В этой главе мы рассмотрим некоторые системы трейдинга в стиле Черепах, более известные как долгосрочные системы следования тренду:
– Прорыв канала ATR: система изменчивых каналов, использующая ATR в качестве показателя изменчивости.
– Прорыв Боллинджера: система изменчивых каналов, использующая стандартное отклонение в качестве показателя изменчивости.
– Тренд Дончиана: система прорывов с фильтром трендов.
– Тренд Дончиана с выходом по времени: система прорывов с фильтром трендов и периодическим выходом.
– Двойная скользящая средняя: система, в которой покупки и продажи происходят в моменты, когда более быстрая скользящая средняя пересекает более медленную скользящую среднюю. В отличие от других систем эта система всегда присутствовала на рынке как для коротких, так и для длинных позиций.
– Тройная скользящая средняя: система, в которой покупки и продажи происходят в моменты, когда более быстрая скользящая средняя пересекает более медленную скользящую среднюю, но только в направлении основного тренда, определяемого самой медленно движущейся средней.
Я провел несколько серий исторического моделирования, чтобы выявить различия между этими системами и определить, сколько денег можно было бы заработать, используя каждую из этих систем в течение последних 10 лет. Для сравнения деятельности каждой системы мы будем использовать некоторые из методов измерения, описанные ранее в главе 7.
Тестировать или не тестироватьМногие трейдеры, в том числе успешные, не верят в историческое тестирование (его также называют обратным тестированием). Они полагают, что тестирование с использованием прошлых данных не имеет смысла, так как прошедшее не повторяется. Приверженцев такой позиции хочу спросить: «А какая есть альтернатива? Как можно выработать какую-либо стратегию, не зная прошлого? Как вы определяете, когда покупать или продавать? Или вы просто догадываетесь?»
Единственная информация, которая у вас есть, – это то, что происходило на рынке до настоящего времени. Даже если вы занимаетесь трейдингом время от времени, не применяя каких-либо систем, в качестве руководства к действию вы используете собственный опыт исторического ценообразования, полагаетесь на собственную интерпретацию прошлого; по сути, вы полагаетесь на исторические данные.
Умные трейдеры, торгующие время от времени, могут создать системы после нескольких лет работы. Они замечают повторяющиеся события, предоставляющие возможности для получения прибыли. Затем они торгуют, используя идеи, направленные на капитализацию этих возможностей. Новички обычно перед началом торговли месяцами изучают графики, чтобы понять, как вел себя рынок в прошлом. Они делают это, так как знают, что лучшие индикаторы поведения рынка в будущем кроются в прошлом.
Сложно спорить с тем, что компьютеры способны тестировать идеи на основании тех же исторических данных с большей надежностью. Компьютерное моделирование позволяет осуществить более тщательный анализ той или иной стратегии до начала реальной торговли. Трейдеры зачастую обнаруживают, что многообещающие идеи не работают из-за факторов, ранее не принимавшихся во внимание. Гораздо лучше определить это с помощью компьютера, чем реального торгового счета.
Причина, по которой многие трейдеры не верят в историческое тестирование, заключается в том, что есть много способов исказить его данные. Возможности компьютеров позволяют найти методы, которые вроде бы работают в теории, однако не работают в реальной жизни. Эти проблемы можно преодолеть, если вам удастся избежать самой распространенной ошибки – сверхоптимизации. Более подробно мы поговорим об этом в главе 11.
Корректное историческое тестирование требует опыта и навыков, которыми не обладают начинающие трейдеры. Действительно, не стоит давать острый нож ребенку, но это вовсе не означает, что его нельзя использовать на кухне в кулинарных целях. Просто таким инструментом нужно пользоваться осторожно.
Историческое моделирование не предсказывает, с чем вы столкнетесь в будущем при трейдинге, – оно определяет степень вероятности прибыльности вашего подхода в будущем. Конечно, хрустальный шар или машина времени в нашем случае пришлись бы более кстати, но пока что историческое моделирование – это лучший инструмент из имеющихся в наличии.
Миф об экспертеСовет «не оптимизировать» связан с эффектом, который я и мои друзья называем мифом об эксперте. К сожалению, во многих областях деятельности количество людей, действительно понимающих, что происходит, крайне мало. На каждого настоящего эксперта приходится множество псевдоэкспертов, способных работать в данной области, обладающих массой знаний и для неискушенного глаза неотличимых от настоящих экспертов. Эти псевдоэксперты способны действовать, но неспособны понять сферу своей деятельности.
У настоящих экспертов нет жестких правил. Они понимают происходящее и поэтому не нуждаются в жестких правилах. Псевдоэксперты не обладают пониманием, поэтому они наблюдают за действиями экспертов и копируют их. Они знают, что делать, но не знают, почему это надо делать. Поэтому они слушают настоящих экспертов и создают жесткие правила там, где это совершенно не нужно.
Характерной особенностью псевдоэкспертов является витиеватый, сложный для понимания стиль письма. Путаные тексты являются следствием путаных мыслей. Настоящий эксперт всегда способен объяснить сложные идеи ясным и простым для понимания образом.
Другая характерная черта псевдоэкспертов – они знают, как применять сложные процессы и технологии, они хорошо натренированы, однако не представляют границ применения этих технологий.
Типичный псевдоэксперт в трейдинге способен провести комплексный статистический анализ торговли, запустить тест, генерирующий 1000 покупок или продаж, а затем предположить, что на основании этих данных можно делать заключения, – и это несмотря на то, что данные были взяты за период двух последних недель. Такие люди способны вычислять, однако они не понимают, что вычисления не имеют смысла, если следующая неделя радикально отличается от двух предыдущих.
Не путайте опыт с экспертным мнением, а знание – с мудростью.
Общие кирпичиТестирование, описанное в этой главе, было осуществлено с использованием единого портфеля рынков и единого алгоритма управления деньгами для того, чтобы отделить различия в результатах от эффектов, вызванных изменениями в правилах системы. Ниже перечислены переменные, использованные при тестировании, обсуждаемом в данной главе.
РынкиРынки в портфеле при тестировании включали австралийский доллар, британский фунт, зерно, какао-бобы, канадский доллар, нефть, хлопок, евро, евродоллар, крупный рогатый скот, золото, уголь, мазут, бензин, японскую иену, кофе, говядину, свинину, мексиканский песо, природный газ, соевые бобы, сахар, швейцарский франк, серебро, краткосрочные и среднесрочные казначейские обязательства, пшеницу.
