Ahpr Forex

MetaTrader 4 - Trading Mathematics in Trading: Como estimar resultados de comércio Se eu for enganado pela aleatoriedade, melhor ser do tipo lindo (e inofensivo). Nassim N. Taleb Introdução: a matemática é a rainha das ciências É requerido um certo nível de formação matemática de qualquer comerciante, e esta afirmação não precisa de provas. O assunto é apenas: como podemos definir esse nível mínimo exigido. No crescimento de sua experiência comercial, o comerciante geralmente amplia sua visão sozinho, lendo postagens em fóruns ou vários livros. Alguns livros requerem um nível mais baixo de fundo matemático dos leitores, alguns, pelo contrário, inspiram alguém a estudar ou escovar os conhecimentos em um campo de ciências puras ou outro. Vamos tentar dar algumas estimativas e suas interpretações neste único artigo. De Dois Malos Escolha o Menor Existem mais matemáticos no mundo do que comerciantes bem-sucedidos. Esse fato é freqüentemente usado como um argumento por aqueles que se opõem a cálculos ou métodos complexos na negociação. Podemos dizer contra isso que a negociação não é apenas a capacidade de desenvolver regras de negociação (habilidades de análise), mas também a capacidade de observar essas regras (disciplina). Além disso, uma teoria que descreva exatamente os preços nos mercados financeiros ainda não foi criada (acho que nunca será criada). A criação da teoria (descoberta da natureza matemática) dos próprios mercados financeiros significaria a morte desses mercados, que é um paradoxo indecidível, em termos de filosofia. No entanto, se enfrentarmos a questão de se ir ao mercado com uma descrição matemática não bastante satisfatória do mercado ou sem qualquer descrição, escolhemos o menos mal: Escolhemos métodos de estimação de sistemas de negociação. O que é anormalidade da distribuição normal Uma das noções básicas na teoria da probabilidade é a noção de distribuição normal (gaussiana). Por que ele é chamado assim Muitos processos naturais acabaram por ser normalmente distribuídos. Para ser mais exato, os processos mais naturais, no limite, reduzem a distribuição normal. Consideremos um exemplo simples. Suponhamos que tenhamos uma distribuição uniforme no intervalo de 0 a 100. A distribuição uniforme significa que a probabilidade de cair qualquer valor no intervalo e a probabilidade de que 3. 14 (Pi) caia é a mesma que a queda de 77 (meu número favorito Com dois sevens). Os computadores modernos ajudam a gerar uma sequência de número pseudo-aleatório bastante boa. Como podemos obter a distribuição normal desta distribuição uniforme. Acontece que, se tomarmos cada vez vários números aleatórios (por exemplo, 5 números) de uma distribuição única e encontremos o valor médio desses números (isto é chamado para tirar uma amostra ) E se a quantidade de tais amostras for excelente, a distribuição recentemente obtida tenderá a ser normal. O teorema do limite central diz que isso se relaciona não apenas com amostras de distribuições únicas, mas também com uma grande variedade de outras distribuições. Uma vez que as propriedades da distribuição normal foram estudadas muito bem, será muito mais fácil analisar processos se forem representados como um processo com distribuição normal. No entanto, ver é acreditar, para que possamos ver a confirmação deste teorema do limite central usando um indicador MQL4 simples. Deixe-nos lançar este indicador em qualquer gráfico com diferentes valores de N (quantidade de amostras) e verifique se a distribuição de freqüência empírica se torna mais suave e suave. Figura 1. Indicador que cria uma distribuição normal de um uniforme. Aqui, N significa quantas vezes usamos a média dos números uniformemente distribuídos da pilha5 no intervalo de 0 a 100. Obtivemos quatro gráficos, de aparência muito semelhante. Se os normalizarmos de alguma forma no limite (adjunto a uma única escala), obteremos várias realizações da distribuição normal padrão. A única mosca nesta pomada é que o preço nos mercados financeiros (para ser mais exato, incrementos de preços e outros derivativos desses incrementos), em geral, não se enquadra na distribuição normal. A probabilidade de um evento bastante raro (por exemplo, de redução de preços em 50) nos mercados financeiros é, enquanto baixa, mas ainda consideravelmente maior do que na distribuição normal. É por isso que se deve lembrar disso ao estimar os riscos com base na distribuição normal. Quantidade transformada em qualidade Mesmo este exemplo simples de modelagem de distribuição normal mostra que a quantidade de dados a serem processados ​​conta para muito. Quanto mais dados iniciais existem, mais preciso e válido é o resultado. O número mais pequeno na amostra é considerado superior a 30. Isso significa que, se quisermos estimar os resultados das negociações (por exemplo, um consultor especialista no testador), a quantidade de negócios abaixo de 30 é insuficiente para tornar estatisticamente confiável Conclusões sobre alguns parâmetros do sistema. Quanto mais negociações analisamos, menos a probabilidade é que esses negócios sejam apenas elementos felizmente arrebatados de um sistema comercial não muito confiável. Assim, o lucro final em uma série de 150 negócios oferece mais motivos para colocar o sistema em serviço do que um sistema estimado em apenas 15 negócios. Expectativa matemática e dispersão como estimativa de risco As duas características mais importantes de uma distribuição são a expectativa matemática (média) e a dispersão. A distribuição normal padrão tem uma expectativa matemática igual a zero. Com isso, o centro de distribuição também está localizado em zero. A platidez ou inclinação da distribuição normal é caracterizada pela medida da propagação de um valor aleatório dentro da área de expectativa matemática. É a dispersão que nos mostra como os valores se espalham sobre os valores aleatórios da expectativa matemática. A expectativa matemática pode ser encontrada de forma muito simples: para conjuntos contáveis, todos os valores de distribuição são resumidos, sendo a soma obtida dividida pela quantidade de valores. Por exemplo, um conjunto de números naturais é infinito, mas contabilizável, pois cada valor pode ser agrupado com seu índice (número de ordem). Para conjuntos não contáveis, a integração será aplicada. Para estimar a expectativa matemática de uma série de negócios, resumiremos todos os resultados do comércio e dividiremos o montante obtido pela quantidade de negócios. O valor obtido mostrará o resultado médio esperado de cada comércio. Se a expectativa matemática é positiva, nós ganhamos em média. Se for negativo, perdemos em média. Figura 2. Gráfico da densidade de probabilidade da distribuição normal. A medida da disseminação da distribuição é a soma de desvios quadrados do valor aleatório de sua expectativa matemática. Essa característica da distribuição é chamada de dispersão. Normalmente, a expectativa matemática para um valor distribuído aleatoriamente é denominada M (X). Então a dispersão pode ser descrita como D (X) M ((X-M (X)) 2). A raiz quadrada da dispersão é chamada de desvio padrão. Também é definido como sigma (). É uma distribuição normal com expectativa matemática igual a zero e desvio padrão igual a 1 que se denomina distribuição normal ou gaussiana. Quanto maior o valor do desvio padrão, quanto maior for o capital comercial, maior será o risco. Se a expectativa matemática for positiva (uma estratégia rentável) e igual a 100 e se o desvio padrão for igual a 500, arriscamos uma soma, que é várias vezes maior, para ganhar cada dólar. Por exemplo, temos os resultados de 30 trades: para encontrar a expectativa matemática para esta seqüência de negócios, vamos resumir todos os resultados e dividir isso em 30. Obteremos valor médio M (X) igual a 4.26. Para encontrar o desvio padrão, deixe-nos