Die lineare Regression der Zeit und des Preises Technische und quantitative Analytiker haben statistische Prinzipien auf den Finanzmarkt seit seiner Gründung angewendet. Einige Versuche waren sehr erfolgreich, während einige waren alles andere als. Der Schlüssel ist, einen Weg, um Preis-Trends zu identifizieren, ohne die Fehlbarkeit und Bias des menschlichen Geistes zu finden. Ein Ansatz, der für Investoren erfolgreich sein kann und in den meisten Charting-Tools verfügbar ist, ist eine lineare Regression. Lineare Regression analysiert zwei separate Variablen, um eine einzige Beziehung zu definieren. In der Diagrammanalyse. Dies bezieht sich auf die Variablen von Preis und Zeit. Anleger und Händler, die Charts verwenden, erkennen die Höhen und Tiefen des Preises, die von Tag zu Tag, Minute zu Minute oder Woche zu Woche horizontal gedruckt werden, abhängig vom ausgewerteten Zeitrahmen. Die unterschiedlichen Marktansätze sind das, was die lineare Regressionsanalyse so attraktiv macht. (Erfahren Sie mehr über quantitative Analyse in der quantitativen Analyse der Hedge Fonds.) Bell Kurve Grundlagen Statistiker haben die Glockenkurve Methode, auch bekannt als eine normale Verteilung verwendet. Um einen bestimmten Satz von Datenpunkten auszuwerten. Fig. 1 ist ein Beispiel einer Glockenkurve, die durch die dunkelblaue Linie bezeichnet ist. Die Glockenkurve stellt die Form der verschiedenen Datenpunktereignisse dar. Die Masse der Punkte findet normalerweise in Richtung der Mitte der Glockenkurve statt, aber im Laufe der Zeit verlaufen die Punkte oder weichen von der Population ab. Ungewöhnliche oder seltene Punkte sind manchmal weit außerhalb der normalen Bevölkerung. Abbildung 1: Eine Glockenkurve, Normalverteilung. Als Bezugspunkt ist es üblich, die Werte zu mitteln, um eine mittlere Punktzahl zu erzeugen. Der Mittelwert repräsentiert nicht notwendigerweise die Mitte der Daten und repräsentiert stattdessen die mittlere Punktzahl einschließlich aller abgehenden Datenpunkte. Nachdem ein Mittel festgestellt wurde, bestimmen Analysten, wie oft der Preis vom Mittelwert abweicht. Eine Standardabweichung zu einer Seite des Mittelwerts ist gewöhnlich 34 der Daten oder 68 der Datenpunkte, wenn wir eine positive und eine negative Standardabweichung betrachten, die durch den orangefarbenen Pfeilabschnitt dargestellt wird. Zwei Standardabweichungen umfassen etwa 95 der Datenpunkte und sind die zusammengesetzten orangefarbenen und rosa Bereiche. Die sehr seltenen Erscheinungen, dargestellt durch lila Pfeile, treten an den Schwänzen der Glockenkurve auf. Da jeder Datenpunkt, der außerhalb von zwei Standardabweichungen auftritt, sehr selten ist, wird oft angenommen, dass die Datenpunkte in Richtung des Mittelwertes zurückgehen oder zurückgehen. (Für weitere Informationen siehe Moderne Portfolio Theory Stats Primer.) Aktienkurs als Datensatz Stellen Sie sich vor, wenn wir die Glockenkurve genommen, drehte es auf seiner Seite und wandte sie auf ein Aktiendiagramm. Dies würde uns erlauben, zu sehen, wann eine Sicherheit überkauft oder überverkauft ist und bereit ist, auf den Mittelwert zurückzukehren. In Abbildung 2 wird die lineare Regressionsstudie dem Diagramm hinzugefügt, was den Investoren den blauen Außenkanal und die lineare Regressionslinie durch die Mitte unserer Preispunkte gibt. Dieser Kanal zeigt den Investoren die aktuelle Kursentwicklung und liefert einen Mittelwert. Unter Verwendung einer variablen linearen Regression können wir einen schmalen Kanal bei einer Standardabweichung oder 68 einstellen, um grüne Kanäle zu erzeugen. Während es keine Glockenkurve gibt, können wir sehen, dass der Preis jetzt die Glockenkurven-Divisionen widerspiegelt, die in Abbildung 1 zu sehen sind. Abbildung 2: Abbildung des Handels der mittleren Reversion unter Verwendung von vier Punkten Trading the Mean Reversion Dieses Setup wird leicht mit vier Punkten gehandelt Das Diagramm, wie in Abbildung 2 dargestellt. Nr. 1 ist der Einstiegspunkt. Dies wird nur dann zu einem Einstiegspunkt, wenn der Kurs zum äußeren blauen Kanal gehandelt hat und sich innerhalb der einen Standardabweichungslinie zurückbewegt hat. Wir dont einfach verlassen sich auf mit dem Preis als Ausreißer, weil es eine weitere weiter aus bekommen kann. Stattdessen wollen wir, dass das Outcome-Ereignis stattgefunden hat und der Preis auf den Mittelwert zurückgeht. Ein Rückzug innerhalb der ersten Standardabweichung bestätigt die Regression. (Prüfen Sie, wie die Annahmen der theoretischen Risikomodelle mit der tatsächlichen Marktperformance vergleichen, lesen Sie die Verwendungen und Grenzen der Volatilität.) Nr. 2 bietet einen Stop-Loss-Punkt, falls die Ursache der Ausreißer weiterhin den Preis negativ beeinflusst. Durch das Setzen der Stop-Loss-Order lässt sich das Risiko des Trades schnell bestimmen. Für ertragsstarke Exits werden zwei Preisziele für No.3 und No.4 festgelegt. Unsere erste Erwartung an den Handel war, auf die mittlere Linie zurückzukehren, und in Figur 2 ist der Plan, die Hälfte der Position bei 26,50 oder dem aktuellen Mittelwert zu beenden. Das zweite Ziel arbeitet unter der Annahme eines anhaltenden Trends, so dass ein anderes Ziel am anderen Ende des Kanals für die andere Standardabweichungslinie oder 31,50 eingestellt wird. Diese Methode definiert eine Investoren mögliche Belohnung. Abbildung 3: Füllen des mittleren Preises Im Laufe der Zeit wird der Preis nach oben und unten bewegt und der lineare Regressionskanal ändert sich, wenn die alten Preise fallen und neue Preise erscheinen. Zielvorgaben und Stopps sollten jedoch gleich bleiben, bis das mittlere Preisziel erreicht ist (siehe Abbildung 3). Zu diesem Zeitpunkt wurde ein Gewinn eingesperrt und der Stop-Loss sollte auf den ursprünglichen Einstiegspreis verschoben werden. Angenommen, es ist ein effizienter und liquider Markt. Der Rest des Handels sollte ohne Risiko sein. (Erfahren Sie mehr in der Arbeit durch die effiziente Markthypothese.) Abbildung 4: Füllen des Mittelpreises. Denken Sie daran, eine Sicherheit nicht zu einem bestimmten Preis für Ihre Bestellung zu schließen, es muss nur den Preis intraday erreichen zu schließen. Sie können auf dem zweiten Ziel während eines der drei Bereiche in Abbildung 4 gefüllt worden sein. Wirklich Universal Techniker und Quant-Händler arbeiten oft ein System für eine bestimmte Sicherheit oder Lager und finden, dass die gleichen Parameter nicht auf andere Wertpapiere oder Aktien zu arbeiten. Die Schönheit der linearen Regression ist, dass die Sicherheiten Preis und Zeit bestimmen die Systemparameter. Verwenden Sie diese Tools und die in diesem Artikel definierten Regeln auf verschiedene Wertpapiere und Zeitrahmen und Sie werden überrascht sein, über seine universelle Natur. MetaTrader Expert Advisor Pairs Handel oder Marktneutralität sind seit langem als komplexe Hedgefonds-Strategien mit begrenzter Anwendung für den Einzelhändler angesehen worden. Als Teil unserer Serie über Korrelation und Kointegration. Wir dachten, es wäre von Vorteil zu sehen, wie beide Regressionsmuster effektiv genutzt werden können, um Paarhandelsgelegenheiten und - szenarien zu identifizieren und mögliche Fallstricke zu reduzieren. Das Geheimnis, das die Kointegration umgibt, und ihre Komplexität aus formulierungspolitischer Perspektive hat einige Händler abgebrochen. Lustig genug, auch wenn ich diesen Beitrag schreiben die Rechtschreibprüfung nicht identifizieren Cointegration als Wort, das gibt Ihnen einen Hinweis, wie oft der Begriff referenziert wird. Identifizieren guter Paare Trades Obwohl es eine Reihe von Formeln oder Tests, die verwendet werden können, ist eine der am weitesten angenommen, dass der Augmented Dickey Fuller (ADF) Test. Bei der Formulierung eines p-Wertes erlaubt der Test dem Händler, zu identifizieren, wie kointegrierte zwei Serien über einen bestimmten Zeitraum effizient und vereinfacht sind. Um dies in den Kontext zu bringen, werden, wenn die Preise für die Währung A und die Währung B in das Modell eingegeben werden und der p-Wert bei 0,02 