نظریه بازار کارآمد با استفاده از استراتژی شمعدان ژاپنی: شواهدی از متن بازار سهام روسیه از یک مقاله علمی در "اقتصاد و تجارت" ویژه

شمعدان های ژاپنی / تجزیه و تحلیل فنی / نظریه بازار کارآمد / استراتژی معاملات / بازار بالاتری./ مدل های گرافیکی شمع های ژاپنی / تجزیه و تحلیل فنی / نظریه بازارهای مؤثر / استراتژی تجارت / بازار ناپایدار.

حاشیه نویسی یک مقاله علمی در مورد اقتصاد و تجارت ، نویسنده کار علمی - Denis E. Berezyuk

در این مقاله به بررسی امکانات تجارت فنی با استفاده از رویکرد الگوهای شمعدان ژاپنی در بازار سهام روسیه پرداخته است. سایر قوانین و تکنیک های معاملات فنی مانند موقعیت های متوقف شده ، چشم انداز شناسایی روند ، فاکتور حجم و فاکتور سود سهام برای تشکیل نمونه کارها از سهام "کلاه های آبی" روسیه برای یک سرمایه گذار و ایجاد روش هایی برای مدیریت بهینه خود در واقعیت همکاری کردند. بازار روسیه. با استفاده از روشهای مونت کارلو و بوت استرپینگ برای تولید مجموعه داده های تصادفی واقعیت بازگشت آماری معنی دار با استفاده از استراتژی شمعدان ژاپنی در مجموعه داده های آزمون یافت نشد ، اما بررسی استحکام ارزش بالایی را برای سرمایه گذار در دوره های پر زرق و برق بازار روسیه نشان داد. نتایج نشان می دهد که الگوهای شمعدان ژاپنی ، که در ابتدا در آغاز قرن 18 در ژاپن کشف و مورد استفاده قرار گرفت ، توانایی پیش بینی بالایی در بازار سهام "نزولی" سهام روسیه در طی سال های 2008 و 2014 ، هنگامی که وضعیت اقتصادی و سیاسی در فدراسیون روسیه نبوده است پایدار. با این حال ، نه تنها الگوهای شمعدانی "نزولی" بلکه "صعودی" در بازار با روند منفی و انحراف استاندارد بالا از بازگشت روزانه مرد مؤثر بودند. از Tenesults برای تشکیل یک استراتژی تجاری مؤثر شمعدان های ژاپنی برای یک سرمایه گذار در دوره های دوقلو روسی روسیه استفاده شد.

مباحث مشابه آثار علمی در مورد اقتصاد و تجارت ، نویسنده کار علمی - دنیس E. برزیوک

بررسی فرضیه بازارهای مؤثر با استفاده از یک استراتژی تجاری برای شمع های ژاپنی: داده های بازار سهام روسیه

در این مقاله به بررسی امکانات یک استراتژی معاملاتی برای تجزیه و تحلیل فنی با استفاده از مدلهای گرافیکی شمع های ژاپنی در بازار سهام روسیه می پردازیم. سایر شاخص های فنی و نوسان سازهای ریاضی ، مانند موقعیت های متوقف کردن ، روش های مختلف برای تعیین روند ، یک عامل معاملاتی و پرداخت سود سهام بهینه شده و برای تشکیل نمونه کارها از "تراشه های آبی" روسی برای سرمایه گذار و همچنین ایجاد استفاده شده است. روشهای بهینه برای مدیریت سبد سرمایه گذاری در واقعیت های بازار روسیه. از روش Monte-Carlo و Butstrapping برای تولید مجموعه داده های تصادفی بر روی الگوهای تبلیغات تاریخی قیمت سهام و تعیین اهمیت آماری نتایج استراتژی تجارت بهینه استفاده شد. محاسبات نشان داد كه استراتژی تجارت شمع های ژاپنی و اصلاحات آن سودآوری قابل توجهی را بالاتر از متوسط بازار سرمایه گذار در مراحل نسبتاً آرام توسعه بازار مالی روسیه به ارمغان نمی آورد. با این حال ، سود آماری قابل توجه استراتژی معاملات شمع ژاپنی در مورد داده های ربات ، بارها بیشتر از سودآوری بازار روسیه ، ممکن است نشان دهنده کارآیی بالایی از استفاده از آن توسط سرمایه گذاران باشد. همچنین ، می توان فرضیه هایی را در مورد کارآیی کاملاً شکل نشده از بازار سهام روسیه شکل داد ، زیرا بازار با استفاده از یک استراتژی تجارت تجزیه و تحلیل فنی "مورد ضرب و شتم" قرار گرفت. مدل های گرافیکی شمع های ژاپنی ، که در ابتدای قرن 18 در ژاپن توسعه یافته است ، در سال 2008 و 2014 مؤثر بود ، هنگامی که یک بورس سهام بسیار بی ثبات روسیه روند منفی داشت. با این حال ، مدل های گرافیکی "گاو نر" که پیش بینی تغییرات کوتاه مدت در بازار سهام را پیش بینی می کنند ، در بازار "خرس" نیز مؤثر بودند. بنابراین ، نتایج به توسعه یک استراتژی تجاری مؤثر برای سرمایه گذار در بازار سهام روسیه کمک کرده است ، که می تواند در مراحل ناپایدار توسعه بازار با یک روند منفی سود بالایی به همراه آورد.

