Gekko ควอนท์ - ปริมาณ การซื้อขาย

+

กลยุทธ์การซื้อขาย VWAP หมายถึงการพลิกกลับ กลยุทธ์นี้จะใช้ปริมาณราคาถัวเฉลี่ยถ่วงน้ำหนัก (VWAP) เป็นตัวบ่งชี้เพื่อการค้ารุ่นหมายถึงกลับไป VWAP ปีอัตราส่วนชาร์ป (Rf = 0%) เป็น 0.9016936 โพสต์นี้คือการตอบสนองต่อ gekkoquant / 2012 / 29/07 / ซื้อขายกลยุทธ์-SP-VWAP แนวโน้มต่อการปฏิบัติตาม / ที่มีข้อผิดพลาดในรหัสแสดงว่า VWAP ก็ไม่ได้คืน (ไม่ได้นี้นั่งอยู่กับผมหรือบางส่วนของ คนที่แสดงความคิดเห็น) และเช่นเคยไม่ใช้คำของฉันสำหรับสิ่งที่ backtest กลยุทธ์ที่ตัวเอง หนึ่งในอันตรายจากการใช้ R หรือ Matlab เป็นเรื่องง่ายสำหรับอคติหวังที่จะแอบเข้าไปในรหัสของคุณ มีห้องสมุดเช่น Quantstrat สำหรับ R ซึ่งป้องกันอยู่นี้ แต่ Ive พบว่าพวกเขาชะมัดช้าที่จะเรียกใช้ เงื่อนไขทั้งหมดที่จะถูกตรวจสอบอย่างใกล้ชิดและการค้าที่จัดขึ้นเป็นเวลาหนึ่งวันจากปิด หากราคา / VWAP & gt; uLim ไปสั้น หากราคา / VWAP & lt; lLim ไปนาน กระจายเครดิตความน่าจะเป็นสูงใช้เชิงเส้นโค้งการถดถอย ฉันมาในวิดีโอชุดนี้ในช่วงวันหยุดสุดสัปดาห์ผู้ประกอบการตัวเลือกวิธีการที่เขากล่าวถึงธุรกิจการค้ากระจายเครดิต (ส่วนใหญ่จะมองหาการพลิกกลับเฉลี่ย) ส่วนใหญ่ของคุณจะคุ้นเคยกับวงดนตรีที่ Bollinger เป็นกลยุทธ์การพลิกกลับหมายถึงการร่วมกันเป็นหลักที่คุณจะใช้ค่าเฉลี่ยเคลื่อนที่และการย้ายส่วนเบี่ยงเบนมาตรฐานของหุ้น จากนั้นคุณพล็อตให้กับแผนภูมิของคุณย้ายเฉลี่ยและวงดนตรีบนและล่าง (ค่าเฉลี่ยเคลื่อนที่ +/- n * ค่าเบี่ยงเบนมาตรฐาน) มันจะสันนิษฐานว่าราคาจะกลับไปใช้ค่าเฉลี่ยเคลื่อนที่ด้วยเหตุใด ๆ ที่จะย้ายราคาวงดนตรีที่เป็นจุดเริ่มต้นที่ดี ปัญหาที่พบบ่อยกับกลยุทธ์นี้คือการที่ค่าเฉลี่ยเคลื่อนที่เป็นตัวบ่งชี้ล้าหลังและมักจะช้ามากในการติดตามการเคลื่อนไหวของราคาถ้าเป็นระยะเวลานาน lookback ถูกนำมาใช้ 1 วิดีโอนำเสนอเทคนิคที่เรียกว่า 8220; curves8221 ถดถอยเชิงเส้น เกี่ยวกับ 10mins ใน. เชิงเส้นโค้งการถดถอยมุ่งมั่นที่จะแก้ปัญหาของค่าเฉลี่ยเคลื่อนที่ที่มีการชะลอตัวในการติดตามราคา เชิงเส้นโค้งการถดถอยเทียบกับการย้ายง่ายเฉลี่ย