Trading System Fehler

NYSE-Systemfehler zeigt Enterprise-Schwachstellen Am 8. Juni 2001 stoppte die NYSE den Handel für mehr als eine Stunde wegen technischer Probleme. Die NYSE berichtete, dass ein fehlgeschlagenes Software-Upgrade die Hälfte seiner Angebote deaktiviert hat. Die Börse sperrte den Handel in allen Aktien um 10:10 Uhr und der Handel wieder um 11:35 Uhr, obwohl 10 Prozent der börsennotierten Aktien blieb für den Handel zu diesem Zeitpunkt blieb. Die NYSE stoppte auch den Handel am 26. Oktober 1998 und berichtete ähnliche Probleme mit der Systemkonnektivität. Der jüngste NYSE-Systemfehler zeigt, dass sogar die anspruchsvollsten IT-Umgebungen anfällig für Ausfälle sind, die in der Regel durch menschliches Versagen oder Prozessversagen verursacht werden. Gartner-Forschung zeigt, dass Menschen oder Prozess-Ausfälle direkt verursachen 80 Prozent der geschäftskritischen Anwendungs-Service-Ausfallzeiten. Die Komplexität der heutigen IT-Infrastrukturen und - Anwendungen macht das Management dieser Systeme zu einem sehr hohen Verfügbarkeitsniveau außerordentlich schwierig (siehe Research Note TG-07-4033 "Intelligente Investitionen zur Reduzierung ungeplanter Downtimequots"). Von allen Ursachen der Menschen und Prozess-Ausfälle, ist die häufigste Veränderung. Unternehmen mit starken Change-Management-Praktiken verfügen in der Regel über die höchste Verfügbarkeit. Wenn eine Änderung ein Problem verursacht, müssen Unternehmen Rollback-Verfahren zur Minimierung der gesamten Ausfall. Im Falle der NYSE scheint es jedoch, dass die Umstellung auf die frühere Umsetzung länger gedauert hat, als sie haben sollte. Schließlich können Änderungen, die zu längeren Ausfällen führen, das Unternehmen dazu zwingen, seinen Geschäftskontinuitätsplan aufzurufen. Analytical Quelle: Donna Scott, Networked Systems Management Geschrieben von Terry Allan Hicks, Gartner Kopie 2001 Gartner, Inc. und andern Tochtergesellschaften. Alle Rechte vorbehalten. Vervielfältigung und Verbreitung dieser Publikation in jeglicher Form ohne vorherige schriftliche Genehmigung ist untersagt. Die hierin enthaltenen Informationen stammen aus Quellen, die als zuverlässig gelten. Gartner lehnt jegliche Gewährleistung hinsichtlich der Richtigkeit, Vollständigkeit oder Angemessenheit dieser Informationen ab. Obwohl Gartners Research rechtliche Fragen im Zusammenhang mit dem Informationstechnologie-Geschäft diskutieren kann, bietet Gartner keine Rechtsberatung oder Dienstleistungen an, und seine Forschung sollte nicht als solche ausgelegt oder verwendet werden. Gartner haftet nicht für Fehler, Auslassungen oder Unzulänglichkeiten in den hierin enthaltenen Informationen oder für deren Auslegung. Die hierin enthaltenen Meinungen können ohne vorherige Ankündigung geändert werden. Werden Sie Kunde Kunde werden Nutzen Sie unser kostenloses Telefon, um uns von Montag bis Freitag von 8.00 bis 17.00 Uhr anzurufen. Werden Sie KundeUnternehmen Sie die Art des Handelsausfalls: Warum Handelssysteme scheitern Während der letzten beiden Beiträge habe ich über Handelssystemversagen gesprochen und wie wir können Erkennen dies durch den Einsatz von 8220blunt8221 und progressive Maßnahmen. Insbesondere habe ich über Systemausfall als Punkt gesprochen, wo ein System nicht mehr mit den von seinen historischen Tests erwarteten Statistiken übereinstimmt und wie es klare statistische Maßnahmen gibt, die diesen Punkt erkennen können. Allerdings ist ein interessanter Aspekt des Trading System Misserfolg zu verstehen, warum dies geschieht. Warum fängt ein System an, unter dem auszuführen, was von seinen Tests erwartet wird, warum ein System mit niedrigem Data-Mining-Bias beginnt zu verschlechtern. Vielleicht am wichtigsten ist, wie können wir verhindern, dass dies geschieht (oder zumindest