Sistemas De Comercio De Reversión Media Pdf Bandy

Estoy casi terminado con el nuevo libro de Howard Bandy8217s, 8220MeanReversion Trading Systems 8211 Métodos prácticos para Swing Trading 8221. Aunque muy rara vez revisar libros aquí en cuantificables bordes, este realmente se destaca y merece algo de atención. Howard pasa por cada paso del proceso de construcción de sistemas. Examina varios osciladores diferentes. Examina las técnicas de salida de amplificadores de entrada. Él discute el control del riesgo. Y encima de todo, él proporciona código para todo lo que cubre en el libro. Es 50 para el libro, que es un precio ridículamente bajo. Hay cursos de comercio que cuestan muchos miles de dólares que don8217t proporcionar tanta buena información como Howard8217s 8220Mean Inversión Trading Systems8221. Toda la codificación se hace en Amibroker, que lamentablemente no uso. Pero como lo lista todo, aquellos que usan otros programas como yo pueden traducirlo en Tradestation, R, o lo que sea. Y aquí está el pateador para cualquiera que utilice Amibroker 8211 Howard ha creado una página web donde los compradores de libros pueden descargar el código sin costo adicional. Felicito a Howard por sus esfuerzos. Si usted tiene un interés en desarrollar sus propios sistemas de comercio, este libro es un recurso maravilloso que recomiendo encarecidamente. 5 comentarios: He estado siguiendo su blog por un tiempo. Pero ahora estoy sorprendido porque elogia el trabajo de alguien que afirma en su libro que: (meanreversiontradingsystems / MRTS20AnalysisWM. pdf) mi visión es que la longitud del período de la muestra debe ser tan breve como sea práctico. La única manera de determinar la duración del período de la muestra es ejecutar algunas pruebas. Esto se denomina data-snooping quotLa longitud del período fuera de la muestra es: Mientras el modelo y el mercado permanezcan sincronizados y El sistema sigue siendo rentable. No existe una relación general entre la duración del período fuera de la muestra y la duración del período dentro de la muestra. Por lo tanto, elegimos la ausencia de muestra durante el tiempo que el modelo y el mercado estén sincronizados y Sistema sigue siendo rentable. Muy buen trabajo. Me pregunto por qué apoyas esas cosas. ¿Qué tienes que ganar. O tal vez porque respeto su trabajo tal vez pasó por alto los detalles. La sustancia en el comercio está en los detalles. Qué triste mundo al decir algo agradable sobre el trabajo de otra persona trae correos electrónicos preguntándome qué tengo que ganar. La crítica me dio un agradable gracias nota de Sr. Bandy, a quien nunca he conocido ni hablado antes. Si bien ve algunos aspectos de las pruebas de manera diferente que yo, no tengo ningún interés en argumentar cada punto que hace en su libro. Para mí, si usted puede tomar ideas valiosas e información de un libro, entonces vale la pena. Éste está lleno de ellos. Estoy de pie por mi crítica. Pensé que el libro tenía mucha información. Fue respaldado por los resultados reales de la prueba (una rareza), y ya que proporciona todo el código, los comerciantes pueden verificar los resultados y explorar fácilmente las ideas más por su cuenta. Aquellos que han leído el libro son bienvenidos a publicar comentarios (positivos o negativos) a continuación. Todos ustedes saben mi opinión. En lugar de sentirse triste, tal vez debería estar feliz de que alguien se tomó el tiempo para señalar a usted los errores en ese libro que son de naturaleza fundamental, es decir, curva-fititng, optimización, snooping de datos y todas esas tonterías que hacen que los comerciantes pierden dinero. No te sientas triste. El mundo no está triste cuando vamos contra la realidad, simplemente debemos cambiar de rumbo. Gracias. Recibí el libro de Howard ayer, y aunque todavía no lo he terminado, creo que el comentario de 39data snooping39 es un poco exagerado. Howard está constantemente advirtiendo sobre 39 fugas futuras y técnicas de optimización falsas. Tal vez mati debería realmente