استراتيجية التداول سلسلة الوقت

إستراتيجية تداول السلاسل الزمنية
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
تحديد الإطار الزمني لتحليل السلاسل الزمنية.
في التحليل الفني، قد نستخدم التقاء الاتجاه لمدة 3 أطر زمنية لقياس التحيز تقريبا من السوق الآن. وبالمثل، إذا استخدمنا أساليب التنبؤ بالسلاسل الزمنية للتنبؤ (قل البيانات اليومية، سواء كانت S & أمب؛ P صعودا أعلى غدا)، كم ستكون البيانات اليومية التاريخية الأمثل (الرهان 2 أسابيع -1 شهر -3 أشهر)؟ البيانات السابقة أو قليلة جدا لا تعطي التنبؤ الدقيق.
(1) توليد النتائج في 5 أيام فاصل (في غضون 3 أشهر) حتى تحصل على أفضل التنبؤ الفاصل الذي هو الأقرب إلى قيمة الإغلاق أمس. ثم استخدم هذه الفاصل الزمني للتنبؤ إغلاق الغد؟
(2) الجمع بين 3 أشهر التنبؤ والبث الإذاعي (عكس البيانات) حتى يكون هناك نتيجة تتزامن. ثم استخدام هذا اليوم كنقطة مرجعية البداية للتنبؤ؟ سبيدرفينانسيال / سوبورت / دوكومنتاتيون / نومكسل / تيبس-أند-تريكس / باكوارد-فوريكاست باكاكانتانتس / ما هو باككاستينغ-أند-ديفيرانس-فوريكاستينغ /
يجب ألا تبدأ مطلقا بالسؤال عن مقدار البيانات التي يجب تضمينها في جهود البحث. يجب أن تبدأ بالنقاط التالية:
تأكد من فهم الفرق بين حجم العينة لتحديد النموذج والبيانات المستخدمة لتشغيل الاختبارات مرة أخرى. تلك هي حيوانات مختلفة تماما. أولا، فكر في هدفك النهائي، ما الذي تحاول تحقيقه. هل تبحث لتطوير نموذج تداول عالية التردد؟ إذا كان الجواب نعم فإنه ليس من المنطقي لدمج الذكاء السعر من 1 قبل شهر. ما هي الديناميات التي تحاول التقاطها؟ إذا كنت تبحث عن دورات السوق التجارية ثم كنت ترغب في دمج كمية البيانات التي تغطي دورات السوق المختلفة. ما نوع البيانات التي تحاول تحليلها؟ القراد، مضغوط، محاولة / طلب مقابل الصفقات، ديناميكيات كتاب النظام؟
عند الإجابة على هذا السؤال يجب أن يكون لديك على الأرجح فكرة جيدة جدا كم البيانات التي تحتاج إليها، على أي تردد.

تأثير سلسلة الوقت الزخم.
والزخم التقليدي المقطع العرضي هو شذوذ شعبي وموثق توثيقا جيدا. يستخدم الزخم التقليدي مجموعة من الأصول لاختيار الفائزين السابقين، ويتوقع أن هؤلاء الفائزين سوف تستمر في تفوق أقرانهم في المستقبل أيضا. ومع ذلك، تظهر البحوث الأكاديمية الأخيرة أننا لسنا في حاجة إلى الكون كله من الأصول لاستغلال تأثير الزخم. تظهر نسخة جديدة من هذا الشذوذ (الزخم الزمني سلسلة) أن كل الأمن (أو الأصول) تملك الماضي العائد هو التنبؤ في المستقبل. والعائد الفائض الذي حققته كل أداة على مدى ال 12 شهرا الماضية هو مؤشر إيجابي على عائدها في المستقبل. محفظة متنوعة من الزخم السلسلي الوقت في جميع الأصول مستقرة بشكل ملحوظ وقوية، مما أسفر عن نسبة شارب عالية مع وجود علاقة ضئيلة لمعايير سلبية. ميزة إضافية هي أن عودة الزخم سلسلة الوقت يبدو أن أكبر عندما عوائد سوق الأسهم هي الأكثر تطرفا. وبالتالي، قد يكون الزخم السلاسل الزمنية تحوطا للأحداث المتطرفة.
السبب الأساسي.
وتشير البحوث الأكاديمية إلى أن تأثير الزخم السلسلي الزمني يتسق مع النظريات السلوكية للمستثمرين & كوت؛ والتفاعل الأولي الأولي والتفاعل المفرط المتأخر المطبق على نشر المعلومات.
استراتيجية التداول بسيطة.
ويتكون عالم الاستثمار من 24 من العقود الآجلة للسلع، و 12 من أزواج العملات المتقاطعة (مع 9 عملات أساسية)، و 9 مؤشرات للأسهم المتقدمة، و 13 من العقود الآجلة للسندات الحكومية المتقدمة.
المصدر ورقة.
موسكويتز، أوي، بيدرسين: زمن الزخم.
نحن نوثق "زخم سلسلة زمنية" كبير في مؤشر الأسهم، والعملة، والسلع، وعقود السندات الآجلة لكل من الأدوات السائلة 58 نعتبرها. نجد الثبات في العوائد لمدة 1 إلى 12 شهرا الذي ينعكس جزئيا على آفاق أطول، بما يتفق مع نظريات المشاعر من رد الفعل الأولي رد الفعل وتأخر الإفراط في رد الفعل. وتوفر محفظة متنوعة من استراتيجيات الزخم السلسلي الزمني في جميع فئات الأصول عوائد غير طبيعية كبيرة مع التعرض القليل لعوامل التسعير القياسية للأصول، وتؤدي أفضل أداء في الأسواق القصوى. وتبين لنا أن العائد على الزخم السلسلي الزمني مرتبط ارتباطا وثيقا بالأنشطة التجارية للمضاربين والتحوط، حيث يبدو أن المضاربين يستفيدون منه على حساب المحوطين.
أوراق أخرى.
بالتاس، كوسوسكي: الاتجاه التالية واستراتيجيات الزخم في الأسواق الآجلة.
بناء استراتيجية الزخم سلسلة زمنية ينطوي على التجميع المعدل التقلبات للاستراتيجيات أحادي المتغير، وبالتالي تعتمد بشكل كبير على كفاءة مقدر تقلب وعلى نوعية إشارة التداول الزخم. وباستخدام مجموعة بيانات تتضمن أسعارا من 12 عقدا مستقبلا خلال الفترة من نوفمبر / تشرين الثاني 1999 إلى أكتوبر / تشرين الأول 2009، فإننا نحقق في هذه التبعيات وعلاقتها بربحية الزخم التي تحققها وتصل إلى عدد من النتائج الجديدة. أولا، إشارات التداول الزخم الناتجة عن تركيب اتجاه خطي على مسار سعر الأصول تعظيم الأداء خارج العينة مع التقليل من دوران المحفظة، وبالتالي السيطرة على إشارة التداول الزخم العادية في الأدب، وعلامة العائد الماضي. وثانيا، تظهر النتائج أنماط زخم قوية في التواتر الشهري لإعادة التوازن، وأنماط الزخم القوي نسبيا عند التردد الأسبوعي وأنماط الزخم الضعيفة نسبيا في التواتر اليومي. في الواقع، يتم توثيق آثار انعكاس كبيرة في الأفق القصير جدا. وأخيرا، وفيما يتعلق بتجمیع الاستراتیجیات المتکاملة أحادي المتغیر، یشکل مقدر مجموعة يانغ-تشانغ الخیار الأمثل لتقدیر التقلب من حیث تعظیم الکفاءة والتقليل إلی أدنى حد من التحیز ودوران محفظة الاستثمارات اللاحقة.
إن بناء استراتيجية الزخم السلسلي الزمني ينطوي على التجميع المعدل التقلب للاستراتيجيات المتغيرة، وبالتالي يعتمد بشكل كبير على كفاءة مقدر التقلب وعلى نوعية إشارة التداول الزخم. وباستخدام مجموعة بيانات تتضمن أسعارا من 12 عقدا مستقبلا خلال الفترة من نوفمبر / تشرين الثاني 1999 إلى أكتوبر / تشرين الأول 2009، فإننا نحقق في هذه التبعيات وعلاقتها بربحية الزخم السلسلي الزمني ونصل إلى عدد من النتائج الجديدة. إشارات التداول الزخم الناتجة عن تركيب اتجاه خطي على مسار سعر الأصول تعظيم أداء خارج العينة مع التقليل من دوران محفظة، وبالتالي السيطرة على إشارة التداول الزخم العادي في الأدب، وعلامة العائد الماضي. وفيما يتعلق بتجمیع الاستراتیجیات غیر المتکاملة المتقلبة، یشکل مقدر مجموعة يانغ-تشانغ الخیار الأمثل لتقدیر التقلب من حیث تعظیم الکفاءة والتقليل من التحیز ودوران محفظة الاستثمارات اللاحقة.
