Kurze Zusammenfassung
Das Video demonstriert, wie ein genetischer Algorithmus in StrategyQuantX (SQX) verwendet werden kann, um Handelsstrategien auf Basis des selbst entwickelten KC-Band-Indikators zu entwickeln. Es werden verschiedene Kombinationen von Indikatoren und Bedingungen getestet, um einzigartige Strategien zu finden, die über Korrelationsfilter und eine eigene App zur Bewertung der Strategiequalität analysiert werden. Ziel ist es, profitable und robuste Strategien zu identifizieren, die sich von herkömmlichen Ansätzen unterscheiden und in ein Portfolio aufgenommen werden können.
- Verwendung eines selbst entwickelten KC-Band-Indikators in StrategyQuantX.
- Einsatz eines genetischen Algorithmus zur automatischen Strategieentwicklung.
- Filterung der Strategien nach Korrelation, um Redundanz zu vermeiden.
- Bewertung der Strategien mithilfe einer eigenen App, die 21 Metriken in einem einzigen Score kombiniert.
- Analyse der Strategien auf Robustheit und Eignung für ein Portfolio.
Einführung
Der Autor spricht darüber, was passiert, wenn man einen selbst entwickelten Indikator in eine genetische, algorithmische Maschine einspeist und diese Kombinationen entdeckt, an die man selbst nie denken würde. Er hat dieses Experiment durchgeführt und stellt die Ergebnisse vor.
KC-Bänder Indikator
Der Autor erklärt den KC-Bänder-Indikator, den er selbst entwickelt hat. Dieser ähnelt den Bollinger Bändern, verwendet aber anstelle des gleitenden Durchschnitts der Schlusskurse den Durchschnitt der Höchstkurse für den oberen Kanal und den Durchschnitt der Tiefstkurse für den unteren Kanal. Anstelle der Standardabweichung wird ein Vielfaches der ATR (Average True Range) zum oberen Band addiert und vom unteren Band subtrahiert. Zusätzlich zu den Bändern enthält der Indikator den "%c of KC Bands" und die "Width C%", wobei %c die Position des Schlusskurses relativ zum Kanal misst und die Width C% die Breite des Kanals als Volatilitätsmaß angibt.
Übertragung in StrategyQuantX
Der Autor erklärt, wie er den KC-Bänder-Indikator in StrategyQuantX (SQX) übertragen hat, inklusive der Kompatibilitätsindikatoren für andere Plattformen wie MetaTrader 4, MetaTrader 5, MultiCharts und TradeStation. Diese sind kostenlos in seiner Community verfügbar, zusammen mit einer Installationsanleitung. Nach dem Import hat man drei Indikatoren: KC Bands, KC Bands %c und KC Bands Width C.
Strategieentwicklung mit genetischem Algorithmus
Der Autor beschreibt den Aufbau der Strategieentwicklung in StrategyQuantX. Er verwendet einen genetischen Algorithmus, um einzigartige Einstiegssignale zu finden, die er selbst nicht in Betracht ziehen würde. Die Bedingungen werden so festgelegt, dass SQX nur eine Einstiegs- und eine Ausstiegsregel auswählt. Als Datenbasis dient der S&P 500 von 2018 bis Ende März 2026, wobei 25 % der Daten für Out-of-Sample-Tests verwendet werden. Bei den Indikatoren werden nur die KC-Bänder, KC-Bänder %C und Width C ausgewählt.
Ergebnisse der ersten Läufe
Der Autor führt mehrere Läufe mit dem genetischen Algorithmus durch, wobei er die Bedingungen variiert. Im ersten Lauf werden 400 Strategien generiert, im zweiten Lauf wird die Bedingung auf zwei erhöht, um spezifische Kombinationen wie KC Bands Width mit KC Band C% zu erzwingen. Im dritten Lauf wird zusätzlich das Muster IBS (Internal Bar Strength) einbezogen, um eine Kombination aus zwei KC-Bändern und einem IBS zu erhalten. Insgesamt werden etwa 1.300 Strategien generiert.
Filterung und Analyse der Strategien
Der Autor sortiert die Strategien nach Nettogewinn und analysiert den Quellcode, um die verwendeten Bedingungen zu verstehen. Er stellt fest, dass viele Strategien hoch korreliert sind, was bedeutet, dass sie ähnliche Ergebnisse liefern. Um dies zu beheben, verwendet er die Korrelationsfilterfunktion in SQX, um die Anzahl der Strategien auf etwa 28 zu reduzieren, die eine Korrelation von weniger als 0,15 aufweisen. Anschließend wählt er die Top 10 Strategien aus verschiedenen Kategorien aus.
Bewertung mit eigener App
Der Autor importiert die ausgewählten Strategien in eine selbst entwickelte App, um sie anhand eines einzigen Scores zu bewerten, der 21 Metriken kombiniert. Die App zeigt auch den Overfit-Risiko an. Er analysiert die Strategien hinsichtlich ihrer aktuellen Performance, Drawdown-Perioden und anderer relevanter Metriken, um die vielversprechendsten Strategien für weitere Tests und die Aufnahme in ein Portfolio zu identifizieren.
Beispielstrategie und Schlussfolgerung
Der Autor zeigt ein Beispiel für eine einfache Strategie, die auf dem KC-Bänder-%C-Indikator basiert. Die Strategie geht long, wenn der Indikator steigt, und verwendet einen Limit-Order-Einstieg sowie einen Profit-Target- und Trailing-Stop-Ausstieg. Er betont, dass der genetische Algorithmus in der Lage ist, einzigartige Ideen zu generieren, die man selbst nicht in Betracht ziehen würde. Diese Ideen können dann auf Robustheit getestet und in ein Portfolio aufgenommen werden.
