A r trading system

BINTANG. Sistem Perdagangan Bergabung September 2009 Status: Satu pip pada satu waktu. 177 Posting Halo. Baru-baru ini saya menemukan S. T.A. R. Sistem Perdagangan atau Super Trade System. Supertradesystemindex. html dan bertanya-tanya apa yang orang lain katakan tentang hal ini. Seharusnya bukan menggunakan Moving Averages, seperti kebanyakan robot ini berdasarkan prinsip Elliot Wave dan semacam robot mechinal. Saya juga telah meninjau write-up apa yang diposkan orang di Forex Peace Army. Forexpeacearmypublic Radesystem Hanya bertanya-tanya apa yang orang katakan tentang sistem ini atau orang lain pada umumnya. Apakah mereka seorang SCAM Atau melakukan beberapa pekerjaan benar-benar saya adalah penulis Supertradesystem dan New Elliott Wave Rule. Izinkan saya untuk menunjukkan beberapa hal yang Supertradesystem atau Super Trades At Retrace (STAR) dan apa adanya. Meski untuk menulis peraturan baru untuk Elliott Wave berarti saya dalam EW, STAR tidak menggunakan hitungan EW atau mengandalkannya. Hubungan fibonacci yang membuat EW bekerja dan di pasaran sudah digunakan oleh alat yang disediakan. Ini adalah sistem perdagangan manual, bukan robot apapun. Indikator memungkinkan perubahan kecepatan untuk dianalisis. Setiap gelombang baru berjalan pada kecepatan yang berbeda dan ukuran bar yang sewenang-wenang tidak akan mampu menangkap sinyal yang dikirim pasar tanpa mencocokkan alat Anda dengan kecepatan yang bervariasi terlebih dahulu. Itu saus rahasia untuk STAR. Ini pada dasarnya decontainerizes data dan menerjemahkan analisis kecepatan kepada Anda. STAR menggunakan alat pertama untuk mengekstrak info kecepatan dari pasar untuk mendapatkan pengaturan yang Anda butuhkan untuk alat sinyal. Inilah yang memberi sistem keakuratannya. Tidak ada indikator momentum sederhana yang bisa melakukan ini karena mereka juga quotdumb dan blindquot terhadap perubahan kecepatan. Jika Anda hanya mengambil jangka waktu yang sewenang-wenang untuk menerapkan teknik analisis Anda, Anda hanya akan bisa memiliki akurasi jika Anda beruntung dan pilihan Anda kebetulan sama dengan kecepatan pertandingan saat ini. Sayangnya, pendekatan ini diinginkan karena kecepatan yang bisa dipetik pasar banyak. Apa itu Sistem Perdagangan Dengan Van K. Tharp, Ph. D. Pedagang terus bertanya kepada kami Apa sebenarnya sistemnya Tujuan artikel ini adalah memberi Anda informasi itu sejelas mungkin. Pertama, baiklah melalui beberapa informasi latar belakang untuk membantu Anda memahami sistem di luar konteks perdagangan. Anda akan belajar bagaimana orang yang berbeda berhubungan dengan sistem sesuai dengan bagaimana mereka berhubungan dengan uang. Bagian kedua dari artikel ini akan berfokus pada mendefinisikan dengan jelas apa itu sistem perdagangan. Bagian ketiga dari artikel ini akan berfokus pada gambaran yang lebih luas tentang rencana trading sistem Anda. Akhirnya, fokuskan pada beberapa elemen kunci dalam pengembangan sistem. Di buku Robert Kiyosakis, Cash-Flow Quadrant. Dia membedakan dua jenis orang yang bekerja untuk uang dan dua jenis orang yang memiliki uang bekerja untuk mereka. Dalam setiap kasus, salah satu karakteristik pembeda utama adalah bagaimana mereka menangani sistem. Pertama, mari kita lihat gagasan sistem bisnis. McDonalds, sebagai franchise utama, pada dasarnya adalah seperangkat sistem yang satu dibeli. Kenyataannya, orang yang membeli waralaba McDonald's harus pergi ke Hamburger University selama sekitar enam bulan (saya yakin itu panjangnya) untuk mempelajari sistem operasi waralaba. Ada sistem untuk pengiriman makanan, menyiapkan makanan, menyapa pelanggan, melayani mereka dalam waktu satu menit, pembersihan, dll. Dan semua sistem ini dapat dengan mudah dilakukan oleh seorang manajer yang memiliki gelar sarjana dan karyawan yang bahkan mungkin menjadi anak putus sekolah . Dengan kata lain, sebuah sistem adalah sesuatu yang berulang, cukup mudah dijalankan oleh seorang anak berusia 16 tahun yang mungkin tidak secerdas itu, dan bekerja cukup baik untuk membuat banyak orang kembali sebagai pelanggan. Sekarang, karena mengetahui definisi sistem, mari kita lihat bagaimana orang di empat kuadran arus kas berhubungan dengan sistem. Pekerja . Karyawan pada dasarnya termotivasi oleh keamanan. Mereka memiliki pekerjaan dan mereka melakukan pekerjaan mereka untuk mendapatkan uang. Karyawan pada dasarnya menjalankan sistem. Mereka tidak perlu tahu bahwa mereka menjalankan sistem, tapi itu fungsinya. Misalnya, satu karyawan di McDonalds akan menyapa pelanggan dan menerima pesanan mereka. Karyawan ini pada dasarnya menjalankan sistem sapaan pelanggan. Kebanyakan karyawan tidak mengerti sistem. Sebaliknya, mereka hanya tahu apa pekerjaan mereka. Dan ini khas karyawan yang menjadi trader atau karyawan yang bekerja sebagai pedagang. Mereka biasanya mengajukan pertanyaan seperti saham Apa yang harus saya beli Apa pasar akan lakukan Atau Bagaimana saya melakukan hal ini Kami selalu melihatnya dalam pertanyaan yang kami dapatkan. Sebagai contoh, seorang pria memanggil CNBC, saat saya menulis ini, dan bertanya kepada tamu, Arah apa yang menurut Anda pasar mungkin pergi sehubungan dengan perang dan bagaimana seseorang mendapatkannya darinya. Ini biasanya adalah pertanyaan karyawan. Dan jumlah mereka mengatakan, saya tidak benar-benar mengerti apa-apa, tolong beritahu saya apa yang harus dilakukan Media keuangan tumbuh dengan menjawab pertanyaan dari investorterer karyawan. Orang yang Bekerja Sendiri: Orang yang wiraswasta pada dasarnya termotivasi oleh kontrol dan melakukannya dengan benar. Perhatikan bahwa saya sering berbicara tentang bagaimana motivasi ini merupakan beberapa bias yang kebanyakan pedagang harus benar dan kebutuhan untuk mengendalikan pasar. Orang wiraswasta adalah keseluruhan sistem. Mereka pada dasarnya berjalan di atas treadmill hanya mereka tidak tahu itu. Dan semakin mereka bekerja, semakin lelah mereka dapatkan. Seperti karyawan, wiraswasta bekerja demi uang. Namun, mereka suka sedikit lebih baik, karena mereka yang bertanggung jawab. Mereka berpikir bekerja lebih keras akan membuat mereka lebih banyak uang dan sampai batas tertentu hal itu terjadi. Tapi kebanyakan, bekerja lebih keras membuat mereka lelah. Namun demikian, mereka terus membungkuk ke depan berpikir bahwa dialah satu-satunya yang bisa melakukannya dengan benar. Seperti yang saya katakan sebelumnya, wiraswasta pada dasarnya adalah sistemnya. Dan cukup sering mereka tidak dapat melihat sistem