Negociação algorítmica com MATLAB®: EMA simples de chumbo / intervalo.
Esta demo é uma introdução ao uso do MATLAB para desenvolver e testar uma estratégia de negociação simples usando uma média móvel exponencial.
Copyright 2018, The MathWorks, Inc. Todos os direitos reservados.
Hey You: você deve ler o readme. m antes de continuar Carregar em alguns dados (Excel) Desenvolver um indicador técnico lead / lag simples Barra lateral: média móvel única Barra lateral: melhor parâmetro Estimar parâmetros em uma variedade de valores Avaliar o desempenho nos dados de validação Incluir custos de negociação Determine a melhor frequência de negociação (considerando intraday) Melhor desempenho em dados de validação.
Hey You: Você deve ler readme. m antes de prosseguir.
Carregar em alguns dados (Excel)
Bund é um futuro vínculo alemão e os dados são amostrados diariamente.
Desenvolva um simples indicador técnico de lead / lag.
Usaremos duas médias móveis ponderadas exponencialmente.
Desenvolva um sinal comercial e medidas de desempenho. Assumiremos 250 dias de negociação por ano.
Barra lateral: média móvel única.
O caso de uma única média móvel. Podemos usar essa função para fazer uma única média móvel, definindo o primeiro parâmetro como 1.
Barra lateral: melhor parâmetro.
Execute uma varredura de parâmetros para identificar a melhor configuração.
Estimar parâmetros em uma variedade de valores.
Retorne ao caso de média móvel e identifique o melhor.
Trate o melhor Ratio Sharpe.
Avalie o desempenho em dados de validação.
Incluir custos de negociação.
Vamos adicionar o custo de negociação associado ao spread de oferta / pedido. Isso nos aproximará do lucro real que poderíamos esperar. Como um exercício, você deve estender isso para considerar os custos de negociação adicionais e as considerações de deslizamento.
Determine a melhor frequência de negociação (considerando intradiário)
Carregar em dados de 1 minuto e entrar em conjuntos de dados de teste / validação.
Melhor modelo Lead / Lag para dados mínimos com consideração de freqüência. Use computação paralela para acelerar os cálculos (parfor in leadlagFun)
Use meus núcleos no meu laptop (um quadcore com hyperthreading, então 8 núcleos virtuais).
Execute a varredura de parâmetros.
Observe que o atraso de 100 está no limite da nossa varredura de parâmetros, vamos ampliar a pesquisa um pouco mais. Eu corri isso anteriormente e o máximo é de cerca de 30 minutos, então vamos restringir nossa varredura (por considerações de tempo).
Melhor desempenho em dados de validação.
Este é o resultado se o aplicamos aos restantes 20% (conjunto de validação) dos dados.
Vamos agora adicionar um indicador RSI e ver se podemos fazer melhor (AlgoTradingDemo2.m).
Negociação algorítmica com MATLAB & reg .: Simple Lead / Lag EMA.
Esta demo é uma introdução ao uso do MATLAB para desenvolver e testar uma estratégia de negociação simples usando uma média móvel exponencial.
Copyright 2018, The MathWorks, Inc. Todos os direitos reservados.
Hey You: você deve ler o readme. m antes de continuar Carregar em alguns dados (Excel) Desenvolver um indicador técnico lead / lag simples Barra lateral: média móvel única Barra lateral: melhor parâmetro Estimar parâmetros em uma variedade de valores Avaliar o desempenho nos dados de validação Incluir custos de negociação Determine a melhor frequência de negociação (considerando intraday) Melhor desempenho em dados de validação.
Hey You: Você deve ler readme. m antes de prosseguir.
Carregar em alguns dados (Excel)
Bund é um futuro vínculo alemão e os dados são amostrados diariamente.
Desenvolva um simples indicador técnico de lead / lag.
Usaremos duas médias móveis ponderadas exponencialmente.
Desenvolva um sinal comercial e medidas de desempenho. Assumiremos 250 dias de negociação por ano.
Barra lateral: média móvel única.
O caso de uma única média móvel. Podemos usar essa função para fazer uma única média móvel, definindo o primeiro parâmetro como 1.
Barra lateral: melhor parâmetro.
Execute uma varredura de parâmetros para identificar a melhor configuração.
Estimar parâmetros em uma variedade de valores.
Retorne ao caso de média móvel e identifique o melhor.
Trate o melhor Ratio Sharpe.
Avalie o desempenho em dados de validação.
Incluir custos de negociação.
Vamos adicionar o custo de negociação associado ao spread de oferta / pedido. Isso nos aproximará do lucro real que poderíamos esperar. Como um exercício, você deve estender isso para considerar os custos de negociação adicionais e as considerações de deslizamento.
