Verbesserung der sich bewegenden durchschnittlichen Handelsregeln mit Boosting und statistischen Lernmethoden Veröffentlicht online 10. Mai 2008 in Wiley InterScience (interscience. wiley) DOI. 10.1002for.1068 Verbesserung der sich bewegenden durchschnittlichen Handelsregeln mit Boosting und Statistical Learning Methoden JULIN ANDRADA-FLIX UND Abteilung für quantitative Methoden in Wirtschaft und Management, Universität von Las Palmas de Gran Canaria, Spanien Wir präsentieren ein System für die Kombination der verschiedenen Arten von Vorhersagen gegeben Durch eine breite Kategorie von mechanischen Handelsregeln durch statistische Lernmethoden (Boosting und mehrere Modell-Mittelungsmethoden wie Bayesian oder einfache Mittelungsmethoden). Statistische Lernmethoden liefern eine bessere Out-of-Sample-Ergebnisse als die meisten der einzelnen gleitenden Durchschnittsregeln im NYSE Composite Index von Januar 1993 bis Dezember 2002. Darüber hinaus, mit einem Filter, um die Handelsfrequenz zu reduzieren, produziert das gefilterte Modell eine technische Strategie, die zwar in den steigenden Perioden nicht in der Lage ist, die Rendite der Buy-and-Hold-Strategie (BampH) zu überwinden, so überwältigt sie die BampH in den fallenden Perioden und kann einen beträchtlichen Teil des Marktrückgangs aufnehmen. Copyright 2004 John Wiley amp Sons, Ltd. Schlüsselwörter technische Analyse zur Förderung der statistischen Lernmodellauswahl EINFÜHRUNG Die technische Analyse besteht aus dem Versuch, die Preise eines Finanzmarktes durch die Untersuchung der vergangenen Preise und anderer zusammenhängender Statistiken zum Sicherheitshandel zu prognostizieren. Trotz der skeptischen Haltung der Akademiker zur technischen Analyse hat die technische Analyse in den letzten 20 Jahren eine Renaissance in der akademischen Welt erlebt und eine beträchtliche Menge an theoretischen und empirischen Arbeiten entwickelt, die die technische Analyse unterstützen. So wurden theoretische Modelle von Hellwig (1982), Treynor und Ferguson (1985), Brown und Jennings (1989) und Blume et al. (1994). Auch viele empirische Papiere belegen die Profitabilität der technischen Handelsregeln, unter anderem unter anderem Brock et al. (1992), Levich und Thomas (1993), Blume et al. (1994), Knez and Ready (1996), Genay (1996), Neely et al. (1997) und Chang und Osler (1999). Korrespondenz zu: Fernando Fernndez-Rodrguez, Facultad de Ciencias Econmicas y Empresariales, 35017 Las Palmas de Gran Canaria, Spanien. E-Mail: ffernandezdmc. ulpgc. es Der Zweck unserer Arbeit ist es, ein System zur Kombination der verschiedenen Arten von Vorhersagen zur Verfügung zu stellen, die von einer breiten Kategorie von mechanischen Handelsregeln bereitgestellt werden. Durch statistische Lernmethoden (wie zB Boosting und mehrere Modell-Mittelungsmethoden wie Bayesian oder Komitee) werden neue Vorhersagen auf der Grundlage einer Reihe von technischen Vorhersagen aufgebaut. Der Rest dieses Papiers ist wie folgt aufgebaut. Im nächsten Abschnitt wird eine kurze Übersicht über die in diesem Papier verwendeten technischen Handelsregeln vorgestellt. Der dritte Abschnitt konzentriert sich auf die Beschreibung der beliebtesten statistischen Lernmethoden wie Boosting und Bayesian Modell Mittelung. Im vierten Abschnitt werden die Maßnahmen zur Bewertung und Vergleich der angewandten technischen Handelsregeln vorgestellt. Der fünfte Abschnitt zeigt die empirischen Ergebnisse. Der sechste Abschnitt stellt die wichtigsten Schlussfolgerungen