有持仓限制的交易策略

偏差=10277.4075偏度=1.82711153超额峰度=1.686830950（0，3239.5）21（3239.5，6479）32（6479，9718.5）03（9718.5，12958）14（12958，16197.5）05（16197.5，19437）16（19437，22676.5）07（22676.5，25916）08（25916，29155.5）09（29155.532395）1 OTE的开始和诞生时间。当第一个勾号到达时，除非考虑到之前的交易时段，否则MPS0和OTE的任何信息都不知道。在第一个价格到达之前，OTE的开始时间可能是未知的，这将标志着至少超过2F C 1δESM 17=0.25的移动。这个事件，即OTE的诞生时间到Eb，将在未来导致非DynkinNeftci. 2F C按当地最低或最高价格计算。tOT Ebis Dynkin Neftci。只有这样的价格下跌或上涨才会发生，TOTESIS固定。此后，开始时间为Dynkin Neftci，但与下一个OTE开始时间重合的当前OTE结束时间tOT Ee未知-非Dynkin Neftci。请注意，当前固定开始时间之前的所有MPS0开始、出生和结束时间都不能更改。他们是Dynkin Neftci时代。图11是ESM17 SOTE#4表2的放大图10。同样，只有在到达#5出生时间后才能确定#4结束时间|P |=2×100美元50+0.25=4.25。最后一次（我们的案例）最高价格为2363.25，观察时间为09:35:48。如果价格再高一点，就会达到新的高度。减去|P |得出出生价格2359.00。它在09:59:13到达。这将关闭上一个BOTE并创建下一个SOTE（PS4s=2363.25，tS4s=09:35:48；PS4b=2359.00，tS4e=09:59:13；PS4e=？，tS4e=？）。图11:Time&Sales Globex，http://www.cmegroup.com/，ESM17，周日2017年4月9日，17:00:00-2017年4月10日，星期一，15:15:00。MPS0，F C=100美元，交易价格，SOTE#4，表2开始、出生和结束时间。

使用自定义C++和Python程序以及gnuplot绘制http://www.gnuplot.info/.By定义，OTE包括与optimalMPS交易相关的任意属性。图12说明了SOTE#4的四个属性。让我们注意到，如果价格b增量为i.i.d对数正态（或正态），那么价格分布将相同，但均值和方差不同。价格的样本分布密度有三个最大值，不符合单峰对数正态（或正态）分布。图12:Time&Sales Globex，http://www.cmegroup.com/，ESM17，周日2017年4月9日，17:00:00-2017年4月10日，星期一，15:15:00。MPS0，F C=100美元，a增量、b增量、价格和数量的样本分布，SOTE#4，表2。使用自定义C++和Python程序以及gn绘制uplothttp://www.gnuplot.info/.ThreeOTE的场景。一旦新的OTE诞生，就存在三种独有的情况：1）当前OTE的利润将至少增长1δ，绝对最小价格波动；2） 下一个相反类型的OTE将取代当前类型；3） 交易时段将终止。对于非当日交易者，价格链和OTE链将继续。从技术上讲，可以将MPS作为一种工具，使用任何价格链，如每日最后价格。图11说明了表2中SOTE4、S4的第一种情况。出生时间tb=09:59:13之后，直到B5出生价格，价格在最后一个最低价格右侧的移动幅度从未超过4.25=17δESM 17点。表3收集了切换到F C=74.99美元后的基本OTE属性。ESM17价格相同。