في هذه الورقة ندرس استراتيجيات الزخم سلسلة الوقت في أسواق العقود الآجلة وعلاقتها لمستشاري تجارة السلع (كتاس). أولا، نقوم ببناء واحدة من أشمل مجموعات الزخم السلسلي الزمني من خلال توسيع نطاق الدراسات القائمة في ثلاثة أبعاد: السلسلة الزمنية (1974-2002)، المقطع العرضي (71 عقدا) ومجال التردد (شهريا، أسبوعيا، يوميا) . إن استراتيجيات الزخم الخاصة بنا هي تحقيق نسب شارب أعلى من 1.20 وتوفر فوائد تنويع هامة بسبب سلوكها المضاد للتقلبات الدورية. نجد أن الاستراتيجيات الشهرية والأسبوعية واليومية تظهر انخفاض الترابط المتبادل، مما يدل على أنها التقاط ظواهر استمرار عودة متميزة. ثانيا، نحن نقدم أدلة على أن كتا اتبع استراتيجيات الزخم سلسلة زمنية، من خلال تبين أن استراتيجيات الزخم سلسلة الوقت لديها قوة تفسيرية عالية في سلسلة زمنية من عائدات كتا. ثالثا، استنادا إلى هذه النتيجة، فإننا نحقق فيما إذا كانت هناك قيود على القدرات في استراتيجيات الزخم السلسلي الزمني، وذلك من خلال إجراء تنبؤات تنبؤية لأداء استراتيجية الزخم على تدفقات رأس المال المتخلفة في صناعة كتا. واتساقا مع الرأي القائل بأن أسواق العقود الآجلة سائلة نسبيا، فإننا لا نجد دليلا على وجود قيود على القدرات، وهذه النتيجة متينة لفئات الأصول المختلفة. نتائجنا لها تداعيات مهمة بالنسبة للدراسات صندوق التحوط والمستثمرين.
ونحن ندرس أداء الاستثمار في الاتجاه التالي في الأسواق العالمية منذ عام 1903، وتوسيع نطاق الأدلة القائمة لأكثر من 80 عاما. وقد حققنا هذا الاتجاه عائدات إيجابية قوية وحققنا ارتباطا متدنيا بفئات الأصول التقليدية كل عقد لأكثر من قرن من الزمان. نحن نحلل العوائد التالية من خلال بيئات اقتصادية مختلفة، ونسلط الضوء على فوائد التنوع التي وفرتها الاستراتيجية تاريخيا في أسواق الدببة. وأخيرا، نقوم بتقييم البيئة الأخيرة للاستراتيجية في سياق هذه النتائج طويلة الأجل.
وتجري دراسة الاختلافات في العديد من استراتيجيات الزخم في إطار تخصيص الأصول فضلا عن مجموعة من المحافظ الصناعية. نماذج بسيطة من عوائد الزخم تعتبر. ويوضح الفرق بين الزخم السلسلي والزخم المستعرض، مع إيلاء اهتمام خاص لمصادر الربح لكل منهما، نظريا وتجربيا. يتم توفير الأسباب النظرية والتجريبية لكفاءة الترجيح التذبذب ويتم فحص العلاقة بين الزخم مع تشتت مستعرضة والتقلب.
وتبين لنا أن ربحية استراتيجيات الزخم الزمني للسلسلة الزمنية على العقود الآجلة للسلع عبر تاريخها كله حساسة جدا لبداية اليوم. باستخدام عوائد يومية مع فترات تشكيل 252 يوما وفترات الاحتفاظ 21 يوما، ونسبة شارب يعتمد على ما إذا كان واحد يبدأ في اليوم الأول، في اليوم الثاني، وهلم جرا، حتى اليوم الحادي والعشرين الأول. هذه الحساسية هي أعلى لفترات تداول أقصر. وتظهر النتائج نفسها أيضا في محاكاة العوائد المستقلة والمتوازنة بشكل موحد، مما يدل على أن هذا ليس نمطا تجريبيا فحسب، بل هو مسألة أساسية في استراتيجيات الزخم. يجب أن يكون مدراء المحافظات على بينة من هذا الخطر الكامن: بدء تداول نفس الاستراتيجية على نفس الأساسية ولكن بعد يوم واحد يمكن، حتى بعد عدة عقود، تحويل استراتيجية ناجحة إلى واحدة فاشلة.
وتبين لنا أن عوائد صناديق العقود الآجلة المدارة واتفاقيات المساعدة التقنية يمكن تفسيرها باستراتيجيات بسيطة للاتجاه، ولا سيما استراتيجيات الزخم السلسلي الزمني. نحن نناقش الحدس الاقتصادي وراء هذه التصنيفات، بما في ذلك المصادر المحتملة للربح بسبب رد الفعل الأولي رد الفعل وتأخر الإفراط في رد الفعل على الأخبار. نعرض تجريبيا أن هذه الاستراتيجيات التي تتبع الاتجاه تفسر عوائد إدارة العقود الآجلة. وبالفعل، فإن استراتيجيات الزخم السلسلي الزمني تنتج علاقات كبيرة ومربعات عالية مع مؤشرات العقود الآجلة المدارة وعودة المدير الفردي، بما في ذلك أكبر وأنجح المديرين. في حين أن أكبر مديري العقود الآجلة المدارة قد أدركوا أهمية كبيرة للمقاييس التقليدية الطويلة فقط، والسيطرة على استراتيجيات الزخم السلاسل الزمنية تدفع بهم إلى الصفر إلى الصفر. وأخيرا، فإننا نعتبر عددا من قضايا التنفيذ ذات صلة باستراتيجيات الزخم السلسلي الزمني، بما في ذلك إدارة المخاطر، وتوزيع المخاطر عبر فئات الأصول وآفاق الاتجاه، وتواتر إعادة توازن الحافظة، وتكاليف المعاملات، والرسوم.
في نموذج التوازن مع المستثمرين المستنيرين العقلانيين والمستثمرين التقنيين، وتبين لنا أن المتوسط ​​المتحرك لأسعار السوق الماضية يمكن التنبؤ بالسعر في المستقبل، وشرح قوة تنبؤية قوية وجدت في العديد من الدراسات التجريبية. نموذجنا يمكن أيضا أن يفسر الزخم السلس الزمني أن أسعار السوق تميل إلى أن تكون مرتبطة بشكل إيجابي على المدى القصير وترتبط سلبا على المدى الطويل.
وبعد عوائد إيجابية كبيرة في عام 2008، تلقت كتا اهتماما متزايدا ومخصصات من المستثمرين المؤسساتيين. وكان الأداء اللاحق أدنى من متوسطه على المدى الطويل. وقد حدث ذلك في فترة ما بعد الأزمة المالية الأكبر منذ الكساد الكبير. في هذه الورقة، باستخدام ما يقرب من قرن من البيانات، ونحن التحقيق في ما يحدث عادة للاستراتيجية الأساسية التي تتبعها هذه الأموال في الأزمات المالية العالمية. كما نقوم بدراسة سلوك السلاسل الزمنية للأسواق التي تتداولها كتاس خلال فترات الأزمة هذه. وتظهر نتائجنا أنه في فترة ممتدة بعد األزمات المالية، فإن متوسط ​​العائدات يقل عن نصف العائدات التي تحققت في فترات عدم األزمات. وتبين الأدلة المستمدة من الأزمات الإقليمية نمطا مماثلا. ووجدنا أيضا أن أسواق العقود الآجلة لا تعرض القدرة على التنبؤ بسلسلة زمنية قوية يمكن التنبؤ بها في فترات عدم الأزمات، مما أدى إلى عوائد ضعيفة نسبيا للاتجاه بعد الاستراتيجيات في السنوات الأربع التي تلت مباشرة بداية الأزمة المالية.
