تست استراتژی معاملاتی RSI 2 در سهام ایالات متحده

در این مقاله من به یک روش محبوب برای معاملات سهام و معاملات آتی نگاه می کنم که از اندیکاتور RSI 2 استفاده می کند. این یک تکنیک بازگشت متوسط برای یافتن اوراق بهادار بیش از حد خرید و فروش بیش از حد است.

اندیکاتور RSI چیست؟

RSI (شاخص قدرت نسبی) یک نوسان ساز حرکتی بیش از حد خرید/فروش بیش از حد است که برای اولین بار توسط J. Welles Wilder در سال 1978 توسعه یافت. این یک شاخص بسیار محبوب برای اندازه گیری قدرت نسبی در یک اوراق بهادار است و اغلب در یک بازه زمانی 14 روزه با مقادیر متغیر استفاده می شود. از 0 تا 100

به طور معمول، زمانی که RSI 14 زیر 30 است، می توان گفت که امنیت بیش از حد فروخته شده است و این زمان خوبی برای خرید است. زمانی که RSI 14 بالاتر از 70 باشد، گفته می شود که امنیت بیش از حد خریداری شده است و این زمان خوبی برای فروش است.

با این حال، من اندیکاتور RSI 14 را روی تعدادی از سهام مختلف آزمایش کردم و متوجه شدم که این قوانین در چند سال گذشته چندان موفق نبوده اند.

در واقع، من متوجه شدم که انجام دقیقا برعکس (خرید سهام بیش از حد خرید و فروش سهام بیش از حد فروش) منجر به بازده بالاتری می شود زیرا امکان ثبت روندهای صعودی بلندمدت را فراهم می کند. می توانید مقاله کامل تست RSI 14 را در اینجا بخوانید.

از آنجایی که RSI 14 برای معاملات نوع بازگشت متوسط کوتاه مدت چندان مناسب نیست، در ادامه این مقاله به آزمایش این اندیکاتور در یک بازه زمانی دو روزه می پردازیم. در حالی که RSI 14 را می توان در یک سیستم پیروی از روند پیاده سازی کرد، RSI 2 بسیار فرارتر است و برای معاملات کوتاه مدت مناسب تر است.

تست استراتژی معاملاتی RSI 2

من معتقدم استراتژی معاملاتی RSI 2 اولین بار توسط لری کانرز و سزار آلوارز در کتاب استراتژی های معاملاتی کوتاه مدت که در نوامبر 2008 منتشر شد، رایج شد.

در این کتاب، کانرز موافق است که RSI 14 دوره ای از نظر آماری مزیتی ندارد و او با RSI 2 بسیار موفق تر است. کتاب می گوید که کانرز بیش از هشت میلیون معامله را از 1 ژانویه 1995 تا 31 دسامبر 2007 بررسی کرد و دریافت که "میانگین بازده سهام با قرائت RSI 2 دوره ای زیر 10 از معیار یک روزه (+0. 07%)، 2 روزه (+0. 21%) و یک هفته بعد (+0. 49%) بهتر عمل کرد.

علاوه بر این، کانرز و آلوارز دریافتند که هرچه RSI 2 کمتر باشد، عملکرد بعدی بیشتر است.

سپس این کتاب به فهرستی از استراتژی های تجاری خاص برای استفاده از این یافته ها می پردازد. این استراتژی ها اکنون بر روی داده های به روزتر با شبیه ساز تست برگشتی، Amibroker آزمایش خواهند شد.

