Simulação de Monte Carlo com GBM Uma das formas mais comuns de estimar o risco é o uso de uma simulação de Monte Carlo (MCS). Por exemplo, para calcular o valor em risco (VaR) de um portfólio, podemos executar uma simulação de Monte Carlo que tenta prever a pior perda provável para um portfólio dado um intervalo de confiança em um horizonte temporal especificado - sempre precisamos especificar dois Condições para VaR: confiança e horizonte. (Para leitura relacionada, veja Os Usos e Limites de Volatilidade e Introdução ao Valor em Risco (VAR) - Parte 1 e Parte 2.) Neste artigo, analisaremos um MCS básico aplicado a um preço de ações. Precisamos de um modelo para especificar o comportamento do preço das ações e use um dos modelos mais comuns em finanças: o movimento geométrico Browniano (GBM). Portanto, enquanto a simulação de Monte Carlo pode se referir a um universo de diferentes abordagens de simulação, começaremos aqui com os mais básicos. Onde começar Uma simulação de Monte Carlo é uma tentativa de prever o futuro muitas vezes. No final da simulação, milhares ou milhões de ensaios aleatórios produzem uma distribuição de resultados que podem ser analisados. As etapas básicas são: 1. Especificar um modelo (por exemplo, movimento geométrico browniano) 2. Gerar ensaios aleatórios 3. Processar a saída 1. Especificar um modelo (por exemplo, GBM) Neste artigo, usaremos o movimento Browniano geométrico (GBM) Que é tecnicamente um processo de Markov. Isso significa que o preço das ações segue uma caminhada aleatória e é consistente com (pelo menos) a forma fraca da hipótese de mercado eficiente (EMH): a informação de preços passados já está incorporada e o próximo movimento de preços é condicionalmente independente dos movimentos de preços passados . (Para mais informações sobre EMH, leia Trabalhando através da hipótese do mercado eficiente e o que é a eficiência do mercado) A fórmula para GBM é encontrada abaixo, onde S é o preço das ações, m (o M grego) é o retorno esperado. S (sigma grego) é o desvio padrão dos retornos, t é o tempo, e e (Epsilon grega) é a variável aleatória. Se reorganizarmos a fórmula para resolver apenas a mudança no preço das ações, vemos que a GMB diz que a variação no preço das ações é o preço das ações S multiplicado pelos dois termos encontrados dentro dos parênteses abaixo: O primeiro termo é uma deriva e o segundo O termo é um choque. Para cada período de tempo, nosso modelo assume que o preço irá diminuir pelo retorno esperado. Mas a deriva será chocada (adicionada ou subtraída) por um choque aleatório. O choque aleatório será o desvio padrão s multiplicado por um número aleatório e. Esta é simplesmente uma maneira de dimensionar o desvio padrão. Essa é a essência do GBM, como ilustrado na Figura 1. O preço das ações segue uma série de etapas, em que cada passo é um drift plusminus um choque aleatório (em si, uma função do desvio padrão dos estoques): Comércio baseado em Autoregressive Model Autoregressive ( AR) Modelo é uma representação de processo estocástica para séries temporais. Neste modelo, a próxima variável de interesse (por exemplo, preço próximo) é modelada com uma combinação linear de valor (s) anterior (s) de forma estocástica, onde c é uma constante, yt é a variável de interesse no tempo t e et é ruído branco . Esse processo estocástico geralmente é referido como um modelo AR (p). Você pode encontrar mais informações sobre este processo estocástico aqui. O algoritmo de negociação é resumido a seguir: 0. No início da vela de todos os dias (ou seja, o preço aberto do dia), o algoritmo realiza as seguintes etapas: 1. Calcule a tendência (por exemplo, a média) do preço de fechamento do N passado, o que É chamado de matriz P. 2. Remova a tendência de P. Armazene o resultado na matriz D. 3. Estimar os parâmetros de um modelo AR (1). 4. Usando D e o modelo estimado, execute o teste Dickey-Fuller. Se D estiver parado, vá para (5), vá para (0) 5. Preveja o próximo valor de D (que é DN1) usando o modelo estimado de AR (1). 6. decisão lt - vazio 6. Se DN1gtDN. Então decisão lt - Compre, venda novamente se DN1ltDN. Então decisão lt - Sell, Close Buy 7. Execute a decisão. 8. Vá para (0) Desenvolvi uma EA para testar essa idéia comercial baseada no modelo AR (1). Aqui está um resultado posterior de 2000 a 2017 em EURUSD: Imagem anexa (clique para ampliar) Esta idéia comercial surge um conjunto de consultas, tais como: Este processo estocástico (ou seja, modelo autoregressivo) é uma abordagem promissora para o comércio estatístico. Como podemos melhorar o Lógica de comércio As configurações de SLTP para trades melhoram os resultados. O que acontece se aumentarmos p no modelo AR (p) Seria mais lucrativo se usássemos ARMA (p, q), ARIMA (p, d, q) e ARFIMA (p, d , Q) modelos E quanto aos modelos auto-regressivos não-lineares. Estou anexando EA aqui. Espero que qualquer melhoria adicional na estratégia resultaria em uma versão mais recente da EA para