Estrategia De Negociación

No. Algunos lo hacen, otros no, ni siquiera diría que la mayoría lo hacen. Un promedio móvil no es mágico y tiene valor predictivo cero. Un promedio móvil es una abreviatura útil para la construcción de sistemas, nada más. Cuando los comerciantes dicen que Price está probando el 50EMA o Price no ha podido reconquistar los 200 SMA críticos que se están engañando a sí mismos, pura y simple. Estamos construidos para la correspondencia de patrones, no importa lo que los gráficos que utiliza, antes de demasiado tiempo que realmente creen que sus propias colecciones de squiggles tiene valor predictivo. Por ejemplo, este es un algo utilizado (o algo muy similar) por los gestores de fondos del mundo real que gestionan colectivamente varios miles de millones de dólares en los mercados de futuros. Utilizando contratos de futuros ajustados correctamente, diversificó más de 50 instrumentos. Si EMA (50) gt EMA (100) toma posiciones largas solamente, y viceversa Si el precio cierra por encima del máximo de 50 días, vaya largo, y viceversa. Si el precio cierra por debajo de 3 x ATR (100) salga de la posición larga No tome posiciones cortas en futuros de acciones, son una ventaja negativa incluso en los mercados bajistas. El dimensionamiento de la posición se calcula de la siguiente manera. (Tamaño de la cuenta) x .002 / ((marque el valor por contrato) x (ATR (100)) Puede que no quiera reequilibrar periódicamente a medida que cambia la volatilidad. Los números pueden cambiar un poco, pero este es un ejemplo de un El sistema de comercio del mundo real que ha devuelto promedios a largo plazo alrededor de 15 pa composición. Hay sistemas comerciales que utilizan un montón de matemáticas complicadas y sistemas de comercio utilizando cosas más simples que esto. Mi propio algos son más complicados que esto, pero no mucho más complicado. Este sistema de muestra está cubierto en detalle exhaustivo en Andreas Clenows libro excelente. Si usted está interesado en el comercio sistemático le sugiero que lo compre 270 Vistas middot Ver Upvotes middot No para ReproducciónMoving Promedio Hace algún tiempo, como respuesta a una pregunta en un correo electrónico con respecto Algo que se llama ma 3ª generación, le respondí que no es difícil hacer un promedio móvil más rápido, pero que es difícil hacer un promedio móvil más rápido útil Aquí hay un ejemplo (no tiene nada que ver con la generación n ma. Ya que, como resultó, que se acaba de generalizar DEMA llevado a extremos, con entradas de parámetros que hizo que sea casi imposible de utilizar para algo significativo) Este es un tipo (una variación) de una adaptación EMA con la que he estado jugando. Se está adaptando midiendo sus errores previos y si el error aumenta, se acelera, de lo contrario se queda en una fase más lenta (más suave). Así que, en resumen, si cometió un error en un intento anterior se adapta en un nuevo intento para hacer el error lo menos que pueda. Aquí se muestra un ejemplo de un promedio de 14 períodos suavizado con el promedio en un gráfico principal y alphas que aplicó (constantes de suavizado) para calcular el promedio en la subventana Como se puede ver, cuando el mercado se vuelve más volátil, (Lo que significa una respuesta más rápida a los cambios de precios) y viceversa. Ahora, el problema es que es casi demasiado bueno en la adaptación. Como es obvio, incluso con una comprobación de errores de período más largo, se está adaptando (minimizando errores previos y de esa manera evitando la acumulación de errores anteriores) tan bien que es imposible causar un retraso significativo , Y de esa manera no podemos usar este como los promedios móviles habituales. Se puede utilizar como un filtro bastante bueno (es fácil de usar, se puede adaptar fácilmente para trabajar en cualquier valor.), Pero como un promedio móvil clásico, debido a que es demasiado rápido. Así, dejo eso a los usuariosPágina 5: Previsiones fuera de muestra. 8 Parte 6: Cuestiones Potenciales. 