تست اول RSI 2 دوره ای زیر 5 در S& P 500

اولین استراتژی ذکر شده در کتاب در فهرست S& P 500 است. این قوانین زیر را دارد:

1. S& P 500 بالاتر از 200 روز MA است
2. RSI 2 S& P 500 زیر 5 است
3. S& P 500 را از نزدیک خریداری کنید
4. از S& P 500 بالاتر از 5 روز MA خود خارج شوید

به عبارت دیگر ، ما می خواهیم S& P 500 را خریداری کنیم که از آن خارج شود اما هنوز هم بالاتر از آن میانگین حرکت 200 روزه است. این استراتژی بین سالهای 1995 و 2008 اجرا شده است و در کتاب برای تولید بازده های زیر نشان داده شده است:

• تعداد معاملات = 49 • تعداد برندگان = 83. 6 ٪ • کل امتیازات = 522. 92 • میانگین زمان نگه داشتن = 3 روز

من این استراتژی را برای خودم با استفاده از Amibroker و داده های تاریخی از Norgate بین 1/1/1995 و 1/1/2008 (بدون هیچ هزینه معامله) آزمایش کردم و به نتایج زیر رسیدم:

• تعداد معاملات = 49 • تعداد برندگان = 83. 7 ٪ • کل امتیازات ساخته شده = 524. 4 • میانگین زمان نگه داشتن = 4 روز • بازده سالانه = 3. 91 ٪ • حداکثر کشش = -6. 48 ٪ • ماشین/MDD = 0. 60

همانطور که مشاهده می کنید ، نتایج تقریباً یکسان هستند. در زیر جدول نتایج براساس ماه و سال آمده است:

از آنجا که نتایج آزمون تاکنون خوب به نظر می رسد ، من مجموعه داده ها را به جلو منتقل کردم و استراتژی بین 1/1/2008 و 1/1/2016 را آزمایش کردم. نتایج در زیر نشان داده شده اند:

• تعداد معاملات = 30 • تعداد برندگان = 80 ٪ • کل امتیازات ساخته شده = 184. 91 • میانگین زمان نگه داشتن = 4 روز • بازده سالانه = 1. 35 ٪ • حداکثر کشش = -13. 19 ٪ • ماشین/MDD = 0. 10

همانطور که می بینید ، اگرچه این استراتژی هنوز عملکرد سودآور کاهش یافته است و این به وضوح با نسبت CAR/MDD مشاهده می شود.

جدول نتایج زیر نشان می دهد که چگونه سیستم در سال های 2011 ، 2013 و 2014 ضعیف عمل کرد. با این حال ، عملکرد در سال 2015 به شدت بازگردد. در نتیجه ، به سختی می توان گفت که آیا این استراتژی خراب است یا نه.

تست دو - RSI تجمعی در جاسوسی

در آزمون دوم ، کانورز با یک استراتژی ارائه می دهد که از RSI تجمعی استفاده می کند. این استراتژی بر روی ETF جاسوسی آزمایش شده است و قوانین زیر را دارد:

1. امنیت بالاتر از 200 روز کارشناسی ارشد آن است
2. از RSI 2 دوره استفاده کنید
3. دو روز گذشته از RSI 2 دوره اضافه کنید
4. خرید اگر RSI تجمعی زیر 35 است
5. وقتی RSI 2 دوره بالاتر از 65 بسته می شود ، خروج کنید

اجرای این سیستم در جاسوسی بین اواسط ژانویه 1993 و 1/1/2008 در کتاب برای تولید نتایج زیر نشان داده شده است:

• تعداد معاملات = 50 • تعداد برندگان = 88 ٪ • کل امتیازات ساخته شده = 65. 53 • میانگین زمان نگه داشتن = 3. 7 روز

من همان سیستم را در Amibroker در جاسوسی ETF اجرا کردم و نتایج زیر را گرفتم:

• تعداد معاملات = 127 • تعداد برندگان = 74 ٪ • کل امتیازات ساخته شده = 42. 56 • میانگین زمان نگه داشتن = 3. 5 روز • حداکثر کاهش = -7. 25 ٪ • ماشین/MDD = 0. 57

واضح است که نتایج من کاملاً متفاوت است. من مطمئن نیستم که چراشاید من در حال آزمایش بازار مناسب نیستم. شاید قوانین من یکسان نباشند. با توجه به اطلاعات موجود در کتاب دشوار است.

