Вот способ использовать данные об открытии гэпа для создания стратегии моментума.
Недавно я вспомнил, что Дж. Уэллс Уайлдер, которого я знал лично, был очарован открытием гэпов. Мы все думали об этих досадных движениях, которые могут дать вам плохое заполнение или проскочить через ваш стоп-лосс. Я пытался воспользоваться ими, покупая откат или продавая необычно большой гэп вверх. Я добился определенного успеха в торговле внутри дня, но всегда думал, что могут быть и другие способы воспользоваться преимуществами гэпов.
Есть ли у гэпов какая-то закономерность? Могут ли они подсказать нам, куда движутся цены?
Давайте возьмем пример с балансового объема (OBV) Джозефа Грэнвилла. В новой серии он прибавлял объем, когда цены закрывались выше, и вычитал объем, когда цены закрывались ниже. Он просто накапливал объем. Если вы использовали серию OBV вместо цены, вы обнаружили, что во многих случаях трендовая система работала лучше. Я оставлю это на ваше усмотрение.
Моментумы гэпов
Если мы применим ту же концепцию, что и OBV, используя открытия гэпов (сегодняшнее открытие минус вчерашнее закрытие), мы получим кумулятивную серию следующим образом:
- Начнем с нуля.
- Добавьте все положительные гэпы за последние N дней.
- Отдельно сложите все отрицательные разрывы (в виде положительных чисел) за последние N дней.
- Рассчитайте соотношение разрывов: положительные разрывы, разделенные на отрицательные разрывы.
- Добавьте отношение гэпов к кумулятивному отношению гэпов и назовите это моментумом гэпа.
- Продолжайте двигаться вперед, как и в случае с N-дневной скользящей средней.
Код для выполнения этих расчетов см. на вкладке “Индикатор и система моментума гэпа на языке EasyLanguage”:
// Gap Momentum
// An idea inspired by J. Welles Wilder, using Ehlers method
// Copyright 2023 P.J. Kaufman. All rights reserved.
inputs: period(40), signalperiod(20), longonly(true),
printfile(true);
vars: gap(0), upgaps(0), dngaps(0), gapratio(0), ix(0), signal(0), size(0),
investment(100000), adate(” “), todayPL(0);
for ix = 1 to period begin
gap = open[ix] – close[ix + 1];
if gap > 0 then upgaps = upgaps + gap
else
if gap < 0 then dngaps = dngaps – gap;
end;
if dngaps = 0 then gapratio = 1 else gapratio = 100*upgaps/dngaps;
signal = average(gapratio,signalperiod);
if marketposition <= 0 and signal > signal[1] then begin
buy to cover all shares next bar on open;
size = investment/close;
buy size shares next bar on open;
end
else if marketposition >= 0 and signal < signal[1] then begin
sell all shares next bar on open;
if longonly = false then begin
size = investment/close;
sell short size shares next bar on open;
end;
end;
todayPL = sizemarketposition(close – close[1]);
If printfile then begin
adate = ELdatetostring(date);
once begin
print(file(“c:\tradestation\Gap_Momentum.csv”),
“Date,Open,High,Low,Close,upgaps,dngaps,gapra
tio,signal,pos,todayPL”);
end;
print(file(“c:\tradestation\Gap_Momentum.csv”),adate,
“,”, open:8:4, “,”, high:8:4,
“,”, low:8:4, “,”, close:8:4, “,”, upgaps:8:4, “,”, dngaps:8:4, “,”,
gapratio:8:4, “,”, signal:8:4, “,”, marketposition*currentcontra
cts:8:4, “,”, todayPL:8:2);
end;
В следующих примерах я использовал только 1-дневное соотношение, то есть N = 1. Я считаю это эталонным тестом. Я также использовал N = 20, и результат был еще лучше. Вам нужно будет найти свое собственное значение сглаживания. По мере сглаживания вы будете увеличивать лаг.
Новый ряд, gap momentum, будет обрабатываться так же, как и OBV. Но сначала мы применим скользящую среднюю, потому что серия немного зашумлена, как и цены.
Параметры
Похоже, что только медленные скользящие средние работают на рынках фондовых индексов. Они также работают для большинства акций. Мы собрали среднее отношение разрывов, используя соотношение 1 день (вы можете попробовать 20 дней), затем применили 40-дневное среднее к отношению разрывов, чтобы получить нашу сигнальную линию. Именно направление сигнальной линии определяет нашу сделку.
Правила торговли
Это дает нам правила торговли:
- Покупать, когда сигнальная линия движется выше.
- Выходить, когда сигнальная линия движется вниз.
Поскольку мы торгуем акциями, мы будем занимать только длинные позиции. Для каждой новой сделки размер позиции – это первоначальная инвестиция, деленная на цену закрытия. Мы совершаем сделку на открытии после нового торгового сигнала, который был сгенерирован без гэпа текущего дня.
