7 Bästa ETF-handelsstrategier för nybörjare Börshandlade fonder (ETF) är idealiska för att börja investerare på grund av att deras många fördelar gillar låga kostnadsförhållanden. riklig likviditet. brett utbud av investeringsval, diversifiering, låg investeringsgräns, och så vidare (för mer se fördelar och nackdelar med ETF). Dessa funktioner gör också ETFs perfekta fordon för olika handels - och investeringsstrategier som används av nya handlare och investerare. Här är våra sju bästa ETF-handelsstrategier för nybörjare som presenteras i ingen särskild ordning. 1. Dollar-Cost Averaging Vi börjar med den mest grundläggande strategin först. Medelvärde för dollarkostnad är tekniken att köpa ett visst fast dollarbelopp av en tillgång på ett regelbundet schema, oavsett förändringskostnaden för tillgången. Nybörjare investerare är vanligtvis ungdomar som har arbetat i ett år eller två och har en stabil inkomst som de kan spara lite varje månad. Sådana investerare borde ta några hundra dollar varje månad och istället för att placera dem i ett räntebärande konto bör de investera i en ETF eller en grupp ETF. Det finns två stora fördelar med en sådan periodisk investering för nybörjare. Det första är att det ger en viss disciplin till besparingsprocessen. Så många ekonomiska planer rekommenderar att det är utmärkt att betala sig själv först. vilket är vad du uppnår genom att spara regelbundet. Den andra är att genom att investera samma fasta dollarbelopp i en ETF varje månad är den grundläggande förutsättningen för dollarkostnadsmedelfunktionen att du ackumulerar fler enheter när ETF-priset är lågt och färre enheter när ETF-priset är högt och därmed medeltal kostnaden av dina innehav. Med tiden kan detta tillvägagångssätt löna sig, så länge man håller fast vid disciplinen. Till exempel, säg att du hade investerat 500 på den första i varje månad från september 2012 till augusti 2015 i SPDR SampP 500 ETF (SPY). en ETF som spårar SampP 500 indexet. Således när SPY-enheterna handlade på 136,16 i september 2012 hade 500 hämtat dig 3,67 enheter, men tre år senare, när enheterna handlade nära 200, skulle en månatlig investering på 500 ha gett dig 2,53 enheter. Under treårsperioden skulle du ha köpt totalt 103,79 SPY-enheter (baserat på slutkurser justerade för utdelning och splittring). Till slutkursen 210,59 den 17 augusti 2015 skulle dessa enheter ha varit 21.857,14 kronor, för en genomsnittlig årlig avkastning på nästan 13. 2. Tilldelning av tillgångstillgångar. vilket innebär att en del av en portfölj till olika tillgångskategorier, sådana aktier, obligationer, råvaror och kontanter för diversifiering, är ett kraftfullt investeringsverktyg. Den låga investeringsgränsen för de flesta ETFs generellt så lite som 50 per månad gör det enkelt för en nybörjare att genomföra en grundläggande fördelningsstrategi beroende på hans eller hennes investeringstidshorisont och risk tolerans. Som ett exempel kan unga investerare vara 100 investerade i ETF-aktier när de är på 20-talet på grund av deras långa investeringshorisont och hög risk tolerans. Men när de kommer in på 30-talet och går in i stora livscykelförändringar som att starta en familj och köpa ett hus, kan de övergå till en mindre aggressiv investeringsmix, till exempel 60 i aktier ETF och 40 i obligations ETF. 3. Swing Trading Swing-affärer är affärer som försöker dra nytta av betydande svängningar i aktier eller andra instrument som valutor eller råvaror. De kan ta var som helst från några dagar till några veckor för att träna, till skillnad från dagbranschen, som sällan lämnas öppna över natten (se Förstärkare av Dag Trading Vs Swing Trading). Attributen till ETF som gör dem lämpliga för swing trading är deras diversifiering och snäva budskapsspridningar. Dessutom, eftersom ETFs är tillgängliga för många olika investeringsklasser och ett brett spektrum av sektorer, kan en nybörjare välja att handla en ETF som är baserad på en sektor eller en tillgångsklass där han eller hon har viss specifik kompetens eller