados do armazenamento interno.

O QuantTools permite escrever sua própria estratégia de negociação usando sua API C ++. Eu não vou elaborar sobre isso, pois isso é basicamente código C ++. Você pode consultar a seção Exemplos no site da QuantTools.

No geral, acho o pacote extremamente útil e bem documentado. O único bit faltante é o feed ao vivo entre R e IQFeed, que fará do pacote uma solução real de ponta a ponta.

Como de costume, qualquer comentário é bem-vindo.

BERT: um recém-chegado na conexão R Excel.

Há alguns meses, um leitor me mostrou essa nova maneira de conectar R e Excel. Eu não sei há quanto tempo isso acontece, mas nunca me deparei com isso e nunca vi nenhum post ou artigo de blog sobre isso. Então eu decidi escrever um post enquanto a ferramenta realmente vale a pena e antes que alguém pergunte, eu não estou relacionado à empresa de forma alguma.

BERT significa Basic Excel R Toolkit. É gratuito (licenciado sob a GPL v2) e foi desenvolvido pela Structured Data LLC. No momento em que escrevo, a versão atual do BERT é 1.07. Mais informações podem ser encontradas aqui. De uma perspectiva mais técnica, o BERT é projetado para suportar a execução de funções R a partir de células da planilha do Excel. Em termos do Excel, é para escrever Funções definidas pelo usuário (UDFs) em R.

Neste post eu não vou mostrar como R e Excel interagem via BERT. Há muito bons tutoriais aqui, aqui e aqui. Em vez disso, quero mostrar como usei BERT para construir uma torre de controle & # 8220; & # 8221; para minha negociação.

Meus sinais de negociação são gerados usando uma longa lista de arquivos R, mas eu preciso da flexibilidade do Excel para exibir os resultados de forma rápida e eficiente. Como mostrado acima, o BERT pode fazer isso para mim, mas também quero adaptar o aplicativo às minhas necessidades. Combinando o poder do XML, VBA, R e BERT, posso criar um aplicativo bonito, mas poderoso, na forma de um arquivo do Excel com código VBA mínimo. Em última análise, eu tenho um único arquivo do Excel reunindo todas as tarefas necessárias para gerenciar meu portfólio: atualização de banco de dados, geração de sinal, submissão de pedidos etc & # 8230; Minha abordagem pode ser dividida nos três passos abaixo:

Use XML para criar menus e botões definidos pelo usuário em um arquivo do Excel. Os menus e botões acima são essencialmente chamadas para funções do VBA. Essas funções do VBA são encapsuladas em torno das funções R definidas usando BERT.

Com essa abordagem, posso manter uma clara distinção entre o núcleo do meu código mantido em R, SQL e Python e tudo o que é usado para exibir e formatar os resultados mantidos no Excel, VBA & amp; XML Nas próximas seções, apresento o pré-requisito para desenvolver tal abordagem e um guia passo a passo que explica como o BERT poderia ser usado para simplesmente passar dados de R para o Excel com o mínimo de código VBA.

1 & # 8211; Baixe e instale o BERT neste link. Quando a instalação estiver concluída, você deve ter um novo menu Add-Ins no Excel com os botões, conforme mostrado abaixo. É assim que o BERT se materializa no Excel.

2 & # 8211; Faça o download e instale o editor de interface do usuário personalizada: O Editor de interface do usuário personalizado permite criar menus e botões definidos pelo usuário na faixa de opções do Excel. Um procedimento passo a passo está disponível aqui.

1 & # 8211; Código R: A função R abaixo é um código muito simples apenas para fins ilustrativos. Calcula e retorna os resíduos de uma regressão linear. É isso que queremos recuperar no Excel. Salve isso em um arquivo chamado myRCode. R (qualquer outro nome é bom) em um diretório de sua escolha.

2 & # 8211; functions. R em BERT: No Excel selecione Add-Ins - & gt; Diretório base e abra o arquivo chamado functions. R. Neste arquivo, cole o seguinte código. Certifique-se de inserir o caminho correto.

Isso é apenas o fornecimento de BERT no arquivo R que você criou acima. Em seguida, salve e feche as funções do arquivo. Se você quiser fazer qualquer alteração no arquivo R criado na etapa 1, terá que recarregá-lo usando o botão BERT & # 8220; Recarregar o arquivo de inicialização & # 8221; do menu Add-Ins no Excel.

3 & # 8211; No Excel: Crie e salve um arquivo chamado myFile. xslm (qualquer outro nome é bom). Este é um arquivo habilitado para macro que você salva no diretório de sua escolha. Depois que o arquivo for salvo, feche-o.

4 & # 8211; Abra o arquivo criado acima no editor da interface do usuário personalizada: Depois que o arquivo estiver aberto, cole o código abaixo.

Você deve ter algo parecido com isto no editor de XML:

Essencialmente, este pedaço de código XML cria um menu adicional (RTrader), um novo grupo (My Group) e um botão definido pelo usuário (New Button) na faixa de opções do Excel. Quando terminar, abra myFile. xslm no Excel e feche o Custom UI Editor. Você deveria ver algo assim.

5 & ​​# 8211; Abra o editor VBA: Em myFile. xlsm, insira um novo módulo. Cole o código abaixo no módulo recém-criado.

Isso apaga os resultados anteriores na planilha antes de lidar com os novos.

6 & # 8211; Clique no botão New: Agora volte para a planilha e no menu RTrader, clique no botão & # 8220; New Button & # 8221; botão. Você deve ver algo como o abaixo aparece.

O guia acima é uma versão muito básica do que pode ser obtido usando o BERT, mas mostra como combinar o poder de várias ferramentas específicas para criar seu próprio aplicativo personalizado. Da minha perspectiva, o interesse de tal abordagem é a capacidade de colar R e Excel, obviamente, mas também incluir pedaços de código XML (e em lote) do Python, SQL e muito mais. Isso é exatamente o que eu precisava. Por fim, gostaria de saber se alguém tem alguma experiência com o BERT?

