تجارت الگوی

هر از گاهی با نمونه هایی از قوانین الگوی معاملاتی که به نظر می رسد کار می کنند ، ارائه می شود. با "قانون الگوی" ، منظور من چیزی در امتداد خطوط است: "اگر سهام زیر آن بسته شود و بالاترین سطح امروز بیشتر از گذشته دیروز باشد ، سپس فردا را باز کنید."

قوانین معاملات از این نوع معمولاً یک نوع عجیب و غریب هستند که فقط برای دوره های محدود یا اوراق بهادار خاص کار می کنند. اما من به اندازه کافی کنجکاو بودم که می خواهم مفهوم تجارت الگوی را بررسی کنم ، تا ببینم ممکن است برخی از الگوهای وجود داشته باشد که عموماً قابل اجرا باشند و به طور بالقوه ارزش تجارت داشته باشند.

در کمال تعجب ، من توانستم چنین قانونی را پیدا کنم که در این مقاله درباره آن توضیح خواهم داد. به نظر می رسد که این قانون به طور مداوم برای طیف گسترده ای از سهام ، در قاب های طولانی مدت کار می کند. اگرچه شاید به اندازه کافی جالب نباشد که به خودی خود تجارت کند ، این قانون ممکن است بینش مفیدی را ارائه دهد و احتمالاً در یک استراتژی معاملاتی دقیق تر با سایر شاخص ها ترکیب شود.

مبنای اصلی این تحقیق ، ایده استفاده از مدل های Autoregression بردار برای پیش بینی قیمت روزانه O/H/L/C یک سهام بود. پایان نامه اساسی این است که ممکن است در مقادیر تاریخی این متغیرها اطلاعاتی وجود داشته باشد که با هم همراه هستند ، می توانند پیش بینی های مفیدی را نسبت به مثلاً با استفاده از قیمت های نزدیک تولید کنند. از نظر فنی ، ما می گوییم که سری قیمت O/H/L/C کاملاً یکپارچه شده است ، که ممکن است فرد به عنوان یک نوع همبستگی قوی تر فکر کند: سریال های یکپارچه تمایل دارند که به دلیل برخی از دلایل اقتصادی اساسی ، همچنان با هم حرکت کنند ، در حالی که سری آنصرفاً با همبستگی همبستگی می بینند که رابطه صرفاً آماری از هم پاشیده می شود. در این حالت رابطه اقتصادی بین سری O/H/L/C مشخص است: قیمت بالا همیشه از قیمت پایین بیشتر خواهد بود و قیمت های باز و نزدیک همیشه بین این دو قرار خواهد گرفت. علاوه بر این ، قیمت ها نمی توانند به طور نامحدود از هم به طور نامحدود دور شوند ، زیرا نوسانات محدود و متوسط است. بنابراین برای استفاده از یک مدل اتورگرایی وکتور در این زمینه نوعی دلیل منطقی وجود دارد. اما من نمی خواهم بیش از حد به این ایده بپردازم ، زیرا به نظر می رسد فقط در حاشیه مفید است.

برای ساده نگه داشتن آن ، تصمیم گرفتم توجه خود را بر روی معاملات الگوی ساده از نوع زیر متمرکز کنم:

اگر RULE1 و/یا RULE2 پس از آن تجارت کنید

قانون 1 و قانون 2 اظهارات منطقی ساده از نوع هستند: "امروز بیشتر از نزدیک دیروز باز است" یا "بالاترین امروز زیر پایین دیروز". این تجارت را می توان در ترکیب فرم "خرید امروز باز ، فروش نزدیک امروز" یا "خرید نزدیک امروز ، نزدیک فردا" بیان کرد.

در مدل من مجبور شدم قوانینی را که نه تنها قیمت O/H/L/C را از دیروز ، امروز و فردا ترکیب می کنم ، در نظر بگیرم ، بلکه قیمت O/H/L/C را پیش بینی می کنم. این امر باعث صدها هزار فرصت شد. یک آزمایش بی رحمانه از هر یک از آنها مطمئناً عملی خواهد بود ، اما برای اجرای آن خسته کننده است. و بسیاری از قوانین ممکن برکنار می شوند - به عنوان مثال یک قانون مانند: "اگر امروز باز است از نزدیک امروز ، امروز باز است". قوانین از این نوع مطمئناً پول زیادی را به دست می آورند ، اما متأسفانه آنها عملی نیستند!

