Forbedre Gående Gjennomsnittet Handelsregler Med Boosting Og Statistisk Læringsmetoder

Forbedre bevegelige gjennomsnittlige handelsregler med økende og statistiske læringsmetoder. 13 Oppførselen til de tekniske handelsreglene basert på læringsmetodene var likevel helt motsatt i løpet av fallperioden (2. september 2000 til 31. desember 2002). Dermed overhører alle læringsmetoder som ikke er av prøven, tilbakeføringen av BampH-strategien, spesielt den filtrerte Boosting-modellen. Dessuten var Sharpe-forholdet til den filtrerte Boosting-modellen høyere enn BampH, og mye høyere enn Sharpe-forholdet mellom komiteen og de bayesiske modellene. Det samme skjedde med det ideelle profi-forholdet. Det ble også observert at, med unntak av perioden med generaliserte økninger i markedet, oppnådde den filtrerte Boosting-modellen mer nettoavkastning enn noen flytende gjennomsnittsmodell, og understøttet mindre risiko for at noen andre. Selv om den filtrerte Boosting-modellen ikke er i stand til å overvinne avkastningen av BampH-strategien i den økende perioden, viser resultatene at den overvinter BampH i fallende perioden og er i stand til å absorbere en stor del av fall i markedet . Derfor kan den filtrerte Boosting-modellen brukes som en konservativ strategi viet til redusert risiko under eventuelle markedskollaps. Ikke desto mindre er det nødvendig å være forsiktig og i fremtidig forskning studere hvor robuste fondene i dette papiret er til andre finansindekser, og det kan være nyttig å undersøke andre populære indekser (egenkapital, obligasjoner eller utenlandske børser). Den endelige konklusjonen av denne undersøkelsen er ikke å tvile på den prediktive kraften i å flytte gjennomsnittlige regler i serien og perioden analysert. Tvert imot støtter våre resultater at selv om de bevegelige gjennomsnittene viser uforutsigbarhet og variabilitet av sin prediktive kraft, har et stort sett bevegelige gjennomsnitt flere forutsigende opplysninger enn noen enkelt, hvorfra den filtrerte Boosting-algoritmen kan utnytte. Denne undersøkelsen peker på at bruken av læringsmetoder som økning synes mer robust og profittabel enn bruk av individuelle bevegelige gjennomsnitt. Det kaller oppmerksomhet til tekniske analytikere for å bruke Boosting og andre kombinere prediksjonsmetoder i stedet for individuelle bevegelige gjennomsnitt. Til slutt kan denne undersøkelsen utvides til et bredere sett av tekniske handelsregler som de som brukes i Sullivan et al. (1999) som er fi rteregler, støtte og motstand, kanalbrudd og ubalanse volum gjennomsnitt. ERKLÆRING Denne forskningen støttes av det spanske departementet for vitenskap og teknologi gjennom prosjektet SEJ2006-07701 ELON. REFERENCER Alexander S. 1961. Prisendringer i spekulative markeder: trender eller tilfeldige turer. Industrial Management Review 2. 726. Allen F, Karjalainen R. 1999. Ved hjelp av genetiske algoritmer for å finne tekniske handelsregler. Journal of Financial Economics 51. 245271. Blume L, Easley D, OHara M. 1994. Markedsstatistikk og teknisk analyse: volumets rolle. Journal of Finance 49. 153181. Bodie Z, Kane A, Marcus AJ. 2002. Essentials of Investments. MacGraw-Hill: New York. Brock W, Lakonish J, LeBaron B. 1992. Enkle tekniske regler og de stokastiske egenskapene til aksjen returnerer. Journal of Finance 47. 17311764. Brown D, Jennings R. 1989. På teknisk analyse. Gjennomgang av finansielle studier 4. 527551. Chang PHK, Osler CL. 1999. Metodisk galskap: teknisk analyse og irrasjonalitet i valutakursvarsler. Økonomisk journal 109. 636661. Fama EF. 1970. Effi cient kapitalmarkedet: en gjennomgang av teori og empirisk arbeid. Journal of Finance 25. 383 417. Fama EF. 1976. Fundamentals of Finance. Grunnleggende bøker: New York. Fama EF, Blume ME. 1966. Filter regler og aksjemarkedet trading. Journal of Business 1. 