subtrair a média de cada resultado de negociação, quadrúplicar e encontrar a soma de quadrados. O valor obtido será dividido por 29 (a quantidade de negociações menos uma). Então, obteremos a dispersão D igual a 9 353.623. Tendo gerado raiz quadrada da dispersão, obtemos desvio padrão, sigma, igual a 96,71. Os dados de verificação são dados na tabela abaixo: (X-M (X)) 2 (Praça da Diferença) O que obtivemos é a expectativa matemática igual a 4,26 e desvio padrão de 96,71. Não é a melhor relação entre o risco e o comércio médio. O gráfico de lucro abaixo confirma isso: Fig.3. Gráfico de saldo para negociações feitas. Eu negoço aleatoriamente Z-Score A própria suposição que o lucro obtido como resultado de uma série de negócios é sons aleatórios sardonicamente para a maioria dos comerciantes. Tendo passado muito tempo buscando um sistema de negociação bem-sucedido e observou que o sistema encontrado já resultou em alguns lucros reais em um período de tempo bastante limitado, o comerciante supõe ter encontrado uma abordagem adequada ao mercado. Como ele pode assumir que tudo isso era apenas uma aleatoriedade. Isso é um pouco grosso, especialmente para novatos. No entanto, é essencial estimar os resultados de forma objetiva. Neste caso, a distribuição normal, novamente, vem ao resgate. Não sabemos o que haverá cada resultado de negociação. Só podemos dizer que ganhamos lucro () ou nos encontramos com perdas (-). Os lucros e perdas alternam de diferentes maneiras para diferentes sistemas de negociação. Por exemplo, se o lucro esperado for 5 vezes menor que a perda esperada ao desencadear o Stop Loss, seria razoável presumir que os negócios lucrativos (trades) prevalecerão significativamente sobre os perdedores (- trades). Z - Score nos permite estimar a frequência com que os negócios lucrativos são alternados com os perdedores. Z para um sistema de negociação é calculado pela seguinte fórmula: onde: N - quantidade total de negociações em uma série R - quantidade total de séries de negociações rentáveis ​​e perdidas P 2WL W - quantidade total de negócios lucrativos na série L - valor total De perder trocas na série. Uma série é uma seqüência de vantagens seguidas umas às outras (por exemplo,) ou desvios seguidos um para o outro (por exemplo, -). R conta a quantidade de tais séries. Fig.4. Comparação de duas séries de lucros e perdas. Na Fig. 4, uma parte da sequência de lucros e perdas do Consultor Especialista que assumiu o primeiro lugar no Automated Trading Championship 2006 é mostrada em azul. Z-score de sua conta de competição tem o valor de -3,85, a probabilidade de 99,74 é entre parênteses. Isso significa que, com uma probabilidade de 99,74, os negócios nesta conta tiveram uma dependência positiva entre eles (Z-score é negativo): um lucro foi seguido por um lucro, uma perda foi seguida por uma perda. Este é o caso. Aqueles que estavam assistindo o Campeonato provavelmente lembrariam que Roman Rich colocou sua versão do Consultor Expert MACD que freqüentemente abriu três negociações correndo na mesma direção. Uma sequência típica de valores positivos e negativos do valor aleatório na distribuição normal é mostrada em vermelho. Podemos ver que essas seqüências diferem. No entanto, como podemos medir essa diferença, o Z-score responde a esta pergunta: sua sequência de lucros e perdas contém mais ou menos tiragens (séries lucrativas ou perdidas) do que você pode esperar para uma seqüência realmente aleatória sem qualquer dependência entre trades Se o Z - score é próximo a zero, não podemos dizer que a distribuição de comércio difere da distribuição normal. A pontuação Z de uma seqüência de negociação pode nos informar sobre a possível dependência entre negociações consecutivas. Com isso, os valores de Z são interpretados da mesma maneira que a probabilidade de desvio de zero de um valor aleatório distribuído de acordo com a distribuição normal padrão (média0, sigma1). Se a probabilidade de cair um valor aleatório normalmente distribuído dentro do intervalo de 3 é 99,74, a queda desse valor fora deste intervalo com a mesma probabilidade de 99,74 nos informa que esse valor aleatório não pertence a essa distribuição normal dada. É por isso que a regra de 3 sigma é lida da seguinte forma: um valor aleatório normal desvia-se da sua média em apenas uma distância de 3 sigma. O sinal de Z nos informa sobre o tipo de dependência. Além disso, é muito provavelmente que o comércio lucrativo será seguido por uma perda. Minus diz que o lucro será seguido por um lucro, uma perda será seguida por uma perda novamente. Uma pequena tabela abaixo ilustra o tipo e a probabilidade de dependência entre os negócios em comparação com a distribuição normal. Probabilidade de Dependência, Tipo de Dependência Uma dependência positiva entre negócios significa que um lucro causará um novo lucro, enquanto que uma perda causará uma nova perda. Uma dependência negativa significa que um lucro será seguido por uma perda, enquanto que a perda será seguida por um lucro. A dependência encontrada nos permite regular os tamanhos de posições a serem abertas (idealmente) ou mesmo pular algumas delas e abri-las apenas praticamente para assistir as seqüências comerciais. Retornos do período de retenção (HPR) Em seu livro, The Mathematics of Money Management. Ralph Vince usa a noção de HPR (retornos do período de espera). Um comércio resultou em lucro de 10 tem o HPR10.101.10. Um comércio resultou em uma perda de 10 com o HPR1-0. 100.90. Você também pode obter o valor da HPR para uma negociação, dividindo o valor do saldo depois que o comércio foi fechado (BalanceClose) pelo valor do saldo na abertura do trade (BalanceOpen). HPRBalanceCloseBalanceOpen. Assim, cada comércio tem um resultado em termos de dinheiro e um resultado expresso como HPR. Isso nos permitirá comparar sistemas de forma independente sobre o tamanho dos contratos negociados. Um dos índices utilizados em tal comparação é a média aritmética, AHPR (período de espera médio retorna). Para encontrar o AHPR, devemos resumir todos os HPRs e dividir o resultado pela quantidade de trades. Vamos considerar estes cálculos usando o exemplo acima de 30 trades. Suponhamos que começamos a negociar com 500 na conta. Vamos fazer uma nova tabela: AHPR será encontrado como a média aritmética. É igual a 1.0217. Em outras palavras, ganhamos em média (1.0217-1) 1002.17 em cada comércio. É este o caso Se multiplicarmos 2.17 por 30, veremos que a renda deve fazer 65,1. Vamos multiplicar o valor inicial de 500 por 65.1 e obter 325.50. Ao mesmo tempo, o lucro real faz (627.71-500) 50010025.54. Assim, a média aritmética da HPR nem sempre nos permite estimar um sistema corretamente. Junto com a média aritmética, Ralph Vince introduz a noção de média geométrica que devemos chamar GHPR (retornos do período de espera geométrico), que é praticamente sempre menor que o AHPR. A média geométrica é o fator de crescimento por jogo e é encontrada pela seguinte fórmula: onde: N - quantidade de negociações BalanceOpen - estado inicial da conta BalanceClose - estado final da conta. O sistema que possui o GHPR maior será o maior lucro se negociarmos com base no reinvestimento. O GHPR abaixo de um significa que o sistema perderá dinheiro se negociarmos com base no reinvestimento. Uma boa ilustração da diferença entre AHPR e GHPR pode ser o histórico da conta sashkens. Ele foi o líder dos campeonatos há muito tempo. AHPR 9.98 impressiona, mas o GHPR-27.68 final coloca tudo em perspectiva. Razão Sharpe A eficiência dos investimentos é muitas vezes estimada em termos de dispersão de lucros. Um desses índices é Sharpe Ratio. Este índice mostra como AHPR diminuiu pela taxa livre de risco (RFR) refere-se ao desvio padrão (SD) da sequência HPR. O valor do RFR geralmente é considerado igual à taxa de juros em depósito no banco ou taxa de