Portfolio Optimierung Handelsstrategien

Energieportfolio-Optimierung und Handelsstrategien Einleitung Die optimale Gestaltung von Handels - und Portfoliomanagement-Strategien nach individuellen Risiko-Rendite-Zielen ist der Schlüssel für den Erfolg eines Unternehmens im Energie - und Gashandel. Um diese Ziele in einer praktischen und konsequenten Weise zu erreichen, ist es unabdingbar, mächtige quantitative Ansätze zu nutzen. Unser Kurs Energieportfolio-Optimierung und Handelsstrategien bieten Ihnen die notwendigen Kenntnisse und praktischen Erfahrungen, um diese Konzepte erfolgreich in Ihrem Unternehmen aufzubauen und anzuwenden. Der Kurs wird gemeinsam mit unserem Partner KYOS präsentiert. Zielgruppen Dieser Kurs zielt auf eine breite Palette von Fachleuten aus, die im Energie - und Finanzsektor tätig sind, darunter Manager, Händler, Asset-Entwickler, Portfolio - und Risikomanager sowie Regulierungsbehörden. Jeder, der ein praktisches Verständnis von Energieportfolio-Optimierung und Handelsstrategien auf der Grundlage bewährter Praxis entwickeln möchte, wird vom Kurs profitieren. Der Kurs wird an einem Tag präsentiert, aufgeteilt in morgens und nachmittags. Während der Vormittagssitzung werden die Teilnehmer Hintergrundwissen über die Merkmale der europäischen Energie - und Gasmärkte erwerben. Diese Sitzung umfasst relevante Marktstrukturen und Marktliquiditätsfragen sowie Portfoliostrukturen entlang der Supply Chain und die vorherrschenden Risikoengpässe. Darüber hinaus werden wesentliche Ziele des Risikomanagements und der Risikominderung eingeführt. Dazu gehören die Ausrichtung der individuellen Risikotoleranz und Geschäftsstrategie sowie die Zuteilung von Risikokapital und die Begrenzung von Risiken. Schließlich lernen die Teilnehmer über die Merkmale und Mechanismen spezifischer physischer und finanzieller Vertragsstrukturen, die für die Verwaltung von Energieportfolios erforderlich sind, von standardisierten bis hin zu flexibleren Instrumenten. Die Nachmittagssitzung baut auf dieser Stiftung auf und liefert detaillierte Einblicke in grundlegende und fortschrittlichere Handels - und dynamische Absicherungstechniken in unvollständigen Märkten. Schließlich werden die Kursteilnehmer lernen, wie man Portfolios und Handelsstrategien in der Praxis optimiert und überwacht, basierend auf dem fundierten ökonomischen Konzept der Nützlichkeit. Der gesamte Kurs hat einen starken Fokus auf Anwendbarkeit und bietet zahlreiche Beispiele aus erster Hand und Fallstudien wie: tägliche Strom - und Gasportfolio-Optimierung, Optimale Nutzung von Lager - und Swing-Verträgen, Optimale Handelsstrategien für unsichere erneuerbare Einspeisung . Für jeden Teilnehmer wird ein Kursbesuch ausgestellt. Voraussetzungen Der Kurs erfordert keine spezielle Vorkenntnisse. Die Instruktoren dienen dazu, die zugrunde liegenden Konzepte sowie die praktischen Beispiele intuitiv darzustellen. Bitte klicken Sie hier, um unsere Broschüre herunterzuladen (inkl. Kursdetails, Preis, Datum und Ort).Portfolio Optimierung Excel Portfolio Optimierungsvorlage für Finanzielle Vermögens - und Geschäftsportfolios Die Excel Portfolio Optimization Template erstellt optimale Kapitalgewichte für Portfolios von Finanzinvestitionen oder Geschäftsaktivitäten, um zu maximieren Rückgabe und Minimierung des Drawdown-Risikos Risikobewertungsoptionen und Portfolio-Dynamik können angepasst werden, um die Optimierung von Portfolios auf der Grundlage spezifischer Geschäftsanforderungen, Extrapolationen und Präferenzen zu analysieren. Das Portfoliomanagement wird mit der technischen Analyse einschließlich der Indikatorparameteroptimierung mit zurück getesteten Gesamtrenditen unterstützt, um optimale Handelsstrategien bei einzelnen Investitions - und Portfolioebenen zu etablieren. Hauptmerkmale der Excel-Portfolio-Optimierungsvorlage sind: Ein einfacher und logischer Dateneingang und Arbeitsablauf werden mit anpassungsfähigen Optionen mit integrierten Hilfeinformationen versehen. Die Eingabe umfasst bis zu 100 Wertpapiere oder Geschäfts-Cashflow-Daten, aus denen aktuelle Portfolio-Gewichtungen, Renditen und Risikokorrelationen berechnet werden. Historische Preise für finanzielle Sicherheitsdaten können mit der begleitenden Marktdaten-Download-Lösung aus dem Internet heruntergeladen werden. Die Marktdaten-Lösung zum Herunterladen von finanziellen Sicherheitspreisdaten liefert auch detaillierte Rückmeldungen und Statistiken, um zwei Wertpapiere oder Wertpapiere mit Benchmark-Indizes zu vergleichen. Eine Bewertungsoption vergleicht eine diskontierte Cashflow-Bewertung von Marktwerten auf der Grundlage von Konsensus-Analysten-Ertragserwartungen, um festzustellen, ob Aktien durch Vergleich mit Marktkapitalisierung unter - oder überbewertet werden. Minimale und maximale Gewichtungsbeschränkungen können für jeden Vermögenswert für das optimierte Portfolio angegeben werden, um Verpflichtungen und Kapitalallokationsbeschränkungen zu berücksichtigen. Die aus den Eingangsdaten berechnete Korrelationsmatrix und Portfolio-Dynamik können vor dem Optimierungsprozess modifiziert werden. Damit können Annahmen über zukünftige Trends und Zusammenhänge im optimalen Portfolio berücksichtigt werden. Das Portfolio-Risiko für die Optimierung kann auf der Gesamtvolatilität nach dem Sharpe-Verhältnis oder dem Abwärtsrisiko oder der Halbabweichung unterhalb einer Zielrendite unter dem Sortino-Verhältnis basieren. Die Optimierung kann auf das Sharpe - oder Sortino-Verhältnis sowie die Rendite-, Risiko - und Omega-Ratio vorgenommen werden, die den Anteil der Aufwärts - und Rückwärtsdehnungsgröße analysiert. Die Ergebnisse werden sowohl für die minimalen als auch die maximalen Werte gespeichert, so dass die daraus resultierenden Portfolios ohne zusätzliche Optimierungsprozesse geladen und betrachtet werden können. Zusätzliche Optionen erlauben Flexibilität und Anpassung der Analyse, wie etwa die Berechnung von Mengen, um einen Nominalkapitalbetrag gleichermaßen auf Investitionen anzuwenden und die Ergebnisse in eigenständige Dateien zu exportieren. Bestehende und optimierte Portfolios können sowohl mit Long - als auch Short-Positionen sowohl als Lang - als auch als Lang - oder Langhafen gemischt werden, wobei die optimale Mischung aus Long - und Short-Positionen identifiziert wird. Der Vergleich zwischen dem aktuellen und dem optimierten Portfolio wird grafisch dargestellt sowie die für jede Anlage in das Portfolio benötigten Stück - und Verkaufsmengen. Es kann eine Zielrückgabe angegeben werden, die mit der Eingangsperiodizität übereinstimmt, für die