일일 평균 반전 전략

자기 상관에 기초한 평균 반전 : S & P 100 구성 주식 및 100 종의 가장 유동적 인 ETF를 사용한 비교.
ETF 위험, 2013 년 10 월, 36-41.
24 Pages 게시일 : 2013 년 6 월 1 일 최종 개정일 : 2014 년 11 월 27 일
Christian Dunis.
John Moores University - 경영 대학.
제이슨 법.
University of Liverpool, 관리 학교 (ULMS), 학생.
Jozef Rudy.
Alpha Capital을 수확하십시오.
작성 날짜 : 2011 년 1 월 31 일.
이 논문의 동기는 조건부 자기 상관을 기반으로하는 간단한 전략조차도 상인에게 우위를 제공 할 수 있음을 보여주는 것입니다.
키워드 : 평균 회귀, ETF, 쌍 거래, 자기 상관.
JEL 분류 : C00, C10, C50, G00, G11.
Christian Dunis.
John Moores University - 경영 대학 ()
존 포스터 빌딩.
98 Mount Pleasant.
리버풀, L3 5UZ.
제이슨 법.
University of Liverpool, 관리 학교 (ULMS), 학생 ()
Jozef Rudy (연락처 작성자)
Harvest Alpha Capital ()
종이 통계.
관련 전자 잡지.
자본 시장 : 자산 가격 및 평가 e 저널.
이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.
뮤추얼 펀드, 헤지 펀드 및 투자 산업 전자 저널.
이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.
계량 경제 모델링 : 국제 금융 시장 - 선진 시장 전자 저널.
이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.
권장 논문.
빠른 링크.
약.
쿠키는이 사이트에서 사용됩니다. 거부하거나 더 자세히 알아 보려면 쿠키 페이지를 방문하십시오. 이 페이지는 0.157 초에 apollo7에 의해 처리되었습니다.

평균 반전 거래 및 4 가지 가장 큰 도전에 대한 소개.
이 기사의 내용
평균 회귀 거래는 카운터 - 트렌드 또는 리버설 트레이딩이라고도하며, 거의 모든 유형이 동일한 유형의 트레이딩 스타일을 설명합니다. 평균 반 환율 거래자는 평균 (평균) 가격에서 크게 벗어난 가격을 찾습니다. 평균 복귀 상인은 지속 불가능한 추세를 찾습니다.
대부분의 사람들이 경향 추종 접근 방식을 선호하지만 일반적인 트렌드 거래 사고 방식에 익숙하지 않았고 조기에 평균 회귀 거래를 관찰하기 시작했습니다. 말할 필요도없이, 나는이 거래 스타일이 상인에게 제기되는 정서적 및 심리적 도전 때문에 절대 초보자에게 적합하지 않기 때문에 처음에는 몇 번 화상을 입었습니다. 다음 기사에서 우리는 평균 회귀 거래, 가장 간과 된 측면이 무엇인지, 평균 회귀 거래자가 처리해야하는 문제에 대해 살펴 봅니다.
평균 회귀 거래 - 간단한 소개.
위에서 언급했듯이, 평균 반 환율 거래자는 가격이 평균 (또는 평균) 가격에서 크게 벗어난 기회를 찾고 있습니다. 일반적으로 평균 가격은 이동 평균을 사용하고 차트에 적용하여 계산됩니다. 예를 들어, 아래의 차트는 EUR / USD 일일 차트와 50 기간의 평활 이동 평균을 보여줍니다.
보시다시피 가격은 자주 파란 이동 평균에서 벗어나 바로 돌아옵니다. 이것이 너무 좋게 들리면, 사실입니다. 물론, 완벽한 거래가 이루어진 뒤늦은 시야는 이야기의 절반만을 말해줍니다.
확대하려면 클릭하십시오.
아래의 스크린 샷은 동일한 이동 평균과 동일한 EUR / USD 일일 시간대를 보여줍니다. 그러나 이번에, 나는 이동 평균에 그것을 완전히 만들지 않은 모든 철수를 표시했다. 그리고 물론, 우리가 더 가까이 다가 가면, 가격이 반향을 시도했을 때 더 많은 시간이있을 것입니다. 그러나 실패합니다. 따라서 평균 상환 거래는 단순한 이동 평균 이상의 거래이며, 보복 거래 또는 초과 거래 등을 피하기 위해 매우 엄격한 진입 관리, 위험 관리 접근법 및 정서적으로 안정된 특성이 필요합니다.
확대하려면 클릭하십시오.
평균 반 환율 거래의 4 가지 주요 문제점.
다음은 언뜻보기에 보이는 것보다 평균 수익률 거래를 어렵게 만드는 가장 일반적으로 간과되는 측면을 살펴 봅니다.