متن کار علمی در مورد موضوع "نظریه بازار کارآمد با استفاده از استراتژی شمعدان ژاپنی: شواهدی از بازار سهام روسیه"

بررسی فرضیه بازارهای مؤثر با استفاده از یک استراتژی معاملاتی برای شمع های ژاپنی: داده های تئوری کارآمد کارآمد روسیه با استفاده از استراتژی ژاپنیبیک: شواهدی از سهام.

بازار سهام روسیه

UDC 336 ، 339 doi 10. 24411/2413-046x-2019-19034 Berezyuk Denis Eduardovich ،

دانشگاه تحقیقات ملی "دانشکده عالی اقتصاد" ، سن پترزبورگ ، روسیه دنیس E. برزیوک ،

دانشگاه تحقیقات ملی "دانشکده عالی اقتصاد" ، خیابانپردیس پترزبورگ ، روسیه چکیده: در این مقاله به بررسی امکانات یک استراتژی تجارت تجزیه و تحلیل فنی با استفاده از مدلهای گرافیکی شمع های ژاپنی در بازار سهام روسیه می پردازد. سایر شاخص های فنی و نوسان سازهای ریاضی ، مانند موقعیت های متوقف کردن ، روش های مختلف برای تعیین روند ، یک عامل معاملاتی و پرداخت سود سهام بهینه شده و برای تشکیل نمونه کارها از "تراشه های آبی" روسی برای سرمایه گذار و همچنین ایجاد استفاده شده است. روشهای بهینه برای مدیریت سبد سرمایه گذاری در واقعیت های بازار روسیه. از روش Monte-Carlo و Butstrapping برای تولید مجموعه داده های تصادفی بر روی الگوهای تبلیغات تاریخی قیمت سهام و تعیین اهمیت آماری نتایج استراتژی تجارت بهینه استفاده شد. محاسبات نشان داد كه استراتژی تجارت شمع های ژاپنی و اصلاحات آن سودآوری قابل توجهی را بالاتر از متوسط بازار سرمایه گذار در مراحل نسبتاً آرام توسعه بازار مالی روسیه به ارمغان نمی آورد. با این حال ، سود آماری قابل توجه استراتژی معاملات شمع ژاپنی در مورد داده های ربات ، بارها بیشتر از سودآوری بازار روسیه ، ممکن است نشان دهنده کارآیی بالایی از استفاده از آن توسط سرمایه گذاران باشد. همچنین ، می توان فرضیه هایی راجع به کارآیی کاملاً تشکیل نشده بازار سهام روسیه شکل داد ، زیرا بازار با استفاده از آن "مورد ضرب و شتم" قرار گرفت