9 Parte 7: ¿A dónde vamos desde aquí? 10 Parte 1: Crossover de media móvil dual El concepto de un crossover de media móvil dual es bastante sencillo. Calcular dos promedios móviles del precio de un valor, o en este caso los tipos de cambio de una moneda. Un promedio sería el corto plazo (ST) (estrictamente relativo a la otra media móvil) y el otro largo plazo (LT). Matemáticamente hablando, el promedio móvil a largo plazo (LTMA) tendrá una menor varianza y se moverá en la misma dirección que la media móvil a corto plazo, pero a un ritmo diferente. Las diferentes velocidades de dirección inducen puntos en los que los valores de las dos medias móviles pueden ser iguales o cruzarse entre sí. Estos puntos se llaman puntos de cruce. En la estrategia de negociación del cambio de media móvil de cruce, estos crossovers son puntos de decisión para comprar o vender las monedas. Lo que implican estos puntos de cruce depende del enfoque que el inversor tenga en su estrategia. Hay dos escuelas de pensamiento: técnica y valor. El enfoque técnico sugiere que cuando la media móvil a corto plazo (STMA) se mueve por encima de la LTMA, que representa una señal Buy (o Long). (A la inversa, cuando el STMA se mueve por debajo del LTMA, el Technical Approach indica una señal Sell (o Short).) La intuición detrás de esta estrategia puede ser explicada en términos de impulso. Básicamente, el principio de ímpetu establece que un precio que se mueve hacia arriba (o hacia abajo) durante el período t es probable que continúe moviéndose hacia arriba (o hacia abajo) en el período t1 a menos que exista evidencia en contrario. Cuando la STMA se mueve por encima de la LTMA, esto proporciona un indicador rezagado que el precio se está moviendo hacia arriba en relación con el precio histórico. Comprar alto, vender más alto. El enfoque de valor ofrece las señales comerciales opuestas al enfoque técnico. El enfoque de valor afirma que cuando la STMA cruza desde abajo a por encima de la LTMA, que la inversión ahora está sobrevalorada y debe ser vendida. Por el contrario, cuando la moneda STMA se mueve por debajo de la LTMA entonces la moneda está infravalorada debe ser comprado. La intuición detrás del enfoque de valor puede ser pensada simplemente como un enfoque de reversión media. Comprar bajo (valor), vender alto (sobrevaluado). Ambas estrategias tratan de lograr el mismo objetivo, pero lo hacen en formas opuestas entre sí. En este artículo analizaremos las estrategias técnicas y de valor aplicadas a los tipos de cambio del euro / USD. El siguiente gráfico muestra cómo la estrategia de negociación de crossover de movimiento dual produce señales de compra y venta. Tenga en cuenta que las ganancias y pérdidas se calculan tomando la diferencia entre el precio (no el valor promedio móvil) en los puntos de señal. Por lo tanto, el precio real negociado será, con gran probabilidad no igual a los valores promedio móvil correspondiente. Parte 2: Datos y Metodología A continuación se muestra una tabla que resume los datos que utilizamos para esta asignación: Nota sobre el software: Microsoft Excel no pudo manejar el número de observaciones que pudimos obtener. Por lo tanto, era necesario utilizar un paquete de software diferente para hacer los cálculos o escribir software nosotros mismos. Decidimos que C era un lenguaje apropiado para usar. Escribimos código C para realizar las siguientes funciones con los datos: 1. Limpiar datos, incluyendo el filtrado de fines de semana, días festivos y períodos de tiempo. 2. Desglose las medias móviles de largo y corto plazo especificadas. a. Se utilizó la Serie Fibonacci como punto de partida para corto y largo plazo (los primeros 12 5,8,13,21,34,55,89,144,233,377,610,987 examinados) Resultados no diferentes a los de abajo. segundo. Calcular todas las combinaciones de 10 incrementos de periodo hasta 1000, p. 10,50 230, 740 (tiempo de ejecución de aproximadamente 30 minutos, 5050 combinaciones posibles) 3. Calcular los puntos de cruce, 4. Identificar crossover como compra o venta 5. Calcular los resultados: (con y sin resbalamiento de 0.0003) e. Ganancia / pérdida promedio f. Períodos por debajo de la inversión inicial g. Valor máximo de la cartera h. Valor mínimo de la cartera 6. Determinar qué promedios móviles utilizar en las pruebas de la muestra. 7. Realizar análisis fuera de la muestra. 8. Comparar en la muestra con fuera de la muestra. Parte 3: En el análisis de los resultados de la muestra La tabla siguiente resume los resultados de los ensayos de la muestra que se realizaron. Los siguientes son tres análisis clave de los cálculos de la muestra: La estrategia de cruce de media móvil dual puede proporcionar beneficios constantes cuando no se supone ningún deslizamiento. Además, no es necesario ser discernimiento o selectivo en la determinación de los parámetros para que las medias móviles a corto y largo plazo tengan éxito. Cuando el deslizamiento se contabiliza en los cálculos de beneficio, los resultados son muy diferentes de la conclusión anterior. De hecho, más de 65 de las posibles combinaciones DMAC no son rentables, y hay un riesgo considerable