karena mereka begitu banyak bagian dari itu. Mereka terjebak dalam semua rincian. Selain itu, mereka memiliki kecenderungan kuat untuk berkulit rumit. Mereka selalu mencari perfeksionisme dan mereka percaya bahwa sistem yang sempurna harus rumit. Mereka selalu bertanya, Apa yang akan membuat sistem saya sempurna Banyak orang datang ke perdagangan dari dokter mental, dokter gigi, dan profesional profesional wiraswasta lainnya yang memiliki bisnis kecil mereka sendiri di mana mereka pada dasarnya adalah semua sistem dalam satu. Inilah yang mereka cenderung tahu dan mereka mendekati perdagangan dengan cara yang sama. Mereka terus menambahkan kompleksitas sampai berhasil, meski strategi ini jarang berhasil. Orang wiraswasta cenderung memiliki sistem discretionary yang terus-menerus berubah. Pemilik Bisnis: Seorang pemilik bisnis yang baik harus bisa pergi dari bisnis selama setahun dan kembali untuk menemukannya berjalan lebih baik dari sebelumnya. Meskipun ini adalah tipe pernyataan yang ideal, ia memiliki beberapa kebenaran teoritis untuk itu. Hal ini seharusnya terjadi karena tugas pemilik bisnis adalah merancang sekelompok sistem untuk menjalankan bisnis dengan baik sehingga pegawainya dapat melakukan pekerjaan sendiri (atau setidaknya dengan manajer di tempat). Dengan kata lain, pemilik bisnis adalah seseorang yang mendesain sistem dan sistem ini biasanya sederhana. Pemilik bisnis biasanya melakukannya dengan sangat baik di arena perdagangan jika mereka mendekati proses dengan cara yang sama seperti mereka menjalankan bisnis sebelumnya. Dan, tentu saja, pemilik bisnis biasanya akan mempekerjakan seseorang untuk menjalankan sistem perdagangan mereka, dengan upah jauh lebih rendah. Saat Tom Basso, yang diwawancarai di The New Market Wizards. Melakukan workshop dengan saya, dia selalu menggambarkan dirinya sebagai pebisnis dulu dan trader kedua. Bagian dari perspektif Toms adalah mencari tugas berulang yang harus diulang berulang-ulang oleh seorang manusia. Ketika dia menemukan tugas seperti itu, tugasnya adalah mengembangkan sebuah program untuk mengambil tugas itu dari tangan manusia. Program komputer rutin adalah contoh bagus dari sistem sederhana. Investor: Orang terakhir di kuadran adalah investor. Investor adalah seseorang yang berinvestasi dalam bisnis dan kriteria terpentingnya adalah, Berapa tingkat pengembalian bisnis Dengan kata lain, orang ini terus bertanya, Jika saya memasukkan uang ke dalam investasi ini, kembalinya saya akan kembali. Dapatkan di atasnya Investasi pengembalian yang tinggi (misalnya pengembalian ekuitas yang tinggi) biasanya merupakan bisnis yang baik untuk menghasilkan uang Anda. Robert Kiyosaki menggambarkan ini sebagai kuadran di mana uang diubah menjadi kekayaan. Orang kaya, menurut Kiyosaki, memperoleh 70 dari pendapatan mereka dari investasi dan 30 atau kurang dari pendapatan mereka dari upah. Kebanyakan trader mungkin bukan investor menurut definisi ini. Mereka membeli rendah atau menjual tinggi, perdagangan saham. Akibatnya, ada sesuatu yang harus mereka lakukan untuk menghasilkan uang mereka. Investor, sebaliknya, adalah orang-orang yang biasanya mencari tempat di mana mereka dapat memasukkan uang mereka yang menghasilkan tingkat pengembalian 25 atau lebih tinggi tanpa mereka melakukan sesuatu. Jika Anda tahu bagaimana mendapatkan jenis pengembalian tersebut, Anda ingin mempertahankan investasi tersebut selama mungkin. Banyak saham teknologi tinggi menunjukkan tingkat pertumbuhan pendapatan di atas 25 tahun, dan ketika mereka melakukannya, harga naik secara dramatis karena inilah yang diinginkan investor. Masalah dengan investasi semacam itu adalah mereka tidak dijamin akan berlanjut selamanya. Banyak dari Anda mungkin telah menemukan bahwa dalam beberapa tahun terakhir. Apa itu Sistem Perdagangan Apa yang kebanyakan orang anggap sebagai sistem perdagangan, saya akan memanggil strategi trading. Ini terdiri dari delapan bagian: Saringan pasar S et up conditions A n entry signal Sebuah stop loss kasus terburuk R e-entry bila sesuai Algoritma ukuran posisi, dan Anda memerlukan banyak sistem untuk kondisi pasar yang berbeda. Filter pasar adalah cara untuk melihat pasar untuk menentukan apakah pasar sesuai untuk sistem Anda. Sebagai contoh, kita dapat memiliki pasar tren yang tenang, pasar tren yang berubah-ubah, pasar datar sepi, dan pasar volatile yang datar. Dan, tentu saja, pasar yang sedang tren bisa bullish atau bearish. Sistem Anda mungkin hanya bekerja dengan baik di salah satu kondisi pasar tersebut. Akibatnya, Anda memerlukan filter untuk menentukan apakah sistem Anda memiliki probabilitas kerja yang tinggi. Jika Anda menukar sistem Anda atau tidak, kondisi pemasangan sesuai dengan kriteria penyaringan Anda. Misalnya, jika Anda memperdagangkan saham, ada 7.000 saham yang mungkin Anda putuskan untuk diinvestasikan kapan saja. Akibatnya, kebanyakan orang menggunakan serangkaian kriteria penyaringan untuk mengurangi jumlah tersebut menjadi 50 saham atau kurang. Contoh layar mungkin termasuk kriteria William ONeils CANSLIM 2 atau layar nilai untuk saham dengan PER yang bagus atau rasio PEG yang bagus atau layar mendasar berkaitan dengan manajemen dan pengembalian asetnya. Anda mungkin juga memiliki pengaturan teknis, tepat sebelum masuk seperti melihat stok turun selama tujuh hari berturut-turut. Sinyal masuk akan menjadi sinyal unik yang Anda gunakan pada saham yang memenuhi layar awal Anda untuk menentukan kapan Anda bisa memasukkan posisi baik lama maupun pendek. Ada berbagai macam sinyal yang mungkin digunakan untuk masuk, tapi biasanya melibatkan semacam gerakan ke arah Anda yang terjadi setelah pengaturan tertentu terjadi. Komponen berikutnya dari sistem perdagangan Anda adalah pemberhentian pelindung Anda. Ini adalah kerugian terburuk yang ingin Anda alami dan ini menentukan 1R (atau risiko awal Anda) untuk Anda. Perhentian Anda mungkin merupakan beberapa nilai yang akan membuat Anda bertahan lama (misalnya penurunan 25 harga saham) atau sesuatu yang akan membuat Anda keluar dengan cepat jika pasar berbalik melawan Anda (misalnya penurunan 25 sen) . Pemberhentian pelindung sangat penting. Pasar tidak naik selamanya dan mereka tidak turun selamanya. Anda perlu berhenti untuk melindungi diri Anda sendiri. Seperti yang saya katakan di Trade Your Way To Financial Freedom. Memasuki pasar tanpa pemberhentian pelindung seperti berkendara melewati kota yang mengabaikan lampu merah. Anda mungkin sampai ke tujuan Anda