استراتژی تجارت تجزیه و تحلیل فنی. مدل های گرافیکی شمع های ژاپنی ، که در ابتدای قرن 18 در ژاپن توسعه یافته است ، در سال 2008 و 2014 مؤثر بود ، هنگامی که یک بورس سهام بسیار بی ثبات روسیه روند منفی داشت. با این حال ، مدل های گرافیکی "گاو نر" که پیش بینی تغییرات کوتاه مدت در بازار سهام را پیش بینی می کنند ، در بازار "خرس" نیز مؤثر بودند. بنابراین ، نتایج به توسعه یک استراتژی تجاری مؤثر برای سرمایه گذار در بازار سهام روسیه کمک کرده است ، که می تواند در مراحل ناپایدار توسعه بازار با یک روند منفی سود بالایی به همراه آورد. خلاصه: در این مقاله به بررسی امکانات تجارت فنی با استفاده از رویکرد شمعدان ژاپنی در بازار سهام روسیه می پردازیم. سایر قوانین و تکنیک های معاملات فنی مانند موقعیت های متوقف شده ، چشم انداز شناسایی روند ، فاکتور حجم و فاکتور سود سهام برای تشکیل نمونه کارها از سهام "کلاه های آبی" روسیه برای یک سرمایه گذار و ایجاد روش هایی برای مدیریت بهینه خود در واقعیت همکاری کردند. بازار روسیه. با استفاده از روشهای مونت کارلو و بوت استرپینگ برای تولید مجموعه داده های تصادفی واقعیت بازگشت آماری معنی دار با استفاده از استراتژی شمعدان ژاپنی در مجموعه داده های آزمون یافت نشد ، اما بررسی استحکام ارزش بالایی را برای سرمایه گذار در دوره های پر زرق و برق بازار روسیه نشان داد. نتایج نشان می دهد که الگوهای شمعدان ژاپنی ، که در ابتدا در آغاز قرن 18 در ژاپن کشف و مورد استفاده قرار گرفت ، توانایی پیش بینی بالایی در بازار سهام "نزولی" سهام روسیه در طی سال های 2008 و 2014 ، هنگامی که وضعیت اقتصادی و سیاسی در فدراسیون روسیه نبوده است پایدار. با این حال ، نه تنها الگوهای شمعدانی "نزولی" بلکه "صعودی" در بازار با روند منفی و استاندارد بالا از بازگشت روزانه مرد مؤثر بودند. از Tenesults برای تشکیل یک استراتژی تجاری مؤثر شمعدان های ژاپنی برای یک سرمایه گذار در دوره های دوقلو روسی روسیه استفاده شد.

کلمات کلیدی: مدل های گرافیکی شمع های ژاپنی ، تجزیه و تحلیل فنی ، تئوری بازارهای مؤثر ، یک استراتژی تجارت ، یک بازار ناپایدار.

واژه های کلیدی: شمعدان های ژاپنی ، تجزیه و تحلیل فنی ، نظریه بازار کارآمد ، استراتژی سنت ، بازار بالاتری.

تجزیه و تحلیل فنی روشی برای پیش بینی پویایی قیمت آینده دارایی های مالی است و براساس اطلاعات بازار مانند حجم معاملات ابزارهای مالی ، قیمت های تاریخی و سایر آمار بازار است. طرفداران تجزیه و تحلیل فنی به ویژگی های مثبت زیر این روش پیش بینی بازار اشاره می کنند: بررسی گسترده بازار که از طریق تجزیه و تحلیل تعداد زیادی از شاخص ها بوجود می آید. راحتی استفاده از این تجزیه و تحلیل با کلیه ابزارهای مالی و دارایی ها. توانایی تشخیص الگوهای در داده های تاریخی که می توانند دوباره در

آینده [17]. تمام نقاط قوت تجزیه و تحلیل فنی به طور کلی مبتنی بر این فرض است که شاخص ها و شاخص های مختلف این روش حاوی تعیین کننده برای شکل گیری روند آینده در اطلاعات بازار هستند [12]. این بیانیه مغایر با تئوری قرن بیستم در مورد کارآیی بازار (EMH) است که ادعا می کند که تمام اطلاعات بازار در قیمت دارایی های مالی در بازارها موجود است [5]. این به دنبال غیرقابل پیش بینی بودن تغییرات قیمت بازار برای همه شرکت کنندگان است ، یعنی قطعات دائماً در مورد "ارزش بازار عادلانه" خود تغییر می کنند ، و بنابراین بازده بالاتر از متوسط بازار غیرممکن است [16].

