웨이블릿 거래 전략

Wavelet 거래 전략
웨이블릿 분석 - 조기 경보 시스템 순환.
사이클은 영원히 살지 않습니다.
일정주기를 듣고 105 일 동안 특정 금융 상품에 강세가 있다고 가정 해 봅시다. 이주기를 나타 내기 위해 사용 된 시간 범위는 언제인지 물어보십시오. 일관되게 주식 시장에서 일하는주기를 찾는 것은 불가능하다는 사실을 과학적 사실로 받아 들여야합니다. 특수한 수학 절차가있어 지속적으로 작동하는 사이클 (존재하는 경우에만)을 즉각적으로 나타냅니다. 이 분석은 끊임없이 작동하는 거래 가능한 사이클의 존재를위한 어떤 기회도 남기지 않습니다. 이 분석은 장기주기 (연차, 주방, Juglar주기)의 존재를 나타내지 만 이러한주기는 상인에게 너무 길다.
순환 분석이 주식 시장에 적용 가능하지 않다는 것을 의미합니까? 아닙니다. 우리는주기가 그들 자신의 "삶"으로 살아가는 것을 받아 들여야합니다. 그들은 태어나고 살고 마침내 죽습니다. 사이클의 수명은 제한적이므로이 사실을 처리해야합니다. 제가 아는 바와 같이 역사적으로이 접근법을 주식 시장에 적용한 사람은 John F. Elder였습니다. 그것은 MESA 분석으로 알려져 있습니다. 우리는이 접근 방식을 더욱 발전시키고 있습니다. 시작하겠습니다.
무슨 잔물결 이니?
웨이블릿은 시간적으로 제한된 웨이브입니다. 그것은 일정한 물결의 조각입니다. 아래 그림에서 웨이브 렛과 함께 일반 웨이브를 볼 수 있습니다.
정규 파는 시간에 제한되지 않지만, 웨이블릿은 일정한 시간 간격 내에 존재한다. 웨이블릿 기술은 1990 년대에 많이 개발되었습니다. 요즘 많이 사용됩니다. 예를 들어, 휴대 전화를 사용하여 전화를 걸 때 휴대 전화가 음성을 웨이블릿 묶음으로 포장하는 경우와 같이이 방법을 사용하면 트래픽을 많이 줄일 수 있습니다.
이 아이디어의 주식 시장 적용을 위해, 가장 중요한 특징은 웨이블릿 다이어그램이다. 다음 다이어그램의 예입니다.
웨이블릿 다이어그램을주기의 역사로 사용할 수 있습니다. 그것은 즉시 모든 사이클의 생체를 보여줍니다 : XXXX에서 태어 났으며, YYYY 내에 무언가를했고, ZZZZ에서 사망했습니다.
수평 적색 / 노란색 줄무늬는주기의 BIO, 수명 길이를 나타냅니다. 가로축은 TIME을 나타내고 세로축은이주기의 PERIOD를 나타냅니다. 고온 영역 (빨간색과 노란색 영역)은 활성 영역을 나타내며주기가 활성화되는주기입니다.
이 다이어그램을 보면 2007 년 중반부터 2010 년 초까지 117 일의주기가 주식 시장에서 활발하게 진행되었다고 말할 수 있습니다.
그래서이 다이어그램을 보면 우리는 주식 시장에서 얼마나 많은 사이클이 활발하게 진행되고 있는지, 그리고 각 사이클의 생체 (신생아인지, 젊고 강한 지 또는 약하고 약한 지 여부)를 쉽게 말할 수 있습니다.
다른 수평 적색 줄무늬를 보시면 189 일의 기간에 해당합니다 :
이 사이클은 너무 강하지 않습니다 (줄무늬의 색은 117 일 사이클만큼 밝지 않다고 말함). 그러나 적어도이 사이클은 2007 년부터 활성화되어있는 것처럼 보입니다.
56 일주기에도주의를 기울이는 것이 좋습니다.
단기주기를 강조하기 위해이 슬라이드 막대의 위치를 ​​다양하게 지정할 수 있습니다.
그래서, 우리의 목표는주기를 가능한 한 빨리 밝히는 것입니다. 주기가 모두 분명 해지면이주기가 약 해지고 시간이 끝났음을 알리는 신호입니다 (이것은 효율적인 시장 이론이 순환 분석에서 작동하는 방식입니다).
조기 경보 시스템.