die Wahrscheinlichkeit des Erreichens berechnet und mit der Monte-Carlo-Simulation angezeigt wird. Die Rolling-Back-Testfunktion ermöglicht die Angabe periodischer Optimierungen innerhalb des historischen Zeitraums, um die nachfolgenden Effekte der Optimierungen auf die Portfolio-Performance zu analysieren. Technische Analyse mit Kauf - und Verkaufssignalen und zurück getesteter Gesamtrendite wird für das Gesamtportfolio und jede Investition durchgeführt. Zu den konfigurierbaren technischen Analysenindikatoren gehören: Simple Moving Average (SMA), Änderungsrate (ROC), Moving Average ConvergenceDivergence (MACD), Relative Strength Index (RSI) und Bollinger Bands. Automatische Optimierung der technischen Indikatorperiodenkonstanten finden die Parameter, die die getestete Rendite sowohl bei der individuellen Investition als auch bei den Gesamtportfolioshöhen maximieren. Die Ergebnisse der technischen Analyse zeigen den Vergleich der zurück getesteten Gesamtrenditen zwischen keinem Handeln und dem Signalhandel für das Gesamtportfolio, das aktuelle und optimale Portfolio als Indizes sowie die einzelnen Investitionen. Diese Ergebnisse können in Verbindung mit den letzten Beobachtungsindikator-Screening-Flags und Signalen verwendet werden, um optimale Handelsstrategien für das Portfolio zu etablieren. Voraussetzungen - Excel 97-2016 - Excel 2004, 2011 oder 2016 USD 26,00 Secure Processing (Download aktualisiert am 2016-06-23) Portfolio-Optimierung Input und Optionen Eine unabhängige Excel-Vorlage ermöglicht es, die Marktsicherheitsdaten für längere Zeit automatisch für mehrere Symbole herunterzuladen Perioden in täglichen, wöchentlichen und monatlichen Frequenzen zur Optimierungseingabe. Echtzeit-Daten können in bestimmten Zeitintervallen für Intraday-Analyse und Handel heruntergeladen und protokolliert werden. Alternativ können auch andere Finanz - oder Geschäftsdaten eingegeben oder in den Input eingegeben und als Cashflow-Werte, Preise oder Renditen ausgewiesen werden. Ein Investitionskapitalbetrag kann angewendet und für jede der Anlagen gleichermaßen als Startvergabe für die Analyse neuer Strategien festgelegt werden. Die laufende Vermögensgewichtung wird ansonsten durch die Anzahl der Anteile in jeder Anlage und den letzten Stückpreis berechnet. Kurze Positionen werden durch negative Einheiten repräsentiert und können mit langen Positionen koexistieren. Portfoliooptimierungs-Constraint-Optionen beinhalten die Möglichkeit, das optimierte Portfolio auf minimale und maximale Gewichtungen für jede Anlage zu beschränken. Die Rückkehrvolatilität kann unter den Methoden Sharpe, Sortino und Omega Ratio ausgewertet werden. Die risikolose Kredit - und Zielrendite kann auch für die Verhältnis - und Wahrscheinlichkeitsanalyse definiert werden. Portfolio-Korrelationsmatrix Die Korrelationsmatrix für das Portfolio wird automatisch aus den eingegebenen oder heruntergeladenen Daten erstellt. Die innerhalb der Korrelationsmatrix berechneten Volatilitätsmaße spiegeln die angegebenen Risikooptionen wie die Gesamtstandardabweichung, die Abwärts - oder die Halbabweichung wider. Sowohl die Abwärts - als auch die Aufwärtsvolatilität werden für jede Anlage berechnet und dargestellt und in Verbindung mit der Korrelation im Optimierungsprozess verwendet. Eine Option kann ausgewählt werden, um die Korrelationsmatrix zu modifizieren, bevor der Optimierungsprozess ausgeführt wird. Wenn prognostizierte oder vorhergesagte erwartete Renditen für die Anlagen zur Verfügung stehen, können sie in der Korrelationsmatrik ersetzt werden, um die Optimierung der Gewichtung auf zukunftsweisende Erwartungen zu haben. Wenn Werte in der Korrelationsmatrix modifiziert werden, wird eine Berechnungsfunktion zur Berechnung von Benchmark-Verhältnissen für den Optimierungsprozess bereitgestellt. Portfolio-Optimierungsanalyse Ergebnisse Die Portfolio-Optimierungsergebnisse zeigen die im Portfolio benötigten Gewichtungsänderungen an, um das optimale Rendite - und Risikoprofil zu erreichen. Zusätzliche Analysen zeigen die wichtigsten Verhältniswerte und Komponenten sowie die Wahrscheinlichkeitsanalyse für Zielrückführungsschwellen an. Die Anzahl der Anteile für jede Anlage wird verwendet, um die erforderlichen Kauf - und Verkaufsmengen zu berechnen, um das Portfolio auf die optimalen Gewichtungen auszugleichen. Chart-Visualisierungen vermitteln den Gesamtrendite-Vergleich über den Beobachtungszeitraum zwischen dem Start der optimierten Portfolios und der Benchmark-Investition. Die äußeren Grenzen der effizienten Grenze werden mit allen möglichen Portfolio-Gewichtungssätzen angezeigt, die je nach gewünschter Risikoprüfung ausgewählt und geladen werden können. Für jede Anlage in das Portfolio wird eine technische Analyse durchgeführt, die auf Portfolioebene konsolidiert wird, um Screening-Flags und Signale auf Basis der etablierten technischen Indikatorparameter und der letzten Beobachtungswerte zu berichten. Technische Analyse Indikatoroptimierung Technische Analysen zu fünf Schlüsselindikatoren SMA-, ROC-, MACD-, RSI - und Bollinger-Bands können auf jeder Investition sowie die Start - und Optimierungsportfolios als Indizes betrieben werden. Die Periodenkonstantenparameter können automatisch optimiert werden, um die getesteten Gesamtrenditen des Signalhandels für einzelne Anlagen oder Wertpapiere sowie für das gesamte Portfolio zu maximieren, um einen Satz von Parametern festzulegen, der die beste Gesamtstrategie bietet. Die Ergebnisse zeigen die Wertschöpfungsstrategie-Renditen und die letzten Beobachtungs-Screening-Flags für jeden Indikator an. Technische Analysediagramme kaufen und verkaufen Signale, Indikatortrends und Total Return Gewinne für jeden der technischen Indikatoren. Rücksendungen in der Excel-Portfolio-Optimierungsvorlage werden automatisch entsprechend berechnet, je nachdem, ob lange oder kurze Positionen angegeben wurden. MetaTrader 4 - Beispiele Portfoliohandel im MetaTrader 4 Magnus ab Integro saeclorum nascitur ordo Publius Vergilius Maro, Eclogues Einleitung Das Portfolio-Prinzip ist bekannt aus vor langer Zeit. Durch die Diversifizierung der Fonds in mehrere Richtungen schaffen die Anleger ihre Portfolios, die das Gesamtverlustrisiko reduzieren und das Einkommenswachstum glatter machen. Die Portfolio-Theorie hat im Jahr 1950 an Dynamik gewonnen, als das erste Portfolio mathematische Modell von Harry Markowitz vorgeschlagen wurde. In den 1980er Jahren hat ein Forscherteam von Morgan Stanley die erste Spread-Handelsstrategie entwickelt, die den Weg für die Gruppe der marktneutralen Strategien