Etf Sweet Spot Trading Système

Herman Durban, KZN, Afrique du Sud Il existe d'excellents blogs commerciaux à court terme là-bas. J'ai énuméré beaucoup dans la boîte de liens ci-dessous. Les blogs que je vais d'abord sont: 1.The Elliot Wave Vive, 2.COTS Timer et 3.ETF Corner. Mon nom de blogs: Engagements de Trader SweetSpot est inspiré par Alex Roslins COTS Timer. Bien que je négocie, mes placements à long terme sont dans les mains capables de Roy Tilley, un courtier expérimenté, voir son lien dans le cadre des liens extérieurs ci-dessous. Mes performances de trading du 1er oct. Est de 180 YTD Voir mon profil complet Liens externes Archives du blog Engagements des commerçants Sweet Spot Avis de non responsabilité: Les informations et opinions contenues dans ce document proviennent de sources considérées comme fiables, mais non garanties quant à leur exactitude ou à leur exhaustivité. Aucune responsabilité n'est assumée à l'égard de toute déclaration, ni à l'égard de toute expression d'opinion contenue dans ce document. Toutes les vues sont les opinions de l'auteur au moment de la rédaction et sont sujettes à changement sans préavis. Aucune déclaration ne doit être interprétée comme une offre d'achat ou de vente. Dans son livre récent, Howard Bandy a discuté de ce qu'il appelle le quotsweet spotquot pour développer des systèmes de réversion moyenne de négociation. Ce site Web est à des fins éducatives et informationnelles seulement. 1 L'idée est que la bonne combinaison de la longueur de la barre, de la durée de conservation, de la précision du système et d'autres variables tend à maximiser les rendements ajustés au risque. 2 Cet article montre comment les stratégies de trading de reversion moyen qui se trouvent dans ce sweet spot peut être développé pour les fonds négociés en bourse (ETFs) à l'aide d'outils automatisés. Utilisation d'Adaptrade Builder. Un outil de développement de stratégie pour Windows, Ill montrent comment les méthodes de test de stress avec l'analyse de Monte Carlo peuvent être utilisés dans le cadre du processus de développement pour trouver des stratégies de réversion moyenne robuste pour le FNB SampP 500 (SPY) et les FNB Select Sector SPDR. Les fichiers de projet pour Builder, qui incluent le code de stratégie, sont fournis pour chaque exemple. Atterrissage dans le Sweet Spot L'idée de base derrière Dr. Bandys sweet spot est que les bonnes stratégies de négociation devrait utiliser une barre de taille courte et ont une précision assez élevée avec une courte période de détention et faible rabat. La taille de la barre courte et la durée de conservation courte optimisent les possibilités de rendement combiné, tandis que la précision élevée et le faible retrait facilitent la récupération des pertes. Ces dernières qualités permettent également d'établir plus facilement la viabilité de la stratégie et de déterminer quand elle ne fonctionne plus parce que les stries de perte typiques pour les systèmes de haute précision ont tendance à être relativement courtes. Basé sur les lignes directrices du Dr Bandys, les caractéristiques suivantes seront utilisées dans cet article pour définir les exigences optimales pour les stratégies de réversion moyenne ETF: Barres quotidiennes 20 - 30 métiers par an Au moins 65 métiers gagnants Barres moyennes dans les métiers de entre 1 et 4 Par La réversion moyenne, Im se référant à des stratégies qui tentent d'acheter en dessous du prix moyen actuel et de vendre à un prix plus élevé que le prix revient à la moyenne. L'idée est d'acheter bas et vendre haut, par opposition aux systèmes de suivi des tendances, qui tentent généralement d'acheter haut et vendre plus élevé. Construire avec l'analyse de Monte Carlo Dans mon dernier article de bulletin, j'ai discuté de l'utilisation de tests de stress dans l'évaluation des stratégies de négociation et sa relation à la robustesse et la stratégie de sur-ajustement. J'ai également mentionné que si elle était incorporée dans le processus de construction, elle tendrait à conduire à des stratégies qui ont fait preuve de robustesse. C'est l'approche qui sera suivie ici. En bref, les tests de stress se réfère à l'évaluation de la sensibilité d'une stratégie commerciale est à ses intrants et l'environnement. Une stratégie robuste - qui n'est pas trop adaptée au marché - sera relativement insensible aux changements dans ses valeurs de paramètres d'entrée et à d'autres changements dans son environnement, tels que des changements aux données de prix. L'analyse