comprar el libro antes de dising a su nivel. Me encontré con este comentario y como alguien que tiene los cuatro libros de Dr Bandy, sentí que debería sonar en este tema. El Dr. Bandy es un fuerte defensor de las buenas prácticas de desarrollo de sistemas y sus escritos advierten claramente sobre los peligros reales del ajuste de curvas. Cualquier persona que ha seguido su blog o leído su libro en detalle comprenderá completamente el matiz detrás de sus opiniones expresadas en el período de la muestra / fuera de la muestra que una persona encontró culpa. El Dr. Bandy se ha convertido en mi autor favorito en el tema de los enfoques comerciales cuantitativos. Sobre mí Rob Hanna He negociado profesionalmente desde 2001. De enero de 2003 a febrero de 2007 mi columna bi-semanal Rob Hannas Putt It All Together apareció en TradingMarkets. He estado llevando a cabo la investigación cuantitativa y el diseño de sistemas de comercio - en su mayoría se centró en los bordes a corto plazo desde 2004. Ver mi perfil completoMR Swing es un sistema cuantitativo que emplea la media de reversión media y swing trading en diferentes regímenes de mercado para producir mayor absoluto y riesgo. Reseña del libro - Mean Reversion Trading Systems por Howard Bandy: // meanreversiontradingsystems / MRTS20AnalysisWM. Pdf). Reseña del libro - Mean Reversion Trading Systems de Howard Bandy. He estado siguiendo tu blog por un tiempo. Pero ahora estoy sorprendido porque elogia el trabajo de alguien que afirma en su libro que: (. Mi opinión es que la duración del período de la muestra debe ser tan breve como sea práctico. La única manera de determinar la longitud de la En el período de la muestra es para ejecutar algunas pruebas. Esto se denomina el snooping de datos. También afirma que. La longitud del período fuera de la muestra es: Mientras el modelo y el mercado siguen en sincronía y el sistema sigue siendo rentable. No existe una relación general entre la duración del período fuera de la muestra y la duración del período en la muestra. SO escogemos la ausencia de muestra mientras el modelo y el mercado estén sincronizados y El sistema sigue siendo rentable.1 En su reciente libro, Howard Bandy habló de lo que él llama el lugar ideal para desarrollar sistemas de comercio de reversión media.1 La idea es que, como los lectores de mi libro compañero, Modeling Trading System Perfor - mance, reconocerán, Recomendar los sistemas que el comercio con frecuencia, mantenga durante un corto período de tiempo Bandy - Cómo construir un sistema de comercio eficaz - descarga gratuita como PowerPoint Presentación (.ppt), archivo PDF (. Pdf), archivo de texto (.txt) o ver diapositivas de presentación en línea. Reversión media Patrón Estacionalidad Ciclo Otros 34. Muy buen trabajo. Me pregunto por qué apoyas esas cosas. ¿Qué tienes que ganar. O tal vez porque respeto su trabajo tal vez pasó por alto los detalles. La sustancia en el comercio está en los detalles. Qué triste mundo al decir algo agradable sobre alguien elses trabajo trae correos electrónicos preguntándome qué tengo que ganar. La revisión me consiguió una agradable nota de agradecimiento del Sr. MR Swing es un sistema cuantitativo que emplea la media de reversión media y swing de comercio en diferentes regímenes de mercado para producir mayor absoluta y el riesgo. Bandy, a quien nunca conocí ni hablé antes. Si bien ve algunos aspectos de las pruebas de manera diferente que yo, no tengo ningún interés en argumentar cada punto que hace en su libro. Para mí, si usted puede tomar ideas valiosas e información de un libro, entonces vale la pena. Éste está lleno de ellos. Estoy de pie por mi crítica. Pensé que el libro tenía mucha información. Fue respaldado por los resultados reales de la prueba (una rareza), y ya que proporciona todo el código, los comerciantes pueden verificar los resultados y explorar fácilmente las ideas más por su cuenta. Aquellos que han leído el libro son bienvenidos a publicar comentarios (positivos o negativos) a