نحن نقدم فئة جديدة من استراتيجيات الزخم التي تقوم على المتوسطات طويلة الأجل للعوائد المعدلة المخاطر واختبار هذه الاستراتيجيات على الكون من 64 العقود الآجلة السائلة. وتبين لنا أن استراتيجية الزخم المعدلة هذه تتفوق على استراتيجية الزخم الزمني لسلسلة أوي وموسكويتز وبيدرسين (2018) لجميع مجموعات تقريبا من فترات الاحتفاظ والتفكير. نقوم ببناء مقاييس للتذبذب (المخاطر) الخاصة بالزخم (سواء داخل أو داخل فئات الأصول)، ونبين أن هذه التقلبات يمكن استخدامها لإدارة المخاطر وتوقيت الزخم. ونجد أن إدارة مخاطر الزخم تؤدي إلى زيادة نسب شارب بشكل كبير، ولكنها تؤدي في الوقت نفسه إلى مزيد من الانحراف السلبي ومخاطر الذيل. على النقيض من ذلك، الجمع بين إدارة المخاطر مع توقيت الزخم عمليا يلغي الانحراف السلبي للعائدات الزخم ويقلل بشكل كبير من خطر الذيل. وباإلضافة إلى ذلك، تؤدي إدارة مخاطر الزخم إلى تعرض أقل بكثير لعوامل السوق والقيمة والزخم. ونتيجة لذلك، فإن عوائد الزخم الذي تديره المخاطر توفر فوائد تنويع أعلى بكثير من عائدات الزخم المعياري.
ونحن ندرس العلاقة بين عائدات الاتجاه التالي ومخاطر الاقتصاد الكلي. تظهر نتائجنا أن عوامل الاقتصاد الكلي لها علاقة ذات دلالة إحصائية مع الاتجاه التالي، عندما نسمح للتعرض الديناميكي للاستراتيجية. ووجدنا أن هذا التعرض المتغير للمخاطر يسمح بالتوجهات التالية لتحقيق عوائد إيجابية عبر مجموعة واسعة من دورات السوق والسندات. وقد وثقت البحوث السابقة أن معظم عائدات الزخم المقطعية مستمدة من التعرض لمخاطر الاقتصاد الكلي. ومع ذلك، فإن الشيء نفسه لا ينطبق على الاتجاه التالي حيث يأتي على الأقل نصف الأداء من مكونات غير المبررة للعائدات الآجلة. عندما نربط الأداء بالتذبذب المشروط لمتغيرات الاقتصاد الكلي، تظهر نتائجنا أن الاتجاه التالي يولد عائدات أعلى في فترات يكون فيها عدم اليقين الاقتصادي منخفضا.
نحن نحلل الاختلافات بين الاستراتيجيات القائمة على العودة السابقة التي تختلف في التكيف على العائدات الماضية تتجاوز الصفر (استراتيجية سلسلة زمنية، تيسي) والعائدات الماضية تتجاوز المتوسط ​​المقطع العرضي (استراتيجية مستعرضة، كس). ووجدنا أن فرق العائد بين هاتين الاستراتيجيتين يرجع أساسا إلى المواقف الطويلة المتغيرة في الوقت الذي تأخذ فيه استراتيجية النقل التقني في السوق الكلي، وبالتالي لا تترتب عليها أي آثار على سلوك أسعار الأصول الفردية. ومع ذلك، فإن استراتيجيات تيسي و كس على أساس النسب المالية كمنبئات تختلف أحيانا بسبب اختيار الأصول.
تدير صناديق العقود الآجلة المدارة (التي تسمى أحيانا عبارات التجارة العامة) التجارة في الغالب على الاتجاهات. هناك عدة طرق لتحديد الاتجاهات، إما باستخدام الاستدلال أو التدابير الإحصائية التي غالبا ما تسمى "المرشحات". هناك مقياسان إحصائيان مهمان لاتجاهات الأسعار هما الزخم السلسلي الزمني والمتوسط ​​المتحرك لعمليات الانتقال. وتبين لنا من الناحية التجريبية والنظرية أن مؤشرات الاتجاه هذه ترتبط ارتباطا وثيقا. في الواقع، فهي تعبيرات مكافئة في أشكالها الأكثر عمومية، وأنها أيضا التقاط العديد من أنواع أخرى من المرشحات مثل مرشح هب، مرشح كالمان، وجميع المرشحات الخطية الأخرى. وعلاوة على ذلك، نعرض كيف يمكن أن تكون مرشحات الاتجاه ممثلة على نحو مكافئ كدالات للأسعار الماضية مقابل العائدات الماضية. نتائجنا توحيد وتوسيع مجموعة من الاستراتيجيات التالية الاتجاه ونناقش الآثار المترتبة على المستثمرين.
وباستخدام مجموعة بيانات مؤلفة من 67 مؤشرا من مؤشرات األسهم والسلع من 1969 إلى 2018، توثق هذه الدراسة تأثير الزخم الزمني الكبير في أسواق األسهم والسلع الدولية. وتوثق هذه الورقة أيضا أن صناديق الاستثمار الدولية لديها ميل لشراء أدوات كانت جيدة الأداء في الأشهر الأخيرة، لكنها لا تبيع بانتظام تلك التي كانت ضعيفة في نفس الفترات. ونجد أيضا أن محفظة الزخم قصيرة الأجل المتنوعة تحقق أكبر أرباحها في ظروف السوق الشديدة، ولكن تدخلات البنوك المركزية في السوق في السنوات الأخيرة تبدو وكأنها تتحدى أداء هذه الحوافظ.
ولذلك فإن الهدف من هذه المقالة هو دراسة عدم الكفاءة ضمن استراتيجيات الزخم الزمني (تسموم) التي أدخلت في مقال هام من قبل موسيكيتز، أوي، و بيدرسين [2018]. ولتحقيق هذه الغاية، نقدم مجموعة جديدة من استراتيجيات الزخم، واستراتيجيات الزخم الزمني المعتمد على المخاطر (راموم)، والتي تستند إلى متوسطات عوائد العقود الآجلة الماضية، وتطبيع بسبب تقلباتها. نحن اختبار هذه الاستراتيجيات على كون من 64 عقود العقود الآجلة السائلة، وتبين أن استراتيجيات راموم تتفوق على استراتيجيات تسموم من موسكويتز، أوي، و بيدرسين [2018] لاستراتيجيات الزخم قصيرة ومتوسطة وطويلة الأجل. بالإضافة إلى ذلك، إشارات التداول راموم لها ميزة أخرى هامة ومهمة: فهي بطبيعة الحال أقل اعتمادا على التقلبات العالية. وبعبارة أخرى، فإن استراتيجيات تسموم القياسية تميل إلى الارتباط الإيجابي (انظر، على سبيل المثال، هورست وآخرون [2018]) مع موقف طويل المدى (طويلة الدعوة، طويلة وضع)، ونتيجة لذلك، أداء أفضل في السوق المتقلبة البيئات. كما نعرض، وهذا هو أقل من ذلك بكثير بالنسبة لعودة راموم لأنه، من خلال ضبط المخاطر إشارات التداول وفقا لتقلب، ونحن جعل راموم يعود أكثر حساسية للمعلومات الجديدة على وجه التحديد في الوقت عندما تقلب منخفض. ونتيجة لذلك، تفوق الأداء من راموم نسبة إلى تسموم يميل إلى أن تكون مرتبطة سلبا إلى التقلبات.
وتتبع الاستراتيجيات التي تتبع الاتجاه صفقات طويلة في الأصول مع عائدات إيجابية في الماضي ومراكز قصيرة في الأصول ذات عوائد سلبية سابقة. وعادة ما يتم تشييدها باستخدام العقود الآجلة في جميع فئات الأصول، مع الأوزان التي تتناسب عكسيا مع التقلب، وقد أظهرت تاريخيا ميزات تنويع كبيرة وخاصة خلال انكماش السوق الهائل. ومع ذلك، وفي أعقاب أداء مثير للإعجاب في عام 2008، فشلت الاستراتيجية التي تتبع الاتجاه في تحقيق عوائد قوية في فترة ما بعد الأزمة، 2009-2018. وقد اتسمت هذه الفترة بدرجة كبيرة من المشاركة في الحركة حتى عبر فئات الأصول، مع تقسيم الكون القابل للاستثمار إلى ما يسمى بالفئة الفرعية للمخاطر والمخاطر. ندرس ما إذا كان مخطط الترجيح العكسي للتذبذب، الذي يتجاهل بشكل فعال الارتباطات الزوجية، يمكن أن يتحول إلى أن يكون دون المستوى الأمثل في بيئة من الارتباطات المتزايدة. وبتوسيع نطاق تخصيص التكافؤ بين المخاطر على المدى الطويل (المساهمة في المخاطر المتساوية)، فإننا نضع استراتيجية قصيرة الأجل تتبع الاتجاه تستفيد من مبادئ تكافؤ المخاطر. ليس فقط أننا نعزز بشكل كبير أداء الاستراتيجية، ولكننا نبين أيضا أن هذا التحسن يرجع أساسا إلى أداء نظام الترجيح الأكثر تعقيدا في أنظمة الترابط المتوسط ​​للغاية.