ebnet. Die heutige Portfolio-Theorie ist vielfältig und komplex, so dass es fast unmöglich ist, alle Portfolio-Strategien in einem einzigen Artikel zu beschreiben. Daher wird hier nur eine kleine Auswahl an spekulativen Strategien und deren mögliche Implementierung in der MetaTrader 4-Plattform berücksichtigt. Einige Definitionen, die in diesem Artikel angewendet werden, sind wie folgt: Portfolio (Korb, synthetisches Instrument) Satz von Positionen bei mehreren Handelsinstrumenten mit berechneten optimalen Volumina. Positionen bleiben für einige Zeit offen, werden als eins verfolgt und mit einem gemeinsamen finanziellen Ergebnis geschlossen. Portfolio (Korb, synthetisches Instrument) Anpassung ändern die Menge der Portfolio-Instrumente und und ihre Volumina, um Verluste zu minimieren oder Zwischenergebnisse zu beheben. Synthetische Volumen Anzahl der synthetischen Positionen (Anzahl der Portionen gekauft oder verkauft). Virtuelles Ergebnis, das bei einer Position innerhalb eines bestimmten Zeitintervalls erreicht werden kann. Klassische Anlageportfolios werden in der Regel an Aktienmärkten angewendet. Allerdings ist ein solcher Ansatz nicht für Forex viel, da die meisten Portfolios sind spekulativ hier. Sie werden etwas anders geschaffen und gehandelt. Soweit Forex betroffen ist, ist der Portfoliostand eigentlich ein Multi-Devisenhandel, aber nicht alle Multi-Währungs-Strategien sind Portfolio-one. Wenn Symbole unabhängig gehandelt werden und keine Gesamtergebnisdynamik verfolgt wird, handelt es sich um einen Multi-Symbol-Handel. Wenn mehrere unabhängige Systeme auf einem einzigen Handelskonto handeln, ist dies ein Strategieportfolio. Hier wird ein Portfolio-Handel im engeren Sinne betrachtet, wenn eine synthetische Position aus mehreren Symbolen gebildet wird und danach verwaltet wird. Principles Die Portfolio-Entwicklung besteht aus den beiden Stufen: Auswahl von Symbolen und Berechnen von Losen und Richtungen für sie. Hier diskutieren wir nur wenige einfache Portfolio-Entwicklungsmethoden zusammen mit Algorithmus-Samples. Insbesondere schlagen wir die übliche Methode der kleinsten Quadrate (OLS) und die Hauptkomponentenanalyse (PCA) vor. Weitere Informationen finden Sie hier: Bei der Entwicklung eines Portfolios ist es in der Regel notwendig, das gewünschte Portfolio-Diagramm-Verhalten zu definieren. Portfolio-Grafik stellt die Veränderung des Gesamtgewinns aller Positionen dar, die in einem bestimmten Zeitintervall in das Portfolio aufgenommen wurden. Portfolio-Optimierung ist die Suche nach einer Kombination von Losen und Richtungen, die dem gewünschten Portfolio-Verhalten am besten entsprechen. Zum Beispiel, je nach unserer Aufgabe, kann es notwendig sein, dass ein Portfolio eine Wiederholung auf den Durchschnittswert oder die Attribute eines deutlich markierten Trends hat oder sein Diagramm ähnlich einem Diagramm einer Funktion sein sollte. Drei Portfoliertypen (Trend, flach, Funktion): Ein Portfolio kann durch die folgende Gleichung dargestellt werden: A, B, C. sind Zeitreihen, die den Portfoliosymbolen k1, k2, k3 entsprechen. Sind Symbol-Lose (positiver Kauf, negativer Verkauf) F-Ziel-Funktion (durch Werte in Zeitreihen-Punkten gesetzt) ​​Dies ist eine multivariate lineare Regressionsgleichung mit einem Null-Konstanten-Term. Seine Wurzeln können leicht mit OLS gefunden werden. Zunächst einmal sollten Zeitreihen vergleichbar sein, was bedeutet, dass Preispunkte auf eine Einzahlungswährung gebracht werden sollten. In diesem Fall repräsentiert jedes Element jeder Zeitreihe einen virtuellen Gewinnwert eines einzelnen Loses des entsprechenden Symbols zu einem bestimmten Zeitpunkt. Vorläufige Preislogarithmierung oder Verwendung von Preisunterschieden werden in der Regel bei statistischen Anwendungsaufgaben empfohlen. Allerdings kann das in unserem Fall unnötig und sogar schädlich sein, da kritische Gesamtsymbole Dynamikdaten auf dem Weg zerstört werden. Die Zielfunktion definiert den Portfolio-Diagrammtyp. Die Zielfunktionswerte sollten vorläufig in jedem Punkt entsprechend berechnet werden. Zum Beispiel hat bei der Entwicklung eines einfachen wachsenden Portfolios (Trendportfolio) das Zielportfolio die Werte 0, 1S, 2S, 3S usw., wobei S ein Inkrement der Geldwert ist, auf den das Portfolio an jedem Stab erhöht werden soll Auf einem vorgegebenen Intervall. Der OLS-Algorithmus fügt A, B, C. Zeitreihen hinzu, so dass ihre Gesamtsumme den Zielfunktionsdiagramm wiederholen will. Um dies zu erreichen, minimiert der OLS-Algorithmus die Summe der quadratischen Abweichungen zwischen der Seriensumme und der Zielfunktion. Dies ist eine statistische Standardthema. Es ist kein detailliertes Verständnis der Algorithmus-Operation erforderlich, da Sie eine fertige Bibliothek verwenden können. Es kann auch vorkommen, dass die Zielfunktion nur Nullwerte enthält (flaches Portfolio). In diesem Fall sollte eine zusätzliche Verhältnis-Summengrenze hinzugefügt werden (z. B. k1 k2 k3.1), um die Lösung einer Regressionsgleichung mit Nullwurzeln zu umgehen. Die Alternative besteht darin, einen Gleichungsausdruck nach rechts zu verschieben, um eine Zielfunktion zu erhalten, die das Verhältnis von -1 erhält, während die übrigen Terme wie gewohnt optimiert sind. In diesem Fall stellen wir den Korb der Instrumente einem ausgewählten Instrument gegenüber und schaffen so ein Spreadportfolio. Schließlich kann der fortgeschrittene PCA-Algorithmus verwendet werden, um solche Portfolios zu entwickeln. Es wendet die Instrumentenkovarianzmatrix an, um den Koeffizientenvektor zu berechnen, der dem Punktwolkenquerschnittshyperplane entspricht, wobei die Portfolien eine minimale Restvarianz aufweisen. Auch hier musst du den Algorithmus hier nicht mehr verstehen, da du eine fertige Bibliothek benutzen kannst. Algorithmen Jetzt ist es Zeit, alle oben beschriebenen Ideen mit MQL-Sprache zu implementieren. Wir verwenden eine bekannte ALGLIB Mathematik, die für MT4 angepasst ist. Manchmal können Probleme bei der Installation auftreten, also werde ich mehr darüber wohnen. Wenn mehrere Terminals auf einem PC installiert sind, ist es sehr wichtig, den richtigen Datenordner zu finden, da der Compiler die Bibliothek nicht sieht, wenn er sich in einem anderen Terminals-Datenordner befindet. Installieren der ALGLIB-Bibliothek: Laden Sie die Bibliothek herunter (mql5encode11077), entpacken Sie die Zip-Datei öffnen Sie den Ordner und finden Sie das Math-Verzeichnis, in dem die Etarader 4-Plattform gestartet werden soll, zu der die Bibliothek hinzugefügt werden soll. Wählen Sie den Menübefehl aus: Datei Öffnen Sie