juros sobre obrigações de tesouraria. No nosso exemplo, AHPR1.0217, SD (HPR) 0.17607, RFR0. Onde: AHPR - período de espera médio retorna RFR - taxa livre de risco SD - desvio padrão. Sharpe Ratio (1.0217- (10)) 0.176070.02170.176070.1232. Para distribuição normal, mais de 99 dos valores aleatórios estão dentro do intervalo de 3 (sigmaSD) sobre o valor médio M (X). Segue-se que o valor de Sharpe Ratio superior a 3 é muito bom. Na Fig. 5 abaixo, podemos ver isso, se os resultados do comércio são distribuídos normalmente e Sharpe Ratio3, a probabilidade de perder é inferior a 1 por comércio de acordo com a regra de 3 sigma. Fig.5. Distribuição normal dos resultados do comércio com a probabilidade perdedora de menos de 1. A conta do participante chamado RobinHood confirma isso: sua EA fez 26 negociações no Automated Trading Championship 2006 sem perder uma entre elas. Razão Sharpe3.07 Regressão Linear (LR) e Coeficiente de Correlação Linear (CLC) Existe também outra maneira de estimar a estabilidade dos resultados comerciais. Sharpe Ratio nos permite estimar o risco que o capital está executando, mas também podemos tentar estimar o grau de equilíbrio da curva de equilíbrio. Se importamos os valores de equilíbrio no fechamento de cada comércio, poderemos desenhar uma linha quebrada. Esses pontos podem ser equipados com uma certa linha reta que nos mostrará a direção média das mudanças de capital. Consideremos um exemplo desta oportunidade usando o gráfico de saldo do Expert Advisor Phoenix4 desenvolvido por Hendrick. FIG. 6. Gráfico de saldo de Hendrick, Participante do Automated Trading Championship 2006. Devemos encontrar esses coeficientes a e b que esta linha seja o mais próxima possível dos pontos que estão sendo instalados. No nosso caso, x é o número comercial, y é o valor do saldo no fechamento do comércio. Os coeficientes de uma aproximação direta são geralmente encontrados pelo método dos mínimos quadrados (método LS). Suponhamos que tenhamos esse direito com coeficientes conhecidos e b. Para cada x, temos dois valores: y (x) axb e balance (x). O desvio do equilíbrio (x) de y (x) será denotado como d (x) y (x) - balance (x). SSD (soma de desvios quadrados) pode ser calculado como SDSumm. Encontrar o método direto por LS significa procurar por a e b que SD é mínimo. Este recto também é chamado de regressão linear (LR) para a sequência dada. FIG. 7. Desvio do valor do equilíbrio da linha reta do yaxb Tendo obtido os coeficientes da linha direta de yaxb usando o método LS, podemos estimar o desvio do valor do saldo em relação ao recheado em termos monetários. Se calcularmos a média aritmética para a seqüência d (x), estaremos certos de que (d (x)) é próximo de zero (para ser mais exato, é igual a zero para algum grau de precisão de cálculo). Ao mesmo tempo, o SSD de SD não é igual a zero e tem um certo valor limitado. A raiz quadrada de SD (N-2) mostra a propagação de valores no gráfico de saldo sobre a linha reta e permite estimar sistemas de negociação em valores idênticos ao estado inicial da conta. Ligaremos para este parâmetro LR Standard Error. Abaixo estão os valores deste parâmetro para as primeiras 15 contas no Automated Trading Championship 2006: LR Standard Error, No entanto, o grau de aproximação do gráfico do saldo para um straight pode ser medido em termos de dinheiro e termos absolutos. Para isso, podemos usar a taxa de correlação. A taxa de correlação, r, mede o grau de correlação entre duas seqüências de números. Seu valor pode estar dentro do intervalo de -1 a 1. Se r1, significa que duas seqüências têm comportamento idêntico e a correlação é positiva. FIG. 8. Exemplo de correlação positiva. Se r-1, as duas seqüências mudam de oposição, a correlação é negativa. FIG. 9. Exemplo de correlação negativa. Se r0, isso significa que não existe nenhuma dependência entre as seqüências. Deve-se enfatizar que r0 não significa que não haja correlação entre as seqüências, apenas diz que essa correlação não foi encontrada. Isso deve ser lembrado. No nosso caso, temos que comparar duas seqüências de números:, -. FIG. 10. Valores de equilíbrio e pontos na regressão linear. Abaixo está a representação da tabela dos mesmos dados: designa valores de equilíbrio como X e a seqüência de pontos na linha de regressão direta como Y. Para calcular o coeficiente de correlação linear entre as seqüências X e Y, é necessário encontrar valores médios M (X) e M (Y) primeiro. Então, vamos criar uma nova seqüência T (XM (X)) (YM (Y)) e calcular seu valor médio como M (T) cov (X, Y) M ((XM (X)) (YM (Y)) ). O valor encontrado de cov (X, Y) é denominado covariância de X e Y e significa expectativa matemática do produto (X-M (X)) (Y-M (Y)). Para o nosso exemplo, o valor da covariância é 21 253 775.08. Observe que M (X) e M (Y) são iguais e têm o valor de 21 382,26 cada. Isso significa que o valor médio da Equilíbrio e a média da linha reta são iguais. Onde: X - Balanço Y - regressão linear M (X) - Valor médio de equilíbrio M (Y) - Valor médio LR. O único que resta ser feito é o cálculo de Sx e Sy. Para calcular Sx, encontraremos a soma de valores de (X-M (X)) 2, isto é, encontre o SSD de X a partir do seu valor médio. Lembre-se de como calculamos a dispersão e o algoritmo do método LS. Como você pode ver, eles estão todos relacionados. O SSD encontrado será dividido pela quantidade de números na sequência - no nosso caso, 36 (de zero a 35) - e extrai a raiz quadrada do valor resultante. Então obtivemos o valor de Sx. O valor de Sy será calculado da mesma maneira. No nosso exemplo, Sx5839. 098245 e Sy4610. 181675. Onde: N - quantidade de negociações X - Saldo Y - regressão linear M (X) - Valor médio de equilíbrio M (Y) - Valor médio de LR. Agora podemos encontrar o valor do coeficiente de correlação como r21 253 775.08 (5839 0982454610. 181675) 0.789536583. Isto está abaixo de um, mas longe de zero. Assim, podemos dizer que o gráfico do saldo se correlaciona com a linha de tendências avaliada como 0,79. Em comparação com outros sistemas, gradualmente aprenderemos a interpretar os valores do coeficiente de correlação. Na página Relatórios do Campeonato, este parâmetro é chamado de correlação LR. A única diferença feita para calcular este parâmetro dentro do quadro do Campeonato é que o sinal de correlação LR indica a rentabilidade comercial. A questão é que podemos calcular o coeficiente de correlação entre o gráfico do saldo e qualquer direto. Para fins do Campeonato, foi calculado para a linha de tendência ascendente, portanto, se a correlação LR for acima de zero, a negociação é lucrativa. Se estiver abaixo de zero, está perdendo. Às vezes, um efeito interessante ocorre onde a conta salva lucro, mas a correlação LR é negativa. Isso pode significar que a negociação está perdendo, mesmo assim. Um exemplo dessa situação pode ser visto em Avers. O Lucro Líquido Total faz 2 642, enquanto LR orrelation é -0,11. Provavelmente não há correlação, neste caso. Isso significa que simplesmente não conseguimos avaliar o futuro da conta. MAE e MFE nos direm muito Muitas vezes somos avisados: reduzir as perdas e deixar crescer o lucro. Olhando para os resultados finais do comércio, não podemos tirar conclusões sobre se o protetor pára (Stop Loss) está disponível ou se a fixação do lucro é efetiva. Só vemos a data de abertura do cargo, a data de encerramento e o resultado final - um lucro ou uma perda. Isto é como julgar sobre uma pessoa por suas datas de nascimento e morte. Sem saber sobre lucros flutuantes durante toda a vida comercial e sobre todas as posições como um total, não podemos julgar a natureza do sistema comercial. Quão arriscada é? Como foi alcançado o lucro? O lucro do papel perdeu As respostas a essas perguntas podem ser bastante bem fornecidas pelos parâmetros MAE (Excursão adversa máxima) e MFE (Excursão máxima favorável). Todas