Заявку Вы выставили правильно. И сработала она верно, что и отражено на присланном Вами скриншоте. Срабатывание STOP заявки не означает совершения сделки. Оно означает порождение соответствующей заявки MARKET. Вот с этим порожденным приказом и возникли проблемы – на основном контуре MatriX в районе 16.30 наблюдались задержки маршрутизации заявок. Поэтому Ваша заявка была выведена на биржу с опозданием, а в последствии отменена сервером.
В прошлой части мы проводили симуляцию для одного определенного процесса — геометрического броуновского движения с положительным дрифтом. Можно сделать подобный же анализ для более сложных и более реалистичных наборов данных. Мы можем добавить толстые хвосты распределения, ассиметричность и т.п. Также можно сделать результат одной сделки зависимым от предыдущих. Во всех этих случаях результат будет одним и тем же — стоплоссы снижают средний доход и меняют его распределение на что-то подобное бимодальному. Но что произойдет на реальном рынке, где процесс приращения цен неизвестен и точно не соответствует нормальному? Давайте перенесем теорию в реальную торговлю.
Очевидно, многие инвесторы используют стопы. Некоторые настаивают, что стоплосс абсолютно естественнен и его правильное использование приводит, в общем, к долгосрочной успешной торговле. Не будем принимать это утверждение на веру просто из-за его распространенности и проверим, так это или нет. Учитывая, что большинство тестов показывают — стопы стоят денег, что по этому поводу думают трейдеры?
В прошлой части мы сделали теоретические предположения насчет влияния стоплоссов на общий результат торговой системы. В данной статье проверим эти утверждения на симуляции.
Симулируем десять тысяч сделок. Перед применением стопов мы получили распределение со средним значением 10% и стандартным отклонением 20%. Это похоже на производительность S&P500, начиная с 1950 года, этот контракт показал годовую доходность 7,4% и стандартное отклонение 15,4%. Результаты симуляции показаны на графике в заглавии.
Теперь разместим стоп на уровне 15% ниже нашего начального вхождения. И получим распределение, показанное на рисунке ниже.