kunskap. Till exempel kan någon med teknologisk bakgrund ha en fördel vid handel med en teknik ETF som PowerShares QQQ Trust Series 1 (QQQ). som spårar Nasdaq-100, eller iShares U. S. Technology ETF (IYW). En nybörjare som nära spårar råvarumarknaden kan föredra att handla med en av de många råvaru-ETF-er som finns, t. ex. PowerShares DB Commodity Index Tracking Fund (DBC). Eftersom ETFs är vanligtvis korgar av aktier eller andra tillgångar kan de inte uppvisa samma grad av uppåtgående prisrörelse som en enda aktie på en tjurmarknad. Men på samma sätt gör deras diversifiering dem också mindre mottagliga än enskilda bestånd till ett stort nedåtgående drag. Detta ger ett visst skydd mot kapitalerosion, vilket är ett viktigt övervägande för nybörjare. 4. Sektorrotations ETF gör det också relativt lätt för nybörjare att genomföra sektorrotation. baserat på olika stadier av konjunkturcykeln (se Sektorrotation: The Essentials). Antag exempelvis att en investerare har investerats i bioteknik sektorn genom Nasdaq Biotechnology ETF (IBB). Med en totalavkastning på 327 under de föregående fem åren (den 21 augusti 2015) kan investeraren önska att ta vinst i denna ETF och rotera till en mer defensiv sektor som konsumentklammer (baserat på förutsättningen att den ekonomiska och tjurmarknaden cykler förlängdes redan från och med augusti 2015). Detta kan enkelt uppnås genom att köpa en ETF som Consumer Staples AlphaDEX Fund (FXG). 5. Kort säljning Kort försäljning. Försäljningen av ett lånat säkerhet eller finansiellt instrument är vanligtvis en ganska riskabel strävan för de flesta investerare och därmed inte något som de flesta nybörjare borde försöka (se hur riskabelt är en kort försäljning). Kortförsäljning via ETFs är dock att föredra för att korta enskilda aktier på grund av den lägre risken för en kort pressning - ett handelsscenario där en säkerhet eller råvaruhandel som har blivit starkt kortare spikar högre - liksom den betydligt lägre kostnaden för upplåning (jämfört med kostnaden för att försöka korta ett lager med hög kort ränta). Dessa riskreducerande överväganden är viktiga för en nybörjare. Kort försäljning genom ETF gör det också möjligt för en näringsidkare att utnyttja ett brett investerings tema. Således kan en avancerad nybörjare (om en sådan uppenbar oxymoron finns) som är bekant med riskerna med att korta och vill initiera en kort position på tillväxtmarknaderna, göra det via iShares MSCI Emerging Markets ETF (EEM). Observera dock att vi rekommenderar starkt nybörjare att hålla sig borta från dubbellevererade eller tredubbla levererade inverse ETF. som söker resultat som är lika med dubbelt eller tre gånger det omvända av prisändringen för en dag i ett index på grund av den betydligt högre grad av risk som finns i dessa ETF. (För mer, se Kortförsäljning ETFs av Fidelity Investments.) 6. Betting on Seasonal Trends ETFs är också bra verktyg för nybörjare att utnyttja säsongsutvecklingen. Låt oss överväga två kända säsongsutvecklingar. Den första kallas sälja i maj och gå bort fenomen. Det hänvisar till det faktum att amerikanska aktier historiskt har genomförts under sexmånadersperioden maj-oktober jämfört med november-aprilperioden. Den andra säsongsmässiga trenden är guldets tendens att vinna under månaderna september och oktober tack vare stark efterfrågan från Indien före bröllopsäsongen och Diwali-festivalen, som vanligtvis faller mellan mitten av oktober och mitten av november. Den breda marknadsmässiga svaghetsutvecklingen kan utnyttjas genom att kortsluta SPDR SampP 500 ETF (SPY) i slutet av april eller början av maj och avsluta den korta positionen i slutet av oktober, strax efter det att marknaden har hänt typiskt för den månaden har inträffat . En nybörjare kan på samma sätt utnyttja säsongens guldstyrka genom att köpa enheter av en populär guld ETF, som SPDR Gold Trust (GLD) eller Comex Gold Trust (IAU). på sensommaren och stänga av positionen efter ett par månader. Observera att säsongstrender inte alltid förekommer som förutsagts, och vanligen rekommenderas stop-förluster för sådana handelspositioner för att minska risken för stora förluster. 