Ableiten Handel Strategien Aus Wahrscheinlichkeit Verteilung Funktionen

John Ehlers TECHNISCHE PAPIERE John Ehlers, der Entwickler von MESA, hat viele Papiere verfasst und veröffentlicht, die sich auf die Prinzipien der Marktzyklen beziehen. Die Synopse für die verfügbaren Papiere werden unten angezeigt. Laden Sie jedes durch Auswahl ihrer zugehörigen HyperText. Warum Händler Geld verlieren (und was zu tun ist) Ein Artikel in der Mai 2014 Ausgabe von Stock amp Commodities Magazine beschrieb, wie man künstliche Equity-Kurven durch nur die Gewinn-Faktor und Prozent-Gewinner einer Trading-Strategie zu schaffen. Bell Curve Statistiken für den Handel von zufällig ausgewählten Aktien und Portfolio-Trading sind ebenfalls enthalten. Dies ist eine Excel-Kalkulationstabelle, die es Ihnen ermöglicht, diese statistischen Deskriptoren der Trading-Systemleistung zu erleben. Predictive Indicators für effektive Trading-Strategien Technischen Händler verstehen, dass Indikatoren zu glätten Marktdaten nützlich sein müssen, und dass Glättung führt Lag als unerwünschte Nebenwirkung. Wir wissen auch, dass der Markt Fraktal ist eine wöchentliche Intervall-Diagramm sieht aus wie eine monatliche, tägliche oder Intraday-Chart. Was nicht ganz so offensichtlich sein mag, ist, dass mit zunehmendem Zeitintervall entlang der x-Achse auch die hoch-zu-niedrigen Preisschwankungen entlang der y-Achse in etwa proportional zunehmen. Diese spektralen Dilatationserscheinungen bewirken eine unerwünschte Verzerrung, die entweder nicht erkannt wurde oder von Indikatorentwicklern und Markttechnikern weitgehend ignoriert wurde. Ableiten von Handelsstrategien aus gemessenen Wahrscheinlichkeitsdichtefunktionen Dies war der Zweitplatzierte des MTAs 2008 Charles H. Dow Award. In dieser Arbeit zeige ich die Implikationen der verschiedenen Formen der Detrending und wie die resultierenden Wahrscheinlichkeitsverteilungen als Strategien zur Erzeugung wirksamer Handelssysteme verwendet werden können. Die Ergebnisse dieser robusten Handelssysteme werden mit Standardansätzen verglichen. Dieses Papier zeigen und interaktive Art und Weise zu eliminieren so viel Verzögerung wie gewünscht von Glättung Filter. Natürlich kommt reduzierte Verzögerung zu dem Preis der verringerten Filterglätte. Der Filter weist kein transientes Überschwingen auf, das üblicherweise in Filtern höherer Ordnung gefunden wird. Empirischer Modus Zersetzung Ein neuer Ansatz für die Zyklus - und Trendmoduserkennung. Fourier Transform for Traders Das Problem mit Fourier Transform für die Messung von Marktzyklen ist, dass sie eine sehr schlechte Auflösung haben. In dieser Arbeit zeige ich, wie eine andere nichtlineare Transformation verwendet wird, um die Auflösung zu verbessern, so dass die Fourier-Transformationen verwendbar sind. Das gemessene Spektrum wird als Heatmap angezeigt. Swiss Army Knife Indicators Indikatoren sind nur Übertragungsantworten von Eingangsdaten. Durch eine einfache Änderung der Konstanten kann dieser Indikator ein EMA, ein SMA, ein 2-Pole-Gaussian-Tiefpassfilter, ein 2-Pole-Butterworth-Tiefpassfilter, ein FIR-Glättungsmittel, ein Bandpassfilter oder ein Bandstopfilter werden. Ehlers Filter Ein ungewöhnliches nichtlineares FIR-Filter wird beschrieben. Dieser Filter gehört zu den am meisten ansprechenden Preisänderungen, ist aber in den Seitenmärkten glatter. Systemleistungsbewertung Profitfaktor (Bruttogewinn dividiert durch Bruttoverluste) entspricht dem Auszahlungsfaktor beim Spiel. Wenn also der Profitfaktor mit den Prozentgewinnern in einer Reihe von Zufallsereignissen kombiniert wird, können Beispiele dafür gefunden werden, wie ein Aktienstrategie-Aktienwachstum simuliert werden kann. Dieses Papier beschreibt, wie gemeinsame Leistungsbeschreibung auf diese beiden Parameter bezogen sind. Eine Excel-Kalkulationstabelle ist beschrieben, mit der Sie eine Monte Carlo Analyse Ihrer Handelssysteme durchführen können, wenn Sie diese beiden Parameter kennen (out of sample). FRAMA (FRACTAL Adaptive Moving Average). Ein nichtlinear gleitender Durchschnitt wird mit dem Hurst-Exponenten abgeleitet. MAMA ist die Mutter aller adaptiven gleitenden Durchschnitte. Tatsächlich ist der Name ein Akronym für MESA Adaptive Moving Average. Die nichtlineare Wirkung dieses Filters wird durch den Rücklauf der Phase jedes Halbzyklus erzeugt. In Kombination mit FAMA, einem folgenden Adaptive Moving Average, bilden die Crossovers ausgezeichnete Eingangs - und Ausgangssignale, die relativ frei von Whipsaws sind. Verzögerung ohne Raumfahrt Laguerre Polynome werden verwendet, um eine