abschwächen) Am heutigen Tag werde ich diskutieren, warum Trading-Systeme scheitern und was wir tun können, in der Entwicklung, um sicherzustellen, dass die Wahrscheinlichkeit, dass dieses Geschehen ist so niedrig wie möglich. Wir werden über den System-Building-Prozess, die Menge der Marktdaten und den Einfluss, die dies auf die Vor-Test-Prozess zu sprechen. Wenn Sie ein System mit historischen Daten entwickeln, arbeiten Sie grundsätzlich unter der Annahme, dass Ineffizienzen, die in Ihrer Handelsgeschichte existieren, in der Zukunft wiederholt werden. Diese Grundannahme ist der Grund, weshalb alle Systeme scheitern müssen (nicht in ihren historischen Teststatistiken), da die Anzahl der potentiellen Marktbedingungen unendlich ist, während die Anzahl der Entwurfsbedingungen begrenzt ist. Wenn Sie darauf achten, Ihre Trading-Strategie unter Berücksichtigung von Data-Mining-Bias zu entwickeln, dann ist Ihr System nicht scheitern, weil die Ineffizienz, die Sie in der Vergangenheit gefunden, war aber nicht, weil der Markt in eine Reihe von Merkmalen, die nicht mehr diese Ineffizienz. Ihr System wurde gebaut, um etwas anzugehen, das unter neuen Marktbedingungen nicht mehr existierte. Ein häufiger Fehler, den ich beim Bau von Handelsstrategien gesehen habe, betrifft die Art und Weise, in der die Daten, die verwendet werden, um Systeme zu bauen, gewählt werden. Viele Leute glauben, dass, wenn Sie niedrigere Zeitrahmen handeln, müssen Sie weniger Daten verwenden, weil die Anzahl der Punkte, die Sie innerhalb Ihres Tests haben, größer ist. Zum Beispiel einige Händler glauben, dass, wenn you8217re Handel ein 1H-System können Sie 2 Jahre Daten anstelle von 10 für ein gleichwertiges System auf den täglichen Charts, da Sie 24-mal mehr Daten und benötigen daher weniger Zeit, um die gleiche Anzahl von Trades zu erhalten Und die gleiche statistische Relevanz. Es ist wahr, dass die mehr Bars, die Sie haben, desto sicherer können Sie mit weniger Testzeit, dass you8217re Entwicklung eines Systems über Data-Mining-Bias, aber das hat nichts mit der Robustheit Ihrer Strategie zu tun. Bei der Erstellung eines Trading-Systems auf dem 1H-Chart mit 2 Jahren Daten können Sie sicher sein, dass Sie die gleiche Data-Mining-Bias wie mit einem 4H-System auf 8 Jahre Daten erhalten können. Dies bedeutet, dass Sie auf dem 1H 8211 2-Jahres-System genauso sicher sein können, wie Sie auf dem 4-Stunden-8-Jahres-System 4H 8211 über die Existenz einer wirklichen Markt-Ineffizienz für diese Zeiträume sind. Allerdings gibt es einen wichtigen Unterschied hier, müssen Sie zeichnen einen Unterschied zwischen Robustheit und Data-Mining-Bias. Wenn ein System scheitert, weil neue Marktbedingungen in der Testphase nichts ähneln, dann ist es rational, davon auszugehen, dass eine robuste Strategie auf mehr Marktbedingungen geprüft werden sollte. Wenn es mehr Marktbedingungen gesehen hat, dann ist es geeignet, um mehr Bedingungen zu überleben, dass einfach. Jedoch ändern sich die Marktbedingungen in Zyklen, die unabhängig von Datenpunkten sind, weil sie sich relativ zu makroökonomischen Faktoren ändern, die über bestimmte Zeitspannen gehen. Dies bedeutet, dass Ihre 1H 2-Jahres-Strategie möglicherweise eine echte Ineffizienz über diese 2 Jahre entdeckt haben, aber es einfach gescheitert, weil diese Ineffizienz nicht vorhanden war, wie der Markt vorwärts ging. Aber Ihre 4H-8 Jahre Strategie 8211, die ein makroökonomisches Umfeld gesehen hatte, das unterschiedlich war, war 8211 in der Lage, den neuen Bedingungen besser zu entsprechen, weil sie etwas ähneln, das die Strategie in der Vergangenheit gesehen hatte. Der Unterschied war, dass wir mit der 4H-Strategie mehr Marktbedingungen gesehen hatten, obwohl wir die gleiche Sicherheit hinsichtlich der Daten-Mining-Bias hatten. Dies bedeutet, dass