Erforschung von Handelssystemen. Zwei Ansätze: Data Mining und Statistik vs. Marktstrukturforschung

Erstellen von Handelsstrategien basierend auf Mittelwertumkehr und Momentum

Ansichten: 480
Lesezeit: 6 min



Ich denke, Forschungen zu Handelssystemen sind das Hauptproblem beim Aufbau von Handelsstrategien. Unser Hauptziel ist es, eine Strategie zu entwickeln, die in Zukunft erfolgreich sein wird und nicht nur auf Backtests (Kurvenanpassung) basiert. Aus diesem Grund halte ich es für richtig, das Thema mit der Beschreibung der beiden Ansätze zur Erstellung von Handelsstrategien zu beginnen.

Zwei Ansätze zur Erforschung von Handelssystemen: Data Mining und Statistik vs. Marktstrukturforschung

Marktstrukturforschung

Marktstrukturforschung

Verständnis des Wesens der Ineffizienz, das den Systemeinnahmen zugrunde liegt. Für Spekulationen kann die Grundlage dafür in Buffetts Aphorismus ausgedrückt werden: "Wenn Sie eine halbe Stunde lang Poker gespielt haben und immer noch nicht wissen, wer der Patsy ist, sind Sie der Patsy." Wenn Sie nicht wissen, wer an der Börse verliert, verlieren Sie. Sie sollten es wissen, wenn Sie handeln. Um mit einem System Geld zu verdienen, müssen andere Händler mit diesem System verlieren. Auch hier ist der Handel ein Nullsummenspiel. Das Verständnis des Marktphänomens unterscheidet sich stark vom "Ziehen von Meinungen auf den Markt".

Zunächst formulieren wir eine Hypothese über das Verhalten des einen oder anderen Teilnehmertyps. Dann drücken wir diese Hypothese in Bezug auf Preis, Volumen usw. aus. Und erst dann testen wir diese Hypothese zur Geschichte. Wenn es genau so „zusammengekommen“ ist, wie wir angenommen haben, sind die Chancen, dass dies nur ein Unfall ist, äußerst gering. Auf diese Weise erhalten wir gleichzeitig sowohl die „eingebaute“ Robustheit als auch den „Auslöser“, dessen Leistung es uns ermöglicht, zu beurteilen, dass das Phänomen gestorben ist.

Beispielsweise:

  1. Es gibt einige gängige Verhaltensmuster von Investmentfonds, z. B. einige Tage vor Monatsende verkaufen sie liquide Aktien und in den ersten zwei bis drei Tagen zu Beginn des neuen Monats kaufen sie sie zurück. Sie können sie also identifizieren und versuchen, auf der Grundlage dieser Preisbewegungen Mean-Reversion-Handelsstrategien zu entwickeln.
  2. In Brasilien gab es 2014 Fröste und der Preis für Kaffee wurde deutlich erhöht. Es war wie ein großer Verlust an Kaffee. Diejenigen, die Zugang zu Daten über die Menge an brasilianischem Kaffee für den Export in Exportzertifikaten hatten, stellten fest, dass die für den Export vorbereiteten Mengen nicht stark zurückgingen. * Für den Export müssen Sie zuerst ein Zertifikat erhalten (Sie müssen Informationen über die Menge und Charge des Kaffees zur Analyse bereitstellen). Mit anderen Worten, die Landwirte sahen, dass Frostschäden nicht so stark waren und verkauften kühn Kaffee. Der Preis kehrte dann zu den vorherigen Niveaus zurück.

Vorteile dieses Ansatzes:

  • Den Prozess und seine Mechanismen verstehen
  • Möglichkeit, den Handel rechtzeitig zu starten und zu stoppen

Nachteile dieses Ansatzes:

  • Die Komplexität der Forschung (viele zusätzliche Informationen ohne Preisangabe)
  • Die Komplexität der Überwachung

Data Mining- und Statistikansatz

Data Mining ist eine Teilmenge der Informatik. Es verbindet Zweige der Informatik, des maschinellen Lernens, einer Unterkategorie künstlicher Intelligenz und Datenbanksysteme mit Statistiken. Es ist der Prozess des Ermittelns von Informationen in großen Datenmengen. Ziel des Data Mining ist es, einen Datensatz in verständliche und verwendbare Informationen umzuwandeln.