ausgegeben wird, dies identifiziert, dass 2 der Zeit, in der die beiden Variablen nicht stationär sind oder 98 der Zeit sie sind Sind kointegriert. Vergewissern Sie sich, dass Sie eine gute Anzahl von Werten verwenden (zB 3 Jahre auf einer Tageskarte), sonst kann die Berechnung nicht die genaueste Anzeige geben. Es gibt eine Anzahl von Aufstellungsorten, in denen Sie eine Excel-Version des ADF-Tests einschließlich Quantcode herunterladen können. Der nächste Teil im Berechnungsprozess ist, die Korrelation zu erarbeiten. Es wird empfohlen, dass mehrere Zeitrahmen verwendet werden, um auch ein Bild des Zyklus der linearen Regression zu malen. Um herauszufinden, wie viel Diskrepanz es gibt, haben wir Scans auf den EURUSDGBPUSD und GoldSilver Pairings durchgeführt. Die Ergebnisse waren sehr interessant. Die langfristige Korrelation zeigt an, dass die Paare einen sehr ähnlichen Weg verfolgen. Doch auf kurze Sicht werden sie allmählich auseinander zu bewegen. Auf einer Kointegrationsbasis haben nur 13 der Zeitpunkte der letzten beiden Jahre die Paare wieder auf den gleichen Mittelwert zurückgesetzt. 30 Tage Korrelation: 94.98 Korrelation zwischen zwei Jahren: 26.99 13 Jahre Korrelation: 95.3 2 Jahre Kointegration: 85 Das zweijährige Intervall zeigt auf, wie die Preise statistisch aus ihren langfristigen und kurzfristigen Bereichen stammen. Nach der Kointegrationsziffer fielen die Preise von Gold und Silber wieder auf den gleichen Durchschnitt von 85% zurück. Schlussfolgerung . Gold und Silber ist ein besseres Paar Handel als EURUSD und GBPUSD. Kointegrations - und Korrelationstechniken Nachdem wir nun festgestellt haben, dass Gold und Silber die höchste Korrelation und Kointegration aufweisen, müssen wir die Techniken für spezifische Ein - und Austrittspunkte analysieren. Im folgenden Beispiel gibt es drei spezifische grafische Darstellungen (oberes Diagramm ist der Goldpreis, mittleres Diagramm ist die Regressionskorrelation und das untere Diagramm ist der Silberpreis). Der lineare Regressionszeitraum beträgt 360 Tage ohne Rückblick. Ein Diagramm, das Gold, Silber und deren Korrelation zeigt Das Diagramm hatte zwei mögliche Ein-und Ausstiegspunkte über die ein Jahr Zeitraum. Im August zeigte der 360-Regressionskanal an, dass der lineare Wert nach einer Periode oberhalb der dritten Standardabweichung wieder auf seinen Mittelwert zurückfallen würde. Gemäß dem Diagramm wäre ein kurzes Gold - und ein langes Silberpaar-Signal ausgelöst worden. Der zweite Handel kam im Dezember, mit der linearen Linie brechen zurück durch den unteren Standard-Abweichung Kanal. Mit Bezug auf das obige Beispiel können wir eine Reihe von Problemen sehen, die die Leistung erheblich beeinträchtigen könnten. Kurvenanpassung, wie sie allgemein bekannt ist, wird am besten als eine spezifische Reihe beschrieben, die eine Zeit variabel anbringt, ohne ein wahres und klares Bild der Leistung zu geben. Strategien, die Definitionen von künftigen Preisen oder großen historischen Daten erfordern, sind üblicherweise kurvenangepasst. Auf dem Papier kann es toll aussehen, aber im echten Handel Szenario, die Ergebnisse können ganz anders sein. Das 360-Regressions-Kanaltabelle hat den Test nicht bestanden (Kurvenanpassung). Wie unten zu sehen ist, wenn die Rückblickperiode auf 162 Tage geändert wird, wäre das Signal völlig unterschiedlich. Ein bewegliches Fenster für den Regressionskanal bietet weniger Chancen für Kurvenanpassung Eine der Lösungen für Kurvenanpassung im Paarenhandel besteht darin, die lineare Regressionsperiode auf ein kürzeres Fenster oder Zeitfenster zu reduzieren. Dies kann zwar zu einer Empfindlichkeit gegenüber volatilen Bewegungen führen, reduziert jedoch das mögliche Risiko für vorausschauende Szenarien. Die Händler sollten sich auch der Veränderungen der Korrelations - und Kointegrationswerte des Paares bewusst sein, da sich diese aufgrund von Marktmissbrauch oder globalen wirtschaftlichen und politischen Ereignissen schnell verschieben können.
No comments:
Post a Comment