der Zeitrahmen Ihrer Strategie völlig irrelevant ist, wenn Sie über die Robustheit Ihres Systems sprechen. Die Robustheit ist nur durch den Umfang der Marktbedingungen Ihrer Strategie in der Lage zu überleben und nicht von, wie viele Trades oder wie viele Datenpunkte Ihre Strategie simuliert wurde bestimmt. Eine tägliche Strategie 8211 mit Performance über Data-Mining-Bias 8211 Handel über 25 Jahre ist robuster als eine 1H-Strategie simuliert in 2 Jahren, obwohl die 1H-Strategie kann mehr Trades und mehr Datenpunkte hat es einfach nicht eine Vielzahl von gesehen Marktbedingungen, die so breit sind. Vielleicht lag die gesamte 2-Jahres-Periode für die 1H-Strategie innerhalb eines ungewöhnlich engen Tagesbereichs, während die Bedingungen außerhalb dieses Zeitraums völlig anders waren. Bei der Entwicklung von Handelsstrategien, mehr Bedingungen immer mehr Robustheit und daher mit so viel Daten wie möglich ist immer eine gute Idee. Manche Leute sagen, dass sie keine vorherigen Marktdaten verwenden, weil es jetzt irrelevant ist, da solche Marktbedingungen nie wieder vorkommen werden. Allerdings ist die Tatsache, dass dies jetzt nicht bekannt ist und manchmal Marktbedingungen ähnlich denen in der fernen Vergangenheit zeigen kann. Wenn Sie meinen Beitrag zu den aktuellen Marktbedingungen hinsichtlich der Volatilität auf dem EURUSD gelesen haben, könnten Sie gesehen haben, dass die gegenwärtigen Marktbedingungen tatsächlich den Handelsbedingungen im Jahr 1996 ähnlich sind. Auch wenn die Bedingungen nicht exakt gleich sind und sich die Marktmikrostruktur tatsächlich erheblich verändert hat , Haben sich die Gesamtvolatilität und die Direktionalität in ähnlicher Weise bis zum Jahr verhalten. Da Sie nie wissen, welche Marktbedingungen wiederholt werden können, ist für zusätzliche Robustheit immer ein Profi. Es ist eindeutig schwieriger, Systeme zu finden, die über mehr Marktbedingungen funktionieren, aber wenn solche Systeme gefunden werden (mit offensichtlicher Sorgfalt, um sie über Data-Mining-Bias zu entwickeln) erhalten Sie eine höhere Chance, erfolgreich etwas in der Zukunft anzupacken. Das bedeutet nicht, dass Systeme, die gegen Versagen immun sind, erzeugt werden können. Die Marktbedingungen für die Systemerstellung sind, wie gesagt, endlich, aber die möglichen Schwankungen der Marktbedingungen in der Zukunft sind nahezu unendlich. Das bedeutet, dass es trotz Ihrer Bemühungen immer eine Reihe von Marktbedingungen geben kann, die Ihre Strategie unterdurchschnittlich machen und formales statistisches Versagen erlangen werden. Der Schlüssel dazu ist, eine große Anzahl von Strategien zu haben, die unkorrelierte Ineffizienzen ausnutzen, so dass die Wahrscheinlichkeit eines Ausfalls gleichzeitig gering ist. Zwei weitere wichtige Aspekte sind die Fähigkeit, Fehler schnell zu erkennen und die Fähigkeit, neue Systeme auf Anforderung als Strategien zu schaffen, müssen ersetzt werden (mit einer starken Data-Mining-Implementierung). Wenn Sie mehr über Fehlererkennung und algorithmische Systemerstellung erfahren möchten, ziehen Sie bitte an Asirikuy teilzunehmen. Eine Website mit Bildungs-Videos, Handelssysteme, Entwicklung und eine solide, ehrliche und transparente Ansatz für automatisierte Handel im Allgemeinen gefüllt. Ich hoffe, Sie genossen diesen Artikel. O) Forex Trading System Misserfolg: Building Systems für den schlimmsten Fall Eine unveränderliche, unaufhaltsame Charakteristik der Handelsstrategien ist, dass alle von ihnen schließlich scheitern 8212 von 8220fail8221 Ich meine, dass sie unter die Erwartungen der historischen Tests fallen. Dies macht keinen Unterschied zwischen historischen Entwicklungsmethoden 8211 wie regelmäßige Optimierung, Walk-Forward-Analyse, maschinelles Lernen usw. 8211, weil es eine Folge der Unberechenbarkeit