(1)お勧め度 ★★★★★

(2)単行本(Amazon)、電子書籍(Kindle)

スーパートレーダ達の考え方が1冊で理解できる本です。

システムトレーダなら必ず読むべき本と思います。

 

私のメモ書き

当時のメモ書き(当時の私が重要と思った箇所の抜粋/意訳)を掲載します。

本の概要を知っていただく事が目的ですので、メモ書きは10個に厳選して掲載しております。

 ” ⇒ ” は、私のコメント/解釈/方針です。私の成長につながった内容を記載しています。

 

メモ書き

① システムトレード
 『持続的かつ予測可能なリターンを手に入れる雄一の方法は、システムに確実に従う事
 『信仰のように従えるシステムを使う事
⇒ システムトレードで勝つための大原則です。
  システムを信仰のように従えるまで、検証する必要があります。  
② カーブフィット対策(収益ドライバ/単純システム)
 『相場の仕組みを理解し、仮説を立てて、検証する。逆の手順では、堅牢システムは作れない
 『原理が理解できて、単純がよい
 『収益ドライバーが何かを突き止める
⇒ 多くのスーパートレーダーの共通の考え方に『収益ドライバを突き止める』があります。
  なぜ、そのシステムが収益を生むのかを理解できていないと、そのシステムは堅牢システムにはなり得ません。
  カーブフィット対策の中で一番重要な項目と思います。
③ カーブフィット対策(複数市場/時間軸)
 『複数の市場で通用するシステムがよい
 『時間枠を変えても通用するシステムがよい
⇒ 複数市場、複数時間軸で機能するシステムは、堅牢なシステムの可能性が高いです。
  これも、多くのスーパートレーダーの共通の考え方です。
  私も、EA開発の際、複数市場(複数通貨ペア)、複数時間で機能する事を確かめています。
④ カーブフィット対策(トレード数)
 『何千のトレード試行が含まれていなくてはならない
 『5000回トレード試行は自信が持てる
⇒ カーブフィット対策として、トレード試行回数を多くすることは重要です。
  但し、その必要回数については、トレーダによって異なるようです。
  いずれにしても、トレード回数を増やす事はカーブフィットを避けるのに有効ですので、
  トレード回数を増やす工夫をすべきと考えます。
⑤ カーブフィット対策(パラメータ感度) 
 『変数を色々変えてみて、システムが安定しているかを確かめる
⇒ これも、多くのスーパートレーダーが推奨しています。
  私も、EA開発時に実施しています。 
⑥ カーブフィット対策(フィルターレス)
 『フィルターをかけない
⇒ これも、多くのスーパートレーダーが取り上げているカーブフィット対策です。
  フィルターを掛けると、簡単に成績がよいシステムが作れてしまいます。
  それがまさにカーブフィットです。
  私も、EA開発時はフィルターを使わないようにしています。
⑦ 資金管理(リスク管理)
 『最悪のシナリオに耐えられるように設計する
 『2σ、3σの大損失にであっても耐えられるようにする
 『5σでも破綻しないシステム
 『モンテカルロシミュレーションで収益の流れを組み替える。最悪の月が揃うのが、最大ドローダウンとなる。
⇒ 最悪のシナリオを想定して、資金管理する必要があります。
  考え方は、色々あります。
  私は、カーブフィットを除去する厳しい評価で最大ドローダウンを想定しています。
⑧ ポートフォリオ
 『最初から2種類のシステムを使う事。一つの場合、悪い時期にメンタルがきつくなり、転換点を前に放棄してしまう
 『多種のシステム、市場、時間枠に分散してトレードをする
 『非相関の組み合わせで、リターン維持で、ドローダウンを最小化
⇒ 少なくとも2つ以上のポートフォリオを組んで、運用すべきとのアドバイスです。
  システム/市場(通貨ペア)/時間枠に分散する事で、より強固なポートフォリオを組むことができます。
  また、非相関に組み合わせる事で、ドローダウンが最小化します。
  私も、この考え方を全て取り入れています。
 
⑨ 手法
 『基本的な4~5のシステムの成績が一番良かった
⇒ 言い換えると、4~5つの基本システムしかないという事です。
  この4~5のシステムの内、1つでも見つける事ができれば、稼ぐことができます。
⑩ システムのメンテナンス
 『年に1回再最適化をしている。12か月分のデータ追加とポートフォリオのリスク配分
 『定期的な再バランスは、リスクを最小化して、安定収益が得られるように努力する事が目的
 『過去検証の3倍のドローダウンがあれば、問題と判断する
⇒ これはトレーダによって、色々考え方があります。
  運用後は、システムを全くいじらない人もいてます。
  いずれにしても、メンテナンスするにしても年に1回程度でよいと思います。
  短期間で、データを評価する事はできないので。