continuación. Todos ustedes saben mi opinión. En lugar de sentirse triste, tal vez debería estar feliz de que alguien se tomó el tiempo para señalar a usted los errores en ese libro que son de naturaleza fundamental, i. Curva-fititng, optimización, snooping de los datos y todo ese absurdo que hace a comerciantes pierden el dinero. No se sienta triste. El mundo no está triste cuando vamos contra la realidad, simplemente debemos cambiar de rumbo. Gracias. Recibí el libro de Howards ayer, y aunque todavía no lo he terminado, creo que el comentario de los datos es un poco exagerado. Howard está constantemente advirtiendo acerca de futuras fugas y técnicas de optimización falsas. Tal vez mati debería realmente comprar el libro antes de dising a su nivel. Me encontré con este comentario y como alguien que tiene los cuatro libros del Dr. Bandys, sentí que debería sonar en este tema. El Dr. Bandy es un fuerte defensor de las buenas prácticas de desarrollo de sistemas y sus escritos advierten claramente sobre los peligros reales del ajuste de curvas. Cualquier persona que ha seguido su blog o leído su libro en detalle comprenderá completamente el matiz detrás de sus opiniones expresadas en el período de la muestra / fuera de la muestra que una persona encontró culpa. Dr. Bandy se ha convertido en mi autor favorito en el tema de los enfoques de comercio cuantitativo. El punto dulce para la media Reversión Estrategias ETF por Michael R. Bryant En su libro reciente, Howard Bandy discutió lo que llama el quotsweet spotquot para el desarrollo de los sistemas de reversión. 1 La idea es que la combinación correcta de la longitud de la barra, el período de mantenimiento, la precisión del sistema y otras variables tiende a maximizar los rendimientos ajustados al riesgo. 2 Este artículo muestra cómo las estrategias de comercio de reversión significativas que se encuentran en ese punto dulce se puede desarrollar para los fondos negociados en bolsa (ETFs) utilizando herramientas automatizadas. Utilización de Adaptrade Builder. Una herramienta de desarrollo de estrategia para Windows, Ill, muestra cómo los métodos de prueba de estrés con el análisis de Monte Carlo pueden ser utilizados como parte del proceso de desarrollo para encontrar estrategias de reversión media robustas para el ETFP SampP 500 y los ETF SPDR Select Sector. Los archivos de proyecto para Builder, que incluyen el código de estrategia, se proporcionan para cada ejemplo. Aterrizaje en el lugar dulce La idea básica detrás de Dr. Bandys punto dulce es que las estrategias de comercio bueno debe utilizar un tamaño de barra corta y tienen una precisión bastante alta con un período corto de tenencia y bajar la baja. El tamaño de la barra corta y el período de retención corto maximizan las oportunidades de retornos compuestos, mientras que la alta precisión y la reducción de la baja hacen que sea más fácil recuperarse de las pérdidas. Estas últimas cualidades también facilitan establecer la viabilidad de la estrategia y determinar cuándo ya no funciona ya que las vetas típicas de pérdida para sistemas de alta precisión tienden a ser relativamente cortas. Basado en las pautas del Dr. Bandys, las siguientes características serán utilizadas en este artículo para definir los requisitos óptimos para la reversión media Estrategias de la ETF: Barras diarias 20 - 30 oficios por año Al menos 65 oficios ganadores Barras promedio en operaciones de entre 1 y 4 Por La reversión media, me refiero a las estrategias que intentan comprar por debajo del precio promedio actual y vender a un precio más alto a medida que el precio vuelve a la media. La idea es comprar bajo y vender alto, en contraposición a los sistemas de tendencias siguientes, que suelen tratar de comprar alto y vender más alto. Construyendo con el análisis de Monte Carlo En mi último artículo del boletín de noticias, discutido el uso de la prueba de esfuerzo en la evaluación de estrategias de negociación y su relación a la robustez y la estrategia