as posições abertas (até que seja fechada) continuamente experimentam flutuações nos lucros. Todo comércio atingiu seu lucro máximo e sua perda máxima durante o período entre a abertura e o fechamento. MFE mostra o movimento máximo de preços em uma direção favorável. Respectivamente, MAE mostra o movimento de preço máximo em uma direção adversa. Seria lógico medir ambos os índices nos pontos. No entanto, se os diferentes pares de moedas fossem negociados, teremos que expressá-lo em termos de dinheiro. Todo comércio fechado corresponde ao resultado (retorno) e a dois índices - MFE e MAE. Se o comércio resultou em lucro de 100, MAE atingindo -1000, isso não fala melhor para estes negócios. A disponibilidade de muitas negociações resultou em lucros, mas com grandes valores negativos de MAE por comércio, nos informa que o sistema apenas senta posições perdedoras. Essa negociação está pronta para falhar mais cedo ou mais tarde. Da mesma forma, os valores do MFE podem fornecer algumas informações úteis. Se uma posição foi aberta na direção certa, o MFE por comércio atingiu 3000, mas o comércio foi fechado, resultando no lucro de 500, podemos dizer que seria bom elaborar o sistema de proteção de lucros unfixed. Isso pode ser Trailing Stop, podemos nos mover depois do preço se o último se mover em uma direção favorável. Se os lucros curtos são sistemáticos, o sistema pode ser significativamente melhorado. O MFE nos informará sobre isso. Para que a análise visual seja mais conveniente, seria melhor usar a representação gráfica da distribuição de valores de MAE e MFE. Se importamos cada comércio em um gráfico, veremos como o resultado foi obtido. Por exemplo, se tivermos outro olhar sobre os Relatórios de RobinHood, que não tiveram nenhum tipo de negociação perdida, veremos que cada negociação teve uma redução (MAE) de -120 para -2500. FIG. 11. Distribuição de negócios no plano de MAExReturns Além disso, podemos desenhar uma linha direta para ajustar a distribuição Return x MAE usando o método LS. Na Fig. 11, é mostrado em vermelho e tem uma inclinação negativa (os valores diretos diminuem quando se deslocam da esquerda para a direita). Parameter Correlation (Lucros, MAE) -0,59 nos permite estimar o quão perto dos pontos diretos são distribuídos no gráfico. O valor negativo mostra a inclinação negativa da linha de montagem. Se você olhar através de outras contas Participantes, você verá que o coeficiente de correlação geralmente é positivo. No exemplo acima, a inclinação descendente da linha nos diz que ela tende a obter mais e mais rebaixos para não permitir a perda de trades. Agora, podemos entender o preço pago pelo valor ideal do parâmetro LR Correlation1. De forma semelhante, podemos construir um gráfico de distribuição de Retornos e MFE, além de encontrar os valores de Correlação (Multas), 0.77 e Correlação (MFE, MAE) -0,59. Correlação (lucros, MFE) é positiva e tende a um (0,77). Isso nos informa que a estratégia tenta não permitir longas sessões de lucros flutuantes. É mais provável que o lucro não seja permitido crescer o suficiente e os negócios sejam fechados pelo Take Profit. Como você pode ver, as distribuições do MAE e do MFE nos dão uma estimativa visual e os valores de Correlação (Lucros, MFE) e Correlação (Lucros, MAE) podem nos informar sobre a natureza da negociação, mesmo sem gráficos. Valores de Correlação (MFE, MAE), Correlação (NormalizedProfits, MAE) e Correlação (NormalizedProfits, MFE) nos Participantes do Campeonato Os relatórios são fornecidos como informações adicionais. Normalização de resultados comerciais No desenvolvimento de sistemas de negociação, geralmente eles usam tamanhos fixos para posições. Isso permite uma otimização mais fácil dos parâmetros do sistema para encontrar aqueles mais ótimos em determinados critérios. No entanto, depois que as entradas foram encontradas, a questão lógica ocorre: o sistema de gerenciamento de dimensionamento (Money Management, MM) deve ser aplicado. O tamanho das posições abertas relaciona-se diretamente com a quantia de dinheiro na conta, por isso não seria razoável negociar na conta com 5.000 da mesma forma que naquela com 50 000. Além disso, um sistema pode abrir posições, que Não são diretamente proporcionais. Quero dizer, uma posição aberta na conta com 50 000 não deve ser necessariamente 10 vezes mais do que a aberta em um depósito de 5 000. Os tamanhos de posição também podem variar de acordo com a atual fase de mercado, com os resultados das últimas análises de negócios, e assim por diante. Assim, o sistema de gerenciamento de dinheiro aplicado pode essencialmente alterar a aparência inicial de um sistema de negociação. Como podemos estimar o impacto do sistema de gerenciamento de dinheiro aplicado. Era útil ou simplesmente piorava os lados negativos da nossa abordagem comercial? Como podemos comparar os resultados do comércio em várias contas com o mesmo tamanho de depósito no início? Uma possível solução Seria a normalização dos resultados do comércio. Onde: TradeProfit - lucro por comércio em termos de dinheiro TradeLots - tamanho da posição (lotes) Lotes Mínimos - tamanho mínimo permitido da posição. A normalização será realizada da seguinte forma: dividiremos cada resultado de negociação (lucro ou perda) pelo volume da posição e depois multiplicaremos pelo tamanho mínimo permitido da posição. Por exemplo, ordem 4399142 COMPRAR 2,3 lotes USDJPY foi fechado com o lucro de 4 056. 20 118,51 (swaps) 4 174,71. Este exemplo foi tirado da conta de GODZILLA (Nikolay Kositsin). Permite dividir o resultado em 2.3 e multiplicar por 0.1 (o tamanho de posição mínimo permitido) e obter um lucro de 4 056.202.3 0.1 176.36 e swaps 5.15. Estes seriam resultados para a ordem de 0.1-tamanho do lote. Deixe-nos fazer o mesmo com os resultados de todos os negócios e, em seguida, obteremos lucros normalizados (NP). A primeira coisa que pensamos é encontrar valores de Correlação (NormalizedProfits, MAE) e Correlação (NormalizedProfits, MFE) e compará-los à Correlação inicial (Benefícios, MAE) e Correlação (Lucros, MFE). Se a diferença entre parâmetros é significativa, o método aplicado provavelmente mudou o sistema inicial essencialmente. Eles dizem que a aplicação de pode matar um sistema rentável, mas não pode transformar um sistema perdedor em um lucrativo. No Campeonato, a conta da TMR é uma exceção rara, onde o valor de Correlação (NormalizedProfits, MFE) mudando de 0.23 a 0.63 permitiu que o comerciante fechasse em preto. Como podemos estimar a agressividade das estratégias Podemos beneficiar ainda mais das trocas normalizadas na mensuração de como o método de MM aplicado influenciou a estratégia. É óbvio que o aumento do tamanho das posições 10 vezes fará com que o resultado final seja diferente do inicial 10 vezes. E se mudarmos o tamanho do comércio não por um determinado número de vezes, mas dependendo dos desenvolvimentos atuais, os resultados obtidos pelas empresas de gerenciamento de confiança geralmente são comparados a um determinado modelo, geralmente, a um índice de ações. O Coeficiente Beta mostra por quantas vezes o depósito da conta muda em relação ao índice. Se tomarmos negociações normalizadas como um índice, poderemos saber quanto mais volátil os resultados se tornaram em comparação com o sistema inicial (negociações de lote de 0,1). Assim, antes de tudo, calculamos a covariância - cov (Lucros, NormalizedProfits). Então calculamos a dispersão de tradições normalizadas que nomeiam a sequência de negociações normalizadas como NP. Para isso, calcularemos a expectativa matemática de negócios normalizados denominados M (NP). M (NP) mostra o resultado médio do comércio para negociações normalizadas. Então, encontraremos o SSD de negociações normalizadas de M (NP), ou seja, resumiremos (NP-M (NP)) 2. O resultado obtido será dividido pela