Estratégia de negociação: aproveitando ao máximo os dados da amostra.

Ao testar estratégias de negociação, uma abordagem comum é dividir o conjunto de dados inicial em dados de amostra: a parte dos dados projetados para calibrar o modelo e os dados de amostra: a parte dos dados usada para validar a calibração e garantir que o desempenho criado na amostra será refletido no mundo real. Como regra geral, cerca de 70% dos dados iniciais podem ser usados ​​para calibração (ou seja, na amostra) e 30% para validação (ou seja, fora da amostra). Em seguida, uma comparação entre os dados de entrada e de saída ajuda a decidir se o modelo é suficientemente robusto. Este post visa dar um passo adiante e fornece um método estatístico para decidir se os dados fora da amostra estão alinhados com o que foi criado na amostra.

No gráfico abaixo, a área azul representa o desempenho fora da amostra de uma das minhas estratégias.

Uma inspeção visual simples revela um bom ajuste entre o desempenho de entrada e saída da amostra, mas que grau de confiança eu tenho nisso? Nesta fase não muito e esta é a questão. O que é realmente necessário é uma medida de similaridade entre os conjuntos de dados de entrada e de saída. Em termos estatísticos, isso pode ser traduzido como a probabilidade de que os números de desempenho dentro e fora da amostra sejam provenientes da mesma distribuição. Existe um teste estatístico não paramétrico que faz exatamente isso: o teste de Kruskall-Wallis. Uma boa definição deste teste pode ser encontrada no R-Tutor Uma coleção de amostras de dados é independente se eles vêm de populações não relacionadas e as amostras não afetam umas às outras. Usando o Teste de Kruskal-Wallis, podemos decidir se as distribuições populacionais são idênticas, sem presumir que elas sigam a distribuição normal. & # 8221; O benefício adicional desse teste não está assumindo uma distribuição normal.

Existem outros testes da mesma natureza que poderiam se encaixar nessa estrutura. O teste de Mann-Whitney-Wilcoxon ou os testes de Kolmogorov-Smirnov se encaixam perfeitamente na estrutura descrita aqui, porém isso está além do escopo deste artigo para discutir os prós e contras de cada um desses testes. Uma boa descrição junto com exemplos de R pode ser encontrada aqui.

Aqui está o código usado para gerar o gráfico acima e a análise:

No exemplo acima, o período de amostragem é maior do que o período de amostragem, portanto, eu criei aleatoriamente 1.000 subconjuntos dos dados da amostra, cada um deles tendo o mesmo comprimento que os dados fora da amostra. Então, testei cada um em um subconjunto de amostras em relação aos dados fora da amostra e gravei os valores p. Esse processo não cria um único valor p para o teste Kruskall-Wallis, mas uma distribuição que torna a análise mais robusta. Neste exemplo, a média dos valores de p é bem acima de zero (0,478), indicando que a hipótese nula deve ser aceita: há fortes evidências de que os dados de entrada e saída da amostra são provenientes da mesma distribuição.

Como de costume, o que é apresentado neste post é um exemplo de brinquedo que apenas arranha a superfície do problema e deve ser adaptado às necessidades individuais. No entanto, penso que propõe um quadro estatístico interessante e racional para avaliar os resultados fora da amostra.

Este post é inspirado nos dois artigos seguintes:

Vigier Alexandre, Chmil Swann (2007), "Efeitos de várias funções de otimização no desempenho fora da amostra de estratégias de negociação geneticamente evoluídas", prevendo a conferência sobre mercados financeiros.

Vigier Alexandre, Chmil Swann (2010), «Um processo de otimização para melhorar a consistência da amostra, um caso da Bolsa de Valores», JP Morgan Cazenove Equity Quantitative Conference, Londres, outubro de 2010.

Apresentando o fidlr: LoanceR de Dados Financeiros.

O fidlr é um suplemento do RStudio projetado para simplificar o processo de download de dados financeiros de vários provedores. Esta versão inicial é um wrapper em torno da função getSymbols no pacote quantmod e somente o Yahoo, Google, FRED e Oanda são suportados. Eu provavelmente adicionarei funcionalidades ao longo do tempo. Como de costume, com essas coisas apenas um lembrete: "O SOFTWARE É FORNECIDO" COMO ESTÁ, SEM GARANTIA DE NENHUM TIPO "# 8230; & # 8221;

Como instalar e usar o fidlr?

Você pode obter o addin / package do seu repositório Github aqui (eu vou registrá-lo no CRAN mais tarde) Instale o addin. Existe um excelente tutorial para instalar o RStudio Addins aqui. Depois que o addin é instalado, ele deve aparecer no menu Addin. Basta escolher fidlr no menu e uma janela como abaixo deve aparecer. Escolha um provedor de dados no menu suspenso Origem. Selecione um intervalo de datas no menu Data Insira o símbolo que você deseja baixar na caixa de texto do instrumento. Para baixar vários símbolos basta digitar os símbolos separados por vírgulas. Use os botões de opção para escolher se deseja baixar o instrumento em um arquivo csv ou no ambiente global. O arquivo csv será salvo no diretório de trabalho e haverá um arquivo csv por instrumento. Pressione Executar para obter os dados ou Fechar para fechar o suplemento.

Mensagens de erro e avisos são manipulados pelos pacotes subjacentes (quantmod e Shiny) e podem ser lidos no console.

Esta é uma primeira versão do projeto, então não espere a perfeição, mas esperamos que melhore com o tempo. Por favor, informe qualquer comentário, sugestão, erro etc & # 8230; para: thertrader @ gmail.

