Sharkscope Moving Durchschnitt

Unsere preisgekrönten Private-Investor-Tools öffnen die Tür zu erfolgreichen Investitionen Easy-to-use-Web-basierten Service für Tablet, Mac amp PC-Nutzer Leistungsstarke Investment-Trading-Software für PC-Benutzer Kostenlose Schritt-für-Schritt-Anleitung zur Investitionsanalyse Sie haben die UKs gefunden 1 Investment-Software-Unternehmen. Wenn Sie ein Privatanleger sind, der das Wachstum Ihrer Ersparnisse maximieren möchte, probieren Sie unsere preisgekrönten Produkte aus und lernen Sie von unseren kostenlosen, einfachen Englisch-Schulungshilfen. Unser freundliches Londoner Kundenservice-Team unterstützt Sie dabei. Ein Bloomberg-Terminal für Privatanleger. MoneyWeek, Oktober 2015 Meet Phil Oakley Ich war ein City Analyst für 13 Jahre und dann Senior Investment Schriftsteller bei MoneyWeek. Mein Ziel ist es nun, den Anwendern zu zeigen, wie man selbstbewusste Analysten und erfolgreiche Aktiengreifer werden kann. . Das späteste von Phil 20 Dezember 2016 Phil betrachtet die Vermögen der industriellen Maschinerie Sektor in seiner spätesten Sektoruhr. 15. Dezember 2016 Phil betrachtet den Small Cap und den AIM-Einzelhandel vor der wichtigen Weihnachtshandelszeit. Teil 5: Out-of-Sample Forecasts. 8 Teil 6: Mögliche Probleme. 9 Teil 7: Wo gehen wir hin? 10 Teil 1: Dual Moving Average Crossover Das Konzept eines Dual Moving Average Crossover ist recht einfach. Berechnen Sie zwei gleitende Durchschnitte des Preises eines Wertpapiers, oder in diesem Fall Wechselkurse einer Währung. Ein Durchschnitt wäre der kurzfristige (ST) (streng relativ zum anderen gleitenden Durchschnitt) und der andere langfristig (LT). Mathematisch gesehen wird der langfristige gleitende Durchschnitt (LTMA) eine geringere Varianz aufweisen und sich in die gleiche Richtung bewegen wie der kurzfristige gleitende Durchschnitt, aber mit einer anderen Rate. Die verschiedenen Richtungsrichtungen induzieren Punkte, wo die Werte der beiden sich bewegenden Mittelwerte gleich sind oder sich kreuzen können. Diese Punkte werden die Kreuzungspunkte genannt. In der doppelten gleitenden durchschnittlichen Crossover-Handelsstrategie sind diese Übergänge Punkte der Entscheidung, die Währungen zu kaufen oder zu verkaufen. Was diese Crossover-Punkte implizieren, hängt von der Herangehensweise des Anlegers in seiner Strategie ab. Es gibt zwei Denkrichtungen: Technik und Wert. Der technische Ansatz deutet darauf hin, dass, wenn die Short Term Moving Average (STMA) bewegt sich über dem LTMA, dass ein Buy (oder Long) Signal darstellt. (Umgekehrt, wenn sich die STMA unter dem LTMA bewegt, zeigt die technische Vorgehensweise ein Sell - (oder Short-) Signal an.) Die Intuition hinter dieser Strategie lässt sich in Form von Impulsen erklären. Grundsätzlich besagt das Prinzip des Impulses, dass ein Preis, der während des Zeitraums t nach oben (oder nach unten) verschoben wird, sich im Zeitraum t1 voraussichtlich weiter nach oben (oder nach unten) bewegen wird, sofern nicht das Gegenteil vorliegt. Wenn sich der STMA über dem LTMA bewegt, ergibt dies einen verzögerten Indikator, dass der Preis sich relativ zum historischen Kurs nach oben bewegt. Kaufen Sie hoch, verkaufen Sie höher. Der Value Approach bietet gegenüber dem Technischen Ansatz die gegenüberliegenden Handelssignale. Der Value-Ansatz behauptet, dass, wenn die STMA von unten nach oben über die LTMA, dass die Investition ist jetzt überbewertet, und sollte verkauft werden. Umgekehrt, wenn die Währung STMA unter dem LTMA bewegt, dann die Währung unterbewertet ist, sollte es gekauft werden. Die Intuition hinter dem Value-Ansatz kann einfach als ein mittlerer Reversion-Ansatz betrachtet werden. Kaufen niedrig (Wert), verkaufen hoch (überbewertet). Beide Strategien versuchen, das gleiche Ziel zu erreichen, aber tun es in entgegengesetzter Weise zueinander. In diesem Papier analysieren wir sowohl die technischen als auch die Wertstrategien, wie sie