Empiryczne porównanie ruchomych średnich kopert i wstęg Bollingera Transkrypcja 1 Empiryczne porównanie ruchomych średnich kopert i zespołów Bollingera Joseph Man-joe Leung i Terence Tai-leung Chong Wydział Ekonomii, Chiński Uniwersytet w Hongkongu 8 listopada, 00 Streszczenie W tym artykule stara się porównać rentowność ruchomych średnich kopert i pasm Bollingera. Opisując, że zespoły Bellows mogą rejestrować gwałtowne wahania cen, których nie można osiągnąć w średnich kopertach, nasze badanie pokazuje, że zespoły Bollinger nie przewyższają średniej wielkości kopert ruchomych. Słowa kluczowe: Ruchome średnie koperty Wstęgi Bollingera Klasyfikacja JEL: G14 1 Wstęp Istnieje wiele teorii wyjaśniających ruchy cen na giełdach. Na przykład teoria prawosławna, która sugeruje prymitywne źródło korespondenta. Telefon: (85) Faks: (85) 2 zmiany cen akcji to oczekiwanie na zmiany zysków przedsiębiorstw, oraz teoria zaufania, która stwierdza, że podstawowym ruchem przesunięcia cen akcji są fluktuacje zaufania inwestorów do przyszłych cen akcji, zysków i dywidendy. Bardziej popularną teorią jest Hipoteza Efektywnego Rynku (EMH), która stwierdza, że ceny handlowe aktywów na rynkach zorganizowanych odzwierciedlają wszystkie dostępne informacje, a ceny zmieniają się tylko ze względu na nieznaną wcześniej informację. Słaba forma EMH sugeruje, że obecne ceny aktywów odzwierciedlają przynajmniej ich własną historię. Dlatego też, jeśli rynek jest mało skuteczny, samo badanie historii cen nie będzie w stanie generować zysków. Istnieją jednak badania wspierające strategie techniczne (Treynor i Ferguson, 1985 Brock, Lakonishok i LeBaron, 199). Skuteczność generowania zysków za pomocą reguł handlu technicznego świadczy o nieefektywności informacji rynkowych (Taylor, 1997). Zasada prostej średniej ruchomej jest najczęściej analizowaną regułą handlu w literaturze. Jeśli jednak rynek nie wykazuje wyraźnego trendu lub gdy ceny zmieniają się wokół trendu, bardziej odpowiednie jest wykorzystanie kanałów do wychwycenia krótkich fluktuacji. Dwa z tych kanałów, które są coraz bardziej popularne, to Moving Average Envelopes i Bollinger Bands. Niewiele, jeśli w ogóle, przeprowadzono badania empiryczne badające ich opłacalność. Niniejszy artykuł stara się porównać wydajność tych dwóch kanałów, korzystając z indeksów giełdowych G7 i Czterech Tygrysów Azjatyckich. Zasady i dane handlowe Ruchome średnie koperty i wstęgi Bollingera są kanałami opartymi na prostej średniej ruchomej. N-dniowa średnia ruchoma w czasie t jest średnią cen z ostatnich N dni, tj. SMA N (t) P tit N1 P (i). (1) N 3 N-dniowe średnie ruchome koperty w czasie t jest zdefiniowane jako: MAE k N (t) SMA N (t) (1 plusmn k), () gdzie k jest stałą. Szerokość ruchomych średnich kopert zależy od k i cen akcji. Ruchome średnie koperty będą obowiązywać, gdy spadnie k lub ceny akcji. N-dniowe prążki Bollingera o k odchyleniach standardowych w czasie t są zdefiniowane jako: s Ptit N1 P (i) SMA N (i) BB k N (t) SMA N (t) plus mn k N. (3) Zaleta Zespoły Bollingera nad ruchomymi przeciętnymi kopertami biorą pod uwagę zmienność cen. W przeciwieństwie do ruchomych średnich kopert szerokość pasków Bollingera zależy od fluktuacji cen wokół średniej, a nie od średniej ruchomej. Kiedy zmienność wzrasta w taki sposób, że