a la baja empleando una estrategia DMAC ciego. Al comparar el enfoque técnico versus valor en la muestra, es claro que el enfoque técnico realiza el enfoque de valor significativamente, como lo demuestra el rendimiento total promedio. Compare 4.0 (técnico) con 11.4 (valor). De manera algo interesante, los parámetros de media móvil a corto y largo plazo que crean los retornos más rentables se agrupan mucho más en el enfoque técnico que en el enfoque de valor. Esto sugiere que el enfoque técnico podría sacarse de la muestra más fácilmente. Parte 4: Selección de parámetros para el análisis fuera de la muestra En este punto del proceso desarrollamos una metodología de selección para determinar qué rango de parámetros STMA y LTMA recomendaríamos para el análisis de la muestra. El proceso sigue: Calculado 4.950 combinaciones de carteras ST / LT para las salidas listadas en la Parte 3. Clasificadas por Rentabilidad Seleccionadas con retornos gt10 Clasificadas por valor ST Valores ST más rentables agrupados entre 50-130 (Metodología repetida para ST en el LT) Los valores de LT más rentables se agrupan entre 740-810 (Vea el gráfico abajo) Si fuera necesario escoger una combinación única de DMAC, recomendaríamos el 100 (ST), 770 (LT) como el Selección de combinación final Por favor, tenga en cuenta que esto no representó el mejor desempeño individual de las 1746 combinaciones rentables más bien, representa uno de los mejores candidatos basados ​​en las distribuciones descritas arriba. Parte 5: Pronósticos fuera de la muestra La siguiente tabla resume los resultados de los ensayos fuera de la muestra que se realizaron. A partir del análisis fuera de la muestra, descubrimos que mediante la utilización de un bien concebido proceso de selección de parámetros, parece que realmente tuvimos éxito en la selección rentable DMAC combinaciones. Las combinaciones fuera de la muestra mostraron una mejora considerable con respecto a las combinaciones en la muestra. Comparar la rentabilidad 89 (seleccionada, fuera de muestra) frente a 35 (todas las combinaciones posibles, en la muestra). Además, compare el rendimiento medio de 2,5 (examinado, fuera de la muestra) frente al promedio de retorno de 4,0 (todas las combinaciones posibles, en la muestra). Quizás aún más importante, los resultados seleccionados, fuera de la muestra mostraron una desviación estándar mucho menor y un riesgo a la baja. De hecho, el peor rendimiento entre los resultados fuera de la muestra fue un 2,7 retorno. Parte 6: Problemas potenciales Hay partes de nuestro análisis que deben analizarse para determinar dónde puede haber peligros subyacentes (es decir, riesgos) que pueden no ser fácilmente evidentes: 1) Datos Los datos limpios y imparciales son vitales para un buen análisis. Dada la fiabilidad en la fuente de los datos, nos sentimos bastante seguros de que los datos son precisos, sin embargo, nuestro análisis sólo examinó una moneda única para un período de 2 años. Aunque nuestro enfoque era puramente técnico, este conjunto de datos no justifica la generalización a través de otras monedas o clases de activos (por ejemplo, futuros, acciones). 2) Metodología Existe una línea fina entre buena optimización y minería de datos. Al examinar todas las combinaciones posibles de DMAC con los parámetros STMA y LTMA entre 10 y 990, nos abrimos a la tentación de la minería de datos para generar resultados favorables sin embargo, empleando una metodología bien diseñada de selección de parámetros, nos sentimos confiados tomando el rango recomendado de Valores de los parámetros fuera de la muestra. Teniendo en cuenta que casi 90 de las combinaciones seleccionadas de DMAC fueron realmente rentables fuera de la muestra, es bastante improbable que podríamos lograr estos resultados a través de una minería de datos o una metodología de selección de parámetros sobre-optimizada. 3) Riesgo Además de analizar de manera bastante superficial la desviación estándar del rendimiento esperado y el rendimiento total mínimo, no se realizó una evaluación exhaustiva de los riesgos involucrados. Los inversores también estarían interesados ​​en métricas tales como la reducción máxima en cualquier período en el tiempo. (Esta información también sería relevante para la estructura de incentivos para los gestores de fondos de cobertura). En suma, debe explorarse un examen más exhaustivo de los riesgos. Tal vez este análisis podría producir un enfoque de filtro para comprar y vender señales. Como resultado, no necesitaríamos adoptar una estrategia siempre (excluyendo los