testar e quem sabe, negociação ao vivo Discussão Esta idéia comercial surge um conjunto de consultas, tais como: Este processo estocástico (ou seja, modelo autoregressivo) é uma abordagem promissora para Negociação estatística Como podemos melhorar a lógica comercial As configurações SLTP para negociações melhoram os resultados E se aumentarmos p no modelo AR (p). Estou anexando EA aqui. Espero que qualquer melhoria adicional na estratégia resultaria em uma versão mais recente da EA para testar, e quem sabe, a comercialização ao vivo, oi MathTrader7. Abordagem interessante e esse é um bom resultado de backtest :-) Eu observo que esta é uma abordagem linear de caso especial para modelagem estocástica e, como resultado, voará durante os períodos de tendência de longo prazo, pois o viés de preço histórico continua a desempenhar um papel na previsão das próximas barras Ação de preço por um período de tempo, apesar do fato de que a história dilata progressivamente ao longo do tempo. Posso imaginar, no entanto, que quando as mudanças de tendência ocorrem ou durante os mercados agitados, levaria algum tempo para que a mudança se reflita nos resultados. Você já considerou ou testou qualquer pontuação de recência aplicada a este modelo para reduzir os resultados para uma ação de preço mais recente ou talvez até um reset (e começar de novo com dados de preços novos suficientes) quando o viés direcional histórico atinge um limite crítico de deterioração Quidquid latine ditum, altum Videtur Olá MathTrader7. Abordagem interessante e esse é um bom resultado de backtest :-) Eu observo que esta é uma abordagem linear de caso especial para modelagem estocástica e, como resultado, voará durante os períodos de tendência de longo prazo, pois o viés de preço histórico continua a desempenhar um papel na previsão das próximas barras Ação de preço por um período de tempo, apesar do fato de que a história dilata progressivamente ao longo do tempo. Posso imaginar, no entanto, que quando as mudanças de tendência ocorrem ou durante os mercados agitados, levaria algum tempo para que a mudança se reflita nos resultados. Ter. Não tenho certeza de que posso concordar com o seu pensamento. Se as tendências de longo prazo são onde essa abordagem deve se destacar, então por que o gráfico de equidade está tão plano nos últimos 150 negócios ímpares. Na maioria das medidas, o EURUSD sofreu uma tendência descendente desde meados de 2017, mas a EA não conseguiu capitalizar isso tendência. As citações são as dobradiças do destino. - Pythagoras (570 aC - 495 aC) Oi MathTrader7. Abordagem interessante e esse é um bom resultado de backtest :-) Eu observo que esta é uma abordagem linear de caso especial para modelagem estocástica e, como resultado, voará durante os períodos de tendência de longo prazo, pois o viés de preço histórico continua a desempenhar um papel na previsão das próximas barras Ação de preço por um período de tempo, apesar do fato de que a história dilata progressivamente ao longo do tempo. Posso imaginar, no entanto, que quando as mudanças de tendência ocorrem ou durante os mercados agitados, levaria algum tempo para que a mudança se reflita nos resultados. Ter. Oi Copérnico, prazer em te ver neste tópico. -) Eu deveria ter mencionado que eu primeiro removo a tendência na série temporal (subtraindo a média dos preços N mais recentes), então eu estimo um modelo AR (1) e teste se uma raiz unitária existe no AR estimado (1) Modelo (usando o teste de Dickey-Fuller) e, finalmente, prevejo o próximo valor usando o modelo AR (1) com base no qual um negócio LognShort será decidido. Deixe seus vencedores correr e cortar seus perdedores, o Mathtrader, uma vez que o par EURUSD é composto por duas moedas, porque você não cria um índice de EUR e um índice de USD (ou usa um de um corretor, como LiteForex), então execute seu modelo de AR Em ambos os índices. Se o modelo EUR indicar o próximo dia e o modelo USD indica o próximo dia, então, compre o EURUSD. Ou mesmo um filtro mais, adicione EURUSD na matriz de decisão, e se todos os 3 concordarem, então EURUSD longo ou curto (ou fique fora se algum discordar). Atenciosamente, EZ Hi ezcurrency, eu gosto muito de sua idéia, e vou tentar. Você pode não saber, mas já desenvolvi uma EA que cria gráficos XXXLFX usando qualquer corretor. No entanto, Backtesting sua idéia usando o testador de estratégia MT4 não é trivial, pois ele apenas carrega dados de um recurso (por exemplo, par de moedas) durante o teste de retorno. Eu tenho que armazenar USDLFX e EURLFX fechar os preços em arquivos de texto (em formato CSV ou assim) para lê-los durante o backtesting de sua idéia. Este seria o próximo item a fazer na minha lista. Vamos ver como isso funcionaria. Melhor, matemática Deixe seus vencedores correr e cortar seus perdedores curtos Inscrito em agosto de 2017 Status: Membro 1.132 Posts Os resultados apresentados na primeira publicação são surpreendentes para um modelo tão