226241. Freund Y, Schapire RE. 1997. En beslutningsteoretisk generering av on-line læring og applikasjon for å øke. Journal of Computer and System Sciences 55 (1): 119139.Improving Flyttende Gjennomsnittlig Trading Rules med Boosting og Statistical Learning Methods Publisert online 10. mai 2008 i Wiley InterScience (interscience. wiley) DOI. 10.1002for.1068 Forbedre Moving Average Trading Rules med Boosting og Statistical Learning Methods JULIN ANDRADA-FLIX og Institutt for kvantitative metoder i økonomi og ledelse, Universitetet i Las Palmas de Gran Canaria, Spania Vi presenterer et system for å kombinere ulike typer spådommer gitt ved en bred kategori av mekaniske handelsregler gjennom statistiske læringsmetoder (økning, og flere modell-gjennomsnittlige metoder som bayesiske eller enkle middelmålinger). Statistiske læringsmetoder gir bedre resultater utenom prøven enn de fleste av de eneste glidende gjennomsnittsreglene i NYSE Composite Index fra januar 1993 til desember 2002. Videre, ved hjelp av en filtre for å redusere handelsfrekvensen, gir den filtrerte boostemodellen en teknisk strategi som, selv om det ikke er i stand til å overvinne avkastningen av buy-and-hold-strategien (BampH) i økende perioder, overvinter den BampH i fallende perioder og kan absorbere en betydelig del av fall i markedet. Copyright 2008 John Wiley amp Sons, Ltd. nøkkelord teknisk analyse øker statistisk læring modellvalg INNLEDNING Teknisk analyse består av forsøket på å prognostisere priser på et finansmarked ved å studere tidligere priser og andre relaterte sammendragsstatistikker vedrørende sikkerhetshandel. Til tross for akademikernes skeptiske holdning til teknisk analyse har tekniske analyser i løpet av de siste 20 årene hatt en renessanse i den akademiske verden, og det har blitt utviklet en betydelig mengde teoretisk og empirisk arbeid som støtter den tekniske analysen. Således har teoretiske modeller blitt foreslått av Hellwig (1982), Treynor og Ferguson (1985), Brown and Jennings (1989) og Blume et al. (1994). Også mange empiriske papirer gir bevis på profittabiliteten av tekniske handelsregler, utestående blant annet er Brock et al. (1992), Levich og Thomas (1993), Blume et al. (1994), Knez og Ready (1996), Genay (1996), Neely et al. (1997) og Chang and Osler (1999). Korrespondanse til: Fernando Fernndez-Rodrguez, Facultad de Ciencias Econmicas og Empresariales, 35017 Las Palmas de Gran Canaria, Spania. E-post: ffernandezdmc. ulpgc. es Formålet med vårt papir er å gi et system for å kombinere ulike typer spådommer som tilbys av en bred kategori av mekaniske handelsregler. Gjennom statistiske læringsmetoder (som for eksempel å øke, og flere modell-gjennomsnittlige metoder som Bayesian eller komité), vil nye spådommer bli bygget ut fra et gitt sett av tekniske spådommer. Resten av dette papiret har blitt strukturert som følger. I neste avsnitt presenteres en kort gjennomgang av tekniske handelsregler som brukes i dette papiret. Den tredje delen fokuserer på å beskrive de mest populære statistiske læringsmetodene som Boosting, og Bayesian modell gjennomsnitt. Den fjerde delen presenterer de fi nansjonsmålingene som er benyttet for å evaluere og sammenligne de tekniske handelsreglene som er opprettet. Den femte delen viser de empiriske resultatene. Den sjette delen presenterer hovedkonklusjonene. TEKNISKE HANDELSREGLER I dette papiret studerer vi den prediktive kraften om informasjonskombinasjonen fra en av de mest populære handelsreguleringsfamiliene som er ansatt i teknisk analyse, variabelen som beveger gjennomsnittlig regelverk (VMA fremover). VMA-regler innebærer sammenligning av et kortsiktig glidende gjennomsnitt av priser til et langsiktig glidende gjennomsnitt. Derfor sendes (selges) signaler når det kortsiktige gjennomsnittet overstiger (er mindre enn) det langsiktige gjennomsnittet med minst et forhåndsdefinert prosentandel. Innføringen av et band rundt det bevegelige gjennomsnittet reduserer antall kjøpssalgssignaler ved å eliminere markedet whiplash når de korte og lange flytteverdiene er nært. Dette bandet, som normalt betraktes som 1, reduserer antall kjøp og salgssignaler. Ingen signal genereres når det korte glidende gjennomsnittet er innenfor bandet. Med et bånd på null, klassifiseres den tekniske regelen som VMA gir alle dager i enten kjøpsdager eller salgsdager. Lengden på de bevegelige gjennomsnittene må velges av teknikeren. Den mest populære regelen som