den Datenordner MMS4 öffnen und Unterordner kopieren Math-Ordner zum Include-Ordner des Terminals überprüfen Sie die Ergebnisse:.mhq-Dateien sollten in MQL4IncludeMathAlglib sein. Die erste Schlüsselstufe: Umwandlung von Zeitreihen aus Preispunkten in Einzahlungswährung. Um dies zu erreichen, müssen wir eine Sonderfunktion schreiben, um einen Vertragspreis zu einem bestimmten Zeitpunkt zu berechnen. Die konventionelle MarketInfo-Funktion ist hierfür nicht gut geeignet, da sie einen korrekten Punktpreis nur für die letzte Kartenleiste bietet. Das Problem ist, dass Abweichungen zwangsläufig in der Geschichte erscheinen, da sich die Punktpreise einiger Symbole ständig ändern. Daher ist es entscheidend, Datenreihen genau zu konvertieren, um signifikante Ungleichgewichte im Portfolio zu vermeiden. Die Beispielfunktion, die den Vertragspreis berechnet, wird unten gezeigt: Diese Funktion wird immer in der Zukunft verwendet. Es funktioniert mit Währungspaaren, Indizes, Futures und CFDs. Außerdem berücksichtigt es auch Symbolpräfixe und Postfixes (FXprefix, FXpostfix), die von einigen Brokern angewendet werden. Das Ergebnis wird in eine Zielwährung (ChartCurrency) umgewandelt. Wenn wir den zurückgegebenen Funktionswert mit dem aktuellen Symbolpreis multiplizieren, erhalten wir den Preis der Symbole ein Los. Nach dem Summieren aller Vertragspreise im Portfolio unter Lose erhalten wir den Preis des gesamten Portfolios. Wenn wir den Funktionswert durch einen Preisunterschied multiplizieren, erhalten wir bei dieser Preisänderung einen Gewinn oder Verlust. Der nächste Schritt ist die Berechnung des virtuellen Gewinns für alle Einzelverträge. Die Berechnung wird als zweidimensionales Array implementiert, wobei die erste Dimension ein Punktindex im berechneten Intervall ist, während die zweite Dimension ein Symbolindex ist (die zweite Dimensionsgröße kann durch eine bestimmte Zahl begrenzt werden, die weiß, dass die Anzahl der Symbole in Das Portfolio wird es offensichtlich nicht überschreiten): Zuerst sollten wir die Anfangspreise für alle Symbole (auf der linken Grenze des berechneten Intervalls) speichern. Dann wird der Unterschied zwischen den Anfangs - und Endpreisen an jedem Punkt des berechneten Intervalls berechnet und mit dem Vertragspreis multipliziert. Jedes Mal verschieben wir nach rechts um ein Zeitintervall in der Schleife: In dem obigen Codefragment, Zerotime Zeit der berechneten Intervalle linksgrenze, Begrenzungszeit der berechneten Intervalle rechtsgrenze, Zeitrahmen Anzahl der Minuten in einem bar der Arbeit Zeitrahmen, Punkte Gesamtzahl der erkannten Punkte im berechneten Intervall. In der obigen Beispiel wird die strenge Compliance-Regel verwendet. Wenn ein Balken für ein bestimmtes Zeitlabel auch bei einem Symbol nicht vorhanden ist, wird eine Position übersprungen und eine Verschiebung wird zum nächsten durchgeführt. Das Verwalten von Zeitetiketten ist für die vorläufige Datenaufbereitung sehr wichtig, da Datenfehlausrichtungen auf verschiedenen Symbolen zu schweren Verzerrungen im Portfolio führen können. Die Musterportfoliendaten für drei Symbole und eine eigenständige Funktion (Quadratwurzelparabel): Jetzt, da wir Daten vorbereitet haben, ist es an der Zeit, sie an das Optimierungsmodell zu schicken. Die Optimierung erfolgt mit LRBuildZ, LSFitLinearC und PCABuildBasis Funktionen aus der ALGLIB Bibliothek. Diese Funktionen werden kurz in der Bibliothek selbst beschrieben, ebenso wie die offizielle Projektwebsite: alglibdataanalysislinearregression. php und hier: alglibdataanalysisprincipalcomponentsanalysis. php. Zuerst stellen Sie sicher, dass die Bibliothek enthalten: Als nächstes sollte das Code-Fragment unter Berücksichtigung der Modell-Features für jedes Optimierungsmodell gesetzt werden. Zuerst untersuchen wir das Beispiel Trendmodell: Zuerst kann dies kompliziert erscheinen, aber im Grunde ist alles einfach. Zu Beginn wird die lineare Trendfunktion berechnet und ihre Werte werden dem MODELL-Array zugewiesen. Der Parameter ModelGrowth setzt den Wachstumswert für das gesamte Berechnungsintervall (der Wert, um den das Portfolio in der Depotwährung wachsen soll). ModelAbsolute und ModelPhase-Parameter sind optional und sind im aktuellen Stadium nicht von Bedeutung. Die Matrix wird für Berechnungen (MATRIX) erstellt. Daten über den virtuellen Gewinn aller Verträge aus dem EQUITY-Array sowie die Zielfunktionswerte aus dem MODEL-Array werden in die letzte Zeile der Matrix geladen. Die Anzahl der unabhängigen Regressionsgleichungsvariablen wird in Variablen gespeichert. Die LRBuildZ-Funktion wird nachher zur Durchführung der Berechnung aufgerufen. Danach werden die Regressionsgleichungswurzeln mit der LRUnpack-Funktion in das ROOTS-Array geschrieben. Alle komplexen Mathematik befindet sich in der Bibliothek, während Sie die fertigen Funktionen nutzen können. Die Hauptschwierigkeit ist hier technischer Natur und im Zusammenhang mit der korrekten Einstellung aller Anrufe und der Erhaltung der Daten während der Vorbereitungen. Das gleiche Codefragment kann für jede Funktion verwendet werden. Ersetzen Sie einfach MODEL Array Inhalte mit Ihrer Zielfunktion. Beispielsweise ist eine Quadratwurzel-Parabel-Funktionsberechnung unten dargestellt: Nachfolgend ein Beispiel für eine komplexere Funktion, die die Summe eines linearen Trends und harmonischen Schwingungen darstellt: Im obigen Beispiel ist es möglich, eine Trendgröße (mit ModelGrowth-Parameter) und Oszillation zu verwalten Amplitude (mit ModelAmplitude-Parameter). Die Anzahl der Oszillationszyklen wird durch ModelCycles eingestellt, während die Oszillationsphasenverschiebung mit ModelPhase durchgeführt wird. Darüber hinaus sollte die vertikale Verschiebung durchgeführt werden, damit die Funktion gleich Null sein kann an einem Nullpunkt, um sicherzustellen, dass die Berechnungen korrekt sind: Diese Beispiele machen es einfach, eine benutzerdefinierte Funktion zu entwickeln. Je nach Task und Trading-Setup können Sie jeglichen Funktionstyp erstellen. Je komplexer der Funktionstyp ist, desto schwieriger ist es, die beste Lösung auszuwählen, da der Markt nicht verpflichtet ist, der Funktion zu folgen. Hier ist die Funktion nur eine Annäherung. Sie brauchen keine Zielfunktion, um Spread zu erstellen und flache Portfolios zurückzugeben. Wenn Sie zum Beispiel eine Verteilung zwischen zwei Symbolkörben erstellen möchten, wird der optimierte Korb auf den Hauptteil der Matrix heruntergeladen, während der Referenzkorb als Zielfunktion verwendet und zur letzten Spalte der Matrix als Ganzes heruntergeladen wird Betrag: Im Folgenden finden Sie eine Beispiel-Flat-Portfolio-Berechnung, bei der die LSFitLinearC-Funktion das Portfolio im Rahmen des berechneten Intervalls symmetrisch wie möglich um Null macht: Im Folgenden ist noch ein weiteres wichtiges Beispiel für die Berechnung eines flachen Portfolios mit der minimalen Varianz nach PCA-Methode. Hier berechnet die PCABuildBasis-Funktion die Verhältnisse so, dass der Portfolio-Graphen möglichst innerhalb des Berechnungsintervalls komprimiert bleibt: Wenn Sie sich von all diesen mathematischen Konzepten überwältigt fühlen, machen Sie sich keine Sorgen. Wie ich bereits gesagt habe, musst du nicht alle mathematischen Details verstehen und Portfolios entwickeln. Im Allgemeinen sieht die Sequenz der Stufen wie folgt aus: Berechnung des virtuellen Gewinns für Portfolio-Symbole mit einzelnen Lots Graphberechnung und Handel mit dem Portfolio Nachdem wir ROOTS-Array von optimalen Verhältnissen mit einer Reihe von Prozeduren erhalten haben, ist es an der Zeit, die Verhältnisse zu verwandeln viele. Um dies zu tun, brauchen wir Normalisierung: Skalierung und Rundung. Die Einstellung einer erforderlichen Skala macht viel bequem zu handeln. Rundung ist notwendig, um die Lose Kapazität in Einklang mit Broker Anforderungen zu bringen. Manchmal empfiehlt es sich, die Normalisierung durch die Gesamtgrenze des Portfolios durchzuführen, aber diese Methode hat gravierende Nachteile (da sich der Rand einzelner Symbole ändert und sich ändern kann). Daher ist es viel vernünftiger, die Normalisierung durch einen Portfoliopreis oder seine Volatilität durchzuführen. Unten ist ein einfaches Beispiel für den Normalisierungsalgorithmus nach dem Portfoliopreis: Hier wird der Portfoliopreis über die Proportionen dem gewünschten übergeordnet. PortfolioValue erforderlich Portfolio Preis, Gesamtwert Gesamtportfolio Preis mit den Standard-Verhältnisse, Skalenvolumen Skalierung Verhältnis, LotsDigits Los Kapazität, LOTS Array der Loswerte für den Handel geeignet. Lot-Werte bilden die endgültige Portfolio-Struktur. Positive Lose entsprechen einer langen Position, während negative Lose zu einem kurzen. Wenn wir die Portfoliostruktur kennen, können wir das Diagramm aufzeichnen und den Handel mit dem Portfolio durchführen. Im Folgenden finden Sie eine Musterportfoliostruktur nach der Normalisierung: Der Portfolio-Graphen wird nur durch die Preise verschoben und in einem separaten Indikator-Unterfenster angezeigt. Um den Portfolio-Graphen zu bauen, müssen wir jeden Chart-Balken genauso berechnen, wie virtuelle Gewinne für separate Symbole zuvor berechnet wurden. Doch jetzt sind sie zusammengefasst unter Berücksichtigung zugewiesener Lose: In diesem Code-Fragment können wir sehen, dass das Diagramm zwischen den ersten und letzten Balken gezeichnet ist: drawbegin und drawend. Der Portfoliowert entspricht der Summe der Gewinnsumme an allen Symbolen, berechnet als Preisdifferenz multipliziert mit einem Vertragspreis und zuvor ermittelten Los. Ich habe technische Aspekte im Zusammenhang mit Indikatorpuffer, Formatierung und dergleichen übersprungen. Das Beispiel fertige Portfolio-Indikator ist im folgenden Abschnitt beschrieben. Hier können Sie die Muster-Portfoliokonstruktion (Indikator-Unter-Unterfenster) mit dem Ziel-Funktionsgraphen untersuchen: Hier wird die quadratische Wurzelparabel, die symmetrisch zum Referenzpunkt (ModelAbsolutetrue) gemacht wird, als Zielfunktion verwendet. Berechnete Intervallgrenzen werden als rote gestrichelte Linien dargestellt, während der Portfolio-Graphen dazu neigt, sich entlang der Ziel-Funktionslinie sowohl innerhalb als auch außerhalb des berechneten Intervalls zu bewegen. Sie können technische Analyse von Portfolio-Graphen ähnlich wie normale Symbol-Preis-Charts, einschließlich der Anwendung von gleitenden Durchschnitten, Trendlinien und Ebenen. Dies erweitert analytische und handelspolitische Fähigkeiten, mit denen Sie die Portfoliostruktur für die Bildung eines bestimmten Handelsaufbaus auf einem Portfolio-Graphen auswählen können, z. B. Korrektur nach einem Trendimpuls, Trendschwächung, Verlassen einer flachen, überkauften Überschreitung, Konvergenz-Divergenz, Ausbruch, Level Konsolidierung und andere Setups. Die Trading-Setup-Qualität wird durch die Portfolio-Komposition, die Optimierungsmethode, die Zielfunktion und das ausgewählte Historiensegment beeinflusst. Es ist notwendig, die Portfolios-Volatilität zu kennen, um ein geeignetes Handelsvolumen auszuwählen. Da das Portfoliendiagramm zunächst auf einer Depotwährung basiert, können Sie mit dem Fadenkreuz-Cursor-Modus und dem Ziehen einen Portfolio-Schwankungsbereich und eine mögliche Drawdown-Tiefe direkt in dieser Währung bewerten. Ein Handelssystem sollte auf Portfolioverhaltenseigenschaften und Setupstatistiken basieren. Bisher haben wir nicht erwähnt, dass sich das Portfolioverhalten außerhalb des Optimierungsintervalls dramatisch verändern kann. Eine Wohnung kann zu einem Trend werden, während ein Trend zu einer Umkehrung werden kann. Ein Handelssystem sollte auch bedenken, dass die Portfolio-Eigenschaften anfällig sind, sich im Laufe der Zeit zu ändern. Diese Frage wird im Folgenden erörtert. Die Handelsaktivitäten mit einem Portfolio umfassen eine einmalige Anschaffung aller Portfoliosymbole mit berechneten Volumina. Für mehr Bequemlichkeit wäre es sinnvoll, einen speziellen Expert Advisor zu haben, um alle Routinearbeiten durchzuführen, einschließlich der Erlangung von Portfolio-Strukturdaten, die Vorbereitung von synthetischen Positionen, die Verfolgung von Einstiegsniveaus, die Festsetzung von Gewinn und die Begrenzung von Verlusten. Wir werden die folgenden Bedingungen für die EA-Operation anwenden: lange synthetische Portfolio-Position und kurze synthetische Portfolio-Position (wo lange Positionen durch kurze ersetzt werden und umgekehrt). Die EA sollte in der Lage sein, Positionen zu sammeln, synthetische Bände zu verfolgen, sowie Portfolio-Netting und Transformation durchzuführen. Die Stichprobe EA wird im nächsten Abschnitt betrachtet, obwohl ihre Struktur aufgrund der Artikelvolumenbeschränkungen nicht erklärt wird. Unten ist die Probe minimalistische Schnittstelle für ein Portfolio EA: Manchmal ist es notwendig, nicht nur ein paar Portfolios zu bauen. Im einfachsten Fall ist es notwendig, zwei Portfolios zu vergleichen. Einige Aufgaben erfordern eine ganze Portfolio-Serie, die auf einem einzigen Historiensegment aufgebaut werden soll, was zu einer Reihe von Portfolios führt, die bestimmte Muster enthalten. Um solche Aufgaben umzusetzen, ist der Algorithmus, der