나는 군대에서 좋은 비유를 발견했다. 그들은 탄도 미사일 조기 경보 시스템과 같은 것을 가지고있다. 이것은 가능한 한 일찍 적의 미사일을 발견하는 시스템이다. 이와 마찬가지로 우리의 주요 목표는 가능한 한 조기에 젊고 강한 사이클을 드러내는 것입니다. 그렇지 않으면이 사이클이 무인화되어 우리의 거래 전략이 파괴 될 수 있습니다.
웨이블릿 기술을 상인에 대한 조기 경고 시스템으로 사용할 수 있습니다. 새로운주기가 활성화되면, 빨간색 수평 스트라이프가 웨이블릿 다이어그램에 나타납니다. 이것이 "빨간색 알림"이므로이주기에주의를 기울여야합니다. 이주기를 지켜보십시오. 이주기가 얼마나 오래 지속될 지 모릅니다.
이 기법은 여기에서 매우 쉽습니다. 이는 "드래그 앤드 드롭 (drag and drop)"명령에 기초한다. 사이클 모델; 이 접근법은이 수업에서 설명합니다 : timingsolution / TS / Study / Classes / class_spectr_1.htm.
간단히 말해, 이것이 작동하는 방법입니다.
a) 스펙트럼 다이어그램에서 가장 영향력있는 사이클을 선택합니다. 다이어그램의 피크에 해당합니다. 피크 주변의 스펙트로 그램을 마우스로 클릭하면됩니다.
b) Cycles 상자에서 Main 화면으로이주기를 끌어 놓습니다 (또는 단추를 클릭하십시오).
c) 프로그램은 다음 사이클을 기준으로 투영 선을 계산합니다.
d) 나는 배음의 양과 주식 시장 매개 변수를 다양하게하는 것이 좋습니다.
이제 우리는 웨이블릿 모듈과 비슷한 절차를 수행합니다.
웨이블릿 모듈을 실행하면 프로그램의 스펙트럼 모듈에 있습니다.
& quot; 계산 & quot;을 클릭하면 다음과 같은 웨이브 렛 다이어그램이 표시됩니다.
이 버튼을 클릭하면 스펙트럼 모듈을 숨길 수 있습니다. 지금부터는 Wavelet 모듈 만 사용하게됩니다.
마우스 커서를 강한주기를 나타내는 빨간색 줄무늬로 이동하고 마우스 왼쪽 버튼을 클릭하십시오.
보시다시피이 프로그램은이 사이클을 싸이클 상자에 넣고이 사이클을 웨이브 렛 다이어그램의 수평선으로 표시합니다.
여러주기를 선택할 수 있습니다.
Cycle 상자에서 Main 화면 (또는 버튼을 클릭)으로이주기들을 드래그 앤 드롭하면 프로그램은 다음주기를 기반으로 즉시 투영선을 계산합니다 :
배음의 양을 변경하는 것이 좋습니다.
& quot;주기 상자 & quot;에서 모든주기를 삭제할 수도 있습니다. ( "Delete"버튼) 또는 모든 사이클을 삭제 ( "Clear"버튼) 할 수있다.
나는 "나이"에주의를 기울이는 것이 좋습니다. 주기의. 어떤주기의 나이도 그 기간에 계산됩니다. 예를 들어 지난 30 일 동안 10 일주기가 활성화 된 경우이주기의 기간은 3 전체 기간 (3x10 = 30)이라고합니다.
지난 200 일 동안 100 일 동안 활성화 된 다른주기를 고려해 보면이주기의 기간은 2주기라고합니다. 최소 2-3 기간의주기를 고려하는 것이 좋습니다. 주기의 나이를 확인하려면 마우스 커서를 웨이브 렛 다이어그램으로 이동하면서 빨간색 막대를 살펴보십시오. 이 3 개의 빨간색 막대는 3 사이클의 시간 간격을 나타냅니다.
웨이브 렛 다이어그램의 빨간색 스트라이프는 최소한 3 사이클주기의 시간 간격을 포함해야합니다.
주기를 선택하는 규칙은 다음과 같습니다.
1) 스트라이프가 밝아야합니다 (빨간색 또는 노란색 색상).
2) 스트라이프는 충분히 길어야하며 (주기적으로) 사이클의 최소 2-3주기를 커버해야합니다.
3) 핫 존이 좁아야합니다.
계산이 너무 느린 경우.
1) 전체 가격 이력을 다운로드하는 것이 아니라 가장 최근의 가격 이력 만 다운로드하십시오.
1000-2000 마지막 가격대로 충분합니다.
2) 최대 기간을 줄이십시오 :
인 데이 데이에 대한 참고.