pada akhirnya, tapi peluang Anda untuk melakukannya dengan sukses dan aman sangat ramping. Komponen kelima dari sistem perdagangan adalah strategi masuk kembali Anda. Cukup sering ketika Anda berhenti keluar dari posisi, saham akan berbalik ke arah yang menguntungkan posisi lama Anda. Bila ini terjadi, Anda mungkin memiliki kesempatan sempurna untuk mendapatkan keuntungan yang tidak tercakup dalam kondisi set dan persiapan awal Anda. Akibatnya, Anda juga perlu memikirkan kriteria re-entry. Kapan mungkin Anda ingin kembali ke posisi tertutup Dalam kondisi seperti apakah ini layak dilakukan dan kriteria apa yang akan memicu masuk kembali Anda Komponen keenam dari sistem perdagangan adalah strategi keluar Anda. Strategi keluar bisa sangat sederhana. Misalnya, mungkin hanya ada pemberhentian 25 di mana Anda menyesuaikan penghentian sampai 75 dari harga penutupan setiap kali saham membuat harga tinggi baru. Berhenti selalu disesuaikan, tidak pernah turun. Namun, Anda mungkin memiliki banyak kemungkinan keluar selain berhenti berdampingan. Misalnya, pergerakan volatilitas yang besar (misalnya 1,5 kali volatilitas harian rata-rata) terhadap Anda dalam satu hari adalah jalan keluar yang bagus. Menyeberangi rata-rata pergerakan yang signifikan (misalnya 50 hari) mungkin merupakan jalan keluar yang bagus. Sinyal teknis adalah pintu keluar yang baik (misalnya, melanggar garis tren yang signifikan.) Keluar adalah salah satu komponen yang lebih penting dari sistem Anda. Ini adalah salah satu faktor dalam trading anda dimana anda memiliki kontrol penuh. Dan itu adalah pintu keluar yang mengontrol apakah Anda menghasilkan uang di pasar atau memiliki kerugian kecil. Anda harus menghabiskan banyak waktu dan memikirkan strategi keluar Anda. Komponen ketujuh sistem Anda adalah algoritma ukuran posisi Anda. Ukuran posisi adalah bagian dari sistem Anda yang mengontrol jumlah perdagangan Anda. Ini menentukan berapa banyak saham yang harus Anda beli. Rekomendasi umum adalah terus mempertaruhkan 1 portofolio Anda. Jadi, jika Anda memiliki portofolio 25.000, Anda tidak ingin mengambil risiko lebih dari 250. Katakanlah Anda ingin membeli saham di 10. Anda memutuskan untuk berhenti 25, artinya jika saham turun 25-7,50 Anda akan keluar dari posisi. Karena stop Anda adalah risiko Anda per saham, Anda akan membagi risiko 2,50 menjadi 250 untuk menentukan jumlah saham yang akan dibeli. Sejak 2,50 masuk ke 250 100 kali, Anda akan membeli 100 lembar saham. Perhatikan bahwa Anda akan membeli 1.000 nilai saham (100 saham 10,00 masing-masing) atau empat kali lipat risiko Anda sebesar 250. Hal ini masuk akal karena pemberhentian Anda adalah 25 dari harga pembelian. Dengan demikian, risiko Anda akan menjadi 25 dari total investasi Anda. Jika Anda ingin tahu lebih banyak tentang ukuran posisi, Id menyarankan agar Anda membaca ulasan Merencanakan Jalan Anda menuju Kebebasan Finansial, Panduan Definitif untuk Ukuran Posisi dan Pengantar Posisi Mengukur Kursus E-Learning. Akhirnya, Anda memerlukan beberapa sistem perdagangan untuk setiap jenis pasar. Paling tidak, Anda mungkin memerlukan satu sistem untuk pasar tren dan sistem lain untuk pasar datar. Keseluruhan Sistem Perdagangan: Rencana Bisnis Anda untuk Perdagangan 3 Ingatlah bahwa saya mengatakan bahwa yang kebanyakan orang anggap sebagai sistem perdagangan, hanyalah sebuah strategi perdagangan yang seharusnya menjadi bagian dari rencana bisnis secara keseluruhan. Tanpa rencana bisnis secara keseluruhan, banyak orang masih akan kehilangan uang. Mari kita lihat konteks keseluruhan di mana strategi perdagangan harus dibuat sesuai rencana bisnis Anda. Saya telah banyak menulis tentang masalah ini, oleh karena itu untuk tujuan artikel ini, berikut ini hanyalah gambaran singkat. Berikut adalah ringkasan dari apa yang kami anggap penting untuk rencana trading yang baik: 1) Ringkasan Eksekutif. Ini biasanya bagian terakhir yang ditulis. Ini mengulas semua materi rencana dan menyajikannya dalam bentuk ringkasan. Ini harus menjelaskan secara rinci tujuan dari rencana tersebut dan kemudian secara singkat menggambarkan, tanpa banyak detail, bagaimana tujuan akan tercapai. 2) Uraian Bisnis. Deskripsi bisnis harus mencakup misi bisnis, ikhtisar bisnis dan sejarahnya, produk dan layanan yang Anda berikan (yaitu pertumbuhan modal dan pengendalian risiko sebagai pedagang), operasi Anda, pertimbangan operasional seperti peralatan yang dibutuhkan dan Lokasi lokasi, dan organisasi dan manajemen karyawan Anda (jika ada). Semua topik ini cukup jelas, tapi Anda harus meluangkan waktu untuk menuliskannya sebagai bagian dari rencana Anda. 3) Gambaran dan Persaingan Industri. Dalam ikhtisar industri Anda perlu melihat faktor-faktor yang mempengaruhi pasar. Misalnya, Ed Yardeni di situs webnya mencantumkan sepuluh faktor utama yang mempengaruhi pasar. Ini termasuk ekonomi yang kompetitif secara global, sebuah revolusi dalam inovasi, akses nirkabel ke Internet, perusahaan teknologi rendah yang memiliki akses ke alat teknologi tinggi dan mengubah bisnis mereka sebagai hasilnya, kebutuhan untuk melakukan outsourcing untuk meningkatkan produktivitas, dan banyak tema lainnya. Lihat yardeni untuk informasi lebih lanjut. Selain itu, Anda juga perlu tahu apa persaingan Anda. Siapa yang Anda trading melawan Apa keyakinan mereka Apa keuntungan yang mereka miliki yang Anda tidak Apa keuntungan yang Anda miliki yang mereka tidak 4) Seksi Pengetahuan Diri. Anda perlu mengetahui kekuatan dan kelemahan Anda dan mencantumkannya di bagian ini. Anda perlu tahu bagaimana memanfaatkan kekuatan Anda dan menghindari (atau mengatasi) kelemahan Anda. 5) Rencana Perdagangan Anda Sendiri. Rencana perdagangan taktis harus menjadi bagian dari rencana trading Anda, tapi juga harus mencakup (a) kepercayaan trading Anda yang menjadi dasar rencana Anda, (b) aliansi strategis yang mungkin Anda miliki, dan (c) apa yang Anda rencanakan Lakukan dalam hal pendidikan dan pembinaan. 