Gestion Du Risque Moyen Déménagement

Gestion du risque à l'aide d'une moyenne mobile simple (SMA) La moyenne mobile simple (SMA) est un indicateur de tendance populaire. Lorsqu'il est reproduit sur un graphique, il filtre le bruit au jour le jour des prix de sécurité, révélant la tendance à plus long terme. Le graphique ci-dessous illustre le Fonds TSP C ainsi que sa SMA à 10 mois: Les investisseurs peuvent utiliser la SMA comme un signal pour chronométrer l'achat et la vente d'un titre. Dans une tendance à la hausse, l'investisseur achète le titre lorsque son cours de clôture mensuel franchit la SMA, suit la tendance et la vend quand la tendance s'inverse et le prix passe au-dessous de la SMA. Ci-dessous le même graphique que précédemment, avec l'achat (B) et Sell (S) trading signaux ajoutés. Vous pouvez voir que la stratégie avait son dernier signal d'achat sur 1312012: Maintenant, nous allons utiliser ces signaux BUYSELL dans un système de suivi de tendance simple avec les règles suivantes: Acheter le Fonds TSP C lorsque le prix de clôture mensuel augmente au-dessus de sa SMA de 10 mois. Sinon, le vendre et investir le produit dans le Fonds G (un investissement sans risque). Les resultats. Les perspectives pour les obligations: TSP F Fund et G FundExploring La Volatilité moyenne pondérée exponentiellement La volatilité est la mesure la plus courante du risque , Mais il est disponible en plusieurs saveurs. Dans un article précédent, nous avons montré comment calculer la volatilité historique simple. Nous avons utilisé les données réelles sur les actions de Googles afin de calculer la volatilité quotidienne basée sur 30 jours de données sur les actions. Dans cet article, nous améliorerons la volatilité simple et discuterons de la moyenne mobile exponentiellement pondérée (EWMA). Historique vs. Volatilité implicite Tout d'abord, mettons cette métrique dans un peu de perspective. Il existe deux grandes approches: la volatilité historique et implicite (ou implicite). L'approche historique suppose que le passé est prologue, nous mesurons l'histoire dans l'espoir qu'elle est prédictive. La volatilité implicite, d'autre part, ignore l'histoire qu'elle résout pour la volatilité impliquée par les prix du marché. Elle espère que le marché le sait mieux et que le prix du marché contient, même implicitement, une estimation de la volatilité. Si l'on se concentre uniquement sur les trois approches historiques (à gauche ci-dessus), elles ont deux étapes en commun: Calculer la série de retours périodiques Appliquer un schéma de pondération D'abord, nous Calculer le rendement périodique. C'est généralement une série de rendements quotidiens où chaque retour est exprimé en termes continuellement composés. Pour chaque jour, nous prenons le log naturel du ratio des prix des actions (c'est-à-dire le prix aujourd'hui divisé par le prix d'hier, et ainsi de suite). Cela produit une série de rendements quotidiens, de u i à u i-m. Selon le nombre de jours (m jours) que nous mesurons. Cela nous amène à la deuxième étape: c'est là que les trois approches diffèrent. Dans l'article précédent (Utilisation de la volatilité pour mesurer le risque futur), nous avons montré que, sous quelques simplifications acceptables, la variance simple est la moyenne des rendements au carré: Notez que ceci récapitule chacun des rendements périodiques, puis divise ce total par Nombre de jours ou observations (m). Donc, c'est vraiment juste une moyenne des rendements périodiques au carré. Autrement dit, chaque retour au carré reçoit un poids égal. Ainsi, si l'alpha (a) est un facteur de pondération (spécifiquement, un 1m), alors une variance simple ressemble à ceci: L'EWMA améliore la variance simple La faiblesse de cette approche est que tous les retours gagnent le même poids. Le retour hier (très récent) n'a plus d'influence sur la variance que le rendement des derniers mois. Ce problème est résolu en utilisant la moyenne mobile exponentiellement pondérée (EWMA), dans laquelle les rendements plus récents ont un poids plus important sur la variance. La moyenne mobile exponentiellement pondérée (EWMA) introduit lambda. Qui est appelé le paramètre de lissage. Lambda doit être inférieur à un. Sous cette condition, au lieu de pondérations égales, chaque rendement au carré est pondéré par un multiplicateur comme suit: Par exemple, RiskMetrics TM, une société de gestion des risques financiers, a tendance à utiliser un lambda de 0,94 ou 94. Dans ce cas, le premier La plus récente) le rendement périodique au carré est pondéré par (1-0.94) (. 