der finanziellen Zeitreihen und der Unvollständigkeit der historischen Ergebnisse ist, um allen möglichen Variationen von Handelsinstrumenten Rechnung zu tragen. Auch wenn ein System mit einem hohen Maß an Anpassungsfähigkeit, das sich in der Vergangenheit bewährt hat (wie es das maschinelle Lernen oder die Walk-forward-Analyse bewirken kann) nicht bedeutet, dass eine Reihe von Marktbedingungen dort ankommt, wo diese Anpassungsfähigkeit völlig nutzlos ist. Eventueller Systemfehler 8211, was wir Systemtod 8211 nennen können, ist eine unvermeidliche Folge einer auf einer endlichen Menge von Informationen auf einem Markt mit potentiell unendlichen Variationen entwickelten Kante. Die nächste Frage ist: Was können wir dagegen tun? Auch wenn Systemausfall unvermeidlich ist, bedeutet das nicht, dass wir keinen Gewinn erzielen können, bevor es geschieht. Allerdings ist es wichtig zu beachten, dass die Erkennung von Systemausfall zu einem Preis kommt. Dies ist eine Folge der natürlichen Abnahmezyklen, die Systeme durchlaufen. Da ein System 8220normal8221 verlierende Perioden haben könnte, müssen wir in irgendeine Art von abnormalem Verlieren gehen, um in der Lage zu sein, ein System zu verwerfen. Der Nachweis dieser abnormalen Abnahme erfordert ein gewisses Maß an Verlust zu erreichen. Es ist äußerst schwierig, einen Systemausfall mit irgendeiner Genauigkeit vorhersehen zu können, so dass Sie verpflichtet sind, zumindest genug über diesen Fehler zu erfahren, um ihn zu erkennen. Hier ist, wo die interessante Sachen passiert, hängt das Ausmaß des Verlustes für die Fehlererkennung benötigt grundlegend auf die Merkmale des Systems, das Sie und die Risiken, die Sie einnehmen. Dinge wie die Risiko-Gewinn-Verhältnis, die gewinnende Prozentsatz und die Handelsfrequenz kann stark beeinflussen die Höhe der Verlust benötigt, um eine Strategie zu verwerfen. Wenn Sie beispielsweise ein System mit einem Verhältnis von 3: 1 zu einem Risiko-Verhältnis und einem Gewinnprozentsatz von 30 Jahren handeln, haben Sie höchstwahrscheinlich historische Verlängerungsrunden in Ihren Backtests. Wenn Sie eine 600-jährige historische Drawdown und 25 aufeinander folgenden verlieren Trades, dann Monte Carlo Simulationen sind verpflichtet, schlimmsten Fällen, die in der Größenordnung von doppelt so viel sind. Die Chance kosten 8211 Mal den Handel eine schlechte Strategie, bevor Sie sagen können, es ging schlecht 8211 sowie das tatsächliche Geld verloren ist sehr wichtig für Strategien unter solchen Umständen. Ein weiteres großes Problem dieser Strategien ist, dass sie stark auf eine kleine Anzahl von sehr erfolgreichen Trades angewiesen sind. Das Fehlen einiger Trades aufgrund der Abhängigkeit des Brokers wird die Einzugstiefe und - länge stark beeinflussen. Allerdings ist der extreme umgekehrte Fall nicht besser als dieser. Ein System mit einem Risiko für Belohnung Verhältnis von 0,2 und eine 80-Sieger-Rate hat ebenso schlechte Probleme. Obwohl es nur ein paar verliert, um Sie zu entscheiden, den Handel mit einer Strategie zu stoppen, sind diese Verluste viel größer als Ihr durchschnittlicher Gewinn. In diesem Fall nehmen zusätzliche Verluste aufgrund von Dingen wie Broker Abhängigkeit auch große Probleme, weil es zwei Konten in völlig verschiedene Szenarien setzen könnten, wenn sie die gleiche Strategie handeln. Wenn ein Konto einen zusätzlichen Verlust einnimmt, kann es ausreichen, die Strategie auf diesem Konto zu verwerfen, während andere Konten weit entfernt von demselben Szenario liegen. Obwohl Drawdown-Periodenlängen in der Regel kurz sind unter solchen Systemen 8211, was bedeutet, dass die Opportunitätskosten klein sind 8211 sind die Inanspruchsperioden in der Regel sehr scharf und daher wird es sehr schwierig, Systeme auf einer pro-trade-number