de Monte Carlo est la technique utilisée pour évaluer l'effet de ces changements. Les entrées des stratégies, les données sur les prix et d'autres facteurs sont modifiés au hasard et la performance des stratégies est évaluée. En répétant plusieurs fois ce processus, on obtient une distribution des résultats. Les résultats des données originales représentent un point sur la distribution. D'autres points sur la distribution représentent les résultats de l'utilisation de versions légèrement modifiées des données d'origine, ce qui peut générer des résultats plus ou moins favorables que les données d'origine. Les résultats dits de Monte Carlo sont les valeurs des mesures de performance (bénéfice net, pourcentage de gain, facteur de profit, etc.) qui ne sont pas pires que la majorité (typiquement 95) des évaluations. Par exemple, si le bénéfice net de Monte Carlo à 95 points de confiance est de 15 000, cela signifie que 95 des évaluations ont un bénéfice net au moins égal à 15 000. En d'autres termes, il y a une chance que le bénéfice net soit d'au moins 15 000, ou inversement, il y a une chance que le bénéfice net soit inférieur à 15 000. Lorsqu'une stratégie de négociation est développée de manière itérative au cours des générations successives de modifications et de tests, la construction basée sur les résultats de Monte Carlo aura tendance à conduire la stratégie à celle qui est robuste car seule une stratégie robuste aura de bons résultats Monte Carlo. Adaptrade Builder automatise ce processus, y compris l'évaluation des résultats de la stratégie à l'aide des résultats Monte Carlo des tests de stress. Le premier exemple concerne l'indice SPDR SampP 500 ETF (symbole SPY). Des barres quotidiennes de 141999 à 4232013 ont été utilisées. La période de construction a été fixée à 141999 à 122011, les 80 premières (141999 - 8102008) utilisées pour la construction (c'est-à-dire dans l'échantillon) et les données restantes (8112008 - 122011) utilisées pour les essais hors échantillon. Les autres données (132011 - 4232013) ont été mises de côté pour validation. Toutes les données ont été obtenues auprès de TradeStation 9. La logique de stratégie était longue seulement, et 100 actions ont été investis sur chaque métier, avec tous les bénéfices réinvestis, et 0,015 par action déduits par tour pour les coûts de transaction. Adaptrade Builder utilise un algorithme de programmation génétique pour faire évoluer une population de stratégies au cours des générations successives. La clé d'utilisation de Builder pour trouver des stratégies qui répondent à nos exigences optimales est la mise en place des métriques de construction, 1. Figure 1. Les métriques de build dans Builder définissent le sweet spot pour la stratégie SPY. La liste des objectifs de construction contient trois métriques générales, qui sont toutes maximisées. Ceux-ci aident à orienter la population vers des stratégies qui ont un bénéfice net élevé, un coefficient de corrélation et une signification statistique, ce qui est souhaitable pour toute stratégie. Les qualités spécifiques recherchées (c'est-à-dire le point favorable) sont définies par les conditions de construction, qui incluent les conditions d'inégalité pour le nombre de métiers, les barres moyennes dans les métiers et le pourcentage de victoires. Notez que la condition pour le nombre de métiers est fixée à une fourchette basée sur le nombre d'années de données dans l'échantillon et l'objectif d'avoir entre 20 et 30 métiers par an. Notez également que le pourcentage de métiers gagnants est fixé à une fourchette de 65 à 85. La limite supérieure a été ajoutée parce que les stratégies avec un pourcentage exceptionnellement élevé de métiers gagnants ne parviennent généralement pas à répondre à une autre condition. La pénalisation de telles stratégies aidera la population à adopter des stratégies qui répondent à toutes les conditions, par opposition aux stratégies qui répondent de manière disproportionnée à une condition, à l'exclusion des autres. La même logique a été utilisée pour établir une fourchette pour le facteur profit. Les autres conditions - coefficient de corrélation, signification statistique, facteur de profit et fraction de Kelly - ne font pas partie de nos exigences spécifiques, mais ont été ajoutées pour améliorer les résultats globaux. Les tests de contraintes et les paramètres Monte Carlo utilisés pour cet exemple ont été sélectionnés sur l'écran Options de construction, comme indiqué ci-dessous à la Fig. 2. Figure 