94) 0 6. Le prochain rendement au carré est simplement un multiple lambda du poids antérieur dans ce cas 6 multiplié par 94 5.64. Et le troisième jour antérieur, le poids est égal à (1-0,94) (0,94) 2 5,30. C'est le sens de l'exponentielle dans EWMA: chaque poids est un multiplicateur constant (c'est-à-dire lambda, qui doit être inférieur à un) du poids des jours précédents. Cela garantit une variance pondérée ou biaisée vers des données plus récentes. (Pour en savoir plus, consultez la feuille de calcul Excel pour la volatilité de Googles.) La différence entre la volatilité et l'EWMA pour Google est illustrée ci-dessous. La volatilité simple pèse efficacement chaque rendement périodique de 0.196 comme indiqué dans la colonne O (nous avions deux années de données quotidiennes sur les cours des actions, soit 509 déclarations quotidiennes et 1509 0.196). Mais notez que la colonne P attribue un poids de 6, puis 5.64, puis 5.3 et ainsi de suite. C'est la seule différence entre la variance simple et EWMA. Rappelez-vous: Après avoir additionné toute la série (dans la colonne Q), nous avons la variance, qui est le carré de l'écart-type. Si nous voulons la volatilité, nous devons nous rappeler de prendre la racine carrée de cette variance. Quelle est la différence entre la volatilité quotidienne entre la variance et l'EWMA dans l'affaire Googles? Sa significative: La variance simple nous a donné une volatilité quotidienne de 2,4 mais l'EWMA a donné une volatilité quotidienne de seulement 1,4 (voir la feuille de calcul pour plus de détails). Apparemment, la volatilité de Googles s'est installée plus récemment donc, une simple variance pourrait être artificiellement élevée. La variation d'aujourd'hui est une fonction de la variation des jours Pior Vous remarquerez que nous devions calculer une longue série de poids exponentiellement en déclin. Nous ne ferons pas les calculs ici, mais l'une des meilleures caractéristiques de l'EWMA est que la série entière se réduit commodément à une formule récursive: Recursive signifie que les références de variance d'aujourd'hui (c'est-à-dire une fonction de la variance des jours précédents). La variance d'aujourd'hui (sous EWMA) équivaut à la variance d'hier (pondérée par lambda) plus le rendement au carré d'hier (pesé par un lambda négatif). Remarquez comment nous ajoutons simplement deux termes ensemble: la variance pondérée d'hier et la pondération pondérée hier, au carré. Même si, lambda est notre paramètre de lissage. Un lambda plus élevé (par exemple, comme RiskMetrics 94) indique une diminution plus lente dans la série - en termes relatifs, nous allons avoir plus de points de données dans la série et ils vont tomber plus lentement. En revanche, si l'on réduit le lambda, on indique une décroissance plus élevée: les poids diminuent plus rapidement et, en résultat direct de la décroissance rapide, on utilise moins de points de données. (Dans la feuille de calcul, lambda est une entrée, donc vous pouvez expérimenter avec sa sensibilité). Résumé La volatilité est l'écart-type instantané d'un stock et la métrique de risque la plus courante. C'est aussi la racine carrée de la variance. Nous pouvons mesurer la variance historiquement ou implicitement (volatilité implicite). Lors de la mesure historique, la méthode la plus simple est la variance simple. Mais la faiblesse avec la variance simple est tous les retours obtenir le même poids. Nous sommes donc confrontés à un compromis classique: nous voulons toujours plus de données, mais plus nous avons de données, plus notre calcul est dilué par des données distantes (moins pertinentes). La moyenne mobile pondérée exponentiellement (EWMA) améliore la variance simple en attribuant des pondérations aux rendements périodiques. En faisant cela, nous pouvons utiliser une grande taille d'échantillon mais aussi donner plus de poids à des retours plus récents. (Pour voir un film tutoriel sur ce sujet, visitez la tortue Bionic.) Comment pouvons-nous utiliser la gestion de l'argent pour le déplacement Moyenne Forex Stratégies Que pouvons-nous apprendre sur les stratégies de négociation Moyenne mobile Bonne gestion de l'argent se résume à un aphorisme commercial trop populaire : Laissez vos profits fonctionner et couper vos pertes courtes. Presque tous les guides commerciaux populaires dit cela, mais trop peu donner au lecteur de bons exemples de ce qui constitue une bonne gestion de l'argent. Bien sûr, une partie de la difficulté vient du fait qu'il n'y a pas de réponse définitive ou guide définitif sur ce qu'il faut faire. Notre travail consiste à établir des techniques d'analyse qui nous permettent de déterminer ce qu'il faut faire dans des situations spécifiques. Pour les besoins de cet article, nous reviendrons sur l'une des stratégies de base discutées dans notre introduction précédente: la stratégie de négociation de la moyenne mobile Crossover. Utilisation