غارش استراتيجية التداول

تجارة والسفر وغيرها من الأشياء.
استراتيجية التداول التي يمكن أن نعتمدها هي النموذج الأول للسوق، والعائد المتوقع لليوم التالي للتداول، ثم الانتقال لفترة طويلة أو قصيرة بناء على ما إذا كانت العوائد المتوقعة إيجابية أو سلبية. نموذج السوق، ويقول لك؟ ما أحمق! الذين يمكن أن نأمل في الحصول على الملايين من القرارات الفردية (الإنسان والآلة)، التي تحدث نفسها ردا على الملايين من المحفزات الخارجية، التي تتفاعل كل مع بعضها البعض بطرق غامضة وسحرية تؤدي إلى نتائج السوق.
ولكن هذا ليس ما يفعله النموذج - فنحن نبني نموذجا لالتقاط أساسيات ما يدفع أي عملية نهتم بها. ونحن نخرج من التفاصيل التي نعتقد أنها غير ضرورية أو تعقيد حياتنا بشكل مفرط. يمكن أن تتحول هذه التفاصيل إلى أن تكون مثيرة للجدل كما شخص آخر قد تعتبرها حاسمة ونموذج الخاص بك عديمة الفائدة إذا لم يفعل ذلك. أنا شخصيا دون & # 8217؛ ر وضعت الكثير من الإيمان في التنبؤ العائدات ولكن بفضل التكنولوجيا الحديثة، يمكننا اختبار مدى نجاح توقعاتنا. وإلى جانب ذلك، إذا كان الاقتصاديون الكليون قادرون على محاولة وضع نماذج للاقتصادات بأكملها، فلماذا تختارون من هم الذين يحاولون نمذجة سوق الأسهم؟
I & # 8217؛ ليرة لبنانية باستخدام أرما (السيارات متحرك المتوسط ​​المتحرك) و غارتش (المعمم السيارات الانحيازية المشروطية متغايرة) نماذج في تركيبة لحساب التوقعات. وقد تم ذلك من قبل كينتيتيف الذي يدير بلوق مفيدة للغاية ومفيدة. لقد تعلمت الكثير من كتاباته وتدين الكثير من التعلم لي. كما استضاف بسخاء رمز يصل لاختبار هذه النماذج. لقد استخدمت رمزه مع بعض التعديلات الطفيفة جدا، والتي أنا & # 8217؛ ليرة لبنانية التفاصيل على مزيد من.
قبل ذلك على الرغم من ذلك، مقدمة موجزة ل أرما و غارتش هو في النظام. نحن نستخدم نموذج أرما (مع معلمتين يتم تحسينهما p و q) لتحديد المتوسط ​​التراكمي لعائد سوق الأسهم ونموذج غارتش (1،1) لتحديد التباين الشرطي لهذه العوائد. مشروط على ما، تسأل؟ مشروط على مجموعة المعلومات التي نقدمها النموذج مع. على سبيل المثال، لنفترض أن لدينا بيانات عن الأسهم من 2001-01-01 إلى 2005-01-01. إذا كان اليوم هو 2004-12-01، فإن توقعات الغد سوف تقوم على عوائد اليوم، وعلى نافذة محددة سلفا من عوائد الأسهم، على سبيل المثال آخر 500 يوما. لماذا نخلق نافذة لمجموعة المعلومات، بدلا من استخدام جميع البيانات المتاحة لنا؟ هذا هو السماح لنا أن نكون أكثر مرونة في تحديد العملية التي نحاول نموذج - للسماح لها أن تتطور بدلا من مجرد تحديث مع كل نقطة بيانات جديدة. وهو يتيح للنموذج أن يكون أكثر استجابة بعد التغيير الهيكلي في عملية توليد البيانات (دغب). توفر هذه الورقة المزيد من المعلومات حول كيفية اختيار مجموعة المعلومات.