Manter um banco de dados de arquivos de preços em R.

Fazer pesquisa quantitativa implica muita análise de dados e é preciso dados limpos e confiáveis ​​para conseguir isso. O que é realmente necessário são dados limpos que sejam facilmente acessíveis (mesmo sem uma conexão com a Internet). A maneira mais eficiente de fazer isso para mim foi manter um conjunto de arquivos csv. Obviamente, este processo pode ser tratado de várias maneiras, mas eu achei um tempo extra muito eficiente e simples para manter um diretório onde eu armazeno e atualizo arquivos csv. Eu tenho um arquivo csv por instrumento e cada arquivo é nomeado após o instrumento que ele contém. A razão pela qual eu faço isso é dupla: Primeiro, eu não quero baixar dados (de preço) do Yahoo, Google, etc & # 8230; toda vez que eu quiser testar uma nova ideia, mas mais importante, uma vez que eu identifiquei e consertei um problema, eu não quero ter que fazer isso novamente na próxima vez que eu precisar do mesmo instrumento. Simples, mas muito eficiente até agora. O processo é resumido no gráfico abaixo.

Em tudo o que se segue, presumo que os dados estão vindo do Yahoo. O código terá que ser alterado para os dados do Google, Quandl, etc & # 8230; Além disso, apresento o processo de atualização dos dados diários de preços. A configuração será diferente para dados de frequência mais alta e outro tipo de conjunto de dados (ou seja, diferente dos preços).

1 & # 8211; Download de dados inicial (listOfInstruments. R & amp; historicalData. R)

O arquivo listOfInstruments. R é um arquivo contendo apenas a lista de todos os instrumentos.

Se um instrumento não é parte da minha lista (ou seja, nenhum arquivo csv na minha pasta de dados) ou se você fizer isso pela primeira vez, você terá que baixar o conjunto de dados históricos inicial. O exemplo abaixo faz o download de um conjunto de cotações diárias dos ETFs do Yahoo Finance até janeiro de 2000 e armazena os dados em um arquivo csv.

2 & # 8211; Atualizar dados existentes (updateData. R)

O código abaixo começa a partir de arquivos existentes na pasta dedicada e atualiza todos eles um após o outro. Eu costumo executar este processo todos os dias, exceto quando eu estou de férias. Para adicionar um novo instrumento, basta executar o passo 1 acima apenas para este instrumento.

3 & # 8211; Crie um arquivo de lote (updateDailyPrices. bat)

Outra parte importante do trabalho é criar um arquivo em lotes que automatize o processo de atualização acima (eu sou um usuário do Windows). Isso evita abrir o R ​​/ RStudio e executar o código a partir dele. O código abaixo é colocado em um arquivo. bat (o caminho deve ser alterado com a configuração do leitor). Note que eu adicionei um arquivo de saída (updateLog. txt) para rastrear a execução.

O processo acima é extremamente simples, pois descreve apenas como atualizar dados diários de preços. Eu tenho usado isso por um tempo e tem funcionado muito bem para mim até agora. Para dados mais avançados e / ou freqüências mais altas, as coisas podem ficar muito mais complicadas.

Como de costume, qualquer comentário é bem-vindo.

Avaliação fatorial na gestão quantitativa de portfólios.

Quando se trata de gerenciar uma carteira de ações versus um benchmark, o problema é muito diferente de definir uma estratégia de retorno absoluto. No primeiro, é preciso manter mais estoques do que no segundo, onde nenhuma ação pode ser detida se não houver oportunidade suficiente. A razão para isso é o erro de rastreamento. Isso é definido como o desvio padrão do retorno da carteira menos o retorno de referência. Quanto menos ações forem mantidas em relação a um benchmark, maior será o erro de rastreamento (por exemplo, maior risco).

A análise a seguir é amplamente inspirada no livro "Active Portfolio Management" # 8221; por Grinold & amp; Kahn Esta é a bíblia para qualquer pessoa interessada em administrar um portfólio em relação a um benchmark. Eu encorajo fortemente qualquer pessoa com interesse no tópico a ler o livro do começo ao fim. É muito bem escrito e estabelece as bases da gestão sistemática de carteiras ativas (não tenho nenhuma afiliação ao editor ou aos autores).

Aqui, estamos tentando classificar com a maior precisão possível as ações no universo de investimento em uma base de retorno a termo. Muitas pessoas criaram muitas ferramentas e inúmeras variantes dessas ferramentas foram desenvolvidas para conseguir isso. Neste post concentro-me em duas métricas simples e amplamente utilizadas: Coeficiente de Informação (IC) e Quantiles Return (QR).

O CI fornece uma visão geral da capacidade de previsão do fator. Mais precisamente, isso é uma medida de quão bem o fator classifica os estoques em uma base de retorno a termo. O IC é definido como a correlação de classificação (ρ) entre a métrica (por exemplo, fator) e o retorno para a frente. Em termos estatísticos, a correlação de postos é uma medida não paramétrica da dependência entre duas variáveis. Para uma amostra de tamanho n, as n pontuações brutas são convertidas em classificações e ρ é calculado a partir de:

O horizonte para o retorno para frente tem que ser definido pelo analista e é uma função do turnover da estratégia e da decadência alfa (isso tem sido objeto de extensa pesquisa). Obviamente, os CIs devem ser o mais alto possível em termos absolutos.

Para o leitor atento, no livro de Grinold & amp; Kahn é uma fórmula que liga a Relação de Informação (IR) e IC: com amplitude sendo o número de apostas independentes (trades). Essa fórmula é conhecida como a lei fundamental do gerenciamento ativo. O problema é que, muitas vezes, definir com precisão a amplitude não é tão fácil quanto parece.