ويظهر موسكويتز، أوي، و بيدرسين (2018) أن الزخم السلسلي الزمني يسلم ألفا كبيرا وهاما لمحفظة متنوعة من العقود الآجلة الدولية المختلفة خلال الفترة من 1985 إلى 2009. على الرغم من أننا نؤكد هذه النتائج مع بيانات مماثلة، نجد أن نتائجها هي مدفوعة بعوائد التقلبات المقاسة (أو ما يسمى نهج التكافؤ المخاطر لتخصيص الأصول) بدلا من الزخم السلاسل الزمنية. أما ألفا من الزخم الزمني للسلسلة الزمنية فيعود شهريا من 1.27٪ مع الأوزان المتقلبة إلى 0.41٪ دون تقلب التقلب، وهو أقل بكثير من ألفا الزخم المقطع العرضي 0.95٪. وباستخدام المواقف المقيسة بالتقلبات، فإن العائد التراكمي لاستراتيجية الزخم السلسلي الزمني أعلى من استراتيجية الشراء والشراء؛ ومع ذلك، تيمسيريسمومنتومان شراء وعقد عقد عوائد تراكمية مماثلة إذا لم يتم تحجيمها عن طريق التقلب. كما يتلاشى الأداء المتفوق لاستراتيجية الزخم السلسلي الزمني في فترة ما بعد الأزمة الأخيرة من عام 2009 إلى عام 2018.
وبينما يعرف الكثير عن إضفاء الطابع المالي على السلع الأساسية، لا يعرف الكثير عن كيفية الاستثمار في السلع بشكل مربح. ولا تعالج الدراسات الحالية لمستشاري تجارة السلع هذه المسألة معالجة كافية لأن 19 في المائة فقط من عمليات المساعدة التقنية تستثمر فقط في السلع الأساسية، رغم اسمها. نقارن نموذجا جديدا لتسعير الأصول مكونا من أربعة عوامل للمقاييس الحالية المستخدمة لتقييم نقاط البيع. فقط لدينا أربعة نماذج نموذج الأسعار على حد سواء بقعة السلع وفترة الخطر على المدى الطويل. وعموما، لدينا أربعة نماذج نموذج أسعار مخاطر السلع الأولية أفضل من فاما الفرنسية ثلاثة عامل نموذج أسعار مخاطر رأس المال الأسهم، وبالتالي هو معيار مناسب لتقييم المركبات الاستثمارية السلع.
في السنوات ال 20 الماضية، الزخم أو الاتجاه بعد الاستراتيجيات أصبحت جزءا راسخا من أدوات المستثمر. نحن نقدم طريقة جديدة لتحليل استراتيجيات الزخم من خلال النظر في نسبة المعلومات (إر، متوسط ​​العائد مقسوما على الانحراف المعياري). نحسب النظري إر لاستراتيجية الزخم، وتبين أنه إذا كان الزخم يرجع أساسا إلى الارتباط الذاتي الإيجابي في العوائد، إر كدالة لفترة تشكيل المحفظة (نظرة إلى الوراء) يختلف كثيرا عن الزخم بسبب الانجراف (متوسط إرجاع). يظهر إر أنه بالنسبة لفترات النظر إلى الوراء لبضعة أشهر، والمستثمر هو أكثر عرضة للاستفادة من الترابط الذاتي. ومع ذلك، لفترات نظرة إلى الوراء أقرب إلى 1 سنة، والمستثمر هو أكثر عرضة للاستفادة من الانجراف. نقارن البيانات التاريخية إلى الأشعة تحت الحمراء النظرية من خلال بناء فترات ثابتة. وجدت الدراسة التجريبية أن هناك فترات / أنظمة حيث الارتباط الذاتي هو أكثر أهمية من الانجراف في شرح الأشعة تحت الحمراء (وخاصة ما قبل 1975) وغيرها حيث الانجراف هو أكثر أهمية (معظمها بعد 1975). نختتم دراستنا من خلال تطبيق استراتيجية الزخم لدينا إلى 100 سنة زائد من المتوسط ​​الصناعي داو جونز. نحن نبلغ تذبذبات مبللة على الأشعة تحت الحمراء لفترات نظرة إلى الوراء من عدة سنوات ونموذج مثل هذه التذبذبات كعكس لمعدل النمو المتوسط.
نحن ندرس استراتيجيات الزخم الزمني (الاتجاه التالي) في السندات والسلع والعملات ومؤشرات الأسهم بين عامي 1960 و 2018. ونجد أن استراتيجيات الزخم التي تؤديها باستمرار قبل وبعد عام 1985، وهي فترات تميزت بقوة الدب والأسواق الثور في السندات على التوالي. نحن توثيق عدد من خصائص المخاطر الهامة. أولا، أن العائدات هي منحرفة بشكل إيجابي، والتي نقول أنها بديهية عن طريق رسم موازية بين استراتيجيات الزخم واستراتيجية طويلة المدى سترادل. ثانيا، كان الأداء قويا بشكل خاص في أسوأ بيئات سوق الأسهم والسندات، مما يعطي مصداقية للمطالبة بأن الاتجاه التالي يمكن أن يوفر الأسهم والسندات ألفا أزمة. إن وضع قيود على الاستراتيجية لمنعها من الأسهم الطويلة أو السندات الطويلة لديه القدرة على زيادة تعزيز ألفا الأزمة، ولكنه يقلل من متوسط ​​العائد. وأخيرا، فإننا ندرس كيف تباين الأداء عبر استراتيجيات الزخم على أساس العوائد مع فترات تأخر مختلفة وتطبيقها على فئات الأصول المختلفة.
ونقترح استخدام حافظات قصيرة وطويلة من استراتيجيات متابعة الاتجاهات لتحليل خصائص المخاطر والعائد. ونجد أن التعرضات لها متفاوتة زمنيا، وتعتمد على حالة السوق، وأن العائدات إلى جانبيها الطويل والقصير في نفس الأصل ليست قابلة للمقارنة. وبالإضافة إلى ذلك، نقدم أدلة على تقديرية منحازة من حين لآخر من قبل مديري كتا. وتتماشى النتائج التي توصلنا إليها مع فرضية الأسواق التكيفية، والدرس الرئيسي في دراستنا هو أنه ينبغي التمييز بين الجانبين الطويل والقصير في تحليل استراتيجيات الاستثمار الدينامية.
وستناقش ورقة الاستقصاء هذه المصادر الهيكلية المحتملة للعودة لكل من عبارات المساعدة التقنية ومؤشرات السلع استنادا إلى استعراض المقالات البحثية التجريبية من الأكاديميين والممارسين على حد سواء. وتغطي الورقة على وجه التحديد (أ) مصادر العودة الطويلة الأجل لكل من برامج العقود الآجلة المدارة ومؤشرات السلع الأساسية؛ (ب) توقعات المستثمرين وسياق المحفظة لاستراتيجيات العقود الآجلة؛ و (ج) كيفية قياس هذه الاستراتيجيات.
غالبا ما يشعر المستثمرون بالقلق إزاء الانحراف السلبي، أو عدم التماثل بين الذيل واليسار، في عوائد الأسهم. وردا على ذلك، فإنها تسعى إلى استراتيجيات تخفيف المخاطر لتوفير عوائد المقاصة عندما تنخفض أسواق الأسهم. ونظرا لارتباطها بالانحراف الإيجابي، فإن الاستراتيجيات التي تتبع الاتجاهات هي مرشحين شعبيين للتخفيف من المخاطر أو مواجهة الأزمات. وتستكشف هذه الورقة كيف يمكن للمحفظة التي تتبع الاتجاه أن تحقق انحرافا إيجابيا، وتبين أن الاختلاف الزمني في المخاطر هو العامل الأساسي. في الواقع، أي محفظة مع نسبة شارب إيجابية يمكن تحقيق الانحراف الموجب ببساطة عن طريق تغيير مستوى المخاطر التي اتخذت عبر الزمن.