شواهد سودآوری قوانین مختلف تجارت فنی در تعدادی از مقالات نشان داده شد. به عنوان مثال ، قانون تجارت فنی "فیلتر" با هزینه های معاملات ، بازده آماری معنی داری برای سهام شاخص DJIA نشان داد. میانگین های متحرک طولانی و کوتاه در سیستم معاملات عبور MA ، سود بالاتر از میانگین بازار را در بورس اوراق بهادار نیویورک به ارمغان آورد [6]. روشهای مدرن یادگیری ماشین مانند شبکه عصبی تصمیمات سرمایه گذاری را بهبود بخشیده و یک استراتژی تجاری مؤثر برای سهام از شاخص های S& P 500 و BSE ایجاد می کند [1]. با این حال ، نتایج مخالف با استفاده از این و سایر تکنیک های تحلیل فنی در مقالات [5] و [11] نشان داده شد. نتایج متناقض آثار علمی در مورد موضوع ، تحقیقات در مورد عدم عقلانیت مداوم در اقدامات سرمایه گذاران و سایر شرکت کنندگان در بازار و همچنین افزایش محبوبیت تحلیل فنی با استفاده از بسیاری از بازارهای بین المللی و دارایی های مالی به دانشگاهیان اجازه می دهد تا از نقطه مختلف به این موضوع نگاه کننداز دید [9].

در این مقاله به بررسی روش تجزیه و تحلیل فنی ، الگوهای شمعدان ژاپنی و کاربرد آن برای شکل گیری استراتژی تجاری مؤثر در بازار سهام روسیه می پردازیم. الگوهای شمعدان ژاپنی ، که سیگنال های تجاری کوتاه مدت را برای سرمایه گذار ارسال می کنند ، برای اولین بار در اوایل قرن 18 توسط صاحب مشاغل برنج ژاپنی ذکر شد [12].

این مقاله یکی از اولین مواردی است که به بررسی تکنیک شمعدان ژاپنی تجزیه و تحلیل فنی در واقعیت های بازار سهام روسیه می پردازد. تجزیه و تحلیل شده در این مقاله ، قیمت های تاریخی روزانه سهام سهام بورس مسکو (MICEX) از سال 1999 تا 2018 بود. انتخاب بازار مالی روسیه که توسط کمبود تحقیقات علمی از امکانات تجزیه و تحلیل فنی در بازار توضیح داده شده است و این فرضیهبازار سهام روسیه برای تشکیل کارآیی بازار بسیار "جوان" است. همچنین ، بزرگترین و شناخته شده ترین منابع داده های بازار در جهان ، مانند رویترز ، از سال 1990 اطلاعات روزانه باز ، نزدیک ، حداکثر و حداقل قیمت دارایی های مالی را ارائه داده اند که به طور ایده آل با انتخاب بازار و تحقیقات مرتبط استزمان [11].

الگوی شمعدانی روزانه ژاپنی رقمی است که از شمع "بدن" و "سایه ها" تشکیل شده است که به ترتیب قیمت روزانه افتتاح و بسته شدن ، حداکثر و حداقل را نشان می دهد (شکل 1). در حقیقت ، الگوهای شمعدانی با نمودارهای قیمت متفاوت نیستند ، که به غربی عادت کرده اند

سرمایه گذاران ، اما اطلاعات ارائه شده در شمع های ژاپنی بسیار آسان تر است: شمعدان ها تعامل فروشندگان و خریداران را در بازار نشان می دهند و به این فرصت می دهند تا به "داخل" بازار مالی نفوذ کنند تا روابط موجود در داده های مورد بررسی را مشاهده کنند [12]. توالی شمع های ژاپنی الگوهای شمعدانی را تشکیل می دهد ، هر کدام معنی خاص خود را دارند و پیامدهای روانشناختی بازار را دارند [14]. استفاده از هر 4 قیمت روزانه یک دارایی مالی خاص ، تجزیه و تحلیل فنی را به یک تفاوت متمایز از سایر روش های تحلیل فنی تبدیل می کند ، زیرا یک شمع حاوی اطلاعات بسیار بیشتری نسبت به سری زمانی معمول قیمت های بسته است [11].

شکل 1 تشکیل شمعدان ژاپنی توسط Daily Max: Min: قیمت های باز و نزدیک.

این مقاله 3 تغییر در استراتژی تجارت کندل استیک ژاپنی را آزمایش می کند: توقف ضرر، توقف ضرر و موقعیت های سود به طور جداگانه و با هم - این شاخص های معاملاتی فنی در سیستم های معاملاتی گنجانده شده اند تا ضررهای ناشی از معاملات بی سود را کاهش دهند. پیروی از تکنیک های معاملاتی بهینه می تواند سودآوری استراتژی معاملاتی را برای سرمایه گذار به میزان قابل توجهی بهبود بخشد [12].