일중 데이터의 경우 프로그램이 자동으로 막대 메트릭을 전환합니다. 즉주기의 기간은 바 (시간, 일이 아닙니다)로 측정됩니다. 따라서 웨이브 렛 다이어그램의 세로 스케일은 막대 그래프를 보여줍니다.

Wavelet 거래 전략
App Store를 통해 가져 오기 우리의 응용 프로그램 에서이 게시물을 읽으십시오!
Trading의 디지털 신호 처리.
John Ehler가 처음 만든 신호 처리로 시장을 거래하거나 관찰하는 개념이 있습니다. 그는 그것에 대해 3 권의 책을 썼다.
MAMA, Hilbert 변환, Fisher 변환 (FFT 대체), Homodyne Discriminator, Hilbert Sine Wave, Instant Trendline 등과 같이 일부 거래 소프트웨어 (MetaStock조차도)에서 광범위하게 수용되고 사용되는 지표 및 수학 모델이 ​​많이 있습니다. John Ehler.
그러나 그것이 바로 그 것이다. 나는 존 에러 (John Ehler)가이 분야에서 공부하는 것 외에는 아무도 들어 본 적이 없다. 디지털 신호 처리를 배우는 것이 가치 있다고 생각하십니까? 결국, 각 거래는 신호이고 막대 그래프는 이러한 신호의 다소 필터링 된 형태입니다. 그것은 의미가 있습니까?
웨이블릿은 "기본 분해"의 한 형태 일뿐입니다. 특히 웨이블릿은 주파수와 시간 모두에서 분해되므로 푸리에 (fourier) 또는 다른 순전히 주파수 기반 분해보다 유용합니다. 다른 시간 - 주파수 분해 (예 : HHT)도 탐색해야합니다.
가격 시리즈의 분해는 일련의 기본 동작을 이해하는 데 유용합니다. 일반적으로 분해와 함께, 원래의 신호는 그 기초 성분들 (잠재적으로 몇몇 스케일링 승수와 함께)이다. 구성 요소는 최저 주파수 (샘플을 통과하는 직선)부터 최고 주파수까지 다양하며 N / 2에 근접하는 최대 주파수로 진동하는 곡선입니다.
이것이 얼마나 유용한가.
시리즈에서 피벗을 결정하는 동작의 주요 구성 요소를 결정하는 시리즈를 나타냅니다.
노이즈 제거는 분해 된 성분을 합산하여 시리즈를 재구성하여 최종 몇 가지 가장 높은 주파수 성분을 줄이는 것입니다. 이 denoised (또는 filtered) 시리즈는 잘 선택하면 종종 핵심 가격 프로세스에 대한 견해를 제시합니다. 같은 방향으로 계속되는 것으로 가정하면 앞으로 짧은 기간 동안 탈출하는 데 사용할 수 있습니다.
시계열이 실시간으로 눈에 띄게됨에 따라 다른 방향의 가격 움직임이 중요한지 또는 소음인지를 결정하기 위해 노이즈 제거 (또는 필터링) 가격 프로세스가 어떻게 변화 하는지를 볼 수 있습니다.
키 중 하나는 특정 상황에서 재구성해야 할 분해 수준을 결정하는 것입니다. 수준이 너무 낮 으면 (낮은 주파수) 재구성 된 가격 시리즈가 이벤트에 매우 느리게 응답한다는 것을 의미합니다. 너무 많은 레벨 (높은 주파수)은 빠른 응답을 의미 할 것이지만, 일부 가격 체제에서는 너무 많은 소음 일 수 있습니다.
시장이 횡 방향 움직임과 운동량 움직임 사이를 이동하면, 필터링 과정은 정권에 적응하여 곡선을 투사하는 움직임에 다소 민감해질 필요가 있습니다. 정량에 따라 일정 비율을 목표로 필터링 된 시리즈의 힘과 원가 시리즈의 힘을 비교하는 등 여러 가지 방법으로이를 평가할 수 있습니다.
매끄럽고 적절하게 반응하는 신호를 얻기 위해 웨이블릿이나 다른 분해를 성공적으로 사용했다고 가정하면, 파생 상품을 취하여 가격 시리즈가 진행됨에 따라 최소값과 최대 값을 검출 할 수 있습니다.
끝점에서 곡선의 기울기가 적절한 방향으로 투영되도록 끝점에서 "양호한 동작"을 갖는 기초가 필요합니다. 타임즈 리가 눈에 띄지 만 위치 적으로 편향되지 않도록 엔드 포인트에서 일관된 결과를 제공해야합니다.
불행하게도, 나는 위의 문제를 피하는 웨이블릿 기초를 전혀 모르고있다. 더 나은 선택을 할 수있는 몇 가지 기본이 있습니다.