Para ter uma estimativa mais precisa do fator poder preditivo, é necessário dar um passo além e agrupar os estoques por quantis de valores de fatores e, em seguida, analisar o retorno médio a termo (ou qualquer outra métrica de tendência central) de cada um deles. quantis. A utilidade desta ferramenta é simples. Um fator pode ter um bom IC, mas seu poder preditivo pode ser limitado a um pequeno número de ações. Isso não é bom, pois um gerente de portfólio terá que escolher ações dentro de todo o universo para cumprir sua restrição de erro de rastreamento. Bons retornos quantílicos são caracterizados por uma relação monótona entre os quantis individuais e os retornos futuros.

Todas as ações no índice S & amp; P500 (no momento da redação). Obviamente, há um viés de sobrevivência: a lista de ações no índice mudou significativamente entre o início e o final do período de amostragem, no entanto, é bom o suficiente apenas para fins ilustrativos.

O código abaixo faz o download dos preços das ações individuais no S & amp; P500 entre janeiro de 2005 e hoje (leva um tempo) e transforma os preços brutos em retorno nos últimos 12 meses e no último mês. O primeiro é o nosso fator, o último será usado como medida de retorno para frente.

Abaixo está o código para calcular o Coeficiente de Informação e o Retorno de Quantiles. Observe que eu usei quintis neste exemplo, mas qualquer outro método de agrupamento (terciles, deciles, etc.) pode ser usado. isso realmente depende do tamanho da amostra, do que você quer capturar e do tempo em que deseja ter uma visão geral ampla ou se concentrar nas caudas de distribuição. Para estimar os retornos dentro de cada quintil, a mediana tem sido usada como o estimador de tendência central. Essa medida é muito menos sensível a outliers do que a média aritmética.

E finalmente o código para produzir o gráfico de retorno Quantiles.

3 & # 8211; Como explorar as informações acima?

No gráfico acima, o Q1 é mais baixo nos últimos 12 meses e o Q5, o mais alto. Há um aumento quase monótono no retorno dos quantis entre Q1 e Q5, o que indica claramente que os estoques que caem em Q5 superam aqueles que caem em Q1 em cerca de 1% ao mês. Isso é muito significativo e poderoso para um fator tão simples (não é realmente uma surpresa, ainda que & # 8230;). Portanto, há maiores chances de vencer o índice superpondo as ações no Q5 e subestimando as que caem no primeiro trimestre em relação ao benchmark.

Um IC de 0,0206 pode não significar muito em si, mas é significativamente diferente de 0 e indica um bom poder de previsão dos últimos 12 meses de retorno geral. Testes de significância formal podem ser avaliados, mas isso está além do escopo deste artigo.

A estrutura acima é excelente para avaliar a qualidade dos fatores de investimento, no entanto, há várias limitações práticas que precisam ser abordadas para a implementação na vida real:

Reequilíbrio: Na descrição acima, é assumido que no final de cada mês a carteira é totalmente reequilibrada. Isso significa que todas as ações que caíram no 1T estão abaixo do peso e todas as ações que caíram no 5ºT estão com sobrepeso em relação ao benchmark. Isso nem sempre é possível por razões práticas: algumas ações podem ser excluídas do universo de investimentos, existem restrições sobre o peso da indústria ou do setor, há restrições no volume de negócios etc. & # 8230; Custos de Transação: Isso não foi levado em conta na análise acima e isso é um sério freio para a implementação da vida real. Considerações de rotatividade são geralmente implementadas na vida real em uma forma de penalidade na qualidade do fator. Coeficiente de transferência: Esta é uma extensão da lei fundamental da gestão ativa e relaxa a suposição do modelo de Grinold de que os gerentes não enfrentam restrições que os impeçam de traduzir suas percepções de investimentos diretamente em apostas de portfólio.

E, finalmente, estou espantado com o que pode ser alcançado em menos de 80 linhas de código com o R & # 8230;

Como de costume, qualquer comentário é bem-vindo.

Risco como uma Variável de Sobrevivência & # 8221;

Me deparo com muitas estratégias na blogosfera, algumas são interessantes, algumas são uma completa perda de tempo, mas a maioria compartilha uma característica comum: pessoas desenvolvendo essas estratégias fazem sua lição de casa em termos de análise do retorno, mas muito menos atenção é dada ao lado do risco sua natureza aleatória. Eu vi comentários como "um rebaixamento de 25% em 2011, mas um excelente retorno geral". Bem, a minha aposta é que ninguém na terra permitirá que você experimente uma perda de 25% com seu dinheiro (a menos que acordos especiais estejam em vigor). No mundo dos fundos de hedge, as pessoas têm muito pouca tolerância ao saque. Geralmente, como um novo operador em um fundo de hedge, supondo que você não tenha reputação, você tem muito pouco tempo para se provar. Você deve ganhar dinheiro a partir do primeiro dia e continuar fazendo isso por alguns meses antes de ganhar um pouco de credibilidade.

Primeiro, digamos que você começou mal e perdeu dinheiro no começo. Com um rebaixamento de 10%, você certamente está fora, mas mesmo com um rebaixamento de 5%, as chances de ver sua alocação reduzida são muito altas. Isso tem implicações significativas em suas estratégias. Suponhamos que, se você perder 5%, sua alocação será dividida por 2 e você voltará à sua alocação inicial somente quando ultrapassar a marca d'água alta novamente (por exemplo, o levantamento voltará a 0). No gráfico abaixo, simulei o experimento com uma das minhas estratégias.

Você começa a operar em 1º de junho de 2003 e tudo vai bem até 23 de julho de 2003, onde sua curva de rebaixamento atinge o limite de -5% (** 1 **). Sua alocação é reduzida em 50% e você não cruza o limite máximo até 05 de dezembro de 2003 (** 3 **). Se você mantiver a alocação inalterada, o nível da marca d'água alta teria sido ultrapassado em 28 de outubro de 2003 (** 2 **) e até o final do ano você teria ganho mais dinheiro.