سودآوری استراتژی معاملاتی کندل استیک ژاپنی با استفاده از آزمون t، روش مونت کارلو و بوت استرپینگ برای نمونه های داده تصادفی با شکل گیری الگوهای داده های تاریخی مورد آزمایش قرار می گیرد [11،15]. سود استراتژی معاملاتی در مجموعه داده های آزمایشی با سود استراتژی غیرفعال «خرید و نگه دارید» مونت کارلو و داده های راه اندازی برای تعیین اهمیت آماری نتایج مقایسه می شود.

ساختار این مقاله به صورت زیر سازماندهی شده است: در بخش «نقوش شمعدانی ژاپنی» توضیحاتی درباره برخی از الگوها و سیگنال های معاملاتی آنها ارائه شده است. بخش "معیارهای سودآوری استراتژی معاملاتی" روشی را برای ارزیابی سودآوری استراتژی های معاملاتی بهینه توضیح می دهد. سپس بخش "نتایج تجربی" بازده استراتژی معاملاتی Candlestick ژاپنی و تغییرات آن را نشان می دهد و همچنین اهمیت آماری نتایج زیر را نشان می دهد. در نهایت بخش آخر این مقاله را به پایان می رساند.

الگوهای شمعدان ژاپنی

روش تحلیل تکنیکال بر اساس نمودارهای کندل استیک ژاپنی در اوایل قرن هجدهم در اوزاکای ژاپن ذکر شد، جایی که تاجر برنج، Muelusa Homma ترسیم کرد.

افتتاح، بسته شدن، حداکثر و حداقل قیمت روز برنج. یک روز، او متوجه سکانس های Candlestick شد که در آینده روندهای بازار خاصی را دنبال می کنند. این الگوریتم ها الگوهای شمعدانی ژاپنی بودند که جهان غرب تنها در پایان قرن بیستم با انتشار کتاب «تکنیک های نمودار شمعی ژاپنی: راهنمای معاصر تکنیک های سرمایه گذاری باستانی خاور دور» [14] آن ها را آموخت.

همه 106 الگوی کندل استیک ژاپنی بر اساس تعداد شکل گیری الگو (از 1 تا 5 روز)، بر اساس ماهیت بازار که با الگوی ( صعودی / نزولی) و بر اساس ویژگی روند بازار (الگوهای ادامه / معکوس) پیش بینی می شود، به انواع تقسیم می شوند. 12]. راحتی شمعدان های ژاپنی و الگوهای آنها، سادگی تفسیر آنها است. به عنوان مثال، الگوی "ستاره صبح"، متشکل از 3 شمع روزانه، تنها به 1 شمع "معکوس" به نام "چتر کاغذی" کاهش می یابد (شکل 2).

شکل 2 کاهش الگوی شمعدان "ستاره صبح" به یک شمعدان واحد "

تفسیر ریاضی الگوهای شمعدان ژاپنی برای درک ساده است. به عنوان مثال ، الگوی معکوس صعودی "ستاره صبح" ، متشکل از یک شمع سیاه بلند (قیمت بسته شدن روز زیر افتتاح است) در روز اول ، و به دنبال آن یک شمع کوچک (عدم اطمینان از شرکت کنندگان در بازار اتفاق می افتد) ، و سپس شمع سفید کوچکتر ازاول در روز سوم تکامل می یابد ، قیمت بسته شدن کمی بالاتر از وسط شمع اول سیاه است (شکل 2) ، که از نظر ریاضی به این روش شرح داده شده است:

1. First trading day (t) of following patte: O(t)>0 ؛

2. Second day (t+1): I C(t+1) - O(t+1) I> 0, C(t)> C(t+1) u C(t+1)>O9T+1) ؛

جایی که o (t) - قیمت افتتاح یک دارایی در روز معاملاتی t ، c (t) - قیمت بسته شدن در روز t. لازم به ذکر است که اصطلاحات توصیف شمع های روزانه (طولانی ، کوتاه و غیره) در نمودارهای بصری ذهنی هستند اما از الگوریتم های ریاضی در سیستم های معاملاتی استفاده می شود [12].