Filterstruktur ähnlich einem einfachen gleitenden Durchschnitt mit dem Unterschied zu erzeugen, dass der Zeitabstand zwischen den Filterabgriffen null ist. Das Ergebnis ermöglicht die Erzeugung sehr kurzer Filter mit den Glättungscharakteristiken viel längerer Filter. Kürzere Filter bedeuten weniger Verzögerung. Die Vorteile der Verwendung der Laguerre-Polynome in Filtern werden sowohl in Indikatoren als auch in automatischen Handelssystemen demonstriert. Der Artikel enthält EasyLanguage-Code. Der CG-Oszillator Der CG-Oszillator ist einzigartig, weil er ein Oszillator ist, der sowohl geglättet als auch verzögert ist. Er findet den Schwerpunkt (CG) der Preiswerte in einem FIR-Filter. Das CG hat automatisch die Glättung des FIR-Filters (ähnlich einem einfachen gleitenden Durchschnitt), wobei die Position des CG genau in Phase mit der Kursbewegung ist. EasyLanguage-Code ist enthalten. Verwenden der Fisher-Transformation Viele Handelssysteme werden unter der Annahme entworfen, dass die Wahrscheinlichkeitsverteilung der Preise eine Normal - oder Gaußsche Wahrscheinlichkeitsverteilung über den Mittelwert aufweist. Tatsächlich könnte nichts weiter von der Wahrheit entfernt sein. Dieses Papier beschreibt, wie die Fisher Transform Daten konvertiert, um fast eine normale Wahrscheinlichkeitsverteilung haben. Wenn die Wahrscheinlichkeitsverteilung nach Anwendung der Fisher-Transformation normal ist, werden die Daten verwendet, um Einstiegspunkte mit chirurgischer Präzision zu erzeugen. Der Artikel enthält EasyLanguage-Code. Die Inverse Fisher-Transformation Die Inverse Fisher-Transformation kann verwendet werden, um einen Oszillator zu erzeugen, der schnell zwischen Überverkauf und Überkauf ohne Peitsche umschaltet. Gaußsche Filter Lag ist der Untergang von Glättungsfiltern. Dieser Artikel zeigt, wie Verzögerung reduziert werden kann und die höchste Glättung der Glätte durch Verringerung der Verzögerung von Hochfrequenzkomponenten in den Daten erhalten wird. Eine vollständige Tabelle von Gaußschen Filterkoeffizienten ist vorgesehen. Pole und Nullen Eine Beschreibung der digitalen Filter in Form von Z Transformationen. Die Verzweigungen von Filtern höherer Ordnung werden beschrieben. Tabellen von Koeffizienten für 2 Pole und 2 Pole Butterworth-Filter sind gegeben. Whos Smart und Whos Lucky Schlussfolgerung Trading-Strategie, Lernen und Anpassung an den Finanzmärkten durch Data Mining Christopher R. Stephens Verbunden mit C3 - Centro de Ciencias de la Complejidad und Instituto de Ciencias Nucleares, Universidad Nacional Autnoma de Mxico. Jos Luis Gordillo Verbunden mit Dept. de Supercomputo, DGSCA, Universidad Nacional Autnoma de Mxico. Enrique Martinz Miranda Verbunden mit Facultad de Ciencias, Universidad Nacional Autnoma de Mxico Die endgültigen Bruttopreise können je nach lokaler MwSt. Variieren. Handelsgewinne können durch Glück oder durch die Implementierung einer überlegenen Handelsstrategie erzielt werden. In diesem Kapitel diskutieren wir die Schwierigkeiten der Unterscheidung zwischen den beiden. Erstens ist eine geeignete Charakterisierung des Gewinns erforderlich, der zwischen Handelsgewinnen und Marktgewinnen unterscheidet. Zweitens muss man in der Lage sein, Handelsstrategien zu charakterisieren. Um dies zu erreichen, stellen wir den Begriff einer Genotyp-Phänotypkarte zur Finanzierung vor, wobei der Genotyp mit dem Informationssatz und zugehörigen Entscheidungsregeln assoziiert ist, die zu einem gegebenen Satz von Handelsentscheidungen für einen gegebenen Händler führen, während der Phänotyp durch beschrieben wird Die Menge der beobachtbaren Handelsentscheidungen selbst. In AI-basierten Systemen wie agentenbasierten Märkten wird eine Strategie algorithmisch implementiert, so dass der Genotyp explizit bekannt ist. In realen Märkten ist jedoch die genotypische Handelsstrategie eines Händlers verborgen. Der Phänotyp ist jedoch prinzipiell zu beobachten. Eine mikroskopische Beschreibung auf der Ebene der einzelnen Trades reicht jedoch nicht aus, um die Strategien makroskopischer und intuitiver zu verstehen oder zu charakterisieren. Durch die Einführung eines Satzes von grobkörnigen Variablen, die verwendet werden können, um Strategiearten zu klassifizieren, zeigen wir, wie diese Variablen können dann Data Mined zu verstehen, was unterscheidet sich zwischen einer intelligenten und einer glücklichen Strategie. Wir zeigen, dass diese Variablen verwendet werden können, um zwischen verschiedenen Strategie-Typen unterscheiden und kann weiter verwendet werden, um das Vorhandensein von Lernen und Anpassung auf dem