# 1 평균을 어떻게 결정합니까?
이것이 아주 명백하게 보일지라도, 대부분의 거래자는 이동 평균의 선택이 거래에 미친 영향에 대해 절대로 생각하지 않습니다. 위에서 EUR / USD 차트를 다시 한 번 살펴 보겠습니다. 이번에는 두 가지 다른 이동 평균을 적용했습니다. 빨간색으로 100 스무딩 된 이동 평균 (SMA)과 파란색으로 50 SMA입니다. 그 차이는 중요하지 않은 것처럼 보일 수 있지만, 평균 반향 거래자의 경우 올바른 이동 평균을 선택하는 것이 가장 중요한 결정 중 하나이며 매우 개인적이고 개인적인 것입니다. 다음은 두 가지 유형의 이동 평균 간의 주요 차이점입니다.
보시다시피, 이것은 비판적인 것이 아니며 거래에 대한 이동 평균을 선택할 때 옳고 그른 것은 없습니다. 대신, 나는 이동 평균의 선택이 당신의 트레이딩 스타일에 광범위한 결과를 가져 왔으며 개인적인 선호와 캐릭터 스타일에 기반하여 만들어 져야한다는 사실을 강조하고 싶습니다.
확대하려면 클릭하십시오.
# 2 때로는 가격이 반전하지 않지만 이동 평균은 가격에 따라 잡습니다.
두 번째로 간과되고 과소 평가되는 측면은 때로는 역 분개가 매우 천천히 일어나는 반면 이동 평균은 가격쪽으로 더 가깝게 이동하여 보상을 줄인다는 것입니다.
아래의 스크린 샷은 그 요점을 보여줍니다. 처음에는 평균 수익률 전략이 매력처럼 작동하고 가격이 항상 이동 평균으로 되돌아가는 것처럼 보일지라도 때로는 이동 평균이 가격을 빨리 따라 잡고 초기 보상을 줄일 수 있음을 이해하는 것이 중요합니다. 위험 비율 및 결과적으로 그러한 거래 전략의 기대치. 그러면 상인은 자신의 초기 이익 실현 명령을 변경하지 않거나 이동 평균과 함께 자신의 이익을 이동하는지 결정해야합니다.
확대하려면 클릭하십시오.
# 3 평균 거꾸로 떨어지는 칼을 잡는 대.
상판과 하의를 따는 것은 거래에서 매우 위험한 일이 될 수 있으며 아마추어 거래자는 종종 가격이 생각보다 오래 지속될 수 있다는 사실을 과소 평가하기 때문에 그러한 거래 행위에 종종 참여합니다. 오래 지속되고 강한 경향이있는 기간 동안 거래 평균 회귀는 예방 조치를 취하지 않고도 상당한 손실을 초래할 수 있습니다. 아래의 스크린 샷은 현재 EUR / USD 일일 차트를 보여 주며 결국 이동 평균으로 다시 만나기 위해 약 300 거래일이 소요되었습니다.
확대하려면 클릭하십시오.
평균 복귀 교역자는 접근중인 열차 앞에 서있는 것처럼 미리 정해진 수준의 보류중인 주문을 기다리지 않고 기차가 정체 상태가 될 때까지 기다리지 않고 다른 방향으로가는 단서를 제공합니다.
# 4 정서적 안정과 규율.
이것은 모든 유형의 거래에 해당되지만 평균 반 환율 거래자에게 특히 중요합니다. 거래 신호가 발생할 때까지 매우 오래 걸릴 수 있으며 모든 입국 기준을 볼 수없는 경우가 많지만 여전히 가격은 이동 평균으로 돌아갑니다. 늦게 뛰어 넘지 않고 무역을 쫓지 않으려 고 애쓰는 것은 매우 중요합니다. 다른 때에는 모든 기준이 일치하지만 가격은 계속해서 귀하를 상대로 계속 유지됩니다. 손실을 줄이고 패자를 추가하지 않는 것은 반전 거래자가 종종 반전이 지연되었다고 생각하기 때문에하는 일입니다.
팁 : STOCHASTIC과 같은 발진기는 평균 반향 거래자에게 종종 잘못된 의미를 제공합니다. 과매 수 및 과매도 시나리오는 종종 추세 거래를 시작하는 이유로 사용되는 반면, 초과 구매 가격은 기한이 지난 반전이 아니라 매우 강한 추세를 나타냅니다.
이러한 모든 점들은 평균 회귀 거래의 복잡성과 과제를 강조하며, 이 스타일이 아마추어 거래자 또는 거래의 정신적 측면에 여전히 어려움을 겪고있는 거래자에게는 적합하지 않은 이유가 분명해진다. 그러나 모든 트레이더가 전략에 따르는 트렌드로 편안한 거래를하는 것은 아닙니다. 그러므로 당신이 당신의 완벽한 적합성을 찾기 위해 스스로 감사하는 것이 중요합니다.
외환 트레이딩 아카데미.
외환 가격 행동 과정 개인 포럼 주간 설정.
3 개의 댓글.
위대한 기사, 정말 고마워요.
나는 스스로를 깨닫지 못하고 평균 회귀 방 법으로 점점 더 기울어지게되었다. 그래서 이것은 몇 가지를 명확히하는 데 도움이되었습니다.