با این وجود ، بیایید این استراتژی را اجرا کنیم و ببینیم که چگونه در سالهای اخیر انجام شده است. بنابراین ، اجرای همان استراتژی در جاسوسی بین 1/1/2008 و 1/1/2016 به نتایج زیر رسیدم:

• تعداد معاملات = 58 • تعداد برندگان = 72. 4 ٪ • کل امتیازات ساخته شده = 20. 36 • میانگین زمان نگه داشتن = 4 روز • بازده سالانه = 1. 76 ٪ • حداکثر کشش = -19. 38 ٪ • ماشین/MDD = 0. 09

بار دیگر ، شما می بینید که این استراتژی در سالهای اخیر به خوبی انجام نشده است. اگرچه درصد برندگان فقط اندکی کاهش یافته است ، اما کاهش آن بیش از دو برابر شده است. اگر به جدول سود نگاه کنیم ، می بینیم که این سیستم هر سال کاملاً خوب عمل کرده است به جز در سال 2011 جایی که 11. 5 ٪ از دست داده است.

آزمایش سه - RSI تجمعی در سهام

به گفته کانورز ، سهام ریسک را در مقابل شاخص ها اضافه کرده است زیرا می توانند به صفر بروند (در حالی که شاخص ها نمی توانند). بنابراین ، کانورز پیشنهاد می کند که استفاده از خوانش های RSI تجمعی بسیار پایین تر در سهام فردی مهم است.

در استراتژی های معاملاتی سهام که کار می کنند ، کانرس به کلیه سهام با قرائت RSI تجمعی زیر 10 با میانگین حجم روزانه بیش از 250،000 سهم و قیمت سهام بالاتر از 5 دلار نگاه می کند.

وی نتیجه می گیرد که بین سالهای 1995 و 2008 77. 068 سیگنال وجود داشته است ، "از این تعداد 69 ٪ از معاملات سودآور از یک RSI 2 دوره 65" بودند و "میانگین افزایش این سهام تقریباً چهار برابر بیشتر از سود برای همه بودسهام با همان دوره برگزاری. "

به منظور آزمایش این رویکرد نهایی ، من با قوانین استراتژی نمونه کارها زیر آمده ام:

1. سهام دارای 100 روز متوسط حجم بالاتر از 250،000 سهم است
2. معاملات سهام بالاتر از 5 دلار
3. سهام بالاتر از MA 200 روزه خود است
4. خرید اگر RSI 2 تجمعی زیر 10 است
5. وقتی RSI 2 دوره بالاتر از 65 بسته می شود ، خروج کنید
6. حداکثر اندازه نمونه کارها از 10 سهام در یک زمان
7. حقوق صاحبان سهام به طور مساوی بین هر موقعیت تقسیم می شود
8. سیگنال های تکراری توسط RSI 2 رتبه بندی می شوند. ضعیف ترین ترجیحی

من این استراتژی را در تمام سهام موجود در جهان S& P 1500 بین تاریخ 1/1/1995 و 1/1/2016 اجرا کردم. این بار من کمیسیون های 0. 01 دلار برای هر سهم را در بر گرفتم و تمام معاملات در نزدیکی انجام شد. نتایج و منحنی سهام از این استراتژی در زیر نشان داده شده است:

• تعداد معاملات = 8711 • تعداد برندگان = 64. 7 ٪ • میانگین زمان نگه داشتن = 5. 2 روز • بازده سالانه = 23. 86 ٪ • حداکثر کشش = -21. 36 ٪ • ماشین/MDD = 1. 12

همانطور که از این نتایج مشاهده می کنید ، این استراتژی طی 20 سال گذشته عملکرد بسیار خوبی را به همراه داشته است ، و با بازده کلی سالانه 23. 86 ٪ ، یک سرمایه شروع فرضی 100000 دلار را به تقریبا 9 میلیون دلار تبدیل کرده است.

بنابراین ، استراتژی معاملاتی RSI 2 واقعاً راهی عالی برای سوار شدن برخی از سهام فراوان و ایجاد برخی از معاملات معنادار سودآور بوده است!

با این حال ، اگرچه این نتایج روی کاغذ خوب به نظر می رسد ، آگاهی از برخی ملاحظات اضافی نیز مهم است.