Mithilfe von Preis- und Nichtpreisdaten können Sie Strategien mithilfe von Techniken des maschinellen Lernens für jeden Markt oder Zeitrahmen entwickeln und erforschen. Sie können Millionen verschiedener Ein- und Ausstiegsbedingungen, Auftragsarten und Preisniveaus generieren und überprüfen, um Strategien mit der besten Leistung gemäß Ihren Auswahlkriterien zu finden - z. B. Nettogewinn, Rendite gegen Drawdown, Sharpe-Verhältnis usw.

Die Quelle der Anpassung könnte eine Reihe absolut zufälliger Zufälle sein oder ein lang anhaltender Faktor, der einen wesentlichen Teil des Testzeitraums beeinflusst hat, aber nicht die Tatsache, dass er in Zukunft fortgesetzt wird. Beispiele, lange bullische Trends und der Vorteil langer Handelssysteme.

"Verwechseln Sie Genie nicht mit einem Bullenmarkt" (с).

Es kann aber auch andere Beispiele geben - wie eine lange flache Periode oder einen Trend usw. Natürlich kann man hier argumentieren, dass jedes System eine günstige Phase verwendet, die dafür langwierig ist, und es gibt keine Garantie dafür, dass dies so bleibt. Und Sie können nur dann ein Bulle auf einem Bullenmarkt sein, wenn Sie wissen, wann Sie aufhören müssen. Wenn die Zuordnung günstiger Phasen für das System formalisiert und in Form von Systemfiltern implementiert wird, ist dies gut. Aber nicht alles kann formalisiert werden und im Voraus wissen. Hierfür gibt es Kriterien für die Ablehnung des Systems, für die Validierung von Stichproben usw.

Vorteile dieses Ansatzes:

  • Forschungsgeschwindigkeit
  • Vereinfachte Überwachung nach formalen Kriterien
  • Sie können Dutzende von Strategien parallel handeln

Nachteile dieses Ansatzes:

  • Zusätzliche Kosten für das Verschwinden von Ineffizienzen (Verzögerung beim Starten und Stoppen des Handels)
  • Kein Verständnis der Marktmikrostruktur.

Mean-Reversion vs. Momentum-Strategien

Mean-Reversion vs. Momentum-Strategien

Momentum und Mean-Reversion sind zwei globale Klassen, zu denen fast jedes Handelssystem gehört. Dies sind zwei Gegensätze. Es ist Eigentum des Preises, die Bewegung fortzusetzen, gegenüber dem Eigentum des Preises, sich umzukehren.

Wer physikalische Analogien liebt, hat für Momentum die Eigenschaft, dass sich physische Körper auch dann weiter bewegen, wenn der anfängliche Impuls aufgehört hat zu wirken, und die Mittelwertumkehr ist wie ein Pendel, das durch den Impuls den Gleichgewichtspunkt passiert und gezwungen ist, ihn zurückzugeben.

Sie scheinen sich beide gegenüber zu sein, aber sie funktionieren beide gut. Der Grund, warum dies möglich ist, ist, dass sie zu unterschiedlichen Zeithorizonten arbeiten. Wenn Sie verallgemeinern, ist der Grund, dass sich Anleger auf eine bestimmte Weise verhalten.

Trendfolgestrategien (Momentum) haben eine lange Erfolgsgeschichte. Der berühmte Ausdruck "Trend ist dein Freund" bezieht sich auf Momentum. Einseitig, aber für den Trendbörsenmarkt des letzten Jahrhunderts geschrieben.

Die mittlere Umkehrung, insbesondere in kürzeren Zeiträumen, funktioniert gut. Schauen wir uns Trendfolgestrategien an

Warum funktionieren Trendfolgestrategien?

Trendfolge funktioniert, wenn Sie sich den Renditetrend des letzten Jahres oder so ansehen. Wenn Sie kürzere Zeiträume wie den Trend des letzten Monats betrachten und versuchen zu folgen, dass Sie möglicherweise Ihr Hemd verlieren. Wenn Trendfolgestrategien funktionieren, haben sie normalerweise große Gewinne. Aber wenn sie nicht arbeiten, haben sie kleine Verluste. Dies wird als "positiver Versatz" bezeichnet.