7. Säkring En nybörjare kan ibland behöva säkra eller skydda mot risker för nackdelar i en väsentlig portfölj, kanske en som har förvärvats till följd av ett arv. Antag att du har ärvt en stor portfölj av amerikanska blåspån och är oroad över risken för en stor nedgång i amerikanska aktier. En lösning är att köpa köpoptioner. Eftersom de flesta nybörjare inte är bekanta med alternativhandelstrategier är en alternativ strategi att initiera en kort position i breda ETF-marknader som SPDR SampP 500 (SPY) eller SPDR Dow Jones Industrial Average Units Series 1 (DIA). Om marknaden minskar som förväntat säkras din blue chip-aktieposition effektivt eftersom nedgången i din portfölj kommer att kompenseras av vinster i kort ETF-position. Observera att dina vinster också kommer att begränsas om marknaden förskott, eftersom vinster i din portfölj kommer att kompenseras av förluster i kort ETF-position. Ändå erbjuder ETF: er nybörjare en relativt enkel och effektiv metod för säkring. Bottom Line Exchange-traded fonder har många funktioner som gör dem perfekta instrument för nybörjare och investerare. Vissa ETF-handelsstrategier som är särskilt lämpliga för nybörjare är medelvärde för dollarkostnader, tillgångsallokering, gunghandel, sektorrotation, kort försäljning, säsongsutveckling och säkring. En ekonomisk teori om totala utgifter i ekonomin och dess effekter på produktion och inflation. Keynesian ekonomi utvecklades. En innehav av en tillgång i en portfölj. En portföljinvestering görs med förväntan på att få en avkastning på den. Detta. Ett förhållande som utvecklats av Jack Treynor som mäter avkastning som förvärvats över det som kunde ha blivit förtjänat på en risklös. Återköp av utestående aktier (återköp) av ett företag för att minska antalet aktier på marknaden. Företag. En skatteåterbäring är en återbetalning av skatter som betalas till en individ eller hushåll när den faktiska skatteskulden är mindre än beloppet. Det monetära värdet av alla färdiga varor och tjänster som produceras inom ett land039s gränsar under en viss tidsperiod. Strategier och modeller för handel Strategier och modeller Övriga handelsstrategier CCI-korrigering En strategi som använder veckovis CCI för att diktera en handelsförspänning och dagliga CCI för att generera handelssignaler CVR3 VIX Market Timing Utvecklad av Larry Connors och Dave Landry, det här är en strategi som använder överlängda avläsningar i CBOE Volatility Index (VIX) för att generera köp och sälja signaler för SampP 500 Gap Trading Strategies Olika strategier för handel baserad på öppning prisluckor Ichimoku Cloud En strategi som använder Ichimoku Cloud för att ställa in handelsförspänningen, identifiera korrigeringar och signalera kortvariga vändpunkter. Flytta Momentum En strategi som använder en trestegs process för att identifiera trenden, vänta på korrigeringar inom den trenden och identifiera sedan reverseringar som signalerar ett slut på korrigeringen Smal serie dag NR7 Utvecklad av Tony Crabel, det smala intervallet dag st rategy letar efter sammandragningar för att förutse räckvidden. Förskanningskod inkluderade som anpassar denna strategi genom att lägga till Aroon - och CCI-kvalifikatorns procentandel över 50-dagars SMA En strategi som använder breddindikatorn, procent över 50-dagars glidande medelvärde, för att definiera tonen för den breda marknaden och identifiera korrigeringar Pre - Holiday Effect Hur marknaden har utförts före stora amerikanska helgdagar och hur det kan påverka handelsbeslut. RSI2 En översikt över Larry Connors039 genomsnittlig återgångsstrategi med hjälp av 2-års RSI Faber039s sektorrotationsstrategi Baserat på forskning från Mebane Faber köper denna branschrotationsstrategi de mest framgångsrika sektorerna och återbalanserar en gång per månad. Six Month Cycle MACD Utvecklad av Sy Harding , kombinerar denna strategi sex månaders tjurbjörnscykel med MACD-signaler