auf die Wechselkurse von EuroUSD angewendet werden. Die folgende Grafik zeigt, wie die duale Crossover-Handelsstrategie Kauf - und Verkaufssignale erzeugt. Beachten Sie, dass die Gewinne und Verluste berechnet werden, indem die Differenz zwischen dem Preis (nicht der gleitende Mittelwert) an den Signalpunkten genommen wird. So wird der tatsächlich gehandelte Kurs mit großer Wahrscheinlichkeit nicht den entsprechenden gleitenden Durchschnittswerten entsprechen. Teil 2: Daten und Methodik Im Folgenden finden Sie eine Tabelle, die die Daten, die wir für diese Zuordnung verwendet haben, zusammenfasst: Hinweis zu Software: Microsoft Excel konnte die Anzahl der Beobachtungen, die wir erhalten konnten, nicht verarbeiten. Es war daher notwendig, ein anderes Softwarepaket zu verwenden, um die Berechnungen durchzuführen oder Software selbst zu schreiben. Wir entschieden, dass C eine geeignete Sprache zu benutzen war. Wir schrieben C-Code, um die folgenden Funktionen mit den Daten zu tun: 1. Saubere Daten, einschließlich Ausfiltern von Wochenenden, Feiertagen und abgestandenen Perioden. 2. Breakout die angegebenen langen und kurzfristigen bewegten Durchschnitten. ein. Gebraucht Fibonacci-Serie als Ausgangspunkt für kurzfristige und langfristig (erste 12 5,8,13,21,34,55,89,144,233,377,610.987 untersucht Ergebnisse nicht anders als unten). B. Berechnen Sie alle Kombinationen von 10 Periodenschritten bis zu 1000. z. B. 10,50 230, 740 (Laufzeit ca. 30 Minuten, 5050 mögliche Kombinationen) 3. Berechnen Sie die Crossover-Punkte, 4. Identifizieren Sie Crossover als Kaufen oder Verkaufen 5. Ergebnisse berechnen: (mit und ohne Schlupf von 0,0003) e. Durchschnittlicher Winloss f. Perioden unterhalb der Anfangsinvestition g. Max. Portfolio-Wert h. Min. Portfoliowerstwert 6. Bestimmen Sie, welche gleitenden Mittelwerte für die Probenentnahme verwendet werden sollen. 7. Durchführung der Probenanalyse. 8. Vergleiche die Probe mit der Probe. Teil 3: In der Ergebnisanalyse Die nachstehende Tabelle fasst die Ergebnisse der Stichprobenversuche zusammen, die durchgeführt wurden. Im Folgenden werden drei Schlüsselanalysen aus den Beispielberechnungen erläutert: Die doppelte gleitende durchschnittliche Crossover-Strategie kann stabile Gewinne erzielen, wenn kein Schlupf angenommen wird. Darüber hinaus muss man nicht unterscheiden oder selektiv bei der Bestimmung der Parameter für die kurz-und langfristigen bewegten Durchschnitte erfolgreich zu sein. Wenn die Rutschung in den Gewinnberechnungen berücksichtigt wird, unterscheiden sich die Ergebnisse weitgehend von dem obigen Ergebnis. Tatsächlich sind über 65 der möglichen DMAC-Kombinationen nicht rentabel, und es besteht ein beträchtliches Abwärtsrisiko mit einer blinden DMAC-Strategie. Beim Vergleich des technischen Wertansatzansatzes in der Stichprobe ist klar, dass die technische Herangehensweise den Wertansatz signifikant durchführt, was durch die durchschnittliche Gesamtrendite belegt wird. Vergleichen Sie 4.0 (technisch) mit 11.4 (Wert). Etwas interessanter sind die kurzfristigen und langfristigen gleitenden Durchschnittsparameter, die die rentabelsten Renditen erzielen, viel stärker in den technischen Ansatz als der Wertansatz gruppiert. Dies deutet darauf hin, dass der technische Ansatz möglicherweise leichter aus der Probe genommen werden kann. Teil 4: Parameterauswahl für die Out-of-Sample-Analyse Zu diesem Zeitpunkt haben wir eine Auswahlmethode entwickelt, um festzustellen, welchen Bereich von STMA - und LTMA-Parametern für die Probenanalyse empfehlenswert ist. Der Prozess folgt: Berechnete 4.950 Kombinationen von STLT-Portfolios für die in Teil 3 aufgeführten Ausgänge. Sortiert nach Profitabilität Ausgewählte mit Retouren gt10 Sortiert nach ST-Wert Die meisten profitablen ST-Werte gruppiert zwischen 50-130 (Siehe Diagramm unten) Sortiert nach LT-Wert (wiederholt Methodik für ST in der LT) Die meisten profitablen LT-Werte gruppiert