Empirical Evaluation of Trend Filters and Exit Configurations in a Renko-Based Algorithmic Trading System
यह अध्ययन BTC/USD डेटा पर एक रेन्को-आधारित एल्गोरिद्मिक ट्रेडिंग रणनीति का अनुभवजन्य मूल्यांकन करता है, जिसमें यह पाया गया कि हालांकि सभी छह ट्रेंड-फ़िल्टर कॉन्फ़िगरेशनों ने एक बेस रिवर्स-लॉजिक एग्जिट के साथ सकारात्मक सिम्युलेटेड लाभ दिए, लेकिन वे सभी एक विशिष्ट स्पष्ट जोखिम-प्रबंधन कॉन्फ़िगरेशन के साथ जुड़ने पर घाटे में रहे, जो एग्जिट आर्किटेक्चर के प्रति एक महत्वपूर्ण संवेदनशीलता को उजागर करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
वित्त की दुनिया में, निवेशक लंबे समय से कीमतों की भविष्य की गतिविधियों की भविष्यवाणी करने के लिए एक विश्वसनीय तरीका खोजने की कोशिश कर रहे हैं, और अक्सर अपने अगले कदम के मार्गदर्शन के लिए पिछले पैटर्न के अध्ययन की ओर मुड़ते हैं। यह अभ्यास, जिसे तकनीकी विश्लेषण (टेक्निकल एनालिसिस) कहा जाता है, इस विचार पर निर्भर करता है कि इतिहास बाजार के व्यवहार में खुद को दोहराता है। एक विशिष्ट दृष्टिकोण में मूल्य चार्ट को समय के निरंतर प्रवाह के रूप में नहीं, बल्कि चरणों की एक श्रृंखला के रूप में देखना शामिल है जो केवल तभी दिखाई देते हैं जब कीमत एक निश्चित दूरी तक चलती है। यह विधि, जिसे रेनको (Renko) कहा जाता है, मामूली उतार-चढ़ाव के शोर को छानकर रुझान की वास्तविक दिशा को उजागर करती है। इन रुझानों को और अधिक स्पष्ट बनाने के लिए, व्यापारी अक्सर इसमें "फिल्टर्स" जोड़ते हैं, जो अतिरिक्त नियम हैं जो पुष्टि करते हैं कि क्या कोई हलचल कार्रवाई करने के लिए पर्याप्त मजबूत है। अंत में, प्रत्येक ट्रेडिंग योजना के पास स्थिति से बाहर निकलने का एक तरीका होना चाहिए, जो यह तय करे कि कब लाभ लिया जाए या नुकसान को काटा जाए। चुनौती यह है कि ये तीन हिस्से—चरण-आधारित चार्ट, पुष्टिकरण नियम और निकास रणनीति (एग्जिट स्ट्रैटेजी)—एक साथ कैसे फिट होते हैं। यदि वे सामंजस्य में काम नहीं करते हैं, तो एक प्रणाली जो कागज पर लाभदायक दिखती है, वास्तविकता में बुरी तरह विफल हो सकती है, एक ऐसा जोखिम जो व्यापारियों और शोधकर्ताओं को नए संयोजनों का परीक्षण करने के लिए लगातार प्रेरित करता रहता है।
निरवान यूनिवर्सिटी के शोधकर्ताओं द्वारा किए गए एक हालिया अध्ययन ने यह परीक्षण करने के लिए ठीक यही किया कि ये हिस्से एक कंप्यूटरीकृत ट्रेडिंग सिस्टम के भीतर कैसे परस्पर क्रिया करते हैं। उन्होंने बिटकॉइन के लिए बनाई गई एक विशिष्ट रणनीति पर ध्यान केंद्रित किया, जिसमें एक एकल वर्ष के ऐतिहासिक डेटा का उपयोग करके यह देखा कि विभिन्न नियमों ने कैसा प्रदर्शन किया। शोधकर्ताओं ने अपने परीक्षण के लिए मानक मूल्य चार्ट का उपयोग नहीं किया। इसके बजाय, उन्होंने एक ऐसा सिस्टम बनाया जो आंतरिक रूप से एक रेनको चार्ट बनाता था, जो एक दृश्य प्रतिनिधित्व है जहाँ एक नया "ईंट" (ब्रिक) तभी दिखाई देता है जब कीमत एक विशिष्ट मात्रा में चलती है, चाहे कितना भी समय बीत जाए। फिर उन्होंने इस सिस्टम को एक कंप्यूटर सिमुलेशन के माध्यम से चलाया, जिसमें छह अलग-अलग प्रकार के ट्रेंड फिल्टर्स का परीक्षण किया गया। इन फिल्टर्स में औसत मूल्य को ट्रैक करने, विशिष्ट क्रॉसओवर पैटर्न को देखने और रुझान की ताकत को मापने