6) Tepi Trading Anda. Saya percaya rencana trading Anda juga harus mencakup daftar semua sisi perdagangan yang Anda miliki di pasar. Saat Anda mencantumkan tepinya, Anda dapat sering meninjaunya dan memastikan bahwa Anda memanfaatkannya. Misalnya, tepian Anda mungkin mencakup: a) fakta bahwa Anda tidak perlu berdagang, b) pemahaman Anda tentang R-kelipatan dan ukuran posisi (yang memberi orang keunggulan besar dibandingkan mereka yang tidak tahu tentang konsep ini), c) Anda Kemampuan untuk membaca layar tingkat II untuk mendapatkan perdagangan saham unggulan, d) sumber informasi Anda, e) kemampuan Anda untuk merencanakan dengan baik terlebih dahulu sehingga Anda memiliki rencana permainan setiap hari, f) keahlian Anda dalam mengikuti sepuluh tugas perdagangan , G) pengetahuan Anda tentang diri Anda dan kekuatan dan kelemahan Anda. Ini hanyalah contoh dari tepi yang mungkin Anda miliki di atas rata-rata pedagang emas. 7) Informasi Keuangan. Bagian ini harus mencakup tiga bagian. Bagian pertama adalah budget anda. Berapa banyak uang yang anda miliki Berapa biaya proses trading anda Bagian kedua akan menjadi laporan arus kas anda. Apakah rencana Anda masuk akal dalam hal arus kas Dan akhirnya, bagian ketiga akan mencakup laporan laba rugi. Jika Anda tidak memiliki catatan perdagangan, Anda perlu membuat perkiraan berdasarkan pengujian historis dan berdasarkan pada perdagangan kertas. 8) Perencanaan Kontinjensi Terburuk. Hal-hal selalu terjadi yang belum Anda perhitungkan atau rencanakan dalam rencana trading Anda. Bagaimana Anda akan menangani elemen-elemen ini Apa yang akan Anda lakukan jika ada hal-hal ini yang muncul Bagaimana Anda akan membuat keputusan saat elemen-elemen ini muncul Jika Anda menginginkan lebih banyak informasi, saya memiliki buletin Penguasaan Pasar yang ditujukan untuk perencanaan bisnis. Mengembangkan Sistem Saya meninjau kembali wawancara yang saya lakukan dengan LTC Ken Long, seorang ahli sistem dengan Angkatan Darat A. S. Heres apa Ken katakan tentang mengembangkan sistem: Tentukan Siapa Anda. Sebelum Anda melakukan perencanaan atau perancangan sistem, Anda harus benar-benar memahami siapa diri Anda dan tujuan Anda. Investor individu, manajer hedge fund swasta, manajer reksa dana publik, dan manajer kepercayaan akan memiliki dinamika, kerangka waktu, dan profil risiko yang berbeda. Hal ini berkaitan dengan perancangan sistem karena produk akhir harus sesuai dengan keadaan dan dinamika kelompok atau individu. Jika Anda terjun ke perancangan sistem tanpa mempertimbangkan dasar-dasar ini, Anda akan menabur benih masalah masa depan. Tujuan: Dalam perancangan sistem perdagangan, masalahnya adalah menentukan apa yang Anda inginkan agar sistem dapat diselesaikan. Dengan banyak gagasan, kejadian, keadaan dan penyesuaian yang terjadi dalam pengembangan sistem, Anda harus memiliki tujuan Anda yang sejernih dalam pikiran Anda. Jika Anda tidak tahu tujuan Anda, maka jalan lama akan melakukannya. Tujuan memberi Anda dasar untuk membuat pilihan dan memprioritaskan tindakan. Ini bukan untuk mengatakan bahwa tujuan bersifat statis. Sebenarnya, mereka dapat berubah saat Anda menemukan keterbatasan atau keuntungan tak terduga di sistem Anda saat ini matang. Tapi sebelum Anda memulai, Anda harus memiliki seperangkat tujuan dan sasaran awal untuk membimbing Anda. Kalibrasi: Setelah sistem dikerahkan dan dioperasikan, bagian dari proses mengkalibrasi sistem sedang memeriksa untuk melihat apakah tujuannya masih sesuai dengan orang atau organisasi yang Anda miliki. Itulah bagian yang sangat menarik dari perancangan sistem. Saya tidak dapat memberi tahu Anda seberapa sering saya menjadi bagian dari tim desain yang dimulai dengan serangkaian tujuan yang terbatas dan ditemukan di fase membayangkan bahwa dengan menyesuaikan pandangan kami, kami dapat mencapai jauh lebih banyak untuk lebih sedikit. Tapi, Anda harus memulai suatu tempat. Jika Anda tidak memulai dengan tujuan, Anda memutar roda Anda. Saya mengajukan pertanyaan ini ke Ken: Bagian ini sangat penting. Bagaimana Anda tahu jika sistem Anda bekerja atau tidak Bagaimana tolok ukur kinerja Anda Apa kriteria Anda untuk mengetahui bahwa sistem Anda tidak berfungsi Bagaimana Anda akan membuat keputusan saat kriteria ini terpenuhi Apakah Anda memo segalanya atau hanya melakukan penyesuaian ukuran posisi? Pertanyaan-pertanyaan ini sangat penting untuk mengembangkan dan mengoperasikan sistem perdagangan yang baik. Cara Membuat Keputusan Dalam Sistem Heres apa yang dikatakan Ken tentang topik kritis ini: Jika Anda tidak tahu bagaimana Anda akan membuat keputusan sebelumnya, maka Anda pasti harus menyelesaikannya pada saat keputusan sulit pertama. Jika Anda membuat keputusan di tempat, tanpa panduan, Anda memiliki dua masalah: 1) mencari tahu apa yang harus dilakukan dan 2) bagaimana melakukannya. Dan masalah ini harus dihadapi di bawah tekanan besar dan keterbatasan waktu. Yang lebih baik untuk dengan tenang memilah proses pengambilan keputusan terlebih dahulu sehingga mekanisme keputusan disepakati terlebih dahulu. Di Angkatan Darat, tidak ada rencana yang biasanya bertahan dari kontak pertama dengan musuh, jadi tujuan kami dalam perencanaan adalah mengembangkan berbagai alternatif yang dapat diterapkan pada sejumlah skenario. Melalui latihan dan analisis, kita tahu strategi mana yang paling sesuai untuk kondisi tertentu. Tujuan dari pengembangan strategi adalah untuk menyediakan pembuat keputusan dengan menu pilihan yang cukup kuat untuk mencakup berbagai kontinjensi. Pada umumnya pengembangan sistem, kita mencari rencana sederhana dan kuat yang dapat mencakup berbagai kondisi. Bila Anda preplan seperti ini, Anda tidak mencoba memaksa dunia untuk menyesuaikan diri dengan rencana Anda. Jika Anda jatuh cinta dengan strategi dan menjadi investasi emosional dalam membuatnya bekerja tidak peduli apa yang pasar atau dunia katakan, Anda kehilangan kemampuan untuk beradaptasi dan belajar. Contoh dunia nyata untuk sistem perdagangan mungkin adalah pedagang yang memutuskan untuk memeriksa kinerjanya yang sebenarnya setiap bulan terhadap perkiraan sistem yang dihitung, dan menentukan signifikansi statistik variasi tersebut. Dia mungkin memutuskan bahwa setiap hasil yang lebih besar dari satu atau dua standar deviasi adalah sinyal untuk menghentikan perdagangan dan mengkalibrasi ulang sistem atau menegaskan kembali keabsahan model perdagangan dan asumsi dasarnya. Jika harapan sebenarnya mendekati perkiraan harapan, maka trader tahu pasti pada targetnya. Dalam sistem manufaktur modern konsep ini disebut Statistical Process Control. Ini memungkinkan pengontrol sistem mengetahui kapan mesin produksi melayang keluar dari toleransi dan merendahkan kualitas keluaran ke titik di mana jalur dihentikan dan mesinnya diputar ulang. Saya bertanya kepada Ken tentang bagaimana nasehatnya diterapkan mengingat fakta bahwa banyak sistem perdagangan otomatis. Heres bagaimana dia menanggapi: Masalah umum pada era informasi, yang memberi kita berbagai macam sistem