Ein paar Momentum-Metriken

  1. Die erzwungenen Verkäufe / Käufe von Vermögenswerten verschiedener Arten von Fonds (Handelsvolumen).
  2. Zeitreihenimpuls. Die vergangene Rendite von Preisreihen korreliert positiv mit zukünftigen Renditen.
  3. Liquiditätsbeschränkungen. Um eine große Größe zu betreten oder zu verlassen, muss der Händler sie in Stücke teilen. Infolge seiner periodischen Trades wird eine Bewegung in einem bestimmten Zeitrahmen gebildet.
  4. Vorübergehende Liquiditätsausfälle auf bestimmten Ebenen oder zu bestimmten Zeitpunkten. Wenn zum Beispiel nur wenig Liquidität zu verkaufen ist (Limit Orders an einer Börse), führen selbst relativ kleine Käufe zu einem deutlichen Aufwärtstrend.

Was sind Mean-Reversion-Strategien?

Die Mittelwertumkehr funktioniert aufgrund eines kurzfristigen Ungleichgewichts zwischen Angebot und Nachfrage. Normalerweise wenden Menschen in kurzen Zeiträumen (Minuten oder Tage oder sogar Mikrosekunden) Strategien zur Umkehrung des Mittelwerts an. Der Mikrosekunden-Teil des Handels wäre HFT. Es könnte sich um Paarhandel, Spread-Handel, Arbitrage und Quasi-Arbitrage handeln. Sie öffnen sich Positionen mit einer starken Divergenz der Vermögenspreise.

Mean-Reversion-Strategien hätten kleine Gewinne, aber große Verluste. Es soll die meiste Zeit funktionieren und um die großen Verluste zu vermeiden, brauchen wir ein sehr striktes mechanisiertes Risikomanagement.

Einige Kennzahlen zur mittleren Umkehrung

  1. Geringe Volatilität (FX Mitternachtszeit).
  2. Die vorübergehende Stärke der Limit-Order-Seite gegenüber der Market-Order-Seite. Dies ist in der Regel zu bestimmten Zeiten auf Märkten rund um die Uhr der Fall.
  3. Auf den Eintritt vieler Teilnehmer (nicht nur Spekulanten) folgt der Austritt (Schließung dieser Positionen). Zum Beispiel werden die meisten Intraday-Aktienhändler, die eine Long-Position eingegangen sind, diese am Ende der Handelssitzung verkaufen. Es wird die entgegengesetzte Bewegung erzeugen.

Gibt es verallgemeinerte mathematische Modelle?

Es gibt mehrere Modelle - den Hurst-Exponenten, die H-Volatilität und einige andere, die sofort die Momentum- und Mean-Reversion-Modelle sowie 3 Zwischenzustände enthalten. Es gibt zum Beispiel ein Modell wie die Kointegration, für das seine Schöpfer den Nobelpreis erhalten haben. Dies ist ein verallgemeinertes Modell der Mittelwertumkehr.

Beispiel für eine Long-Trend-Strategie für Aktien im Aufwärtstrend

Sie finden in https://rtrader.umstel.com/. Diese Strategie basiert auf einem Algorithmus, mit dem Sie den Beginn des Momentum-Kaufs auf dem 30-Minuten-Chart in Aufwärtstrendrichtung identifizieren können.

  • AAPL, Mindestdauer 30.
  • Langes Eingangssignal: Die letzten drei Balken öffnen über dem vorherigen und schließen über dem vorherigen. EMA (14)> EMA (50).
  • Und der Unterschied zwischen EMA (14) und EMA (50) beträgt weniger als 3%.
  • Ausgangssignal: Take Profit = 100 Ticks, Stop Loss = 50 Ticks oder SMA (9) <Cross EMA (14)
  • Auftragsvolumen: 100 Aktien.
  • Zeit: Arbeitstage, 16: 40-22: 40.
Backtesting. Das Diagramm wird in R Trader Strategy Builder gezeichnet
Backtesting. Das Diagramm wird in R Trader Strategy Builder gezeichnet

Im nächsten Artikel werden wir detaillierter über das Erstellen und Testen algorithmischer Strategien sprechen.

See you soon!

Handelskonto eröffnen




Kommentare

Vorherige Artikel

Gann-Konzept im Handel: Grundlagen, Algorithmus

Gann wurde bekannt für seine "Scharfschützen" -Prognosen, die auf seiner einzigartigen Handelsmethode basierten, die sich später in ein ganzes Konzept verwandelte.

Nächster Artikel

Eine Woche auf dem Markt (01. - 13.): Statistiken und Entscheidungen der Zentralbanken

Die neue Januarwoche sieht ganz normal aus. Wir haben die Statistiken, die Politik sowie einige monetäre Entscheidungen. Es scheint, dass die Weltwirtschaft und die Kapitalmärkte nach den Weihnachts- und Neujahrsferien in vollem Umfang funktionieren.