Krabas, as neakcentuoju "look -inside-bar" o tik pateikiu kaip pavyzdi.
As akcentuoju profesionale programine iranga (kur dazniausiai buna mokama) ir gerus ir kokybiskus duomenis (kurie irgi dazniausiai kainuoja) VS free duomenu ir megejisko softo. Tavo pateiktame pavyzdyje del 2 treidu per diena priklauso nuo to kaip jie bus daromi. Pavyzdziui sistema perka ant daily baru su limitu ir parduoda ta pacia diena ant daily baru su kitu limitu bei isstato stop loss. Tokios sistemos be "l-i-o" funkcijos normaliai neistestuosi, nes nei viena programa nezinos kuris is limitu (o gal stopas) turi pirmiausia suveikti. Megejisko softo gaimntojai tai sprendzia keletu budu:
1. ziuri kuri kaina yra artimesne vienam ar kitam limitui ir skaito kad jis suveiks pirmas
2. Ima random varianta.
3. leidzia paciam nusistatyti prioritetus suveikimo.
Deja nei vienas is situ budu nera tikrasis suveikimo scenarijus nes jame nedalyvauja tikri duomenys.

Kafka teisus, kiek anomalija dar bus gyva prognozuoti nera imanoma. Todel ir zinoti kiek laiko veiks sistema nera imanoma. O lyginti trenda su sistema nera korektiska nes tai yra skirtingi dalykai apibudinami skirtingais parametrais kuriu tik vienas is ju yra bendras. (gyvavimo laikas). Del 50% taip pat nesutikciau nes is praktikos galiu pasakyti kad dauguma matytu trendiniu sistemu yra 30%-50% win ribose. Bet cia jau atskira tema.
Todel darant sistemas nereiktu stengtis prognozuoti ju veikimo laiko arba reiktu tureti galvoje kad jos gali veikti dar ilgai arba nebeveikti jau rytoj..

Gal galit pavardinti profesionalius strategijų testavimo įrankius? Iki šiol tokių nemačiau.

Vienintelis geras įrankis, kurį žinau - Pasidaryk pats.

Dekui uz mintis, bandau sugromuliuoti, nors vis tiek man neaisku kame is esmes skirtumas.

Gal kas esat skaite toki tyrima: "Technical Analysis Around the World"?
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1181367

Kaip vertintumet?

Jei trumpai - rimta chebra moksliskai pagristai irode, kad visos TA populiariausios taisykles neturi jokios statistiskai reiksmingos prasmes. Tiesa taisykles yra gana paprastos, kiek supratau nera sudetingu ju kazkokiu kombinaciju.

Kaip likt optimistu?

"Akademikai jau seniai abejoja efektyvios rinkos teorija" - as manau kad tik pastangu ir zmogaus gebejimu klausimas numatyti rinkas. Teoriskai juk viska galima prognozuoti (jei netiki Dievu), net ir visa visata sumodeliuoti ir pragroti i ateiti (jei tai atliksi uzdaroj sistemoj, kuri nei kiek neitakos pacios visatos). Mane tik kamuoja klausimas ar namu salygom imanoma pakankamai numatyti, kad is to butu apciuopiama nauda.
As turiu noro bandyti kazka tokio kurti, bet kol kas tik filosofiskai i viska ziuriu, per daug i detales nesigilinu . Su detalem gal daug klausimu atkristu..

Kurk su TA nesusietas strategijas.

Beje ka manot apie algo treidinimo perspektyvas ateity? As isivaizduoju, kad jei dabar dar salyginai lengvai galima aptikti tas anomalijas, tai ateityje turetu vis labiau jos nunykti. Kaip ir visose srityse, cia veikia sparti globalizacija. Galima tik pafantazuoti kokias galimybes turi bankai ir kt. stambus veikejai su savo kapitalu. Gali pirkti pazangius protus, uzsakyti mokslinius tyrimus(nezinia kokie jau padaryti ir keik JAU pazengta). O vienisam salyginai smulkiam treideriui konkuruot su tokiais gigantais, ypac kai nezinai kas tavo konkurentas ir ant kiek ji stiprus isivaizduoju bus vis sunkiau. Rinkos taps vis efektyvesnes.
Nors kita vertus labai daug yra tamsuoliu smulkiu, gal ir stambiu veikeju. Veikia viduramziu desniai kaip antai elliot wave, etc. Tas suteikia vilties .