pendukung keputusan otomatis yang dapat mengumpulkan data dalam jumlah besar, menganalisis dan mengolahnya, dan memberi kami paket keputusan untuk tindakan berdasarkan kriteria Yang bisa kita tentukan. Saya menggunakan banyak ini. Namun, kunci untuk membuat mereka bekerja adalah memastikan bahwa Anda memahami model bisnis dan logika sistem yang mendasarinya. Bila Anda melakukan sesuatu secara otomatis melalui komputer, Anda perlu memahami apa yang komputer perhitungkan dan filtering. Saya tidak akan menggunakan alat-alat listrik sampai saya tahu bagaimana mereka bekerja dan saya telah menguasai penggunaannya dalam simulasi. Jika Anda telah melakukan semua pekerjaan persiapan yang Anda gambarkan di bengkel desain sistem Anda, 4 dan Anda telah memilih indikator yang memberi Anda sinyal yang tepat untuk membuat keputusan trading Anda, maka hal yang benar adalah bergantung pada sinyal untuk membuat keputusan Anda. keputusan. Kalibrasi berkala sistem, bagaimanapun, masih diperlukan untuk mengkonfirmasi bahwa Anda telah memilih sinyal yang benar dan tindakan Anda benar. Jika Anda belum melakukan pekerjaan itu, mungkin Anda baru saja mengambil indikator panas terbaru dan menggunakannya terlepas dari seberapa tepatnya sistem perdagangan Anda. Jika gagal bekerja seperti yang diiklankan, Anda cenderung membuangnya untuk gagasan panas berikutnya yang menyertainya. Maka Anda bukan seorang pedagang sistem, Anda hanya bereaksi terhadap iklan. 1. Kami memiliki dua edisi buletin kembali di mana kami mewawancarai Tom Basso bagi Anda yang ingin tahu lebih banyak. Hubungi 919-466-0043 untuk informasi lebih lanjut. 2. William ONeil, Cara Menghasilkan Uang Di Saham. New York McGraw-Hill, 1987. 3. Kami memiliki program audio tentang perencanaan bisnis untuk pedagang yang akan membawa Anda melalui pengembangan rencana bisnis. 4. Lokakarya yang dimaksud Ken adalah, Bagaimana Mengembangkan Sistem Perdagangan Unggulan yang Sesuai dengan Lokakarya Anda, yang kami tawarkan satu atau dua kali setiap tahun. Tentang Penulis: Pelatih Perdagangan Dr. Van K Tharp, tampil di buku Wizards Market yang populer. Dikenal luas untuk buku terlarisnya Trade Your Way to Financial Freedom. Super Trader dan Kursus Studi Puncak Pertunjukan Rumah Klasik untuk para pedagang dan investor. Kunjungi dia di vantharp untuk permainan simulasi perdagangan GRATIS atau untuk mendaftar ke buletin mingguan GRATIS-nya. November 30, 2016, 12:34 pm Beberapa bulan yang lalu pembaca mengarahkan saya cara baru untuk menghubungkan R dan Excel. Saya tidak tahu berapa lama ini, tapi saya tidak pernah menemukannya dan saya tidak pernah melihat posting blog atau artikel tentang hal itu. Jadi saya memutuskan untuk menulis sebuah pos sebagai alat itu benar-benar layak dan sebelum ada yang bertanya, saya tidak berhubungan dengan perusahaan dengan cara apa pun. BERT adalah singkatan dari Basic Excel R Toolkit. It8217s gratis (dilisensikan di bawah GPL v2) dan telah dikembangkan oleh Structured Data LLC. Pada saat penulisan versi BERT saat ini adalah 1.07. Informasi lebih lanjut dapat ditemukan di sini. Dari perspektif yang lebih teknis, BERT dirancang untuk mendukung fungsi R dari sel Excel spreadsheet. Dalam istilah Excel, untuk menulis User-Defined Functions (UDFs) di R. Dalam posting ini, saya tidak akan menunjukkan bagaimana R dan Excel berinteraksi melalui BERT. Ada tutorial yang sangat bagus disini. Disini dan disini Sebagai gantinya saya ingin menunjukkan bagaimana saya menggunakan BERT untuk membangun menara 8220control8221 untuk trading saya. Sinyal perdagangan saya dihasilkan dengan menggunakan daftar panjang file R tapi saya memerlukan fleksibilitas Excel untuk menampilkan hasilnya dengan cepat dan efisien. Seperti yang ditunjukkan di atas, BERT bisa melakukan ini untuk saya tapi saya juga ingin menyesuaikan aplikasi dengan kebutuhan saya. Dengan menggabungkan kekuatan XML, VBA, R dan BERT saya bisa membuat aplikasi yang bagus namun bagus dalam bentuk file Excel dengan kode VBA minimum. Pada akhirnya saya memiliki satu file Excel yang mengumpulkan semua tugas yang diperlukan untuk mengelola portofolio saya: update database, pembuatan sinyal, pengiriman pesanan dll8230 Pendekatan saya dapat dipecah dalam 3 langkah di bawah ini: Gunakan XML untuk membangun menu dan tombol yang ditentukan pengguna di Excel mengajukan. Menu dan tombol di atas pada dasarnya adalah panggilan ke fungsi VBA. Fungsi VBA tersebut membungkus fungsi R yang didefinisikan menggunakan BERT. Dengan pendekatan ini, saya dapat membedakan secara jelas antara inti kode saya yang disimpan di R, SQL dan Python dan semua yang digunakan untuk menampilkan dan memformat hasil yang tersimpan di Excel, VBA amp XML. Pada bagian berikutnya saya menyajikan prasyarat untuk mengembangkan pendekatan semacam itu dan panduan langkah demi langkah yang menjelaskan bagaimana BERT dapat digunakan untuk hanya mengirimkan data dari R ke Excel dengan kode VBA minimal. 1 8211 Download dan install BERT dari link ini. Setelah instalasi selesai Anda harus memiliki menu Add-ins baru di Excel dengan tombol seperti gambar di bawah ini. Ini bagaimana BERT terwujud di Excel. 2 8211 Download dan pasang editor UI Ubahsuaian. Editor UI Ubahsuaian memungkinkan untuk membuat menu dan tombol yang ditentukan pengguna di pita Excel. Prosedur langkah demi langkah tersedia di sini. Panduan Langkah demi Langkah 1 8211 R Kode: Fungsi di bawah R adalah potongan kode yang sangat sederhana untuk tujuan ilustrasi saja. Ini menghitung dan mengembalikan residu dari regresi linier. Inilah yang ingin kita ambil di Excel. Simpan ini di file bernama myRCode. R (nama lain baik-baik saja) dalam direktori pilihan Anda. 2 8211 function. R dalam BERT. Dari Excel pilih Add-Ins - gt Home Directory dan buka file yang disebut functions. R. Dalam file ini paste kode berikut. Pastikan Anda memasukkan jalur yang benar. Ini hanya sumber ke file BERT R yang Anda buat di atas. Kemudian simpan dan tutup fungsi file. Jika Anda ingin membuat perubahan pada file R yang dibuat pada langkah 1 Anda harus memuatnya kembali menggunakan tombol BERT 8220Reload Startup File8221 dari menu Add-Ins di Excel 3 8211 Di Excel: Buat dan simpan file bernama myFile. xslm (Nama lain baik-baik saja). Ini adalah file makro-enabled yang Anda simpan di direktori pilihan Anda. Setelah file disimpan, simpanlah. 