Determine a melhor frequência de negociação (considerando intradiário)
Carregar em dados de 1 minuto e entrar em conjuntos de dados de teste / validação.
Melhor modelo Lead / Lag para dados mínimos com consideração de freqüência. Use computação paralela para acelerar os cálculos (parfor in leadlagFun)
Use meus núcleos no meu laptop (um quadcore com hyperthreading, então 8 núcleos virtuais).
Execute a varredura de parâmetros.
Observe que o atraso de 100 está no limite da nossa varredura de parâmetros, vamos ampliar a pesquisa um pouco mais. Eu corri isso anteriormente e o máximo é de cerca de 30 minutos, então vamos restringir nossa varredura (por considerações de tempo).
Melhor desempenho em dados de validação.
Este é o resultado se o aplicamos aos restantes 20% (conjunto de validação) dos dados.
Vamos agora adicionar um indicador RSI e ver se podemos fazer melhor (AlgoTradingDemo2.m).
Uma estratégia de negociação baseada no relacionamento lead-lag entre o índice spot e o contrato de futuros para o FTSE 100.
Este artigo examina a relação de lead-lag entre o índice FTSE 100 e o índice de preços futuros, empregando uma série de modelos de séries temporais. Usando observações de 10 minutos de junho de 1996 a 1997, verificou-se que as mudanças atrasadas no preço do futuro podem ajudar a prever mudanças no preço à vista. O melhor modelo de previsão é do tipo de correção de erros, permitindo a diferença teórica entre preços spot e futuros de acordo com o custo do relacionamento de transporte. Essa habilidade preditiva é, por sua vez, utilizada para derivar uma estratégia de negociação que seja testada em condições reais para buscar oportunidades comerciais sistemáticas lucrativas. É revelado que, embora as previsões do modelo produzam retornos significativamente maiores do que um benchmark passivo, o modelo não conseguiu superar o benchmark depois de permitir os custos de transação.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.
Verifique este artigo em outro lugar.
Biografias: Chris BROOKS é um Leitor de Econometria Financeira no ISMA Center, University of Reading. Os seus interesses de pesquisa são na área de econometria financeira, principalmente modelagem de séries temporais e previsão e gerenciamento de riscos, onde ele publicou amplamente.
Alistair REW é um estudante de doutorado no ISMA Center, University of Reading.
Stuart RITSON era um estudante de mestrado no ISMA Center, University of Reading.
Uma estratégia de negociação com base no relacionamento Lead-Lag entre o Índice Spot e Contrato de Futuros para o Ftse 100.
Publicado: 5 de dezembro de 2004.
Chris Brooks.
University of Reading - Centro ICMA.
Alistair Rew.
University of Reading - Centro ICMA.
Stuart Ritson.
University of Reading - Centro ICMA.
Este artigo examina a relação de lead-lag entre o índice FTSE 100 e o índice de preços futuros, empregando uma série de modelos de séries temporais. Usando observações de dez minutos de junho de 1996 a 1997, verifica-se que as mudanças atrasadas no preço do futuro podem ajudar a prever mudanças no preço à vista. O melhor modelo de previsão é do tipo de correção de erros, permitindo a diferença teórica entre preços spot e futuros de acordo com o custo do relacionamento de transporte. Essa habilidade preditiva é, por sua vez, utilizada para derivar uma estratégia de negociação que seja testada em condições reais para buscar oportunidades comerciais sistemáticas lucrativas. É revelado que, embora as previsões do modelo produzam retornos significativamente maiores do que um benchmark passivo, o modelo não conseguiu superar o benchmark depois de permitir os custos de transação.
Palavras-chave: Futuros de índice de ações, FTSE 100, Modelo de correção de erros, Regras de negociação, Precisão de previsão, Modelo de custo de transporte.
Chris Brooks (Autor do Contato)
University of Reading - ICMA Center (email)
Leitura RG6 6BA.
+44 118 931 82 39 (Telefone)
+44 118 931 47 41 (Fax)
Alistair Rew.
University of Reading - ICMA Center (email)
Leitura RG6 6BA.
Stuart Ritson.
University of Reading - ICMA Center (email)
Leitura RG6 6BA.
Estatísticas de papel.
Jornais relacionados.
Mercado de capitais: eJournal da microstrutura do mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
European eJournal Finance.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Links rápidos SSRN.
Rankings SSRN.
Sobre SSRN.
Os cookies são usados por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo3 em 0.156 segundos.
No comments:
Post a Comment