برای حفظ تعداد امکانات به یک شماره کارآمد ، من قانون تجارت را به موارد زیر محدود کردم: "نزدیک امروز بخرید ، فردا را نزدیک کنید". در نتیجه ، ما استراتژی های معاملاتی طولانی را در نظر می گیریم و هرگونه قوانینی را که ممکن است ما را ملزم به کوتاه کردن سهام کند ، نادیده می گیریم.

من سهام خود را با تاریخ طولانی انتخاب کردم و حداقل به آغاز دهه 1970 باز می گردد تا داده های کافی برای ساخت مدل VAR ارائه دهم. از داده های دوره از ژانویه 1970 تا دسامبر 2012 برای برآورد مدل استفاده شد و عملکرد قوانین مختلف تجارت ممکن با استفاده از داده های خارج از نمونه از ژانویه 2013 تا ژوئن 2014 مورد بررسی قرار گرفت.

برای سهولت در تصویر ، الگوریتم ها در MS-Excel کدگذاری شدند (یک نسخه از کتاب کار اکسل در صورت درخواست در دسترس است). در ارزیابی عملکرد قانون تجارت ، یک کمک هزینه از 1 دلار در هر سهم در کمیسیون و 2C دلار در هر سهم در لغزش ساخته شده است. اندازه موقعیت در 1000 سهم ثابت بود. با توجه به اینکه قوانین معاملات نیاز به ورود و خروج در بازار نزدیک دارد ، ممکن است برای برخی از سهام کمک هزینه بیشتری برای لغزش لازم باشد. علاوه بر این ، ما باید به مشکلات عملی در تجارت یک موقعیت قابل توجه در نزدیکی توجه کنیم ، به خصوص در شرایطی که ممکن است قیمت سهام بسیار نزدیک به سطوح کلیدی مانند بالا یا پایین باشد که قانون تجارت ما ممکن است بخواهد حساب کنداز.

به عنوان یک احتیاط دیگر ، باید توجه داشته باشیم که یک عنصر تعصب بازمانده در اینجا وجود دارد: برای متناسب با این پروتکل آزمایش ، سهام باید از دهه 1970 تا به امروز زنده بماند. بسیاری از سهام که در آغاز آن دوره جاری بودند ، دیگر به دلیل ادغام ، ورشکستگی و غیره وجود ندارند. به استثنای چنین سهام از ارزیابی ، تمایل به تورم نتایج آزمون دارند. باید گفت که من آزمایشات مشابهی را روی چندین سهام موجود در حال حاضر انجام دادم ، که نتایج آن مشابه نتایج ارائه شده در اینجا بود ، اما یک مطالعه تصحیح کاملاً تعصب بازمانده فراتر از محدوده این مقاله است. با این احتیاط پشت سر ما ، اجازه دهید نگاهی به برخی از نتایج بیندازیم.

تجزیه و تحلیل الگوی تجارت

شکل 1 در زیر خروجی خلاصه از آزمون شرکت 3M (NYSE: MMM) را نشان می دهد. در بالا می توانید بهترین قانون تجاری را ببینید که سیستم قادر به یافتن این سهام خاص بود. به زبان انگلیسی ساده ، این قانون به شما می گوید که نزدیک امروز در MMM بخرید و فردا را بفروشید ، اگر سهام زیر پیش بینی قیمت بالای دیروز باز شود و علاوه بر این ، سهام زیر میانی روز بسته شود (میانگین بالاترین امروز امروزو قیمت های پایین).

شکل 1 تجزیه و تحلیل خلاصه برای MMM

منبع: مالی یاهو.