4 8211 Buka file yang dibuat di atas pada editor UI Ubahsuaian: Setelah file terbuka, tempelkan kode di bawah ini. Anda harus memiliki sesuatu seperti ini di editor XML: Intinya, bagian dari kode XML ini menciptakan menu tambahan (RTrader), grup baru (Grup Saya) dan tombol yang ditetapkan pengguna (Tombol Baru) di pita Excel. Setelah Anda selesai, buka myFile. xslm di Excel dan tutup Custom UI Editor. Anda harus melihat sesuatu seperti ini. 5 8211 Buka editor VBA. Di myFile. xlsm masukkan modul baru. Tempel kode di bawah ini di modul yang baru dibuat. Ini menghapus hasil sebelumnya di lembar kerja sebelum mengatasi masalah yang baru. 6 8211 Klik Tombol Baru. Sekarang kembali ke spreadsheet dan di menu RTrader klik tombol 8220New Button8221. Anda harus melihat sesuatu seperti di bawah ini muncul. Panduan di atas adalah versi yang sangat mendasar dari apa yang dapat dicapai dengan menggunakan BERT namun ini menunjukkan kepada Anda bagaimana menggabungkan kekuatan beberapa alat khusus untuk membuat aplikasi kustom Anda sendiri. Dari perspektif saya, minat pendekatan semacam itu adalah kemampuan untuk merekatkan R dan Excel secara jelas, tetapi juga memasukkan kode XML (dan batch) dari Python, SQL dan banyak lagi. Inilah yang saya butuhkan. Akhirnya saya akan penasaran untuk mengetahui apakah ada yang memiliki pengalaman dengan BERT 19 Agustus 2016, 9:26 am Ketika menguji strategi perdagangan, pendekatan yang umum adalah membagi data awal yang ditetapkan ke dalam data sampel: bagian dari data yang dirancang untuk mengkalibrasi Model dan data sampel: bagian dari data yang digunakan untuk memvalidasi kalibrasi dan memastikan bahwa kinerja yang tercipta dalam sampel akan tercermin dalam dunia nyata. As a rule of thumb around 70 of the initial data can be used for calibration (i. e. in sample) and 30 for validation (i. e. out of sample). Then a comparison of the in and out of sample data help to decide whether the model is robust enough. This post aims at going a step further and provides a statistical method to decide whether the out of sample data is in line with what was created in sample. In the chart below the blue area represents the out of sample performance for one of my strategies. A simple visual inspection reveals a good fit between the in and out of sample performance but what degree of confidence do I have in this At this stage not much and this is the issue. What is truly needed is a measure of similarity between the in and out of sample data sets. In statistical terms this could be translated as the likelihood that the in and out of sample performance figures coming from the same distribution. There is a non-parametric statistical test that does exactly this: the Kruskall-Wallis Test . A good definition of this test could be found on R-Tutor 8220A collection of data samples are independent if they come from unrelated populations and the samples do not affect each other. Using the Kruskal-Wallis Test. we can decide whether the population distributions are identical without assuming them to follow the normal distribution.8221 The added benefit of this test is not assuming a normal distribution. It exists other tests of the same nature that could fit into that framework. The Mann-Whitney-Wilcoxon test or the Kolmogorov-Smirnov tests would perfectly suits the framework describes here however this is beyond the scope of this article to discuss the pros and cons of each of these tests. A good description along with R examples can be found here . Here8217s the code used to generate the chart above and the analysis: In the example above the in sample period is longer than the out of sample period therefore I randomly created 1000 subsets of the in sample data each of them having the same length as the out of sample data. Then I tested each in sample subset against the out of sample data and I recorded the p-values. This process creates not a single p-value for the Kruskall-Wallis test but a distribution making the analysis more robust. In this example the mean of the p-values is well above zero (0.478) indicating that the null hypothesis should be accepted: there are strong evidences that the in and out of sample data is coming from the same distribution. As usual what is presented in this post is a toy example that only scratches the surface of the problem and should be tailored to individual needs. However I think it proposes an interesting and rational statistical framework to evaluate out of sample results. This post is inspired by the following two papers: Vigier Alexandre, Chmil Swann (2007), Effects of Various Optimization Functions on the Out of Sample Performance of Genetically Evolved Trading Strategies, Forecasting Financial Markets Conference Vigier Alexandre, Chmil Swann (2010), An optimization process to improve inout of sample consistency, a Stock Market case, JP Morgan Cazenove Equity Quantitative Conference, London October 2010 December 13, 2015, 2:03 pm Doing quantitative research implies a lot of data crunching and one needs clean and reliable data to achieve this. What is really needed is clean data that is easily accessible (even without an internet connection). The most efficient way to do this for me has been to maintain a set of csv files. Obviously this process can be handled in many ways but I found very efficient and simple overtime to maintain a directory where I store and update csv files. I have one csv file per instrument and each file is named after the instrument it contains. The reason I do so is twofold: First, I don8217t want to download (price) data from Yahoo, Google etc8230 every time I want to test a new idea but more importantly once I identified and fixed a problem, I don8217t want to have to do it again the next time I need the same instrument. Simple yet very efficient so far. The process is summarized in the chart below. In everything that follows, I assume that data is coming from Yahoo. The code will have to be amended for data from Google, Quandl etc8230 In addition I present the process of updating daily price data. The setup will be different for higher frequency data and other type of dataset (i. e. different from prices). 1 8211 Initial data downloading (listOfInstruments. R amp historicalData. R) The file listOfInstruments. R is a file containing only the list of all instruments. If an instrument isn8217t part of my list (i. e. no csv file in my data folder) or if you do it for the very first time you have to download the initial historical data set. The example below downloads a set of ETFs daily prices from Yahoo Finance back to January 2000 and store the data in a csv file. 2 8211 Update existing data (updateData. R) The below code starts from existing files in the dedicated folder and updates all of them one after the other. I usually run this process everyday except when I8217m on holiday. To add a new instrument, simply run step 1 above for this instrument alone. 