Poprawienie ruchomych średnich reguł handlowych dzięki metodom zwiększania i statystycznego uczenia się. 13 Niemniej jednak zachowanie technicznych zasad handlu opartych na metodach uczenia się było całkowitym przeciwieństwem w czasie podokresu upadków (od 2 września 2000 r. Do 31 grudnia 2002 r.). Tak więc wszystkie metody nauki poza próbą przewyższyły zwrot strategii BampH, a zwłaszcza model fi nansowany Boosting. Ponadto stosunek Sharpe'a w przefiltrowanym modelu Boosting był wyższy niż w BampH i znacznie wyższy niż stosunek Sharpe'a w modelu Komitetu i Bayesa. To samo miało miejsce w przypadku idealnego stosunku profi t. Ponadto zaobserwowano, że z wyjątkiem okresu uogólnionych wzrostów na rynku, filtrowany model Boosting uzyskał większy zysk netto niż jakikolwiek model średniej ruchomej, wspierając mniejsze ryzyko niż jakiekolwiek inne. W związku z tym, mimo że przefiltrowany model Boosting nie jest w stanie przezwyciężyć zwrotów strategii BampH w okresie wzrostu, uzyskane wyniki sugerują, że pokonał BampH w okresie spadania i jest w stanie wchłonąć dużą część spadków na rynku . W związku z tym model fi nansowany Boosting mógłby być wykorzystany jako konserwatywna strategia poświęcona zmniejszeniu ryzyka podczas ewentualnych załamań rynku. Niemniej jednak należy zachować ostrożność i zbadać, w przyszłych badaniach, jak wiarygodne są wyniki tego dokumentu w odniesieniu do innych wskaźników finansowych, a może być pomocne zbadanie innych popularnych indeksów (akcje, obligacje lub zagraniczne giełdy). Ostatecznym wnioskiem z tych badań nie jest kwestia przewidywanej mocy przesunięcia średnich reguł w serii i analizie okresu. Wręcz przeciwnie, nasze wyniki potwierdzają, że chociaż średnie ruchome pokazują przypadkowość i zmienność jego mocy predykcyjnej, szeroki zestaw średnich kroczących ma więcej informacji prognostycznych niż jakikolwiek indywidualny, z którego może skorzystać zalany algorytm Boosting. Wyniki tego badania wskazują, że stosowanie metod uczenia się, takich jak pobudzanie, wydaje się bardziej solidne i bardziej szczegółowe niż wykorzystanie poszczególnych średnich kroczących. Zwraca uwagę na technicznych analityków używających Boosting i innych metod przewidywania połączeń zamiast indywidualnych średnich ruchomych. Wreszcie badania te mogłyby zostać rozszerzone na szerszy zestaw zasad handlu technicznego, takich jak te stosowane w Sullivan et al. (1999), czyli zasady dotyczące filtrów, wsparcia i odporności, wyłamywania kanałów i średnich wartości asymetrii. UCZNIENIE Niniejsze badania są wspierane przez hiszpańskie Ministerstwo Nauki i Technologii w ramach projektu SEJ2006-07701 ELON. REFERENCJE Alexander S. 1961. Ruchy cenowe na rynkach spekulacyjnych: trendy lub przypadkowe spacery. Przegląd zarządzania przemysłowego 2. 726. Allen F, Karjalainen R. 1999. Wykorzystanie algorytmów genetycznych do ustalenia zasad handlu technicznego. Journal of Financial Economics 51. 245271. Blume L, Easley D, OHara M. 1994. Statystyki rynkowe i analiza techniczna: rola wolumenu. Dziennik Finansów 49. 153181. Bodie Z, Kane A, Marcus AJ. 2002. Niezbędne inwestycje. MacGraw-Hill: Nowy Jork. Brock W, Lakonish J, LeBaron B. 1992. Proste reguły techniczne i stochastyczne właściwości zwrotów akcji. Journal of Finance 47. 17311764. Brown D, Jennings R. 1989. W sprawie analizy technicznej. Przegląd badań finansowych 4. 527551. Chang PHK, Osler CL. 1999. Szaleństwo metodyczne: analiza techniczna i irracjonalność prognoz kursowych. Dziennik Ekonomiczny 109. 636661. Fama EF. 1970. Efektywny rynek kapitałowy: przegląd teorii i prac empirycznych. Dziennik Finansowy 25. 383 417. Fama EF. 1976. Podstawy finansów. Podstawowe książki: Nowy Jork. Fama EF, Blume ME. 1966. Zasady filtrowania i handel na giełdzie. Dziennik Biznesu 1. 