웨이블릿을 추구하고 그들 주위에 거래 규칙을 만들고 싶다면 많은 연구가 필요합니다. 개념은 좋지만 원하는 분해능을 얻으려면 다른 분해 기초를 찾아야합니다.
나는 무역 의사 결정을 위해 분해를 사용하지 않지만, 시장 정권 및 기타 역진 측정을 결정하는데 유용하다는 것을 알았다.
보간 방법과 외삽 방법을 구별하는 방법을 조사해야합니다. 과거를 되풀이하는 모델을 만드는 것은 쉽습니다 (어떤 보간 체계도 그 트릭을 수행 할 것입니다). 문제는 그 모델이 미래에 대해 외삽 할 때 전형적으로 가치가 없다는 것입니다.
"cycles"라는 단어를 듣거나 볼 때 붉은 깃발이 올라와야합니다. "Fourier Integral", "Fourier Series", "Fourier Transform"등의 응용 프로그램을 파헤 치면 충분한 빈도로 모든 소매업 종사자가 시간 시리즈를 나타낼 수 있다는 것을 알게 될 것입니다 ". 문제는 예측력이 전혀 없다는 것입니다.
Fourier 방법이 엔지니어링 / DSP에서 유용한 이유는 "신호"(전압, 전류, 온도 등)가 일반적으로 회로 / 기계에서 반복적으로 발생하기 때문입니다. 결과적으로 보간은 외삽과 관련이 있습니다.
R을 사용하는 youre에서는, 시도 할 것이다 약간 hacky 부호가 여기에서있다 :
Ehler의 웹 사이트에는 논문을 무료로 다운로드 할 수있는 코드가있는 기술 논문 섹션이 있으므로 직접 해보기를 시도 할 수 있습니다. 나는 개인적으로 그의 아이디어 중 일부를 취해 그물에있는 다른 독서, 포럼 등과 결합 시켰으며 거래에 DSP를 적용하는 것이 큰 약속을 보여주고 분명히 가치있는 조사라고 생각합니다. 관심이 있으신 분은 여기에이 원칙을 적용하는 과정에 대한 블로그를 작성하고 있습니다.
언급하고있는 DSP 기술은 반복되는 신호에는 좋지만 무작위 신호 (예 : 가격 변동)에는 적합하지 않습니다. 큰 소음 환경 (GPS는 마음에 오는 것입니다)에서 약한 신호를 추출하는 데 적합한 몇 가지 기술이 있지만 이러한 기술은 신호의 모양을 파악하는 데 달려 있으며 신호가 어떤 모습인지 알고 있으면 시장.
주기 분석 및 신호 처리는 계절 패턴에 유용 할 수 있지만 이러한 거래 접근 방식에 대한 자세한 내용을 알지 못했을 때 나는 단지 거래를위한 신호 처리 학위를 고려하지 않았습니다. 표준 엔지니어링 유형 문제에 대해 배운 내용을 적용하면 만족 스럽습니까. 거래가 충분하지 않을 경우 문제가 될 수 있습니다.
DSP와 시계열 분석은 같은 것입니다. DSP는 engingering "lingo"를 사용하고 시계열 분석은 수학적인 "용어"를 사용하지만 모델은 꽤 모범적입니다. 쉴러의 사이버주기 표시기는 ARMA (3,2)입니다. Ehlers는 몇 가지 독특한 아이디어를 가지고 있습니다 : 무작위 변수의 단계의 의미는 무엇입니까?
이른바 "기술 지표"는 모두 잊어 버리십시오. 그들은 쓰레기입니다, 특히 당신이 돈을 쓰지 않는다면 그것들을 사용하는 방법을 알아야합니다. 나의 충고 : 좋은 웨이블릿 책을 사서 자신 만의 전략을 세워라.
저는 John Ehler의 Fisher Transform이 Heikin-Ashi tick chart에서 거래 선물의 지표로서 유용하다는 것을 알았습니다.
내 전략에 의존하지만 신뢰할 수있는 날이 아니더라도 신뢰할 수있는 것으로 입증되지 않았기 때문에 전체 자동화 시스템을 기반으로하는 것은 충분히 신뢰할 수 있다고 생각하지 않지만 오늘날의 유행 일에는 매우 유용 할 수 있습니다. (설명하기 위해 차트를 게시하게되어 기쁩니다. 그러나 나는 평판이 필요하지 않습니다)

Wavelet 거래 전략
현재 우리는 TSSB에서 개발 된 시스템의 실시간 거래를위한 간단하고 우아한 방법을 아직 완성하지 못했습니다. 그러나 프로그램의 현재 화신 (incarnation)에서 이러한 시스템을 교환 할 수있는 여러 가지 방법이 있습니다.