나는이 기사의 다음 진술과 확실히 관련이있다. 대부분의 사람들은 경향 추종 접근법을 선호하지만 일반적인 트렌드 거래 사고 방식에 익숙하지 않은 나는 평균 회귀 거래를 관찰하기 시작했습니다. & # 8217;
나는 항상 정신적으로 내게 힘든 접근 방식을 찾은 이유를 궁금해했다. 나는 당신의 올바른 거래 기회를 찾기 위해 당신의 사고 방식과 방법에 대해 더 많이 듣고 싶습니다.
회신을 남겨주 답장을 취소하십시오.
Tradeciety Forex Academy.
우리는 누구인가.
우리의 트레이딩 저널.
인기있는 기사.
모든 상인이 알아야 할 8 가지 가격 액션 비법.
추세의 방향을 확인하는 5 가지 방법.
이동 평균 사용 방법 & # 8211; 평균 거래 이동 101.
촛대 & # 8211; 촛대 패턴 잊어 버림 & # 8211; 이것은 당신이 알아야 할 모든 것입니다.
MACD & # 8211; MACD를 올바르게 사용하는 방법.
Bollinger Bands ® 설명 & # 8211; 최고의 트레이딩 지표.
전문가와 같은 보상 위험 비율을 사용하는 방법.
9 : 5 직업을 가진 유익한 상인이되는 법 & # 8211; 12 단계.
공급과 수요 Forex 무역을위한 6 개의 은밀한 팁.
완벽한 거래 루틴 & # 8211; Complete Step By Step 가이드 [업데이트 됨]
위험 부인.
Tradeciety는 Fotolia, Flaticon, Freepik 및 Unplash를 통해 다운로드 및 획득 한 이미지 및 이미지 라이센스를 사용했습니다.
트레이딩 뷰, Stockcharts 및 FXCM을 사용하여 트레이딩 차트를 얻었습니다. Icons8에 의한 아이콘 디자인.
가격 액션 전자 책 +
외환 거래 과정.
지금 당신의 자유로운 가격 행동 서적을 얻으십시오. 들어가서 즉시 액세스하십시오.

일일 평균 전환 전략
평균 반전 ETF 전략을위한 스위트 스팟 (Sweet Spot).
Michael R. Bryant.
하워드 반디 (Howard Bandy)는 최근 저서에서 "sweet spot"이라고 불리는 것을 논의했다. 평균 반 환율 거래 시스템 개발 1 바 길이, 유지 기간, 시스템 정확성 및 기타 변수의 올바른 조합은 위험 조정 수익률을 극대화하는 경향이 있다는 아이디어입니다. 2이 기사는 스위트 스폿에 놓인 리 버전 거래 전략이 자동화 도구를 사용하여 ETF (Exchange Traded Fund)에 대해 어떻게 개발 될 수 있는지 보여줍니다.
Windows 용 전략 개발 도구 인 Adaptrade Builder를 사용하여 몬테카를로 분석을 통한 스트레스 테스트 방법을 개발 프로세스의 일부로 사용하여 S & amp; P 500 (SPY) ETF의 강력한 평균 회귀 전략을 찾는 방법과 섹터 SPDR * ETF를 선택하십시오. 전략 코드가 포함 된 Builder의 프로젝트 파일이 각 예제에 제공됩니다.
스위트 스폿에 착륙.
Dr. Bandy의 장점은 좋은 거래 전략이 짧은 막대 크기를 사용해야하고 짧은 보유 기간과 낮은 인출로 매우 높은 정확성을 가져야한다는 것입니다. 짧은 막대 크기와 짧은 보유 기간은 복리 수익률을 극대화하고 높은 정확성과 낮은 손실로 손실을 쉽게 복구 할 수 있습니다. 후자의 특성은 또한 전략의 실행 가능성을 확립하고 고정밀 시스템에 대한 전형적인 손실 줄이 상대적으로 짧기 때문에 더 이상 작동하지 않는시기를 결정하는 것을 더 쉽게 만듭니다.
닥터 반디 (Bandy)의 가이드 라인을 기반으로이 기사에서 다음과 같은 특성을 사용하여 평균 회귀 ETF 전략에 대한 최적 요구 사항을 정의합니다.
평균 반향으로, 저는 현재 평균 가격보다 낮은 가격으로 구매하고 가격이 평균으로 되돌아 가면서 팔려고하는 전략을 언급하고 있습니다. 아이디어는 일반적으로 높은 구매 및 높은 판매하려고 경향 추종 시스템과 반대로, 낮은 구매하고 높은 판매하고 있습니다.
몬테 카를로 분석으로 건물.
마지막 뉴스 레터 기사에서 트레이딩 전략을 평가할 때 스트레스 테스트를 사용하고 지나친 피팅에 대한 견고성 및 전략과의 관계에 대해 논의했습니다. 또한 빌드 프로세스에 통합되면 견고성을 나타내는 전략으로 이어지는 경향이 있다고 언급했습니다. 그것이 여기에 따라갈 접근법입니다.