जैसे तरीके शामिल थे। इन छह फिल्टर्स में से प्रत्येक के लिए, उन्होंने निकास रणनीति के दो अलग-अलग संस्करण चलाए। पहला संस्करण सिस्टम के स्वाभाविक तर्क पर निर्भर था, जो केवल तब ट्रेड बंद करता था जब रुझान स्पष्ट रूप से उलट जाता था। दूसरे संस्करण ने सख्त, निश्चित नियम जोड़े: एक वादा कि यदि कीमत 400 अंक बढ़ती है तो लाभ लिया जाएगा, नुकसान को काटने के लिए 100 अंक का एक हार्ड स्टॉप, और एक ट्रेलिंग स्टॉप जो लाभ को लॉक कर देगा यदि कीमत 100 अंक और ऊपर जाती है।
इन बारह कंप्यूटर प्रयोगों के परिणामों ने एक चौंकाने वाला और सुसंगत पैटर्न प्रकट किया। जब सिस्टम ने अपने प्राकृतिक, रिवर्स-लॉजिक एग्जिट मेथड का उपयोग किया, तो प्रत्येक एक में से छह ट्रेंड फिल्टर्स ने सकारात्मक लाभ दिया। इन सिमुलेशन में, सिस्टम ने फिल्टर के उपयोग के आधार पर लगभग 38,000 से लेकर 3,50,000 डॉलर से अधिक तक का लाभ कमाया। सिस्टम ने हजारों ट्रेड किए, और यहाँ तक कि कम जीत दर वाले ट्रेड भी लाभदायक रहे क्योंकि जीतने वाले ट्रेड नुकसान की भरपाई करने के लिए पर्याप्त बड़े थे। हालांकि, जैसे ही शोधकर्ताओं ने सख्त, निश्चित निकास नियमों पर स्विच किया, परिणाम पूरी तरह से बदल गया। प्रत्येक कॉन्फ़िगरेशन जिसने निश्चित लाभ और हानि लक्ष्यों का उपयोग किया, अंततः घाटे में रहा। इन परिदृश्यों में, सिस्टम ने बहुत जल्दी ट्रेडों से बाहर निकलकर नुकसान में 2,20,000 से 4,00,000 डॉलर तक गंवा दिया। निश्चित नियमों के कारण सिस्टम ने ट्रेडों से बहुत जल्दी बाहर निकलना शुरू कर दिया, जिससे अक्सर संभावित लाभ कट जाते थे, या वास्तविक रुझान विकसित होने से पहले ही मामूली मूल्य हलचल द्वारा स्टॉप आउट हो जाते थे। यह तब हुआ जब कि निश्चित नियम जोखिम प्रबंधन के लिए डिज़ाइन किए गए थे, और इसके परिणामस्वरूप ट्रेडों की संख्या में भारी वृद्धि हुई, जिससे लेनदेन शुल्क बढ़ गया और मुनाफे को और कम कर दिया।
शोधकर्ता इस बात पर जोर देते हैं कि ये निष्कर्ष उनके सिमुलेशन की स्थितियों के लिए विशिष्ट हैं और यह साबित नहीं करते हैं कि एक विधि वास्तविक दुनिया में दूसरी से सार्वभौमिक रूप से बेहतर है। अध्ययन एक विशिष्ट प्रकार के चार्ट प्रतिनिधित्व और एक विशिष्ट अवधि पर किया गया था, और लेखक चेतावनी देते हैं कि ऐसे सिमुलेशन के परिणामों में लाइव ट्रेडिंग से अंतर हो सकता है। वे नोट करते हैं कि उनके द्वारा परीक्षण किए गए निश्चित एग्जिट नियम संख्याओं का केवल एक विशिष्ट सेट थे, और अलग-अलग सेटिंग्स अलग परिणाम दे सकती हैं। मुख्य खोज यह नहीं है कि फिक्स्ड स्टॉप्स बुरे हैं, बल्कि इस विशेष सेटअप में, कठोर नियमों ने रणनीति के स्वाभाविक प्रवाह को बाधित किया। सिस्टम तब अच्छा काम करता था जब उसे रुझानों के स्वाभाविक रूप से मुड़ने तक चलने की अनुमति दी जाती थी, लेकिन जब उसे एक कठोर दूरी-आधारित निकास का पालन करने के लिए मजबूर किया गया, तो वह विफल हो गया। यह उन लोगों के लिए एक महत्वपूर्ण सबक है जो स्वचालित ट्रेडिंग सिस्टम बना रहे हैं: जिस तरह से कोई रणनीति ट्रेड से बाहर निकलने का निर्णय लेती है, वह इस बात जितना ही महत्वपूर्ण है कि वह प्रवेश कैसे करती है, और उस निकास तंत्र को बदलने से पूरे सिस्टम का वित्तीय परिणाम पूरी तरह से बदल सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।