في هذه المقالة، يدرس المؤلفون أداء الاستثمار في الاتجاه التالي في الأسواق العالمية منذ عام 1880، مد نطاق الأدلة القائمة لأكثر من 100 سنة باستخدام مجموعة بيانات جديدة. وجدوا أنه في كل عقد من الزمان منذ عام 1880، حقق الزخم الزمني سلسلة عوائد إيجابية ذات ارتباطات متدنية مع فئات الأصول التقليدية. وعلاوة على ذلك، فإن الزخم السلسلي قد حقق أداء جيدا في 8 من أصل 10 من أكبر فترات الأزمات على مدى القرن، وهو ما يعرف بأنه أكبر عمليات السحب مقابل حافظة السندات / السندات البالغة 60/40. وأخيرا، فإن الزخم الزمني للسلسلة الزمنية قد حقق أداء جيدا في مختلف البيئات الكلية، بما في ذلك الركود والازدهار والحرب ووقت السلم، ونظم أسعار الفائدة المرتفعة والمنخفضة، وفترات التضخم المرتفعة والمنخفضة.
وتتعرض محافظ التحوط ضد مخاطر عمليات السحب الكبيرة إلى صعوبة ومكلفة. إن الاستمرار في التداول على الخيارات المالية في مؤشر ستاندرد آند بورز 500 هو استراتيجية مكلفة جدا إذا كانت موثوقة للحماية من عمليات بيع السوق. إن سندات الخزانة الأمريكية "الملاذ الآمن"، مع توفير عائد إيجابي وقابل للتنبؤ على المدى الطويل، هي عموما استراتيجية لا يمكن الاعتماد عليها لتحوط الأزمات، حيث أن الترابط السلبي بين الأسهم والسندات بعد عام 2000 هو نادرة تاريخية. ويبدو أن محافظ الذهب الطويلة والائتمان الطويل للحماية الائتمانية تجلس بين السندات والسندات من حيث التكلفة والموثوقية. وعلى النقيض من هذه الاستثمارات السلبية، فإننا نحقق في استراتيجيتين ديناميتين يبدو أنهما قد حققا أداء إيجابيا على المدى الطويل ولكن أيضا خلال الأزمات التاريخية على وجه الخصوص: الزخم الزمني لسلسلة زمنية وعوامل المخزون الجيدة. زخم العقود الآجلة له يوازي مع استراتيجيات طويلة المدى سترادل، والسماح لها أن تستفيد خلال الأسهم الموسع بيع-- أوفس. وتتخذ استراتيجية المخزون الجودة مواقع طويلة في أعلى مستويات الجودة والمراكز القصيرة في أسهم الشركة ذات الجودة الأقل، مستفيدة من تأثير "الانتقال إلى الجودة" خلال الأزمات. وهاتان الاستراتيجيتان الديناميتان تاريخيا لهما خصائص غير مترابطة للعائدات، مما يجعلهما متكاملين لتغطية مخاطر الأزمات. ونحن ندرس كلتا الاستراتيجيتين ونناقش كيف يمكن أن تؤدي الاختلافات المختلفة في الأزمات، فضلا عن الأوقات العادية، على مدى السنوات 1985 إلى 2018.
إن عالوة مخاطر الزخم هي واحدة من أهم مخاطر المخاطر البديلة. وبما أنه يعتبر شذوذا في السوق، فإنه ليس دائما مفهوما جيدا. ولذلك فإن العديد من المنشورات حول هذا الموضوع تستند إلى نتائج مرجعية ونتائج تجريبية. ومع ذلك، فقد وضعت بعض الدراسات الأكاديمية إطار نظري يسمح لنا لفهم سلوك هذه الاستراتيجيات. في هذا البحث، قمنا بتوسيع نموذج برودر و غوسل (2018) إلى حالة متعددة المتغيرات. يمكننا العثور على الخصائص الرئيسية الموجودة في الأدب الأكاديمي، والحصول على نتائج نظرية جديدة على علاوة خطر الزخم. وعلى وجه الخصوص، فإننا نعيد النظر في العائد من الاستراتيجيات التي تتبع الاتجاه، وتحليل تأثير عالم الأصول على ملف المخاطر / العائد. نحن أيضا مقارنة الحقائق النمطية التجريبية مع النتائج النظرية التي تم الحصول عليها من نموذجنا. وأخيرا، فإننا ندرس خصائص التحوط من استراتيجيات الاتجاه الاتجاه.
قارنا أداء طریقتین لتقییم التقلبات في استراتیجیات الزخم: (1) مقاربة التحجین المستمر لتقلبات باروسو وسانتا کلارا (2018)، و (إي) طریقة التحجیر الدینامیکي لتقلب التقلبات في دانيال وموسکوفيتز (2018). ونحن نقوم باستراتيجيات الزخم على أساس هذين النهجين في مجموعة أصول تتكون من 55 عقدا عالميا من العقود الآجلة للسائلة، ومقارنة هذه النتائج بمزيد من الزخم الزمني واستراتيجيات الشراء والاستمرار. ونجد أن استراتيجية الزخم القائمة على طريقة التحجيم المستمر هي الطريقة الأكثر كفاءة مع عائد سنوي قدره 15.3٪.

QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
بقلم مايكل هالز مور في 23 يونيو، 2018.
على مدى السنوات القليلة الماضية نظرنا إلى أدوات مختلفة لمساعدتنا على تحديد أنماط قابلة للاستغلال في أسعار الأصول. على وجه الخصوص لقد نظرنا في الاقتصاد القياسي الأساسي، والتعلم الآلي الإحصائي والإحصاءات بايزي.
في حين أن هذه كلها أدوات حديثة كبيرة لتحليل البيانات، فإن الغالبية العظمى من نمذجة الأصول في هذه الصناعة لا تزال تستخدم التحليل الإحصائي لسلسلة زمنية. في هذه المقالة سنقوم بدراسة ما تحليل سلسلة الوقت هو، تحديد نطاقها وتعلم كيف يمكننا تطبيق التقنيات على ترددات مختلفة من البيانات المالية.
ما هو تحليل سلسلة الوقت؟
أولا، تعرف سلسلة زمنية بأنها بعض الكمية التي يتم قياسها بالتتابع في الوقت المناسب على مدى فترة زمنية معينة.
في شكله الأوسع، تحليل السلاسل الزمنية هو استنتاج ما حدث لسلسلة من نقاط البيانات في الماضي ومحاولة التنبؤ بما سيحدث له في المستقبل.
ومع ذلك، فإننا سوف تتخذ نهجا إحصائيا كميا لسلاسل زمنية، بافتراض أن سلسلة زمنية لدينا هي تحقيقات تسلسل المتغيرات العشوائية. أي أننا سوف نفترض أن هناك بعض عملية توليد الأساسية لسلاسل زمنية لدينا على أساس واحد أو أكثر من التوزيعات الإحصائية التي يتم رسمها من هذه المتغيرات.
يحاول تحليل السلاسل الزمنية فهم الماضي والتنبؤ بالمستقبل.
ويعرف مثل هذا التسلسل من المتغيرات العشوائية بعملية عشوائية العشوائية (دتسب). في التداول الكمي نحن قلقون مع محاولة لتناسب النماذج الإحصائية لهذه دتسس لاستنتاج العلاقات الكامنة بين سلسلة أو التنبؤ القيم المستقبلية من أجل توليد إشارات التداول.
غالبا ما تحتوي السلاسل الزمنية بشكل عام، بما في ذلك تلك خارج العالم المالي، على الميزات التالية:
الاتجاهات - الاتجاه هو حركة اتجاهية متسقة في سلسلة زمنية. وستكون هذه الاتجاهات إما حاسمة أو عشوائية. الأول يسمح لنا لتوفير الأساس المنطقي الكامن لهذا الاتجاه، في حين أن الأخير هو سمة عشوائية لسلسلة أننا سوف يكون من غير المرجح أن يفسر. وغالبا ما تظهر الاتجاهات في السلاسل المالية، وخاصة أسعار السلع الأساسية، وتستخدم العديد من أموال مستشار تجارة السلع (كتا) نماذج متطورة لتحديد الاتجاه في خوارزميات التداول الخاصة بهم. التباين الموسمية - العديد من السلاسل الزمنية تحتوي على تباين موسمي. ويصدق هذا بشكل خاص في سلسلة تمثل مبيعات الأعمال أو مستويات المناخ. وكثيرا ما نرى في التمويل الكمي تغيرات موسمية في السلع الأساسية، وخاصة تلك المتعلقة بمواسم النمو أو التغير السنوي في درجة الحرارة (مثل الغاز الطبيعي). الاعتماد المتسلسل - واحدة من أهم خصائص السلاسل الزمنية، وخاصة السلسلة المالية، هي العلاقة التسلسلية. ويحدث ذلك عندما تكون ملاحظات السلاسل الزمنية المقربة من بعضها البعض مترابطة في الوقت المناسب. تقلب التقلبات هو أحد جوانب الترابط التسلسلي الذي يتسم بأهمية خاصة في التداول الكمي.