간략하게, 스트레스 테스트는 거래 전략이 투입물과 환경에 얼마나 민감한지를 평가하는 것을 말한다. 시장에 과도하게 적합하지 않은 강력한 전략은 입력 매개 변수 값의 변화와 가격 데이터의 변경과 같은 환경의 다른 변화에 상대적으로 덜 민감합니다.
몬테 카를로 분석은 이러한 변화의 효과를 평가하는 데 사용되는 기법입니다. 전략의 투입물, 가격 데이터 및 기타 요소가 무작위로 변경되고 전략의 성과가 평가됩니다. 이 프로세스를 여러 번 반복함으로써 결과 분포가 얻어집니다. 원본 데이터의 결과는 배포본의 한 지점을 나타냅니다. 배포판의 다른 점은 원본 데이터의 약간 변형 된 버전을 사용하여 얻은 결과를 나타내며 원래 데이터보다 다소 좋지 않은 결과를 생성 할 수 있습니다.
소위 몬테카를로 결과는 평가의 대다수 (일반적으로 95 %)보다 더 나쁘지 않은 성과 측정치 (순이익, 승률, 수익률 등)입니다. 예를 들어 몬테카를로 순이익 95 % 신뢰도가 15,000 달러라면 평가의 95 %가 최소한 1 만 5 천 달러의 순이익을 얻었음을 의미합니다. 즉, 순익이 최소 1 만 5 천 달러가 될 확률은 95 %, 반대로 순이익이 15,000 달러 미만인 경우는 5 % 확률입니다.
일련의 수정과 테스트를 거쳐 반복적으로 거래 전략을 개발할 때 Monte Carlo 결과에 기반한 구축은 강력한 전략만으로 좋은 Monte Carlo 결과를 얻을 수 있기 때문에 강력한 전략으로 전략을 추진하는 경향이 있습니다. Adaptrade Builder는 몬테카를로 스트레스 테스트 결과를 사용하여 전략 결과를 평가하는 것을 포함하여이 프로세스를 자동화합니다.
첫 번째 예는 SPDR S & P 500 지수 ETF (심볼 SPY)에 대한 것입니다. 1999 년 1 월 1 일부터 2013 년 4 월 23 일까지의 일일 막대가 사용되었습니다. 건물의 날짜 범위는 1/4/1999에서 1/2/2011로 설정되었으며 건물의 첫 80 % (1/4/1999 - 8/10/2008)는 건물에 사용되었습니다. 남은 데이터 (8/11/2008 - 1/2/2011)는 샘플을 벗어나는 테스트에 사용됩니다. 나머지 데이터 (2013 년 1 월 3 일 - 2013 년 4 월 23 일)는 검증을 위해 별도로 설정되었습니다. 모든 데이터는 TradeStation 9에서 가져 왔습니다.
전략 논리는 길었고, 주식의 100 %는 각 거래에 투자되었고, 모든 이익은 재투자되었고, 주당 0.015 달러는 거래 비용에 대한 라운드 턴당 공제되었습니다.
Adaptrade Builder는 유전 적 프로그래밍 알고리즘을 사용하여 연속 세대에 걸쳐 전략 집단을 발전시킵니다. 최적의 요구 사항을 충족하는 전략을 찾기 위해 Builder를 사용하는 핵심은 아래 그림 1과 같이 소위 빌드 메트릭을 설정하는 것입니다.
그림 1. Builder의 빌드 메트릭은 SPY 전략에 대한 최적의 지점을 정의합니다.
빌드 목표 목록에는 최대화되는 세 가지 범용 메트릭이 포함됩니다. 이 방법은 높은 순이익, 상관 계수 및 통계적 유의성을 가진 전략으로 인구 구조를 유도하여 모든 전략에 바람직합니다. 찾고자하는 특정 특성 (즉, 스윗 스팟)은 거래 수, 거래의 평균 막대 및 승률에 대한 불평등 조건을 포함하는 구축 조건에 의해 정의됩니다.
거래 건수 조건은 표본 데이터의 연도 수와 연간 20 ~ 30 건의 거래를 목표로하는 범위로 설정됩니다. 또한 우승 한 거래의 비율은 65 %에서 85 % 사이의 범위로 설정됩니다. 상한선은 비정상적으로 높은 승리율을 보이는 전략이 일반적으로 다른 조건을 충족시키지 못하기 때문에 추가되었습니다. 그러한 전략을 처벌하면 다른 조건을 제외하고 한 조건을 불균형 적으로 충족시키는 전략과 달리 모든 조건을 충족시키는 전략으로 인구를 이끌 수 있습니다. 동일한 논리가 이익 요인의 범위를 설정하는 데 사용되었습니다.
다른 조건 - 상관 계수, 통계적 유의성, 수익률 및 켈리 분율 - 은 우리의 특정 요구 사항의 일부가 아니지만 전반적인 결과를 향상시키기 위해 추가되었습니다. 이 예제에 사용 된 스트레스 테스팅과 Monte Carlo 설정은 그림 2와 같이 Build Options 화면에서 선택되었습니다.