图13、14中的S4显示了第二种情况。[100]、[103]研究了在其他同等条件下F C对OTE数量、它们的持续时间和PL分布、光谱的影响。表3：ESM17，会话OTEs，F C=74.99美元，C=4.68美元，W=1tstartPstarttendPend开始t、 s P L，$Type1 2017-04-09 17:02:54 2350.75 2017-04-09 20:04:00 2359.00 10866 403.14 BOTE2 2017-04-09 20:04:00 2359.00 2017-04-10 05:03:55 2349.75 32395 453.14 SOTE3 2017-04-10 05:03:55 2349.75 2017-04-10 06:37:43 2355.50 5628 278.14 BOTE4 2017-04-10 06:37:43 2355.50 2017-04-10 07:59:57 2352.50 4934 140.64 SOTE5 2017-04-10 07:59:57 2352.50 2017-04-10 09:35:48 2363.25 5751 528.14 BOTE6 2017-04-1009:35:48 2363.25 2017-04-10 10:42:06 2350.75 3978 615.64 SOTE7 2017-04-10 10:42:06 2350.75 2017-04-10 10:53:17 2354.00 671 153.14 BOTE8 2017-04-10 10:53:17 2354.00 2017-04-10 11:14:41 2347.50 1284 315.64 SOTE9 2017-04-10 11:14:41 2347.50 2017-04-10 12:37:14 2360.00 4953 615.64 BOTE10 2017-04-10 12:10 37:14 2360.00 2017-04-10 13:04:45 2354.50 1651 265.64 SOTE11 2017-04-10 13:04:45 2354.50 2017-04-1013： 15:52 2358.25 667 178.14 BOTE12 2017-04-10 13:15 52 2358.25 2017-04-10 13:40:14 2354.50 1462 178.14 SOTE13 2017-04-10 13:40 2354.50 2017-04-10 14:06:28 2360.25 1574 278.14 BOTE14 2017-04-10 14:06:28 2360.25 2017-04-10 15:00 2351.00 3219 453.14 SOTE15 2017-04-10 15:00 2351.00 2017-04-10 15:02:13 2354.25 126 153.14 BOTE16 2017-04-10 15:02:13 2354.25 2017-04-10 15:14:30 2351.25 737140.64图13：MPS0，过滤成本74.99美元，E-mini标准普尔500期货时间和SalesGlobex，http://www.cmegroup.com/，ESM17的交易价格，时间范围【2017年4月9日星期日，17:00:00-2017年4月10日星期一，15:15:00】，CST。使用自定义C++和Python程序以及gnuplot绘制http://www.gnuplot.info/.In第二种情况是，价格不会朝OTE类型的利润方向变化。

以OTE出生价2352.50、07:59:57和图14:Time&Sales Globex卖空S4，http://www.cmegroup.com/，ESM17，周日2017年4月9日，17:00:00-2017年4月10日，星期一，15:15:00。MPS0，F C=74.99美元，交易价格，SOTE#4，BOTE#5表3开始、出生和结束时间。使用自定义C++和Python程序以及gnuplot绘制http://www.gnuplot.info/.buying下一次B5出生价格2355.50，08:31:51输(-2352.50+2355.50)×$50 - $9.36 = -$159.36. 一个简单的交易规则——通过买入BOTE并以OTE出生价卖出SOTE来进入/退出和恢复头寸——类似于亚历山大的过滤器，详见【100，第71页，第92-93页】。将其应用于（S4，B5），B5的性能（[2363.25-3.0]-2355.50)×$50-2×$4.68=$228.14，将补偿S4的损失-$159.36美元，可盈利228.14美元-$159.36=68.78美元，图14。如果第二种情况在连续的OTE链中继续，则此规则可能开始失败。OTE P L的经验分布【97，P.27，FigureProf fit Frequencies】【100，P.95，图35】有助于估计平均P L。在F C和C=4.66美元的范围内，发现其为负值。P L的数学预期可能不是影响交易决策的唯一标准【102】。第三种情况意味着，鉴于交易时段结束前的时间，当前OTE在利润方面没有得到与F C相关的任何发展。表3中的SOTE#16是一个示例，如图15所示。图15:Time&Sales Globex，http://www.cmegroup.com/，ESM17，周日2017年4月9日，17:00:00-2017年4月10日，星期一，15:15:00。MPS0，F C=74.99美元，交易价格，表3第16页之后。使用自定义C++和Python程序以及gnuplot绘制http://www.gnuplot.info/.The最大损失策略。这种策略可以作为给定P和C的风险估计。这里，我们只提到UMLS∈ U不一定是-UMP S0∈ U、 例如，对于P=（P。