Portfolios nach einer bestimmten Vorlage erzeugt, erforderlich. Das Beispiel für die Implementierung eines solchen Indikators findet sich im nächsten Abschnitt. Hier werden wir nur die kritischsten Operationsmerkmale beschreiben. Wir müssen ein Strukturarray anordnen, um die Daten von mehreren Portfolios zu speichern, zum Beispiel: In diesem Codefragment setzt DIMSIZE die maximale Größe für die Speicherung von Portfolios. Die Struktur ist auf folgende Weise organisiert: Symbol Portfolio Symbol Array, Los Los Array für Portfolio Symbole, Formel Text String mit der Portfolio Gleichung, Richtung Portfolio Richtung (lang oder kurz), Filter Filter Attribut (enthalten). Die Anwendung des Strukturarrays ist bequemer und sinnvoller als die Verwendung von separaten Arrays. Das Struktur-Array kann auch für die Speicherung von Portfolio-Graph-Puffer-Arrays erstellt werden: Portfolios innerhalb des Satzes variieren durch ihre Symbolkombinationen. Diese Kombinationen können im Voraus definiert oder nach bestimmten Regeln generiert werden. Die Arbeit mit einem Satz von Portfolios kann mehrere Stufen abhängig von einer Aufgabe enthalten. Lets betrachten die folgende Abfolge von Stufen hier: Berechnung von Charts von separaten Portfolios Zuerst werden separate Portfolios innerhalb eines Satzes nach den zuvor beschriebenen Prinzipien berechnet. Die Kombination von Portfolios an einem Nullpunkt ist erforderlich, um die Analyse zu erleichtern. Dazu wird ein Punkt, an dem alle Portfolios gleich Null sind, ausgewählt. Das Umkehren von Portfolios relativ zu einem Nullpegel kann auch nützlich sein, um die Analyse zu vereinfachen. Falling Portfolios werden wachsende, nachdem Lose umgekehrt sind. Filtern von Portfolios innerhalb eines Satzes bedeutet die Auswahl der besten Portfolios nach einem Kriterium, z. B. eine Wachstumsgeschwindigkeit, Abweichung von Null, Position innerhalb eines Satzes relativ zu anderen Portfolios. Also, die besten Portfolios ausgewählt und gekämmt in einen Korb von Portfolios oder ein Superportfolio (Überlagerung von Portfolios). Das folgende Bild veranschaulicht diese Schritte: Eine vertikale Verschiebung wird verwendet, um Portfolios zu kombinieren. Portfolio wird umgekehrt, wenn multipliziert mit -1. Schließlich wird ein Filter durch Sortieren und Abtasten nach Werten angewendet. Eine detaillierte Beschreibung dieser Algorithmen ist hier nicht gegeben, um einen riesigen Großteil des Routine-Codes zu vermeiden. Unten ist ein Beispiel von Portfolios, die nach den genannten Prinzipien konstruiert wurden: Die Grafik zeigt eine Reihe von Portfolios, die mit dem PCA-Modell mit einer kurzen Zeitspanne berechnet wurden. Die berechneten Intervallgrenzen werden als rote gestrichelte Linien dargestellt. Hier sehen wir die Erweiterung des Portfolios auf beiden Seiten des Optimierungsintervalls. Der Nullpunkt wird an der linken Optimierungsintervallgrenze ausgewählt, während die Umkehrmomente relativ zu Null und die Filteranwendung durch die lila gestrichelten Linien markiert sind. Die dicke Linie skizziert das Superportfolio, das aus den aktivsten Portfolios besteht und damit einen anständigen Lauf vom Nullpunkt hat. Die Kombination von Portfolios bietet zusätzliche Möglichkeiten zur Analyse und Entwicklung von Handelsstrategien, wie zB Diversifizierung zwischen Portfolios, Spreads zwischen Portfolios, Konvergenz-Divergenz der Portfolios, Warten auf Verdrehen eines Portfoliosatzes, Umzug von einem Portfolio zum anderen und anderen Ansätzen. Ausführungsbeispiele Die im aktuellen Artikel beschriebenen Methoden wurden als Portfolio-Indikator und eine halbautomatisierte EA implementiert. Hier finden Sie die Anleitungen, laden Sie den Quellcode herunter und passen Sie ihn an Ihre Bedürfnisse an: Portfolio Modeller Portfolio Entwickler und Optimierer. Es verfügt über mehrere Optimierungsmodelltypen mit konfigurierbaren Parametern. Außerdem können Sie eigene Modelle und Zielfunktionen hinzufügen. Es gibt auch grundlegende Werkzeuge für die technische Analyse von Portfolios, sowie verschiedene Chart-Formatierung Optionen. Portfolio Multigraph Generator von Portfolio-Sets mit den gleichen Modellen und Parametern und zusätzlichen Optionen für Portfolio-Transformation und Filtration sowie die Schaffung eines Superportfolio. Portfolio Manager EA für die Arbeit mit Portfolios und Superportfolios. Es arbeitet in Verbindung mit dem Portfolio-Indikator und ermöglicht das Öffnen und Verwalten von synthetischen Positionen sowie Portfolio-Korrektur-Funktionalität und Auto-Trading-Modus auf der Grundlage von grafischen Linien der virtuellen Aufträge. Handelsstrategien Es gibt viele Handelsstrategien, die auf der Anwendung von synthetischen Instrumenten basieren. Lets betrachten ein paar grundlegende Ideen, die nützlich sein können, wenn die Schaffung einer Portfolio-Trading-Strategie. Gleichzeitig können wir nicht über Risiken und Einschränkungen informieren. Der klassische Ansatz zur Erstellung eines Portfolios besteht darin, unterbewertete Vermögenswerte mit einem Wachstumspotential zu identifizieren und sie mit der Erwartung ihres Aufstiegs in das Portfolio aufzunehmen. Die Portfolio-Volatilität ist immer niedriger als die Summe der Volatilitäten der eingesetzten Instrumente. Dieser Ansatz ist gut für die Börse, aber es ist von begrenztem Nutzen auf Forex seit Währungen in der Regel nicht zeigen, nachhaltiges Wachstum, im Gegensatz zu Aktien. Unten ist Warren Buffetts langfristiges Portfolio: Bei der Arbeit mit Standard-Investment-Portfolios ist es notwendig, den aktuellen Vermögensstatus sorgfältig zu bewerten, um ihn während der Preisabwärtsbewegung zu kaufen. Die erste und einfachste Option für den spekulativen Portfolio-Handel ist ein Paar Handel, der eine Verbreitung von zwei korrelierenden Symbolen schafft. Bei Forex ist dieser Ansatz deutlich begrenzt, da auch hochkorrelierende Währungspaare keine Kointegration haben und daher im Laufe der Zeit erheblich abweichen können. In diesem Fall handelt es sich um eine gebrochene Verbreitung. Außerdem wird ein solches Paar-Handel zum Handel eines synthetischen Cross-Rate, da Paare mit einer gemeinsamen Währung sind in der Regel in eine Ausbreitung enthalten. Diese Art von Paar Handel ist eine sehr schlechte Idee. Nach dem Öffnen entgegengesetzter Positionen durch Ausbreitung müssen wir manchmal sehr lange warten, bevor die Kurven wieder zusammenlaufen. Unten ist ein Beispiel für hochkorrelierende Paare und ihre allmähliche und unvermeidliche Divergenz: Die Entwicklung dieses Ansatzes ist ein multilateraler Spreadhandel, wenn drei und