226241. Freund Y, Schapire RE. 1997 r. Teoretyczne wykształcenie edukacji on-line i ich zastosowanie do pobudzania. Journal of Computer and System Sciences 55 (1): 119139. Ulepszanie ruchomych średnich reguł handlowych za pomocą metod zwiększających i statystycznych uczenia się Opublikowano 10 maja 2008 r. W Wiley InterScience (interscience. wiley) DOI. 10.1002 za.1068 Poprawa ruchomych średnich reguł handlowych dzięki metodom zwiększania i statystycznego uczenia się JULIN ANDRADA-FLIX I Katedra Metod Ilościowych w Ekonomii i Zarządzaniu, University of Las Palmas de Gran Canaria, Hiszpania Prezentujemy system łączenia różnych typów prognoz szeroką kategorię mechanicznych zasad handlu poprzez metody uczenia się statystycznego (pobudzanie i kilka metod uśredniania modelu, takich jak metody bayesa lub proste uśrednianie). Metody uczenia się w nauce statystycznej zapewniają lepsze wyniki poza próbą niż większość reguł dotyczących pojedynczej średniej ruchomej w indeksie NYSE Composite Index od stycznia 1993 r. Do grudnia 2002 r. Ponadto, przy użyciu filtra w celu zmniejszenia częstotliwości wymiany handlowej, fi ltered boosting model daje techniczne strategii, która chociaż nie jest w stanie pokonać zwrotów strategii kupna i sprzedaży (BampH) w okresie wzrostu, pokonuje BampH w okresach spadku i jest w stanie pochłonąć znaczną część upadków na rynku. Copyright 2008 John Wiley amp Sons, Ltd. kluczowe słowa analiza techniczna zwiększająca wybór modelu uczenia się WSTĘP Analiza techniczna polega na próbie prognozowania cen na rynku finansowym poprzez badanie wcześniejszych cen i innych powiązanych statystyk dotyczących obrotu papierami wartościowymi. Pomimo sceptycznej postawy akademików w zakresie analizy technicznej, w ciągu ostatnich 20 lat analiza techniczna cieszy się renesansem w świecie akademickim, a także opracowano znaczną liczbę prac teoretycznych i empirycznych, wspierających analizę techniczną. Tak więc modele teoretyczne zostały zaproponowane przez Hellwig (1982), Treynor and Ferguson (1985), Brown and Jennings (1989) i Blume et al. (1994). Wiele prac empirycznych dowodzi także przydatności zasad handlu technicznego, między innymi Brock et al. (1992), Levich i Thomas (1993), Blume i in. (1994), Knez and Ready (1996), Genay (1996), Neely i in. (1997) oraz Chang i Osler (1999). Korespondencja: Fernando Fernndez-Rodrguez, Facultad de Ciencias Econmicas y Empresariales, 35017 Las Palmas de Gran Canaria, Hiszpania. E-mail: ffernandezdmc. ulpgc. es Celem naszego opracowania jest dostarczenie systemu do łączenia różnych typów przewidywań zapewnianych przez szeroki zakres mechanicznych zasad handlowych. Dzięki statystycznym metodom uczenia się (takim jak pobudzanie i kilka metod uśredniania modelu, takich jak Bayesian lub komitet), nowe prognozy będą konstruowane w oparciu o dany zestaw prognoz technicznych. Pozostała część tego artykułu ma następującą strukturę. W następnej części przedstawiono krótki przegląd zasad handlu technicznego stosowanych w niniejszym dokumencie. Trzecia sekcja koncentruje się na opisie najpopularniejszych metod uczenia statystycznego, takich jak Ulepszanie i uśrednianie modelu Bayesa. Czwarta sekcja przedstawia pomiary jakości zastosowane do oceny i porównania stworzonych reguł handlu technicznego. Piąta sekcja pokazuje wyniki empiryczne. W szóstej sekcji przedstawiono główne wnioski. ZASADY TECHNICZNE W niniejszym artykule zbadamy siłę predyktywną dotyczącą połączenia informacji z jednej z najbardziej popularnych rodzin reguł handlowych używanych w analizie technicznej, reguł zmienności średniej ruchomej (VMA odtąd). Zasady VMA obejmują porównanie krótkoterminowej średniej ruchomej cen z długoterminową średnią ruchomą. W związku z tym sygnały kupna (sprzedaży) emitowane są, gdy krótkoterminowa średnia przekracza (jest niższa niż) długoterminową średnią o co najmniej wstępnie określone procentowe pasmo. Wprowadzenie pasma wokół średniej ruchomej zmniejsza liczbę sygnałów kupna (sprzedaży), eliminując bicie na rynku, gdy średnie kroczące w krótkim i długim okresie są zbliżone. Ten zespół, który jest zwykle uważany za 1, zmniejsza liczbę sygnałów kupna i sprzedaży. Sygnał nie jest generowany, gdy krótka średnia krocząca znajduje się w paśmie. Z pasmem zerowym, przepis techniczny dostarczony przez VMA klasyfikuje wszystkie dni na dni kupna lub sprzedaj dni. Długość ruchomych średnich musi być wybrana przez technika. Najpopularniejszą