för timing av Stochastic Pop and Drop Utvecklat av Jake Berstein och modifierad av David Steckler. Denna strategi använder den genomsnittliga riktningsindex (ADX) och Stochastic Oscillator för att identifiera prispoppar och breakouts-sluttningar Prestationsutveckling Med hjälp av lutningsindikatorn för att kvantifiera den långsiktiga trenden och mäta relativ prestanda för användning i en handelsstrategi med de nio sektorerna SPDR Swing Charting Vad Swing Trading är och hur det kan användas till vinst under vissa marknadsförhållanden Trend Quantification and Asset Allocation I denna artikel visas diagrammer hur man definierar långsiktiga trendomvandlingar som en process genom att utjämna pr isdata med fyra olika procentpris Oscillatorer. Chartister kan också använda denna teknik för att kvantifiera trendstyrka och bestämma tillgångsallokering. Utveckling av en rotationsstrategi med hjälp av mycket diversifierade ETF: er. Under det att vi prissatte internet förra helgen för att undersöka några ETF-rotationsstrategier kom jag över en webbplats som heter Vector Grader (med vilken författaren inte är ansluten ) som presenterade en strategi för att rotera bland en mångsidig samling av ETFs baserat på tidigare prisutveckling. Jag har testat sådana system på min blogg och nyligen publicerat en artikel som ger analys av dessa typer av handelssystem. ETF: erna i vektorgraderstrategin var emellertid mycket mer olika än de system som jag tidigare testat. Framgångsrika rotationsstrategier på mycket olika ETF-grupper är svåra att utarbeta på grund av skillnaderna i volatiliteten hos de underliggande ETF: erna. Genom att tillämpa en volatilitetskompensationsfaktor på dessa ETFs kunde jag dock utveckla en rotationsstrategi som backtestades med framgångsrika resultat: Total avkastning på över 500 sedan 1 januari 2007 CAGR på över 26 Maximal drawdown på endast 13,2 Sharpe-förhållandet 1,51 Linearitet av 8,1 tillväxtförhållande 3,11. Dessa två senaste värden är anpassade mätvärden som denna författare har använt för att utvärdera backtests av handelssystem. ETF-korget Vector Grader-webbplatsen föreslår att handel med följande ETF i en månatlig rotationsstrategi: IWM. iShares Russell 2000 ETF (små cap US aktier) IVV. iShares SampP 500 stora cap US-aktier) EFA. IShares MSCI EAFE Index (internationella aktier) ICF. iShares Cohen amp Steers Realty Majors (fastigheter) DBC. PowerShares DB Commodity (råvaror) VWO. Vanguard FTSE Emerging Markets (tillväxtmarknader) IAU. iShares Gold Trust (guld) TLT. iShares 20 Treasury (långa amerikanska obligationer) SHY. IShares 1-3-årskassan (korta obligationer) För de test som beskrivs i denna artikel hämtades de utdelningsjusterade prisuppgifterna för alla dessa ETFs via Yahoo Finance i ett Excel-kalkylblad. För lätthet användes månatliga priser. Problemet med mångfald Det första som författaren undersökte var den genomsnittliga årliga standardavvikelsen för priserna för dessa ETF. Detta värde varierade mycket, vilket framgår av tabellen nedan: En rotationsstrategi för att generera köpssignaler bland dessa ETF skulle ha svårt att redovisa det stora utbudet av volatiliteter. Vad som kan tyckas som ett stort pris swing för IVV eller TLT kanske inte är ovanligt för ICF eller VWO. Det är med andra ord svårt att skapa en uppsättning regler som gäller för alla ETF: er i korgen för att generera tillförlitliga rotationssignaler. Volatilitetskompensation till undsättning Volatiliteten hos de underliggande ETF: erna kan och bör kompenseras för. En enkel algoritm utvecklades av författaren. Den genomsnittliga årliga standardavvikelsen för varje ETF (volatilitet i ETF) beräknades. ETF-volatiliteterna var i medelvärdet för att ge en total volatilitet. Genom att dividera den totala volatiliteten genom ETF-volatiliteten hos varje ETF beräknades en respektive volatilitetskompensationsfaktor för varje ETF. Exempelvis bestämdes volatiliteten hos IWM att vara 20,88 under backtestperioden. Medelvärdet av alla volatiliteter för alla ETFs (utom SHY) var 