2. Les options d'analyse Monte Carlo et de stress testing sont sélectionnées dans l'onglet Build Options. Comme le montre la figure, 99 itérations Monte Carlo ont été utilisées pour chaque analyse. Cela signifie que 99 tests de stress ont été effectués en plus de l'évaluation des données originales. Les 100 ensembles de données ont été analysés en utilisant l'analyse de Monte Carlo pour extraire les résultats à 95% de confiance, où ont été utilisés pour évaluer les conditions représentées sur la Fig. 1. Les tests de stress ont consisté à randomiser les prix, à randomiser les entrées de stratégie, et à randomiser la barre de départ. Les trois randomisations ont été effectuées pour chaque test de stress. Parce que chaque stratégie a été évaluée 100 fois (99 tests de stress plus les données originales) à chaque génération, cette approche a pris environ 100 fois plus longtemps qu'il aurait fallu test de stress et l'analyse de Monte Carlo n'a pas été utilisé. Pour cette raison, une population relativement petite de seulement 100 membres a été utilisée afin de maintenir le temps de solution raisonnable. La population a évolué sur 10 générations, et une option a été mise en place pour recommencer après 10 générations si le bénéfice net dans la période hors-échantillon était négatif. La courbe d'équité de la stratégie supérieure de la population après 20 générations (1 reconstruction) est illustrée ci-dessous à la Fig. 3. Figure 3. Courbes d'équité pour chaque test d'effort pour la stratégie finale SPY. Chaque courbe de la Fig. 3 représente un test de contrainte. Comme on peut le constater, toutes les différentes courbes d'équité ont généralement la même forme avec des résultats positifs hors échantillon. Voici quelques-uns des résultats de Monte Carlo à 95% de confiance correspondant à la Fig. 3. Bénéfice net total Barres moyennes dans les métiers En dehors du nombre de métiers, qui est moins que demandé, la stratégie répond aux exigences initiales. La stratégie passe également le test de validation. Lorsque la date de fin est étendue à 4232013, le bénéfice net total de Monte Carlo passe à 67 015. La logique de stratégie satisfait également à l'exigence d'une stratégie de réversion moyenne: elle entre dans un ordre limite et sort en utilisant une condition indicatrice. L'entrée limite signifie que le marché doit descendre jusqu'au prix limite, donc la stratégie est d'acheter bas et de vendre après le marché remonte. Il est important de garder à l'esprit que ce sont Monte Carlo résultats à 95 confiance, ce qui signifie que, par exemple, 95 des épreuves de stress des évaluations avaient un bénéfice net total au moins aussi grand que 56 784. Si le test de contraintes est désactivé et que la stratégie est évaluée sur les données originales, la courbe de l'équité est comme indiqué ci-dessous à la Fig. 4. Figure 4. Courbe d'équité pour la stratégie finale SPY sur les données originales. Cette courbe de capitaux propres correspond à un bénéfice net de 109 497, ce qui équivaut à un rendement annuel de 5,5. Bien que ce soit seulement un rendement modeste, il bat facilement le retour buy-and-hold d'environ 1,8 au cours de la même période et est atteint sans effet de levier et avec une courbe d'actions en constante augmentation au cours d'une période qui comprend deux marchés baissiers. A Select Sector SPDR Exemple Le deuxième exemple consiste à élaborer une stratégie sur un portefeuille de FNB composé des SPDR sectoriels sélectionnés. Ces FNB divisent l'indice SampP 500 en neuf secteurs de sorte que chaque stock du SampP 500 est placé dans l'un des neuf secteurs sans chevauchement. Les secteurs neufs sont les biens de consommation discrétionnaire (symbole XLY), les biens de consommation courante (XLP), l'énergie (XLE), la finance (XLF), les soins de santé (XLV), l'industrie (XLI), les matériaux (XLB), la technologie (XLK) (XLU). La plupart des mêmes paramètres ont été utilisés pour construire cette stratégie comme dans le dernier exemple. Cependant, comme neuf fois plus de données de prix ont été utilisées dans la construction, j'ai réduit le nombre d'itérations Monte Carlo de 99 à 5. Les autres options de construction étaient les mêmes que dans la Fig. 2 à l'exception de l'option de reconstruction, qui n'est pas entrée en jeu. Pour le dimensionnement de la position, 20 actions ont été investies pour chaque opération. Étant donné que tous les marchés ne devraient pas être négociés en même temps, ce paramètre a été choisi pour fournir des tailles de