كيف يمكننا تطبيق تحليل سلسلة الوقت في التمويل الكمي؟
هدفنا كباحثين كميين هو تحديد الاتجاهات، والتغيرات الموسمية والارتباط باستخدام أساليب التسلسل الزمني الإحصائية، وفي نهاية المطاف توليد إشارات تجارية أو مرشحات على أساس الاستدلال أو التنبؤات.
وسيكون نهجنا هو:
التنبؤ والتنبؤ القيم المستقبلية - من أجل التجارة بنجاح سوف نحتاج إلى التنبؤ بدقة أسعار الأصول في المستقبل، على الأقل بمعنى إحصائي. محاكاة سلسلة - بمجرد أن نحدد الخصائص الإحصائية للسلاسل الزمنية المالية يمكننا استخدامها لإنشاء محاكاة للسيناريوهات المستقبلية. وهذا يسمح لنا بتقدير عدد الصفقات، وتكاليف التداول المتوقعة، والمظهر المتوقع للعائدات، والاستثمار التقني والمالي المطلوب في البنية التحتية، وبالتالي في نهاية المطاف المخاطر والربحية لاستراتيجية أو محفظة معينة. استنتاج العلاقات - تحديد العلاقات بين السلاسل الزمنية والقيم الكمية الأخرى يسمح لنا لتعزيز إشارات التداول لدينا من خلال آليات الترشيح. على سبيل المثال، إذا استطعنا استنتاج الكيفية التي يتغير فيها انتشار العملة في زوج العملات الأجنبية مع حجم العطاء / الطلب، يمكننا عندئذ تصفية أي صفقات محتملة قد تحدث في فترة نتوقع فيها انتشارا واسعا من أجل خفض تكاليف المعاملات.
وبالإضافة إلى ذلك يمكننا تطبيق الاختبارات الإحصائية الكلاسيكية (الكلاسيكية / التكرارية أو بايزي) لنماذج عصرنا سلسلة من أجل تبرير بعض السلوكيات، مثل تغيير النظام في أسواق الأسهم.
الوقت سلسلة تحليل البرمجيات.
حتى الآن لدينا تقريبا تقريبا استخدام C ++ وبيثون لتنفيذ استراتيجية التداول لدينا. كل من هذه اللغات هي "بيئات الدرجة الأولى" لكتابة كومة التداول بأكملها. كلاهما يحتوي على العديد من المكتبات ويسمح "نهاية إلى نهاية" بناء نظام التداول فقط داخل تلك اللغة.
لسوء الحظ، C ++ و بيثون لا تمتلك مكتبات إحصائية واسعة. هذا هو واحد من أوجه القصور فيها. لهذا السبب سوف نستخدم البيئة الإحصائية R كوسيلة لتنفيذ البحوث سلسلة زمنية. R هي مناسبة تماما لهذا المنصب نظرا لتوافر المكتبات سلسلة زمنية، والأساليب الإحصائية وقدرات التآمر واضحة.
وسوف نتعلم R في الأزياء حل المشكلة، حيث سيتم تقديم الأوامر الجديدة وبناء الجملة حسب الحاجة. لحسن الحظ، هناك الكثير من الدروس المفيدة للغاية ل R أفيلابيل على شبكة الانترنت، وسوف أشر لهم بها ونحن نذهب من خلال تسلسل المواد تحليل سلسلة زمنية.
كوانتستارت الوقت سلسلة تحليل خارطة الطريق.
وكانت المقالات السابقة حتى الآن عن مواضيع التعلم الإحصائي والاقتصاد القياسي وتحليل بايزي، في الغالب تمهيدية في الطبيعة ولم تنظر تطبيقات هذه التقنيات إلى المعلومات التسعير الحديثة، عالية التردد.
من أجل تطبيق بعض التقنيات المذكورة أعلاه على بيانات تردد أعلى نحن بحاجة إلى إطار رياضي لتوحيد البحوث لدينا. يوفر تحليل السلاسل الزمنية مثل هذا التوحيد ويسمح لنا لمناقشة نماذج منفصلة ضمن إطار إحصائي.
في نهاية المطاف سوف نستخدم أدوات بايزي وتقنيات التعلم الآلي بالتزامن مع الأساليب التالية من أجل التنبؤ بمستوى الأسعار واتجاهها، بمثابة مرشحات وتحديد "تغيير النظام"، أي تحديد متى سلمت سلسلة زمنية لدينا السلوك الإحصائي الأساسي.
لدينا خارطة الطريق سلسلة الوقت على النحو التالي. سيشكل كل موضوع من المواضيع التالية مقالته أو مجموعة المقالات الخاصة به. وبمجرد أن نفحص هذه الأساليب في العمق، سنكون في وضع يسمح لنا بإنشاء بعض النماذج الحديثة المتطورة لفحص البيانات عالية التردد.
سلسلة زمنية مقدمة - توضح هذه المقالة مجال تحليل السلاسل الزمنية ونطاقها وكيف يمكن تطبيقها على البيانات المالية. الارتباط - أحد الجوانب الأساسية المطلقة لنمذجة السلاسل الزمنية هو مفهوم الارتباط المتسلسل. وسوف نقوم بتعريفها ووصف واحدة من أكبر المزالق في تحليل السلاسل الزمنية، وهي أن "الارتباط لا يعني السببية". التنبؤ - في هذا القسم سوف ننظر في مفهوم التنبؤ، وهذا هو جعل التنبؤات من الاتجاه المستقبلي أو مستوى لسلسلة زمنية معينة، وكيف يتم تنفيذها في الممارسة العملية. النماذج العشوائية - لقد أمضينا بعض الوقت في النظر في النماذج العشوائية في مجال تسعير الخيارات على الموقع، وهي بالتحديد هندسي براونيان موشن و ستوشاستيك فولاتيليتي. وسوف ننظر في نماذج أخرى، بما في ذلك الضوضاء البيضاء ونماذج الانحدار الذاتي. الانحدار - عندما يكون لدينا اتجاهات حاسمة (بدلا من مؤشر ستوكاستيك) في البيانات يمكننا تبرير استقراءهم باستخدام نماذج الانحدار. سوف ننظر في كل من الانحدار الخطي وغير الخطية، وحساب الارتباط التسلسلي. نماذج ثابتة - تفترض النماذج الثابتة أن الخصائص الإحصائية (أي الوسط والتباين) للسلسلة ثابتة في الوقت المناسب. يمكننا استخدام نماذج المتوسط ​​المتحرك (ما)، فضلا عن دمجها مع نماذج الانحدار الذاتي لتشكيل نماذج أرما. نماذج غير ثابتة - العديد من السلاسل الزمنية المالية غير ثابتة، أي أنها تختلف في المتوسط ​​والتباين. وعلى وجه الخصوص، غالبا ما تكون أسعار الأصول ذات فترات عالية من التقلب. لهذه السلسلة نحن بحاجة إلى استخدام نماذج غير ثابتة مثل أريما، أرش و غارتش. النمذجة متعددة المتغيرات - لقد نظرنا في نماذج متعددة المتغيرات في كوانتستارت في الماضي، أي عندما اعتبرنا أزواج متوسطية من الأسهم. في هذا القسم سوف نقوم بتحديد أكثر جاذبية التكامل المشترك والنظر في مزيد من الاختبارات لذلك. وسوف ننظر أيضا نماذج ناقلات الانحدار الذاتي (فار) [لا ينبغي الخلط بينه وبين القيمة في خطر!]. نماذج الفضاء والفضاء - تقترح نمذجة الفضاء الحكومية تاريخا طويلا من نظرية التحكم الحديثة المستخدمة في الهندسة من أجل السماح لنا بنمذجة السلاسل الزمنية بمعلمات متغيرة بسرعة (مثل متغير المنحدر $ بيتا $ بين اثنين من الأصول المشتركة في انحدار خطي ). على وجه الخصوص، سننظر في تصفية كالمان الشهيرة ونموذج ماركوف المخفية. وهذا سيكون واحدا من الاستخدامات الرئيسية للتحليل بايزي في السلاسل الزمنية.
كيف تتعلق هذه المواد الإحصائية كوانتستارت أخرى؟
كان هدفي مع كوانتستارت دائما في محاولة وتحديد الإطار الرياضي والإحصائي للتحليل الكمي والتداول الكمي، من الأساسيات من خلال إلى التقنيات الحديثة أكثر تقدما.
حتى الآن قضينا معظم الوقت على تقنيات تمهيدية وسيطة. ومع ذلك، فإننا الآن سوف نوجه انتباهنا نحو التقنيات المتقدمة الحديثة المستخدمة في الشركات الكمية.
