Exemplo de estratégia de negociação de alta freqüência

Obter através da App Store Leia esta publicação em nosso aplicativo!

Onde posso encontrar alguns exemplos de algoritmos de negociação de alta frequência ou stat arborativos além de negociação básica de livros didáticos?

tem vários algoritmos de nome. Eu entendo que a maioria dos algoritmos HFT são proprietários, mas estou procurando exemplos de estratégias HFT (mesmo as que não ganham mais dinheiro) apenas para entender o que é.

Haim Bodek trabalhou para Goldman e UBS e depois teve sua própria empresa comercial. Ele começou a Consultar em estratégias HFT e foi mencionado em Dark Pools por Scott Patterson.

Confira a introdução da estratégia '0+'. Como afirmou uma resposta anterior, ninguém dará uma estratégia vencedora.

Estratégia de negociação de alta freqüência baseada em redes neurais profundas.

Andrés Arévalo autor Jaime Niño alemão Hernández Javier Sandoval.

Este artigo apresenta uma estratégia de alta freqüência baseada em Redes Neurais Profundas (DNNs). O DNN foi treinado na hora atual (hora e minuto) e \ (n \) - pseudo-retornos de um minuto, desvios padrão de preços e indicadores de tendência para prever o próximo preço médio de um minuto. As previsões do DNN são usadas para construir uma estratégia de negociação de alta freqüência que compra (vende) quando o próximo preço médio previsto está acima (abaixo) do último preço de fechamento. Os dados utilizados para treinamento e teste são as transações AAPL tick-by-tick de setembro a novembro de 2008. O DNN mais encontrado possui uma precisão direcional de 66%. Esta estratégia produz 81% de negócios bem sucedidos durante o período de teste.

Referências.

Informações sobre direitos autorais.

Autores e afiliações.

Andrés Arévalo 1 autor Jaime Niño 1 Alemão Hernández 1 Javier Sandoval 2 1. Universidade Nacional de Colômbia Bogotá Colômbia 2. Instituto de Pesquisa Algocodex Universidad Externado Bogotá Colômbia.

Sobre este artigo.

Recomendações personalizadas.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe papel.

Download instantâneo legível em todos os dispositivos Possuí-lo para sempre Imposto de venda local incluído, se aplicável.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Compartilhe papel.

Mais de 10 milhões de documentos científicos ao seu alcance.

Switch Edition.

&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.

Fundamentos do comércio algorítmico: conceitos e exemplos.

Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.

O comércio algorítmico (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de uso de computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. (Para mais, consulte Picking the Right Algorithmic Trading Software.)

Suponha que um comerciante siga esses critérios de comércio simples:

Compre 50 ações de uma ação quando sua média móvel de 50 dias excede a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias.

Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de negociação algorítmica automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para mais informações sobre as médias móveis, consulte Médias móveis simples, faça as tendências se destacarem.)

[Se você quiser saber mais sobre as estratégias comprovadas e pontuais que podem eventualmente ser trabalhadas em um sistema de comércio alorítico, confira o Curso de Torneio de Dia de Torneio da Invastopedia Academy. ]

Benefícios da negociação algorítmica.

A Algo-trading oferece os seguintes benefícios:

Negociações executadas com os melhores preços Posicionamento instantâneo e preciso da ordem comercial (com altas chances de execução nos níveis desejados) Negociações cronometradas corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Reduziu o risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida a possibilidade de erros por comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e múltiplos parâmetros de decisão, com base em instruções pré-programadas. (Para obter mais informações sobre o comércio de alta freqüência, consulte Estratégias e Segredos de Empresas de Negociação de Alta Freqüência (HFT).)

O Algo-trading é usado em muitas formas de atividades de comércio e investimento, incluindo:

Investidores de médio a longo prazo ou empresas de compra (fundos de pensão, fundos de investimento, companhias de seguros) que adquirem ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande porte. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragentes) se beneficiam da execução comercial automatizada; Além disso, ajudas de algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras comerciais e permitir que o programa seja comercializado automaticamente.

O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados na intuição ou instinto do comerciante humano.

Estratégias de negociação algorítmica.

Qualquer estratégia de negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading:

As estratégias de negociação algorítmicas mais comuns seguem as tendências em médias móveis, fuga de canais, movimentos no nível de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. Os negócios são iniciados com base na ocorrência de tendências desejáveis, que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar as tendências.)