'다음 날'에 대한 일일 거래를 수행하고 시스템의 교육 시간이 지나치지 않으면 (빠른 교육 시간이 가장 일반적인 상황 임), 그러나 2 개의 추가 & lsquo; fake & rsquo; 시장 기록. TRAIN 명령을 실행하고 WRITE DATABASE 명령을 실행하십시오. 이것은 다른 것들 중에서 다음날에 대한 예측 된 시장 운동을 포함하는 표준 텍스트 파일을 생성 할 것입니다. 교육을 통해 생성 된 로그 파일에는 길고 짧은 위치를 차지하는 임계 값이 나열됩니다. 예측 된 시장 움직임을 이러한 기준치와 비교하고 이에 따라 직위를 결정하십시오. 사용자가 fake & lsquo; tomorrow & rsquo;를 추가해야하기 때문에이 방법은 불편합니다. 시장 기록 파일에 기록한다. 그러나이 방법의 장점은 모든 TSSB 모델과위원회의 모든 권한이 거래 의사 결정에서 호출 될 수 있다는 것입니다.
TSSB는 내일 아침에서 다음 아침으로의 변화를 예측합니다. 예를 들어, 거래일 10 일을 마감했다고 가정합니다. 11 일의 영업일부터 12 일의 영업일까지의 변화를 예측합니다.
다시 말하지만 우리가 10 일을 마감 한 것으로 가정하십시오. 그러면 데이터베이스의 가장 최근 사례는 9 일에서 10 일까지의 변화를 목표로하는 8 일째가 될 수 있으며 가장 최근의 날은 10 일입니다.
9 일째가 데이터베이스에있을 수있는 방법은 없습니다. 11 일째가 열려야하고 아직 도착하지 않았기 때문입니다.
따라서 10 일이 끝나면 11 일과 12 일에 2 개의 가짜 레코드를 추가해야합니다 (단지 10 일 중복).
이 방법으로 데이터베이스의 가장 최근 기록은 10 일째되는 날이 될 것이며 예측 된 날 11 일에서 12 일 사이의 변경 사항이 10 일에 끝나는 기록을 기반으로 변경됩니다. 물론 이것은 실시간 거래에 필요한 것입니다.
이것들은 TSSB의 현재 버전에서 유일하게 두 가지 가능성이 있습니다. 그러나, 우리는 현재 사용하기 쉬운 TradeStation 인터페이스를 설계하고 있습니다. 사용자는 TSSB에서 거래 시스템을 개발 한 다음 전체 규칙 세트 (모델, 위원회, 임계 값 등)를 단일 파일로 내 보냅니다. 이 파일은 TradeStation이 시작될 때 자동으로 읽히므로 사용자는 TradeStation에서 긴 위치를 열 때 +1 값을, 짧은 위치를 열 때 -1 값을 취하는 단일 표시기에 액세스 할 수 있습니다. 상인이 중립적 일 때 0. 이 TradeStation 인터페이스의 배송 날짜는 TSSB 사용자의 자금 지원에 따라 다릅니다. 우리는이 향상을 위해 견적을 제공 할 수 있습니다. 이해 관계자는 계약 페이지를 통해 David Aronson에게 연락해야합니다.
모델 개발 및 성과 결과에 거래 비용을 포함합니다.
거래 비용은 최적화 된 모델의 성격에 중대한 영향을 미칠 수 있으며 그 효과는 실제로보고 된 성과 수치에 포함되어야합니다. 예를 들어, 중요한 거래 비용은 거래 비용을 고려하지 않고 개발 된 모델에 비해 적지 만 신뢰성있는 거래를하는 모델을 선호합니다. 또한, 개발 된 거래 시스템이 수많은 거래를하는 경우, 미끄러짐 및 수수료로 인해 수익성이 높은 시스템을 쉽게 손실 시스템으로 전환 할 수 있습니다.
정권 분류를위한 숨겨진 마르코프 모델.
