सिस्टेमैटिक निवेशक

+

गतिशील समय warping के साथ मिलान समय श्रृंखला यह निवेश सलाह नहीं है। जानकारी सूचना के प्रयोजनों के लिए प्रदान की जाती है। समय श्रृंखला मिलान पोस्ट में, मैं क्वेरी (वर्तमान पैटर्न) और संदर्भ (ऐतिहासिक समय श्रृंखला) के बीच की गणना की दूरी के लिए एक मानचित्रण के लिए एक प्रयोग किया। चार्ट के बाद इस अवधारणा visualizes। दूरी खड़ी रेखा का योग है। एक दूसरे के लिए समय की श्रृंखला नक्शा करने के लिए एक वैकल्पिक तरीका गतिशील समय warping (DTW) है। DTW एल्गोरिथ्म क्वेरी और संदर्भ के बीच न्यूनतम दूरी मानचित्रण के लिए लग रहा है। चार्ट के बाद DTW के साथ संभव कई मानचित्रण के लिए एक visualizes। एक मानचित्रण और DTW करने के लिए सरल एक के बीच अगर वहाँ एक अंतर की जांच करने के लिए, मैं इतिहास के पिछले 10 वर्षों में जासूस की सबसे हाल ही में 90 दिनों के लिए इसी तरह की हैं कि समय की श्रृंखला के मैचों के लिए खोज करेंगे। निम्नलिखित कोड समस्या setups, याहू मंगेतर से ऐतिहासिक कीमतों लोड करता है और व्यवस्थित इन्वेस्टर टूलबॉक्स का उपयोग कर ऐतिहासिक रोलिंग खिड़की के लिए इयूक्लिडियन दूरी की गणना करता है: इसके बाद, गतिशील समय warping दूरी का उपयोग कर शीर्ष 10 मैचों में जांच करते हैं। मैं DTW पैकेज से गतिशील समय warping कार्यान्वयन का उपयोग करेगा। दोनों एल्गोरिदम बहुत ही इसी तरह के मैचों और बहुत ही इसी तरह की भविष्यवाणियों का उत्पादन किया। बाजार कार्रवाई करने के लिए एक शिक्षित अनुमान आगे जा रहा है के रूप में मैं इन भविष्यवाणियों का प्रयोग करेंगे। अब तक, यह बाजार अगले 22 दिनों में पूरा दम घुटना में ऊपर नहीं जा रहा होगा की तरह लग रहा है। इस उदाहरण के लिए पूर्ण स्रोत कोड को देखने के लिए, GitHub पर bt. test. r में bt. matching. dtw. test () समारोह पर एक नजर है कृपया। मल्टी एसेट backtest। घूर्णी ट्रेडिंग रणनीतियाँ मैं कुछ शीर्ष स्थान पर संपत्ति पर दांव लगा, समय के दौरान निवेश आवंटन स्विच व्यवस्थित इन्वेस्टर टूलबॉक्स व्याप्ति घूर्णी ट्रेडिंग रणनीति में backtesting पुस्तकालय का उपयोग कर घूर्णी व्यापार रणनीतियों के कार्यान्वयन पर चर्चा करना चाहते हैं। उदाहरण के लिए, रैंकिंग सापेक्ष शक्ति या गति के आधार पर किया जा सकता है। घूर्णी ट्रेडिंग रणनीतियाँ (या सामरिक एसेट आवंटन) के कुछ उदाहरण हैं: मैं ईटीएफ सेक्टर रणनीति पोस्ट में ईटीएफ स्क्रीन पर पेश किया रणनीति का प्रयोग घूर्णी ट्रेडिंग उदाहरण देकर स्पष्ट करना चाहता हूँ। हर महीने, इस रणनीति उनके 6 महीने का रिटर्न के अनुसार क्रमबद्ध 21 ईटीएफ के शीर्ष दो में निवेश करता है। ईटीएफ पदों के रूप में लंबे समय से इन ईटीएफ शीर्ष 6 रैंक में हैं के रूप में रखा जाता है बाद के महीनों में कारोबार, कम करने के लिए। हम इस रणनीति को लागू करने से पहले, हम दो सहायक दिनचर्या बनाने की जरूरत है। सबसे पहले, प्रत्येक अवधि के लिए शीर्ष एन पदों का चयन करेंगे कि एक समारोह बना देता है: अगला, प्रत्येक अवधि के लिए शीर्ष एन पदों का चयन करें और वे KeepN रैंक से नीचे ड्रॉप जब तक उन्हें रखना होगा कि एक समारोह बना देता है: अब हम व्यवस्थित इन्वेस्टर टूलबॉक्स में backtesting पुस्तकालय का उपयोग कर इस रणनीति को लागू करने के लिए तैयार कर रहे हैं: इस रणनीति में सुधार करने के लिए कई तरीके हैं। यहाँ पर विचार करने के