Multi-Timeframe-Doppelkreuzungen gleitender Durchschnitte zur Verringerung der Einstiegslatenz

Zusammenfassung

Der Artikel untersucht einen Ansatz mit doppelten Kreuzungen gleitender Durchschnitte, bei dem ein höherer Zeitrahmen die Richtungsneigung vorgibt und ein niedrigerer Zeitrahmen den Einstiegszeitpunkt bestimmt. Er stellt trendfolgende Einstiege, die auf eine Kreuzung im niedrigeren Zeitrahmen in Richtung des höheren warten, Mean-Reversion-Alternativen gegenüber. Ausstiege können auf einem Verlust der Ausrichtung im niedrigeren Zeitrahmen oder einer Umkehr der Richtungsneigung im höheren Zeitrahmen beruhen. Die Umsetzung verwendet gleitende Durchschnitte mit unterschiedlichen Perioden und schlägt einen genetischen Optimierer vor, um Kombinationen aus Einstieg, Ausstieg und Risikoeinstellungen zu vergleichen.

Die Beispiele verwenden Tages- und Intraday-Zeitrahmen sowie einen weiteren Zeitrahmen für Stop-Loss-Berechnungen. Die beschriebenen Optimierungsversuche ergaben keine Konfigurationen, die sowohl im Backtest als auch im Forward-Test profitabel waren, auch nicht nach Anpassung der Risikoeinstellungen. Daher betont der Autor, dass Optimierung keinen Erfolg garantiert, und empfiehlt, nach Strategien zu suchen, die in beiden Tests überzeugen, bevor Ergebnisse als zuverlässig gelten. Die Belege des Artikels sind explorativ; die vorgeschlagene Verringerung der Verzögerung führt nicht zu nachgewiesener Profitabilität.

Kernaussagen

• Eine Kreuzung gleitender Durchschnitte im höheren Zeitrahmen legt die Richtungsneigung fest, während der niedrigere Zeitrahmen mögliche Einstiege liefert.
• Der Einstieg im niedrigeren Zeitrahmen kann der Richtung des höheren Zeitrahmens folgen oder einer Mean-Reversion-Regel entsprechen.
• Der Ausstiegszeitpunkt kann von der Ausrichtung im niedrigeren Zeitrahmen oder einer Umkehr der Richtungsneigung im höheren Zeitrahmen abhängen.
• Ein genetischer Optimierer soll Indikatorperioden, Strategiemodus, Ausstiegszeitpunkt und Risikoeinstellungen untersuchen.
• Die beschriebenen Optimierungsversuche führten zu keinen Ergebnissen, die sowohl im Backtest als auch im Forward-Test profitabel waren.

Schlagwörter

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.