ملاحظات اضافی

جالب ترین توجه از نگاه کردن به جدول سود سالانه (در بالا) نشان داده شده است و این نشان می دهد که قوی ترین عملکرد در ابتدای دوره آزمون انجام شده است. به عنوان مثال ، در جهان S& P 1500 ، این استراتژی بیش از 80 ٪ در 1997 ، 1999 و 2000 انجام شده است. در سالهای اخیر این استراتژی به هیچ وجه در نزدیکی انجام نشده است.

این همچنین در هنگام اجرای استراتژی در S& P 500 و S& P 100 Universe همانطور که در زیر مشاهده می کنید ، سازگار است:

شایان ذکر است که به نظر می رسد این استراتژی هنوز با چند سال پایین سودآور است. شاید هنوز یک لبه وجود داشته باشد اما به نظر می رسد عملکرد از بین رفته است.

لجستیک

همچنین مهم است که در نظر بگیریم که این استراتژی مستلزم معاملات دقیقاً نزدیک است. از آنجا که شما تا پایان روز ارزش بسته شدن RSI واقعی را نمی دانید ، به احتمال زیاد به روش قبل از محاسبه قیمت تجارت نیاز خواهید داشت که سیگنال پایانی صحیح را به شما می دهد. این ممکن است دشوار باشد.

همچنین ، ماهیت کوتاه مدت سیستم به این معنی است که تخمین های لغزش ممکن است متفاوت باشد.

افکار کلی

به نظر می رسد عملکرد استراتژی شاخص RSI 2 در سالهای اخیر بخشی از لبه خود را از دست داده است. این ممکن است به این دلیل باشد که بازارها کارآمدتر شده اند ، زیرا این استراتژی به طور گسترده تر شناخته شده است ، یا ترکیبی از این دو.

اجرای این استراتژی همچنین به ویژه هنگام برخورد با یک جهان بزرگ از سهام دشوار است.

با بیان این موضوع ، به نظر می رسد استراتژی معاملاتی RSI 2 هنوز هم سودآور است و هنوز هیچ سال در حال کاهش در جهان S& P 500 نیست.

به طور کلی ، شاخص RSI 2 هنوز هم وعده هایی را برای توسعه نشان می دهد و می تواند با سایر قوانین و در بازارهای دیگر (مانند VIX یا منابع داده اساسی) مورد استفاده قرار گیرد.

ایده یک شاخص تجمعی نیز موضوعی است که می تواند به شاخص ها/استراتژی های دیگر منتقل شود. تا زمانی که بتوانید ارزشهای RSI را با دقت پیش بینی کنید ، ممکن است هنوز هم از این استراتژی یا از تنوع آن درآمد کسب کنید.

برای این استراتژی کد Amibroker را می خواهید؟فقط برای بازدید از صفحه بارگیری ، روی دکمه سمت چپ خود کلیک کنید.

شما همچنین ممکن است دوست داشته باشید:

سیستم های تجاری و نمودارهای تولید شده با Amibroker با استفاده از داده های داده های Premium Norgate. شبیه سازی ها یک حساب نقدی بدون حاشیه فرض می کنند. جهان سهام شامل ترکیبات تاریخی/سهام حذف شده است.

جو ماروود / درباره نویسنده

جو ماروود یک معامله گر مستقل و نویسنده متخصص در سیستم های معاملاتی و تجارت سهام است. او تجارت شغلی خود را در FTSE 100 و Bund آلمان برای یک خانه تجاری در لندن آغاز کرد و اکنون از طریق شرکت خود کار می کند. او همچنین به دنبال جستجوی آلفا و سایر نشریات مالی است.< Pan> ایده یک شاخص تجمعی نیز موضوعی است که می تواند به شاخص ها/استراتژی های دیگر منتقل شود. تا زمانی که بتوانید ارزشهای RSI را با دقت پیش بینی کنید ، ممکن است هنوز هم از این استراتژی یا از تنوع آن درآمد کسب کنید.