लिए अतिरिक्त तरीके का एक नमूना सूची इस प्रकार है: रैंकिंग तरीकों की एक किस्म पर विचार करें। अर्थात 1/2/3/6/12 महीने का रिटर्न और उनके संयोजन, रैंकिंग जोखिम-समायोजित। Drawdowns को नियंत्रित करने और एम फैबर (2006) से सामरिक एसेट आवंटन के लिए एक मात्रात्मक दृष्टिकोण के रूप में पेश प्रदर्शन समय तंत्र पर विचार बढ़ाने के लिए। एक अलग संपत्ति ब्रह्मांड पर विचार करें। आय, और इंटरनेशनल इक्विटी बाजार फिक्स्ड वस्तुओं की तरह, अन्य परिसंपत्तियों को कम सहसंबद्ध होते हैं कि ईटीएफ को शामिल करें। उदाहरण के लिए, एक देश अंतर्राष्ट्रीय रणनीति पद पर एक नजर है। केवल सीमा आपकी कल्पना है। मैं भी अपने डेटा overfitting नहीं कर रहे हैं सुनिश्चित करने के लिए अपनी रणनीति के विकास के दौरान संवेदनशीलता विश्लेषण करने की सिफारिश करेंगे। इस उदाहरण के लिए पूर्ण स्रोत कोड को देखने के लिए, GitHub पर bt. test. r में bt. rotational. trading. test () समारोह पर एक नजर है कृपया। Garch अस्थिरता पूर्वानुमान का उपयोग कर ट्रेडिंग क्वांटम फाइनेंसर अस्थिरता पूर्वानुमान का उपयोग कर प्रणाली स्विचिंग एक दिलचस्प लेख व्यवस्था लिखा था। लेख मतलब प्रत्यावर्तन और बाजार में उतार-चढ़ाव के आधार पर ट्रेंड निम्नलिखित रणनीतियों के बीच स्विच करने के लिए एक सुंदर कलन विधि प्रस्तुत करता है। दो मॉडल जांच कर रहे हैं: एक ऐतिहासिक अस्थिरता का उपयोग करते हुए और एक अन्य Garch (1,1) अस्थिरता पूर्वानुमान के प्रयोग से। मतलब प्रत्यावर्तन रणनीति आरएसआई (2) के साथ मॉडलिंग की है: लंबे जब आरएसआई (2), और लघु अन्यथा। ट्रेंड निम्नलिखित रणनीति एसएमए 50/200 विदेशी के साथ मॉडलिंग की है: लंबे जब एसएमए (50) & gt; अन्यथा एसएमए (200), और लघु। मैं व्यवस्थित इन्वेस्टर टूलबॉक्स में backtesting पुस्तकालय का उपयोग कर इन विचारों को लागू करने के लिए कैसे दिखाने चाहते हैं। कोड भार याहू मंगेतर से ऐतिहासिक कीमतों के बाद और खरीदें के प्रदर्शन की तुलना और व्यवस्थित इन्वेस्टर टूलबॉक्स में backtesting पुस्तकालय का उपयोग कर, पकड़ो मतलब प्रत्यावर्तन, और ट्रेंड निम्नलिखित रणनीतियों: अगला, मतलब प्रत्यावर्तन और ऐतिहासिक बाजार में उतार-चढ़ाव के आधार पर ट्रेंड निम्नलिखित रणनीतियों के बीच स्विच करता है एक रणनीति बना सकते हैं। अगला, एक GARCH (1,1) अस्थिरता पूर्वानुमान पैदा करते हैं। मैं GARCH सब के बारे में या उनके ज्ञान को ताज़ा करने के लिए है कि क्या पता लगाने के लिए करना चाहता है, जो किसी के लिए लेख निम्नलिखित पढ़ने की सिफारिश करेंगे: डेविड हार्पर द्वारा द्वारा GARCH (1,1) दृश्य चित्र के बहुत सारे के साथ एक बहुत अच्छा परिचयात्मक लेख। वाई शलाबी, फिटिंग GARCH पूर्ण आर कोड के साथ (1,1) मॉडल के कदम उदाहरण के द्वारा डी Wurtz कदम से Univariate GARCH मॉडलिंग में व्यावहारिक मुद्दों। क्वांटम फाइनेंसर द्वारा GARCH करने के लिए बुनियादी परिचय GARCH और EGARCH के विवरण और मान्यताओं में चला जाता है कि पदों की एक श्रृंखला है। GARCH मॉडल फिट करने के लिए कुछ आर संकुल रहे हैं। मैं fGarch पैकेज से tseries पैकेज और garchFit समारोह से garch समारोह पर विचार करेगी। tseries पैकेज से garch समारोह तेज है, लेकिन हमेशा समाधान नहीं मिल रहा है। fGarch पैकेज से garchFit समारोह में धीमी है, लेकिन अधिक लगातार एकाग्र करता है। मैं एक