Norėdamas paaiškinti rinkos nuokrypius, jokiais būdais nebandau tai paaiškinti technine analize. Manau, TA leidžia retai atvejais tai išnaudoti, jei supranti kodėl taip vyksta. Šiaip TA - laiko švaistymas, jei bandai surasti kuri taisyklė "padės virinti".
Neskaičiau tavo minėto tyrimo. Skaičiau kitus tyrimus, kuriuose TA yra atmetama. Dažniausiai, norit įdoryti, kad veikia kokia nors taisyklė yra padaromas data mining'as arba data snooping. Iš daugybės parametrų atrenkami patys geriausi pgl. istorinius duomenis. Jei testas nėra pakartotas su out-of-sample duomenimis - niekinis įrodymas.
Kartais neužtenka out-of-the-sample duomenų. 2000 m. White pasiūlė kitą būdą, kaip išvengti šios problemos, pavadindamas metodą Reality check. Gali paskaityti apie tai internete, bet esmė paprasta.
1. Ištestavus sistemą, paskaičiuoji kiekvieno "treido" grąžą procentais.
2. Verti visą grąžos masyvą į log() grąžą.
3. Paskaičiuoji grąžos vidurkį (geros sistemos vidurkis turėtų būti teigiamas ;) ).
4. Išminusuoji iš kiekvieno masyvo nario, vidurkį, taip suformuodamas naują masyvą.
5. Naują masyvą bootstrap'inį - sukuri 10000 arba 1 000 000 naujų masyvų iš originalaus masyvo (punktas 4) distribucijos. Tai yra atsitiktinai trauki iš masyvo, kuris buvo suformuotas 4 punkte, vieno treido grąžą. Dedi atgal ir taip atlieki tol, kol formuojamo masyvo ilgis bus lygus originalaus masyvo ilgui.
6. Iš naujai sukurtų masyvų suformuoji naują distribuciją pgl. jų vidurkius.
7. Pasižiūri, ar tavo vidutinė sistemos grąža yra didesnė nei 95 proc. bootstrapint'ų reikšmių. Jei taip, voila, turi sistema, kuri nėra paremta random() funkcija.

Paskaityk knygą - Nerds on Wall street. Ten rašoma, kad '80 m. buvo boom'as, kaip visi bankeliai susižavėjo dirbtiniu intelektu ir pradėjo į tai investuoti. Kur esame šiandien, po 30 m.? Ne tiek daug paženge.
Esmė tame, kad nėra taip lengva sukurti robotą, kuris būtų pranašesnis už mus visai atžvilgiais.
Dar vienas dalykas - išnaudok tai, kad esi mažas. Tu gali rinkti skatikus ir iš to užsidirbti, nes tau tai neskatikai. Bankas negali palaikyti strategijos, jei total exposure tik 100 000 finigų.

Nesupratau. Jei kalbam algo treidingo, arba automatiniu sistemu kontekste, tai koks yra alternatyvus kelias techninei analizei (praeities duomenu analizavimui)?

krabai, technine analize tai grafiku analizavimas "is akies" uzdedant populiariausius indikatorius.(kuo dauguma ir uzsiima)
Algo treidingas tai ivairiu duomenu kiekybine analize (ne vien kainos) naudojant ivairias programas pavyzdziui, excel, matlab ir panasiai bei sistemu automatizavimas.

Hm kazkaip galvojau kad si savoka gerokai platesne. Tai jei sukursim automatine sistema kuri pagrista macd susikirtimais, argi nebus tai technine analize?