ويتألف نموذج أرما (p، q) من جزء من السيارات ذاتية الانحدار، وجزء متوسط ​​متحرك، مع عبارات p-ريجرسيف p و q متوسطي المصطلحات المتحركة. ويشار إلى قيم p و q أيضا بترتيب النموذج. نموذج أرما جيد لنمذجة الحالات التي يكون فيها النظام معرضا للصدمات الخارجية وغير المبررة (سوق الأوراق المالية!) ولكنه يظهر أيضا سلوك التراجع (هل تقول سوق الأوراق المالية؟). ويساعد الجزء المتوسط ​​المتحرك على نمذجة الصدمات الخارجية لعائدات السوق، ويسمح لنا الجزء التلقائي الانحداري بأن نجعله يعني العودة. كما أن متوسط ​​معدل العائد هو أيضا السبب في أنه من الأفضل أن يكون لديك إطار متداول لمجموعة المعلومات التي نوفرها.
ويعد نموذج غارتش (1،1) مفيدا لنمذجة السلاسل الزمنية عندما يكون التباين اليوم دالة لبعض التباين المسبق. ويساعد هذا في نموذج & # 8216؛ تقلب التقلبات & # 8217؛ ونحن نرى في سوق الأسهم، حيث فترات من التقلبات العالية تتجمع حول بعضها البعض، ويستغرق بعض الوقت إلى الاضمحلال. هناك العديد من الاختلافات في نموذج أرش (غارش هو واحد فقط منهم)، وبعضها قد يكون أكثر ملاءمة الاقتران مع أرما، ولكن أنا & # 8217؛ م لم تكن مألوفة معهم حتى أنا لم تستخدمها. هنا هو وسيلة سهلة لقراءة ورقة على نماذج أرش.
وهناك كتاب جيد وجدت لتفهم وتنفيذ هذه النماذج هو تحليل سلسلة زمنية وتطبيقاتها: مع أمثلة R.
في المنصب التالي سوف أذهب إلى رمز نشرت من قبل كينتيتيف لاختبار التوقعات التي أدلى بها هذا النموذج.

إستراتيجية تداول غارتش
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
كيفية تداول التقلبات؟
أنا أحلل تقلب عوائد الأسهم المالية، ولنفترض أن لدي نموذجا جيدا للتنبؤ بتقلبات الغد في عوائد الأسهم. لذلك دعونا نقول لأسباب البساطة لدي غارتش (1،1). مع هذا النموذج توقعت التقلبات غدا وأنا الآن أريد أن التجارة على ذلك. وتقلبني التقلبات كم يعود السهم، وبالتالي فإن السهم نفسه سوف "يتغير" / يتقلب. إذا كان لدي التقلب وإذا كنت متأكدا من احتمال صحتي، كيف يمكنني التجارة هذا؟ إذا كنت على سبيل المثال الاستثمار في سترادل؟ وإذا كان الجواب بنعم، كيف يجب أن أحدد الخيارات / خيارات الخيارات المثلى التي يجب أن أستخدمها؟
إديت: لذا سؤالي الأساسي هو: لدي قيمة لتوقعات التقلب وأنا أعرف أن هناك بعض تركيبات الخيار للتداول على التقلبات العالية والمنخفضة، ولكن كيف يمكنني ربط هذه الاستراتيجيات بقيمتي المتوقعة، إلى القيمة الحقيقية أنا حساب؟
منذ كنت تتحدث عن استخدام تقلب الأسهم يمكنك فقط استخدام استراتيجية سترادل سواء على المدى الطويل أو القصير.
سوف أجيب فقط مع نظرية حول استراتيجيات التداول.
إذا كنت 100٪ معينة (ونحن نعلم أن هذا غير ممكن، ولكن دعونا نأخذ هذا افتراض فقط من أجل المسألة النظرية) من فوليتيلي يمكنك الذهاب بطريقتين:
تقلبات عالية: سوف تكون طويلة على سترادل، وهذا يعني أنك سوف تشتري مكالمة وخيار وضع مع أسعار مماثلة للاستفادة من أي اتجاه.
انخفاض التقلب: يمكنك أن تكون قصيرة على سترادل، وهذا يعني أنك سوف تبيع كل من استدعاء خيار وضع مع أسعار مماثلة حقا وكسب قسط من الخيارات.