وهذا لن يساعد فقط أولئك الذين يرغبون في الحصول على مهنة في هذه الصناعة، ولكنه سيعطي أيضا تجار التجزئة الكمي بينكم مجموعة أدوات أوسع بكثير من الطرق، فضلا عن نهج موحد للتجارة.
بعد أن عملت في هذه الصناعة سابقا، يمكنني أن أقول على وجه اليقين أن جزءا كبيرا من المهنيين صندوق الكمي تستخدم تقنيات متطورة للغاية "مطاردة ألفا".
ومع ذلك، فإن العديد من هذه الشركات كبيرة جدا لدرجة أنها ليست مهتمة باستراتيجيات "مقيدة القدرات"، أي تلك التي لا تكون قابلة للتطوير أكثر من 1-2 مليون دولار أمريكي. وبوصفنا تجار التجزئة، إذا تمكنا من تطبيق إطار عمل متطور على هذه المجالات، يمكننا تحقيق الربحية على المدى الطويل.
وسوف نجمع في نهاية المطاف مقالاتنا حول تحليل السلاسل الزمنية، مع نهج بايزي لفحص الفرضية واختيار النموذج، جنبا إلى جنب مع الأمثل C ++، R وبيثون رمز، لإنتاج غير الخطية، غير ثابتة سلسلة من النماذج الزمنية التي يمكن أن تتداول في عالية - تكرر.
الآن وبعد أن اقترب برنامج كسفوريكس من القدرة على إجراء اختبارات باكتستينغ عالية التردد لأزواج العملات المتعددة، لدينا إطار جاهز لاختبار هذه النماذج، على الأقل في أسواق الصرف الأجنبي.
المقالة التالية في السلسلة سوف تناقش الارتباط و السبب في أنها واحدة من الجوانب الأساسية لتحليل السلاسل الزمنية.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.

توقعات سلسلة الوقت.
تستخدم توقعات سلسلة الوقت الانحدار الخطي لحساب أفضل خط مناسب خلال فترة زمنية محددة؛ ثم يتم رسم هذا الخط إلى الأمام فترة زمنية محددة من قبل المستخدم.
يظهر الرسم البياني أدناه لعقود العقود الآجلة ميني-داو مؤشر توقعات سلسلة الوقت:
يوضح الرسم البياني أعلاه كيف تم رسم خط توقعات سلسلة الوقت إلى الأمام (في المثال أعلاه، 7 أيام).
وبصفة عامة، قد يتوقع المتداولون أن يعود السعر إلى خط توقعات السلاسل الزمنية عندما تتضخم الأسعار. لذلك، يمكن أن تحدث إشارة شراء محتملة غامضة عندما يكون السعر أقل من الخط ويمكن أن تحدث إشارة بيع محتملة عندما يكون السعر أعلى بكثير من الخط. ومع ذلك، فإن مدى السعر يحتاج إلى أن تختلف من خط غير موضوعي جدا.
مؤشر تقني مماثل ويمكن القول عنه، هو منحنى الانحدار الخطي (انظر: منحنى الانحدار الخطي).

QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
من قبل مايكل هالز مور في 7 أكتوبر، 2018.
في هذه المقالة أريد أن تظهر لك كيفية تطبيق جميع المعارف المكتسبة في السابق تحليل سلسلة الوقت مشاركات لاستراتيجية التداول على مؤشر S & أمبير؛ P500 سوق الأسهم الأمريكية.
سنرى أنه من خلال الجمع بين نموذجي أريما و غارتش يمكننا أن نفوق بشكل كبير نهج "الشراء والاحتفاظ" على المدى الطويل.
نظرة عامة على الاستراتيجية.
فكرة الاستراتيجية بسيطة نسبيا ولكن إذا كنت ترغب في تجربة معها أقترح بشدة قراءة الوظائف السابقة على تحليل سلسلة زمنية من أجل فهم ما كنت سوف تعدل!
وتنفذ الاستراتيجية على أساس "المتداول":
لكل يوم، $ n $، يتم استخدام الأيام السابقة $ $ $ من العائدات اللوغاريتمية المختلفة لمؤشر سوق الأسهم كنافذة لتركيب نموذج أريبا و غارتش الأمثل. يتم استخدام النموذج الموحد لجعل التنبؤ لعودة اليوم التالي. إذا كان التنبؤ سلبيا يقصر السهم في الإغلاق السابق، في حين إذا كان إيجابيا هو متوقفة. إذا كان التنبؤ هو نفس الاتجاه كما في اليوم السابق ثم يتم تغيير أي شيء.
لهذه الاستراتيجية لقد استخدمت الحد الأقصى للبيانات المتاحة من ياهو المالية ل S & أمب؛ P500. لقد اتخذت $ ك = 500 $ ولكن هذا هو المعلمة التي يمكن أن يكون الأمثل من أجل تحسين الأداء أو تقليل السحب.
يتم تنفيذ باكتست في الأزياء متجه مباشرة باستخدام R. لم يتم تنفيذها في بايثون يحركها الحدث بايثستر حتى الآن. وبالتالي فإن الأداء الذي تحقق في نظام التداول الحقيقي من المرجح أن يكون أقل قليلا مما قد تحقق هنا، بسبب العمولة والانزلاق.
تنفيذ الاستراتيجية.
لتنفيذ الاستراتيجية ونحن في طريقنا لاستخدام بعض من التعليمات البرمجية التي أنشأناها سابقا في سلسلة سلسلة تحليل سلسلة الوقت، فضلا عن بعض المكتبات الجديدة بما في ذلك روجارتش، الذي اقترح لي من قبل إيليا كيبنيس على كوانتسترات التاجر.
سوف أذهب من خلال بناء الجملة بطريقة خطوة بخطوة ومن ثم تقديم التنفيذ الكامل في النهاية، فضلا عن وصلة إلى مجموعة البيانات الخاصة بي لمؤشر أريما + غارتش. لقد شملت هذا الأخير لأنه قد أخذت لي بضعة أيام على جهاز الكمبيوتر الخاص بي ديكستوب لتوليد الإشارات!
يجب أن تكون قادرا على تكرار النتائج بالكامل كما رمز نفسه ليست معقدة جدا، على الرغم من أن يستغرق بعض الوقت لمحاكاة إذا كنت تحمل بها بالكامل.
المهمة الأولى هي تثبيت واستيراد المكتبات اللازمة في R:
إذا كان لديك بالفعل المكتبات المثبتة يمكنك ببساطة استيرادها:
مع ذلك سوف يتم تطبيق استراتيجية إلى S & أمب؛ P500. يمكننا استخدام كوانتمود للحصول على البيانات التي تعود إلى عام 1950 للمؤشر. يستخدم ياهو المالية رمز "^ غسك".
يمكننا بعد ذلك إنشاء عوائد لوغاريتمية مختلفة من "سعر الإغلاق" من S & أمب؛ P500 وتريد خارج قيمة نا الأولية:
نحن بحاجة إلى إنشاء ناقلات، توقعات لتخزين القيم توقعاتنا في تواريخ معينة. وضعنا طول فوريلنغث لتكون مساوية لطول بيانات التداول لدينا ناقص $ k $، وطول النافذة:
في هذه المرحلة نحن بحاجة إلى حلقة من خلال كل يوم في بيانات التداول وتتناسب مع نموذج أريما و غارتش المناسب إلى نافذة المتداول من طول $ K $. وبالنظر إلى أننا نحاول 24 منفصلة أريما يناسب وتناسب نموذج غارتش، لكل يوم، ومؤشر يمكن أن يستغرق وقتا طويلا لتوليد.
نحن نستخدم الفهرس د كمتغير حلقة وحلقة من $ k $ لطول بيانات التداول:
بعد ذلك نقوم بإنشاء نافذة المتداول من خلال إرجاع S & أمب؛ P500 وتحديد القيم بين $ 1 + d $ و $ k + d $، حيث $ k = 500 $ لهذه الإستراتيجية:
نحن نستخدم نفس الإجراء كما في مقالة أريما للبحث من خلال جميع نماذج أرما مع $ p \ إن \ $ و $ q \ إن \ $، باستثناء $ p، q = 0 $.
نحن التفاف استدعاء أريمافيت في كتلة معالجة استثناء تريكاتش R للتأكد من أننا إذا لم نحصل على صالح لقيمة معينة من $ p $ و $ $ $، ونحن تجاهل ذلك والانتقال إلى المجموعة التالية من $ P $ و $ $ $.