하나의 모델이 다양한 시장 정권 (높은 변동성과 낮은 변동성, 강한 경향과 편평한 시장 등)을 효과적으로 처리 할 수 ​​있다고 기대하는 것은 비현실적입니다. 최고의 예측 시스템은 단일 체제를 전문으로합니다. 현재 Oracles, 이벤트 트리거링 및 분할 선형 모델을 통한 정권 정의 방법은 변수에 고정 된 임계 값을 사용합니다. 이 방법은 훌륭하고 유용하지만 최적은 아닙니다. 여러 변수에 대한 정권 정의를 기반으로하고 상관 관계를 고려하면 훨씬 더 낫습니다. 또한, HMM 모델은 전이 확률을 허용하여 다른 정권의 경계에있는 휩쓸기를 저지합니다. 정권이 유효하게 유지되거나 다른 정권으로 변경 될 가능성이있는 최적 추정치를 사용함으로써 TSSB가 현재 소유하고 있지 않은 능력 인 정권 안팎으로의 신속하고 반복적 인 이동을 억제 할 수 있습니다.
Janus Factor†in (Bloomberg Press 2012)에서 Gary Anderson이 묘사 한 상대 강도 지표
이 매혹적인 상대 성과 지표 군에 대한 초기 탐험은 상당한 가능성을 보여줍니다. 우리는이 가족의 가장 근본적인 구성원을 적어도 TSSB 도서관에 추가 할 것을 제안합니다. 그들은 주식 우주 내의 순위 섹터 또는 개별 이슈에 기반한 거래 전략 개발을위한 강력한 향상이 될 것입니다.
플롯 된 주식 곡선에 신뢰 밴드를 표시하십시오.
신뢰 곡선을 우리가 구상하는 주식 곡선에 겹쳐 놓는 것이 좋을 것입니다. 이를 통해 사용자는 샘플 밖의 형평성 곡선의 관련성을 시각적으로 평가할 수 있습니다. 예를 들어, 커브가 인상적이고 신뢰 구간이 좁은 경우 사용자를 격려합니다. 그러나 신뢰도가 낮은 밴드가 평탄한 밴드에 가까워 지거나 손실을 보일지라도 사용자는 빠르게 상승하는 주식 곡선에 깊은 인상을받지 않을 것입니다.
벤치 마크 된 성능을 기반으로 모델을 개발하십시오.
많은 개발자는 거래 시스템을 개발할 때 장기적인 시장 동향을 활용해야한다고 생각합니다. 예를 들어 장기간의 상승 편향성이있는 주식 거래 시장에서는 긴 포지션을 선호 할 수 있습니다. 그러나 많은 사람들은 추세의 위치 - 편향 효과를 제거하는 것이 모델의 진정한 예측력을 나타낼 것이라고 믿습니다. 이 철학 아래 추세를 이용하지 않고 성능을 최대화하는 모델을 개발해야합니다. 거래 시스템의 성과를 두 가지 구성 요소로 분리하는 방법은 세속적 인 추세를 이용하는 직책을 선호하는 것과 진정한 예측력 때문입니다. 현재 TSSB는 지표 선택과 최적화 된 거래 기준을이 두 수량의 합계에 기초합니다. 우리는 TSSB 선택 지표와 트렌드로 인한 위치 바이어스에 의해 오염되지 않은 진정한 예측력만으로 거래 임계 값을 선택하는 옵션을 추가 할 것을 제안합니다. 이는 추세와 위치 편향 간의 상호 작용을 기반으로하는 벤치 마크와 관련하여 성능을 최적화하여 수행됩니다.
형평성 곡선을 기반으로 한 OOS 성능을위한 P 값.
거래 시스템의 성과를 적절하게 평가하기 위해서는 미래의 성과에 대한 편견없는 추정치와 진정으로 쓸모없는 시스템이 수행했을 확률 (p - 값)과 우리 시스템이 다시 계산했을 때의 두 가지 수량을 계산해야합니다 테스트. TSSB는 현재 향후 성능에 대한 편견없는 추정치를 제공하기위한 몇 가지 우수한 알고리즘을 보유하고 있습니다. 또한 p 값을 계산하는 몇 가지 방법이 있습니다.
몬테 - 카를로 순열 법 (Monte-Carlo Permutation Test)은 표적이 어느 날 앞을 내다 볼 때 p - 값을 추정합니다. 이 테스트는 하루보다 긴 Look-ahead에 대해서는 유효하지 않습니다. 테이퍼 블록 부트 스트랩 및 TSSB의 고정 부트 스트랩은 이론적으로 모든 미리보기를 처리 할 수 ​​있지만 실제로는 신뢰할 수 없습니다. 순열 학습은 전체 과거 데이터 집합에 대해 p - 값을 제공합니다. 그러나 극도로 천천히, 때로는 천천히 천천히. 또한 미래의 예상 실적 추정치가 근거로하는 워크 플로우 OOS 기간 이전의 과거 데이터를 포함하기 때문에 오도 된 결과를 초래할 수 있습니다. 예를 들어, 1995-2012 년의 데이터를 사용하여 시스템을 개발하려는 경우 2005 년에 워크 포워드 테스트를 시작하기를 원합니다. p 값이 중요하고 OOS 기반 예상 미래 성능이 우수하다는 것을 알 수 있습니다. 그것은 유망한 것으로 들린다. 그러나 중요한 p-value가 엄격하게 pre-2005 데이터에서 나온다면 어떨까요? 좋은 p - 값을 제공하는 데이터와 좋은 편견을 가진 성능 추정치를 제공하는 데이터는 겹치지 않습니다!