شيء واحد مفقود من هذه المناقشة - فقط شراء سترادل إذا توقعاتك لتقلب تتحقق في المستقبل أعلى من التقلبات الضمنية التي تباع ستراندس حاليا. ومع ذلك، فإن وجود توقعات قبل يوم واحد ليست جيدة بكثير دون معرفة على الأقل المسار المتوقع من التقلبات الضمنية بأسعار في الخيارات، للتقلب الضمني ليست ثابتة.
عند شراء أو بيع سترادل الخاص بك، سوف تحتاج للتأكد من أنه محايد دلتا. هذه هي الطريقة التي اخترت الإضراب، أو الوقت المشتريات.
أما بالنسبة للأدوات الأخرى التي تعمل على نحو أفضل، فهناك "مقايضات التباين" المقتبسة من الوسيط والتي هي مشتقات خطية على التباين المحقق في المستقبل. قد يكون من المفيد أيضا أن ننظر في إيتبس المدرجة على مختلف مؤشرات التقلب مثل فيكس، أو فيكس العقود الآجلة أنفسهم إذا كنت مرتاحا معهم. هناك العديد من الخفية إلى التسعير مؤشر فيكس، وجميع المؤشرات ذات الصلة.
لا تنسى ثقوب السيولة وتكاليف المعاملات. يمكنك استخدام هياكل أكثر تعقيدا، لتداول التقلب؛ ومع ذلك، فإنها تأتي جميعا مع القضايا الخاصة بهم. تحتاج إلى التركيز على جميع التكاليف وحساب الحافة الخاصة بك ضد توقعاتك وكل من الدخول والخروج لل سترابلز بالإضافة إلى عوامل الخطر المحتملة الأخرى. التركيز على أتم سترادلز لتبدأ.

المستثمر المنتظم.
مدونة المستثمر المنتظمة.
تداول باستخدام توقعات التقلب غارتش.
كتب الكم الممول مادة مثيرة للاهتمام نظام تبديل النظام باستخدام توقعات التقلب. يعرض المقال خوارزمية أنيقة للتبديل بين متوسط ​​انعكاس واستراتيجيات الاتجاهات الاتجاه على أساس تقلبات السوق. يتم فحص نموذجين: واحد باستخدام التقلب التاريخي وآخر باستخدام غارتش (1،1) توقعات التذبذب. تم وضع نموذج لاستراتيجية الانعكاس مع مؤشر القوة النسبية (2): طويل عند مؤشر القوة النسبية (2)، والقصيرة خلاف ذلك. تم تصميم استراتيجية الاتجاه التالي مع سما 50/200 كروسوفر: لونغ عندما سما (50) & غ؛ سما (200)، وقصيرة خلاف ذلك.
أريد إظهار كيفية تنفيذ هذه الأفكار باستخدام مكتبة باكتستينغ في أدوات منظم المستثمر.
تحميل التعليمات البرمجية التالية الأسعار التاريخية من ياهو فيانس ويقارن أداء استراتيجيات شراء وعقد، والعادة، و تريند متابعة باستخدام مكتبة باكتستينغ في أدوات المستثمر المنهجية:
بعد ذلك، دعونا نضع استراتيجية تتحول بين استرجاع المتوسط ​​واستراتيجيات الاتجاه التي تعتمد على تقلبات السوق التاريخية.
بعد ذلك، دعونا إنشاء غارتش (1،1) توقعات التذبذب. أود أن أوصي قراءة مقالات التالية لمن يريد أن يجد ما هو غارتش هو كل شيء أو لتحديث معارفهم:
هناك عدد قليل من حزم R لتناسب نماذج غارتش. وسوف أعتبر وظيفة غارتش من حزمة سلسلة وظائف غارشفيت من حزمة فغارتش. وظيفة غارتش من حزم سلسلة سريع ولكن لا تجد دائما الحل. وظيفة غارشفيت من حزمة فغارتش أبطأ ولكن لا تتلاقى بشكل أكثر اتساقا. لإثبات الفرق السرعة بين وظيفة غارتش وظيفة غارشفيت أنا خلقت معيارا بسيطا:
وظيفة غارشفيت في المتوسط ​​6 مرات أبطأ من وظيفة غارتش. لذلك للتنبؤ التقلبات سأحاول استخدام وظيفة غارتش كلما يمكن العثور على حل وظيفة غارشفيت خلاف ذلك.