21,38. Således var IWM: s volatilitetskompensationsfaktor 21,38 20,88 1,02. Faktorn för ICF var 0,71, vilket återspeglade sin volatilitet högre än genomsnittet, och faktorn för TLT var 1,48, vilket avspeglar sin volatilitet under den genomsnittliga volatiliteten. SHY uteslutits från ersättningen eftersom den är avsedd att fungera som ett kontantstopp och inte en del av rotationen. Använda volatilitetskompensationsfaktorn i ett rotationssystem Författarnas ETF-rotationssystem har baserats på att köpa ETF som har den bästa prisutvecklingen under en viss tidsperiod. Författarens senaste artikel diskuterar en 85-dagars återkallningsperiod. En av författarnas blogginlägg diskuterar en tre månaders återbetalningsperiod. I det föreslagna systemet i denna artikel beräknade författaren 1 månaders, 3 månaders och 6 månaders prisutveckling, samt en volatilitet på 6 månader och viktat var och en för att generera en total rang för varje ETF. Författaren tillämpade sedan en scenarioanalys, diskuterad nedan, för att bestämma hur mycket var och en av dessa fyra faktorer bör vägas vid beräkningen av den totala rangordningen. Vid beräkningen av prestandavärdena åberopade författaren den naturliga logaritmen för prisprestanda. Till exempel var 1 månaders prisutveckling den naturliga loggen i förhållandet mellan månadens pris och sista månadspriset. 3 månaders prestanda var summan av 1 månaders logföreställningar under de tre föregående månaderna. På samma sätt var 6 månaders prestation summan av 1 månaders logföreställningar under de senaste 6 månaderna. Slutligen var volatiliteten på 6 månader standardavvikelsen för de föregående 6 månaderna av 1 månaders logprestanda. Volatilitetskompensationsfaktorerna kommer till spel genom att justera 1-månaders logföreställningar. Författaren multiplicerade varje gång varje månads loggprestanda för varje ETF med respektive volatilitetskompensationsfaktor. Resultatet var att volatiliteten hos de kompenserade 1-månaders logföreställningarna av alla ETF var densamma. Till exempel, i december 2006 var 1-månaders logprestanda för VWO -0,00937. Volatilitetskompensationsfaktorn för VWO var 0,81 på grund av dess högre volatilitet. 1-månaders logprestanda multiplicerades med detta värde för att minska den till -0.00758, vilket effektivt sänkte volatiliteten till genomsnittet. När 1 månaders logföreställningar av alla ETF: er justeras på detta sätt uppvisar de alla exakt samma volatilitet. Med hjälp av kompenserade data kunde nu en lämplig rotationsstrategi tillämpas. Systemets tillämpning på kompenserade data Systemet bestämde den volatilitetskompenserade 1-månaders-, 3-månaders - och 6-månadersprestandan samt 6-månadersvolatiliteten för varje ETF. Var och en av dessa parametrar rankades 1 till 9 med hjälp av Excel RANK-funktionen. Dessa ranger viktades och tillsattes för att komma fram till en slutlig rang enligt följande: Vikt1 1 månads prestationsnivå Vikt2 3 månaders prestationsnivå Vikt3 6 månaders prestationsnivå Vikt4 6 månaders volatilitetsvärde Total Rank. Den topprankade ETF-enheten köptes och hölls i en månad. I slutet av månaden omräknades värdena och en ny signal gavs. Från 90 månader var signalen samma 44 gånger. Nio gånger fanns det ett slips för topp ETF i dessa fall, lika stora andelar av båda ETF: erna köptes. Scenarioanalys: resultaten Vikten som ska ges till var och en av de fyra prestandaparametrarna (1 månaders, 3 månaders, 6 månaders prestanda och 6 månaders volatilitet) skapade ett 4-dimensionellt problem i optimering. I stället för att försöka optimera systemet till maximal avkastning, försökte författaren prova flera enkla scenarier och se vad som uppstod. Författaren letade efter tre saker: jag har hög avkastning, ii låg risk och iii principiell prestanda över parametrar. Om endast en liten uppsättning vikter gav ett bra system, skulle det vara tveksamt att systemet skulle fortsätta att göra det i framtiden. Om systemet emellertid fungerade bra över en stor mängd vikter, skulle det öka sannolikheten för