Monte-Carlo-Simulation zu verwerfen. Die ideale statistische Einrichtung für die Verwerfung eines Systems ist eigentlich das Mittelfeld. Die beste Möglichkeit, ein Handelssystem mit dem geringstmöglichen Verlust mit der geringsten Maklerabhängigkeit zu verwerfen, kommt zustande, wenn man eine Handelsstrategie verfolgt, für die das Risiko für die Gewinnverhältnisse nahe bei 1 liegt und der Gewinnprozentsatz nur 50-65 beträgt. Um die 50-Ebene ist es besser, über als unten, weil Systeme mit Gewinnen Prozentsätze unter 50 setzen einen zusätzlichen starken psychologischen Druck für den Händler die Durchführung der Strategie. Gewinnen häufiger ist viel besser psychologisch und es führt auch zu einer schnelleren Wahrscheinlichkeit der Fehlererkennung auf konsekutiven Verlustzahlen. Verluste und Gewinne sind von ähnlicher Größe, so gibt es keine unebenen Szenario, das stark schieften Strategien aufgrund von Dingen wie Broker Abhängigkeit könnte. Ein weiterer Punkt, der diskutiert werden soll, ist die Handelsfrequenz. In einer idealen Welt 8211, in der der Systemausfall nicht existiert 8211, ist es ein Kinderspiel, Handelssysteme mit der höchstmöglichen Handelsfrequenz zu wählen, da in diesem Fall die Compoundierung offensichtlich schneller ist. Angesichts einer ständigen positiven Erwartung gibt der höchste Umsatz klar die besten langfristigen Erträge. In der realen Welt 8211, wo Systemausfall geschieht 8211 Hochfrequenz ist eine schlechte Wahl, weil es eine Möglichkeit für sehr schnelle Deep-Ausfall kurzfristige Änderungen der Marktbedingungen beinhaltet. Ein System, das 4 Mal pro Woche gehandelt wird, hat 16 aufeinanderfolgende Verluste in einem Monat, in dem der Markt 8220misbehaving8221 gemäß den Erwartungen des Systems8217s ist, während ein System mit nur 2 Trades pro Woche der Hälfte der Verluste stand. Die Chancen des zweiten Systems, aus den schlechten Bedingungen herauszukommen, ohne verworfen zu werden, sind viel höher (unter der Annahme, dass sie ansonsten statistisch gleich sind und sich nur hinsichtlich der Handelsfrequenz unterscheiden). Allerdings müssen Sie auch genügend historische Ergebnisse haben, um Vertrauen in die historischen Statistiken generiert haben, so all-in-all wollen Sie eine Handelsfrequenz, die mindestens 10 Trades pro Jahr mit historischen Tests, die in der 10- 20 Jahre Reichweite. Abschließend sollten Systeme mit statistischen Merkmalen aufgebaut werden, die die schnellsten und besten Chancen für die statistische Erfassung des Systemausfalls mit dem geringstmöglichen Verlust widerspiegeln. Entwerfen von Systemen, die auf einer Hypothese von unendlich vielen Kanten8221 beruhen, ist irrational, da wir wissen, dass das Scheitern letztlich garantiert wird. Aus dieser Perspektive macht es viel mehr Sinn, mehrere Systeme mit begrenzter Häufigkeit zu konstruieren und ein Mittelgrundrisiko, das Verhältnis und die Gewinnprozentsatz-Perspektive zu gewinnen, wo der Verlust eines Randes sofort erkannt werden kann, aber der Verlust des Gesamtrandes (alle Systeme fehlend) ist unwahrscheinlich. Während eine schnelle Frequenzhandelsstrategie mit der höchstmöglichen mathematischen Erwartung die offensichtliche Wahl wäre, wenn ein Systemausfall nicht existiert (beste Erwartung des Profits), müssen wir Systeme konzipieren, die das Worst-Case-Szenario minimieren (statistische Systemfehlererkennung) und nicht Systeme, die Maximieren die besten Fall-Szenario. Wenn Sie mehr über die Erstellung von Handelssystemen erfahren möchten und wie Sie auch Ihre eigenen Handelssysteme generieren können, sollten Sie Asirikuy beitreten. Eine Website mit Bildungs-Videos, Handelssysteme, Entwicklung und eine solide, ehrliche und transparente Ansatz für automatisierte Handel im Allgemeinen gefüllt. Ich hoffe, Sie genossen diesen Artikel. O)