ترکیبی از شاخص های توقف از دست دادن یکی از روشهای بهبود استراتژی تجارت است [7]. نکته اصلی تمام موقعیت های متوقف کردن از دست دادن ، خروج خودکار از تجارت در صورتی است

نقض شرایط اولیه مشخص شده توسط سرمایه گذار [14]. شاخص های توقف از دست دادن ، اصلاح موقعیت متوقف کردن از دست دادن است [13]:

جایی که ATR - موقعیت متوقف کردن از دست دادن ؛- افتتاح قیمت در روز t ؛- پارامتر دوره توقف دنباله ؛- بهینه سازی در فاکتور مجموعه داده های آموزش.

Take Profter برای خروج از معاملات طراحی شده است وقتی سرمایه گذار مبلغ لازم را دریافت می کند (تعیین شده قبل از ایجاد استراتژی معاملاتی) و در این مقاله 8 ٪ برابر است.

در این مقاله ، 16 مورد محبوب ترین در ادبیات دانشگاهی الگوهای شمعدان ژاپنی در واقعیت های بازار سهام روسیه مورد بررسی قرار گرفت. لیست الگوهای و آمار توصیفی آنها را می توان در جدول 1 در بخش بعدی مشاهده کرد. همچنین ، دو رویکرد تعریف روند به منظور یافتن مؤثرترین رویکرد روند در بازار روسیه ، مورد استفاده قرار گرفت (میانگین حرکت و میانگین حرکت نمایی). محاسبه جستجو و محاسبه اثربخشی در داده های تاریخی با استفاده از نرم افزار اسکنر شمع [1] مورد بررسی قرار گرفت.

اقدامات سودآوری استراتژی معاملات بازده استراتژی های معاملات شمعدان ژاپنی برای اهمیت آماری با استفاده از آزمون t (رد = R = O ، جایی که R-میانگین بازده) ، روش مونت کارلو و بوت استرپ (برای مقایسه سود با بازده فرضی از بازده فرضی ، آزمایش می شود. استراتژی "خرید و نگه داشتن") [11،15]. در این مقاله همچنین فرضیه تنها اثربخشی کوتاه مدت الگوهای شمعدانی از قدرت پیش بینی کننده (دوره های برگزاری روز 5/10/15) تأیید خواهد شد [12،14].

روند بهینه سازی استراتژی معاملات شمعدان ژاپنی برای سرمایه گذار در بازار سهام روسیه به 4 مرحله تقسیم می شود ، که نشان دهنده حرکت از "ساده ترین" به "پیچیده ترین" اصلاح استراتژی معاملات است:

- الگوهای شمعدان ژاپنی به دنبال استراتژی معاملات با دوره های 5- و 10 روز از موقعیت های تجاری. در این استراتژی هیچ پارامتری بهینه سازی وجود ندارد ، بنابراین ، بازده از IPO "کلاه های آبی" روسی به 31. 05. 2018 (بدون تقسیم به نمونه های آموزش و آزمایش داده ها) محاسبه شد. اهمیت آماری سود با استفاده از آزمون t دانشجویی آزمایش می شود.

- استراتژی شمعدان ژاپنی اصلاح شده توسط نشانگر متوقف کردن تجزیه و تحلیل فنی. داده های تاریخی سهام برای آموزش سیستم تجارت (70 ٪ سری زمان) و نمونه آزمایش (30 ٪) به نمونه آموزش تقسیم می شود تا اثربخشی استراتژی تجارت را بررسی کند.

-استراتژی معاملاتی شمعدان ژاپنی اصلاح شده توسط شاخص های توقف-از دست دادن ، توقف-از دست دادن و انتفاعی (8 ٪). این روش باقی مانده است ؛

- مشابه استراتژی معاملات 3 است ، به جز موقعیت های انتفاعی.

روش شناسی Bootstrapping Ang Monte-Carlo دارای چندین مزیت در رابطه با آزمون t دانشجویی برای بررسی اهمیت آماری بازده مالی است: پوستی و لپتوکورتوز (دم ضخیم) توزیع بازده حسابداری دارایی های مالی. برخورد با همبستگی های زمان و ناهمگونی مشروط از بازده. همچنین ، تعداد مدل های تهی برای شکل گیری داده ها به روش مونت کارلو یا بوت استرپینگ امکان استفاده از الگوهای داده های تاریخی منحصر به فرد برای ساخت مجموعه داده های تصادفی را فراهم می کند [11].