de FXCMrsquos Strategy Trader plate-forme. Nous sommes en mesure de mettre une stratégie sur nos cartes et d'analyser les résultats en utilisant des outils analytiques de haute puissance. Dans la version bêta du programme, notre stratégie de Crossover moyenne mobile est nommée MovAvg3LineCrossLESE. Moyennes mobiles Moyenne mobile simple Moyenne mobile (SMA) Achetez lorsque la SMA de 50 périodes dépasse les 100, ce qui se négocie au-dessus de la vente 200 lorsque la SMA de 50 périodes passe au-dessous de 100, S'est bien comporté avec le Dollar Euro au cours des dernières années de négociation, car la volatilité extraordinaire profite à la stratégie de négociation de tendances. En effet, les stratégies de moyennes mobiles exploitent des changements majeurs dans l'action des prix et s'accrochent aux tendances à leurs débuts. Pourtant, la stratégie n'est pas sans ses défauts, et la courbe d'équité ci-dessus souligne qu'il a passé de nombreuses années de négociation de côté avant de faire sa grande pause. Ainsi, l'astuce est de concevoir des techniques de gestion de l'argent qui nous protègent à travers des périodes de volatilité particulièrement faible, mais ne nous retiennent pas quand les marchés éclatent. Avant de le faire, il est utile de réfléchir à ce que la stratégie essaie d'accomplir: saisir les grandes tendances au début. Nous utilisons trois longueurs moyennes mobiles pour nous donner des informations différentes sur l'élan des prix. Si la moyenne rapide se déplace au-dessous de la moyenne et des lignes plus lentes, nous savons que l'élan global des prix a changé à l'envers. Pourtant, de tels signaux fonctionnent avec un décalage clair, et ils impliquent que le prix a chuté de manière assez significative par l'action de prix précédente. Comment pouvons-nous nous protéger contre cela? Une étude de la performance à long terme de strategyrsquos souligne sa faiblesse clé, et notre travail est d'affiner la gestion de l'argent pour se protéger contre ses périodes prolongées de sous-performance. Notre tentation immédiate peut être de simplement placer une perte d'arrêt serré sur notre système de moyenne mobile et laisser les gains s'exécuter. Pourtant, nous devrions savoir ce qui constitue une perte d'arrêt serré pour notre stratégie et comment l'utiliser dans le commerce réel. Établir des arrêts pour notre stratégie de croisement de moyenne mobile Le facteur le plus important pour déterminer où fixer nos arrêts est la distance à la dérive d'un métier va habituellement avant de devenir rentable. Il est clair que nous voulons fixer notre perte d'arrêt de protection à un niveau tel qu'il nous protégera, mais sans interférer avec les métiers qui réussissent. En tant que tel, wersquoll chercher le ldquoMaximum Adverse Excursionrdquo des métiers rentables et s'arrête en conséquence. Le graphique ci-dessous montre exactement combien de pertes nous encourons et si le commerce est, à la fin, rentable. Notre graphique nous donne encore une fois un aperçu important de l'efficacité de notre stratégie. Par exemple, nous voyons que la majorité des métiers hautement rentables ont très peu d'excursion défavorable métiers rentables sont le plus souvent corrects dès le départ. Nous notons également que notre plus grand commerce perdant était beaucoup plus petit que le plus grand gain. Notre graphique nous indique que tout métier avec un mouvement défavorable de plus de 150 (dans ce cas, 150 pips) n'ont jamais fait un profit significatif. Nous pourrions potentiellement limiter tous les métiers à un maximum de 150 points de protection stop-loss, mais nous remarquons également que ce n'est peut-être pas la stratégie optimale. Un très bon nombre des métiers qui attirent plus de 150 pips par la suite retracer et enregistrer des pertes plus petites. Établir des limites pour notre stratégie de croisement de moyenne mobile Étant donné que les crossovers de moyenne mobile fonctionnent avec un décalage substantiel, il est également important de surveiller les cas dans lesquels nous pouvons améliorer les rendements en fixant des niveaux de cible de bénéfices durs. Notre analyse des prises de profits sera essentiellement la même que celle de nos niveaux d'arrêt de protection, sauf en sens inverse. La stratégie de moyenne mobile Crossover a clairement de grands gagnants, mais nous voyons également qu'il n'a pas été en mesure de capturer ses plus gros bénéfices potentiels sur une poignée de métiers clés en raison de son retard intrinsèque. Bien que nous ne puissions jamais raisonnablement s'attendre à saisir des bénéfices au moment parfait, nous ne voulons pas non plus jeter plusieurs métiers clairement réussis. Notre bénéfice maximum a été capturé approximativement 1750 pips, et un