ดูวิธีแน่นเส้นโค้งการถดถอยเชิงเส้นสีฟ้าต่อไปนี้การใช้ราคาปิดของมันอย่างมีนัยสำคัญได้เร็วขึ้นเพื่อระบุผลัดกันในตลาดที่เป็นค่าเฉลี่ยเคลื่อนที่ที่เรียบง่ายมีข้อผิดพลาดการติดตามมาก ค่า MSE อาจจะนำปริมาณความหนาแน่น วิธีการคำนวณเส้นโค้งการถดถอยเชิงเส้น: ในตัวอย่างนี้คุณมี 100 ราคาปิดหุ้นได้รับของคุณ บาร์ 1 คือราคาที่เก่าแก่ที่สุด, บาร์ 100 เป็นราคาล่าสุด เราจะใช้การถดถอย 20day 1. ใช้เวลา 1-20 ราคาและวาดเส้นแบบที่ดีที่สุดผ่านพวกเขา 2. ที่ท้ายบรรทัดแบบที่ดีที่สุดของคุณ (เพื่อให้บาร์ 20) วาดเป็นวงกลมเล็ก ๆ น้อย ๆ 3. ใช้เวลา 2-21 ราคาและวาดเส้นแบบที่ดีที่สุดผ่านพวกเขา 4. ในตอนท้ายของเส้นแบบที่ดีที่สุดของคุณ (เพื่อให้บาร์ 21) วาดเป็นวงกลมเล็ก ๆ น้อย ๆ 5. ทำซ้ำได้ไม่เกิน 100 บาร์ 6. เข้าร่วมกับแวดวงทั้งหมดของเล็ก ๆ น้อย ๆ ของคุณนี้เป็นเส้นโค้งการถดถอยเชิงเส้นของคุณ ดังนั้นสั้นคุณเพียงแค่เข้าร่วมปลายของการถดถอยเชิงเส้นกลิ้ง กลยุทธ์การซื้อขาย S038; P VWAP ตามเทรนด์ (BUGGY) UPDATE: ผลตอบแทนที่โดดเด่นที่เห็นในกลยุทธ์นี้มีกำหนดจะเป็นวันที่ 2 มองไปข้างหน้าในอคติสัญญาณ (แล้วทิศทางการค้าตามมา) คือเมื่อมีการคำนวณผลตอบแทนในวันที่ T สัญญาณการค้าที่ใช้จริงจาก T + 2 วัน ทั้งสัญญาณและ dataframe ค้ามีวันที่ถูกต้องสำหรับแต่ละสัญญาณ / ธุรกิจการค้า แต่เมื่อ indexRet * การค้าที่เกิดขึ้นแล้วการค้าได้รับการรักษาเป็นพาหะลายมือ (ซึ่งเป็นองค์ประกอบที่ 2 สั้นกว่าดัชนีเกษียณ) ด้วยเหตุนี้การเปลี่ยนแปลงวันที่ 2 คุณธรรมของเรื่องนี้คือการผสาน dataframes ก่อนคูณ! ขอบคุณสำหรับทุกคนที่แสดงความคิดเห็นเกี่ยวกับเรื่องนี้โพสต์ได้รับการแก้ไขคือการปฏิบัติตาม! โพสต์ต้นฉบับ กลยุทธ์นี้จะใช้ปริมาณราคาถัวเฉลี่ยถ่วงน้ำหนัก (VWAP) เป็นตัวบ่งชี้ในการกำหนดทิศทางของแนวโน้มในปัจจุบันและการค้าทิศทางเดียวกับแนวโน้ม ปีอัตราส่วนชาร์ป (Rf = 0%) เป็น 8.510472 เงื่อนไขทั้งหมดที่จะถูกตรวจสอบอย่างใกล้ชิดและการค้าที่จัดขึ้นเป็นเวลาหนึ่งวันจากปิด หากราคา / VWAP & gt; uLim ไปนาน หากราคา / VWAP & lt; lLim ไปสั้น ตอนแรกผมคิดว่าราคาน่าจะหมายถึงการกลับไป VWAP (นี้สามารถมองเห็นในข้อมูลความถี่สูง) แต่ไม่ได้นี้ดูเหมือนจะเป็นกรณีที่มีข้อมูล EOD สำหรับเช่นกลยุทธ์ง่ายอิ่มประหลาดใจว่าอัตราส่วนชาร์ปเพื่อให้อยู่ในระดับสูง (มีพิรุธสูง) รหัสที่ได้รับการตรวจสอบ doubletripple เพื่อดูว่ามีอคติไปข้างหน้ามีเล็ดรอดใน แต่ฉัน havent เห็นอะไร ความผันผวนของกลยุทธ์การซื้อขาย Carry Trade กลยุทธ์นี้จะไปดูที่ความผันผวนเป็นกลาง Vega ดำเนินการกลยุทธ์การซื้อขาย สองสัญญาซื้อขายล่วงหน้าที่แตกต่างกันจะซื้อขายที่ VXX และ VXZ สัญญาเหล่านี้จะกลิ้งฟิวเจอร์สในดัชนี SP 500 Vix ที่ VXX เป็นอนาคตระยะสั้นและ VXZ เป็นอนาคตระยะปานกลาง ปีอัตราส่วนชาร์ป (Rf = 0%) เป็น 1.759449 กลยุทธ์ที่ใช้ง่ายมากกฎคือ: หาก VXX / VXZ & gt; 1 แล้วใน backwardation ทำเพื่อการค้าดำเนินการย้อนกลับ (VXX ซื้อ, ขาย VXZ) หาก VXX / VXZ & lt; 1 แล้วจะดำเนินการค้า (ขาย VXX ซื้อ VXZ) หากจุดผันผวนเปลี่ยนแปลงไม่ได้ราคาแล้วมีค่าใช้จ่ายในการสกัดพก เนื่องจากการซื้อและการขาย (หรือกลับกัน) สั้นไปฟิวเจอร์สในระยะกลางเปิดรับ Vega มีการป้องกันความเสี่ยง ในสคริปต์ข้างต้นสองกฎมีการเปลี่ยนแปลงเล็กน้อยเล็กน้อยชดเชยจะมีการเพิ่ม / ลบออกจากอัตราส่วน เป็นหลักเราต้องการที่จะลึกเข้าไปในโซน contango หรือลึกเข้าไปในโซน backwardation ก่อนที่เราจะค้าถ้าอยู่ใกล้กับจุดพลิกแล้วไม่ค้า ส่วนที่ 1: ดาวน์โหลดข้อมูลและคำนวณเปิดปิดการกลับมา กลยุทธ์นี้จะมองหารายการที่เปิดและทางออกที่ใกล้ชิด ส่วนที่ 2: ถอยหลังผลตอบแทนประจำวันของ VXX กับ VXZ ในการคำนวณอัตราการป้องกันความเสี่ยง ส่วนที่ 3: สร้าง backwardation / สัญญาณ contango ส่วนที่ 4: การจำลองการซื้อขาย หมวดที่ 5: การวิเคราะห์ประสิทธิภาพการทำงาน สถิติ Arbitrage ความสัมพันธ์ระยะยาวระหว่างครับ คือการเก็งกำไรทางสถิติ (สถิติ ARB) คืออะไร? สถานที่ตั้งของการเก็งกำไรทางสถิติ ARB สถิติสำหรับระยะสั้นเป็นว่ามี mispricing ทางสถิติระหว่างชุดของหลักทรัพย์ที่เรามองไปใช้ประโยชน์ โดยปกติจะต้องใช้กลยุทธ์ยาวชุดของหุ้นและระยะสั้นอื่น StatArb วิวัฒนาการมาจากคู่ค้าที่หนึ่งจะไปยาวและระยะสั้นหุ้นคู่แข่งเป็นป้องกันความเสี่ยงในการซื้อขายคู่จุดมุ่งหมายคือการเลือกหุ้นที่จะมีประสิทธิภาพสูงกว่าเพื่อนร่วมงานของตน StatArb เป็นข้อมูลเกี่ยวกับการพลิกกลับหมายความว่าในสาระสำคัญที่คุณจะบอกว่าการแพร่กระจายระหว่างสองหุ้นควรจะคงที่ (หรืออย่างช้า ๆ การพัฒนาตลอดเวลา) ที่เบี่ยงเบนใด ๆ จากการแพร่กระจายนำเสนอโอกาสในการซื้อขายเนื่องจากใน StatArb เราเชื่อว่าการแพร่กระจายเป็นค่าเฉลี่ยย้อน ตรงกันข้ามกับชื่อของการเก็งกำไรทางสถิติไม่ได้เป็นความเสี่ยงเกี่ยวกับการทำเงินฟรี (arbitrage กำหนดความเสี่ยงฟรี) ประเภทของหุ้นให้คู่ที่ดี? หุ้นที่ดีที่สุดที่จะใช้ใน StatArb เป็นคนที่มีเหตุผลพื้นฐานสำหรับการแพร่กระจายเชื่อว่าจะหมายถึงการคืน / เครื่องเขียน ซึ่งโดยปกติหมายความว่าหุ้นที่อยู่ในภาคการตลาดเดียวกันหรือดียิ่งขึ้น บริษัท เดียวกัน (บาง บริษัท มี A และ B หุ้นที่มีสิทธิออกเสียงหรือการค้าที่แตกต่างกันในการแลกเปลี่ยนที่แตกต่างกัน)! ตัวอย่างบางส่วนของคู่ที่คล้ายกันโดยพื้นฐานจะรอยัลดัตช์เชลล์เทียบกับหุ้นรอยัลดัตช์เชลล์ B, โกลด์แมนแซคส์เทียบกับเจพีมอร์แกน, แอปเปิ้ลเทียบกับ ARM (ผู้ผลิตชิปของพวกเขา) ARM เทียบกับ ARM ADR, บางกลุ่มภาคข้ามอาจจะทำงานเช่นเหมืองแร่ทองคำ เทียบกับราคาทองคำ เป็นตัวอย่างที่ไม่ดีจะรอยัลแบงก์ออฟสกอตแลนด์เทียบกับเทสโก้ตั้งแต่ธุรกิจของพวกเขาจะแตกต่างกันอย่างสมบูรณ์ / ไม่ส่งผลกระทบต่อกันและกัน คำนิยามทางคณิตศาสตร์ของคู่ที่ดีคืออะไร? เมื่อมากับหุ้นพื้นฐานดีที่คุณจับคู่ต่อไปต้องมีการทดสอบทางคณิตศาสตร์สำหรับการกำหนดถ้าคู่ที่ดี การทดสอบที่พบมากที่สุดคือการมองหาระยะยาวระหว่าง (en. wikipedia / วิกิพีเดีย / ระยะยาวระหว่าง) เช่นนี้จะบ่งบอกว่าทั้งคู่เป็นคู่นิ่ง (การแพร่กระจายได้รับการแก้ไข) และด้วยเหตุนี้มันเป็นสถิติค่าเฉลี่ยย้อน เมื่อทดสอบระยะยาวระหว่าง Pvalue (en. wikipedia / วิกิพีเดีย / P-value) การทดสอบสมมติฐานที่จะดำเนินการเพื่อให้เราสามารถแสดงระดับความเชื่อมั่นในคู่เป็นค่าเฉลี่ยย้อน ความแตกต่างระหว่างความสัมพันธ์และระยะยาวระหว่างคืออะไร? เมื่อพูดถึงการเก็งกำไร statisitical หลาย ๆ คนมักจะสับสนระหว่างความสัมพันธ์และระยะยาวระหว่าง ความสัมพันธ์หากทั้งสองมีความสัมพันธ์หุ้นแล้วถ้าหุ้นมี upday แล้วหุ้น B จะมี upday ระยะยาวระหว่างสองถ้าหุ้นจะ cointegrated แล้วมันเป็นไปได้ที่จะก่อให้เกิดคู่นิ่งจากการรวมกันเชิงเส้นของหุ้น A และ B หนึ่งในคำอธิบายที่ดีที่สุดของระยะยาวระหว่างเป็นดังนี้: "ชายคนหนึ่งออกจากผับไปที่บ้านกับสุนัขของเขาคนเมาและไปสุ่มเดินสุนัขยังไปเดินแบบสุ่ม พวกเขาเข้าใกล้ถนนที่วุ่นวายและมนุษย์ทำให้สุนัขของเขาในการเป็นผู้นำคนและสุนัขอยู่ในขณะนี้ cointegrated พวกเขาทั้งสองสามารถไปเดินสุ่ม แต่ระยะทางสูงสุดที่พวกเขาสามารถย้ายออกไปจากคนอื่น ๆ ได้รับการแก้ไขคือความยาวของตะกั่ว " ดังนั้นในระยะสาระสำคัญ / การแพร่กระจายระหว่างมนุษย์และสุนัขของเขาได้รับการแก้ไขยังทราบจากเรื่องที่ว่ามนุษย์และสุนัขยังคงอยู่บนสุ่มเดินมีอะไรจะบอกว่าถ้าเคลื่อนไหวของพวกเขามีความสัมพันธ์หรือมีความสัมพันธ์ uncorrelated. With หุ้นพวกเขา จะย้ายไปในทิศทางเดียวกันมากที่สุดของเวลา แต่ความสำคัญของการเคลื่อนไหวที่ไ​​ม่เป็นที่รู้จักที่นี้หมายถึงว่าถ้าคุณกำลังแพร่กระจายการซื้อขายระหว่างสองแพร่กระจายหุ้นนั้นสามารถทำให้การเจริญเติบโตและการเจริญเติบโตแสดงสัญญาณของการพลิกกลับหมายถึงไม่มี นี้อยู่ในสัญญาระยะยาวระหว่างที่เราบอกว่าการแพร่กระจายคือ "คงที่" และถ้าการแพร่กระจายเบี่ยงเบนไปจาก "แก้ไข" แล้วมันจะหมายถึงการย้อนกลับ ให้สำรวจบางส่วนระยะยาวระหว่างเพิ่มเติมได้ที่: สมการเคลื่อนที่ทางเรขาคณิต 7Bt%2BT%7D%20%3D%20A_%7Bt%7D%2BN%28%5Cmu_%7Ba%7DT%2C%5Csigma_%7Ba%7D%5Csqrt%7BT%7D%29bg=FFFFFF038;fg=000000038;s=1" /% ที่ย่อมาจากราคาของหุ้นก 5CDelta%20A%20%3D%20N%28%5Cmu_%7Ba%7D%5CDelta%20t%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF038;fg=000000038;s=1" /% 5CDelta%20A%20%3D%20%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF038;fg=000000038;s=1" /% 7Bt% 7D% 5B% 5CDelta% 20A% 5D% 20% 3D% 20% 5Cmu_% 7BA% 7Dbg = FFFFFF038; FG = 000000038; s = 1 "/% จากสมการเคลื่อนไหว Brownian เรขาคณิตที่เราจะเห็นได้ว่าการเปลี่ยนแปลงที่คาดว่าจะได้ในช่วงเวลา 28E_% 7Bt% 7D% 5B% 5CDelta% 20A% 5D% 29bg = FFFFFF038; FG = 000000038; s = 1 "/% เป็น 5Cmu_% 7BA% 7Dbg = FFFFFF038; FG = 000000038; s = 1 "/% ในคำอื่น ๆ ไม่ได้เป็นนิ่งสมมติ 5Cmu_% 7BA% 7Dbg = FFFFFF038; FG = 000000038; s = 1" /% ไม่ได้เป็นศูนย์) เราต้องการที่จะหา cointegrated / คู่นิ่ง สมการสำหรับการไปหุ้นยาวและระยะสั้น n จำนวนมากในสต็อก B 3DA-nBbg = FFFFFF038; FG = 000000038; s = 1 "/% 5CDelta% 20Spread% 3D% 5CDelta% 20A-n% 5CDelta% 20Bbg = FFFFFF038; FG = 000000038; s = 1 "/% 5CDelta%20Spread%3D%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29-n%5Cmu_%7Bb%7D%5CDelta%20t-nN%280%2C%5Csigma_%7Bb%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF038;fg=000000038;s=1" /% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-n%5Cmu_%7Bb%7Dbg=FFFFFF038;fg=000000038;s=1" /% การตั้งค่า 3D 5Cfrac%%% 7B 5Cmu_% 7BA% 7D% 7D% 7B% 5Cmu_% 7BB% 7D% 7Dbg = FFFFFF038; FG = 000000038; s = 1 "/% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-%5Cfrac%7B%5Cmu_%7Ba%7D%5Cmu_%7Bb%7D%7D%7B%5Cmu_%7Bb%7D%7D%3D%5Cmu_%7Ba%7D-%5Cmu_%7Ba%7D%3D0bg=FFFFFF038;fg=000000038;s=1" /% ดังนั้นนิ่งสมมติว่าอัตราการป้องกันความเสี่ยงที่ยังคงอยู่อย่างต่อเนื่อง ตัวอย่างของหุ้นมีลักษณะร่วมกัน ขอให้สังเกตการแพร่กระจายเป่าขึ้น ตัวอย่างของหุ้น cointegrated: สังเกตการแพร่กระจายที่มีลักษณะแกว่ง การซื้อขายกลยุทธ์ในการใช้ประโยชน์จากบล็อก, ข่าว 038; ทวิตเตอร์ความเชื่อมั่น (กระดาษ) ฉันเพิ่งมาข้ามบทความนี้และต้องการที่จะทำเอกสารได้ที่นี่บางสิ่งบางอย่างที่จะกลับมาและทดสอบตัวเองหวังว่าคุณจะพบว่ามันน่าสนใจเท่าที่ผมทำ วิธีการที่มีสี่พารามิเตอร์: วิเคราะห์ความเชื่อมั่นระยะเวลากี่วันของข้อมูลความเชื่อมั่นก่อนที่จะใช้? โฮลดิ้งระยะเวลานานแค่ไหนที่จะถือการค้าหรือไม่? มูลค่าหลักทรัพย์ตามราคาตลาดทำหมวกขนาดเล็กและขนาดใหญ่หมวกตอบสนองเหมือนกันหรือไม่ diversi ไอออนไฟวิธีหุ้นจำนวนมากที่จะมีในผลงาน? แต่ละพารามิเตอร์แบบการซื้อขายยังมีการวิเคราะห์และผลกระทบอธิบาย กระดาษที่แสดงความเชื่อมั่นในตลาดกลางซื้อขายตามขั้นตอนวิธีการที่มีการทดสอบกลับไประยะเวลาห้าปี (2005-2009) และสร้างผลตอบแทนที่น่าประทับใจบางอย่างเป็นพิเศษเกือบ 40% ในปีที่ผ่านบางอย่างขึ้นอยู่กับการกำหนดค่า สิ่งที่ผมชอบมากที่สุดเกี่ยวกับกระดาษเป็นสินทรัพย์เพื่อการค้าถูกเลือกขึ้นอยู่กับเกณฑ์ที่คงที่ (เช่นมันในด้านบน n ความรู้สึกมากที่สุด) นี้จะหยุดผลกระทบที่มีอคติในเชิงบวกโดยผู้เขียนอาจสถานการณ์ที่ทำกำไรได้ในปัจจุบันเพียง / เชอร์รี่เลือก ผล. ความเชื่อมั่นจะขึ้นอยู่กับการวิเคราะห์ข่าวโพสต์บล็อกโพสต์และทวีต ตั้งแต่ทวิตเตอร์เท่านั้นที่เข้ามาอยู่ในปี 2009 ผู้เขียนมีเพียงครึ่งปีมูลค่าของข้อมูลทวิตเตอร์ในการวิเคราะห์ ผลที่ดีในการวิจัยนี้ก็ประสบความสำเร็จโดยไม่ต้องใช้ข้อมูลที่ Twitter ข่าวปกติและบล็อกของแหล่งที่มา กระดาษที่แสดงให้เห็นว่าเรื่องขนาดร่างกายโดยใช้บล็อกอาจจะเป็นวิธีการที่ถูกกว่าการเก็บสะสม (ที่ขูดจำนวนมาก RSS ฟีด) ในขณะที่มีทวิตเตอร์มีข้อ จำกัด กับสิ่งที่ข้อมูลที่คุณจะได้รับฟรี (Datafeeds เต็มรูปแบบเริ่มต้นที่ $ 3,500 ต่อเดือน ) การซื้อขายกลยุทธ์ในการใช้ประโยชน์จากบล็อก, ข่าว 038; ทวิตเตอร์ความเชื่อมั่น (กระดาษ) ฉันเพิ่งมาข้ามบทความนี้และต้องการที่จะทำเอกสารได้ที่นี่บางสิ่งบางอย่างที่จะกลับมาและทดสอบตัวเองหวังว่าคุณจะพบว่ามันน่าสนใจเท่าที่ผมทำ วิธีการที่มีสี่พารามิเตอร์: วิเคราะห์ความเชื่อมั่นระยะเวลากี่วันของข้อมูลความเชื่อมั่นก่อนที่จะใช้? โฮลดิ้งระยะเวลานานแค่ไหนที่จะถือการค้าหรือไม่? มูลค่าหลักทรัพย์ตามราคาตลาดทำหมวกขนาดเล็กและขนาดใหญ่หมวกตอบสนองเหมือนกันหรือไม่ diversi ไอออนไฟวิธีหุ้นจำนวนมากที่จะมีในผลงาน? แต่ละพารามิเตอร์แบบการซื้อขายยังมีการวิเคราะห์และผลกระทบอธิบาย กระดาษที่แสดงความเชื่อมั่นในตลาดกลางซื้อขายตามขั้นตอนวิธีการที่มีการทดสอบกลับไประยะเวลาห้าปี (2005-2009) และสร้างผลตอบแทนที่น่าประทับใจบางอย่างเป็นพิเศษเกือบ 40% ในปีที่ผ่านบางอย่างขึ้นอยู่กับการกำหนดค่า สิ่งที่ผมชอบมากที่สุดเกี่ยวกับกระดาษเป็นสินทรัพย์เพื่อการค้าถูกเลือกขึ้นอยู่กับเกณฑ์ที่คงที่ (เช่นมันในด้านบน n ความรู้สึกมากที่สุด) นี้จะหยุดผลกระทบที่มีอคติในเชิงบวกโดยผู้เขียนอาจสถานการณ์ที่ทำกำไรได้ในปัจจุบันเพียง / เชอร์รี่เลือก ผล. ความเชื่อมั่นจะขึ้นอยู่กับการวิเคราะห์ข่าวโพสต์บล็อกโพสต์และทวีต ตั้งแต่ทวิตเตอร์เท่านั้นที่เข้ามาอยู่ในปี 2009 ผู้เขียนมีเพียงครึ่งปีมูลค่าของข้อมูลทวิตเตอร์ในการวิเคราะห์ ผลที่ดีในการวิจัยนี้ก็ประสบความสำเร็จโดยไม่ต้องใช้ข้อมูลที่ Twitter ข่าวปกติและบล็อกของแหล่งที่มา กระดาษที่แสดงให้เห็นว่าเรื่องขนาดร่างกายโดยใช้บล็อกอาจจะเป็นวิธีการที่ถูกกว่าการเก็บสะสม (ที่ขูดจำนวนมาก RSS ฟีด) ในขณะที่มีทวิตเตอร์มีข้อ จำกัด กับสิ่งที่ข้อมูลที่คุณจะได้รับฟรี (Datafeeds เต็มรูปแบบเริ่มต้นที่ $ 3,500 ต่อเดือน ) ทวิตเตอร์เทรดดิ้ง 038; การวิเคราะห์ความเชื่อมั่น ความคิดที่เป็นมาตรฐานในเศรษฐศาสตร์พฤติกรรมคืออารมณ์เล่นส่วนใหญ่ในการตัดสินใจและมีอิทธิพลอย่างลึกซึ้งพฤติกรรมตัวแทน สายของตรรกะนี้สามารถนำไปใช้กับการลงทุนในตลาดหุ้นเคลื่อนไหวราคาเป็นฟังก์ชั่นของอารมณ์ของตัวแทนในตลาด กระดาษในปี 2011 โดยโจฮาน Bollen, Huina เหมา Xiaojun เซงที่เรียกว่า 8220; อารมณ์ทวิตเตอร์คาดการณ์หุ้น market8221 ;. มันแสดงให้เห็นว่าโดยการใช้วิเคราะห์ความเชื่อมั่นที่จะโพสต์ทวิตเตอร์ (ทวิตเตอร์) ก็เป็นไปได้ที่จะวัดสภาพอารมณ์ปัจจุบันของตัวแทน กระดาษจากนั้นก็จะยืนยันว่าอารมณ์ความรู้สึกของ Twitter มีความสัมพันธ์กับการเคลื่อนไหวของตลาดและอาจได้คาดการณ์การเคลื่อนไหวของ หลังจากที่กระดาษสำคัญนี้เป็นครั้งแรกที่เผยแพร่จำนวนของกองทุนป้องกันความเสี่ยงได้นำความคิดและผลิตกองทุน Twitter, ที่รู้จักต่อสาธารณชนกองทุนทวิตเตอร์จะดำเนินการโดย Derwent ทุน ผมวางแผนที่จะตรวจสอบความคิดนี้ต่อไปในบล็อกนี้ แต่ถ้าคุณต้องการที่จะเริ่มต้นก่อนที่ฉันต่อไปนี้ควรจะมีประโยชน์: สถิติ Arbitrage Trading คู่ cointegrated โพสต์ล่าสุดของฉัน gekkoquant / 2012/12/17 / สถิติ-เก็งกำไรทดสอบสำหรับระยะยาวระหว่าง-เติม Dicky-ฟูลเลอร์ / ผมแสดงให้เห็นถึงระยะยาวระหว่างการทดสอบทางคณิตศาสตร์ในการระบุคู่นิ่งที่แพร่กระจายโดยความหมายจะต้องมีค่าเฉลี่ยย้อน ในบทความนี้ผมตั้งใจที่จะแสดงให้เห็นว่าการค้าคู่ cointegrated และจะยังคงวิเคราะห์รอยัลดัตช์เชลล์เทียบกับหุ้นบี (เรารู้ว่าพวกเขากำลัง cointegrated จากโพสต์ล่าสุดของฉัน) เทรดดิ้งคู่ cointegrated จะตรงไปตรงมาเรารู้ว่าค่าเฉลี่ยและความแปรปรวนของการแพร่กระจายเรารู้ว่าผู้ที่มีค่าคงที่ จุดเริ่มต้นสำหรับการอาบสถิติก็คือการหาค่าความเบี่ยงเบนที่มีขนาดใหญ่ออกไปจากค่าเฉลี่ย ถ้า Spread (t) & gt; = หมายความว่าการแพร่กระจาย + 2 * ค่าเบี่ยงเบนมาตรฐานแล้วไปสั้น ถ้า Spread (t) & lt; = กระจายหมายความว่า 2 * ค่าเบี่ยงเบนมาตรฐานแล้วไปยาว มีหลายรูปแบบของกลยุทธ์นี้