quantidade de trades e nome D (NP). Esta é a dispersão dos negócios normalizados. Permite dividir a covariância entre o sistema sob medição, Lucros e o índice ideal, NormalizedProfits cov (Profits, NormalizedProfits), pela dispersão do índice D (NP). O resultado será o valor do parâmetro que nos permitirá estimar em quantas vezes mais volátil o capital é que os resultados das negociações originais (negociações no Campeonato) em comparação com os negócios normalizados. Esse parâmetro é chamado Money Compounding nos Relatórios. Ele mostra o nível de agressão comercial até certo ponto. Onde: lucros - resultados comerciais NP - resultados de comércio normalizados M (NP) - valor médio dos negócios normalizados. O erro padrão LR nas contas dos vencedores não foi o menor. Ao mesmo tempo, os gráficos de equilíbrio dos consultores de especialistas mais lucrativos eram bastante suaves, pois os valores de Correlação LR não estão longe de 1,0. The Sharpe Ratio lied basically within the range of 0.20 to 0.40. The only EA with extremal Sharpe Ratio3.07 turned not to have very good values of MAE and MFE. The GHPR per trade is basically located within the range from 1.5 to 3. At that, the Winners did not have the largest values of GHPR, though not the smallest ones. Extreme value GHPR12.77 says us again that there was an abnormality in trading, and we can see that this account experienced the largest fluctuations with LR Standard error9 208.08. Z-score does not give us any generalizations about the first 15 Championship Participants, but values of Zgt2.0 may draw our attention to the trading history in order to understand the nature of dependence between trades on the account. Thus, we know that Z-3.85 for Richs account was practically reached due to simultaneous opening of three positions. And how are things with ldamianis account Finally, the last column in the above table, Money Compounding, also has a large range of values from 8 to 50, 50 being the maximal value for this Championship since the maximal allowable trade size made 5.0 lots, which is 50 times more than the minimal size of 0.1 lot. However, curiously enough, this parameter is not the largest at Winners. The Top Threes values are 17.27, 28.79 and 16.54. Did not the Winners fully used the maximal allowable position size Yes, they did. the matter is, perhaps, that the MM methods did not considerably influence trading risks at general increasing of contract sizes. This is a visible evidence of that money management is very important for a trading system. The 15th place was taken by payday. The EA of this Participant could not open trades with the size of more than 1. 0 lot due to a small error in the code. What if this error did not occur and position sizes were in creased 5 times, up to 5.0 lots Would then the profit increase proportionally, from 4 588.90 to 22 944.50 Would the Participant then take the second place or would he experience an irrecoverable DrawDown due to increased risks Would alexgomel be on the first place His EA traded with only 1.0- trades, too. Or could vgc win, whose Expert Advisor most frequently opened trades of the size of less than 1.0 lot. All three have a good smooth balance graph. As you can see, the Championships plot continues whereas it was over Conclusion: Dont Throw the Baby Out with the Bathwater Opinions differ. This article gives some very general approaches to estimation of trading strategies. One can create many more criteria to estimate trade results. Each characteristic taken separately will not provide a full and objective estimate, but taken together they may help us to avoid lopsided approach in this matter. We can say that we can subject to a cross-examination any positive result (a profit gained on a sufficient sequence of trades) in order to detect negative points in trading. This means that all these characteristics do not so much characterize the efficiency of the given trading strategy as inform us about weak points in trading we should pay attention at, without being satisfied with just a positive final result - the net profit gained on the account. Well, we cannot create an ideal trading system, every system has its benefits and implications. Estimation test is used in order not to reject a trading approach dogmatically, but to know how to perform further development of trading systems and Expert Advisors. In this regard, statistical data accumulated during the Automated Trading Championship 2006 would be a great support for every trader. Forex Statistical formulas help Commercial Member Joined Feb 2010 14,057 Posts Online Now Hi Guys, i need some help regarding formulas used in Forex statistics. I am trying to make some sense from formulas and results from myfxbook. But so far i have been able o get only half the result. If someone knows something about forex statistics and how to calculate a couple of forex formulas which i need, that would help a lot. And also please recheck my formulas Ill use pseudo language for better understanding. explanation: sqrt - square root sum - sum of elements (element 1 element 2 . element n) count - count of all specific elements pow - expression with power of 2 100 - for the results needed in percents, I multiply result with 100 N - count of all transactions Data that match with myfxbook: 1. Standard deviation ( sqrt( (sum( pow(profit-mean) ) )N ) 2. HPR (Holding Period Return) for each transaction I made calculation as (balanceprofit)balance not sure if this is correct, but since ahpr result matches with myfxbook I assume that hpr is correct (which doesnt mean that Im right) 3. AHPR (Arithmetical Holding Return Period) ( sum(hpr) count(hpr)-1 )100 Data that does not match with myfxbook 1. GHPR (Geometric Holding Period return) ( (balanceprofit)balance )(1N) 2. Sharpe Ratio Besides Z-score biggest problem was calculating sharpe ratio. The problem occures with input parameters for mathematical formula. I used this one: Sharpe Ratio(AHPR-(1RFR))SD where: AHPR - average holding pe riod returns RFR - risk-free rate SD - standard deviation. I found this data at articles. mql4471 RFR is the input that I couldnt figure it out. 3. Z-score This one gave me biggest headache. I used formula from the same page as for Sharpe Ratio: Z(N(R-0.5)-P)((P(P-N))(N-1))(12) N - total amount of trades in a series R - total amount of series of profitable and losing trades P 2WL W - total amount of profitable trades in the series L - total amount of losing trades in the series. At first the idea was that two or more consecutive trades in the same sign ( or -) creates series. Than when the result didnt match, I added zeros in calculation, first I counted them as positive trades, than as negative, than I tried to expand condition for series on three or more consecutive trades to create series, after that four or more. No matter what I tried, nothing has given me the same result as one on myfxbook. 4. Profit Factor This one should be simple, sum (positive profits) sum(negative profits) Then result which I got was not so much different from myfxbook, but again it was not the same. 5. Expectancy I never figure it out how this one works. I did use formula for mathematical expectancy, but it turned out that I needed some other formulas to calculate expectancy in money and pips 6. Gain This one really got on my nerves, its simple profit in percentage (gain). I calculated gain for every transaction on my account and created sum of all those gains and the result was still incorrect. It was almost the same, but its not. 7. Gain calculations for specific periods As one on myfxbook I wanted to calculate my gain for specific time span, used the same method as for all time gains, and the results are not even close. I guess that all mygain calcuations I used were not correct. 