take-profit au-dessus de ce niveau aurait généré une reprise dans les bénéfices nets. La prochaine étape est de combiner notre analyse en gestion de l'argent solide. Aux fins du présent article, nous avons l'avantage d'utiliser le logiciel FXCM Strategy Trader pour coder nos stratégies et exécuter de puissants tests analytiques sur nos systèmes. Pourtant, il n'y a aucune raison pour laquelle nous ne pourrions pas le faire manuellement avec des systèmes de négociation discrétionnaires qui prendraient évidemment plus de temps. En explorant différents niveaux d'arrêt et de limite, nous ne cherchons pas nécessairement le nombre parfait. Les optimisations peuvent être très trompeuses car elles vous disent ce qui a bien fonctionné dans le passé et pas nécessairement à l'avenir. Compte tenu de ces dangers, nous cherchons simplement à mieux comprendre les forces et les faiblesses relatives du strategyrsquo. Finalisation de notre gestion de l'argent pour la stratégie de croisement des moyennes mobiles Les graphiques ci-dessous nous montrent les effets de différents niveaux de stop-loss et de prise de profit pour notre stratégie de Crossover Moyenne mobile. Aux fins du test Stop Loss, nous supposons que le système n'a pas de niveau Take Profit défini et vice versa. Nous découvrons plusieurs faits intéressants sur cette stratégie lorsque nous examinons les résultats d'optimisation. Bien que nous soupçonnions que placer une perte d'arrêt relativement serrée (150-pip) améliorerait les résultats, la stratégie aurait théoriquement tourné le plus haut bénéfice net avec une perte d'arrêt très large. En fait, le bénéfice net le plus élevé a été atteint avec une perte d'arrêt d'environ 400 pipsmdashvery difficile de résister à moins de négociation avec un levier très faible. Sur le revers, nous voyons en effet qu'un profit de 1750 pips aurait eu pour résultat le plus haut bénéfice net au cours des 7 dernières années. En d'autres termes, notre prise de bénéfice fixe serait supérieur à notre perte d'arrêt de plus de 4 à 1. Il est essentiel de souligner que les performances passées ne sont en aucune façon une garantie de résultats futurs, et nous demandons avec beaucoup de prudence Contre la prise de paramètres optimisés comme lignes directrices réelles. Pourtant, nous acquérons une grande compréhension de ce qui peut fonctionner sur cette stratégie de croisement de moyenne mobile en évolution avec des paramètres agressifs fixes de risque à récompense. Un paramètre optimisé d'un objectif de profit de 1750-pip suggère que nous ferions 1750 pips par commerce La réponse est un ldquonordquo résolu. Un tel commerce s'est produit quatre fois sur une période de sept ans, et nos positions ont été beaucoup plus fréquemment prises par le signal inverse. En d'autres termes, nos positions longues ont été fermées non par un objectif de profit fixe mais par le signe de vente opposé. Si on oblige à fixer un objectif de profit fixe et à arrêter la perte sur nos métiers, cependant, la récompense au profil de risque serait proche d'un 4 à 1 afin de maximiser la performance. C'est tout à fait la conclusion impressionnante en effet et souligne le profil général de récompense-à-risque de la stratégie moyenne mobile de croisement. Whatrsquos la morale de l'histoire Nos techniques d'exploration de gestion de l'argent nous ont donné une idée claire de ce à quoi s'attendre de la stratégie de Crossover Moyenne mobile. Notre analyse a prêté un soutien clair au cliché commercial: laissez vos profits fonctionner et couper vos pertes à court. Évidemment, il est beaucoup plus de travail pour effectuer cette analyse sur tout ce qui n'est pas facilement automatisé, mais il est tout aussi important de garder des onglets étroits sur votre style commercial particulier. Si vous balancez le commerce et essayez de capturer de grands changements dans les tendances, faites vos métiers suivent un profil similaire Si vous pensez qu'il ya un niveau de protection stop loss approprié pour votre stratégie, il est relativement facile de surveiller vos diagrammes ou démo de votre idée de commerce de confirmer Qu'il fonctionnera. Payer beaucoup plus d'attention à votre système commercial vous apprendra tout ce qu'il ya à savoir sur vos forces stratégymdashhighlighting et, peut-être plus important encore, les faiblesses. Joignez-vous au groupe de test bêta Trader Stratégie FXCM et essayez votre analyse analytique sur la stratégie Crossover Moyenne mobile et d'autres. Voir ce webinaire FXCM pour un guide pratique sur la nouvelle plate-forme. Écrit par David Rodriacuteguez, stratège quantitatif pour DailyFX DailyFX fournit des nouvelles forex et des analyses techniques sur les tendances qui influencent les marchés mondiaux des devises.