لاحظ أننا قمنا بتعيين القيمة "المتكاملة" $ d = 0 $ (هذا هو $ d $ مختلفة لمعلمة الفهرسة لدينا) وعلى هذا النحو نحن حقا تركيب نموذج أرما، بدلا من أريما.
سيوفر لنا إجراء الحلقات نموذج "أرما" المناسب "الأفضل"، من حيث معيار معلومات أكايك، والذي يمكننا بعد ذلك استخدامه لتغذية نموذج غارتش لدينا:
في كتلة التعليمات البرمجية التالية سنقوم باستخدام مكتبة روجارتش، مع نموذج غارتش (1،1). بناء الجملة لهذا يتطلب منا إعداد كائن مواصفات أوغارسبيس الذي يأخذ نموذجا للتباين والمتوسط. ويتلقى التباين نموذج غارتش (1،1) بينما يأخذ المتوسط ​​نموذج أرما (p، q) حيث يتم اختيار $ p $ و $ $ $ أعلاه. نحن أيضا اختيار توزيع سجد للأخطاء.
وبمجرد أن نختار مواصفات نقوم بتنفيذ تركيب الفعلي من أرما + غارتش باستخدام الأمر أوغاركفيت، الذي يأخذ كائن مواصفات، وإرجاع $ k $ من S & أمب؛ P500 وحلالا الأمثل العددية. لقد اخترنا استخدام الهجين، الذي يحاول حلالا مختلفة من أجل زيادة احتمال التقارب:
إذا لم يتلاقى نموذج غارتش فإننا ببساطة نحدد اليوم لإنتاج تنبؤ "طويل"، وهو تخمين واضح. ومع ذلك، إذا كان النموذج يتلاقى ثم نخرج التاريخ وتوقع التنبؤ الغد (+1 أو -1) كسلسلة في أي نقطة يتم إغلاق حلقة.
من أجل إعداد الإخراج لملف كسف لقد قمت بإنشاء سلسلة تحتوي على البيانات مفصولة بفاصلة مع اتجاه التنبؤ لليوم التالي:
الخطوة قبل الأخيرة هي إخراج ملف كسف إلى القرص. وهذا يسمح لنا أن تأخذ المؤشر واستخدامها في برنامج بديل باكتستينغ لمزيد من التحليل، إذا رغبت في ذلك:
ومع ذلك، هناك مشكلة صغيرة مع ملف كسف كما هو قائم الآن. يحتوي الملف على قائمة التواريخ والتنبؤ لاتجاه الغد. إذا كان علينا تحميل هذا في رمز باكتست أدناه كما هو عليه، ونحن في الواقع أن إدخال التحيز نظرة إلى الأمام لأن قيمة التنبؤ تمثل البيانات غير المعروفة في وقت التنبؤ.
من أجل حساب هذا نحن بحاجة ببساطة لنقل القيمة المتوقعة قبل يوم واحد. لقد وجدت أن هذا أكثر وضوحا باستخدام بيثون. وبما أنني لا أريد أن افترض أنك قمت بتثبيت أي مكتبات خاصة (مثل الباندا)، لقد أبقيت على بيثون النقي.
هنا هو السيناريو القصير الذي يحمل هذا الإجراء بها. تأكد من تشغيله في نفس الدليل كملف Forecasts. csv:
عند هذه النقطة لدينا الآن ملف مؤشر تصحيح المخزنة في Forecasts_new. csv. وبما أن هذا يأخذ قدرا كبيرا من الوقت لحساب، لقد قدمت الملف الكامل هنا لتنزيل نفسك:
نتائج الاستراتيجية.
الآن بعد أن قمنا بإنشاء ملف كسف مؤشر نحن بحاجة إلى مقارنة أدائها إلى "شراء وعقد".
نقرأ أولا في المؤشر من ملف كسف ونخزنه على أنه سباريماغارتش:
ثم نقوم بإنشاء تقاطع لتواريخ توقعات أريما + غارتش والمجموعة الأصلية للعائدات من S & أمب؛ P500. يمكننا بعد ذلك حساب عوائد إستراتيجية أريما + غارتش عن طريق ضرب إشارة التنبؤ (+ أو -) بالعودة نفسها:
وبمجرد حصولنا على العوائد من إستراتيجية أريما + غارتش يمكننا إنشاء منحنيات للأسهم لكل من نموذج أريما + غارتش و "شراء وعقد". وأخيرا، نجمعها في بنية بيانات واحدة:
وأخيرا، يمكننا استخدام الأمر زيبلوت لرسم كل من منحنيات الأسهم على نفس المؤامرة:
إن منحنى رأس المال حتى 6 أكتوبر 2018 هو كما يلي:
منحنى أسهم إستراتيجية أريما + غارتش مقابل "الشراء والاستمرار" ل S & أمب؛ P500 من عام 1952.
كما ترون، على مدى 65 عاما، إستراتيجية أريما + غارتش تفوقت بشكل ملحوظ على "شراء وعقد". ومع ذلك، يمكنك أن ترى أيضا أن غالبية المكاسب حدثت بين عامي 1970 و 1980. لاحظ أن تقلب المنحنى هو الحد الأدنى جدا حتى أوائل 80s، وعند هذه النقطة التقلبات يزيد بشكل كبير ومتوسط ​​العوائد أقل إثارة للإعجاب.
ومن الواضح أن منحنى رأس المال يعد بأداء عظيم خلال الفترة بأكملها. ومع ذلك، هل كانت هذه الاستراتيجية قابلة للتداول حقا؟
أولا وقبل كل شيء، دعونا ننظر في حقيقة أن نموذج أرما نشرت فقط في عام 1951. لم يكن حقا استخدام على نطاق واسع حتى عام 1970 عندما صندوق & أمب؛ ناقش جينكينز ذلك في كتابهم.
ثانيا، لم يتم اكتشاف نموذج أرش (علنا!) حتى أوائل الثمانينات، من قبل إنغل، و غارتش نفسها نشرت من قبل بولرسليف في عام 1986.
وثالثا، فإن هذا "الاختبار المسبق" قد تم بالفعل على مؤشر سوق الأوراق المالية وليس أداة قابلة للتداول ماديا. من أجل الوصول إلى فهرس مثل هذا كان من الضروري تداول العقود الآجلة من S & أمب؛ P500 أو صندوق متداول لتبادل العملات (إتف) مثل سبدر.
وهل من المناسب حقا تطبيق مثل هذه النماذج على سلسلة تاريخية قبل اختراعها؟ والبديل هو البدء بتطبيق النماذج على بيانات أحدث. في الواقع، يمكننا النظر في الأداء في السنوات العشر الماضية، من 1 يناير 2005 إلى اليوم:
منحنى الأسهم لاستراتيجية أريما + غارتش مقابل "الشراء والاستمرار" ل S & أمب؛ P500 من عام 2005 حتى اليوم.
كما يمكنك أن ترى منحنى الأسهم لا يزال أقل من شراء & أمب؛ عقد استراتيجية لحوالي 3 سنوات، ولكن خلال انهيار سوق الأسهم من 2008/2009 أنها جيدة جدا. وهذا أمر منطقي لأنه من المرجح أن يكون هناك ترابط مسلسل كبير في هذه الفترة، وسوف يتم استيعابها بشكل جيد من قبل نماذج أريما و غارتش. وبمجرد أن انتعش السوق بعد عام 2009 ويدخل ما يبدو أن يكون أكثر اتجاه ستوكاستيك، يبدأ أداء النموذج يعاني مرة أخرى.
ويلاحظ أن هذه الاستراتيجية يمكن تطبيقها بسهولة على مختلف مؤشرات سوق الأسهم أو الأسهم أو فئات الأصول الأخرى. وأحثك بشدة على محاولة البحث عن أدوات أخرى، حيث يمكنك الحصول على تحسينات جوهرية على النتائج المعروضة هنا.
الخطوات التالية.
الآن بعد أن انتهينا من مناقشة عائلة أريما و غارتش من النماذج، أريد الاستمرار في مناقشة تحليل السلاسل الزمنية من خلال النظر في عمليات الذاكرة الطويلة، ونماذج فضاء الفضاء، وسلاسل زمنية مشتركة.
هذه المجالات اللاحقة من سلسلة زمنية سوف تعطينا إلى النماذج التي يمكن أن تحسن توقعاتنا أبعد من تلك التي قدمتها هنا، والتي سوف تزيد بشكل كبير من الربحية تداولنا و / أو تقليل المخاطر.
هنا هو القائمة الكاملة لتوليد المؤشر، باكتستينغ والتآمر:
و رمز بيثون لتطبيق على التنبؤات. كسف قبل إعادة الاستيراد:
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.