，P）T，P>0，C=（C，…，C）T，C>0，UMP S0=Ud。n、 而许多其他策略由于交易成本而损失更大。从“产生极端行业收益的策略”一节可以看出，在这种情况下，即使3<n，UMLS=（W，-2W，2W，-W）损失的两倍-2CW（n- 1） （适用于任何1<n）。另一个也是唯一的候选人是-UMLS=(-W、 2W，-2W，W）T.MPS研究，2007-2017年。Robert Pardo[83，第125-126页]提出了潜在利润，即在不考虑会计交易成本的情况下计算的数字，以及在这种情况下的简单算法。他的一句话“衡量潜在利润，即市场因素不是一个被广泛理解的概念”吸引了作者，作者认为交易成本会使算法复杂化，产生关于最大利润策略、向量、扩展研究和应用范围的丰富概念：MPS是同一市场的另一面。作者于1994年开发了未出版的MPS公式和相关算法。当时，这些研究没有得到应用或广泛报道，并且最终有以下研究和出版物。1） MPS0的l和r算法，以及第一个MPS1和第二个MPS2损益储备策略的算法【93】，【100，第203页，附录F，AMinor校正】。2） 首次发布的MPS0、MPS1、MPS2评估【93，第7章】。使用MPS0作为绩效基准【93，第151-152页】，用于比较单一市场的不同区间【93，第152页】，用于比较不同市场【93，第153页，第10章】，作为移动指标【93，第153页】。3） 首次发布的MPS0最优交易统计数据【93，第9章】。4） 建议对潜在利润期权应用MPS0【93，第155页】。5） 建议将MSP0视为不确定趋势和波动性的量化替代方案【93，pp。

153-154），[96，替代分析]。6） 使用MPS0过滤事件【93，第154-155页】，并定义真实交易规则和策略的交易信号【94】。7） 介绍a-b-c-增量分类【95】。a-b-c增量的统计研究，包括MPS0最优交易【95】、【96】、【97】、【100】、【103】。链式反应【100，第101-105页】，【103，第52-56页，极值B增量】。8） 提出了用于描述a-b-c过程的函数迭代和函数迭代的新符号【98】、【99】。9） 介绍OTE、BOTE、SOTE【96】。研究基于OTE诞生时间和价格的OTE统计数据和交易预期【96】、【97】、【100，第95页，图35】。10） 新的（不在【93】、【94】、【95】、【96】中）离散光谱MPS0特性和软件框架【100】、【103】。MPS0和交易量之间的关系【103，第26-30页，图18-23】。数学预期不是交易决策的唯一原因[101]，[102，第12页，利弗莫尔关于希望和恐惧，第28-31页，时间的作用。交易和投机]。10模式战略与规则。“交易策略”有两层含义：1）交易行为的记录，如链-U向量，以及2）导致交易行为的原因。在这里，后者被称为“交易规则”。交易的自动化依赖于规则的形式化。规则的形式化是有价值的，如果它产生了一个可以由人或计算机评估的算法或程序。为此，它可以依靠Dynkin Neftci时代区分事件，这些事件可以在不考虑未来的情况下确定。给定规则所需的可用信息，对后者进行评估，并确定事件是否发生。时间间隔内的事件数量与与规则相关的市场参与者的频率相关。下一步是估计事件发生后可能发生的情况。

这种估计可能是主观的，也可能意味着初步的客观统计研究，即寻找事件与市场跟进之间的依赖关系（如有）。这种研究假设对过去的最新信息进行评估，如果未来在某些方面重复过去，可能会有意义。找到这些东西是我们的目标之一。由于非平稳的市场条件，一旦确定了有效的规律，可能会停止工作，并引发新的研究。最后一节讨论的问题是，如果价格完全不可预测，那么投机市场为什么会存在，这一问题尤其合乎逻辑？MPS0表示给定时间间隔内的当地价格最小值和最大值。最后一个极端取决于未来，无动力内夫茨时间。其他的是Dynkin Neftci时代。MPS0构建了一个OTE链，如图10所示（B1、S2、B3、S4、B5、S6、B7、S8）。OTE的特点是开始和结束OTE的时间和价格ts、Ps、te、Pe。它的诞生时间和价格tb，pba实际上很重要，因为它需要处理一个动态的Neftci时间。MPS0和OTE如何定义模式？让我们考虑一个假设链（B1、S2、B3、S4、B5、S6）。根据MPS0属性，PB1e=PS2s，PS2e=PB3s，PB3e=PS4s，PS4e=PB5s，PB5e=PS6s。由于S6是当前版本，其诞生价格PS6b<PS6s已实现，且PS6s-PS6b≥ 2F C+δ，其中2F C转换为完整点。已知的头部和肩部模式可通过以下条件确定：（PB1s<PB3s）&&（PB3s==PB5s）&&（PB1e<PB3e）&&（PB5e<PB3e）&&（P==PB5b）。逻辑等式==和小于<比较假设公差。这些公差和F C是图案优化参数。算法优化。自B1开始，B5、PS6s和PS6b是固定的，上一段中的逻辑表达式只需要对所有单个比较进行一次评估，但（P==PB5b），必须对其进行监控。