średnia ruchoma pozostaje niezmieniona, zespoły Bollingera będą się rozwijać, aby uchwycić wahania cen, podczas gdy ruchome średnie koperty nie będą. Jeśli ceny akcji będą zgodne z normalnym rozkładem, zespoły Bollingera ze standardowymi odchyleniami uchwycą około 95 zmian cen. Obszar powyżej górnej granicy ruchomych średnich kopert lub pasm Bollingera jest uważany za obszar wykupienia, podczas gdy region poniżej dolnej granicy jest uważany za wyprzedany. Ogólnie rzecz biorąc, gdy akcje są uważane za wykup, inwestorzy powinni je sprzedać, ponieważ oczekuje się, że cena akcji spadnie, i na odwrót. Ponieważ jednak trudno przewidzieć, jak długo utrzyma się zapasy w wykupionym lub wyprzedanym regionie, lepiej jest nie zajmować żadnej pozycji, dopóki zasoby nie odejdą z tych regionów. 3 4 Dla ruchomych średnich kopert reguły handlu są zdefiniowane w następujący sposób: Kup: Sprzedaj: PN (t 1) Niski N N (t 1) i N (n) Niski tN (t 1) gtma w górę N (t 1) ) i PN (t) ltmaE w górę N (t). (t). W przypadku pasm Bollingera obowiązują następujące reguły handlowe: Kup: P N (t 1) Niski IBBN (t 1) i P N (t) gtBBN niski (t). Sprzedam: P N (t 1) gtBB w górę N (t 1) i P N (t) ltBB w górę N (t). Dlatego sygnał kupna zostanie wygenerowany, gdy cena przekroczy dolną granicę od dołu. Podobnie, sygnał sprzedaży zostanie wygenerowany, gdy cena wejdzie w górną granicę z góry. W niniejszym opracowaniu badane są 10-dniowe, 0-dniowe, 50-dniowe i 50-dniowe średnie ruchome koperty 3 i 5 oraz wstęgi Bollingera z odchyleniami standardowymi. Zakładamy, że koszty transakcji i dywidendy na akcje są znikome. Zakładamy również, że krótka sprzedaż jest niedozwolona, a transakcje nie mogą być kumulowane, tj. Dwie kolejne akcje zakupowe są niedozwolone. Ponieważ istnieje około 50 dni handlowych każdego roku, wyniki są oceniane pod kątem zannualizowanej stopy zwrotu według następującego równania: Roczna stopa zwrotu (1r 1) (1 r) (1 r 3). (1 rm) 50 T 1, (4) gdzie 1r j S (j) B (j) S (j) i B (j) to odpowiednio ceny sprzedaży i kupna w pierwszej transakcji m to liczba transakcji T liczba dni handlowych w próbie. 4 5 Nasze dane obejmują dzienne indeksy giełdowe G7 i 4 azjatyckich tygrysów. Dane są pobierane ze strumienia danych w Bibliotece Uniwersyteckiej na Uniwersytecie Chińskim w Hongkongu, a szczegóły są następujące: Indeks Lokalizacja Od Do Dow Jones Industrials USA 111985 91000 Toronto 300 Kanada 111985 91000 BCI Global Italy 111985 91000 FTSE 100 Wielka Brytania 111985 91000 DAX Niemcy 591989 91000 Nikkei 5 Dostępność Avg. Japonia 311985 91000 CAC40 Natychmiastowa Francja 1671987 91000 KOSPI Korea Południowa 411985 91000 Straits Indeks czasowy Singapur 411985 91000 Indeks Hang Seng Hong Kong 111985 91000 TWSE Tajwan 411985 91000 3 Wyniki i wnioski Tabela 1 pokazuje roczną stopę zwrotu wygenerowaną przez reguły handlu dla średniej ruchomej Koperty i wstęgi Bollingera. Liczby w nawiasach oznaczają liczbę transakcji. 