Comprar um estoque cotado duplo a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem sem risco. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente.

Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis ​​para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra do delta, que permitem a negociação de combinações de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos, de modo que o portfólio delta seja mantido em zero.

A estratégia de reversão média baseia-se na ideia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido.

A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera pedaços menores determinados dinamicamente da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem perto do preço médio ponderado do volume (VWAP), beneficiando assim o preço médio.

A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre o início e o fim do tempo. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado.

Até que a ordem comercial seja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia ordens a uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário.

A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa.

Existem algumas classes especiais de algoritmos que tentam identificar "acontecimentos" do outro lado. Esses "algoritmos de sniffing", usados, por exemplo, por um market maker market market têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher os pedidos a um preço mais alto. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)

Requisitos técnicos para negociação algorítmica.

Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes:

Conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar pedidos A capacidade e infra-estrutura para voltar a testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado na Amsterdam Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos construir um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:

AEX negocia em Euros, enquanto a LSE negocia em libras esterlinas. Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois de negociar apenas na LSE durante a última hora à medida que o AEX fecha .

Podemos explorar a possibilidade de negociação de arbitragem nas ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?

Um programa de computador que pode ler os preços atuais do mercado Os feeds de preços de LSE e AEX A taxa de câmbio para a taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que podem rotear a ordem para a troca correta do recurso Back-testing em feeds históricos de preços.

O programa de computador deve executar o seguinte:

Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço suficientemente grande (descontando os custos de corretagem) levando a uma oportunidade rentável, então coloque a compra ordem em troca de preços mais baixos e ordem de venda em troca de preços mais elevados Se as ordens forem executadas conforme desejado, o lucro de arbitragem seguirá.

Simples e fácil! No entanto, a prática de negociação algorítmica não é simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas o comércio de vendas não acontece à medida que os preços de venda mudam quando o seu pedido atinge o mercado? Você vai acabar sentado com uma posição aberta, tornando sua estratégia de arbitragem inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos. O algoritmo mais complexo é o backtesting mais rigoroso antes de ser posto em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É excitante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar a aprendizagem de sistemas de programação e construção por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso eo teste completo de algo-trading podem criar oportunidades rentáveis. (Para mais informações, consulte Como codificar seu próprio robô Algo Trading.)

Uma Estratégia de Escalping de Alta Freqüência em Coletivo2.

Scalping vs. Market Making.

Uma estratégia de fabricação de mercado é aquela em que o sistema cita continuamente no lance e oferta e procura ganhar dinheiro com o spread da oferta-oferta (e também, no caso de ações, descontos). Durante um dia de negociação típico, os estoques serão acumulados no lado longo ou curto do livro à medida que o mercado se processa para cima e para baixo. Não há intenção de ter uma visão de mercado como tal, mas as estratégias de fabricação de mercado mais sofisticadas usarão modelos de microestrutura para ajudar a decidir se o & # 8220; lean & # 8221; na oferta ou oferta em qualquer momento. Os fabricantes de mercado também podem ignorar suas cotações para reduzir o acúmulo de inventário, ou mesmo puxar cotações completamente, se suspeitarem que os comerciantes informados estão negociando contra eles (uma situação referida como & # 8220; fluxo tóxico & # 8221;). Eles podem cobrir posições curtas através da mesa de compensação e usar derivativos para proteger o risco de uma posição de estoque acumulada.

Uma estratégia de scalping compartilha algumas das características de uma estratégia de criação de mercado: geralmente será uma reversão significante, buscando entrar passivamente na oferta ou oferta e a média de negociação por comércio geralmente está na região de um único carrapato. Mas, onde uma estratégia de proxeneta difere da comercialização é que é preciso ter uma visão de quando conseguir o mercado longo ou curto, embora essa visão possa mudar muitas vezes ao longo de uma sessão de negociação. Conseqüentemente, uma estratégia de scalping só funcionará de um lado do mercado de cada vez, trabalhando na oferta ou na oferta; e normalmente nunca inventará inventário, já que geralmente irá reverter e, mais tarde, tentar vender com lucro o inventário que já adquiriu anteriormente, o que é esperançoso a um preço mais baixo.