dar. TECHNISCHE HANDELSREGELN In dieser Arbeit untersuchen wir die Vorhersagekraft über die Kombination von Informationen aus einer der beliebtesten Handelsregelfamilien, die in der technischen Analyse eingesetzt werden, die variablen gleitenden Durchschnittsregeln (VMA künftig). VMA-Regeln beinhalten den Vergleich eines kurzfristigen gleitenden Durchschnitts der Preise mit einem langfristig gleitenden Durchschnitt. Daher werden Kauf - (Verkaufs-) Signale ausgegeben, wenn der kurzfristige Durchschnitt den langfristigen Durchschnitt um mindestens ein vorgegebenes Prozentband übersteigt (ist kleiner als) Die Einführung einer Band um den gleitenden Durchschnitt verringert die Anzahl der Kauf - (Verkaufs-) Signale durch die Beseitigung der Markt-Schleudertrauma, wenn die kurz - und langfristigen Bewegungsdurchschnitte nahe sind. Diese Band, die normalerweise als 1 betrachtet wird, reduziert die Anzahl der Kauf - und Verkaufssignale. Es wird kein Signal erzeugt, wenn der kurze gleitende Durchschnitt innerhalb des Bandes liegt. Mit einer Bande von Null, die technische Regel, die von der VMA klassifiziert wird alle Tage in entweder kaufen Tage oder verkaufen Tage. Die Länge der gleitenden Durchschnitte muss vom Techniker gewählt werden. Die populärste Regel, die in der technischen Analyse verwendet wird, ist 1200, wo die kurze Periode 1 Tag ist und die lange Zeitspanne 200 Tage ist. Dennoch sind andere vielfach genutzte Handelsregeln 150, 1150, 5150, 1200 und 2200 (vgl. Brock et al., 1992). Die skeptische Haltung der akademischen Welt in Bezug auf die technische Analyse wird durch die effiziente Markthypothese motiviert, die besagt, dass verfügbare öffentliche Informationen, wie die vergangenen Preise, den Händlern nicht helfen sollten, ungewöhnlich hohe Renditen zu erzielen, sobald eine Risikoprämie abgezinst worden ist. So verlässt Fama (1970, 1976) einen Markt als schwach form - effizient, wenn die aktuellen Preise die in den vergangenen Preisen enthaltenen Informationen vollständig widerspiegeln. Die Schwachform-Effizienz impliziert, dass die technische Analyse der vergangenen Aktienkurse keinen Wert hat. Verbesserung der bewegten durchschnittlichen Handelsregeln mit steigernden und statistischen Lernmethoden Wenn Sie eine Korrektur anfordern, erwähnen Sie bitte diese Gegenstände: RePEc: jof: jforec: v: 27: y: 2008: i: 5: p: 433-449. Siehe allgemeine Informationen zur Korrektur von Material in RePEc. Für technische Fragen zu diesem Artikel, oder um seine Autoren, Titel, Abstract, bibliographischen oder Download-Informationen zu korrigieren, wenden Sie sich an: (Wiley-Blackwell Digital Licensing) oder (Christopher F. Baum) Wenn Sie diesen Artikel verfasst haben und noch nicht registriert sind RePEc, wir ermutigen euch, es hier zu tun. Dies ermöglicht es, Ihr Profil mit diesem Element zu verknüpfen. Es erlaubt Ihnen auch, potenzielle Zitate zu diesem Artikel zu akzeptieren, dass wir unsicher sind. Wenn Referenzen ganz fehlen, können Sie sie mit diesem Formular hinzufügen. Wenn die vollständigen Referenzen ein Element auflisten, das in RePEc vorhanden ist, aber das System nicht mit ihm verknüpft ist, können Sie mit diesem Formular helfen. Wenn Sie von fehlenden Gegenständen wissen, die dieses zitieren, können Sie uns helfen, diese Links zu erstellen, indem wir die relevanten Referenzen in der gleichen Weise wie oben für jedes verweisende Element hinzufügen. Wenn Sie ein registrierter Autor dieses Artikels sind, können Sie auch die Registerkarte