position adéquates sans entraîner un effet de levier (c'est-à-dire un surinvestissement). La période d'échantillonnage pour cette construction était de 141999 à 5282009 avec 5292009 à 122012 comme la période hors-échantillon et 132012 à 4232013 mis de côté pour la validation. La courbe de l'équité d'une des stratégies principales de la population après 10 générations (pas de reconstructions) est montrée ci-dessous dans la Fig. 5. Figure 5. Courbes d'équité pour chaque test de stress pour la stratégie de portefeuille sectoriel SPDR sectoriel sélectionné. Chaque courbe d'équité de la Fig. 5 représente le portefeuille d'actions généré à partir de back-testing sur les neuf marchés simultanément pour un ensemble de paramètres de test de stress (ou les données d'origine). Quelques résultats sommaires de Monte Carlo sont montrés ci-dessous. Bénéfice net total Contrairement à l'exemple précédent, les résultats ne sont pas sensiblement différents lorsque l'analyse Monte Carlo est désactivée et que les résultats sont évalués par rapport aux données d'origine. Dans ce cas, le bénéfice net total augmente à 205.140. Cette stratégie passe également le test de validation. La courbe d'équité pour la stratégie sur les données originales seulement (aucun test de stress), dans lequel la période de validation est incluse, est montrée ci-dessous à la Fig. 6. Figure 6. Courbe d'actions pour la stratégie de portefeuille Select Sector SPDR final sur les données d'origine. Cette courbe de capitaux propres correspond à un bénéfice net de 249 431, ce qui équivaut à un rendement annuel de 9,5 avec un retrait le plus défavorable de 21. Comme dans l'exemple précédent, la logique de stratégie entre longtemps sur un ordre limité. La plupart des sorties sont via une sortie cible, avec d'autres métiers sortant basée sur une condition d'indicateur ou sur un arrêt de protection. Télécharger Mean Reversion Project Files: (cliquer avec le bouton droit de la souris, Enregistrer la cible sous le format. zip requiert que Adaptrade Builder s'ouvre). Pour des raisons de licence, les fichiers de projet n'incluent pas de données de prix. Le soi-disant sweet spot pour les stratégies de négociation recommandée par le Dr Bandy semble fournir des conditions efficaces pour la construction de moyennes inverser les stratégies commerciales d'une manière automatisée en utilisant un outil comme Adaptrade Builder. Il a été possible de trouver des stratégies qui répondaient à la plupart des exigences des deux exemples: une stratégie de marché unique pour le marché SPF ETF et une stratégie pour un portefeuille de FNB composé des neuf SPDR sectoriels sélectionnés. Les deux stratégies de battre buy-and-hold et résisté bien dans le test de validation. Pour les deux exemples, le test de stress avec l'analyse de Monte Carlo a été employé pour augmenter les chances de trouver des stratégies robustes. Comparativement à l'exemple du portefeuille, les résultats des tests de stress pour la stratégie du marché unique (SPY) étaient beaucoup plus conservateurs (moins favorables) que les résultats des données originales. Bien que certains de ces facteurs puissent être dus à des tests de résistance plus rigoureux par rapport à l'exemple du portefeuille, cela suggère que la stratégie SPY est moins robuste que l'exemple du portefeuille. En général, lorsque les résultats de Monte Carlo divergent nettement des résultats sur les données originales, on peut s'attendre à ce que la meilleure estimation des résultats futurs soit quelque part entre les deux, bien que cela dépendra de la prudence des tests de stress et de l'analyse de Monte Carlo . Il semble raisonnable que la stratégie de portefeuille soit plus robuste que la stratégie de marché unique puisque la stratégie de portefeuille a été construite sur neuf marchés différents et a dû travailler raisonnablement bien sur une plus grande variété de données de prix. Il a été construit plus de neuf fois autant de données et a à peu près neuf fois plus de métiers. La meilleure performance de la stratégie de portefeuille peut refléter l'effet positif de la diversification sur les neufs différents secteurs des SPDR. Même si aucune des deux stratégies ne satisfait à l'exigence du nombre de métiers, il peut être possible de trouver des stratégies qui répondent à toutes les exigences si une population plus importante est utilisée ou si des exigences de reconstruction plus strictes sont employées, ce qui exigerait plus de temps de construction. Sinon, il se peut qu'une stratégie