Em termos de características de desempenho, uma estratégia de criação de mercado geralmente terá um Ratio Sharpe de dois dígitos, o que significa que pode durar muitos dias, semanas ou meses sem perder. Scalping é inerentemente mais arriscado, pois está tomando apostas direcionais, embora em horizontes curtos de tempo. Com uma Ratio de Sharpe na região de 3 a 5, uma estratégia de escalação geralmente experimentará perda de dias e até mesmo meses perdidos.

Então, por que preferir scalping ao mercado? É realmente uma questão de capacidade. A vantagem competitiva no scalping deriva da exploração bem-sucedida de fontes identificadas de alfa, enquanto a produção do mercado depende principalmente da velocidade e da capacidade de execução. A criação de mercado requer infra-estrutura HFT com latência medida em microssegundos, a capacidade de classificar pedidos para cima e para baixo do livro e gerenciar a prioridade da ordem. Os algas Scalping geralmente são muito menos exigentes em termos de requisitos da plataforma de negociação: de acordo com as especificidades do sistema, elas podem ser implementadas com sucesso em muitas redes de terceiros.

Desenvolvendo Estratégias Futuras HFT.

Algum tempo atrás, minha empresa Estratégias Sistemáticas iniciou pesquisa e desenvolvimento em várias estratégias HFT em mercados de futuros. Nosso principal foco sempre foi estratégias de equidade HFT, então isso foi algo de partida para nós, um que implicou obstáculos tecnológicos significativos (mais sobre isso no devido tempo). Entre as estratégias que desenvolvemos foram vários algoritmos de escalação muito lucrativos em futuros de renda fixa. O comércio majoritário em alta freqüência, com períodos de espera baixos medidos em segundos ou minutos, negociando dezenas ou mesmo centenas de vezes por dia.

O próximo desafio que enfrentamos foi o que fazer com nosso produto de pesquisa. Como uma empresa comercial proprietária, nosso primeiro instinto era negociar as estratégias nós mesmos; mas a intenção original foi desenvolver estratégias que pudessem fornecer a base de um fundo de hedge ou oferta da CTA. Muitas estratégias HFT não são adequadas para esse propósito, uma vez que os requisitos técnicos excedem as capacidades da grande maioria das plataformas de negociação padrão normalmente utilizadas pelos investidores da conta gerenciada. Além disso, as estratégias de HFT tipicamente oferecem capacidade muito limitada para serem interessantes para investidores institucionais maiores.

No final, chegamos a uma solução de compromisso, mantendo as estratégias de freqüência mais altas internamente, oferecendo as estratégias de freqüência mais baixa para investidores externos. Isso nos permitiu manter a capacidade limitada das estratégias de maior freqüência para nossa própria negociação, ao mesmo tempo em que oferecemos aos investidores capacidade significativa em estratégias que operam em freqüências mais baixas, mas ainda com características de alto desempenho.

HFT Bond Scalping.

Um exemplo típico é a seguinte estratégia de scalping no US Bond Futures. A estratégia combina dois dos algoritmos de freqüência mais baixa que desenvolvemos para os futuros de títulos que escalpam cerca de 10 vezes por sessão. A estratégia tenta tirar cerca de 8 tiques fora do mercado em cada comércio e médias em torno de 1 tick por comércio. Com uma Ratio Sharpe de mais de 3 anos, a estratégia produziu lucros líquidos de aproximadamente US $ 50.000 por contrato por ano, desde 2008. Uma característica agradável desta e outras estratégias de escalação é a consistência: houve apenas 10 meses perdidos desde janeiro de 2008, a sendo uma perda de US $ 7.100 em dezembro de 2015 (a perda anterior foi de US $ 472 em julho de 2013!)

Desempenho de Estratégia.

Oferecendo a Estratégia para Investidores em Coletivo2.

O próximo desafio para nós resolver foi a melhor forma de introduzir o programa para potenciais investidores. Estratégias sistemáticas não é um CTA e nossos investidores normalmente estão interessados ​​em estratégias de equidade. É preciso muito trabalho para persuadir os investidores de que somos capazes de transferir nossa experiência em mercados de ações para o mundo muito diferente de negociação de futuros. Enquanto esses esforços continuam com meus colegas em Chicago, eu decidi realizar uma experiência: e se nós oferecêssemos uma estratégia de scalping através de um serviço online como o Collective2? Para aqueles que não são familiares, o Collective2 é uma plataforma de sistema de negociação automatizada que permitiu o rastreamento, verificação e auto-negociação de múltiplos sistemas. A plataforma acompanha o lucro e a perda do sistema, os requisitos de margem e as estatísticas de desempenho. Em seguida, permite que os investidores sigam o sistema em negociação ao vivo, entrando os sinais comerciais do sistema, manualmente ou automaticamente.