Zitate in Ihrem Profil überprüfen, da es einige Zitate gibt, die auf Bestätigung warten. Bitte beachten Sie, dass Korrekturen einige Wochen dauern können, um durch die verschiedenen RePEc-Dienste zu filtern. Weitere Dienstleistungen Folge-Serie, Zeitschriften, Autoren amp mehr Neue Papiere per E-Mail Abonnieren Sie neue Ergänzungen zu RePEc Autorenregistrierung Öffentliche Profile für Wirtschaftsforscher Verschiedene Rankings der Forschung in der Wirtschaft amp verwandte Felder Wer war ein Student von wem, mit RePEc RePEc Biblio Kuratierte Artikel amp Papiere zu verschiedenen ökonomischen Themen Hochladen Sie Ihr Papier auf RePEc aufgeführt werden und IDEAS EconAcademics Blog Aggregator für Wirtschaftsforschung Plagiate Fälle von Plagiaten in Wirtschaftswissenschaften Job Market Papers RePEc Arbeitspapier Serie gewidmet, um den Job-Markt Fantasy League Vortäuschen Sie sind an der Spitze einer Wirtschaft Abteilung Dienstleistungen aus der StL Fed Daten, Forschung, apps amp mehr aus dem St. Louis FedLearn Forex: Trend Trading Regeln mit Moving Average Crosses Artikel Zusammenfassung: Viele Handelssysteme bauen aus einem guten gleitenden durchschnittlichen Crossover, um Einträge und Ausgänge zu markieren. Sobald Sie das Konzept verstehen und wie Sie Moving Average Crossover auf Ihren Handel anwenden, werden Sie sehen, wie diese einfache Technik für alle Trader-Typen arbeiten kann (lange, Zwischenstufe, amp kurzfristig). Wenn ein Trader beginnt, die technische Analyse der Preis-Aktion zu studieren, werden sie oft zuerst in Moving Averages eingeführt. Wenn die technische Analyse der Versuch ist, zukünftige Preisentwicklungen vorherzusagen, dann sind Moving Averages ein würdiger Start. Sobald Sie gleitende Durchschnitte verstehen, können Sie dann zwei gleitende Durchschnitte anwenden und einen Eintrag finden und auf der Grundlage eines Crossover ausgeben. Letrsquos beginnen mit zwei einfachen Definitionen und bauen von dort aus: Moving Averages (MA): Der durchschnittliche Preis über eine bestimmte Anzahl von Perioden (z. B. 50, 100, 200). Wenn der Markt in einem signifikanten Aufwärtstrend ist, sollte der durchschnittliche Preis über einen bestimmten Zeitraum steigen und der Preis sollte nicht unter dem Durchschnitt schwächen. Moving Average Crossover: Der Punkt auf einem Diagramm, wenn es einen Crossover des kürzeren oder schnell gleitenden Durchschnitts über oder unter dem längerfristigen oder langsameren gleitenden Durchschnitt gibt. Lernen Sie Forex: Moving Average Crossover Beispiel Chart Erstellt von Tyler Yell, CMT Viele Händler waren auf dem Mond und zurück arbeiten, um die Strategie zu finden, die am besten für sie arbeitet. Allerdings stammen die meisten Traderrsquo-Strategien und enden mit einem gleitenden durchschnittlichen Crossover zu Zeiteinträgen und Exits. In der Tat hat dieses einfache System bewährte Namen für Kreuze wie das lsquoGolden Crossrsquo und lsquoDeath Crossrsquo erstellt, weil der Markt dazu neigt, zu ehren, wenn ein Crossover stattfindet. Lernen Sie Forex: Goldenes Kreuz ist ein bullisches Signal, wenn die 50 MA über die 200 MA Chart von Tyler Yell, CMT Lernen Sie Forex: Death Cross ist ein Bearish Signal, wenn die 50 MA kreuzt unterhalb der 200 MA Chart Erstellt von Tyler Yell, CMT Die erste Sache zu schätzen, wenn das Verständnis einer gleitenden durchschnittlichen Crossover ist die Einfachheit. Märkte neigen dazu, in einem klar definierten Bereich oder Trend zu schwingen und zu handeln. Trader bald lernen, dass