الآن، دعونا خلق استراتيجية التبديل بين متوسط ​​انعكاس والاستراتيجيات التالية الاتجاه استنادا إلى غارتش (1،1) توقعات تقلب.
استراتيجية التحول التي تستخدم غارتش (1،1) توقعات التذبذب أداء أفضل قليلا من تلك التي تستخدم التقلبات التاريخية.
هناك العديد من النهج المختلفة التي يمكنك اتخاذها لدمج التنبؤ في النماذج الخاصة بك واستراتيجيات التداول. R لديها مجموعة غنية جدا من الحزم لنموذج وتوقع سلسلة زمنية. وإليك بعض الأمثلة التي وجدت أنها مثيرة للاهتمام:
لعرض التعليمات البرمجية المصدر الكامل لهذا المثال، يرجى إلقاء نظرة على bt. volatility. garch () الدالة في bt. test. r في جيثب.
شارك هذا:
ذات صلة.
آخر الملاحة.
ترك الرد إلغاء الرد.
مجرد توضيح بسيط: لقد استخدمت غارتش في محاولة لمعايرة أهمية توقعات الآخرين & # 8217؛ s & # 8212؛ أنا & # 8217؛ م لا يجعل أي تنبؤات نفسي.
بات، شكرا لك للتوضيح. لقد قمت بتحديث المشاركة.
شكرا على المشاركة.
تبدو الاستراتيجية جيدة لأول وهلة. على الرغم من أنني عندما تبدو عن كثب يبدو أن تتبع إلى حد كبير المؤشر (أو شراء وعقد ..) عندما تكون الأوقات جيدة والحواف أعلى & # 8220؛ فقط & # 8221؛ من تجنب السحب، مع ارتفاع واضح يأتي من فترة 2008 التي يمكن اعتبارها غير القياسية.
شكرا على مدونتك الممتازة.
كيف يمكنني تغيير التعليمات البرمجية حتى أستطيع استخدام ملف كسف (التاريخ، O، H، L، C، V) لقراءة في البيانات بدلا من ياهو؟
جيتسيمبولز (تيكرس، سرك = & # 039؛ ياهو & # 039 ؛، فروم = & # 039؛ 1970-01-01 & # 039 ؛، إنف = داتا، auto. assign = T)
(i) في البيانات [[i]] = أدجوست أوهلك (البيانات [[i]]، use. Adjusted = T)
شكرا لك على مساعدتك.
شكرا لك على قراءة مدونتي. هناك وظيفة GetSymbols. csv في حزمة كوانتمود يقرأ البيانات من ملف كسف المحلي.
مرة أخرى وظيفة مثيرة جدا للاهتمام!
ولكن لدي سؤال حول الإطار الزمني الذي يستخدم لحساب رتبة التقلب.
إذا كنت أفهم هذا المثال بشكل صحيح ونحن ننظر في الأيام ال 21 الماضية وترتيبها بالمقارنة مع 252 يوما الماضية؟
إذا أنا الصحيح وأعتقد أن هذا له بعض الآثار الجانبية غير المرغوب فيها. وهذا يعني أنه في السنوات من 2003 إلى 2006 (عندما كان التقلب منخفضا جدا) فإن هذا النظام سوف يتداول نصف الوقت بنظام يهدف إلى فترات تقلب عالية. وهذا يعني أيضا أنه خلال الفترات المتقلبة العالية من عام 2007 حتى عام 2009، كنا نتعامل مع نصف الوقت في نظام يهدف إلى تقلب منخفض.

تحليل سلسلة زمنية للبيانات المالية VI - نموذج غارتش والتنبؤ عودة سبس.