Markt zu schließen. Wir veranschaulichen alle oben genannten Daten aus einem experimentellen politischen Markt. Farmer, J. D. Lo, A. Grenzen der Wissenschaft: Evolution und effiziente Märkte. Verfahren der Nationalen Akademie der Wissenschaften 96, 99919992 (1999) CrossRef Farmer, J. D. Market Force, Ökologie und Evolution. Santa Fe Arbeitspapier 98-12-117E Santa Fe Institut (1998) LeBaron, B. Evolution und Zeithorizonte in einem Agent-Based Stock Market. Makroökonomische Dynamik 5, 225254 (2001) MATH CrossRef Palmer, R. G. Arthur, W. B. Holland, J. H. Lebaron, B. Tayler, P. Künstliches Wirtschaftsleben: Ein einfaches Modell einer Börse. Physica D 73 (1994) Gordillo, J. L. Stephens, C. R. Analyse der Finanzmärkte mittels Künstlicher Intelligenztechniken. Computacin und Sistemas 6, 253273 (2003) LeBaron, B. Agent-based Computational Finance. In: Tesfatsion, L. Judd, K. L. (Hrsg.) Handbuch für Berechnungsökonomik, Bd. 2, ch. 24 (2006) Fama, E. F. Effiziente Kapitalmärkte: Ein Überblick über Theorie und empirische Arbeit. Journal of Finance 25, 383417 (1970) CrossRef Fama, E. F. Effiziente Kapitalmärkte: II. Journal of Finance 46, 15751617 (1991) CrossRef Bagehot, W. pseud, das einzige Spiel in der Stadt Finanzanalysten Journal 27, 1214 (1971) Benink, H. A. Gordillo, J. L. Pardo, J. P. Stephens, C. R. Eine Studie der neo-österreichischen Wirtschaft unter Verwendung einer künstlichen Börse, EFA 2004 Maastricht Meetings Paper No. 3218 (März 2004) (eingereicht an Journal of Empirical Finance), ssrnabstract567125 Stephens, C. R. Benink, H. A. Gordillo, J. L. Pardo-Guerra, J. P. Eine neue Maßnahme der Marktinfizierung (24. August 2007), ssrnabstract1009669 Hauser, F. Die Presse Online-Wahlb orse 2002 - Eine finanzwirtschaftliche Betrachtung. Dissertation, Universität Innsbruck (2003) Hand, D. Mannila, H. Smyth, P. Grundlagen des Data Mining. MIT Press, Cambridge (2001) Über dieses Kapitel Titel Whos Smart und Whos Lucky Schlussfolgerung Trading-Strategie, Lernen und Anpassung an den Finanzmärkten durch Data Mining Buch Titel Natural Computing in Computational Finance Buch Untertitel Band 2 Seiten pp 95-114 Copyright 2009 DOI 10.1007978- 3-540-95974-86 ISBN 978-3-540-95973-1 ISBN 978-3-540-95974-8 Titel der Reihe Studies in Computational Intelligence Series Band 185 Reihe ISSN 1860-949X Herausgeber Springer Berlin Heidelberg Rechteinhaber Springer - Verlag Berlin Heidelberg Weiterführende Links Über dieses Buch Chemie, allgemeine Anwendungen MathematikKompetente Methoden der Ingenieurwissenschaften Künstliche Intelligenz (einschließlich Robotik) Industriebereiche Automobilindustrie Chemieindustrie Elektronik Erdöl, Gasverstärker Geowissenschaften Engineering eBook-Pakete Engineering Herausgeber Anthony Brabazon (2) Michael ONeill (4) Enrique Martinz Miranda (5) Autoren Zugehörigkeit 3. C3 - Centro de Ciencias de la Complejidad und Instituto de Ciencias Nucleares, Universidad Nacional Autnoma de Mxico, A. Postal 70-543, Mxico, DF 04510, Mexiko 4. Dept. de Supercomputo, DGSCA, Universidad Nacional Autnoma de Mxico, A. Postal 70-543, Mxico, D. F. 04510, Mexiko 5. Facultad de Ciencias, Universidad Nacional Autnoma de Mxico, Postleitzahl 70-543, Mxico, D. F. 04510, Mexiko Lesen Sie weiter. Um den Rest dieses Inhalts zu sehen, folgen Sie bitte der Download-PDF-Link oben. Inferring Trading-Strategien aus Wahrscheinlichkeitsverteilung Funktionen Autor: John-Ehlers 24. Februar 2009 Editoren Hinweis. Dieser Artikel war der 2008 Charles H. Dow Award Sieger von der Markets Technician Association (MTA). Der Hauptzweck der technischen Analyse ist es, Marktereignisse zu beobachten und ihre Konsequenzen zu formulieren, um Vorhersagen zu formulieren. In diesem Sinne handelt es sich bei den Markt - technikern um statistische Wahrscheinlichkeiten. Insbesondere Techniker verwenden oft eine Art von Indikator als Oszillator zur Prognose kurzfristigen Preisbewegungen bekannt. Ein Oszillator kann als Hochpassfilter betrachtet werden, indem er niedrigere Frequenztrends entfernt, während die Komponenten höherer Frequenzen, d. h. kurzfristige Preisschwankungen, verbleiben können. Andererseits wirken sich die gleitenden Mittelwerte als Tiefpassfilter aus, indem sie kurzfristige Kursbewegungen beseitigen, während längerfristige Trendkomponenten beibehalten werden können. Somit arbeiten die gleitenden Mittelwerte als Trenddetektoren, während Oszillatoren entgegengesetzt zu den Trenddaten arbeiten, um kurzfristige Preisbewegungen zu verbessern. Oszillatoren und gleitende Mittelwerte sind Filter, die Preiseingaben in Ausgangswellenformen