zwischen 740-810 (siehe untenstehende Tabelle) Wenn es notwendig wäre, eine einzelne Kombination von DMAC auszuwählen, würden wir die 100 (ST), 770 (LT) als endgültige Kombination empfehlen Selektion Bitte beachten Sie, dass dies nicht der einzige beste Performer der 1746 profitable Kombinationen, sondern stellt eine der besten Kandidaten auf der Grundlage der oben beschriebenen Distributionen. Teil 5: Out-of-Sample-Prognosen In der folgenden Tabelle sind die Ergebnisse der Out-of-Sample-Tests zusammengefasst. Aus der Out-of-Sample-Analyse entdeckten wir, dass es durch die Anwendung eines gut konzipierten Parameterauswahlprozesses tatsächlich gelungen ist, profitable DMAC-Kombinationen auszuwählen. Die Out-of-Probe-Kombinationen zeigten eine beträchtliche Verbesserung gegenüber den In-Probe-Kombinationen. Vergleiche 89 Rentabilität (gescreent, out-of-sample) gegenüber 35 (alle möglichen Kombinationen, in-Probe). Vergleichen Sie auch 2,5 durchschnittliche Rendite (gescreent, out-of-Probe) versus 4,0 durchschnittliche Rendite (alle möglichen Kombinationen, in Probe). Vielleicht sogar noch wichtiger, die abgeschirmten, out-of-sample Ergebnisse zeigten eine weit geringere Standardabweichung und Abwärtsrisiko. Tatsächlich war die schlechtere Rendite unter den Out-of-Sample-Ergebnissen eine 2,7-Rendite. Teil 6: Potenzielle Probleme Es gibt Teile unserer Analyse, die analysiert werden müssen, um zu ermitteln, wo es möglicherweise Gefahren (d. H. Risiken) gibt, die möglicherweise nicht leicht ersichtlich sind: 1) Daten Saubere und unvoreingenommene Daten sind von entscheidender Bedeutung für eine gute Analyse. Angesichts der Zuverlässigkeit in der Quelle der Daten, fühlen wir uns ziemlich zuversichtlich, dass die Daten zwar zutreffend sind, unsere Analyse jedoch nur eine einheitliche Währung für einen Zeitraum von 2 Jahren untersuchte. Obwohl unser Ansatz rein technischer Natur war, rechtfertigt dieser einzelne Datensatz nicht die Verallgemeinerung über andere Währungen oder Vermögensklassen (z. B. Futures, Aktien). 2) Methodik Es gibt eine feine Linie zwischen guter Optimierung und Data Mining. Indem wir alle möglichen Kombinationen von DMAC mit STMA - und LTMA-Parametern zwischen 10 und 990 untersuchten, eröffneten wir uns der Versuchung des Data-Mining-Verfahrens, günstige Ergebnisse zu erzielen, aber mit einer gut durchdachten Methodik der Parameterauswahl fühlten wir uns zuversichtlich, Parameterwerte out-of-sample. Angesichts der Tatsache, dass fast 90 der ausgewählten DMAC-Kombinationen in der Tat profitabel waren, ist es eher unwahrscheinlich, dass wir diese Ergebnisse durch eine Data-Mining-Methode oder eine überoptimierte Parameterauswahlmethode erreichen könnten. 3) Risiko Neben einer eher flüchtigen Betrachtung der Standardabweichung der erwarteten Rendite und der minimalen Gesamtrendite haben wir eine gründliche Bewertung der Risiken nicht durchgeführt. Anleger interessieren sich auch für Metriken wie maximales Drawdown zu jeder Zeit. (Diese Informationen sind auch für die Anreizstruktur für Hedge-Fonds-Manager relevant.) Zusammenfassend sollte eine gründlichere Prüfung der Risiken erforscht werden. Vielleicht könnte diese Analyse einen Filter-Ansatz zum Kauf und Verkauf von Signalen liefern. Infolgedessen würden wir nicht eine immer in (ausgenommen Wochenenden) Strategie annehmen müssen. Teil 7: Wohin gehen wir von hier aus? Aus unseren Ergebnissen sowohl aus der Stichprobe als auch aus der Stichprobenanalyse geht klar hervor, dass es mit der DMAC-Handelsstrategie noch intelligentere Möglichkeiten zur Erfassung der verfügbaren Gewinne geben muss. Erfassen Sie mehr Gewinn durch bessere Timing-Strategien Wir können aus dem DMAC-Diagramm (siehe Abschnitt 1) ​​sehen, dass ein Großteil des potenziellen Gewinns verloren geht, wenn das Handelssignal bereitgestellt wird. Dies liegt daran, dass der gleitende Durchschnitt ein Trendfolgender, verzögerter Indikator ist, der nur