8. ROI I never figure it out how to calculate ROI for specific time frame: monthly weekly or from the time i have began to trade CAMMACD ACCU HARP Hi Guys, i need some help regarding formulas used in Forex statistics. I am trying to make some sense from formulas and results from myfxbook. But so far i have been able o get only half the result. If someone knows something about forex statistics and how to calculate a couple of forex formulas which i need, that would help a lot. And also please recheck my formulas Ill use pseudo language for better understanding. explanation: sqrt - square root sum - sum of elements (element 1 element 2 . element n) count - count of all specific elements. find books by Ralth Vince all the formulas are in there an example is attachedMetaTrader Expert Advisor Probability Tools For Better Forex Trading In order to be successful, forex traders need to know the basic mathematics of probability. After all, its difficult to achieve and maintain trading gains without first having the ability to understand the numbers and measure them. Many traders use a combination of black box indicators to develop and implement trading rules. Yet, the difference between a good trader and a great one is his or her understanding of the metrics and methods for calculating performance and gains. Probability and statistics are the key to developing, testing and profiting from forex trading. By knowing a few probability tools, its easier for traders to set trading goals in mathematical terms, create and operate effective trading strategies, and assess results. Its helpful to review the most basic concepts of probability and statistics for forex trading. By understanding the math of probability, youll know the logic used by mechanical trading systems and expert advisors (EA). Normal distribution The most basic tool of probability in forex trading is the concept of normal distribution. Most natural processes are said to be normally distributed. Uniform distribution implies that the probability of a number being anywhere on a continuum is about equal. This is the sort of distribution that would result from artificially spreading objects as evenly as possible across an area, with a uniform amount of spacing between them. However, instead of a uniform distribution, a currency-pairs price will likely be found within a certain area at any given time. This is its normal distribution, and probability tools can show an approximation of where that price is likely to be found. Normal distribution offers forex traders predictive power regarding the likelihood that a currency-pair price will reach a certain level during a certain time frame. Computers use a random-number generator to calculate the means (averages) of forex prices in order to determine their normal distribution. If a large number of sample prices are checked, the normal distribution will form the shape of a bell curve when plotted graphically. The greater the number of samples, the smoother the curve will be. The rules of simple averages are helpful to traders, yet the rules of normal distribution offer more useful predictive power. For example, a trader may calculate that the average daily price move of a forex pair is, say, 50 pips. Yet, the normal distribution can also tell the trader the likelihood that a certain daily price move will fall between 30 and 50 pips, or between 50 and 70 pips. According to the rules of normal distribution and standard deviation, approximately 68 of the samples will be found within one standard deviation of the mean (average), and about 95 will be found within two standard deviations of the mean. Finally, there is a 99.7 likelihood that the sample will fall within three standard deviations of the mean. Normal distribution and standard deviation functions in expert advisors (EA) and trading systems help forex traders assess the probability that prices may move a certain amount during a given period of time. Yet, traders should be cautious when using the concept of normal distribution alone for purposes of risk management. Even though the probability of a rare event (such as a price decrease of 50) may seem low, unforeseen marketplace factors can make the possibility much higher than it appears during normal distribution calculations. Reliability of analysis depends on quantity and quality of data When modelling normal distribution curves, the amount and quality of input price data is very important. The greater the number of samples, the smoother the curve will be. Also, to avoid calculation errors resulting from insufficient data, its important that each calculation be based on at least thirty samples. So, for testing a forex-trading strategy by estimating the results from sample trades, the system developer must analyze at least 30 trades in order to reach statistically-reliable conclusions regarding the parameters being tested. Likewise, the results from a study of 500 trades are more reliable than those from an analysis of only 50 trades. Dispersion and mathematical expectation to estimate risk For forex traders, the most important characteristics of a distribution are its mathematical expectation and dispersion. Mathematical expectation for a series of trades is easy to calculate: Just add up all the trade results and divide that amount by the number of trades. If the trading system is profitable, then the mathematical expectation is positive. If the mathematical expectation is negative, the system is losing on average. The relative steepness or flatness of the distribution curve is shown by measuring the spread or dispersion of price values within the area of mathematical expectation. Typically, the mathematical expectation for any randomly-distributed value is described as M(X). So, dispersion can be defined as D(X) M(X-M(X) 2 . And, a dispersions square root is called its standard deviation, shown in mathematical shorthand as sigma (). Dispersion and standard deviation are critically important for risk management in forex trading systems. The higher the value of the standard deviation, the higher will be the potential drawdown, and the higher the risk. Likewise, the lower the value for standard deviation, the lower will be the drawdown while trading the system. For example, below is a sample risk assessment for a test of a forex trading system: Trade Number X (Trade Gain or Loss) In the above example based on the minimum number of thirty trades for an adequate sample, its important to note that the mathematical expectation is positive, so the forex trading strategy is indeed profitable. However, the standard deviation is high, so in order to earn each dollar the trader is risking a much larger amount this system carries significant risk. Heres the rest of th e math: To determine the mathematical expectation for this group of trades, add together all the trades gains and losses, then divide by 30. This is the mean value M(X) for all the trades. In this case, it equals an average gain of 4.26 per trade. Thus far, the system looks promising. Next, to calculate the standard deviation of the dispersion, the above average 4.26 is subtracted from the results of each trade, then its squared, and the sum of all these squares is added together. The sum is divided by 29, which is the total number of trades minus 1. By using the formula for Dispersion of (X) M(X-M(X) 2 given above, heres a check of the calculation from the first trade in our example: Trade 1: -17.08 4.26 -21.34, and (-21.34) 2 455.39 The same calculation is performed for each trade in the test series. In this example, the dispersion over the series equals 9,353.62 and by definition its square root equals the standard deviation (), which in this case is 96.71. Thus the forex trader sees that the risk for this particular system is fairly high: The mathematical expectation is indeed positive, with