في هذه السلسلة المصغرة عن نماذج السلاسل الزمنية للبيانات المالية، استخدمنا حتى الآن أر و ما و مزيج من هذه النماذج على أسعار الأصول في محاولة لنمذجة كيفية تصرف أصولنا. لقد وجدنا أننا تمكنا من تصميم فترات زمنية معينة بشكل جيد مع هذه النماذج وفشلنا في أوقات أخرى.
وكان ذلك بسبب تقلب التقلبات أو متغايرة. في هذا المنصب، سوف نناقش غير متجانسة المشروط، مما يؤدي بنا إلى أول نموذج هيتيروسكيداستيك الشرطي، والمعروفة باسم أرش. ثم سنناقش الامتدادات إلى أرش، مما يؤدي بنا إلى نموذج متغاير الانحدار الخطي الشرطي المعمم الشهير من النظام ص، ف، المعروف أيضا باسم غارتش (ص، ف). يستخدم غارتش على نطاق واسع في الصناعة المالية لأن العديد من أسعار الأصول هي هيتيروسكيداستيك الشرطية.
دعونا نفعل خلاصة سريعة أولا:
لقد نظرنا في النماذج التالية حتى الآن في هذه السلسلة (فمن المستحسن قراءة سلسلة في النظام إذا لم تكن قد فعلت ذلك بالفعل):
الآن نحن في الجزء الأخير من اللغز. نحن بحاجة إلى نموذج لدراسة التغايرية المشروطة المشروطة في السلسلة المالية التي تظهر التكتل التقلب.
ما هي متغايرية المشروط؟
توجد متغايرية مشروطة في التمويل لأن عائدات الأصول متقلبة.
مجموعة من المتغيرات العشوائية هي متغايرة إذا كانت هناك مجموعات فرعية من المتغيرات داخل المجموعة الأكبر التي لها اختلاف مختلف عن المتغيرات المتبقية.
النظر في اليوم الذي تشهد فيه أسواق الأسهم انخفاضا كبيرا. ويتحول السوق إلى حالة من الذعر، وتبدأ أنظمة إدارة المخاطر الآلية في الحصول على مراكزها الطويلة من خلال بيع مراكزها وكل ذلك يؤدي إلى مزيد من الانخفاض في الأسعار. وتؤدي الزيادة في االختالف عن االنخفاض األولي في األسعار إلى تقلبات كبيرة أخرى نحو االنخفاض.
أي أن الزيادة في التباين ترتبط ارتباطا متسلسل بزيادة إضافية في التباين في فترة "البيع" هذه. أو بالنظر إلى ذلك في الاتجاه الآخر، فترة من زيادة التباين مشروط على بيع الأولي. وهكذا نقول أن هذه السلسلة هي هيتيروسكيداستيك الشرطية.
غير مشروط هيتيروسكيداستيك (تش) سلسلة غير ثابتة منذ تباينها ليست ثابتة في الوقت المناسب. واحدة من الجوانب الصعبة من سلسلة هيتيروسكيداستيك الشرطي هو مؤامرات أسف من سلسلة مع التقلب قد لا تزال يبدو أن تحقيق الضوضاء البيضاء منفصلة ثابتة.
كيف يمكننا دمج تش في نموذجنا؟ ويمكن أن يتمثل أحد الطرق في إنشاء نموذج أر للتباين نفسه - وهو نموذج يحسب في الواقع التغيرات في التباين مع مرور الوقت باستخدام القيم السابقة للتباين.
هذا هو أساس نموذج الانحدار الذاتي الشرطي هيتيروسكيداستيك (أرش).
الانحدار الذاتي نماذج مشبوهة غير متجانسة - أرش (p)
نموذج (p) أرش هو ببساطة نموذج أر (p) المطبق على تباين السلاسل الزمنية.
ويعطى القوس (1) بواسطة:
وتعطى السلسلة الزمنية الفعلية بواسطة:
حيث w (t) هو الضوضاء البيضاء.