Mas vamos empurrar o raciocínio um pouco mais. Ainda no gráfico acima, suponha que você tenha muito azar e comece a negociar em meados de junho de 2003. Você atingiu o limite de rebaixamento de 10% no início de agosto e está provavelmente fora do jogo. Você teria começado no início de agosto a sua alocação não teria sido cortada e você acaba fazendo um bom ano em apenas 4 meses completos de negociação. Nesses dois exemplos, nada mudou, mas sua data de início & # 8230 ;.

O sucesso comercial de qualquer indivíduo tem alguma forma de dependência de caminho e não há muito o que fazer sobre isso. No entanto, você pode controlar o tamanho do drawdown de uma estratégia e isso deve ser tratado com muito cuidado. Um portfólio deve ser diversificado em todas as dimensões possíveis: classes de ativos, estratégias de investimento, frequências de negociação, etc & # 8230 ;. Dessa perspectiva, o risco é a sua "variável de sobrevivência". Se gerenciado corretamente, você tem a chance de permanecer no jogo por tempo suficiente para perceber o potencial de sua estratégia. Caso contrário, você não estará lá no próximo mês para ver o que acontece.

Como de costume, qualquer comentário é bem-vindo.

Um aplicativo simples e brilhante para monitorar as estratégias de negociação & # 8211; Parte II.

Esta é uma continuação do meu post anterior & # 8220; Um aplicativo simples e simples para monitorar as estratégias de negociação & # 8220 ;. Eu adicionei algumas melhorias que tornam o aplicativo um pouco melhor (pelo menos para mim!). Abaixo está a lista de novos recursos:

Um arquivo. csv de amostra (aquele que contém os dados brutos) A & # 8220; EndDate & # 8221; caixa suspensa que permite especificar o final do período. A & # 8220; Risco & # 8221; página contendo uma análise de VaR e um gráfico de pior desempenho ao longo de vários horizontes A & # 8220; How To & # 8221; página explicando como usar e adaptar o aplicativo às necessidades individuais.

Eu também fiz o aplicativo totalmente auto-contido. Agora ele está disponível como um produto autônomo e não é necessário ter o R ​​/ RStudio instalado em seu computador para executá-lo. Ele pode ser baixado da conta do Google R Trader Google. Esta versão do aplicativo é executada usando o R portátil e o Chrome portátil. Para o leitor atento, este link explica detalhadamente como empacotar um aplicativo Shiny em um aplicativo de desktop (somente Windows por enquanto).

1 & # 8211; Como instalar o & amp; execute o aplicativo no seu computador.

Criar uma pasta específica Descompacte o conteúdo do arquivo. zip nessa nova pasta. Altere os caminhos no arquivo runShinyApp para corresponder às suas configurações Para executar o aplicativo, basta ativar o arquivo run. vbs. Eu também incluí um ícone (RTraderTradingApp. ico) se você quiser criar um atalho na sua área de trabalho.

ui. R: controla o layout e a aparência do servidor de aplicativos. R: contém as instruções necessárias para criar o aplicativo. Você pode carregar quantas estratégias quiser, contanto que o arquivo csv correspondente tenha o formato correto (veja abaixo). shinyStrategyGeneral. R: carrega os pacotes necessários e inicia o aplicativo.

3 & # 8211; Como adicionar uma estratégia de negociação?

Crie o arquivo. csv correspondente no diretório direito Crie uma nova entrada na função reativa de dados (dentro do arquivo server. R) Adicione um elemento extra ao parâmetro choice na primeira selectInput no sidebarPanel (dentro do arquivo ui. R) . O nome do elemento deve corresponder ao nome da nova entrada acima.

Remova a entrada na função reativa de dados correspondente à estratégia que você deseja remover (dentro do arquivo server. R). Remova o elemento no parâmetro choice na primeira selectInput no sidebarPanel correspondente à estratégia que você deseja remover (dentro da interface do usuário). Arquivo. R).

Por favor, sinta-se à vontade para entrar em contato caso tenha alguma sugestão.

Um aplicativo simples e brilhante para monitorar as estratégias de negociação.

Em um post anterior, mostrei como usar R, Knitr e LaTeX para criar um relatório de estratégia de modelo. Este post vai um passo além, tornando a análise interativa. Além da interatividade, o Aplicativo Brilhante também resolve dois problemas:

Agora posso acessar todas as minhas estratégias de negociação a partir de um único ponto, independentemente do instrumento negociado. Juntamente com a interatividade brilhante, permite uma comparação mais fácil. Eu posso me concentrar em um período de tempo específico.

O código usado neste post está disponível em um repositório Gist / Github. Existem essencialmente 3 arquivos.

ui. R: controla o layout e a aparência do aplicativo. server. R: contém as instruções necessárias para criar o aplicativo. Ele carrega os dados e os formata. Há um arquivo csv por estratégia, cada um contendo pelo menos duas colunas: date e retorna com o seguinte formato: (& # 8220; 2010-12-22 & # 8243;, & # 8221; 0.04% & # 8221;). Você pode carregar quantas estratégias quiser, desde que elas tenham o formato correto. shinyStrategyG eneral. R: carrega os pacotes necessários e inicia o aplicativo.

Este aplicativo está provavelmente longe de ser perfeito e certamente o aprimorarei no futuro. Sinta-se à vontade para entrar em contato caso tenha alguma sugestão.

Um grande obrigado à equipe do RStudio / Shiny por uma ótima ferramenta.

Usando Algoritmos Genéticos no Comércio Quantitativo.