그림 2. Monte Carlo 분석 및 스트레스 테스트 옵션은 Build Options (빌드 옵션) 탭에서 선택합니다.
그림에서 보는 바와 같이 99 개의 Monte Carlo 반복을 각 분석에 사용했습니다. 이는 원래 데이터 평가 외에 99 건의 스트레스 테스트가 수행되었음을 의미합니다. 100 개의 데이터 세트를 Monte Carlo 분석을 사용하여 분석하여 그림 1의 조건을 평가하는 데 사용 된 95 % 신뢰도에서 결과를 추출했습니다. 스트레스 테스트는 가격을 무작위로 추출하고 전략 입력을 무작위로 추출한 다음 시작 바. 3 가지 무작위 배정은 각각의 스트레스 테스트에 대해 수행되었습니다.
각 전략은 각 세대마다 100 번 (99 개의 스트레스 테스트와 원본 데이터)으로 평가 되었기 때문에 스트레스 테스트를 실시했을 때와 비교해 볼 때 약 100 배의 시간이 걸렸으며 몬테카를로 분석은 사용되지 않았습니다. 이러한 이유 때문에 합리적인 솔루션 시간을 유지하기 위해 단지 100 명의 구성원으로 이루어진 비교적 적은 인구가 사용되었습니다. 인구는 10 세대에 걸쳐 진화했으며, 아웃 - 오브 - 샘플 기간의 순이익이 마이너스 인 경우 옵션은 10 세대 후부터 시작되었습니다.
20 세대 (1 회 재건) 이후의 인구에서 가장 높은 전략에서 얻은 지분 곡선은 아래 그림 3과 같습니다.
그림 3. 최종 SPY 전략에 대한 각 스트레스 테스트의 Equity 곡선.
도 3의 각 곡선은 하나의 스트레스 테스트를 나타낸다. 보시다시피, 모든 다른 형평 곡선은 일반적으로 양의 결과가 아닌 양의 결과와 동일한 모양을 갖습니다. 다음은 그림 3에 해당하는 95 % 신뢰도의 Monte Carlo 결과 중 일부입니다.
요구되는 것보다 적은 수의 거래를 제외하고, 이 전략은 원래의 요구 사항을 충족시킵니다. 전략은 또한 유효성 검사 테스트를 통과합니다. 종료일이 2013 년 4 월 23 일까지 연장되면 몬테카를로 총 순 이익이 67,015 달러로 증가합니다. 전략 논리는 또한 평균 회귀 전략의 요구 사항을 충족시킵니다. 즉, 한계 주문을 입력하고 지표 조건을 사용하여 종료합니다. 한계 진입은 시장이 한계 가격에 도달해야한다는 것을 의미하므로 시장이 다시 돌아간 후에 전략은 낮게 매도하고 팔린다.
이것은 몬테카를로 결과가 95 % 신뢰도라는 것을 명심해야합니다. 즉, 스트레스 테스트 평가의 95 %가 최소 순 이익이 56,784 달러 이상이라는 것을 의미합니다. 스트레스 테스트가 중단되고 전략이 원본 데이터에서 평가되는 경우, 자본 곡선은 아래 그림 4와 같습니다.
그림 4. 원본 데이터에 대한 최종 SPY 전략의 주식 곡선
이 주식형 곡선은 연간 수익률 5.5 %에 해당하는 109,497 달러의 순이익에 해당합니다. 이것은 단지 완만 한 수익이지만, 같은 기간 동안 약 1.8 %의 매수 및 투자 수익을 쉽게 이기며, 레버리지가없고 두 번의 곰 시장을 포함하는 기간 동안 꾸준히 증가하는 주식 곡선을 통해 달성됩니다.
섹터 선택 SPDR 예.
두 번째 예는 Select Sector SPDR로 구성된 ETF 포트폴리오를 통한 전략 수립입니다. 이러한 ETF는 S & P 500 지수를 9 개의 섹터로 나누어서 S & P 500의 각 주식이 겹침없이 9 개의 섹터 중 하나에 배치되도록합니다. 필수 소비재 (XLY), 필수 소비재 (XLP), 에너지 (XLE), 재무 (XLF), 건강 관리 (XLV), 산업 (XLI), 재료 (XLB), 기술 (XLU).
대부분의 동일한 설정이 마지막 예제 에서처럼이 전략을 작성하는 데 사용되었습니다. 그러나 빌드에서 9 배의 가격 데이터가 사용 되었기 때문에 몬테카를로 반복 수를 99에서 5로 줄였습니다. 다른 빌드 옵션은 빌드 옵션을 제외하고는 그림 2와 같았습니다. 놀아라. 포지션 사이징의 경우, 각 거래에 20 %의 지분 투자가 이루어졌습니다. 모든 시장이 동시에 거래 될 가능성이있는 것은 아니기 때문에, 이 설정은 레버리지 (즉, 과잉 투자)없이 적절한 위치 크기를 제공하기 위해 선택되었습니다.