Labai konkreciu ir apibreztu savoku kaip ir nera. Gali MACD sistema vadinti technine analize jei tau taip patogiau .

krabas,
ar sistema bus paremta TA, jei pirks pirmadieniais, o parduos penktadieniais? Arba pirks kai krito 3 dienas is eiles, arba shortins kai kilo 3 dienas is eiles? Kokie cia technines analizes indikatoriai?
Jei naudoji praeities duomenis, tai dar nereiskia, kad remiesi TA. Tokiu atveju, FA taptu dalis TA

Nemanau kad verta cia gincytis del TA, FA ir Ekonometrikos. Esme padaryti strategija kuri veiktu. O kaip pavadinsi skirtumo nera.

kafka: tavo aprasytas metodas panaus i monte carlo simulation, kur treidus atsitiktinai maisai ir ziuri kas gausis, bet man tai atrodo kaip KITOKS metodas nei out-of-sample testing. Jei tu is 10 Mil parametru varijantu isrinkai viena kuris gerai treidina tai bus gryna sekme ir niekas tau nepades. Kazkada dariau tests su atsitiktine strategija kuri atsitiktinai ieina ir iseina is stai rezultatai:

giena32, jei į rinką įeinama ir išeinama atsitiktinai, tai pagal kokius parametrus buvo optimizuotos (kad jos buvo optimizuotos, sprendžiu iš abscisių ašies pavadinimo tavo pateiktame grafike) tos strategijos?

Bootstrap būdu galima bandyti įvertinti, ar strategija yra patikima ar tik atsitiktinis ir sėkmingas investavimas. 10 mln. naujų įmčių generavimas parodo kokie kiti investavimo grąžos variantai, jei rezultatų distribucija išliks ta pati.
Aiškesnis bootstrap pritaikymas gal būtų max drawdown paskaičiavimas. Tarkime, sistema pgl. praeities rezultatus rodo, kad buvo 6 proc. maksimalus kritimas. Klausimas: ar galime teigti, kad ateityje bus tik 6 proc. max drawdown? Gal reikia padauginti iš 2? Gal 5?
Galim vėl sugeneruoti 10 mln. imčių ir paskaičiuoti koks gi buvo max drawdown atsitiktinai sugeneruotoje imtyje. Nuadodami tik imties max drawdown iš šitų 10 mln., suformuojam naują distribuciją max. drawdown'ų ir pasižiūrim koks galėtų būti intervalas, taikant 95 proc. patikimumo lygį. Kaip taisyklė, 6 proc. pavirsta 3-6 kartais didesniu skaičiu.
Tai tikrai nėra out of the sample testavimas, bet jei trūksta duomenų, galima naudoti tokį metodą.

Andrius_S : cia optimizuotas sharpe t.y. parametru nera, iejimai ir isejimas atsitiktiniai. Grafike matosi kaip laimingai tu gali rasti grazius rezultatus visikai atsitiktinei strategijai. as asmenskai taikau keleta tokiu taisykliu sau. stengiuosi maksmaliai sumazinti parametru kombinaciju kieki, t.y. tik tiek kiek butina. + testutoi out of sample kokiems 1 metams. + treidinti ne viena strategija kad vinai uzsilenkus nebutu perdidelis nuostolis.

kafka: metodas geras bet as zaidziu saugiai ir renkuosi tik tokias strategijas kur yra glimybe tureti daug duomenu ir daryti oos testavima, jei nera tai geriau uzsimti kita ideja, kuriu yra daugybe ...

is kitos puses sita metoda butu galima pritaikymui nustatymui kada strategija numire. neseniai buvo iskiles klausimas kaip nuspresti kada mire strategija ir ja isjungti. vieni sako kad kai virsijimas istoriskas DD tai ir yra riba kada reikia ja mesti lauk. aisku butu gerai statistiskai paskaiciuoti, jei per 10 metu max dd buvo 10000 tai kokia tikimybe kad tas max dd bus virsytas per ateinancius 6 men.