Oferecer uma estratégia de scalping em uma plataforma como essa certamente cria visibilidade (e um histórico credível) com os investidores; mas também traz novos desafios. Por exemplo, a plataforma assume um custo de negociação de cerca de US $ 14 por rodada, que é pelo menos 2 vezes mais caro que a maioria das plataformas de varejo e talvez 3x-5x mais caro que o custo que uma empresa da HFT pode pagar. Para a maioria das estratégias de proxeneta que são projetadas para fazer um tiquetaque no mercado, tais taxas elevadas eviscerariam os retornos. Isso motivou a nossa escolha de Futuros de obrigações dos EUA, uma vez que o tamanho do tic e o comércio médio são suficientemente amplos para superar mesmo esse nível de fricção comercial. Depois de um par de falhas iniciadas, durante as quais jogamos ao redor com os algoritmos e a rentabilidade da estratégia impulsionada com alguns negócios de baixa freqüência, o sistema agora está felizmente cantarolando e demonstrando o tipo de desempenho que deve (veja abaixo).

Para aqueles que estão interessados ​​em seguir o desempenho da estratégia, o link em coletivo2 está aqui.

Aviso Legal.

Sobre os resultados que você vê neste site.

Os resultados passados ​​não são necessariamente indicativos de resultados futuros.

Esses resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de alcançar lucros ou perdas semelhantes às exibidas.

Além disso, a negociação hipotética não envolve risco financeiro, e nenhum registro de negociação hipotético pode explicar completamente o impacto do risco financeiro na negociação real. Por exemplo, a capacidade de suportar perdas ou de aderir a um determinado programa de negociação, apesar das perdas comerciais, são pontos importantes que também podem prejudicar os resultados comerciais reais. Existem vários outros fatores relacionados aos mercados em geral ou à implementação de qualquer programa de negociação específico, que não pode ser totalmente contabilizado na preparação de resultados de desempenho hipotéticos e todos os quais podem afetar adversamente os resultados comerciais reais.

Pressupostos e métodos utilizados no cálculo dos resultados.

Os seguintes são os pressupostos materiais utilizados ao calcular os resultados mensais hipotéticos que aparecem no nosso site.

Os lucros são reinvestidos. Assumimos que os lucros (quando há lucros) são reinvestidos na estratégia de negociação. Iniciando o tamanho do investimento. Para qualquer estratégia de negociação em nosso site, os resultados hipotéticos são baseados no pressuposto de que você investiu o valor inicial mostrado no gráfico de desempenho da estratégia. Em alguns casos, os montantes em dólares nominais no gráfico de equivalência patrimonial foram redimensionados para baixo para tornar os tamanhos atuais de negociação avançado mais gerenciáveis. Nesses casos, talvez não tenha sido possível trocar a estratégia historicamente pelos níveis de equivalência patrimonial mostrados no gráfico e um mínimo de capital mínimo foi exigido no passado. Todas as taxas estão incluídas. Ao calcular os retornos cumulativos, tentamos estimar e incluir todas as taxas que um trader típico incorre quando AutoTrading usando a tecnologia AutoTrade. Isso inclui o custo da assinatura da estratégia, além de quaisquer taxas AutoTrade por comércio, além de comissões de corretores estimadas, se houver. & # 8220; Max Drawdown & # 8221; Método de cálculo. Calculamos a estatística Max Drawdown da seguinte forma. Nosso software de computador analisa o gráfico de equidade do sistema em questão e encontra o maior percentual que o gráfico de equidade sempre recusa de um pico local # 8221; para um ponto posterior (portanto, isso é formalmente chamado de Maximum Peak to Valley Drawdown. & # 8221;) Embora esta seja uma informação útil ao avaliar os sistemas de negociação, você deve ter em mente que o desempenho passado não garante resultados futuros . Portanto, as futuras retiradas podem ser maiores do que as retrações máximas históricas que você vê aqui.

O comércio é arriscado.

Existe um risco substancial de perda em futuros e negociação forex. O comércio on-line de ações e opções é extremamente arriscado. Suponha que você vai perder dinheiro. Não troque com o dinheiro que você não pode perder.