انتخاب یک مدل تهی برای راه اندازی bootstrapping یا روش Monte-Carlo برای تشکیل نمونه داده های دارایی ، اولین قدم در آزمایش اهمیت آماری است. در مقاله تجزیه و تحلیل فنی فرآیند اتورگرایی مرحله اول (AR (1)) ، مدل GARCH In-Mean (Garch-M) ، مدل گارچ نمایی (EGARCH) و همچنین مدل پیاده روی تصادفی (RW) استفاده شد ، اما رگرسیونضرایب و آمار داده های عمومی (به ویژه 0. 05 مقدار بازده) در بین تمام مدلهای تهی نزدیک به یکدیگر بودند [11]. در این مقاله از مدل های GARCH-M و RW به ترتیب با استفاده از روش های Bootstrapping و Monte-Carlo استفاده شد.

مدل RW نشان دهنده شکل ضعیف کارآیی بازار (WEMH) استقلال تغییرات قیمت در بازار است ، بنابراین افزایش قیمت دارایی مالی کاملاً تصادفی است:

جایی که Pt ، T-1 - لگاریتم های قیمت دارایی های مالی در زمان ؛- بازگشت لگاریتمی دارایی در دوره زمانی T ، که به طور معمول با میانگین و واریانس تاریخی توزیع می شود [16].

ناهمگونی مشروط مشروط به طور کلی توسط مدل متوسط توسط انگل در سال 1987 معرفی شد [4] و به طور کلی در (1)-(3) نشان داده شده است:

خطایی در این مدل ، t ؛ ، به طور معمول توزیع می شود و مقدار آن در زمان t با مقادیر قبلی در ^ ^ ارتباط ندارد

واریانس شرطی یک تابع خطی از مربع خطا و واریانس در لحظه قبلی T-1 است ، که دلالت بر یک همبستگی مثبت مثبت در لحظه دوم بازگشت به میانگین دارد. میانگین مشروط بازگشت در این مدل RT یک تابع خطی از شرطی است

واریانس و نویز در لحظه قبل ، این فرایند دلالت بر این دارد که نوسانات می تواند با گذشت زمان تغییر کند و بازده مورد انتظار تابعی از نوسانات و همچنین بازده های قبلی است [11].

پارامترها و باقیمانده های استاندارد برای هر مورد بررسی در این مقاله در بازار سهام روسیه با استفاده از روش حداکثر احتمال ارزیابی می شود.

باقیمانده های مدل GARCH-M با استفاده از انحراف استاندارد محاسبه شده برای فرآیند خطا استاندارد می شوند ، سپس یک سری از باقیمانده ها تشکیل می شوند. پس از آن ، با پارامترهای ارزیابی ، سری باقیمانده ها یک سری زمانی نماینده جدید از بازده قیمت بسته بندی دارایی مالی را تشکیل می دهند. علاوه بر این ، این داده ها برای تشکیل قیمت نزدیک برای دوره مشخص شده است. فرآیند RW مجموعه زمانی از تشکیل قیمت دارایی با روش مونت کارلو "آسان تر" است زیرا میانگین بازده تاریخی (در نمونه های آموزش) و از واریانس آنها برای تشکیل سری بازگشت به طور عادی توزیع شده استفاده می شود [11]واد

فرآیند بوت استرپینگ و روش مونت کارلو 1000 بار تکرار می شود-تعداد کافی از تکرار برای ضرایب تقریبی غیر مغرضانه در مدل های تهی [3]. سپس 1000 نمونه جدید تولید شده برای هر "درپوش آبی" در بازار با کاهش سفارش آخرین قیمت بسته شدن در 31. 05. 2018 برای تعیین میزان 0. 95 استراتژی "B& H" -این سود نشان دهنده بازده متوسط بازار است. پس از این مرحله ، سود استراتژی های معاملاتی با "B& H" 0. 95 Quantile مقایسه می شود ، و در صورت بیش از 0. 95 با سود استراتژی معاملات ، نتیجه می گیرد که 95 ٪ احتمال سود آماری قابل توجه استراتژی معاملات با زیر دارایی در دارایی روسیه وجود دارد. بازار در آینده.