따라서, 우리는 TSSB의 현재 가치 평가 방법 중 어느 것도 이상적이지 않다는 것을 알 수있다. 다른 대안을 추가하는 것이 좋습니다. OOS 기간에 획득 한 지분 곡선의 기본 p 값. 이는 미리보기 거리가있는 대상을 처리하며 p 값은 향후 성능에 대한 불편 추정에 사용 된 것과 동일한 기간을 기준으로합니다. 마지막 보너스로, 다음 섹션에서 설명하는 워크 플로우 순열뿐만 아니라 OOS 유형 포트폴리오도 처리합니다.
순열을 이용한 워크 포워드 테스트.
우리의 기존 순열 훈련은 훈련 세트 성능을위한 p 값을 추정하는 강력한 방법입니다. 그러나 이것은 p 값과 워크 플로우 테스트에 의해 생성 된 예상 미래 성능을 분리합니다. 위의 형평 곡선에 기반한 OOS 성능의 P 값에 설명 된이 효과는 문제가됩니다. 바꾸어 말하면, 순열 훈련은 이용 가능한 전체 시장 이력 (훈련과 OOS 기간)을 기반으로 한 p 값을 계산하는 반면, walkforward 테스트는 OOS 기간만을 기반으로 한 미래의 예상 실적을 추정합니다. 별도의 시간대가되는 것은 좋지 않습니다. 이상적으로는 OOS 기간 이전 활동으로부터 엄청난 P 값이 얻어지는 상황을 피하기 위해 동일한 기간을 다루어야합니다. 이 문제에 대한 해결책은 퍼뮤 테이션을 워크 포워드 테스트로 확장하는 것입니다. 이것은 미래의 성과에 대한 비 편향된 추정치를 그것에 대한 p - 값과 직접 연결시킬 것이다. 또한, 순열 학습은 구성 요소 거래 시스템의 샘플 밖의 성능을 기반으로 선택된 포트폴리오의 p - 값을 계산할 수 없습니다. 워크 포워드 순열은 포트폴리오 구성에 내재 된 선택 편향을 정확하고 효율적으로 보상함으로써 이러한 한계를 극복 할 수 있습니다. 위에 설명 된 바와 같이 주식 곡선을 기반으로 p 값을 계산하는 것보다 walkforward 순열의 이점은 무엇입니까? 간단히 말해, 워크 플로우 순열에 의해 계산 된 p - 값은 대부분의 경우에 지분 곡선에 의해 계산 된 값보다 더 정확합니다. 이 차이는 일부 상황에서 상당히 클 수 있습니다.
형평성 곡선에 기반한 OOS 성능에 대한 “P 값에 대한 참고 사항 - 순열 형 “Walkforward 테스트.
위에서 설명한 두 가지 옵션은 기본적으로 동일한 작업을 수행합니다.
그들은 TSSB의 현재 버전이 일반적으로 잘 수행 할 수없는 OOS 기간의 p - 값을 계산합니다. 그들은 TSSB의 현재 버전이 전혀 수행 할 수없는 OOS 유형 포트폴리오의 선택 편향을 고려합니다.
그러나이 작업은 전혀 관련이없는 방식으로 수행되며 각 작업에는 장점과 단점이 있습니다.
지분 - 곡선 법은 순방향 순열 법보다 훨씬 빠르게 실행됩니다. 지분 - 곡선 법은 신뢰 곡선을 지분 곡선에 그리는 것을 용이하게합니다.
(이 두 가지 작업은 많은 코드를 공유하므로 동시에 프로그래밍하는 것이 효율적입니다.) 대부분의 상황에서 순열 법은 지분 - 곡선 방법보다 상당히 정확하고 (계산시 임의 오류가 적은) p - 값을 제공합니다. 그 (것)들은 더 귀중하다.
두 가지 방법의 차이점은 실행 속도와 결과 품질 간의 균형입니다.
물류 및 릿지 회귀.