de ce genre ne soit probablement pas trouvée en raison des exigences conflictuelles de précision élevée, de fréquence commerciale, de courte durée du commerce, etc. Le meilleur ensemble de conditions de construction est celui qui exploite pleinement le potentiel des marchés tout en restant réaliste. La combinaison d'un ensemble de conditions de construction utiles, telles que celles fournies par Dr. Bandy, avec des fonctionnalités de robustesse intégrées, telles que le stress testing et l'analyse Monte Carlo, dans un outil automatisé comme Builder devrait fournir un cadre solide pour développer des stratégies commerciales efficaces. Bandy, Howard B. Moyenne des systèmes de négociation Reversion. Blue Owl Press, Inc. Sioux Falls, SD, 2013, p. 138. Bandy, Howard B. Modélisation du rendement du système commercial. Blue Owl Press, Inc. Sioux Falls, SD, 2011, p. 154. Cet article est paru dans le numéro d'avril 2013 du bulletin Adaptrade Software. Les SPDR SampP 500 et Select Sector sont des marques de commerce de The McGraw-Hill Companies, Inc. LES RÉSULTATS DE PERFORMANCE HYPOTHETIQUES OU SIMULÉS ONT CERTAINES LIMITATIONS INHÉRENTES. UNLIKE UN RAPPORT DE PERFORMANCE RÉELLE, LES RÉSULTATS SIMULÉS NE REPRÉSENTENT PAS DE COMMERCE RÉEL. AINSI, LES COMMERCES N'ONT PAS EFFECTUÉES REELLEMENT, LES RÉSULTATS PEUVENT ÊTRE SOUS-OU SUR-COMPENSÉS POUR L'INCIDENCE DE CERTAINS FACTEURS DE MARCHÉ, TELS QUE LE MANQUE DE LIQUIDITÉ. LES PROGRAMMES SIMULTANÉS DE COMMERCE EN GÉNÉRAL SONT ÉGALEMENT SUJETS AU FAIT QU'ILS SONT CONÇUS AVEC LE BÉNÉFICE DE HINDSIGHT. AUCUNE REPRÉSENTATION N'EST FAITE QUE TOUT COMPTE EST OU PEUT PROBABILITÉ D'OBTENIR DES BÉNÉFICES OU DES PERTES SIMILAIRES À CELLES INDIQUÉES. Si vous désirez être informé des nouveautés, des nouveautés et des offres spéciales d'Adaptrade Software, rejoignez notre liste de diffusion. Merci. Le potentiel caché de l'apprentissage Comment échanger des options d'or SPX 038 5 août 2010 à 20h46 J. W. Les techniciens de Jones Market croient qu'ils fonctionnent dans un monde que peu de gens comprennent vraiment. C'est comme s'ils croyaient qu'ils travaillent dans une sorte de construction financière secrète que seulement quelques âmes chanceuses loin de Wall Street peuvent accéder. La vérité est que l'analyse technique ne devrait être utilisée que comme une métrique pour aider un commerçant à naviguer sur les marchés financiers. Il existe une variété de méthodologies de recherche qui éclairent tous et offrent des indices sur lesquels le marché pourrait se diriger. Market internes, l'indice de volatilité, Fed parler, et même l'analyse fondamentale peut être utile pour les commerçants. Il ne serait pas logique d'ignorer l'information du marché qui fournit une plus grande perspicacité et d'autres indices qui peuvent aider à donner un commerçant un avantage. Après tout, le bord est ce que tous les commerçants recherchent. Le sweet spot dans le commerce est d'avoir un système commercial qui vous donne un avantage et offre une variété de façon de quantifier, d'atténuer et de définir le risque. Les mêmes traders qui ne cherchent à utiliser l'analyse purement technique dans leur négociation ne parviennent pas à reconnaître d'autres véhicules d'investissement qui pourraient offrir des rendements avantageux. Les secrets les mieux gardés sont toujours gardés à l'air libre, sous le nez proverbial du public. Les gens vont parcourir le monde à la recherche de secrets ou de prouver des théories, mais dans de nombreux cas, le Saint-Graal se trouve juste sous leur nez. La plus grande offre de marchés financiers secrets sont les rendements potentiels incroyables que les options peuvent offrir. Les options offrent une variété de façons de profiter dans une multitude de conditions de marché. Les options offrent des moteurs de profit uniques qui ne sont pas disponibles ou même possible lors de la négociation d'actions ou d'obligations. La plupart des commerçants négliger les options ou sont tout simplement peu disposés à mettre dans le temps ou l'effort d'apprendre comment les échanger de manière appropriée. Ce faisant, ils s'éloignent des énormes opportunités. La plupart des commerçants novices sont prompts à renoncer à des options comme ils perdent systématiquement de l'argent lors de leur négociation. La raison la plus courante novice options traders pertes expérience, c'est qu'ils ne font pas leurs devoirs à l'avance. Les nouveaux traders d'options ne parviennent pas à reconnaître l'importance des Grecs. Les opérateurs