3 8211 Create a batch file (updateDailyPrices. bat) Another important part of the job is creating a batch file that automates the updating process above (I8217m a Windows user). This avoids opening RRStudio and run the code from there. The code below is placed on a. bat file (the path has to be amended with the reader8217s setup). Note that I added an output file (updateLog. txt) to track the execution. The process above is extremely simple because it only describes how to update daily price data. I8217ve been using this for a while and it has been working very smoothly for me so far. For more advanced data andor higher frequencies, things can get much trickier. As usual any comments welcome August 15, 2015, 9:03 pm The Asset Management industry is on the verge of a major change. Over the last couple of years Robots Advisors (RA) have emerged as new players. The term itself is hard to define as it encompasses a large variety of services. Some are designed to help traditional advisers to better allocate their clients money and some are real 8220black box8221. The user enter a few criteria (age. income, children etc8230) and the robot proposes a tailor-made allocation. Between those two extremes a full range of offers is available. I found the Wikipedia definition pretty good. 8220They are a class of financial adviser that provides portfolio management online with minimal human intervention8221. More precisely they use algorithm-based portfolio management to offer the full spectrum of services a traditional adviser would offer: dividend reinvesting, compliance reports, portfolio rebalancing, tax loss harvesting etc8230 (well this is what the quantitative investment community is doing for decades). The industry is still in its infancy with most players still managing a small amount of money but I only realised how profound the change was when I was in NYC a few days ago. When RA get their names on TV adds or on the roof of NYC cab you know something big is happening8230 it is getting more and more attention from the media and above all it makes a lot of sense from an investor perspective. There are actually two main advantages in using RA: Significantly lower fees over traditional advisers Investment is made more transparent and simpler which is more appealing to people with limited financial knowledge In this post R is just an excuse to present nicely what is a major trend in the asset management industry. The chart below shows the market shares of most popular RA as of the end of 2014. The code used to generate the chart below can be found at the end of this post and the data is here . Those figures are a bit dated given how fast this industry evolves but are still very informative. Not surprisingly the market is dominated by US providers like Wealthfront and Betterment but RA do emerge all over the world: Asia (8Now ), Switzerland (InvestGlass ), France (Marie Quantier )8230. It is starting to significantly affect the way traditional asset managers are doing business. A prominent example is the partnership between Fidelity and Betterment. Since December 2014 Betterment past the 2 billion AUM mark. Despite all the above, I think the real change is ahead of us. Because they use less intermediaries and low commission products (like ETFs) they charge much lower fees than traditional advisers. RA will certainly gain significant market shares but they will also lowers fees charged by the industry as a whole. Ultimately it will affect the way traditional investment firms do business. Active portfolio management which is having a tough time for some years now will suffer even more. The high fees it charges will be even harder to justify unless it reinvents itself. Another potential impact is the rise of ETFs and low commission financial products in general. Obviously this has started a while ago but I do think the effect will be even more pronounced in the coming years. New generations of ETFs track more complex indices and custom made strategies. This trend will get stronger inevitably. As usual any comments welcome July 7, 2015, 8:04 am There are many R time series tutorials floating around on the web this post is not designed to be one of them. Instead I want to introduce a list of the most useful tricks I came across when dealing with financial time series in R. Some of the functions presented here are incredibly powerful but unfortunately buried in the documentation hence my desire to create a dedicated post. I only address daily or lower frequency times series. Dealing with higher frequency data requires specific tools: data. table or highfrequency packages are some of them. xts . The xts package is the must have when it comes to times series in R. The example below loads the package and creates a daily time series of 400 days normaly distributed returns merge. xts (package xts): This is incredibly powerful when it comes to binding two or more times series together whether they have the same length or not. The join argument does the magic it determines how the binding is done apply. yearlyapply. monthly (package xts): Apply a specified function to each distinct period in a given time series object. The example below calculates monthly and yearly returns of the second series in the tsInter object. Note that I use the sum of returns (no compounding) endpoints (package xts): Extract index values of a given xts object corresponding to the last observations given a period specified by on. The example gives the last day of the month returns for each series in the tsInter object using endpoint to select the date. na. locf (package zoo): Generic function for replacing each NA with the most recent non-NA prior to it. Extremely useful when dealing with a time series with a few 8220holes8221 and when this time series is subsequently used as input for an R functions that does not accept arguments with NAs. In the example I create a time series of random prices then artificially includes a few NAs in it and replace them with the most recent value. charts. PerformanceSummary (package PerformanceAnalytics): For a set of returns, create a wealth