A pergunta que se deve sempre fazer quando se utiliza indicadores técnicos é o que seria um critério objetivo para selecionar os parâmetros dos indicadores (por exemplo, por que usar uma RSI de 14 dias em vez de 15 ou 20 dias?). Algoritmos genéticos (GA) são ferramentas adequadas para responder a essa pergunta. Neste post eu vou mostrar como configurar o problema em R. Antes de prosseguir, o lembrete usual: O que eu apresento neste post é apenas um exemplo de brinquedo e não um convite para investir. Também não é uma estratégia acabada, mas uma ideia de pesquisa que precisa ser mais pesquisada, desenvolvida e adaptada às necessidades individuais.

O que são algoritmos genéticos?

A melhor descrição do GA que eu descobri vem da Cybernatic Trading, um livro de Murray A. Ruggiero. Os algoritmos genéticos foram inventados por John Holland em meados da década de 1970 para resolver problemas difíceis de otimização. Este método usa a seleção natural, sobrevivência do mais apto & # 8221;. O processo geral segue as etapas abaixo:

Codifique o problema em cromossomos Usando a codificação, desenvolva uma função de adequação para avaliar o valor de cada cromossomo na solução de um determinado problema Inicialize uma população de cromossomos Avalie cada cromossomo na população Crie novos cromossomos acasalando dois cromossomos. Isso é feito mutando e recombinando dois pais para formar dois filhos (os pais são selecionados aleatoriamente, mas influenciados por sua aptidão) Avaliar o novo cromossomo Excluir um membro da população que está menos apto do que o novo cromossomo e inserir o novo cromossomo na população . Se o critério de parada for atingido (número máximo de gerações, os critérios de aptidão são bons o suficiente & # 8230;) então retorne o melhor cromossomo ou vá para o passo 4.

De uma perspectiva de negociação, GA é muito útil porque é bom em lidar com problemas altamente não-lineares. No entanto, eles exibem algumas características desagradáveis ​​que valem a pena mencionar:

Over fitting: Este é o principal problema e cabe ao analista configurar o problema de forma a minimizar esse risco. Tempo de computação: Se o problema não for definido corretamente, pode ser extremamente longo para chegar a uma solução decente e a complexidade aumenta exponencialmente com o número de variáveis. Daí a necessidade de selecionar cuidadosamente os parâmetros.

Existem vários pacotes R lidando com GA, eu escolhi usar o mais comum: rgenoud.

Preços de fechamento diários para a maioria dos ETFs líquidos do Yahoo finance, que remontam a janeiro de 2000. O período de amostragem vai de janeiro de 2000 a dezembro de 2010. O período fora da amostra começa em janeiro de 2011.

A lógica é a seguinte: a função de adequação é otimizada durante o período de amostragem para obter um conjunto de parâmetros ótimos para os indicadores técnicos selecionados. O desempenho desses indicadores é então avaliado no período fora da amostra. Mas antes disso, os indicadores técnicos devem ser selecionados.

O mercado de ações apresenta duas características principais que são familiares para qualquer pessoa com alguma experiência de negociação. Momento de longo prazo e reversão de curto prazo. Essas características podem ser traduzidas em termos de indicadores técnicos por: médias móveis cross over e RSI. Isto representa um conjunto de 4 parâmetros: Períodos de look-back para médias móveis de longo e curto prazo, período de retorno para o RSI e limiar RSI. Os conjuntos de parâmetros são os cromossomos. O outro elemento-chave é a função de fitness. Podemos querer usar algo como: máximo retorno ou taxa de Sharpe ou rebaixamento médio mínimo. A seguir, optei por maximizar o índice de Sharpe.

A implementação de R é um conjunto de 3 funções:

FunçãoFuncional: define a função de adequação (por exemplo, o índice máximo de Sharpe) a ser usado no mecanismo de negociação do Google Analytics: resumo das estatísticas de negociação para dentro e fora dos períodos de amostra para fins de comparação genoud: o mecanismo GA do pacote rgenoud.

A função genoud é bastante complexa, mas eu não vou explicar o que cada parâmetro significa, pois quero manter este post curto (e a documentação é realmente boa).

Na tabela abaixo, apresento para cada instrumento os parâmetros ótimos (período de retorno do RSI, limiar do RSI, média móvel de curto prazo e média móvel de longo prazo) juntamente com as estatísticas de entrada e saída da amostra.

Antes de comentar os resultados acima, quero explicar alguns pontos importantes. Para corresponder à lógica definida acima, limitei os parâmetros para garantir que o período de look-back para a média móvel de longo prazo seja sempre maior que a média móvel mais curta. Eu também limitei o otimizador a escolher apenas as soluções com mais de 50 negociações no período de amostragem (por exemplo, significância estatística).

No geral, os resultados fora da amostra estão longe de serem impressionantes. Os retornos são baixos mesmo se o número de negociações for pequeno para tornar o resultado realmente significativo. No entanto, há uma perda significativa de eficiência entre o período de amostragem dentro e fora do Japão (EWJ), o que muito provavelmente significa um ajuste excessivo.

Este post é destinado a dar ao leitor as ferramentas para usar corretamente o GA em uma estrutura de negociação quantitativa. Mais uma vez, é apenas um exemplo que precisa ser mais refinado. Algumas melhorias potenciais para explorar seriam:

função de fitness: maximizar o índice de Sharpe é muito simplista. A & # 8220; mais inteligente & # 8221; A função certamente melhoraria o padrão de estatísticas de negociação fora da amostra: tentamos capturar um padrão muito simples. Uma pesquisa de padrões mais aprofundada é definitivamente necessária. otimização: há muitas maneiras de melhorar a maneira como a otimização é conduzida. Isso melhoraria tanto a velocidade de cálculo quanto a racionalidade dos resultados.

O código usado neste post está disponível em um repositório Gist.