att systemet skulle fortsätta att utföra i framtiden. Nedan följer resultaten av scenarierna från flera olika vikter: Scenariotestning av författarens rotationsstrategi Observera att systemutnyttjandet var ännu mindre än TLT-långbands ETF. Nedan följer systemprestandan baserat på författarnas analys som avbildas på en loggskala jämfört med en idealisk tillväxtkurva. Systemet kramar den ideala kurvan tätt och visar konsekvent avkastning året över året. Författarnas anpassade parametrar för linjäritet och tillväxtförhållande försöker kvantifiera hur långt systemets egenkapitalkurva avviker från en perfekt exponential (sammansatt) tillväxtkurva. 8.38-linjäriteten är roten medelkvadrat av skillnaden mellan dessa två kurvor och är anmärkningsvärt låg jämfört med andra system som denna författare har testat. Tillväxtförhållandet är CAGR dividerat med linjäriteten. Detta är över 3, vilket också är anmärkningsvärt högt. En varierad korg av ETF kan användas i en rotationsstrategi om strategin kompenserar för variationen i deras volatiliteter. Den ovan beskrivna strategin gav hög avkastning med låg risk under backtestperioden. Uppgifterna för dessa ETF var begränsade till slutet av 2006 och resulterade i en relativt kort backtesttid på endast sju år. Detta lämnar viss fråga om robustheten i detta system över tiden. Författaren kan undersöka om likartade fonder finns med data i 1990-talet för vidare testning av ett varierat, volatilitetskompenserat ETF-rotationssystem. Upplysning: Jag är lång SSO. Jag skrev den här artikeln själv, och den uttrycker mina egna åsikter. Jag får inte ersättning för det (annat än från Seeking Alpha). Jag har inga affärsrelationer med något företag vars lager nämns i den här artikeln. Om den här artikeln: Förbättra den enkla ETF-rotationshandelsmodellen I senaste veckan8282s artikel, 8220Backtesting A Basic ETF-rotationssystem i Excel Free Download 8220, presenterade Dan en enkel rotationshandelsmodell som alla kunde implementera med lite kunskap i Excel. Vad jag älskar om handel modeller så här är enkelheten. Så ofta enkelhetskomplikationer. Enkla system har ofta en viktig egenskap. De får dig ofta ut ur marknaden under björnmarknaderna och får dig tillbaka för att rida nästa tjurcykel. Det vill säga om du är disciplinerad nog att faktiskt följa reglerna, vilket naturligtvis är ett annat helt ämne. Var den presenterade handelsmodellen perfekt Naturligtvis inte. Titta på kapitalkurvan it8217s är inte så slät. It8217s personligen inte något jag skulle vilja handla. Men jag hoppas att artikeln gav dig några idéer om vad som är möjligt med att bara använda Excel. Vid denna tidpunkt vill jag se om vi kan göra några förbättringar i handelsmodellen. Istället för att använda Excel I8217m kommer att använda den on-line backtesting-tjänsten som heter ETFReplay. Med denna webbtjänst kan du skapa handelsmodeller och backtest dem på en portfölj av ETF. Webbplatsen tar ut en månadsavgift för att använda sin tjänst, men det är mycket rimligt. Det blir mycket snabbare för mig att testa mina ändringar med den här tjänsten än att använda Excel. Detta är samma tjänst som I8217ve används vid skapandet av Ivy-10-portföljen. Först kommer jag att återskapa Dan8217s ursprungliga portfölj med ETFR-spel för att se om vi får liknande resultat. Som en påminnelse är nedan den ursprungliga aktiekurvan från artikeln. Handelsmodellen är den blå aktieposten. Baslinje Excel-baserad modell (Blue Line) Nedan visas resultaten från samma modell som skapats i ETFR-spel. Den gröna aktieposten är vår handelsmodell medan den blå linjen är SPY (baseline). ETFReplay-baserad modell (grön linje) Som du kan se ser du att egna linjer är mycket lika. ETFR-spelversionen slutar högre på grund av att min backtest sprang genom hela 2014. Detta ger mig självförtroende för att Excel-modellen och ETF-modellen är identiska i handelslogiken. Skapa baslinjen Jag kommer att använda ETFReplay-resultaten som vår baslinje för att jämföra våra framtida resultat. För att göra detta behöver vi