simples. Você pode confiar neste backtest. Ele está escrito em negrito e os resultados do quotthe vermelho não devem ser considerados. Eu gosto de tentar reproduzir isso. Você pode dar mais detalhes (eu não tenho MT4 e o arquivo é compilado, eu não posso fazer engenharia reversa da fonte). Eu vejo InpMaxNumPrices9, é o tamanho da janela de retrocesso para se adequar ao processo AR ou à ordem do AR (p9). Pergunto porque parece muito pequeno para a janela e muito grande para a ordem. Você ajusta os preços ou os retornos ou os retornos de log ou outra coisa Qual o algoritmo que você usa para se ajustar ao AR Você diz que você detém os dados, mas você também diz que o faz, removendo a média. Isso não é realmente detrending. Você pode desenvolver? Por favor, remova o mesmo significado para todas as amostras em sua janela ou você remove a média atual da amostra atual e depois a coloca na janela (não está seguro de estar claro aqui.) Você diz que você testa a existência De uma unidade de raiz. O que você faz se o teste DF rejeitar a hipótese nula enquanto você já está em uma posição sem ganância. Sem medo. Apenas matemática. Os resultados apresentados na primeira publicação são surpreendentes para um modelo tão simples. Você pode confiar neste backtest. Ele está escrito em negrito e os resultados do quotthe vermelho não devem ser considerados. Eu gosto de tentar reproduzir isso. Você pode dar mais detalhes (eu não tenho MT4 e o arquivo é compilado, eu não posso fazer engenharia reversa da fonte). Eu vejo InpMaxNumPrices9, é o tamanho da janela de retrocesso para se adequar ao processo AR ou à ordem do AR (p9). Pergunto porque parece muito pequeno para a janela e muito grande para a ordem. Você ajusta os preços ou os retornos. Eu atualizei Algoritmo de Negociação com mais detalhes no Post 1. Espero que atenda suas perguntas e ajude você a duplicar os resultados. Não que eu sempre conseguiria fazê-lo, mas você deveria tentar Encog com o Metatrader se você estiver interessado em HMMs (mais a maioria das outras formas principais de NNs). Eu adoraria saber sobre seus resultados com isso. Heatonresearchencog PS, considere MT5 se quiser testes de estratégia mais rápidos (o mt5 pode usar todos os núcleos em paralelo ao otimizar). Obrigado pelo link para o pacote. -) Vou ver se é fácil usar Encog com MT4. Para ser sincero, não confio na plataforma MT5. Quando comecei a usá-lo para desenvolver minhas estratégias, encontrei muitos bugs. Pode ser agora mais estável do que esse tempo, mas ainda prefiro usar MT4 -) P. S. Eu compartilharia meus resultados aqui. Deixe seus vencedores correrem e cortem seus perdedores. Olá Innate. Obrigado pelo link para o pacote. -) Vou ver se é fácil usar Encog com MT4. Para ser sincero, não confio na plataforma MT5. Quando comecei a usá-lo para desenvolver minhas estratégias, encontrei muitos bugs. Pode ser agora mais estável do que esse tempo, mas ainda prefiro usar MT4 -) P. S. Eu compartilharia meus resultados aqui. Melhor, Matemática Isso seria ótimo, pois é uma área que eu sempre quis seguir, mas minhas habilidades de codificação ainda não estão disponíveis. Obrigado Eu leio o Encog consideravelmente e é o melhor produto que posso encontrar para fazer o que você está procurando. MT5 bugs Hmmm. Bem, eu pulei para mt5 puramente pela capacidade de testar rigorosamente e rapidamente. Isso acelerou consideravelmente o tempo de desenvolvimento. (Eu tenho uma máquina de estratégias de mineração de dados praticamente 247 executando 28 threads paralelos ao mesmo tempo) MT4 e 5 são muito semelhantes em linguagem agora. Apenas é uma ordem de mudança de dor enviar e coisas assim (mt4 é muito mais fácil de usar nesse sentido). De qualquer forma. De volta ao seu modelo Auto Regressive. Tem um loop de feedback para a precisão de previsão (por exemplo, erro de predição quadrada média ou similar) Muitas vezes eu me perguntei como algo assim funcionaria em uma abordagem de Frame Multi-Time. Cada período de tempo estabeleceria um nível de confiança na previsão, então, através de alguma forma de pontuação dos níveis de confiança, a ea escolheria a direção e o alvo. O que é tudo sobre tudo sobre dinheiro. Oi ezcurrency, eu gosto muito de sua idéia, e eu vou tentar. Você pode não saber, mas já desenvolvi uma EA que cria gráficos XXXLFX usando qualquer corretor. No entanto, Backtesting sua idéia usando o testador de estratégia MT4 não é trivial, pois ele apenas carrega dados de um recurso (por exemplo, par de moedas) durante o teste de retorno. Eu tenho que armazenar USDLFX e EURLFX fechar os preços em arquivos de texto (em formato CSV ou assim) para lê-los durante o backtesting de sua idéia. Isso seria o próximo. Você está familiarizado com R. Provavelmente pode fazer todos os testes (modelos AR incluídos), em MUTAÇÕES mais rápidas do que MT4. Uso R para fazer análises o tempo todo e testar algumas idéias gerais antes de codificar meus modelos no MT4.
No comments:
Post a Comment