zasadą stosowaną w analizie technicznej jest 1200, gdzie krótki okres wynosi 1 dzień, a długi okres 200 dni. Niemniej jednak inne reguły handlowe to 150, 1150, 5150, 1200 i 2200 (patrz Brock i wsp. 1992). Sceptyczna postawa świata akademickiego związana z analizą techniczną jest motywowana skuteczną hipotezą rynku, która utrzymuje, że dostępne informacje publiczne, podobnie jak poprzednie ceny, nie powinny pomóc handlowcom zarabiać niespodziewanie wysokich zwrotów, gdy premia za ryzyko została zdyskontowana. Tak więc Fama (1970, 1976) definiuje rynek jako słabo skuteczny, jeśli obecne ceny w pełni odzwierciedlają informacje zawarte w cenach z przeszłości. Słaba wydajność oznacza, że analiza techniczna przeszłych cen akcji nie ma żadnej wartości. Ulepszanie średniej ruchomej z regułami sprzedaży i metodami uczenia statystycznego W przypadku prośby o korektę, proszę wspomnieć o tym przedmiocie: RePEc: jof: jforec: v: 27: y: 2008: i: 5: p: 433-449. Zobacz ogólne informacje na temat poprawiania materiału w RePEc. W przypadku pytań technicznych dotyczących tego produktu lub w celu poprawienia jego autorów, tytułów, abstraktów, informacji bibliograficznych lub pobierania, skontaktuj się z: (Wiley-Blackwell Digital Licensing) lub (Christopher F. Baum) Jeśli jesteś autorem tego artykułu i nie jesteś jeszcze zarejestrowany RePEc, zachęcamy do zrobienia tego tutaj. Umożliwia to powiązanie profilu z tym elementem. Pozwala także zaakceptować potencjalne cytowania tego elementu, o którym nie mamy pewności. Jeśli nie ma żadnych odniesień, możesz je dodać za pomocą tego formularza. Jeśli pełne odniesienia wymieniają element, który jest w RePEc, ale system nie łączy się z nim, możesz pomóc w tym formularzu. Jeśli wiesz o brakujących elementach, powołując się na ten, możesz pomóc nam w tworzeniu tych linków, dodając odpowiednie odniesienia w taki sam sposób, jak powyżej, dla każdego polecanego przedmiotu. Jeśli jesteś zarejestrowanym autorem tej pozycji, możesz sprawdzić kartę cytatów w swoim profilu, ponieważ niektóre cytaty będą czekać na potwierdzenie. Pamiętaj, że korekty mogą zająć kilka tygodni, aby przefiltrować różne usługi RePEc. Więcej usług Śledź seriale, czasopisma, autorzy i więcej Nowe artykuły przez e-mail Zasubskrybuj nowe dodatki do RePEc Rejestracja autora Profile publiczne dla badaczy z dziedziny Ekonomii Różne rankingi badań w dziedzinie ekonomii i pokrewnych dziedzin Kto był uczniem, używając RePEc RePEc Biblio artykuły na różne tematy z ekonomii Prześlij swój artykuł do listy RePEc i IDEAS EconAcademics Blog do agregatora badań ekonomicznych Plagiat Przykłady przypadków plagiatu w ekonomii Dokumenty rynku pracy RePEc Working Paper poświęcony rynkowi pracy Fantasy League Udawaj, że jesteś na czele ekonomii departament Usługi od StL Fed Data, badania, aplikacje i więcej od St. Louis FedJournal of Forecasting Volume 27, Wydanie 5. Wersja Record online: 10 MAY 2008 Opcje dostępu do tej treści: Jeśli jesteś członkiem społeczeństwa lub stowarzyszenia i wymagać pomocy w uzyskaniu instrukcji dostępu online, prosimy o kontakt z naszym zespołem obsługi klienta Journal. wiley. forceInterfaceContactJournalCustomerServicesV2. Jeśli Twoja instytucja nie jest obecnie subskrybowana tej zawartości, zaleca tytuł bibliotekarza. Zaloguj się za pomocą innych opcji logowania instytucjonalnego onlinelibrary. wileylogin-options. Możesz kupić dostęp online do tego artykułu przez okres 24 godzin (cena różni się tytułem) Jeśli masz już konto użytkownika Wiley Online Library lub Wiley InterScience: zaloguj się powyżej i przejdź do zakupu tego artykułu. Nowi użytkownicy: zarejestruj się, a następnie przejdź do zakupu tego artykułu. Wyszukaj swoją nazwę instytucji poniżej, aby zalogować się przez Shibboleth. Zarejestrowani użytkownicy zaloguj się: uzyskaj dostęp do zapisanych publikacji, artykułów i wyszukiwań Zarządzaj alertami e-mail, zamówieniami i subskrypcjami Zmień swoje dane kontaktowe, w tym hasło Zarejestruj się w: Zapisuj publikacje, artykuły i wyszukiwania Otrzymuj powiadomienia e-mail Korzystaj z poniższych korzyści
No comments:
Post a Comment