MA Ribbon preenchido estratégia de negociação Forex.

A MA Ribbon Filled Trading Strategy é uma combinação de três indicadores de forex personalizados que são colocados juntos para fornecer sinais precisos de negociação. A estratégia pode ser adotada com rapidez e facilidade por traders de moedas que não têm experiência, bem como traders experientes.

Indicadores MetaTrader4: MMR. ex4 (configuração padrão), MKNC_4.ex4 (configuração padrão), fita MA preenchida.89.21.ex4 (configuração padrão)

Horário (s) preferido (s): 1 minuto, 5 minutos, 15 minutos, 30 minutos, 1 hora, 4 horas, 1 dia, 1 semana, 1 mês.

Sessões de negociação recomendadas: Sessão de Londres / Nova York para períodos de tempo abaixo de 30 minutos, qualquer sessão para período de tempo acima dos 30 minutos.

Pares de moedas: qualquer par + ouro.

Exemplo de compra (clique na imagem para aumentar):

Insira uma posição de compra quando os seguintes padrões de indicadores estiverem em plena luz no gráfico de atividade:

Fique atento para que um castiçal de alta se abra e feche acima do crossover da faixa MA.89.21, seguido por barras verdes / lima alinhadas acima da linha vermelha. A linha azul pontilhada do indicador MKNC_4 cruza a linha vermelha pontilhada de baixo para cima, com a linha azul pontilhada passando acima da linha vermelha pontilhada. Quando as barras verdes do indicador MMR se formam acima da marca zero.

Stop Loss for Long Entry: Escolha o seu stop loss ≥5 a 20 pips abaixo da linha vermelha do indicador “MA ribbon filled.89.21” (a distância depende do período de tempo utilizado)

Estratégia de saída / Take Profit for Long Entry:

A estratégia de saída / estratégia de lucro deve basear-se nas seguintes condições:

Aguarde até que a fita MA preenchida.89.21 cruze acima das barras de preço e o histograma vermelho fique no topo da linha verde. As linhas do indicador MKNC_4 cruzam com a linha pontilhada vermelha acima da linha azul pontilhada. Quando a linha principal do indicador MMR DodgerBlue cruza a marca zero para baixo.

As condições de entrada curtas para a estratégia de negociação preenchida com fita MA são as seguintes:

A faixa de AM MA preenchida.89.21 cruza as barras de preço acima, com o histograma vermelho em cima da linha verde. As linhas do indicador MKNC_4 cruzam, enquanto a linha vermelha pontilhada fica acima da linha pontilhada azul. O indicador MMR forma histograma vermelho abaixo do nível 0,00.

Stop Loss para Short Entry: Escolha o seu stop loss ≥5 a 20 pips acima da linha vermelha do indicador “MA ribbon filled.89.21” (a distância depende do período de tempo utilizado)

Estratégia de saída / Take Profit for Short Entry:

A estratégia de saída para uma entrada de venda é inversa das vistas para uma entrada de compra, conforme mostrado abaixo:

Aguarde até que a fita MA preenchida.89.21 cruze abaixo das barras de preço e o histograma verde / limão fique na linha vermelha. As linhas do indicador MKNC_4 cruzam com a linha pontilhada vermelha abaixo da linha azul pontilhada. Quando a linha principal do indicador MMR DodgerBlue cruza a marca zero para cima.

Sobre os indicadores de negociação.

O MMR é um indicador incrível para análise técnica. Ele combina uma estratégia baseada em crossover de MA junto com RSI e MACD. Os comerciantes podem implantar o indicador na identificação de novas tendências, localizando sessões oversold e overbought.

O indicador MKNC_4 oferece sinais de uma maneira vívida por meio de sua linha pontilhada vermelha e linha pontilhada vermelha e, por último, a “fita MA preenchida.89.21” é um indicador baseado na média móvel.

Posts Relacionados.

Squeeze Arrow Bands Forex Trading Strategy.

Nascer do sol Forex Trading Strategy.

Bandas Estocásticas 2Ds Estratégia de Negociação Forex.

Simples Renko Arrows Forex Trading Strategy.

Deixe uma resposta:

Top Forex Trading Software.

Curta-nos no Facebook.

Baixe agora todos os nossos sistemas forex, EA's, estratégias de negociação e indicadores 100% GRÁTIS por tempo limitado.

Copyright @ 2018 Dolphintrader.

Download a estratégia de escalpelamento de Forex M1 / ​​M5 hoje!

Esta estratégia de escalpelamento de Forex vencedora incrível alta só irá desencadear quando há uma chance extremamente alta de um novo comércio rentável de baixo risco para ocorrer.

Até 100 pips todos os dias Funciona em todos os pares de forex e Bitcoin! Escalpelamento Forex de baixo risco Funciona em M1, M5 e UP.

Como faço para usar uma Faixa Média Móvel para criar uma estratégia de negociação forex?

A fita média móvel pode ser usada para criar uma estratégia básica de negociação forex baseada em uma transição lenta da mudança de tendência. Pode ser utilizado com uma mudança de tendência em qualquer direção, para cima ou para baixo.

A criação da faixa de média móvel foi fundada na crença de que quanto mais melhor quando se trata de médias móveis plotadas em um gráfico. A faixa é formada por uma série de oito a 15 médias móveis exponenciais (EMAs), variando de muito curto prazo a médias de longo prazo, todas traçadas no mesmo gráfico. A faixa resultante de médias destina-se a fornecer indicação da direção da tendência e da força da tendência. Um ângulo mais acentuado das médias móveis - e maior separação entre elas, fazendo com que a fita se espalhe ou se alargue - indica uma forte tendência.