साधारण बेंचमार्क बनाया garch समारोह और garchFit समारोह गति के बीच अंतर को प्रदर्शित करने के लिए: garchFit समारोह garch समारोह की तुलना में धीमी औसत 6 गुना पर है। अन्यथा यह एक समाधान है और garchFit समारोह पा सकते हैं तो जब भी मैं garch समारोह का उपयोग करने की कोशिश करेंगे उतार-चढ़ाव की भविष्यवाणी करने की। अब, चलो मतलब प्रत्यावर्तन और GARCH (1,1) में उतार-चढ़ाव का पूर्वानुमान पर आधारित ट्रेंड निम्नलिखित रणनीतियों के बीच स्विच करता है एक रणनीति बना सकते हैं। GARCH का उपयोग करता है कि स्विचिंग रणनीति (1,1) में उतार-चढ़ाव का पूर्वानुमान ऐतिहासिक अस्थिरता का उपयोग करता है कि एक की तुलना में थोड़ा बेहतर प्रदर्शन किया। वहाँ कई अलग अलग दृष्टिकोण आप अपने मॉडल और व्यापार रणनीतियों में भविष्यवाणी को शामिल करने के लिए ले जा सकते हैं। आर मॉडल और समय श्रृंखला भविष्यवाणी करने के लिए संकुल की एक बहुत अमीर सेट है। यहाँ मैं दिलचस्प पाया कि कुछ उदाहरण हैं: पैट बर्न्स ने वर्ष 2011 और 2012 के लिए बाजार भविष्यवाणियों अन्य लोगों के बाजार भविष्यवाणियों के महत्व को जांच करने के लिए GARCH (1,1) का उपयोग करता है। औसत निवेशक के द्वारा ट्रेडिंग के लिए ARMA मॉडल ARIMA और GARCH मॉडल का उपयोग कर अगले दिन रिटर्न भविष्यवाणी करने के लिए कैसे पता चलता है कि पदों की एक श्रृंखला है। समय पर पोर्टफोलियो में अद्भुत नए ब्लॉग TimeSeriesIreland व्यापार मॉडल बनाने के लिए EGRACH उपयोग करता है। आर में पूर्वानुमान: Ljung बॉक्स विफल रहा है कि महानतम शॉर्टकट सकल घरेलू उत्पाद की भविष्यवाणी करने के लिए ARIMA मॉडल का उपयोग करता है। इस उदाहरण के लिए पूर्ण स्रोत कोड को देखने के लिए, GitHub पर bt. test. r में bt. volatility. garch () समारोह पर एक नजर है कृपया। कैलेंडर रणनीति: माह के अंत कैलेंडर रणनीति एक अग्रिम में जाना जाता है पूर्व निर्धारित दिनों में बेचता खरीदता है कि एक बहुत ही सरल रणनीति है। आज मैं हम आसानी से और महीना समाप्ति दिनों चारों ओर प्रदर्शन की जांच कैसे कर सकते हैं दिखाना चाहते हैं। पहली याहू मंगेतर से जासूसी के लिए ऐतिहासिक कीमतों लोड और महीने के सिरों पर जासूस perfromance गणना की सुविधा देता है। अर्थात रणनीति 30 को बंद पर लंबी स्थिति को खोलने और 31 पर बंद स्थिति बेचेंगे। Bt. run. share कॉल में, मैं शून्य (do. lag पैरामीटर के लिए डिफ़ॉल्ट मान से एक है) के बराबर पैरामीटर do. lag सेट, ऊपर है कि कृपया ध्यान दें। एक के बराबर डिफ़ॉल्ट सेटिंग के लिए कारण (व्यापार करने के लिए निर्णय) सभी जानकारी उपलब्ध आज का उपयोग कर ली गई है संकेत की वजह से है, तो स्थिति ही अगले दिन से लागू किया जा सकता है। अर्थात हालांकि, कैलेंडर रणनीति के मामले में व्यापार दिन अग्रिम में जाना जाता है क्योंकि संकेत अंतराल के लिए कोई जरूरत नहीं है। अर्थात इसके बाद, मैं संकेत सृजन और रणनीति परीक्षण के साथ मदद करने के लिए दो कार्य बनाया: इन सबसे ऊपर, T0 30 को खरीदता है और 31 पर बेचता है कि एक कैलेंडर की रणनीति है। अर्थात स्थिति केवल एक महीने के अंत दिन पर आयोजित किया जाता है। P1 और P2 एक पूर्व दिन और पूर्व तदनुसार दो दिनों खरीदने कि दो रणनीतियों रहे हैं। एन 1 और एन 2 के एक दिन बाद खरीद कि दो रणनीतियों और तदनुसार के बाद दो दिन हैं। एन 1 रणनीति, 31 पर खरीदने के लिए और 1 अगले