mehr Währungspaare in die Verbreitung aufgenommen werden. Dies ist bereits besser als Paar Handel, da es einfacher ist, eine gleichmäßigere Verbreitung mit einer größeren Anzahl von Kombinationsmöglichkeiten zu schaffen. Allerdings bleiben die gleichen Risiken: eine Ausbreitung kann divergieren und nicht wieder konvergieren. Es ist viel einfacher, eine gute Spread-Rendite auf einem ruhigen Markt zu erreichen, aber starke fundamentale Nachrichten verursachen eine schnelle und irreversible Divergenz nach einer Weile. Interessanterweise, wenn wir die Anzahl der Instrumente in einer Ausbreitung erhöhen, wird auch die Divergenzwahrscheinlichkeit erhöht, da je mehr Währungen beteiligt sind, desto größer ist die Wahrscheinlichkeit, dass bei einer Pressemitteilung etwas passiert. Warten auf die Verbreitung, um wieder zu konvergieren wäre eine äußerst schädliche Strategie, da dies nur auf einem ruhigen flachen Markt funktioniert. Unten ist ein Beispiel multi-lateral Spreizverhalten während einer Pressemitteilung: Spread Trading hat mehr Chancen auf Aktien oder Börsenmarkt, falls es eine grundlegende Verbindung zwischen Vermögenswerten gibt. Allerdings bestehen noch keine Garantien gegen Spread-Lücken am Dividendendatum oder bei Futures-Kontrakten. Spreads können sich auch aus Marktindizes und Futures zusammensetzen, aber dies erfordert die Berücksichtigung von Börsenhandelsmerkmalen. Eine Sackgasse des Spread-Handels wird durch ein Multi-Lock dargestellt, wenn zyklisch verwandte Währungspaare (z. B. EURUSD-GBPUSD-EURGBP) ausgewählt und zur Ausgleichung genutzt werden. In diesem Fall haben wir eine perfekte Verbreitung, die unmöglich zu handeln ist, da die Gesamtausbreitungen und Provisionen zu hoch sind. Wenn wir versuchen, ein bisschen unausgewogen zu sein, wird die Grafik immer mehr trendartig, was widerspricht den Handel, während die Kosten hoch genug bleiben, um diesen Ansatz sinnlos zu machen. Unten ist ein Beispiel für eine ausgewogene Multi-Lock. Die Gesamtausbreitung wird als zwei rote Linien dargestellt: Spread Trading Nachteile machen uns zu Trend-Modelle wechseln. Auf den ersten Blick scheint hier alles harmonisch genug zu sein: Trend zu identifizieren, bei einer Korrektur einzugehen und mit Gewinn auf höherem Niveau zu beenden. Unten ist ein Beispiel für ein gutes Trendmodell: Allerdings können Trendmodelle manchmal nicht so einfach und handlich sein. Manchmal weigert sich ein Portfolio, weiter zu wachsen und manchmal geht es scharf um. In diesem Fall handelt es sich um einen gebrochenen Trend. Dies geschieht oft bei kurzen und mittelfristigen Modellen. Die Handelseffizienz hängt stark von der Marktphase ab. Wenn der Markt trendy ist, funktioniert das System gut. Wenn der Markt flach oder besonders flüchtig ist, können zahlreiche Verluste auftreten. Unten sehen Sie eine scharfe Trendvervollständigung: Diese Nachteile machen uns die traditionellen Ansätze überdenken. Jetzt können wir einen Blick auf Spread Breakout und Trend Umkehr Handel Methoden. The common supposition is that since we cannot avoid portfolio instability, we should learn how to use it. In order to develop a spread breakout setup, we need to create a very compact short-period spread with the minimum volatility in anticipation of a strong movement. The more we compress the portfolio volatility, the stronger it bursts out. For accelerated spread breakout, it is possible to form a setup before beginning trade sessions and before the news selecting certain intervals of a quiet market. PCA optimization method is best suited for volatility compression. In this setup, we do not know in advance, in which direction the breakout is to occur, therefore, the entry is already defined when moving from the spread boundaries. Below is a sample exit from the short-period spread channel with the spread channel boundaries highlighted: The method advantages: short-period spreads are frequent on charts and the volatility after the breakout often exceeds the spread corridor width. The drawbacks: spreads are expanded during news releases and a saw may form when the price moves up and down a few times. The conservative entry can be proposed as an alternative after exiting a spread corridor during the correction to the corridor boundary if possible. In order to create a trend reversal setup, a trend model is created, as well as turning movements and portfolio price levels are tracked. The movement direction is clearly defined but we do not know in advance when the trend reverses. An internal trend line crossing, reverse correction and roll-back are tracked for a conservative entry. Touching an external trend line and a roll-back are tracked for an aggressive entry. Below is an example of a trend portfolio with the external and internal lines displayed: The method advantages: good entry price, convenience, extreme price instability works in favor of the setup. Disadvantages: portfolio price may go up the trend due to fundamental reasons. In order to improve the situation, we may enter in fractional volumes from multiple levels. A similar setup can be implemented using square root parabolic function model. The setup is based on a well-known property: when the price reaches a theoretical limit of a market distribution range, its further movement is hindered. Like in other cases, the target optimization function is adjusted for the current market distribution. If the markets had featured normal Gaussian distribution, the time-based square root law would have always worked perfectly but since the market distribution is fractal and non-stationary in its nature, the situational adjustment is required. You can find more about market distributions in the following books by Edgar Peters: Chaos and Order in the Capital Markets Fractal Market Analysis Below is an example of a portfolio moving away from the parabolic function: This setup is perfect for adapting to mid-term volatility. However, just like in case of a trend setup, a portfolio price may move upwards due to fundamental factors. The market is not obliged to follow any target function behavior, but neither it is obliged to deviate from it as well. Some degree of freedom and duality remain at all times. All trade setups are not market-neutral in the absolute sense but are based on some form of technical analysis. The dual nature of trend and flat can be seen below. A trend model looks similar to an uneven flat on a bigger scale: Apart from symbol combination and model type, location of estimated interval boundaries is of great importance when developing a portfolio. When