이 빌드의 샘플 내 기간은 1999 년 5 월 29 일에서 2010 년 1 월 2 일까지 샘플이없는 기간으로 2010 년 1 월 3 일과 4 월 23 일까지 1 / 999에서 5/28/2009 / 2013 유효성 검사를 위해 별도로 설정합니다. 10 세대 (재건축 불가) 이후의 인구 중 가장 높은 전략 중 하나에서 얻은 지분 곡선은 아래 그림 5와 같습니다.
그림 5. 최종 Select Sector SPDR 포트폴리오 전략에 대한 각 스트레스 테스트의 주식 곡선.
그림 5의 각 주식 곡선은 한 세트의 스트레스 테스트 설정 (또는 원래 데이터)에 대해 동시에 9 개 시장 모두에 대한 백 테스트에서 생성 된 포트폴리오 에퀴티를 나타냅니다. Monte Carlo의 일부 요약 결과는 아래와 같습니다.
앞의 예와 달리 Monte Carlo 분석을 끄고 결과를 원래 데이터보다 높게 평가하면 결과가 크게 달라지지 않습니다. 이 경우 총 순이익은 205,140 달러로 증가합니다. 이 전략은 또한 유효성 검사 테스트를 통과합니다. 유효 기간이 포함 된 원래의 데이터에 대한 전략에 대한 자본 곡선 (스트레스 테스트 없음)은 아래의 그림 6과 같습니다.
그림 6. 최종 데이터 섹터 SPDR 포트폴리오 전략의 주식 곡선.
이 주식형 곡선은 249,431 달러의 순 이익에 해당하며, 연간 수익률은 9.5 %이며 최악의 경우는 21 % 감소합니다. 앞의 예에서와 마찬가지로 전략 논리는 제한 순서로 길게 입력됩니다. 출구의 대부분은 표적 출구를 경유하여 진행되며 다른 거래는 지표 상태 또는 보호 중지에 따라 종료됩니다.
평균 Reversion 프로젝트 파일 다운로드 : *
(마우스 오른쪽 버튼을 클릭하고 대상을. zip 파일로 저장, Adaptrade Builder를 열어야합니다.)
* 라이센스상의 이유로 프로젝트 파일에는 가격 데이터가 포함되어 있지 않습니다.
Bandy 박사가 추천 한 거래 전략을위한 소위 달콤한 장소는 Adaptrade Builder와 같은 도구를 사용하여 자동화 된 방식으로 평균 반전 거래 전략을 수립하는 효과적인 조건을 제공하는 것으로 보입니다. SPY ETF 시장을위한 단일 시장 전략과 9 개의 Select Sector SPDR로 구성된 ETF 포트폴리오 전략이 두 가지 예에 대한 대부분의 요구 사항을 충족시키는 전략을 찾는 것이 가능했습니다. 두 가지 전략 모두 구매 및 유지를 능가하고 유효성 검사 테스트에서 잘 견딘다.
두 가지 예 모두 몬테카를로 분석을 통한 스트레스 테스트를 통해 강력한 전략을 찾을 수있는 가능성을 높였습니다. 포트폴리오 사례와 비교할 때 단일 시장 (SPY) 전략에 대한 스트레스 테스트 결과는 원래 데이터의 결과보다 훨씬 보수적 (덜 유리한)이었습니다. 그 중 일부는 포트폴리오 예제와 비교하여 더 엄격한 스트레스 테스트가 원인 일 수 있지만 SPY 전략은 포트폴리오 예제보다 덜 강력합니다. 일반적으로 몬테카를로 결과가 원 자료에 대한 결과와 현저하게 다른 경우, 향후 결과에 대한 최선의 추정치는 중간에있을 것으로 예상되지만, 이는 스트레스 테스팅과 몬테카를로 분석이 얼마나 보수적인지에 달려있다. .
포트 폴리오 전략이 9 개의 다른 시장에서 구축되고보다 다양한 종류의 가격 데이터에 대해 합리적으로 잘 작동해야하기 때문에 포트폴리오 전략이 단일 시장 전략보다 더 튼튼 할 것입니다. 그것은 9 배 이상의 많은 데이터로 구축되었으며 약 9 배의 거래가 있습니다. 포트폴리오 전략의 더 큰 성과는 SPDR의 9 개 부문에 대한 다변화의 긍정적 효과를 반영 할 수 있습니다.
어떤 전략도 거래 횟수에 대한 요구 사항을 충족시키지 못했지만 더 많은 인구가 사용되거나보다 엄격한 재건 요구 사항이 채택되면 더 많은 빌드 시간을 필요로하는 경우 모든 요구 사항을 충족하는 전략을 찾는 것이 가능할 수 있습니다. 또는 높은 정확성, 거래 빈도, 짧은 거래 기간 등의 상충되는 요구 사항으로 인해 이러한 전략을 찾지 못할 수도 있습니다. 최고의 빌드 조건은 현실감을 유지하면서 시장의 잠재력을 최대한 활용하는 것입니다.