Чтобы увидеть, как это выглядит, на рисунке 1 представлен график QQQ в TradeStation, на нижней панели которого показан моментум гэпа (красным) и сигнальная линия (синим). Торговые сигналы показаны на верхней панели вместе с 20-дневной скользящей средней для справки.
Примеры
Я использовал данные за 10 лет, заканчивающиеся в конце 2021 года. Хотя этот период включает в себя длительный бычий рынок, цены стали неустойчивыми в 2019 году, а Covid-19 вызвал экстремальные изменения и ротацию секторов в 2020 и 2021 годах. Эти 10 лет кажутся разумным тестовым периодом. Выбор нескольких рынков для тестирования всегда является проблемой. Являются ли они репрезентативными для того, как будет работать стратегия? Я не могу сказать. Всегда есть рынки, которые работают лучше, и те, которые не работают. Вам нужно будет протестировать их самостоятельно, чтобы получить лучшее представление о надежности метода.
В этих тестах использовались ETF: SPY, QQQ, и акции: Tesla (TSLA), Amazon (AMZN), Bank of America (BAC), Boeing (BA) и McDonalds (MCD). Похоже, что они охватывают целый ряд популярных и разнообразных рынков.
На рисунке 2 показаны результаты простой 100-дневной скользящей средней, а на рисунке 3 – сопоставимая таблица результатов 1-дневного моментума гэпа с 20-дневной сигнальной линией.
Обе таблицы отражают данные с 2010 по 2021 год. Обе используют направление линии тренда для определения времени покупки и продажи. Обе выполняются на следующем открытии.
Сравнение результатов
Первое число, на которое мы обращаем внимание – это гораздо меньшая чистая прибыль при использовании системы “моментум гэпа”. Но при ближайшем рассмотрении оказывается, что все не так просто. Коэффициенты прибыли почти одинаковы, процент прибыльных сделок увеличивается с 43 до 55 %, а средняя максимальная просадка близка к 1/3 от системы скользящей средней. Когда мы сравниваем прибыль, деленную на максимальную просадку, соотношение, показывающее соотношение прибыли и риска, мы получаем значение, которое почти в два раза лучше, 4,10 против 2,29, чем у простой скользящей средней.
Долгосрочные скользящие средние работают, как мы видим по постоянным прибылям. Но альтернативы предлагают и диверсификацию, и новый профиль эффективности.
В этом случае вы соглашаетесь на меньшую доходность при гораздо меньшем риске. Соотношение прибыли и просадки показывает, что это дает лучшую “выплату”.
Тестирование конца интернет-пузыря
Интервал данных, используемый для тестов, может показаться подозрительно благоприятным, хотя он и не был выбран таким образом. В конце концов, кажется, что все акции были прибыльными в течение этого 10-летнего периода. Чтобы посмотреть, что бы произошло в конце интернет-пузыря и во время финансового кризиса 2008 года, мы протестировали QQQ с 1999 по 2010 год. Результаты показаны на рисунке 4. Хотя прибыль ниже, она ниже всего на 9 %;
В остальном сравнение аналогично. Метод моментума гэпа имеет гораздо больший процент прибыльных сделок и гораздо меньшую просадку. Соотношение прибыли и просадки было почти в три раза лучше.
Какой профиль эффективности вам нужен?
Некоторые трейдеры стремятся к риску, другие не любят его, а большинство находится где-то посередине. Мы хотим получить больше прибыли, но не сильно рисковать. На рисунке 5 показана общая прибыль QQQ при использовании простой скользящей средней и системы импульса разрыва. Простая скользящая средняя приносит большую прибыль, но при этом связана с большим риском. Метод моментума гэпа имеет более плавную доходность, но меньшую чистую прибыль. Трейдинг – дело очень индивидуальное. Никто не может и не должен указывать вам, насколько рисковать. Сравнительные показатели простой скользящей средней и разрыва импульса типичны для решений, которые необходимо принимать. В данном случае они оба прибыльны, что является большим бонусом.
Об Авторе:
Перри Дж. Кауфман – трейдер и финансовый инженер. Он является автором многих книг по трейдингу и анализу рынка, в том числе шестого издания (2020) книги “Торговые системы и методы” (первое издание было опубликовано в 1978 году как основополагающая книга в области технического анализа), а также книг Kaufman Constructs Trading Systems (2020) и Learn To Trade (2022). С вопросами и комментариями обращайтесь по адресу www.kaufmansignals.com.
———————————————
Переведено специально для сайта Finware Technologies, www.finware.ru
Вы можете свободно распространять эту статью любыми способами целиком вместе с этим блоком и действующей гиперссылкой на сайт finware.ru.
———————————————
Оставьте первый комментарий