fines de semana). Parte 7: Dónde vamos desde aquí Es claro de nuestros resultados tanto en la muestra y fuera de los análisis de la muestra, que debe haber formas aún más inteligentes de capturar los beneficios disponibles con la estrategia comercial DMAC. Capturar más beneficios a través de mejores estrategias de sincronización Podemos ver en el gráfico DMAC (ver Sección 1) que gran parte del beneficio potencial se pierde cuando se proporciona la señal de negociación. Esto se debe a que la media móvil es un indicador que sigue la tendencia y que sólo refleja la acción de precios pasada. Como hemos mostrado en nuestro análisis y resultados, la mayor parte del potencial de ganancia se pierde en ese momento a los costos de operación (es decir, los bancos lo reciben en el mercado de divisas). Con el fin de captar más de los beneficios disponibles, recomendamos investigar las siguientes ideas y estrategias. Precio vs. Estrategia de Crossover SMA. Recomendamos explorar un análisis de un crossover de Price vs. SMA. De esta manera, uno de los rezagos medios móviles se elimina del análisis. En efecto, esto hace que las señales de compra / venta sean más oportunas en la naturaleza. Los posibles problemas con esta estrategia incluyen: Aumento de las transacciones y por lo tanto los costos. Acción sobre las señales malas (es decir, más whipsaws). La investigación de análisis técnico tiende a sugerir que las estrategias de negociación de DMAC superan a las estrategias de negociación de SMA. Modelo de tendencia vs período de negociación. Hay ciclos en los datos que muestran períodos de tiempo en los que los precios tienen variaciones muy pequeñas alrededor de un precio similar o en otras palabras, están en un período de comercio. Además, hay períodos en los que los precios están haciendo movimientos fundamentales de un rango a otro, o períodos de tendencia. Investigar las diferentes reglas comerciales en el software que ayudaría a identificar cuándo estos períodos comienzan y terminan podría ser muy poderoso. Entre los enfoques posibles se encuentran indicadores técnicos tradicionales como ADX (DI y DI), osciladores para periodos comerciales (es decir, RSI, CCI). Alternativamente, podrían examinarse enfoques estadísticos más avanzados como los modelos de Markov ocultos. Reglas de negociación adicionales: Análisis del cambio de pendiente. Es posible que un análisis de la dirección de la pendiente puede ser útil en la captura de algunos de los beneficios perdidos. En este escenario, la dirección absoluta de la pendiente podría determinar la decisión comercial junto con el análisis de pendiente relativa de la media móvil dual. Aunque este tipo de análisis también está rezagado y está en la frontera con una estrategia de impulso, puede haber algún valor a la investigación de si el modelo podría volverse más robusto a través de la inclusión. Reglas Adicionales de Trading: Desviación estándar de la LTMA. En esta estrategia, se podría tomar una decisión de salida cuando el precio actual se mueve más de una desviación estándar prescrita fuera de la media móvil a largo plazo. Este tipo de regla comercial podría ayudar a capturar los beneficios que de otro modo se perderían cuando un pico vuelve a bajar (o vuelve a subir) antes de que los promedios móviles se cruzen de nuevo. Los riesgos potenciales de esta estrategia incluyen: No permitir el uso de la ola de ganancias al inducir salidas anticipadas de operaciones con ganancias. Aumento de los costos de operación Selección de clases de activos (monedas, valores, futuros) En nuestro análisis utilizamos datos que nos fueron proporcionados por Profesor Campbell Harvey. Es razonable suponer que es posible pasar por un análisis para seleccionar monedas y valores más rentables. Algunos métodos posibles para la selección incluyen varias pantallas de atributos de grupos de valores y monedas, incluyendo pantallas univariadas y bivariadas, podrían producir resultados más rentables. Regresiones predictivas de los atributos deseables incluyendo liquidez y volatilidad, etc. para monedas, valores y futuros. Análisis de eventos catastróficos A raíz de varios eventos mayores o catastróficos en los últimos 3 años, incluyendo: Agosto de 1998 (default ruso) marzo de 2000 (caída en el mercado de valores de Estados Unidos) 11 de septiembre de 2000 (Ataque Terrorista). Aunque hemos incluido dos de estos tres eventos en nuestros datos, todavía sentimos que se debe hacer un análisis para planificar tales eventos (es decir, estrategias de salida) y su impacto en nuestras posiciones.