Builder와 같은 자동화 된 도구에서 스트레스 테스팅 및 몬테 카를로 분석과 같은 내장 된 견고성 기능을 갖춘 Bandy 박사가 제공 한 유용한 빌드 조건 세트를 결합하면 효과적인 거래 전략을 개발할 수있는 견고한 프레임 워크를 제공해야합니다.
Bandy, Howard B., 평균 반전 거래 시스템, Blue Owl Press, Inc., Sioux Falls, SD, 2013, p. 138.
Bandy, Howard B., 모델링 트레이딩 시스템 성능, Blue Owl Press, Inc., Sioux Falls, SD, 2011, p. 154.
이 기사는 Adaptrade Software 뉴스 레터의 2013 년 4 월호에 실렸습니다.
* S & amp; P 500 ® 및 Select Sector SPDR은 The McGraw-Hill Companies, Inc. 의 상표입니다.
HYPOTHETICAL 또는 SIMULATED PERFORMANCE 결과에는 고유 한 내재 된 제한이 있습니다. 실제 성과 기록과 달리, 시뮬레이션 된 결과는 실제 거래를 나타내지 않습니다. 또한 거래가 실제로 실행되지 않았기 때문에 결과가 유동성 부족과 같은 특정 시장 요인에 영향을 미치거나 과다 또는 과소 보상을받을 수 있습니다. 시뮬레이션 된 거래 프로그램은 일반적으로 통보의 이익을 고려하여 설계되었다는 사실을 인정합니다. 어떠한 계정도 이익이나 손실을 달성 할 가능성이있는 것으로 나타나지 않습니다.
Adaptrade Software의 새로운 개발, 뉴스 및 특별 제안에 대한 정보를 얻으려면 당사 목록에 가입하십시오. 고맙습니다.
저작권 © 2004-2015 Adaptrade Software. 판권 소유.

일일 평균 전환 전략
시장 및 거래 전략에서의 평균 반전.
최근 블로그 Quantitative Trading을 운영하는 Ernie Chan이 작성한 훌륭한 블로그 게시물을 발견했습니다. 여기서 저자는 많은 거래자들에 의해 고용 된 "중지 손실"전략의 역할에 대해 논의하고 그것을 시장에서의 "평균 회귀"의 개념에 연결합니다. 모든 설명을 통해 저자의 주장 과 결과 는 매우 흥미롭고 독창적입니다.
상인은 큰 손실을 피하기 위해 중단 손실 전략을 자주 사용합니다. 당신이 그것의 위쪽에서 이익의 목적으로 100에 자산을 사는 경우에, 당신이 틀린 입증되고 시장이 방향을 바꾼 일정한 기간 후에 96에 정지 손실을두고 싶을 수도있다. 이 중지 손실의 선택과 상인의 전반적인 위치에 미치는 영향은 상인이 동향 전략을 따르는 지 평균 반전 전략을 따르 느냐에 달려 있습니다.
대체로 말하자면, 일정 기간 동안 금융 시장은 한 방향으로 움직이거나 장기적인 의미로 되돌아갑니다. 백만 달러의 질문은 물론 시간의 period 이상입니다. 이것은 대부분의 금융 이론가들이 놀랍게도 많은 실무자들이 침묵하거나 모호한 곳입니다. "시간"요소는 의도적으로 성운을 유지합니다. 이것이 많은 상인과 시장 종사자들이 전체적인 생각을 바꾸는 유일한 이유입니다. 어떤 기간의 평균 회귀? 그것은 항상 상인의 표준적인 자제입니다.
또 다른 중요한 점은 평균 회귀가 모델링되고있는 체제이다. 체제는 인플레이션 또는 디플레이션 경제 또는 거시 경제 변수에 의해 지배되고 영향을받는 다른 시나리오 일 수 있습니다. 평균 회귀 (mean reverting) 또는 급상승 시장은 특정 체제 내에서 관련성이있다. 우리가 평균 회귀 모형을 사용한다면 정권 교체로이 모형은 무너질 것이다. 또는 적어도 모델링 된 매개 변수가 크게 변경됩니다.
이것은 저자가 대답을 내놓는 것처럼 보이지만, 거래자를위한 중지 손실 전략을 사용하는 맥락에서 그렇습니다. 저자는 "시간"의 차원에 초점을 맞춤으로써 특정 평균 회귀 모델이 올바른지 여부를 추정하는 것이 가능하다고 주장한다. 다음은 블로그에서 발췌 한 내용입니다.
반면에 평균 반전 전략을 채택하고 되돌리려면 시장이 원래 방향으로 나아가고 돈을 잃게됩니다. 꼭 그런 것은 아닙니다. 단순히 너무 일찍 시작할 수 있습니다. 사실, 이 경우 최신 거래 신호가 원래 거래와 동일한 방향이기 때문에이 경우 많은 거래자는 자신의 지위를 두 배로 올릴 것입니다. 그러나 이것은 큰 손실이 발생해도 시장에 항복할만한 충분한 이유가 아니라면, 평균 회귀 모델이 잘못되었는지 어떻게 결정할 것입니까? 여기서 나는 다른 차원, 시간을 바라 보는 중지 손실 기준을 제안한다.