excesiva. También mencioné que si se incorporara al proceso de construcción, tendería a conducir a estrategias que mostraran robustez. Ese es el enfoque que se seguirá aquí. En resumen, la prueba de estrés se refiere a la evaluación de la sensibilidad de una estrategia comercial para sus insumos y el medio ambiente. Una estrategia robusta, que no sea excesiva para el mercado, será relativamente insensible a los cambios en sus valores de parámetros de entrada ya otros cambios en su entorno, como cambios en los datos de precios. El análisis de Monte Carlo es la técnica utilizada para evaluar el efecto de estos cambios. Los datos de las estrategias, los precios y otros factores se cambian al azar y se evalúa el rendimiento de las estrategias. Repitiendo este proceso muchas veces, se obtiene una distribución de los resultados. Los resultados de los datos originales representan un punto en la distribución. Otros puntos de la distribución representan los resultados del uso de versiones ligeramente alteradas de los datos originales, lo que puede generar resultados más o menos favorables que los datos originales. Los resultados de Monte Carlo son los valores de las medidas de rendimiento (beneficio neto, porcentaje de ganancias, factor de ganancia, etc.) que no son peores que la mayoría (típicamente, 95) de las evaluaciones. Por ejemplo, si el beneficio neto de Monte Carlo en 95 es de 15.000, eso significa que 95 de las evaluaciones tuvieron un beneficio neto por lo menos tan grande como 15.000. En otras palabras, hay una probabilidad de que el beneficio neto sea por lo menos 15.000, o, por el contrario, hay 5 posibilidades de que el beneficio neto sea inferior a 15.000. Cuando una estrategia de negociación se desarrolla iterativamente a lo largo de sucesivas generaciones de modificaciones y pruebas, la construcción basada en los resultados de Monte Carlo tenderá a conducir la estrategia a una estrategia sólida, ya que sólo una estrategia robusta tendrá buenos resultados de Monte Carlo. Adaptrade Builder automatiza este proceso, incluyendo la evaluación de los resultados de la estrategia utilizando los resultados de Monte Carlo de pruebas de estrés. El primer ejemplo es para el índice SPDR SampP 500 ETF (símbolo SPY). Se utilizaron barras diarias del 1/4/1999 al 4/23/2013. El rango de fechas para la construcción se estableció en 1/4/1999 a 1/2/2011, con los primeros 80 (1/4/1999 - 8/10/2008) utilizados para la construcción (es decir, en la muestra) y el resto de datos (8/11/2008 - 1/2/2011) utilizado para pruebas fuera de la muestra. Los datos restantes (1/3/2011 - 4/23/2013) fueron puestos a un lado para la validación. Todos los datos se obtuvieron de TradeStation 9. La lógica de la estrategia fue de larga duración, y se invirtieron 100 de capital en cada operación, con todos los beneficios reinvertidos y 0,015 por acción deducidos por turno para los costes de negociación. Adaptrade Builder utiliza un algoritmo de programación genética para desarrollar una población de estrategias a lo largo de generaciones sucesivas. La clave para usar Builder para encontrar estrategias que cumplan con nuestros requisitos óptimos es establecer las llamadas métricas de construcción, que se muestran a continuación en la Fig. 1. Figura 1. Las métricas de construcción en Builder definen el lugar ideal para la estrategia SPY. La lista de objetivos de generación contiene tres métricas de propósito general, todas las cuales se están maximizando. Estas ayudan a orientar la población de estrategias hacia aquellas que tienen un alto beneficio neto, coeficiente de correlación y significación estadística, que son deseables para cualquier estrategia. Las cualidades específicas que se buscaban (es decir, el punto dulce) se definen por las condiciones de construcción, que incluyen las condiciones de desigualdad para el número de oficios, barras promedio en las operaciones, y el porcentaje de victorias. Tenga en cuenta que la condición para el número de operaciones se establece en un rango