a mean profit of 4.26 per trade, yet the standard deviation is high when compared with that profit. It can be seen that the trader is risking about 96.71 for each opportunity to earn 4.26 in profit. This risk may be acceptable, or the trader may choose to modify the system in search of lower risk. Beyond the riskiness of a particular trading system, forex traders can also use normal distribution and standard deviation to calculate the Z-score, which indicates how often profitable trades will occur in relation to losing trades. During the process of developing a winning forex trading system, the trader may wonder how many of the profitable trades seen during testing were random, and how many consecutive losing trades must be tolerated in order to achieve winning trades. For example, lets assume the average expected profit from a given forex trading system is four times less than the expected loss amount from each stop-loss order triggered while trading this system. Some traders may assume that the system will win over time, as long as there is an average of at least one profitable trade for each four losing trades. Yet, depending upon the distribution of wins and losses, during real-world trading this system may draw down too deeply to recover in time for the next winner. Normal distribution can be used to generate a Z-score, sometimes called a standard score, which lets traders estimate not only the ratio of wins to losses, but also how many winslosses are likely to occur consecutively. A positive Z-score represents a value above the mean, and a negative Z-score represents a value below the mean. To obtain this value, the trader subtracts the population mean from an individual raw value then divides the difference by the population standard deviation. The basic standard score calculation for a raw score designated as x is: Where is the population mean and is the population standard deviation. Its important to understand that calculating the Z score requires that the trader know the parameters of the population, not merely the characteristics of a sample taken from that population. Z represents the distance between the population mean and the raw score, expressed in units of the standard deviation. So, for a forex trading system: Z N x (R 0.5) P (P x (P N) (N 1) N is the total number of trades during a series R is the total number of series of winning and losing trades P equals 2 x W x L W is the total number of winning trades during a series L is the total number of losing trades during a series Individual series can be represented by a consecutive sequence of pluses or minuses (for example or 8212). R counts the number of such series. Z can offer an assessment of whether a forex trading system is operating on-target, or how far off-target it may be. Just as importantly, a trader can use Z-score to determine whether a trading system contains fewer or greater series of winners and losers than expected from a random sequence of trades8211 In other words, whether the outcomes of consecutive trades are dependent upon each other. If the Z-score is near 0, then the distribution of trade results is near the normal distribution. The score of a sequence of trades may indicate a d ependency between the results of those trades. This is because a normal random value will deviate from the average value by not more than three sigma (3 x ) with a certainty of 99.7. Whether the Z value is positive or negative will inform the trader about the type of dependence: A positive Z value indicates that the profitable trade will be followed by a loser. And, positive Z indicates that the profitable trade will be followed by another profitable one, and a loser will be followed by another loss. This observed dependency lets the forex trader vary the position sizes for individual trades in order to help manage risk. Sharpe Ratio The Sharpe Ratio, or reward-to-variability ratio, is one of the most valuable probability tools for forex traders. As with the methods described above, it relies on applying the concepts of normal distribution and standard deviation. It gives traders a method to check the performance of a trading system by adjusting for risk. The first step is to calculate the Holding Period Returns (HPR). For example, a trade which resulted in a profit of 10 has a HPR calculated as 1 0.10 1.10 while a trade which loses 10 is calculated as 1 0.10 0.90. Likewise, HPR can be calculated by dividing the after-trade balance amount by the before-trade amount. The Average Holding Period Returns (AHPR) is then calculated by adding up all individual holding-period returns, then dividing by the number of trades. AHPR by itself produces an arithmetic average which may not properly estimate the performance of a forex trading system over time. Instead, a trading systems investment efficiency can be more closely estimated by using the Sharpe Ratio, which shows how AHPR minus the risk-free rate of long-term investment returns relates to the standard deviation of the trading system. Sharpe Ratio AHPR (1 RFR) SD When AHPR is the average holding period return, RFR is the risk-free rate of return from safe investments such as bank interest rates or long-term T-bond rates, and SD is the standard deviation. Since more than 99 of all random values will fall within a distance of 3 around the mean value of M(X) for a given trading system, the higher the Sharpe Ratio, the more efficient the trading system. For example, if the Sharpe Ratio for normally-distributed trade results is 3, it indicates that the probability of losing is less than 1 per trade, according to the 3-sigma rule. The concepts of normal distribution, dispersion, Z-score and Sharpe Ratio are already incorporated into the logarithms of EAs and mechanical trading systems, and their usefulness is invisible to most traders. Yet, by knowing how these basic probability tools work, forex traders can have a deeper understanding of how automated systems perform their functions, and thereby enhance the probability of winning trades. Are you currently using probability tools to increase your own chance for successThe long awaited integration is now complete 8211 our leading trade mirroring (trade copying) service, AutoTrade, now supports the outstanding cTrader platform AutoTrade With cTrader Being the pioneers in Forex Analytical tools and copy trading, we8217re excited to be the first to offer copy trading with the cTrader platform. This integration took us more than expected, however it was worth it For the past several months, we8217ve been working closely with the Spotware team to complete integration. Spotware have dedicated a lot of time and effort to customize their API specifically for our needs, resulting in a superior connectivity of cTrader accounts to AutoTrade. The solution is completely hosted on the Myfxbook servers, so just like the existing AutoTrade users, you will not need to run any software on your end Applying your cTrader account to AutoTrade is as simple as connecting the account to Myfxbook In the AutoTrade opening live screen, simply click the continue button: AutoTrade cTrader Step 1 Once forwarded to Spotware8217s website, choose the accounts you wish to connect to AutoTrade and click the green 8216Allow access8217 button: AutoTrade cTrader Step 2 Once redirected back to Myfxbook, simply type in a name for account and then the 8216Connect Account8217 button: AutoTrade cTrader Step 3 The first supported brokers with AutoTrade are Pepperstone and IC Markets. If your broker offers the cTrader platform and you want us to support it as well, please contact your broker. Ready to start Simply go here: Wish you a great trading week ahead The Myfxbook Team. Posted in Myfxbook Updates Comments Off on AutoTrade with cTrader We8217re happy to announce the next forex trading