umwandeln, um bestimmte Aspekte der Eingangsdaten zu vergrößern oder zu betonen. Der Filterprozess entfernt notwendigerweise Informationen aus den Eingangsdaten und seine Anwendung ist nicht ohne Folgen. Ein wichtiges Thema mit Oszillatoren (sowie gleitende Durchschnitte) für kurzfristige Trading ist, dass sie führen lag. Während akademisch interessant, sind die Folgen der Verzögerung teuer für den Händler. Lag ergibt sich aus der Tatsache, dass Oszillatoren durch Design eher reaktiv als antizipativ sind. Infolgedessen müssen die Händler auf die Bestätigung eines Prozesses warten, der eine zusätzliche Verzögerung in die Handlungsfähigkeit einführt. Es ist nun weithin akzeptiert, dass klassische Oszillatoren im Nachhinein sehr genau sein können, aber typischerweise unzureichend sind, um zukünftige kurzfristige Marktrichtungen vorhersagen zu können, was zum großen Teil auf Verzögerungen zurückzuführen ist. WAHRSCHEINLICHKEITSVERTEILUNGSFUNKTIONEN Das grundlegende Manko der klassischen Oszillatoren ist, dass sie eher reaktiv als antizipativ sind. Infolgedessen verschlechtert die unerwünschte Verzögerungskomponente in Oszillatoren ihre Nützlichkeit als Werkzeug für einen profitablen kurzfristigen Handel erheblich. Was benötigt wird, ist ein effektiver Mechanismus für die Vorwegnahme von Wendepunkten. Die Probability Distribution Function (PDF) kann ausgeliehen werden aus dem Bereich der Statistik und verwendet, um detrended Marktpreise für die Zwecke der Ableitung von Handelsstrategien zu untersuchen. Das PDF bietet einen alternativen Ansatz für den klassischen Oszillator, der nicht-kausal in der Vorwegnahme von kurzfristigen Wendepunkten ist. PDFs platzieren Ereignisse in Bins mit jedem Behälter mit der Anzahl der Vorkommen in der y-Achse und dem Bereich der Ereignisse in der x-Achse. Betrachten wir zum Beispiel die in Fig. 1A gezeigte Rechteckwelle. Unrealistisch in der realen Welt, wenn man die Rechteckwelle als Quantenpreise vorstellen würde, die nur Werte von -1 oder 1 haben können, besteht die resultierende PDF einfach aus zwei vertikalen Spikes bei -1 und 1, wie in 1B gezeigt. Eine derartige Wellenform konnte nicht unter Verwendung herkömmlicher Oszillatoren gehandelt werden, da jede Preisbewegung vorüber wäre, bevor der Oszillator ein Signal liefern könnte. Doch wie die PDFs unten zeigen wird, ist die theoretische Rechteckwelle nicht weit entfernt von real-world kurzfristige Zyklen. Als praktisches Beispiel kann eine theoretische Sinuswelle verwendet werden, um wirklichkeitsgetreue Preise genauer zu modellieren. Eine idealisierte Sinuswelle ist in Fig. 1C und ihre entsprechende PDF in Fig. 1D gezeigt. Die PDFs der Rechteckwelle und die der Sinuswelle sind bemerkenswert ähnlich. In jedem Fall gibt es eine hohe Wahrscheinlichkeit, dass die Wellenformen nahe ihren Extremen sind, wie in den großen Spitzen in 1D zu sehen ist. Diese Spikes entsprechen kurzfristigen Wendepunkten in den detrended Preisen. Die Wahrscheinlichkeit ist in der Nähe der Wendepunkte hoch, da es in diesen Phasen des Zyklus nur eine sehr geringe Preisbewegung gibt, wobei die Preise in Fig. 1C nur von etwa 0,8 bis 1,0 und -0,8 bis -1,0 reichen. Die hohe Wahrscheinlichkeit, dass kurzfristige Preise in der Nähe ihrer extremen Exkursionen sind, ist eine Hauptschwierigkeit im kurzfristigen Zyklus und im Swing-Handel. Die Bewegung ist meistens aufgetreten, bevor die Oszillatoren den Wendepunkt identifizieren können. Der Indikator funktioniert aber nur im Nachhinein, wodurch er für die Vorhersage zukünftiger Preisbewegungen begrenzt ist. Eine mögliche Lösung für dieses Lag-Dilemma ist die Entwicklung von Techniken zur Vorwegnahme von Wendepunkten. Obwohl es mit den klassischen Oszillatoren außerordentlich schwierig ist, bietet das PDF die Möglichkeit, Wendepunkten vorwegzunehmen, wenn sie richtig geformt sind, oder zwei alternative Verfahren zu verwenden: 1. Modellieren Sie die Marktdaten als Sinuswelle und verschieben Sie die modellierte Wellenform in die Zukunft Führende Cosinuswelle von ihr. 2. Wenden Sie eine Transformation auf die detrendierte Wellenform an, um die Spitzenexkursionen, d. H. Seltene Vorkommnisse, zu isolieren und eine kurzfristige Preisreversion von der Spitze vorwegzunehmen. Jeder dieser Ansätze wird im Folgenden untersucht werden. Allerdings ist es lehrreich, mit einer Analogie für die Visualisierung einer theoretischen Sinuswelle PDF beginnen und dann prüfen, PDFs der tatsächlichen Marktdaten. Wie gezeigt werden wird, sind die Marktdaten-PDFs weder Gaußsche, wie allgemein angenommene noch zufällige, wie durch