basado en el número de años de datos en la muestra y el objetivo de tener entre 20 y 30 operaciones al año. También tenga en cuenta que el porcentaje de operaciones ganadoras se establece en un rango de entre 65 y 85. El límite superior se añadió porque las estrategias con un porcentaje inusualmente alto de operaciones ganadoras generalmente no cumplen con alguna otra condición. Penalizar tales estrategias ayudará a impulsar a la población hacia estrategias que cumplan todas las condiciones, en contraposición a estrategias que satisfagan desproporcionadamente una condición a la exclusión de otras. La misma lógica se utilizó al establecer un rango para el factor de ganancia. Las otras condiciones - coeficiente de correlación, significación estadística, factor de beneficio y fracción de Kelly - no forman parte de nuestros requisitos específicos, sino que se añadieron para mejorar los resultados globales. Las configuraciones de prueba de esfuerzo y Monte Carlo utilizadas para este ejemplo se seleccionaron en la pantalla Opciones de construcción, como se muestra a continuación en la Fig. 2. Figura 2. Las opciones de análisis Monte Carlo y prueba de estrés se seleccionan en la pestaña Build Options. Como se muestra en la figura, 99 iteraciones de Monte Carlo se utilizaron para cada análisis. Esto significa que se realizaron 99 pruebas de esfuerzo además de la evaluación de los datos originales. Los 100 conjuntos de datos se analizaron mediante el análisis de Monte Carlo para extraer los resultados a 95 de confianza, donde se utilizaron para evaluar las condiciones que se muestran en la Fig. 1. Las pruebas de estrés consistían en aleatorizar los precios, asignar al azar las entradas de la estrategia y asignar al azar la barra de inicio. Las tres aleatorizaciones se realizaron para cada prueba de estrés. Debido a que cada estrategia se evaluó 100 veces (99 pruebas de estrés más los datos originales) en cada generación, este enfoque tomó alrededor de 100 veces el tiempo que hubiera tenido si no se hubieran utilizado pruebas de estrés y Monte Carlo. Por esta razón, se utilizó una población relativamente pequeña de sólo 100 miembros para mantener el tiempo de solución razonable. La población se desarrolló a lo largo de 10 generaciones, y se estableció una opción para empezar de nuevo después de 10 generaciones si el beneficio neto en el período fuera de la muestra fue negativo. El diagrama de la curva de equidad de la estrategia superior en la población después de 20 generaciones (1 reconstrucción) se muestra a continuación en la Fig. 3. Figura 3. Curvas de equidad para cada prueba de esfuerzo para la estrategia final de SPY. Cada curva de la Fig. 3 representa una prueba de esfuerzo. Como se puede ver, todas las diferentes curvas de equidad tienen generalmente la misma forma con resultados positivos fuera de la muestra. Los siguientes son algunos de los resultados de Monte Carlo a 95 de confianza correspondientes a la Fig. 3. Promedio neto total Promedio de barras en los negocios Aparte del número de operaciones, que es menos de lo solicitado, la estrategia cumple con los requisitos originales. La estrategia también pasa la prueba de validación. Cuando la fecha de finalización se extiende al 4/23/2013, el beneficio neto total de Monte Carlo aumenta a 67.015. La lógica de la estrategia también satisface el requisito de una estrategia de reversión media: entra en un orden límite y sale utilizando una condición de indicador. La entrada límite significa que el mercado tiene que bajar al precio límite, por lo que la estrategia es comprar bajo y vender después de que el mercado vuelva a subir. Es importante tener en cuenta que estos son los resultados de Monte Carlo a 95% de confianza, lo que significa que, por ejemplo, 95 de las evaluaciones de las pruebas de esfuerzo tuvieron un beneficio neto total de al menos 56.784. Si la prueba de esfuerzo se desactiva y la estrategia se evalúa en los datos originales, la curva de equidad es como se muestra a continuación