die folgenden Trends bieten die meisten Belohnung für die geringste Menge an Arbeit und gleitenden durchschnittlichen Crossovers profitieren von dieser Realisierung. Wichtig ist auch, dass viele Währungen und handelbare Instrumente nicht tendieren. Allerdings, wenn Sie ein Währungspaar finden, das eine Geschichte der Trends hat und Sie einen gleitenden durchschnittlichen Crossover sehen, können Sie dann schauen, um einen Handel mit einem klar definierten Risiko einzugehen, indem Sie Ihren Stopp über oder unter dem Crossover einstellen. Vorteile der Verwendung einer Moving Average Crossover-Strategie Die gleitende durchschnittliche Crossover-Handelsstrategie vereint einen kürzeren, bewegten Durchschnitt mit einem längerfristigen gleitenden Durchschnitt. Häufige Beispiele sind ein 10 MA und ein 30 MA für kürzere Terminträge oder ein 50 MA und ein 200 MA für längerfristige Einsendungen. Wenn Sie auf der Grundlage von Crossovers auf und verlassen, erlauben Sie sich, objektive Signale zu nehmen, die der Marktstärke entsprechen. Risiken der Verwendung einer Moving Average Crossover Strategie Obwohl dies als die einfachste Trading-Strategie gesehen wird, ist die Moving Average Crossover für folgende Trends nicht ohne Rückgriff. Die gleitenden Durchschnitte geben eine gleichgewichtige Gewichtung aller Preise innerhalb des Zeitraums, der bei der Anwendung des Indikators ausgewählt wird, so dass es eine nacheilende Natur für die Indikatoren gibt, die auf Preisänderungen reagieren können. Wenn es eine langsamere Reaktionszeit gibt, könnte dies bedeuten, dass deiner Opfer weniger Belohnung geopfert und sich bis zu größerem Risiko öffnet. Wie Sie sich vorstellen können, gibt es mehr als eine Art von gleitenden Durchschnitten. Einige gleitende Durchschnitte wie der Exponential Moving Average setzen mehr Wert auf den jüngsten Preis, um Ihnen zu helfen, schneller auf mögliche Trendverschiebungen zu reagieren. Unabhängig davon, welche Art von gleitendem Durchschnitt Sie verwenden, bleiben die Regeln für Ein - und Ausgänge gleich. Fortgeschrittene Verwendungen eines bewegten durchschnittlichen Crossover Bei der Betrachtung fortgeschrittener Handelssysteme kommen viele Händler auf das anfänglich verwirrende, aber voll integrative Ichimoku Trading System. Im Herzen des Ichimoku Trading Systems ist ein Moving Average Crossover der 9 und 26 Periode gleitenden Durchschnitt. Das System sieht nur, um Signalübergänge zu kaufen, wenn der Preis über dem Durchschnitt des hohen und niedrigen Preises über die letzten 52 Perioden oder verkauft Signalkreuze, wenn der Preis unter dem Durchschnitt des hohen und niedrigen Preises in den letzten 52 Perioden liegt. Lernen Sie Forex ndash Ichimoku konzentriert sich auf gleitende durchschnittliche Übergänge in Bezug auf die Wolke. Chart Erstellt von Tyler Yell, CMT Moving Average Crosses bringen den Trader den Vorteil der Zeit bestätigte Trendeinträge und Exits bei gleichzeitiger Vermeidung von Whipsaws in Preisen, die anderen Händlern weh tun können, die zu schnell vorzeitig zu handeln sind. Denn es kann viel Emotionen hinter dem Handel und Geld riskieren, gibt es einen natürlichen Vorteil für eine objektive und einfache Strategie. Wenn Sie einen neuen Händler, dies ist ein großartiger Ort zu beginnen, um sicherzustellen, dass Sie donrsquot vermissen die großen bewegt. --- Geschrieben von Tyler Yell, Trading Instructor Interessiert an unseren Analysten Best Views auf Major Markets Check Out Unsere Free Trading Guides Hier DailyFX