brukes i teknisk analyse er 1200, hvor den korte perioden er 1 dag og den lange perioden er 200 dager. Ikke desto mindre er andre mye brukte handelsregler 150, 1150, 5150, 1200 og 2200 (se Brock et al., 1992). Den skeptiske holdningen til den akademiske verden om teknisk analyse er motivert av den effektive markedshypotesen, som innebærer at tilgjengelig offentlig informasjon, som forrige priser, ikke skal hjelpe handelsmenn til å oppnå uvanlig høy avkastning når en risikopremie er blitt diskontert. Fama (1970, 1976) definerer således et marked som svakt form effektivt dersom dagens priser fullt ut reflekterer informasjonen i tidligere priser. Svak form effektivitet innebærer at teknisk analyse av tidligere aksjekurser ikke har noen verdi. Forbedre bevegelige gjennomsnittlige handelsregler med økende og statistiske læringsmetoder Når du ber om en korreksjon, vær oppmerksom på at disse elementene håndterer: RePEc: jof: jforec: v: 27: y: 2008: i: 5: p: 433-449. Se generell informasjon om hvordan du retter materiale i RePEc. For tekniske spørsmål angående dette elementet, eller for å rette opp forfatterens, tittel, abstrakt, bibliografisk eller nedlastingsinformasjon, ta kontakt: (Wiley-Blackwell Digital Licensing) eller (Christopher F. Baum) Hvis du har skrevet denne artikkelen og ikke er registrert RePEc, vi oppfordrer deg til å gjøre det her. Dette gjør det mulig å koble profilen din til dette elementet. Det tillater deg også å akseptere potensielle sitater til dette elementet som vi er usikre på. Hvis referanser mangler helt, kan du legge til dem ved hjelp av dette skjemaet. Hvis de fulle referansene viser et element som er til stede i RePEc, men systemet ikke lenker til det, kan du hjelpe med dette skjemaet. Hvis du vet om manglende elementer som citerer denne, kan du hjelpe oss med å opprette disse linkene ved å legge til de relevante referansene på samme måte som ovenfor, for hvert referanseelement. Hvis du er en registrert forfatter av dette elementet, kan du også sjekke tittelfanen i profilen din, da det kan være noen henvisninger som venter på bekreftelse. Vær oppmerksom på at rettelser kan ta noen uker å filtrere gjennom de ulike RePEc-tjenestene. Flere tjenester Følg serier, tidsskrifter, forfattere mer Ny nyhetsbrev via e-post Abonner på nye tilføyelser til RePEc Forfatterregistrering Offentlige profiler for økonomiforskere Forskjellige forskningsrangeringer i økonomi-relaterte felt Hvem var student av hvem ved hjelp av RePEc RePEc Biblio Curated articles amp papirer på ulike økonomi-emner Last opp papiret ditt for å bli oppført på RePEc og IDEAS EconAcademics Bloggaggregat for økonomiforskning Plagiering Sager av plagiering i økonomi Arbeidsmarkedspapirer RePEc arbeidspapirserier dedikert til arbeidsmarkedet Fantasy League Låt deg være i roret av en økonomi avdelingstjenester fra StL Fed Data, forskning, programmer mer fra St. Louis FedJournal of Forecasting Volume 27, utgave 5. Versjon av posten online: 10. mai 2008 Alternativer for tilgang til dette innholdet: Hvis du er et samfunn eller foreningsmedlem og krever assistanse med å skaffe instruksjoner for tilgang til Internett, vennligst kontakt vårt Journal Customer Services-team. wiley. forceInterfaceContactJournalCustomerServicesV2. Hvis institusjonen din ikke abonnerer på dette innholdet, kan du anbefale tittelen til bibliotekaristen din. Logg inn via andre institusjonelle innloggingsalternativer onlinelibrary. wileylogin-options. Du kan kjøpe online tilgang til denne artikkelen i en 24-timers periode (pris varierer etter tittel) Hvis du allerede har en Wiley Online Library eller Wiley InterScience brukerkonto: logg inn over og fortsett å kjøpe artikkelen. Nye brukere: Vennligst registrer deg, og fortsett å kjøpe artikkelen. Søk etter institusjonens navn nedenfor for å logge inn via Shibboleth. Registrerte brukere kan du logge inn: Få tilgang til dine lagrede publikasjoner, artikler og søk Administrer e-postvarsler, ordrer og abonnementer Endre kontaktinformasjon, inkludert passordet Vennligst registrer deg: Lagre publikasjoner, artikler og søk Få e-postvarsler Få alle fordelene nevnt nedenfor