en la Fig. 4. Figura 4. Curva de equidad para la estrategia final de SPY en los datos originales. Esta curva de equidad corresponde a una utilidad neta de 109.497, lo que equivale a una rentabilidad anual de 5.5. Si bien este es sólo un rendimiento modesto, fácilmente supera el rendimiento de compra y retención de aproximadamente 1,8 en el mismo período y se logra sin apalancamiento y con una curva de capital cada vez mayor en un período que incluye dos mercados de baja. Un ejemplo de SPDR Sector Seleccione El segundo ejemplo implica la construcción de una estrategia sobre una cartera de ETFs que consiste en los SPDR Select Sector. Estos ETFs dividen el índice SampP 500 en nueve sectores de manera que cada acción en el SampP 500 se coloca en uno de los nueve sectores sin superposición. Los nueve sectores son el consumo discrecional (símbolo XLY), el consumo de base (XLP), la energía (XLE), la financiera (XLF), la atención de la salud (XLV), industrial (XLI), los materiales (XLB), la tecnología (XLK) (XLU). La mayoría de las mismas configuraciones se utilizaron para construir esta estrategia como en el último ejemplo. Sin embargo, como se utilizaron nueve veces más datos de precios en la compilación, reduje el número de iteraciones de Monte Carlo de 99 a 5. Las otras opciones de construcción eran las mismas que en la Fig. 2 excepto para la opción de reconstrucción, la cual no entró en juego. Para el dimensionamiento de la posición, se invirtieron 20 de acciones en cada operación. Dado que no era probable que todos los mercados se negociaran al mismo tiempo, se escogió este ajuste para proporcionar tamaños de posición adecuados, sin resultar en un apalancamiento (es decir, una inversión excesiva). El período de la muestra para esta construcción fue el 1/4/1999 al 5/28/2009 con el 29/05/2009 al 1/2/2012 como el período fuera de la muestra y el 1/3/2012 al 4/23 / 2013 reservado para la validación. La gráfica de la curva de equidad de una de las principales estrategias en la población después de 10 generaciones (no se reconstruye) se muestra a continuación en la Fig. 5. Figura 5. Curvas de equidad para cada prueba de estrés para la estrategia de cartera de Select Sector SPDR final. Cada curva de equidad en la Fig. 5 representa el patrimonio de cartera generado a partir de back-testing en los nueve mercados simultáneamente para un conjunto de ajustes de prueba de esfuerzo (o los datos originales). A continuación se muestran algunos resultados sumarios de Monte Carlo. Utilidad neta total A diferencia del ejemplo anterior, los resultados no son sustancialmente diferentes cuando el análisis de Monte Carlo se desactiva y los resultados se evalúan sobre los datos originales. En este caso, el beneficio neto total aumenta a 205.140. Esta estrategia también pasa la prueba de validación. La curva de equidad para la estrategia sobre los datos originales solamente (sin prueba de esfuerzo), en la que se incluye el período de validación, se muestra a continuación en la Fig. 6. Figura 6. Curva de patrimonio para la estrategia de cartera final Select Sector SPDR en los datos originales. Esta curva de equidad corresponde a una utilidad neta de 249.431, lo que equivale a una rentabilidad anual de 9,5 con una reducción de 21 casos. Como con el ejemplo anterior, la lógica de estrategia entra en largo en un orden de límite. La mayoría de las salidas se realizan a través de una salida de destino, con otras operaciones saliendo basadas en una condición de indicador o en una parada de protección. Descargar Mean Reversion Project Files: (clic con el botón derecho del ratón, Guardar el archivo de destino como. zip requiere que Adaptrade Builder se abra). Por motivos de licencia, los archivos de proyecto no incluyen datos de precios. El llamado punto dulce para las estrategias de negociación recomendadas por el Dr. Bandy parece proporcionar condiciones eficaces para la creación de estrategias de comercio de revertir medios de una manera automatizada mediante una herramienta