bietet Forex News und technische Analyse über die Trends, die Einfluss auf die globalen Devisenmärkte. Improving gleitenden durchschnittlichen Handelsregeln mit Boosting Und statistische Lernmethoden Zitate Zitate 21 Referenzen Referenzen 32 quotThus unterschiedliche Länge gleitenden Durchschnitt ist erforderlich, um die verschiedenen Marktbedingungen gerecht zu werden. Dieser Befund steht im Einklang mit den von Brock et al. 11, Lukac et al. 12, Andrada-Felix et al. 13, Kwon und Kish 21, und Sullivan et al. 38. Während einfache gleitende Durchschnittsregeln wie OptSMA19 und Opt SMAc die anderen technischen Modelle ex-post, ex-ante übertreffen, ist es äußerst schwierig, die optimalen Längen, die eingesetzt werden sollen, genau zu schätzen. 33. Abstract anzeigen Abstract ausblenden ABSTRACT: Das Ziel von Diese Untersuchungen sollen die Trends in den Wechselkursmärkten der ASEAN-5-Länder (Indonesien (IDR), Malaysia (MYR), Philippinen (PHP), Singapur (SGD) und Thailand (THB) durch die Anwendung von Dynamisch bewegte durchschnittliche Handelssysteme. Diese Forschung bietet Beweise für die Nützlichkeit der zeitvariablen Volatilität technische Analyse Indikator, Adjustable Moving Average (AMAx27) in der Entschlüsselung Trends in diesen ASEAN-5 Wechselkursmärkte. Dieser zeitvariable Volatilitätsfaktor, der in diesem Papier als das Wirksamkeitsverhältnis bezeichnet wird, ist in AMAx27 eingebettet. Das Wirksamkeitsverhältnis passt die AMAx27 den vorherrschenden Marktbedingungen an, indem sie Whipsaws vermeidet (Verluste, die zum Teil auf falsche Handelssignale zurückzuführen sind, die in der Regel bei einer allgemeinen Richtung auf dem Markt auftreten) im Bereich Handel und durch frühes Eingehen in neue Trends im Trendhandel. Die Wirksamkeit von AMAx27 wird gegenüber anderen gängigen gleitenden Durchschnittsregeln bewertet. Basierend auf dem Datensatz vom Januar 2005 bis Dezember 2014 zeigen unsere Ergebnisse, dass die gleitenden Durchschnitte und AMAx27 der passiven Buy-and-Hold-Strategie überlegen sind. Insbesondere übertrifft AMAx27 die anderen Modelle für den US-Dollar gegen PHP (USDPHP) und USDTHB Währungspaare. Die Ergebnisse zeigen, dass unterschiedliche Längenbewegungsdurchschnitte in verschiedenen Perioden für die fünf Währungen besser funktionieren. Dies steht im Einklang mit unserer Hypothese, dass ein dynamisch einstellbarer technischer Indikator erforderlich ist, um für unterschiedliche Perioden in verschiedenen Märkten gerecht zu werden. Volltext Artikel Aug 2016 Jacinta Chan Phooi Mx27ng Rozaimah Zainudin quotDie falschen Verkaufssignale in der Mitte einer bullish Periode erklären die Schwierigkeiten der DMAC Regeln, um in solchen Bedingungen zu übertreffen, da es außerhalb des Märchens in stark bullish Bedingungen sogar für ein Kurze Zeitspanne ist mit anderen zeitlichen Entscheidungen schwer zu kompensieren, vor allem, wenn die MA-Handelsregeln immer zu spät kommen, um die Wendepunkte der Aktienmärkte zu identifizieren. Insgesamt sind unsere Ergebnisse in diesem Sinne mit Fong und Yong (2005), Andrada-Flix und Rodrguez (2008), Yen und Hsu (2010), Ptri und Vilska (2014) und Luukka et al. (Bevorstehende), die alle die Outperformance der technischen Handelsstrategien während der bärischen Perioden dokumentierten, stehen unsere Ergebnisse im Vergleich zu denen von Fong und Ho (2001) und Chang, Lima und Tabak (2004), die über signifikante anormale Renditen über die BampH hinausgehen Portfolio während der bullish Perioden. Auszug Auszug