index chart, bars for per-period performance, and underwater chart for drawdown. This is incredibly useful as it displays on a single window all the relevant information for a quick visual inspection of a trading strategy. The example below turns the prices series into an xts object then displays a window with the 3 charts described above. The list above is by no means exhaustive but once you master the functions describe in this post it makes the manipulation of financial time series a lot easier, the code shorter and the readability of the code better. As usual any comments welcome March 23, 2015, 8:55 pm When it comes to managing a portfolio of stocks versus a benchmark the problem is very different from defining an absolute return strategy. In the former one has to hold more stocks than in the later where no stocks at all can be held if there is not good enough opportunity. The reason for that is the tracking error . This is defined as the standard deviation of the portfolio return minus the benchmark return. The less stocks is held vs. a benchmark the higher the tracking error (e. g higher risk). The analysis that follows is largely inspired by the book 8220Active Portfolio Management8221 by Grinold amp Kahn. This is the bible for anyone interested in running a portfolio against a benchmark. I strongly encourage anyone with an interest in the topic to read the book from the beginning to the end. It8217s very well written and lays the foundations of systematic active portfolio management (I have no affiliation to the editor or the authors). 1 8211 Factor Analysis Here we8217re trying to rank as accurately as possible the stocks in the investment universe on a forward return basis. Many people came up with many tools and countless variant of those tools have been developed to achieve this. In this post I focus on two simple and widely used metrics: Information Coefficient (IC) and Quantiles Return (QR). 1.1 8211 Information Coefficient The horizon for the forward return has to be defined by the analyst and it8217s a function of the strategy8217s turnover and the alpha decay (this has been the subject of extensive research). Obviously ICs must be as high as possible in absolute terms. For the keen reader, in the book by Grinold amp Kahn a formula linking Information Ratio (IR) and IC is given: with breadth being the number of independent bets (trades). This formula is known as the fundamental law of active management . The problem is that often, defining breadth accurately is not as easy as it sounds. 1.2 8211 Quantiles Return In order to have a more accurate estimate of the factor predictive power it8217s necessary to go a step further and group stocks by quantile of factor values then analyse the average forward return (or any other central tendency metric) of each of those quantiles. The usefulness of this tool is straightforward. A factor can have a good IC but its predictive power might be limited to a small number of stocks. This is not good as a portfolio manager will have to pick stocks within the entire universe in order to meet its tracking error constraint. Good quantiles return are characterised by a monotonous relationship between the individual quantiles and forward returns. All the stocks in the SampP500 index (at the time of writing). Obviously there is a survival ship bias: the list of stocks in the index has changed significantly between the start and the end of the sample period, however it8217s good enough for illustration purposes only. The code below downloads individual stock prices in the SampP500 between Jan 2005 and today (it takes a while) and turns the raw prices into return over the last 12 months and the last month. The former is our factor, the latter will be used as the forward return measure. Below is the code to compute Information Coefficient and Quantiles Return. Note that I used quintiles in this example but any other grouping method (terciles, deciles etc8230) can be used. it really depends on the sample size, what you want to capture and wether you want to have a broad overview or focus on distribution tails. For estimating returns within each quintile, median has been used as the central tendency estimator. This measure is much less sensitive to outliers than arithmetic mean. And finally the code to produce the Quantiles Return chart. 3 8211 How to exploit the information above In the chart above Q1 is lowest past 12 months return and Q5 highest. There is an almost monotonic increase in the quantiles return between Q1 and Q5 which clearly indicates that stocks falling into Q5 outperform those falling into Q1 by about 1 per month. This is very significant and powerful for such a simple factor (not really a surprise though8230). Therefore there are greater chances to beat the index by overweighting the stocks falling into Q5 and underweighting those falling into Q1 relative to the benchmark. An IC of 0.0206 might not mean a great deal in itself but it8217s significantly different from 0 and indicates a good predictive power of the past 12 months return overall. Formal significance tests can be evaluated but this is beyond the scope of this article. 4 8211 Practical limitations The above framework is excellent for evaluating investments factor8217s quality however there are a number of practical limitations that have to be addressed for real life implementation: Rebalancing . In the description above, it8217s assumed that at the end of each month the portfolio is fully rebalanced. This means all stocks falling in Q1 are underweight and all stocks falling in Q5 are overweight relative to the benchmark. This is not always possible for practical reasons: some stocks might be excluded from the investment universe, there are constraints on industry or sector weight, there are constraints on turnover etc8230 Transaction Costs . This has not be taken into account in the analysis above and this is a serious brake to real life implementation. Turnover considerations are usually implemented in real life in a form of penalty on factor quality. Transfer coefficient . This is an extension of the fundamental law of active management and it relaxes the assumption of Grinold8217s model that managers face no constraints which preclude them from translating their investments insights directly into portfolio bets. And finally, I8217m amazed by what can be achieved in less than 80 lines of code with R8230 As usual any comments welcome