d'options doivent non seulement être conscients de l'indice de volatilité, mais ils doivent maîtriser les facteurs dynamiques qui influent sur les prix des options, comme la volatilité implicite. À l'avenir, mes articles seront axés sur l'intention d'éduquer les lecteurs sur les Grecs d'une manière qui est facile à lire et à comprendre. Les commerçants qui utilisent un système de négociation ou qui recherchent des entrées à faible risque se retrouver assis inactif lorsque les conditions du marché ne sont pas favorables à leur système commercial ou lorsque des entrées prudentes ne se sont pas présentés. La capacité de négocier des options donne un commerçant un autre véhicule d'investissement qui peut offrir des bénéfices potentiels. Dans la plupart des situations, les options peuvent offrir des rendements attrayants tout en prenant beaucoup moins de risque que les actions de négociation, les ETF ou les obligations. Afin d'illustrer une situation où les options peuvent présenter un meilleur risque par rapport à la récompense, nous devons regarder pas plus loin que l'action du marché intraday dans le SampP 500 le 2 août. Le marché s'est rallié à la fermeture précédente et a été heurter contre une résistance significative. Les commerçants auraient pu chercher à obtenir long ou court basé sur l'action de prix récente. Le marché s'était consolidé et il était probable qu'un changement significatif se produirait. De toute évidence, le marché était à la croisée des chemins et une évasion pourrait être juste autour du coin, ou le marché pourrait tester des sommets récents seulement pour refuser de retest soutien récent. Stock négociants ont à prendre une décision sur la direction ou de s'asseoir sur les lignes de côté et laisser d'autres faire le travail lourd. Les opérateurs d'options pourraient mettre sur des positions qui ont un biais directionnel, ou ils pourraient utiliser la décroissance du temps (theta) comme un moteur de profit. Grâce à l'utilisation de spreads tels que le condor de fer ou une mariposa propagation, les commerçants options peuvent effectivement mettre sur une position qui a la capacité d'être rentable quelle que soit la direction SPY va. Pour qu'un spread fonctionne, le prix SPYs doit rester dans les limites du spread qui est également déterminé par les prix d'exercice de l'option spécifique sélectionnés par le trader d'options. Semblable au mécanisme qui pilote la tarification d'actif, plus le risque qu'un opérateur d'option prend plus grand leur retour. Si un écart est écrit qui est extrêmement large et donc moins risqué, les rendements potentiels diminuent. En fin de compte, il s'agit d'un exemple récent de la façon dont les options peuvent offrir plus que juste effet de levier, mais une méthodologie totalement différente qui peut produire des profits démesurés. À l'avenir, nous disséquerons les différentes spreads et les moteurs de profit qui les conduisent. Toutefois, avant de commencer la discussion détaillée de diverses stratégies d'option, les traders d'options doivent avoir une bonne compréhension des divers principes de volatilité ainsi que l'impact que les Grecs ont dans le monde des options. En terminant, je vous laisse avec la muse de George Orwell, Pour voir ce qui est devant le nez d'un nez exige une lutte constante. Si vous souhaitez continuer à en apprendre davantage sur les options potentielles cachées trading peut fournir s'il vous plaît joindre mon Newsletter gratuite: OptionsTradingSignals J. W. Jones est un opérateur d'options indépendantes utilisant plusieurs formes d'analyse pour guider ses stratégies de négociation d'options. Jones possède une vaste expérience en analyse et en analyse de portefeuilles ainsi qu'en analyse des risques. J. W. S'efforce d'atteindre les commerçants qui manquent des possibilités commerciales options et s'engage à écrire du contenu qui n'est pas seulement éducatif, mais amusant ainsi. Les lecteurs réguliers développeront les connaissances et les compétences nécessaires pour négocier les options avec compétence au fil du temps. Jones se concentre sur l'écriture de spreads dans des situations où le risque est clairement défini et les rendements potentiels élevés peuvent être réalisés. Cet article a été publié le Jeudi, Août 5, 2010 à 8:46 pm et est classé dans Daily Market Trades. Options Trading. Éducation commerciale. Vous pouvez suivre les réponses à cette entrée via le flux RSS 2.0. Les commentaires ainsi que les pings sont actuellement fermés. Les commentaires sont fermés.