ett dataexempel för att testa på. Dessa datum kommer att vara under 2012. Detta ger oss drygt 100 affärer för vårt in-sample datasegment. Vårt baslinje resultat är nedan. I provbaslinje 8211 Klicka för att förstora i resultatbaslinjens resultat 8211 Klicka för att förstora modifiering 1: Diversifiering och trendfilter När jag tittar på nedräkningen (31.4) och ser egenkapitalkurvan för den ursprungliga modellen kan vi se it8217s inte särskilt slät. Det finns stora gungor. Ta en titt på den enorma tittningen 2011 som faller dramatiskt. Jag skulle vilja släta ut det. För att göra detta kommer I8217m att använda några idéer från Ivy-10-rotationsmodellen. Först, i stället för att bara handla bara den topprankade ETF I8217m kommer att välja de två bästa. Detta kommer att ge viss diversifiering eftersom våra avkastningar won8217t bygger på en enda ETF. Därefter kommer I8217m att lägga till ett 5 månaders enkelt glidande medelvärde (SMA) filter. Detta är samma filterlängd som används i Ivy-10. Lägga till detta SMA-filter kommer att tvinga handelsmodellen att bara köpa en ETF när it8217s upplever en tjurmarknad. För vår backtest kommer ETF SHY att köpas om en topprankad ETF can8217t köps eftersom it8217s är under SMA-filtret. SHY är Barclays Low Duration Treasury ETF. Detta kommer att vara vår likvärdiga likvida medel. Sammanfattningsvis ändrar vi dessa två inställningar: Köper de två bästa ETF: erna Endast köper när en ETF handlar över dess femmånaders enkla glidande medelvärde Nedan följer resultaten när vi lägger till våra två ändringar. I Sample Modification 1 8211 Klicka för att förstora i Sample Modification 1 Resultat 8211 Klicka för att förstora Det här är en stor förbättring då vi märkbart släpper ut aktiekurvan. Vi kan se detta i nedräkningen som gick från 31 till endast 17. Notera att den årliga avkastningen också ökade från 13 till 16. Det finns en annan ändring jag skulle vilja göra. Ändring 2: Justering av rankningsresultatet Rangordningsresultatet är den metod vi använder för att rangordna prestandan för varje ETF för att bestämma vilken som är bäst. Baslinssystemet beräknar enkelt 5 månaders avkastning. I tidigare studier har I8217ve funnit att användandet av både kortfristig period och en längre period kan bidra till att förbättra övergripande systemprestanda. Således vill jag utöka rankningsmetoden genom att se både en 3 månaders avkastning (1 kvartal) och en 20-dagars (1 handelsmånad) retur. Jag tar helt enkelt medelvärdet av dessa två värden för att generera en rankingpoäng. Genom att tillämpa den här enkla ändringen produceras följande resultat på vårt in-sample datasegment. I Sample Modification 2 8211 Klicka för att förstora i Sample Modification 2 Resultat 8211 Klicka för att förstora Detta ger en ökning med ca 1 i årlig avkastning men gör inget för att ändra maximal drawdown. Utanför provresultat Let8217s tillämpar nu vår nya modell på våra resultat utanför provet. Resultatet utanför provet kommer att sluta den 31 december 2014. Det verkar som att vi gör nya kapitalnivåer. För år 2013 och 2014 returnerade handelsmodellen årlig avkastning på 12,9 respektive 4,4. Vi kan se vår sista CAGR är 15.9 och vår max drawdown återstår vid 17.6. Slutsats Med några mindre ändringar framgår det att vi kan förbättra denna handelsmodell till den punkt där den faktiskt kan handlas med riktiga pengar. Vid denna tidpunkt anser jag inte att det finns tillräckligt många affärer i segmentet utanför segmentet. Observera att våra resultat i urvalet bestod av 170 och vår utgående urval hade totalt 202 branscher. Det betyder att vi bara har cirka 32 branscher i det exakta samplingsdatasegmentet. Det skulle vara trevligt att ha några fler affärer loggade och det betyder att vi sitter tätt och tittar på den här modellen i minst ett år. Om författaren Jeff Swanson Jeff är grundaren av System Trader Success - en inBox-tidning som ägnar sig åt att dela stora idéer och koncept från världen av automatiserade handelssystem. Läs mer Google
No comments:
Post a Comment