متى يتم تطبيق أرش (p)؟
دعونا نقول نحن تناسب نموذج أر (p) والبقايا تبدو تقريبا مثل الضوضاء البيضاء ولكن نحن قلقون حول الاضمحلال من تأخر على مؤامرة أسف من هذه السلسلة. إذا وجدنا أن بإمكاننا تطبيق أر (p) على مربع المخلفات أيضا، عندئذ لدينا مؤشر على أن عملية أرش (p) قد تكون مناسبة.
وتجدر الإشارة إلى أنه ينبغي أن يتم تطبيق أرش (p) على سلسلة سبق أن كان لديها نموذج مناسب مجهز بما فيه الكفاية لترك البقايا التي تبدو وكأنها ضوضاء بيضاء منفصلة. وبما أننا لا نستطيع إلا أن نقول ما إذا كانت أرش مناسبة أو لا عن طريق تربيع البقايا وفحص أسف، ونحن بحاجة أيضا للتأكد من أن متوسط ​​البقايا هو صفر.
وينبغي أن يتم تطبيق أرش من أي وقت مضى على السلسلة التي ليس لديها أي اتجاهات أو تأثيرات موسمية، أي أنه ليس له (واضح) ارتباط متسلسل. وغالبا ما تطبق أريما على مثل هذه السلسلة، وعندها قد يكون أرش مناسبا.
لاحظ سلسلة زمنية تبدو تماما مثل الضوضاء البيضاء. ومع ذلك، دعونا نرى ما يحدث عندما نقوم بتخطيط مربع من هذه السلسلة.
الآن أسف، و باكف يبدو أن تظهر أهمية في تأخر 1 مشيرا إلى نموذج أر (1) للتباين قد يكون مناسبا.
والسؤال الواضح الذي يجب طرحه في هذه المرحلة هو ما إذا كنا سنقوم بتطبيق عملية أر (p) على التباين، فلماذا لا يكون النموذج المتحرك المتحرك (q) كذلك؟ أو نموذج مختلط مثل أرما (p، q)؟
هذا هو في الواقع الدافع لنموذج أرش المعمم، والمعروفة باسم غارتش.
نمذجة الانحدار الذاتي المعمم بشكل مشروط نماذج غير متجانسة - غارتش (p، q)
تماما مثل أرش (p) هو أر (p) المطبق على تباين السلاسل الزمنية، غارتش (p، q) هو نموذج أرما (p، q) المطبق على تباين السلاسل الزمنية. و أر (p) نماذج التباين من بقايا (أخطاء مربع) أو ببساطة لدينا سلسلة زمنية تربيع. ويمثل الجزء ما (q) تباين العملية.
نموذج غارتش (1،1) هو:
(a + b) يجب أن يكون أقل من 1 أو النموذج غير مستقر. يمكننا محاكاة عملية غارتش (1، 1) أدناه.
مرة أخرى، لاحظ أن عموما هذه العملية تشبه إلى حد بعيد الضوضاء البيضاء، ولكن نلقي نظرة عندما نرى سلسلة إبس التربيعية.
هناك أدلة جوهرية على عملية غير متجانسة مشروطا عن طريق تحلل التأخر المتتالي. أهمية التأخر في كل من أسف و باسف تشير أننا بحاجة إلى كل من أر و ما مكونات لنموذجنا. دعونا نرى ما اذا كان يمكننا استعادة معلمات العملية لدينا باستخدام نموذج غارتش (1، 1). هنا نستفيد من وظيفة arch_model من حزمة أرش.
يمكننا أن نرى أن المعايير الحقيقية كلها تقع ضمن فترات الثقة منها.
تطبيق لسلسلة الوقت المالية.
الآن تطبيق الإجراء لسلسلة زمنية مالية. هنا نحن ذاهبون لاستخدام عوائد سبس. هذه العملية هي على النحو التالي:
تتكرر من خلال مجموعات من أريما (ص، د، ف) نماذج لتتناسب مع سلسلة الوقت لدينا. اختيار أوامر نموذج غارتش وفقا لنموذج أريما مع أدنى إيك. تناسب نموذج غارتش (p، q) لسلاسل الوقت. فحص المخلفات النموذجية والمخلفات التربيعية للربط الذاتي.