como Adaptrade Builder. Fue posible encontrar estrategias que cumplieran con la mayoría de los requisitos para ambos ejemplos: una estrategia de mercado único para el mercado ETF SPY y una estrategia para una cartera de ETFs compuesta por los nueve SPDR Select Sector. Ambas estrategias superaron a buy-and-hold y se mantuvieron bien en la prueba de validación. Para ambos ejemplos, la prueba de esfuerzo con el análisis de Monte Carlo se empleó para aumentar las posibilidades de encontrar estrategias robustas. En comparación con el ejemplo de la cartera, los resultados de las pruebas de estrés para la estrategia del mercado único (SPY) fueron sustancialmente más conservadores (menos favorables) que los resultados de los datos originales. Aunque parte de esto puede deberse a las pruebas de estrés más rigurosas en comparación con el ejemplo de la cartera, sugiere que la estrategia SPY es menos robusta que el ejemplo de la cartera. En general, cuando los resultados de Monte Carlo difieren marcadamente de los resultados de los datos originales, cabe esperar que la mejor estimación de los resultados futuros se encuentre en algún punto intermedio, aunque esto dependerá de cuán conservadora sea la prueba de estrés y el análisis de Monte Carlo . Parece razonable que la estrategia de cartera sea más sólida que la estrategia de mercado único, ya que la estrategia de cartera se construyó en nueve mercados diferentes y se le exigió trabajar razonablemente bien sobre una variedad más amplia de datos de precios. Se construyó más de nueve veces más datos y tiene aproximadamente nueve veces más operaciones. El mayor rendimiento de la estrategia de cartera puede reflejar el efecto positivo de la diversificación en los nueve sectores diferentes de los SPDR. Aunque ninguna de estas estrategias satisface el requisito del número de operaciones, puede ser posible encontrar estrategias que cumplan todos los requisitos si se utiliza una población mayor o se requieren requisitos de reconstrucción más estrictos, lo que requeriría más tiempo de construcción. Alternativamente, puede ser el caso que una estrategia de este tipo es poco probable que se encuentra debido a los requisitos contradictorios de alta precisión, frecuencia comercial, corta duración del comercio, etcétera. El mejor conjunto de condiciones de construcción es aquel que aprovecha al máximo el potencial de los mercados mientras se mantiene realista. La combinación de un conjunto de condiciones de construcción útiles, como las proporcionadas por el Dr. Bandy, con características de robustez incorporadas, como las pruebas de esfuerzo y el análisis de Monte Carlo, en una herramienta automatizada como Builder debe proporcionar un marco sólido para desarrollar estrategias de negociación efectivas. Bandy, Howard B. Sistemas de inversión de reversión media. Blue Owl Press, Inc. Sioux Falls, SD, 2013, p. 138. Bandy, Howard B. Modelado del rendimiento del sistema de comercio. Blue Owl Press, Inc. Sioux Falls, SD, 2011, p. 154. Este artículo apareció en el número de abril de 2013 del boletín informativo Adaptrade Software. Los SPDR de SampP 500 y Select Sector son marcas registradas de The McGraw-Hill Companies, Inc. Los resultados de desempeño hipotético o simulado tienen ciertas limitaciones inherentes. DESCONOCIDO UN REGISTRO DE RENDIMIENTO REAL, LOS RESULTADOS SIMULADOS NO REPRESENTAN COMERCIO REAL. TAMBIÉN, DADO QUE LOS COMERCIOS NO SE HAN ACTUALMENTE EJECUTADO, LOS RESULTADOS PUEDEN HABER SUSCRITO O BAJO COMPENSACIÓN POR EL IMPACTO, SI CUALQUIERA, DE CIERTOS FACTORES DE MERCADO, COMO FALTA DE LIQUIDEZ. LOS PROGRAMAS DE COMERCIO SIMULADOS EN GENERAL ESTÁN SUJETOS AL FACTOR DE QUE SEAN DISEÑADOS CON EL BENEFICIO DE HINDSIGHT. NO SE HACE NINGUNA REPRESENTACIÓN QUE CUALQUIER CUENTA TENDRÁ O SERÁ PROBABLE A LOGRAR BENEFICIOS O PÉRDIDAS SIMILARES A LOS MOSTRADOS. Si te gustaría recibir información sobre novedades, noticias y ofertas especiales de Adaptrade Software, únete a nuestra lista de correo electrónico. Gracias.