die Effiziente Markthypothese behauptet. MESSEN VON PROBABILITÄTSVERTEILUNGSFUNKTIONEN Eine einfache Möglichkeit, zu visualisieren, wie ein PDF wie in 2B gemessen wird, ist, die Wellenform als Perlen, die auf parallelen horizontalen Drähten auf vertikalen Rahmen aufgezogen sind, wie in 2A gezeigt, vorzustellen. Drehen Sie den Drahtrahmen im Uhrzeigersinn um 90 Grad (14 Umdrehungen), so dass die horizontalen Drähte jetzt senkrecht sind, so dass die Perlen auf den Boden fallen können. Die Perlen stapeln sich in Fig. 2B direkt proportional zu ihrer Dichte an jedem horizontalen Draht in der Wellenform mit der größten Anzahl von Vorkommen an den äußersten Wendepunkten von 1 und -1. Das Messen von PDF-Dateien mit einem Computerprogramm ist theoretisch identisch mit dem Stapeln der Perlen in der Wireframe-Struktur. Die Amplitude der veranlagten Preiswellenform wird in Bins (d. h. die vertikalen Drähte) quantisiert, und dann werden die Vorkommnisse in jedem Behälter summiert, um das gemessene PDF zu erzeugen. Die Preise werden normalisiert, um zwischen dem höchsten Punkt und dem niedrigsten Punkt innerhalb des ausgewählten Kanalzeitraums zu fallen. Abbildung 3 zeigt die tatsächlichen Preis-PDFs, die über dreißig Jahre über den kontinuierlichen Vertrag für US-Schatzanweisungs-Futures gemessen wurden. Man beachte, dass die Verteilungen derjenigen einer Sinuswelle in jedem Fall ähnlich sind. Die nicht-einheitlichen Formen deuten darauf hin, dass die Entwicklung kurzfristiger Handelssysteme auf der Grundlage der Sinuswellenmodellierung erfolgreich sein könnte. Normalisierung Preise zu ihren Schaukeln innerhalb eines Kanals Zeitraum ist nicht der einzige Weg, um die Preise zu stören. Eine alternative Methode ist die Summe der Tagesschlusskurse unabhängig von Tage unten. Auf diese Weise kann das Differential dieser Summen auf ihre Summe normiert werden. Das Ergebnis ist ein normalisierter Kanal und ist die allgemeine Form des klassischen RSI-Indikators. Die gemessene PDF mit dieser Methode der Detrierung der gleichen 30 Jahre US Treasury Bonds Daten ist in Abbildung 4 gezeigt. In diesem Fall ist die PDF eher wie die vertraute Glocke Kurve eines Gaussian PDF. Man könnte daraus schließen, dass ein kurzfristiges Handelssystem, das auf Zyklen basiert, weniger erfolgreich wäre, da die hohen Wahrscheinlichkeitspunkte nicht in der Nähe der maximalen Auslenkungspunkte liegen. Weil die Wendepunkte relativ geringe Wahrscheinlichkeit haben, kann eine alternative Strategie abgeleitet werden. Die Idee ist, zu kaufen, wenn der entschärfte Preis unterhalb einer Schwelle in der Nähe der unteren Grenze überschreitet, im Vorgriff auf die Preise, die auf ein höheres Wahrscheinlichkeitsgebiet umkehren. Ebenso würde die Strategie verkaufen, wenn der entschärfte Preis eine Schwelle oberhalb der Obergrenze überschreitet. Beachten Sie, dass dies nicht das gleiche ist wie die Verwendung von klassischen 3070 oder 2080 Schwellen für Signale mit dem RSI, weil Signal nicht für die Bestätigung Kreuzung zurück über die Schwellenwerte wartet. Hier erwarten wir eine Umkehrung zu einem höheren Wahrscheinlichkeitsereignis - wir erwarten eine Rückkehr zur Normalität. Die Verwendung dieser antizipatorischen Methode bei einem klassischen Indikator wie dem stochastischen Oszillator kann teuer sein, da der Stochastik für längere Zeit leicht an der extremen Auslenkungsstelle (oder Bahn im Ingenieurwesen) bleiben kann. Wie bereits erwähnt, ist ein anderer Weg, um die Preisdaten zu trennen, zu filtern, ein Hochpaßfilter zu verwenden, um seine Komponenten mit niedrigerer Frequenztrennung zu entfernen. Nach der Detrendierung muss das Ergebnis auf eine feste Exkursion normalisiert werden, damit es vor dem Anwenden der PDF-Datei richtig gebündelt werden kann. Das resultierende PDF ist in Abbildung 5 dargestellt. In diesem Fall ist die PDF-Form nahezu einheitlich über alle Bins. Ein einheitliches PDF bedeutet, dass die Amplitude in einem Behälter genauso wahrscheinlich ist wie die andere. In diesem Fall war weder eine zyklenbasierte Strategie noch eine Strategie mit niedrigen Wahrscheinlichkeitsereignissen zu erwarten. Das PDF muss irgendwie transformiert werden, um Ereignisse mit geringer Wahrscheinlichkeit zu verstärken, um im Handel nützlich zu sein. TRANSFORMIEREN DER PDF Nicht alle Detrending-Techniken liefern PDFs, die auf eine erfolgreiche Handelstechnik hindeuten. In der gleichen Weise, wie ein Oszillator auf Preisdaten angewendet werden kann, um kurzfristige Wendepunkte zu verbessern, kann eine Transformationsfunktion auf die entschärften Preise angewendet