هنا، نحن نحاول أولا لتناسب سبس العودة إلى عملية أريما والعثور على أفضل ترتيب.
إيك: -11323.07 | النظام: (3، 0، 3)
وبما أننا قد اتخذنا بالفعل سجل الإرجاع، فيجب أن نتوقع أن يكون المكون المتكامل د مساويا للصفر، وهو ما يفعله. نجد أفضل نموذج هو أريما (3،0،3). نحن الآن رسم المؤخرات لتقرر ما إذا كان لديهم أدلة على السلوك غير متغاير المشروط.
نجد البقايا تبدو وكأنها الضوضاء البيضاء. دعونا ننظر إلى ساحة بقايا.
يمكننا أن نرى دليلا واضحا على الترابط الذاتي في المخلفات التربيعية. دعونا تناسب نموذج غارتش ونرى كيف يفعل ذلك.
دعونا مؤامرة بقايا مرة أخرى.
المؤامرات تبدو وكأنها تحقيق عملية الضوضاء البيضاء منفصلة، ​​مما يدل على حسن مناسبا. دعونا مؤامرة مربع من المخلفات للتأكد.
لدينا ما يبدو وكأنه تحقيق عملية الضوضاء البيضاء المنفصلة، ​​مشيرا إلى أننا "شرح" الارتباط المتسلسل الموجود في المخلفات التربيعية مع مزيج مناسب من أريما (p، d، q) و غارتش (p، q).
الخطوات التالية - نموذج إستراتيجية التداول.
نحن الآن في مرحلة تحليل سلسلة زمنية لدينا حيث درسنا أريما و غارتش، مما يسمح لنا لتتناسب مع مزيج من هذه النماذج إلى مؤشر سوق الأسهم، وتحديد ما إذا كنا قد حقق مناسبا أو لا.
الخطوة التالية هي في الواقع إنتاج توقعات لقيم العوائد اليومية المستقبلية من هذا المزيج واستخدامها لإنشاء استراتيجية التداول الأساسية ل S & أمب؛ P500.
نظرة عامة على الاستراتيجية.
دعونا نحاول إنشاء استراتيجية بسيطة باستخدام معرفتنا حتى الآن عن نماذج أريما و غارتش. وفكرة هذه الاستراتيجية هي كما يلي:
تناسب نموذج أريما و غارتش كل يوم على سجل عوائد S & أمب؛ P 500 للأيام السابقة T استخدم النموذج المجمع لجعل التنبؤ لعودة اليوم التالي إذا كان التنبؤ إيجابيا، وشراء الأسهم وإذا كان سلبيا، قصيرة الأسهم في اليوم كلوز إذا كان التنبؤ هو نفس اليوم السابق ثم لا تفعل شيئا.
تنفيذ الاستراتيجية.
دعونا نبدأ باختيار نافذة مناسبة T o f الأيام السابقة ونحن سوف تستخدم لجعل التنبؤ. ونحن نذهب إلى استخدام T = 252 (1 سنة)، ولكن يجب أن يكون الأمثل هذه المعلمة من أجل تحسين الأداء أو تقليل السحب.
سنحاول الآن إنشاء إشارة تجارية لطول (بيانات) - T أيام.
لنسخ استراتيجية لدينا، دعونا حلقة من خلال كل يوم في بيانات التداول وتناسب نموذجا أريما و غارتش المناسب إلى نافذة المتداول طول 252. لقد حدد وظائف لتناسب أريما و غارتش أعلاه (بالنظر إلى أننا نحاول 32 أريما منفصلة يناسب وتناسب نموذج غارتش، لكل يوم، يمكن أن يستغرق المؤشر وقتا طويلا لتوليد)
ملاحظة: باكتست لا يأخذ عمولة أو الانزلاق في الاعتبار، وبالتالي فإن الأداء الذي تحقق في نظام التداول الحقيقي سيكون أقل مما تراه هنا.
نتائج الاستراتيجية.