contest, sponsored by Octa Markets Incorporated There will be total 5000 in prizes given out to the top 3 traders as follows: o 1st place is awarded with 3,000 USD o 2nd place is awarded with 1,500 USD o 3rd place is awarded with 500 USD The registration will be open until June 16th and trading will then commence and will continue up to July 1st. Trading will be performed with a 10,000 demo account and a 1:500 leverage. The Myfxbook Team. We8217re excited to announce another super advanced section (which is yet again another powerful tool for any trader, unique to Myfxbook) 8211 Patterns : Any technical trader knows that searching for a pattern in a chart is a very tedious task and time consuming task 8211 well no more The new section allows you to view in real time, 60 different trading patterns for over 60 different symbols in 9 different time-frames in a single glance Our systems will constantly scan the prices for patterns in real-time and will show you (in real time) of any such pattern forming. Not only the pattern is identified, but it is immediately seen if it is a bullish pattern or a bearish one. For your convenience, each pattern has a complete definition. Important to note that some patterns are neutral ones and so you8217ll have to determine the bias (bullish or bearish) on your own. A bullish pattern will be marked with an up arrow ( ), a bearish one with a down arrow ( ) and a neutral one with a orange circle ( ). You can either check the Pattern section to view selected symbols and patterns, click on a specific symbol to view its selected patterns or click on a pattern to view where the pattern occurs with selected symbols only. The pattern section covers the following patterns: As always, we8217re glad to hear of any comments and suggestions you may have :). Have a great week ahead The Myfxbook Team. We8217re happy to announce the winners of the latest contest which ended last week myfxbookcontestsforex-contest-tenkofx19 Top 5 traders are: To see the contest analysis, please click the following image: Forex Contest TenkoFX Analysis If you8217re looking to participate in one of our contests, you can register here: Wishing you a great week The Myfxbook Team. Were happy to announce another trading contest which will be held simultaneously with the previously announced contest, available this time for all traders except US and Japanese traders (if you8217re from USJapan, please click here ), sponsored by 24FX a total of 5000 in prizes will be given out to the top traders Registration starts today (April 15th) and will be open until May 1st. The competition will be held for a month and will start with a starting balance of 10,000 (demo account) and a leverage of 1:400. In total, 3 prizes will be given out to top 5 traders: Have a great weekend, The Myfxbook team We8217re happy to announce a new trading contest, available this time for US and Japanese traders only (if you8217re not from USJapan, please click here ), sponsored by Forex Broker Inc a total of 5000 in prizes will be given out to the top traders Registration starts today (April 15th) and will be open until May 1st. The competition will be held for a month and will start with a starting balance of 20,000 (demo account) and a leverage of 1:500. In total, 5 prizes will be given out to top 5 traders: Have a great week, The Myfxbook team We8217re very excited to announce a new trading contest sponsored by TenkoFX The contest8217s prize fund is the largest ever, with 10,001 in prizes Registration starts today (March 1st) and will be open until March 16th. The competition will be held for a month and will start with a starting balance of 10,000 (demo account) and a leverage of 1:200. In total, 5 prizes will be given out to top 5 traders: Have a great weekend, The Myfxbook team Posted in Myfxbook Updates Comments Off on New Forex Contest 10,001 In Prizes A new year has started and we haven8217t stopped development 3 new features were added this week based on your feedback: Community outlook notifications 8211 you can now set unlimited, pre-determined levels for the community outlook, per symbol, to be notified in real time once those levels are breached. You can set either a long or a short notification based on percentage, volume, or positions. Community Outlook Notifications Open positions Exposure 8211 when trading multiple currency pairs in different directions or scaling in and out of a position, it is difficult to understand your current total exposure, but no more 8211 you now have an exposure tab which will reveal you in one quick look the exact exposure of your account to the market 8211 you will see total lots, total profits and average entry price based on a currency pair which can also be broken down based on trade direction. For example with the image below, you can see that 15 open trades show in the Exposure tab as only 4, which is simpler and easier to understand: (Keep in mind the exposure tab inherits the same privacy settings of your open trades, ie for example if you hide open trades, the exposure data will be also hidden). Trade Management when AutoTrade provider is disqualified 8211 up until now, when a system was disqualified from AutoTrade, any of its open positions were automatically closed in follower accounts. Now you can control this setting in case you wish to leave such trades open (these settings can be accessed from the main AutoTrade page. by clicking the settings icon ): We8217re working on some new sections for Myfxbook so stay tuned :). Wish you a great and successful year ahead The Myfxbook Team. Posted in Myfxbook Updates Comments Off on New Forex Contest 6,000 In Prizes November 11th, 2013 As the leading social forex community and forex account analysis service, we8217re always looking to develop new and unique features to be used by our members. Some of our features even create new industry standards, after seeing many of our competitors copy it to the letter (for example, account verification process and system tags). The recent innovation we8217ve been working on is a ranking formula for our AutoTrade systems. Up until now, systems were ordered by daily return, however a higher daily return doesn8217t necessarily mean a better trading system (it may be high simply due to an excessive risk). We8217ve been researching the different parameters of a trading system for the past few weeks to answer the following question: Which system has the highest return with the lowest risk, while having the most consistent growth curve We8217re glad to say we8217ve developed such a formula Unlike other similar services having black-box 8220proprietary8221 ranking algorithms, transparency is one of our biggest concerns here at Myfxbook and therefore we are happy to show you the exact formula: Gain (Drawdown X Standard Deviation) How to read the above formula 8211 When a system8217s gains increase, ranking increases and vice versa. 8211 When a system8217s drawdown increases, ranking decreases and vice versa. 8211 When a system8217s standard deviation increases. ranking decreases and vice versa. If you have any suggestions or comments for improvements, do let us know. You can open a free AutoTrade demo account here: myfxbookautotrade On the same note of new features, we8217re also excited to announce the addition of a new widget 8211 the toolbar widget You can now add the same toolbar as in Myfxbook, to your website, which shows calendar events, streaming news and rates To add the toolbar widget to your website, simply use the following code: lt8211 myfxbook toolbar widget 8211 Start 8211gt ltscript type8221textjavascript8221 src8221widgets. myfxbookscriptstoolbar. js8221gtltscriptgt lt8211 myfxbook toolbar widget 8211 End 8211gt (If you8217re having trouble setting it up, do let us know). Have a great week, The Myfxbook Team.