이들은 일반 선형 회귀 (대부분의 비선형 모델보다 쉽게 ​​적용 할 수 있으며 쉽게 해석 할 수 있음)의 장점을 공유하지만 이상적인 데이터를 처리 할 수있는 능력면에서 더 정교한 вЂ¹mostmost-linear†™ 모델입니다 (시끄러운 목표물 상관 관계 예측 자).
우리의 현재 OPSTRING 모델은 수학적으로 무의미한 후보자를 평가 및 잠재적 복제를 위해 유전자 집단 풀에 가기 전에 제거함으로써 크게 향상시킬 수 있습니다. 이것은 유전자 최적화 알고리즘의 효율성을 향상시킵니다. 예를 들어, TSSB의 현재 버전의 OPSTRING은 임의의 불운에 의해 “X> X + 1 "과 같은 용어를 포함 할 수있다. 인구에서 분명히 X는 X + 1을 초과 할 수 없습니다. 이것은 항상 거짓이므로 넌센스 용어입니다. 결국 유전자 풀에서 제거 될 것이지만, 이것이 발생할 때까지 계산 자원이 낭비 될 것입니다.
제한 주문이있는 포지션을 엽니 다.
현재 TSSB 라이브러리에서 사용 가능한 목표는 거래가 신호를 받으면 즉시 시장 주문으로 개설한다고 가정합니다. 우리는 거래 신호에 반응하는 목표를 추가 할 수 있습니다.
CUDA 프로세싱을 통한 PC의 슈퍼 컴퓨터 성능.
최신 nVidia 비디오 디스플레이 카드는 CUDA 인터페이스라고 부르는 것을 통해 사용자가 사용할 수있는 방대한 병렬 처리 능력을 제공합니다. 일반적인 회귀 신경망과 같은 최상의 비선형 모델은 훈련이 매우 느릴 수 있으므로 매우 큰 문제에 대해서는 비실용적입니다. 프로그래밍 최고의 모델을 구현 한 CUDA를 사용하면 수백 또는 수천 배의 속도로 교육을 가속화 할 수 있으므로 교육 시간이 몇 초에서 몇 초로 단축됩니다.
더 많은 실적 통계.
TSSB는 현재 개발 된 거래 시스템에 대한 제한된 성능 통계를 계산하고 인쇄합니다. 다른 상용 제품은 방대한 통계를 보여줍니다. 우리는 program†™ s 결과 파일에 통계를 더 추가 할 수 있었다.
포트폴리오 최적화 기준 강화.
TSSB는 현재 Sharpe Ratio를 최대화하여 포트폴리오 구성원을 선택합니다. 이것은 우수하지만, 많은 사용자는 리턴 - 드로 다운 비율을 최대화하는 것과 같은 다른 최적화 기준을 사용하고자합니다.

수익성있는 신경망 전략.
이미 계정이있는 경우 페이지 상단에 로그인하십시오.
우리는 돕기 위해 왔습니다. 우리에게 필요한 것을 알려주세요. 우리는 지역 사회에서 일을 긍정적으로 유지하기 위해 열심히 노력합니다. 우리는 무례한 행동, 조업 또는 게시물에 광고하는 업체를 용납하지 않습니다. 우리는 굳게 믿으며 공유를 장려합니다. 성배는 당신 안에 있고, 우리는 당신이 그것을 찾을 수 있도록 도울 수 있습니다. 우리는 회원들이 지역 사회에 참여하고 참여할 것으로 기대합니다. 다른 사람들을 도우면서 자신을 도와주세요.
스레드의 내용을보고 커뮤니티에 기여하기 위해 등록해야합니다. 그것은 무료이며 간단합니다.
수익성있는 신경망 전략.
1) 변화하는 것을 멈추십시오. 새로운 지표, 차트 또는 방법이 없습니다. 먼저 무엇이 당신 앞에 있는지와 일치하십시오.
2) 일기를 시작하고 매일 자신의 강점과 약점을 보여주기 위해 만든 거래로 게시하십시오.
3) 매일 목표를 달성하십시오. 얼마나 많은 돈을 벌지 않고 거래하는 방법을 알려주십시오.
4) 귀하의 행동에 대한 책임을지지하십시오. 열악한 성능을 설명하기 위해 다른 곳을 보지 마세요.
5) 상인으로 시작하는 곳은 어디입니까? 이 웹 세미나를보고 수백 가지 질문과 답변을 찾으십시오.
6) 포럼 사용에 대한 도움? 이 비디오를 통해 사이트 사용에 대한 일반적인 정보를 얻을 수 있습니다.