महीने पर बेचने के जासूस के लिए सबसे अच्छा काम करने लगता है। अंत में, वास्तविक ट्रेडों को देखो देता है: इस p2 रणनीति महीने के अंत से पहले करीब 3 दिनों में स्थिति में प्रवेश करती है और महीने के अंत से पहले करीब 2 दिनों में पदों बाहर निकालता है। अर्थात प्रदर्शन केवल 2 दिन इस महीने के अंत से पहले रिटर्न की वजह से है। इस पोस्ट के साथ मैं हम व्यवस्थित इन्वेस्टर टूलबॉक्स का उपयोग कर कैलेंडर रणनीति प्रदर्शन का अध्ययन कर सकते हैं कि कितनी आसानी से दिखाना चाहता था। अगला, मैं महत्वपूर्ण तारीखों की विविधता के लिए कैलेंडर रणनीति अनुप्रयोगों का प्रदर्शन करेंगे। इस उदाहरण के लिए पूर्ण स्रोत कोड को देखने के लिए, GitHub पर bt. test. r में bt. calendar. strategy. month. end. test () समारोह पर एक नजर है कृपया। Stochastic थरथरानवाला प्रभावी व्यापार रणनीतियों के लिए पूर्वानुमान संकेतक: मैं जॉन एहलर्स कागज के लिए लिंक भर में आया था। Dekalog ब्लॉग पढ़ते समय। जॉन एहलर्स कीमतों चिकनी और थरथरानवाला निर्माण में नए फिल्टर शामिल करने के लिए एक अलग तरीका प्रदान करता है। सौभाग्य से, EasyLanguage कोड भी प्रदान की है और मैं आर में अनुवाद करने में सक्षम था समय श्रृंखला मिलान यह निवेश सलाह नहीं है। जानकारी सूचना के प्रयोजनों के लिए प्रदान की जाती है। आप सपा 500 अगले हफ्ते, महीने, तिमाही में क्या करेंगे जानना चाहते हैं? एक शिक्षित अनुमान बनाने के लिए एक तरह से बाजार की मौजूदा माहौल के समान ऐतिहासिक कालों मिल जाए, और क्या हुआ की जांच करने के लिए है। मैं इस प्रक्रिया में समय श्रृंखला मिलान फोन करेंगे, लेकिन आप तकनीकी पैटर्न और भग्न के रूप में जाना जाता है इसी तरह की तकनीक मिल सकता है। मैं भग्न के बारे में हाल ही में पढ़ा दो लेख हैं निम्नलिखित, भग्न के बारे में कुछ स्वाद पाने के लिए: मैं अलग अलग दृष्टिकोण को समझने के लिए समय की श्रृंखला मिलान के बारे में लेख के बाद पढ़ने की सिफारिश: मैं जासूस की सबसे हाल ही में 90 दिनों के लिए इसी तरह की हैं कि समय श्रृंखला मैच खोजने की जीन-रॉबर्ट Avettand-Fenoel लेख से रूक का उपयोग कर मॉडल तैनाती में तेजी लाने के लिए कैसे में उल्लिखित एक सरल विधि का प्रयोग करेंगे। निम्नलिखित कोड समस्या setups, याहू मंगेतर से ऐतिहासिक कीमतों लोड करता है और व्यवस्थित इन्वेस्टर टूलबॉक्स का उपयोग कर ऐतिहासिक रोलिंग खिड़की के लिए इयूक्लिडियन दूरी की गणना करता है: इसके बाद, जासूस इतिहास में क्वेरी पैटर्न के लिए सबसे अच्छा 10 मैचों का चयन करने देता है: इसके बाद, क्वेरी पैटर्न के साथ सभी मैचों ओवरले और मैच जगह ले ली के बाद उनके ऐतिहासिक प्रदर्शन की जांच करने देता है: इसके बाद, सब एक तालिका में प्रदर्शन मैचों संक्षेप में प्रस्तुत करने देता है: समय श्रृंखला मिलान विश्लेषण 500 अगले हफ्ते, महीने, तिमाही में क्या करेंगे सपा एक शिक्षित अनुमान बनाने के लिए इस्तेमाल किया जा सकता है। यह शिक्षित अनुमान ऐतिहासिक आंकड़ों पर आधारित है और इतिहास खुद को दोहराना होगा कि कोई गारंटी नहीं है। अगले पोस्ट में मैं समय श्रृंखला मिलान के लिए अन्य दूरी के उपायों की जांच करेंगे और मैं गतिशील समय warping का एक उदाहरण दिखा देंगे। इस उदाहरण के लिए पूर्ण स्रोत कोड को देखने के लिए, GitHub पर bt. test. r में bt. matching. test () समारोह पर एक नजर है कृपया।