Melhorando As Regras De Negociação Média Móvel

Melhorando as Regras de Negociação da Moeda em Mudança com Boosting e Métodos de Aprendizagem Estatística. 8 Com o poder de previsão contingente ex ante de uma única média móvel, veremos a estabilidade dos retornos obtidos, ano após ano, pelas diferentes regras da média móvel. A Figura 1 mostra os retornos líquidos anuais de todas as 704 médias móveis consideradas de 1993 a 2002. Como mostramos na Figura 1, a variabilidade obtida por todas as médias móveis é alta, produzindo um considerável desajuste preditivo entre elas. Na Figura 2, onde o x - axis representa cada uma das 704 regras de média móvel, mostramos o retorno líquido anual médio (a linha oscilante no centro da imagem) das regras da média móvel durante o período de 10 anos considerado. As três linhas retas na Figura 2 correspondem ao retorno líquido anual médio obtido pela estratégia de Impulso filtrado, o Comitê filtrado e o modelo Bayesiano filtrado. As linhas oscilantes superior e inferior correspondem aos intervalos de confiança (m i 2s i. M i 2s i), onde m i e s i são, respectivamente, o retorno líquido anual médio e o desvio padrão do retorno líquido anual da regra i. A Figura 2 enfatiza vários fatos. O retorno anual anual médio de cada regra da média móvel é positivo, o que mostra que as regras possuem algum poder preditivo, a estratégia de Impulso filtrado supera todas as regras de negociação e o Comitê (filtrado) e o Bayesiano (filtrado). Além disso, a rentabilidade das regras da média móvel varia todos os anos e é volátil e é possível um desajuste preditivo. Figura 1. Rendimentos líquidos anuais de todas as 704 médias móveis consideradas de 1993 a 2002 Por outro lado, o intervalo de confiança correspondente à estratégia de Impulso filtrado (que foi obtido como retorno anual anual médio dois desvios-padrão da rede líquida anual Retorno da regra obtida com aumento) é (0,0530, 0,2059) (mi 2s i. Mi 2s i), o que significa que é mais útil, menos volátil e mais robusto que qualquer regra de média móvel. Uma terceira maneira de observar a variabilidade do poder preditivo das regras da média móvel é considerar o percentil dos retornos obtidos pela melhor regra para cada período anual entre 1993 e 2002, como mostrado na Tabela II. Na primeira coluna da Tabela II é apresentada a média móvel com retorno líquido elevado durante o ano correspondente. As próximas 10 colunas da tabela são o percentil dos retornos líquidos anuais desta melhor regra na distribuição dos retornos líquidos anuais do universo de 704 médias móveis consideradas. Assim: percentil da regra R (número de regras com regra de retorno líquido R) número total de regras. Por exemplo, a regra média móvel mais importante em 1993 foi de 1, 140, 0, mas foi no percentil 47,22 em 1994 e no percentil 72,73 em 1995, etc. A regra da maioria das profissões durante 1994 foi de 10, 80, 10 , Mas foi no percentil 88,99 durante 1993 e no percentil 68,18 em 1995, e assim por diante. Observe que, em várias das colunas da Tabela II, existem várias médias móveis no percentil 100. Isso significa que existem várias médias móveis com o mesmo retorno líquido máximo durante este ano. Conseqüentemente, as Figuras 1 e 2 e Tabelas I e II sugerem que um poder de previsão contingente para médias móveis, ou seja, sua capacidade para obter retornos positivos líquidos é o tempo variando. Portanto, Figura 2. Retorno líquido anual médio (linha ondulada no centro da imagem) de cada uma das 704 regras da média móvel durante o período de 10 anos considerado. As linhas retas correspondem ao retorno líquido anual médio que pertence à estratégia de Impulso filtrado (linha negrito), à estratégia de Comitê filtrado (linha pontilhada) e à estratégia Bayesiana filtrada (linha fina). As linhas ondinhas superior e inferior correspondem aos intervalos de confiança (mi 2s i. Mi 2s i) onde mi e si são, respectivamente, o retorno líquido anual médio eo desvio padrão do retorno líquido anual da regra iImproving Regras de negociação média móvel Com Boosting e métodos de aprendizagem estatística. 11 Número de médias móveis (menor, igual a maior). Foi de 74,58 e o retorno líquido correspondente ao modelo de Boosting filtrado foi de 69,80. Observe também que as estratégias obtidas a partir da filtragem dos métodos de aprendizagem estatística no subperíodo ascendente tornam-se pior do que as estratégias não-filtradas, com exceção do modelo impulsionador. Neste subperíodo ascendente, a relação Sharpe da estratégia BampH (0.0631) é superada pela melhor média móvel, cuja relação Sharpe é (0.0657). Além disso, a melhor relação ideal ideal (0,1075) foi obtida pela estratégia BampH. Esses resultados, que sinalizam a supremacia da estratégia BampH sobre todos os métodos de aprendizagem durante um período de crescimento do mercado, não são estranhos. No entanto, como podemos ver na Tabela IV, o comportamento das regras técnicas de negociação com base nos métodos de aprendizagem foi o oposto completo durante o subperíodo das quedas. Assim, todos os métodos de aprendizagem superaram o retorno da estratégia BampH, especialmente o modelo de Boosting filtrado. De 2 de setembro de 2000 a 31 de dezembro de 2002, enquanto o retorno da estratégia BampH foi de 35,92, o retorno líquido do modelo de impulsionamento filtrado foi de 12,47, o que supera os outros métodos de aprendizagem estatística (21,85 para o Comitê filtrado e 14,59 para o fi Modelo bayesiano esterilizado) tanto quanto o melhor modelo de média móvel (13,19). Por outro lado, a relação de Sharpe do modelo de Boosting filtrado (0.0224) é maior do que a de BampH (0.0485) e muito maior do que a relação de Sharpe do Comitê filtrado (0.0919) e do modelo Bayesiano filtrado (0.0618) . O mesmo acontece com a proporção de lucro ideal, que é de 0,0249 para o modelo de Boosting filtrado, enquanto é de 0,0718 para a estratégia BampH. Portanto, embora o modelo de Boosting filtrado não seja capaz de superar a estratégia de BampH durante os períodos de crescimento (Tabela III), os resultados obtidos (Tabelas I e IV) sugerem que o modelo de Impulso filtrado é capaz de absorver uma parte considerável das quedas no mercado. 169 2017. , (Word). -.