بررسی استحکام استراتژی شمعدان ژاپنی ، استفاده از سیستم های تجاری بهینه شده در دوره های بحران 2008 و 2014 بازار روسیه را برای نشان دادن اثربخشی استراتژی معاملات شمعدان در فواصل زمانی بی ثبات در نظر می گیرد [8]. روش Monte-Carlo و Bootstrapping با مدل های NULL RW و GARCH-M برای تولید نمونه های داده تصادفی با الگوهای 2008 و 2014 برای یافتن 0. 95 مقدار از سود استراتژی "خرید و نگه داشتن" استفاده می شود.

این بخش بازده کلیه اصلاحات استراتژی معاملات شمعدان ژاپنی را نشان می دهد. بازده ورود به سیستم اولین تفاوت بین لگاریتم های قیمت سهام را نشان می دهد [11]. سود کل سیستم های تجاری با بازده متوسط سالانه وزنی نشان داده می شود.

روزانه باز ، بسته ، حداکثر و حداقل قیمت 23 سهام "کلاه آبی" روسی از سرویس FINAM [2] بارگیری شد. همان قیمت های تعدیل شده سود سهام با استفاده از داده های تاریخی پرداخت سود سهام از منبع مالی یاهو! [3] محاسبه شد. سری زمانی تنظیم شده سود سهام از قیمت سهام به جلوگیری از بیش از حد مصنوعی استراتژی های معاملات سودآوری برای سرمایه گذار کمک می کند [2]. بهینه سازی شده در سیستم های تجارت داده های آموزش باید در هر دو نوع داده های تاریخی مورد آزمایش قرار گیرد: قیمت های تنظیم شده سود سهام و نه.

نمونه داده ها شامل نقدینگی ترین سهام بازار سهام روسیه است ، اما به دلیل ظهور سهام "جدید" در این بازار ، تعداد "کلاه های آبی" روسی به 23 سهام رسیده است. انتخاب این نوع سهام را می توان با این واقعیت توضیح داد که تجزیه و تحلیل فنی در ابزارهای مالی فعال تجارت مؤثر است [12]. بنابراین ، داده ها شامل قیمت سهام "Caps Blue Caps" از 01. 01. 1999 تا 31. 05. 2018 است ، اما فواصل زمانی برای همه سهام بی نظیر است ، و بنابراین ، نمونه های آموزش و آزمایش داده ها به طور مستقل برای همه دارایی ها انجام می شودواداین بدان معناست که استراتژی های معاملاتی برای هر سهام به طور جداگانه بهینه شده است.

تغییرات استراتژی تجارت شمعدان ژاپنی

الگوهای گرافیکی زیر استراتژی

نتایج ارائه شده در این بخش نشان می دهد که الگوی شمعدان پس از بازده استراتژی برای 22 از 23 سهام مورد بررسی از نظر آماری معنی دار نیست (جدول 1). با این حال ، پس از استراتژی از نظر آماری در سطح 0. 05 (محاسبه شده با استفاده از آزمون T) متوسط سود سالانه 0. 42 و 0. 47 (دوره برگزاری 5 روزه و 10 روزه) برای سرمایه گذار از سال 1999 تا 2018 به ارمغان می آورد. بنابراین ، با 95 ٪ احتمال اساسیاستراتژی شمعدان ژاپنی که برای سهام VTBR اعمال می شود ، بازده مثبتی را در آینده به همراه خواهد داشت [12]. متوسط سود سالانه استراتژی برای سهام VTBR بالاتر از استراتژی "خرید و نگهدارنده" (-0. 09) است. نتایج آزمون دوتایی نشان می دهد که احتمال 50 ٪ فرضیه تهی پیش بینی صحیح تجارت در سطح اهمیت 0. 05 رد می شود. آمار توصیفی بیشتر الگوهای شمعدانی از سال 1999 تا 2018 را می توان در جدول 2 مشاهده کرد.

جدول 1 ATITUXAL AI. "سودآوری EIGE استراتژی الگوهای شمعدانی در نمونه های کامل سهام از سال 1999 تا 20 است.. __

Ticker Proffectabi Lit y-میانگین BUV و نگه داشتن تست سودآوری Binominal