Os sinais tradicionais de compra ou venda da faixa de média móvel são o mesmo tipo de sinal de cruzamento usado com outras estratégias de média móvel. Numerosos crossovers estão envolvidos, então um trader deve escolher quantos crossovers constituem um bom sinal de negociação. No entanto, uma estratégia alternativa pode ser usada para fornecer entradas comerciais de baixo risco com alto potencial de lucro. A estratégia delineada abaixo objetiva capturar uma quebra decisiva de mercado em qualquer direção, o que geralmente ocorre após um mercado ter negociado em um intervalo estreito e apertado por um longo período de tempo.

Estratégia de Negociação Breakout.

Observe por um período em que todas as médias móveis convergem de perto quando a negociação se estabiliza em um intervalo estreito. Idealmente, as várias médias móveis são tão próximas que formam quase uma linha grossa, mostrando muito pouca separação entre as linhas médias móveis individuais.

Suporte a faixa de negociação estreita com uma ordem de compra acima da máxima da faixa e uma ordem de venda abaixo da mínima da faixa. Se a ordem de compra for acionada, coloque uma ordem de stop loss inicial abaixo da mínima da faixa de negociação; se a ordem de venda for acionada, coloque uma parada logo acima da máxima da faixa.

Como analisar alterações de tendência usando estudos de fita e várias médias móveis.

3 de novembro de 2011.

Estudos de fita e múltiplas médias móveis estão se tornando cada vez mais populares entre os corretores de tendências. A ideia básica por trás do indicador técnico é que você está usando aproximadamente 12 a 16 médias móveis diferentes no mesmo gráfico exato (em vez de usar apenas 1 ou 2 no gráfico).

Como você constrói esse indicador?

Normalmente, os estudos de fita consistem em aproximadamente oito médias móveis exponenciais de curto prazo e oito de longo prazo. Os comprimentos médios móveis de curto prazo podem variar naturalmente e dependem mais do tempo que você está negociando.

O gráfico que tenho aqui é configurado com 16 médias móveis variando de 50 dias a 200 dias e tudo mais. Acho que isso me dá uma visão mais precisa da tendência geral ao usar médias móveis de longo prazo. Mas alguns argumentam que você deve começar com a média móvel de 30 dias, eu discordo.

A análise de tendências permite uma seleção mais eficaz de estratégias de negociação apropriadas, como breakout, continuação de tendência, etc. Pode ser aplicada ao lado longo e ao lado curto.

Assista-me colocar dinheiro real, Opção AO VIVO Trades: Aqui na Opção Alfa nós "andamos a pé" e "fale a conversa" quando se trata de troca de opções em um nível sério e profissional. Neste novo módulo, você encontrará um recurso insano de exemplos de negociação de opções em tempo real, reais e em tempo real.

Gravamos nossa tela em tempo real para que você possa assistir por nossos ombros enquanto procuramos, inserimos, ajustamos e saímos de negociações de opções. Clique aqui para ver mais de 50 operações ao vivo?

Sinais de Convergência e Divergência.

Existem três sinais diferentes que você pode analisar com fitas e várias médias móveis:

1) Quando suas fitas começam a ficar mais paralelas e uniformemente espaçadas, você pode assumir que a tendência atual é forte e em "concordância" com os outros sinais, já que eles estão se movendo juntos como um coletivo.

2) Quando as fitas começam a se alargar e se separar, isso sinaliza que estamos começando a chegar aos extremos do mercado e pode ser o fim de uma tendência. Metas de curto prazo estão chegando a extremos, e a lei das probabilidades sugere que esses níveis não durarão muito mais tempo.

3) E finalmente, quando as fitas começam a convergir uma na outra, uma mudança de tendência já começou a ocorrer. Um indicador inicial depois de ver níveis extremos é que os MAs de prazo mais curto irão convergir primeiro, enquanto os MA de prazo mais longo irão convergir lentamente.

O espaçamento é mais importante que os cruzamentos.

A maioria das pessoas assume incorretamente que o único fator importante ao usar estudos de fita e várias médias móveis é o "crossover" ou a "torção" nos gráficos. O ponto em que o MA de prazo mais curto começa a se mover acima ou abaixo do MA de longo prazo - e, embora isso seja importante, não é o melhor uso desse indicador.

O espaçamento real das fitas e do MA mostra a força subjacente da tendência. Use os três pontos de espaçamento que descrevi acima e você estará no caminho certo para uma melhor análise de tendências.

Você já teve sucesso com fitas?

Como eu disse antes, este indicador técnico está se tornando cada vez mais popular. Mas gostaria de saber que tipo de sucesso ou fracasso você teve com essas fitas para identificar tendências? Adicione seus comentários abaixo e compartilhe dicas e truques que encontrou com outras pessoas.

Sobre o autor.

Kirk Du Plessis.

Kirk fundou a Option Alpha no início de 2007 e atualmente atua como Head Trader. Outrora Banqueiro de Investimentos do Grupo de Fusões e Aquisições do Deutsche Bank em Nova York e Analista de REIT do BB & T Capital Markets em Washington D. C., é operador de opções em tempo integral e investidor imobiliário. Ele foi entrevistado em dezenas de sites / podcasts de investimento e foi visto na revista Barron’s, SmartMoney e em várias outras publicações financeiras. Kirk atualmente mora na Pensilvânia (EUA) com sua linda esposa e duas filhas.

Estes foram originalmente propostos pelo analista técnico australiano Darryl Guppy e são amplamente abordados em seu livro Trend Trading. Eles são muitas vezes referidos como o Guppy MMA. Se alguém quiser aprender a trocá-los, o livro do Sr. Guppy e os livros subseqüentes são altamente recomendados.

@Terry, Yup ótimo livro também… você teve sucesso com Ribbons Terry?

Fitas parecem uma tendência interessante seguindo a abordagem. Estou ansioso para aprender mais sobre isso. Obrigado por compartilhar.