die Kursentwicklung der Vergangenheit widerspiegelt. Wie wir in unseren Analysen und Ergebnissen gezeigt haben, geht der größte Teil des Gewinnpotentials an diesem Punkt zu den Handelskosten verloren (d. H. Die Banken erhalten sie im Devisenmarkt). Um mehr verfügbare Gewinne zu erfassen, empfehlen wir, die folgenden Ideen und Strategien zu untersuchen. Preis gegenüber SMA Crossover-Strategie. Wir empfehlen eine Analyse eines Preises vs. SMA-Crossover. Auf diese Weise wird eine der gleitenden mittleren Verzögerungen aus der Analyse entfernt. In der Tat, dies macht die buysell Signale rechtzeitiger in der Natur. Die möglichen Probleme mit dieser Strategie sind: Erhöhte Transaktionen und damit Kosten. Aktion bei schlechten Signalen (d. h. mehr Peitschen). Technische Analyse Forschung tendenziell vorschlagen, dass DMAC Handelsstrategien Outperform SMA Handelsstrategien. Modelltrend vs. Handelsperioden. Es gibt Zyklen in den Daten, die Zeiträume zeigen, wo die Preise sehr kleine Variationen um einen ähnlichen Preis haben, oder anders ausgedrückt sind sie in einer Handelsperiode. Außerdem gibt es Perioden, in denen die Preise grundlegende Bewegungen von einem Bereich zu einem anderen oder Trendperioden machen. Untersuchen Sie verschiedene Handelsregeln in die Software, die helfen würde zu identifizieren, wenn diese Perioden beginnen und enden kann sehr mächtig sein. Zu den möglichen Ansätzen gehören traditionelle technische Indikatoren wie ADX (DI und DI), Oszillatoren für Handelsperioden (d. h. RSI, CCI). Alternativ könnten erweiterte statistische Ansätze wie versteckte Markov-Modelle untersucht werden. Zusätzliche Handelsregeln: Slope Change Analysis. Es ist möglich, dass eine Analyse der Richtung der Steigung hilfreich sein kann, um einige der verlorenen Gewinne zu erfassen. In diesem Szenario könnte die absolute Richtung der Steigung die Handelsentscheidung zusammen mit der relativen Steigungsanalyse des dualen gleitenden Durchschnitts bestimmen. Obgleich diese Art der Analyse auch rückständig ist und an eine Impulsstrategie grenzt, kann es einen Wert für die Untersuchung geben, ob das Modell durch die Integration robuster werden könnte. Zusätzliche Handelsregeln: Standardabweichung vom LTMA. Bei dieser Strategie könnte eine Ausstiegsentscheidung getroffen werden, wenn sich der aktuelle Kurs um mehr als eine vorgeschriebene Standardabweichung von dem langfristigen gleitenden Durchschnitt entfernt. Diese Art von Handelsregel könnte dazu beitragen, die Gewinne, die sonst verloren gehen würde, wenn ein Spike kommt zurück (oder geht zurück), bevor die gleitenden Durchschnitte Kreuz wieder. Mögliche Risiken dieser Strategie sind: Ermöglicht die Ausübung der Gewinnswelle durch frühzeitige Ausstiege aus gewinnorientierten Handelsgeschäften Erhöhte Handelskosten Auswahl von Anlageklassen (Währungen, Wertpapiere, Futures) In unserer Analyse verwendeten wir Daten, die uns von uns zur Verfügung gestellt wurden Professor Campbell Harvey. Es ist vernünftig anzunehmen, dass es möglich ist, eine Analyse durchzuführen, um rentabelere Währungen und Wertpapiere auszuwählen. Einige mögliche Methoden für die Auswahl umfassen verschiedene Attribut-Bildschirme von Pools von Wertpapieren und Währungen einschließlich univariate und bivariate Bildschirme könnten rentabler Ergebnisse liefern. Predictive Regressionen der wünschenswerten Attribute einschließlich Liquidität und Volatilität etc. für Währungen, Wertpapiere und Futures. Katastrophale Ereignisanalyse Nach mehreren großen oder katastrophalen Ereignissen in den letzten 3 Jahren, darunter: August 1998 (Russischer Standard) März 2000 (Fall in US-Aktienmarkt) 11. September 2000 (Terrorist Attack). Obwohl wir zwei dieser drei Ereignisse in unsere Daten aufgenommen haben, sind wir der Meinung, dass eine Analyse durchgeführt werden sollte, um solche Ereignisse zu planen (d. H. Ausstiegsstrategien) und ihre Auswirkungen auf unsere Positionen.