werden, um die Identifizierung des schwarzen Schwans zu verbessern, dh unwahrscheinliche Ereignisse und die Entwicklung erfolgreicher Handelsstrategien basierend auf der Vorhersage Eine Rückkehr zur Normalität nach einem schwarzen Schwanereignis. Zum Beispiel kann eine PDF-Datei durch die Verwendung der Fisher-Transformation erweitert werden. Diese mathematische Funktion ändert Eingangswellenformen, die zwischen den Grenzen von -1 und 1 variieren und fast jedes beliebige PDF in eine Wellenform umwandeln, die nahezu gaußförmig ist. Die Fisher-Transformationsgleichung, wobei x die Eingabe ist und y die Ausgabe ist: Im Gegensatz zu einem Oszillator ist die Fisher-Transformation eine nichtlineare Funktion ohne Verzögerung. Die Transformation dehnt die Amplituden der Eingangswellenformen nahe der -1- und 1-Auslenkung aus, so daß sie als Ereignisse mit geringer Wahrscheinlichkeit identifiziert werden können. Wie in Fig. 6 gezeigt, ist die Transformation nahezu linear, wenn nicht an den Extremen. In einfachen Worten, die Fisher Transform doesnt alles außer bei den niedrigen Wahrscheinlichkeit Extremen. Somit kann vermutet werden, dass, wenn Ereignisse mit geringer Wahrscheinlichkeit identifiziert werden können, Handelsstrategien verwendet werden können, um eine Rückkehr zur normalen Wahrscheinlichkeit nach ihrem Auftreten vorwegzunehmen. Die Wirkung der Fisher-Transformation wird demonstriert, indem sie auf den HighPass-Filteransatz angewandt wird, der das PDF in Fig. 5 erzeugt hat. Die Ausgabe wird für die korrekte Binning-Korrektur für die Erzeugung des neuen gemessenen PDF umskaliert. Die neue, gemessene PDF-Datei wird in Abbildung 7 dargestellt, wobei die Original-PDF-Datei als Referenz aufgeführt ist. Hier haben wir eine Wellenform, die eine Handelsstrategie unter Verwendung der Ereignisse mit geringer Wahrscheinlichkeit nahelegt. Wenn die veränderten Preise eine obere Schwelle überschreiten, ist die Erwartung, dass das Überschreiten dieser Schwelle eine geringe Wahrscheinlichkeit hat. Daher stellt die Überschreitung der oberen Schwelle eine hohe Wahrscheinlichkeit Verkaufsgelegenheit. Umgekehrt, wenn die veränderten Preise unter eine untere Schwelle fallen, ist die Erwartung, dass der Aufenthalt unter dieser Schwelle eine geringe Wahrscheinlichkeit ist und daher unter die untere Schwelle sinkt, stellt eine Kaufgelegenheit dar. Abgeleitete Handelsstrategien Es ist klar, dass keine einzelne kurzfristige Handelsstrategie für alle Fälle geeignet ist, da die PDFs je nach dem Detrending-Ansatz stark variieren können. Da das PDF von Daten, die durch Normalisierung auf Spitzenwerte verschoben wurden, das Aussehen einer theoretischen Sinuswelle aufweist, würde die logische Handelsstrategie darin bestehen, dass die Wellenform tatsächlich eine Sinuswelle ist und dann die Sinuswellenumkehrpunkte identifiziert, bevor sie auftreten. Andererseits sollten Daten, die mit einem generischen RSI-Ansatz beeinträchtigt oder unter Verwendung eines HighPass-Filters mit einer Hilbert-Transformation entschärft werden, eine Handelsstrategie verwenden, die auf einem statistischeren Ansatz beruht. Für die RSI - und Hilbert-Transformations-Ansätze besteht die logische Strategie darin, zu kaufen, wenn die entschärften Preise eine untere Schwelle überschreiten und verkaufen, wenn die entschärften Preise eine obere Schwelle überschreiten. Diese zweite Strategie basiert zwar etwas kontraintuitiv auf der Idee, dass die Preise außerhalb der Schwellenexkursionen geringwahrscheinliche Ereignisse sind und die wahrscheinlichste Folge darin besteht, dass die Preise auf den Mittelwert zurückgehen. Beide kurzfristigen Handelsstrategien teilen sich ein gemeinsames Problem. Das Problem ist, dass die Detrierung entfernt die Trendkomponente, und der Trend kann anhalten, anstatt die Preise wieder auf den Mittelwert. In diesem Fall ist eine kurzfristige Umkehr genau das Richtige. Daher ist eine zusätzliche Handelsregel erforderlich. Die Regel, die zu den Strategien hinzugefügt wird, besteht darin, zu erkennen, wann die Preise sich gegenüber der kurzfristigen Position durch eine Schwankung des Eintrittspreises bewegt haben. Wenn das geschieht, wird die Position einfach umgekehrt und der neue Handel darf in die Richtung des Trends gehen. Die Channel-Cycle-Strategie findet, dass der höchste Schluss und der niedrigste Abschluss über die Kanallänge durch einen einfachen Suchalgorithmus über einen festen Lookback-Zeitraum berechnet werden. Dann wird der entschärfte Preis als die Differenz zwischen dem gegenwärtigen Schließen und dem niedrigsten