نتایج درون نمونه از ژانویه 2000 ، خلاصه شده در جدول سمت چپ در شکل 2 در زیر ، به سختی ستاره ای است ، اما شواهدی از یک لبه کوچک اما قابل توجه نشان می دهد ، با بازده خالص کل 165 ٪ ، ضریب سود 1. 38 ونرخ پیروزی 54 ٪. و در حالی که قانون تجارت در نهایت ، پس از در نظر گرفتن هزینه های معامله ، برای دوره های طولانی (به عنوان مثال 2009-2012) از یک استراتژی خرید و خرید و فروش ساده تر است ، اگر از قانون تجارت استفاده می کردند ، سرمایه گذاران بهتر بودندزیرا با موفقیت از بدترین اثرات سقوط بازار 2008/09 جلوگیری کرد.

نتایج خارج از نمونه ، که در جدول سمت راست نشان داده شده است ، کمتر دلگرم کننده هستند ، اما بازده خالص با این وجود مثبت است و نرخ پیروزی ٪ در واقع به 55 ٪ افزایش می یابد.

شکل 2. عملکرد قانون تجارت

منبع: مالی یاهو.

من پیش از این خاطرنشان كردم كه بخش اول قانون تجارت ما برای MMM شامل مقایسه قیمت افتتاح با پیش بینی High High دیروز ، تولید شده توسط مدل Autoregression Vector است ، در حالی كه بخش دوم قانون تجارت فقط به میانی و قیمت های بسته است. مدل VAR چقدر مقدار افزوده را ارائه می دهد؟ما می توانیم این کار را با از بین بردن قسمت اول قانون و در نظر گرفتن تمام روزهایی که سهام در زیر میانی بسته شده است ، آزمایش کنیم. نتایج به شکل 3 نشان داده شده است.

شکل 3 عملکرد قانون تجارت ساده

منبع: مالی یاهو.

همانطور که انتظار می رود ، نتایج در نمونه از قانون معاملات کوتاه ما مطمئناً نسبت به قانون اصلی پایین است ، که در آن پیش بینی های مدل VAR نقش ایفا می کنند. اما عملکرد خارج از نمونه قانون ساده در واقع بهبود یافته است-نه تنها بازده خالص بالاتر از گذشته است ، بلکه نرخ پیروزی ٪ نیز با چند درصد امتیاز است.

یک الگوی مشابه برای بسیاری از سهام دیگر پدیدار می شود: تقریباً در هر مورد ، الگوریتم آزمون ما نشان می دهد که بهترین قانون تجارت ، بر اساس مقایسه قیمت بسته شدن با قیمت میان رده ، نزدیک را خریداری می کند. در بعضی موارد ، نتایج آزمایش درون نمونه با افزودن شرایط بیشتر ، مانند آنچه در مورد MMM دیدیم بهبود می یابد. اما ، مانند MMM ، ما اغلب می دانیم که سود اضافی حاصل از استفاده از پیش بینی های مدل Autoregression در بهبود نتایج قانون تجارت در دوره خارج از نمونه ناکام است و در واقع اغلب آنها را بدتر می کند.

به طور کلی ، ما شواهدی می یابیم که یک قانون تجارت ساده بر اساس مقایسه قیمت بسته شدن با قیمت میان رده به نظر می رسد برای بسیاری از سهام ، در طول مدت زمان طولانی کار می کند.

به یک معنا ، این قانون تجارت ساده از قبل به خوبی شناخته شده است: این فقط یک نوع از ایده "خرید Dips" است ، جایی که در این حالت ، ما یک شیرجه را تعریف می کنیم که وقتی سهام در زیر میان رده متوسط بسته می شودروز ، به جای مثلاً ، زیر سطح متوسط متحرک. مبنای اقتصادی این یافته نیز به خوبی شناخته شده است: سهام دارای رانش مثبت است. اما جالب است که تأیید دیگری از این ایده مشهور پیدا کنید. و این احتمال را ایجاد می کند که با معرفی قوانین اضافی ، شاخص های معاملاتی و پیش بینی های مدل به ترکیب ، می توان مفهوم تجارت را بهبود بخشید.

دسته بندی های روزانه ، تجارت الگوی ، برچسب های قانون معاملات عالی ، تجارت الگوی ، سهام

جستجو کردن

سپتامبر 2018