ausblenden ABSTRAKT: Dieses Papier untersucht die Rentabilität von Index-Trading-Strategien, die auf Dual Moving Average Crossover (DMAC) Regeln in der russischen Börse über den Zeitraum 20032012 basieren. Es trägt zur vorhandenen technischen Analyse (TA) bei, indem sie zum ersten Mal in den Emerging Markets die relative Performance der einzelnen Aktienhandelsportfolios mit dem der Handelsstrategien für den Index, der aus denselben Aktien besteht (dh die liquidesten Aktien der Moskauer Austausch). Die Ergebnisse zeigen, dass die besten Handelsstrategien der In-Sample-Periode während der anschließenden Out-of-Sample-Periode die Buy-and-Hold-Strategie übertreffen können, allerdings mit geringer statistischer Signifikanz. Darüber hinaus dokumentieren wir die Vorteile der Verwendung von DMAC-Kombinationen, die viel länger sind als die in früheren TA-Literatur. Darüber hinaus zeigt die Zerlegung der Vollperiodenperformance in getrennte Bullen - und Bärenperiodenleistungen, dass die Outperformance der besten vergangenen Indexhandelsstrategien zumeist auf die Tatsache zurückzuführen ist, dass sie sich vor allem aus der Börse herausholten Ein dramatischer Crash durch die globale Finanzkrise verursacht. Artikel Jun 2016 Eero Ptri Pasi Luukka Elena Fedorova Tatiana Garanina zitiert ein Prognosemodell, das auf dem gleitenden Durchschnitt basiert. Es gibt drei Arten von gleitenden Durchschnitt: der einfache gleitende Durchschnitt (SMA), der gewichtete gleitende Durchschnitt (WMA) und der exponentielle gleitende Durchschnitt (EMA). In dieser Studie wurde ein exponentieller gleitender Durchschnitt verwendet. Diese Form des Mittelwerts verwendet eine Gewichtung oder einen Glättungsfaktor, der exponentiell abnimmt (Andrada-Felix et al., 2008). Die Gewichtung für jeden älteren Datenpunkt, der exponentiell abnimmt, gibt den jüngsten Beobachtungen viel mehr Bedeutung, ohne die älteren Beobachtungen völlig zu verwerfen. Das Prognosemodell gliedert sich in zwei Phasen: Erkennungsphase und Prognosephase. Die Erkennungsphase konzentriert sich auf eine Analyse der gesammelten Daten. Zur Erhöhung der accuquot Show abstract Hide abstract ABSTRACT: Es wurden verschiedene Prognoseschemata vorgeschlagen, um Verkehrsdaten zu verwalten, die von Videos Kameras, Sensoren und Mobilfunkdiensten gesammelt werden. Allerdings reichen diese nicht aus, weil sie aufgrund ihrer begrenzten Abdeckung und hohen Kosten für Installation und Wartung sammeln können. Um die Einschränkungen dieser Werkzeuge zu überwinden, stellen wir ein Hybridschema vor, das auf dem intelligenten Verkehrssystem (ITS) und dem globalen Satellitennavigationssystem (GNSS) basiert. Die Anwendung der GNSS zur Berechnung der Fahrtzeit hat sich in der Genauigkeit als wirksam erwiesen. In diesem Fall wird die GNSS-Daten in der Lage sein, Verkehrsstaus und Verkehrsunfälle zu reduzieren. In diesem Beitrag wird ein kurzfristiges Prognosemodell vorgestellt, das auf Echtzeit-Fahrzeit für städtische heterogene Straßennetze basiert. Die Reisezeitvorhersage wurde durch die Vorhersage von Fahrgeschwindigkeiten mit einem optimierten exponentiell bewegten Mittelwert (EMA) erreicht. Für die Geschwindigkeitsanpassung in heterogenen Straßennetzen ist es notwendig, auf der Basis des GNSS eine geeignete Steuerstrategie für Längengrad einzuführen. GNSS-Produkte bieten weltweite und Echtzeit-Services mit präzisen Timing-Informationen und Positionierungstechnologien. Volltext Artikel Mai 2016 Jamal Raiyn
No comments:
Post a Comment