对这种模式的重新认识是有效的，并且不需要对每个到达价格P的所有六个OTE进行重新评估。间隔[ts，tb]。与连续价格理论相比，实际价格是离散的[100，第32-33页]，[103，第3-10页]。特别是，期货价格是自然数和δ的乘积。对于常数F C，要监控的价格变化用δ表示为| POT Es- POT Eb |=|δ非Es- δ非Eb |=δ|非E |>2F Ckand非Es，b=b2F Cδkc+1。例如，b2×$1000.25×$50c+1=17个三角形或4.25个完整点；b2×$74.990.25×$50c+1=12个三角洲或3个完整点。请注意，对于F C=0，公式返回1：MPS仅提取利润表，但不提取盈亏平衡的最佳交易。由于价格差距，价格可能会超过Eb。这仍然表明，新的OTE已经诞生，价格链中的实际价格已经确定。缺口价格的时间是Eb的出生时间。现在，当前OTE段[ts，tb]已固定。[tb，tcurrent]正在按照以下三种场景之一发展。l、r算法定期提取所有以前的时间ts和tb，并允许研究这些时间以及过去相邻间隔[ts，tb]和[tb，te]或整个OTE间隔[ts，te]内发生的情况。下一段是一个研究的例子。OTE利润的经验累积分布函数ECDF。一旦检测到TBI，就无法实现[ts，tb]的利润，因为它是过去的。有趣的是，在tb之后，价格会朝着盈利方向移动多远。换言之，在固定的C=4.68美元和F C的情况下，有多少OTE超过该区间δ，2δ，3δ。等等。图16描述了OTE利润的ECDF依赖图16：时间和销售全球指数，http://www.cmegroup.com/，ESZ17，2017年1月4日星期三-2017年12月8日星期五，227个交易日，时间范围为17:00:00（前一天）-15:15:00（收盘日），6241260个交易点，C=4.68美元。

对于F C=6.24、12.49、24.99、37.49、49.99、74.99、99.99、124.99、149.99、199.99美元的MPS0 OTE ECDF。使用自定义C++、Python、AWK程序和Microsoft Excel绘制。在F C上，结果是针对单个交易日的，假设某个交易日不会为下一个交易日留下未平仓头寸。忽略范围15:30:00-16:00:00。表4总结了样本统计数据。表4:ESZ17 OTE福利样本统计，C=4.68美元。F C N平均最小NMinMax NMaxStDev偏斜。E-Kurt。6.24 860375 5.41 3.14 751179 1340.64 1 10.0 20.8 -0.8212.49 69715 31.15 15.64 36654 1340.64 1 32.3 7.14 10.524.99 12342 92.88 40.64 2601 1340.64 1 68.5 3.51 25.237.49 5816 146.40 65.64 793 1665.64 1 96.5 3.38 25.449.99 3542 195.03 90.64 439 1665.64 1 119.9 2.88 16.374.99 1749 288.59 140.64 130 1790.64 1 156.6 2.43 11.499.99 1034 379.66 190.64 68 1790.64 1 198.4 2.18 7.03124.99 734 450.82 240.64 52 1815.64 1 223.2 2.07 6.00149.99 534 524.11 290.64 31 1828.14 1 243.5 1.94 5.05199.99 317 658.23 390.64 11 2090.64 1 280.7 1.95 4.61让我们查看表4，F C=49.99美元作为示例。在TBM购买BOTE或出售SOTE会使OTE利润2的部分×$49.99=$99.98不可用。乍一看，这很有吸引力，因为平均利润为195.03美元，差异为195.03美元- $99.98=95.05美元为正。然而，“在回到下一个结核病的路上”必须减去额外的99.98美元，从而产生95.05美元的平均损失- $99.98 = -$4.93. 同时，总是以相应的价格获取OTE平均利润忽略了频率较低但更具利润的因素。此外，并非给定F C的所有OTE都达到平均OTE。这些因素将对平均P L结果产生负面影响。