configuring the portfolio, it might be useful to move the boundaries and compare the results. Good choice of boundaries allows finding portfolios that are more suitable in terms of a trading setup. If a portfolio position enters a drawdown, it is possible to correct the portfolio without closing existing positions. Shifting the boundaries changes the portfolio curve adapting it to a changing situation. Positions should be corrected accordingly after re-arranging the portfolio. This does not mean that the drawdown will decrease in a moment, but the corrected portfolio might become more efficient. Next, lets consider some properties of portfolio sets and their possible applications in trading systems. The first property of portfolio sets to catch the eye is a set expansion, or divergence of portfolios with distance from the zero point. It would be only natural and reasonable to use this property for trading: buying rising portfolios and selling falling ones. Below is a sample expanding set of portfolios: The second property portfolio set compression (convergence) is opposite to the previous one. It happens after an expansion. Expansion and compression cycles suggest that this behavior can be used to open synthetic positions in anticipation of returning to the center of the set after reaching an alleged highest degree of expansion. However, the expansion highest degree always vary, and it is impossible to predict the final boundaries of the set curves expansion. Below is a sample compressing set of portfolios: Applying various target functions, filtration parameters, reversals and combinations provides good opportunities for experimenting and searching for efficient trading setups. Generally, all setups can be divided into two classes: trading breakouts and trading roll-backs. Below is an example of the first type trading setup with a reversal and shift of a portfolio set: A sample roll-back trading setup based on the multi-trend model is provided below: Another recurring portfolio property is a set twist (self-crossing). Typically, this corresponds to a change of a market trend. If we trade in anticipation of an expansion of portfolios, a twist is a negative effect requiring the set re-arrangement. For other strategies, crossing of some portfolio curves can be used to identify promising and played-out portfolios. Besides, it is necessary to consider a distance traveled, levels, position in a set and position relative to the target function. Below is an example of a set twisting multiple times: We have not focused out attention on the volume management issue up until now, though this is a critical part of any trading system. Generally, we can describe the following approaches: trading a single synthetic position (the simplest case) dividing the volumes (extended entry by levels) adding to a rising portfolio (pyramiding by trend) adding to a portfolio in a drawdown (position averaging) adding to a portfolio after a correction (finishing method) adding to a portfolio after a reversal (expansive strategy) adding to new portfolios (portfolio consolidation) combined approach (combining several approaches) Specific volume management method should be selected considering trading system features. When planning a profit and a drawdown, your calculations should be based on a portfolio volatility. In the simplest case, the portfolio volatility can be evaluated as the movement range of its graph within a certain segment. It is much better to evaluate volatility not only within the optimization interval but on the previous history as well. Knowing the portfolio volatility, it is possible to calculate a theoretical value of the maximum total drawdown at a series of positions. Traditionally, we caution against too frequent aggressive volume adding. The total funds allocated for a portfolio coverage on a trading account should be able to withstand unfavorable movement considering all additional positions. Multi-portfolio trading means systematic portfolio selection and consolidation. If one portfolio is bought and another one is added to it, this may have a positive diversification effect if the portfolios have noticeable differences. But if portfolios are correlating, this may have a negative effect, since they both may find themselves in a drawdown in case of an unfavorable movement. Normally, you should avoid adding correlating portfolios. At first glance, trading spread between two correlating portfolios may seem to be very promising but closer examination shows that such spreads are no different from usual spreads since they are not stationary. Various exit strategies can be applied in multi-portfolio trading, including: closing by total result of all portfolios closing a group of portfolios by the groups total result closing by certain portfolios targets and limits. For some strategies, the entry point is of critical importance. For example, if a strategy applies extreme prices before a trend reversal or correction, a period suitable for entry is very short. Other strategies are more reliant on the optimal calculation of a position adding system and portfolio selection principle. In this case, individual portfolios may enter a drawdown, but other (more efficient) portfolios within the consolidated series adjust the overall result. Conclusion Portfolio trading advantages: optimization allows you to create a portfolio curve according to your preferences, as well as form a desired trading setup and trade it similar to trading symbols on a price chart. However, unlike trading portfolios, buying and selling conventional assets leave traders in passive position (since they are only able to accept the current price chart or avoid using it). Besides, as the situation evolves, traders can adjust their portfolios to new market conditions. Portfolio trading drawbacks: standard pending orders are not applicable, more stringent minimum volume requirements, bigger spreads on 30 and lower charts, hindered intraday scalping, no OHLC data, not all indicators can be applied to portfolios. Generally, this is a rather specific approach in trading. Here we have only made an introductory overview of the portfolio properties and working methods. If you want to perform deeper studies of portfolio trading systems, I recommend using the MetaTrader 5 platform for that, while market distribution properties should be studied in specialized statistical packages. Warning: All rights to these materials are reserved by MQL5 Ltd. Copying or reprinting of these materials in whole or in part is prohibited.