الآن بعد أن ولدت لدينا إشارات، نحن بحاجة إلى مقارنة أدائها ل "شراء وعقد": ماذا سيكون لدينا عوائد إذا اشترينا ببساطة S & أمب؛ P 500 في بداية فترة باكتست لدينا.
نجد أن النموذج لا يتفوق على ساذجة شراء وعقد استراتيجية. ومع ذلك، فإن النموذج لا يؤدي بشكل جيد في كل وقت، يمكنك أن ترى أن غالبية المكاسب قد حدثت خلال فترات قصيرة في 2000-2001 و 2008. يبدو أن هناك بعض ظروف السوق عندما يكون النموذج جيدا بشكل جيد.
وفي فترات التقلب الشديد، أو عندما كان ل S & أمب؛ P 500 فترات من "البيع"، مثل 2000-2002 أو تحطم 2008-2009، فإن الاستراتيجية جيدة للغاية، ربما لأن نموذجنا غارتش يلتقط التقلبات المشروطة جيدا . خلال فترات الاتجاه الصاعد في S & أمب؛ P500، مثل الثور المدى من 2002-2007 نموذج يعمل على قدم المساواة مع S & أمب؛ P 500.
في الثور الحالي تشغيل من عام 2009، وقد أداء نموذج ضعيف بالمقارنة مع S & أمب؛ P 500. تصرف المؤشر مثل ما يبدو أن يكون أكثر اتجاه ستوكاستيك، عانى أداء النموذج في هذه المدة.
هناك بعض التحذيرات هنا: نحن لا حساب الانزلاق أو تكاليف التداول هنا، والتي من شأنها أن تأكل بشكل كبير في الأرباح. أيضا، قمنا بإجراء اختبار باكتست على مؤشر سوق الأسهم وليس أداة قابلة للتداول. من الناحية المثالية، يجب أن نقوم بنفس النماذج و باكتست على S & أمب؛ P500 الآجلة أو صندوق المتداولة إكسهانج (إتف) مثل سبي.
ويمكن تطبيق هذه االستراتيجية بسهولة على مؤشرات أسواق األسهم األخرى أو المناطق األخرى أو األسهم أو فئات األصول األخرى.
يجب أن تحاول البحث عن أدوات أخرى، واللعب مع المعلمات نافذة ومعرفة ما إذا كان يمكنك إجراء تحسينات على النتائج المعروضة هنا. ويمكن أن تشمل التحسينات الأخرى التي أدخلت على الاستراتيجية الشراء / البيع فقط إذا كانت العوائد المتوقعة أكبر أو أقل من عتبة معينة، وتتضمن تباينا للتنبؤ بالاستراتيجية وما إلى ذلك.
إذا كنت لا تجد استراتيجيات مثيرة للاهتمام، والمشاركة في منافسينا، كوانتكست وكسب أسهم الربح على الاستراتيجيات الخاصة بك!
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
فريق أوكوان.
يهدف أوكوان إلى إشراك الناس من خلفيات متنوعة لتطبيق المهارات من مجالات كل منها لتطوير استراتيجيات التداول عالية الجودة. ونحن نعتقد أن الناس الموهوبين للغاية مجهزة المعرفة الصحيحة وموقف يمكن تصميم خوارزميات التداول الناجحة.

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. This makes sense because there is likely to be a significant serial correlation in this period and it will be well-captured by the ARIMA and GARCH models. Once the market recovered post-2009 and enters what looks to be more a stochastic trend, the model performance begins to suffer once again.
Note that this strategy can be easily applied to different stock market indices, equities or other asset classes. I strongly encourage you to try researching other instruments, as you may obtain substantial improvements on the results presented here.
Next Steps.
Now that we've finished discussing the ARIMA and GARCH family of models, I want to continue the time series analysis discussion by considering long-memory processes, state-space models and cointegrated time series.
These subsequent areas of time series will introduce us to models that can improve our forecasts beyond those I've presented here, which will significantly increase our trading profitability and/or reduce risk.
Here is the full listing for the indicator generation, backtesting and plotting:
And the Python code to apply to forecasts. csv before reimporting:
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.