Schließen, die auf die Kanalbreite normalisiert ist, berechnet. Die Kanalbreite ist die Differenz zwischen dem höchsten und dem niedrigsten Ende der Kanallänge. Der entschärfte Preis wird dann Bandpaß gefiltert1, um eine nahe Sinuswelle aus den Daten zu erhalten, deren Periode die Kanallänge ist. Aus dem Kalk ist bekannt, daß d (Sin (t)) dt Cos (t) ist. Da eine einfache Stabdifferenz eine Ratenänderung ist, ist sie in etwa gleichbedeutend mit einem Derivat. Somit wird eine amplitudenkorrigierte Führungsfunktion als die eine Stabrate der Änderung geteilt durch die bekannte Winkelfrequenz berechnet. In diesem Fall ist die Winkelfrequenz 2 durch die Kanallänge dividiert. Nach der Sinuswelle und der führenden Cosinuswelle sind die Hauptsignale die Kreuzungen dieser beiden Wellenformen. Die Strategie beinhaltet auch eine Stornierung, wenn der Handel einen nachteiligen Ausflug über einen ausgewählten Prozentsatz des Eintrittspreises hinaus hat. Die generische RSI-Strategie summiert die Unterschiede in der Schließung unabhängig von der Schließung über die ausgewählte RSI-Länge. Der RSI wird als die Differenzen dieser beiden Summen berechnet, die auf ihre Summe normiert sind. Eine kleine Menge an Glättung wird durch ein Drei-Tap-FIR-Filter eingeführt. Die wichtigsten Handelsregeln sind, kurz zu verkaufen, wenn das geglättete Signal die obere Schwelle überschreitet und wenn das geglättete Signal die untere Schwelle überschreitet. Wie zuvor umfasst die Strategie auch eine Stornierung, wenn der Handel einen nachteiligen Ausflug über einen gewählten Prozentsatz des Eintrittspreises hinaus hat. Der Hochpassfilter und die Fisher-Strategie (Fisher) filtern die Schlusskurse in einem Hochpassfilter2. Das gefilterte Signal wird dann normalisiert, um zwischen -1 und 1 zu fallen, da dieser Bereich erforderlich ist, damit die Fisher-Transformation wirksam wird. Die normierte Amplitude wird in einem Drei-Tap-FIR-Filter geglättet. Dieses geglättete Signal ist begrenzt, um größer als -999 und kleiner als 999 zu sein, um zu vermeiden, daß die Fisher-Transformation aufblasen, wenn ihre Eingabe genau 1 ist. Schließlich wird die Fisher-Transformation berechnet. Die wichtigsten Handelsregeln sind, kurz zu verkaufen, wenn die Fisher Transform über den oberen Schwellenwert kreuzt und zu kaufen, wenn die Fisher Transform die untere Schwelle überschreitet. Wie zuvor umfasst die Strategie auch eine Stornierung, wenn der Handel einen nachteiligen Ausflug über einen gewählten Prozentsatz des Eintrittspreises hinaus hat. Die drei Trading-Strategien wurden auf den ununterbrochenen Vertrag von US Treasury Bond Futures für Daten 5 Jahre vor 12707 angewendet. Die Performance der drei Systeme ist in Tabelle 1 zusammengefasst. Alle drei Systeme zeigen eine beachtliche Performance, wobei die RSI-Strategie und die Fisher - Ähnliche Ergebnisse in Bezug auf den Prozentsatz der gewinnbringenden Geschäfte und des Gewinnfaktors (Bruttogewinne geteilt durch Bruttoverluste). Alle Ergebnisse basieren auf dem Trading eines einzelnen Kontrakts ohne Zulage für Schlupf und Provision. Es wird betont, dass alle Einstellungen über den gesamten Zeitraum von fünf Jahren konstant gehalten wurden. Da die Handelsstrategien nur eine geringe Anzahl von optimierbaren Parametern aufweisen, ist eine Optimierung über einen kürzeren Zeitraum ohne Kompromittierung eines Trade-to-Parameter-Verhältnisses, das erforderlich ist, um eine Kurvenanpassung zu vermeiden, möglich. Somit kann die Leistung durch Optimierung über einen kürzeren Zeitraum verbessert werden. Die jährliche Wertentwicklung der Handelsstrategien wurde durch Anwendung der Real Trades über den Zeitraum von fünf Jahren auf eine Monte Carlo Analyse für 260 Tage, ein ungefähres Handelsjahr, bewertet. In jedem Fall die Monte Carlo-Analyse verwendet 10.000 Iterationen, die Simulation von fast 40 Jahren des Handels. Software für diese Analyse war MCSPro3 von Inside Edge Systems. Aufgrund des zentralen Grenzwertsatzes hat die Wahrscheinlichkeitsverteilung des Jahresgewinns eine Normalverteilung und der Drawdown eine Rayleigh-Verteilung. Die Monte Carlo Analyse hat die Vorteile, dass nicht nur die wahrscheinlichsten jährlichen Gewinne und Drawdowns produziert werden, sondern auch man kann leicht beurteilen, die Wahrscheinlichkeit des Break-even oder besser. Darüber hinaus kann man ein Vergleichs-Reward-Risiko-Verhältnis durch Dividieren des meist wahrscheinlichen Jahresgewinns durch den wahrscheinlichsten jährlichen Drawdown machen. Man kann auch die Höhe des tolerierbaren Risikos und die erforderliche Kapitalisierung