5 6 Tabela 1: Roczna stopa zwrotu dla indeksu MAE i indeksu BB Indeks MAE10 3 MAE10 5 BB10 Dow Jones 6 (5) 3 (5) 11 (68) Toronto 300 (15) 5 (4) 1 (51) BCI Global 4 (47) -1 (13) 3 (53) FTSE 100 (18) (3) (5) DAX 4 (43) 13 (11) 7 (57) Nikkei 5 0 (44) -1 (1) - (54 ) CAC40 1 (46) 6 (11) 3 (47) KOSPI 4 (73) 4 (31) -9 (38) Cieśniny Czas 3 (49) 3 (19) 1 (60) Hang Seng 4 (60) 8 ( 3) 10 (59) TWSE -4 (80) -6 (36) -6 (49) MAE0 3 MAE0 5 BB0 8 (31) 6 (8) 9 (49) 0 (6) 5 (7) (34) 4 (47) 1 (3) 0 (44) 3 (8) -1 (7) 3 (41) 3 (41) 9 (19) 4 (44) - (39) -1 (1) -1 (43 ) 3 (41) 6 (18) 0 (3) 1 (54) - (31) -7 (3) 0 (41) -5 (1) -1 (46) 9 (50) 4 (7) 10 ( 44) 6 (58) 10 (35) -7 (33) Nazwy indeksowe MAE50 3 MAE50 5 BB50 Dow Jones 7 (6) 4 (1) 6 (5) Toronto 300 4 (3) (10) 3 (1) BCI Globalny 5 (3) 3 () 1 (19) FTSE 100 5 () 4 (15) (18) DAX 9 (9) 9 (19) 6 (19) Nikkei 5 1 (9) -4 (16) -3 (0) CAC40 0 (8) 6 (0) 3 (19) KOSPI (30) -4 (1) -4 (18) Cieśniny Czas -3 (7) 3 (1) -1 (0) Hang Seng 5 ( 3) 4 (18) 7 (19) TWSE 7 (35) 0 (4) -5 (17) MAE50 3 MAE50 5 BB50 (7) (4) 3 (3) (9) (6) 4 (4) 3 (1) 0 (6) 0 (3) 5 (13) 7 (9) 5 (4) (11 ) 4 (8) 7 (6) -1 (7) - (6) -5 (4) 1 (10) (7) 3 (3) -3 (9) -7 (9) -5 (4) 6 (14) (9) 8 (7) 3 (1) 4 (9) 8 (5) -1 (1) -3 (9) -4 (4) 6 7 Dla każdego podanego N wyróżniamy najwyższy wskaźnik powrót. Na przykład, gdy N10, stopa zwrotu generowana przez wstęgi Bollingera ze standardowymi odchyleniami jest najwyższa w porównaniu z szybkością wygenerowaną przez 3 MAE i 5-MAE. Jeśli istnieje więcej niż jedna najwyższa stawka, wyróżniamy tę z najmniejszą liczbą transakcji. Obie zasady handlu generują znaczną stopę zwrotu dla Dow Jones, DAX, CAC i Hang Seng Index. Jednak w przypadku Nikkei 5 i KOSPI obie reguły generują w większości przypadków ujemną stopę zwrotu. Zwróć uwagę, że liczba transakcji generowanych przez regułę Moving Average Envelopes spada o wartość k. To dlatego, że przy wartości k, im więcej wahań cen zostanie przechwyconych przez koperty, tym mniej sygnałów handlowych będzie obserwowanych. Zauważ również, że liczba transakcji wygenerowanych przez obie reguły kanału przypada na N. Ingeneral, gdy N10 i 0, liczba transakcji dla Bollinger Bands i dla MAE-3 jest bliska. O ile dla N50 i 50 liczba transakcji dla pasm Bollinger jest bliższa liczbie transakcji dla MAE-5. Uwaga z tabeli 1, że reguła MAE działa lepiej niż reguła BB dla N10, 0 i 50, podczas gdy reguła BB działa lepiej, gdy N50. Dlatego sugerujemy użycie ruchomych średnich kopert do krótkoterminowych inwestycji i używanie Bollinger Bands jako długoterminowego narzędzia inwestycyjnego. Jednakże, ponieważ zasady handlu technicznego są zwykle przeznaczone do krótkoterminowego celu inwestycyjnego, rozsądnie byłoby stwierdzić, że ruchome średnie koperty są w praktyce lepsze niż zespoły Bollingera. Dlatego też, mimo że zespoły Bollinger Band potrafią wychwycić gwałtowne wahania cen, których nie są w stanie utrzymać średnie koperty, nie wykonują one skutecznej kalkulacji zysków w kategoriach kopert. 7 8 Referencje 1. Blume, L. Easley, D. i M. O Hara, Statystyki rynku i analiza techniczna: Rola objętości. Journal of Finance 49, Brock, W. J. Lakonishok i B. LeBaron, 199. Proste zasady handlu technicznego i właściwości stochastyczne zwrotów akcji. Journal of Finance 47, Curcio, R. Goodhart, C. Guillaume, D. i R. Payne, Czy zasady handlu technicznego generują zyski Wnioski z śróddziennego rynku walutowego. Międzynarodowy Dziennik Finansów i Ekonomii, Taylor, M. P. Wprowadzenie edytora. Międzynarodowy Dziennik Finansów i Ekonomii, Treynor, J. L. i R. Ferguson, W obronie analizy technicznej. Journal of Finance 40, Empiryczne porównanie średnich ruchomych i Bollinger Bands Streszczenie: W niniejszym artykule podjęto próbę porównania rentowności ruchomych średnich kopert i wstęg Bollingera. Pomimo tego, że zespoły Bollinger Bands potrafią wychwycić gwałtowne wahania cen, których nie można osiągnąć w średnich kopertach, nasze badanie pokazuje, że zespoły Bollinger Band nie przewyższają ruchomych średnich kopert. Powiązane prace: Ten element może być dostępny w innym miejscu w EconPapers: Wyszukaj elementy o tym samym tytule. Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Applied Economics Letters jest obecnie edytowane przez Anita Phillips Więcej artykułów w Applied Economics Listy z Taylora Francis Journals Series danych utrzymywanych przez Michaela McNulty (). Ta strona jest częścią RePEc i wszystkie wyświetlane tu dane są częścią zestawu danych RePEc. Brakuje twojej pracy z RePEc Oto jak wnieść swój wkład. Pytania lub problemy Sprawdź FAQ EconPapers lub wyślij wiadomość na adres. Empiryczne porównanie ruchomych średnich kopert i zespołów Bollingera Cytaty cytowane 17 Referencje Odnośniki 4 quotMatthew Butler i Dimitar Kazakov (2017) 6 badali algorytm optymalizacji roju cząstek Bollingera i odkryli, że opłacalność może być poprawione poprzez optymalizację parametrów funkcji fitness. W innych pracach badawczych wskaźnik Bollingera stosuje się również do praktycznych problemów do analizy, Joseph Man-Joe Leung (2003) 7 przeprowadził analizę empiryczną i porównanie średniej ruchomej i Bollingera. K. Senthamarai Kannan (2017) 8 użył go do przewidywania wzrostu ceny akcji, aby ocenić jego wzrost lub spadek, i porównać z RSI, TP, CMI i MA, itp. Qi (2017) 9 dokonał pewnych osądów i prognoz dotyczących ceny trendy rynku nieruchomości w oparciu o K-line i Bollinger Zhou (2017) 10 zastosował Bollinger do modelu wyceny opcji Blacka-Scholesa, efekt jest bardzo dobry i może być wykorzystany do określenia obrotu giełdowego Wu (2017) 11 przeprowadzonego na krótkie wprowadzenie wskaźników Bollingera, dokonane porównanie i analiza empiryczna z KDJ, MACD, etch i znalezionym Bollingerem mają ważną funkcję referencyjną do przewidywania przyszłych trendów rynkowych. quot Pokaż streszczenie Ukryj streszczenie STRESZCZENIE: Eksploracja danych ma na celu poznanie prawa danych dotyczących rzeczywistości i prognoz. Jest to matematyczna metoda analizy i prognozowania. Obecnie eksploracja danych w badaniach rynku giełdowego jest coraz gorętsza. Niedawne podejście do stosowania wstęg Bollingera pokazuje, że stado w przybliżeniu ma pewną dokładność, ale wciąż jest niewystarczające, by ocenić zmianę ceny. Aby rozwiązać ten problem, w niniejszym artykule zaproponowano wykorzystanie symulacji stochastycznej i dystrybucji GARCH do oszacowania VaR aktywów i poprawy linii kolejowych Bollinger, tworząc w ten sposób nowy kanał analizy zapasów w oparciu o VaR. Następnie zaimplementuj tę metodę i zastosuj ją na prawdziwych danych indeksu złożonego z Szanghaju. Wyniki eksperymentów pokazują, że zastosowanie tej metody do budowy kanału giełdowego jest skuteczne i może lepiej scharakteryzować prowadzenie giełdy. Wreszcie, zoptymalizuj strategie inwestycyjne w oparciu o tę optymalizację struktury. 