"평균 회귀"의 개념은 1970 년대 중반의 금리 맥락에서 기원되었다. 1990 년대 중반 이후 변동성 모델, 주식 거래 및 스프레드 모델과 같은 양적 금융 내에서 다른 분야를 지배하기위한 아이디어가 계속되었습니다.
1977 년 Vasicek은 본질적으로 산술이었던 무작위 걸음을 되 돌리는 지속적인 시간 평균을 도입하여 이자율을 모델링했습니다. 이 모형에서 그는 현물 환율의 변화를 통해 이자율의 기간 구조를 조정할 것을 제안했다. Vasicek의 프로세스는 평균 회귀 프로세스로 금리 모델링을위한 기초를 마련한 첫 번째 모델 중 하나이기 때문에 매우 중요한 확률 과정입니다. 평균 회귀의 개념은 기본 변수, 비율이 장기 평균 가치로 되돌아 간다는 개념은 Vasicek 모형을 단기 금리의 고전적 모형으로 사용하는 많은 경제학자와 중앙 은행들 사이에서 강하게 받아 들여진다.
Vasicek 프로세스의 확률 미분 방정식은 다음과 같습니다.
위의 내용은 Ornstein Uhlenbeck (OU) 프로세스의 예입니다. 위의 확률 론적 과정에서 단기 금리는 평균 반전 산술 브라운 운동 (ABM)으로 모델링된다. 여기서, 는 단기 금리의 장기 평균 가치이며 평균 금리산 금리이다. 이 과정은 산술 브라운 운동을 따르기 때문에 짧은 비율은 음수가 될 수 있습니다.
평균 회귀 속도라고도하는 평균 복귀 변수는 변수 자체에 비해 변수의 일일 변화의 선형 회귀로부터 추정 할 수 있습니다.
그러나, 평균 되 돌리는 매개 변수는, 우리가 얼마나 오랫동안 요인 , 금리 또는 모델화되고있는 다른 변수가 오래 걸리는지 알아 내려고 할 때 직관적 인 개념이 아닙니다 장기 목표. 훨씬 더 직관적 인 개념은 핵 물리학에서 빌린 "반감기"의 개념입니다. 반감기는 변수, 예를 들어 금리 또는 스프레드가 목표로 향하는 거리의 절반, 즉 위의 방정식에서 주어진 장기 평균을 이동하는 데 걸리는 시간으로 정의됩니다. 수학적으로 반감기는 다음과 같이 주어진다.
여기서 단위는 년입니다. 예를 들어 평균 회귀 속도 α가 0.5이고 장기 평균이 6 개월 USD LIBOR 인 경우 5 %라고 가정하면 USD LIBOR의 장기 평균 평균값 3 %입니다. 그러나 우리가이 LIBOR 비율의 반감기를 계산한다면,
따라서 위의 예에서 6m USD LIBOR의 반감기는 1.39 년입니다. 이것은 6m USD LIBOR의 현재 가치가 2.5 %로 반으로 이동하기 위해 1.39 년이 걸릴 것이라는 것을 의미합니다.
따라서 Vasicek / OU 모델을 사용하여 모델링되는 이자율의 반감기는 우리가 의미있게 금리에 대해 말할 수있는 "시간"맥락을 제공합니다.
Vasicek / OU 평균 회귀 모델을 사용하여 자주 모델링되는 금융 상품 중 하나는 두 금리 또는 채권 수익률 사이의 스프레드입니다. 위에서 언급 한 블로그에서 저자는 평균 반전 OU 프로세스로 모델링 된 상품 ETF 스프레드의 예를 제시합니다. 말하자면, 특정 두 가지 자산 사이의 스프레드의 특정 평균 회귀 모델에서 장기 평균은 0입니다. 이는 자산이 수렴되어야 함을 의미합니다. 저자가 주장하는 바는 만약 우리가이 스프레드를 교환하기 위해 평균 반전 위치에 진입하여 5 ~ 6 반감기 후에 스프레드가 0으로 되돌아 가지 않는다면 그것은 아마 체제가 바뀌었고 평균 복귀 모델이 유효하지 않거나 또는 위의 방정식에 의해 주어진 것으로 가정 된 스프레드의 장기 평균 값이 변경된 경우 일 수 있습니다.
따라서 평균 반전 거래 전략에 참여하면서 실용적인 스톱 손실을 사용하려면 잘 보정 된 평균 반향 OU 모델과 거래되는 자산의 반감기를 갖는 것이 필수적입니다.
Chan, Ernie, 귀하의 손절매 전략은 무엇입니까? Quantitative Trading, 블로그, 2007 년 1 월 15 일.
모든 의견 및 쿼리는 당사의 웹 기반 양식을 통해 전송할 수 있습니다.
기사에서 더보기.
금융 시장과 거래.
& # 169; 2002-2017 년 Risk Latte Americas Inc. 모든 권리를 보유 함.