in kleinen Konten aus der Größe der zwei oder drei Sigma-Punkte im Drawdown bewerten. Die Monte Carlo Ergebnisse für die Channel-Strategie sind in Abbildung 8 dargestellt. Der wahrscheinlichste Jahresgewinn ist 11.650 und der wahrscheinlichste maximale Drawdown ist 7.647 für ein Verhältnis von Belohnung zu Risiko von 1.52. Die Channel-Strategie hat eine 88.3 Chance auf Pause sogar oder besser auf einer annualisierten Basis. Die Ergebnisse von Monte Carlo für die RSI-Strategie sind in Abbildung 9 dargestellt. Der wahrscheinlichste Jahresgewinn ist 17.085 und der wahrscheinlichste maximale Verlust ist 6.219. Da der Gewinn höher ist und der Drawdown geringer ist als für die Channel-Strategie, ist das Lohn-Risiko-Verhältnis bei 2,75 viel größer. Die RSI-Strategie hat auch eine bessere 96.6 Chance der Pause sogar oder besser auf einer annualisierten Basis. Die Ergebnisse von Monte Carlo für die Fisher-Strategie sind in Abbildung 10 dargestellt. Der wahrscheinlichste Jahresgewinn beträgt 16.590 und der wahrscheinlichste maximale Verlust ist 6.476. Das Lohn-Risiko-Verhältnis von 2,56 entspricht etwa der RSI-Strategie. Die Fisher Transform Strategie hat auch über die gleiche Chance zu brechen sogar oder besser bei 96,1. Diese Studien zeigen, dass die drei Handelsstrategien über die Zeit robust sind und eine vergleichbare Performance bieten, wenn sie auf ein gemeinsames Symbol angewendet werden. Um die Robustheit im Laufe der Zeit weiter zu demonstrieren und auf ein völlig anderes Symbol zu verweisen, wurde die Performance auf den SampP Futures unter Verwendung des kontinuierlichen Kontrakts von Anfang an im Jahr 1982 ausgewertet. In diesem Fall zeigen wir die durch den Handel eines einzelnen Kontrakts erzeugte Eigenkapitalkurve Compoundierung. Es gibt keine Zulage für Schlupf und Provision. Die Form der Eigenkapitalkurven wird zum Teil durch die Veränderung der Punktgröße von 500 pro Punkt auf 250 pro Punkt, durch Inflation, durch den steigenden absoluten Wert des Vertrages und durch erhöhte Volatilität erklärt. Der wesentliche Punkt ist, dass keine der drei Handelsstrategien signifikante Ausfälle im Aktienwachstum über die gesamte Laufzeit des Vertrages. Die robuste Performance dieser neuen Handelsstrategien ist im Vergleich zu konventionellen Handelsstrategien besonders auffällig. Beispielsweise zeigt Figur 14 das Eigenkapitalwachstum eines herkömmlichen RSI-Handelssystems, das kauft, wenn der RSI die 20-Ebene kreuzt und verkauft, wenn der RSI den Wert 80 unterschreitet. Dieses System kehrt auch die Position um, wenn der Handel einen nachteiligen Ausflug mehr als ein paar Prozent vom Eintrittspreis hat. Dieses herkömmliche RSI-System wurde für maximalen Gewinn über die Lebensdauer des SampP-Futures-Kontrakts optimiert. Not only has the conventional RSI strategy had huge drawdowns, but its overall profit factor was only 1.05. Any one of the new strategies I have described offers significantly superior performance over the contract lifetime. This difference demonstrates the efficacy of the approach and the robustness of these new systems. The PDF has been shown to offer an alternative approach to the classical oscillator, one that is non-causal in anticipating short-term turning points. Several specific trading strategies have been presented that demonstrate robust performance across a long timespans to accommodate varying market conditions across a large number of trades to avoid curve fitting and among different markets to demonstrate freedom from market personalities. In each case the PDF can infer a trading strategy that is likely to be successful. When no strategy is suggested, the Fisher Transform can be applied to change the PDF to a Gaussian distribution. The Gaussian PDF then infers that a trading strategy using a reversion to the mean can be successful. ABOUT THE AUTHOR John Ehlers is chief scientist for eminiz and isignals. The trading strategies described here are used at these websites, additionally with adaptation to measured market conditions and strategy selection based on recent out-of-sample performance. John is a pioneer in introducing the MESA cycles-measuring algorithm and the use of digital signal processing in technical analysis. 1 John Ehlers, Swiss Army Knife Indicator, Stocks amp Commodities Magazine, January 2006, 24:1, pp28-31, 50-53 2 John Ehlers, Swiss Army Knife Indicator, Stocks amp Commodities Magazine, January 2006, 24:1, pp28-31, 50-53 3 MCSPro, Inside Edge Systems, Bill Brower, 200 Broad St. Stamford, CT 06901 0 Comments Join In on this conversation, post a comment below.