1548-7741 Artykuł Lipiec 2018 Binhui Wang quotBollinger bandy zostały opracowane na początku lat 80. przez Johna Bollingera (Bollinger 2017) i stały się popularnym narzędziem handlowym, które może być użyte do zmierzenia quothighnessquot lub kwotowania ceny względem poprzednich transakcji. Ta metoda handlu oparta jest na średniej ruchomej i (Leung, Chong, 2003) porównuje opłacalność tej metody prognozowania. Zespoły Bollingera mogą rejestrować gwałtowne wahania cen, których nie można osiągnąć w strategii średniej ruchomej. quot Pokaż streszczenie Ukryj streszczenie STRESZCZENIE: Dane wysokie i niskie, w przeciwnym razie dane zamknięte i otwarte nie są przypadkowe na krzywej szeregów czasowych. Jest ekstremalny i bardzo interesujący dla handlowców. Nasz model oparty na zespole Evolino RNN daje dwie dystrybucje w oparciu o dane wysokie i niskie. Skład i parametry tych dystrybucji determinują decyzję o obrocie. W tym dokumencie portfel skonstruowany według tej nowej metody prognozowania jest porównywany z portfelem opartym na pasmach Bollingera. Porównanie dobrze znane w narzędziach analizy technicznej z naszym systemem prognozowania opartym na sztucznej inteligencji potwierdziło nową zdolność przewidywania wysokich i niskich wartości. Conference Paper Nov 2017 Journal of Information and Computational Science Nijole Maknickiene quot Początkowo opracowano ABB, ponieważ pomimo ich popularności, ostatnia literatura akademicka wykazała, że zespoły Bollinger Bands (BB) są nieskuteczne 11 12. Jednakże, poprzez dostrojenie parametrów PSO, wskaźnik mógłby być ulepszone i przewyższać wskaźnik rynkowy w niektórych warunkach rynkowych. quot Pokaż streszczenie Ukryj streszczenie STRESZCZENIE: W niniejszej analizie analizowane są dwa implikacje hipotezy adaptacyjnego rynku: zmienna wydajność i cykliczna rentowność. Konsekwencje te są między innymi sprzeczne z hipotezami efektywnego rynku. Zmienna efektywność była popularnym tematem wśród badaczy ekonometrycznych, w którym różne badania wykazały, że na rynkach finansowych istnieje zmienna wydajność oparta na wykorzystywanych metrykach. Aby określić, czy nieliniowa zależność zwiększa dokładność nadzorowanych modeli transakcyjnych, symulowany jest proces GARCH, a przy użyciu metody przesuwanego okna seria jest testowana pod kątem zależności nieliniowej. Wyniki wyraźnie pokazują, że podczas podokresów, w których wykryto nieliniową zależność, algorytmy doświadczają statystycznie istotnego wzrostu dokładności klasyfikacji. Jeśli chodzi o cykliczną opłacalność zasad handlu, założenie, że efektywność wnika i zmniejsza się wraz z obecnym otoczeniem rynkowym, jest testowane za pomocą popularnego wskaźnika technicznego, Bollinger Bands (BB), które są przekształcane ze statycznego na dynamiczny przy użyciu optymalizacji roju cząstek (PSO) . Dla danego okresu parametry BB są dopasowywane w celu optymalizacji rentowności, a następnie testowane w kilku okresach poza próbą. Wyniki wskazują, że przeciętnie konkretny zoptymalizowany BB jest opłacalny, aktywny i zdolny do przewyższenia indeksu rynkowego do 35 czasu. Wyniki te wyraźnie wskazują na cykliczność efektywności konkretnego modelu handlowego oraz że wskaźnik techniczny oparty na cenach historycznych może być opłacalny poza okresem szkoleniowym. Full-text Conference Paper Mar 2017 Journal of Information and Computational Science Matthew Richard Butler Dimitar Lubomirov Kazakov
Comments
Post a Comment