全部版块 我的主页
论坛 经济学人 二区 外文文献专区
904 17
2022-04-29
英文标题:
《Following a Trend with an Exponential Moving Average: Analytical Results
  for a Gaussian Model》
---
作者:
D. S. Grebenkov and J. Serror
---
最新提交年份:
2013
---
英文摘要:
  We investigate how price variations of a stock are transformed into profits and losses (P&Ls) of a trend following strategy. In the frame of a Gaussian model, we derive the probability distribution of P&Ls and analyze its moments (mean, variance, skewness and kurtosis) and asymptotic behavior (quantiles). We show that the asymmetry of the distribution (with often small losses and less frequent but significant profits) is reminiscent to trend following strategies and less dependent on peculiarities of price variations. At short times, trend following strategies admit larger losses than one may anticipate from standard Gaussian estimates, while smaller losses are ensured at longer times. Simple explicit formulas characterizing the distribution of P&Ls illustrate the basic mechanisms of momentum trading, while general matrix representations can be applied to arbitrary Gaussian models. We also compute explicitly annualized risk adjusted P&L and strategy turnover to account for transaction costs. We deduce the trend following optimal timescale and its dependence on both auto-correlation level and transaction costs. Theoretical results are illustrated on the Dow Jones index.
---
中文摘要:
我们研究股票价格变化如何转化为趋势跟踪策略的损益(P&L)。在高斯模型的框架下,我们推导了P&L的概率分布,并分析了其矩(均值、方差、偏度和峰度)和渐近行为(分位数)。我们发现,分布的不对称性(通常损失很小,不太频繁但利润很大)让人想起趋势跟踪策略,并且较少依赖于价格变化的特性。在短时间内,趋势跟踪策略承认损失比标准高斯估计可能预期的更大,而在较长时间内确保损失较小。描述损益分布的简单显式公式说明了动量交易的基本机制,而通用矩阵表示可以应用于任意高斯模型。我们还计算了明确的年化风险调整损益和战略周转率,以考虑交易成本。我们推导了趋势跟踪最优时间尺度及其对自相关水平和交易成本的依赖关系。理论结果如道琼斯指数所示。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Physics        物理学
二级分类:Statistical Mechanics        统计力学
分类描述:Phase transitions, thermodynamics, field theory, non-equilibrium phenomena, renormalization group and scaling, integrable models, turbulence
相变,热力学,场论,非平衡现象,重整化群和标度,可积模型,湍流
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-4-29 17:52:28
遵循指数移动平均值的趋势:高斯模型的分析结果Denis S.GrebenkovLaboratoroire de Physique de la Mati\'ere Condens\'ee,CNRS–法国理工学院,帕莱索91128号,弗朗西杰里·塞罗米·约翰·洛克投资,富兰克林·罗斯福大道38号,枫丹白露埃文77210号,Franciabstract我们研究股票价格变化如何转化为趋势跟踪策略的损益(P&L)。在高斯模型的框架下,我们推导了P&L的概率分布,并分析了其矩(均值、方差、偏度和峰度)和渐近行为(分位数)。我们发现,分布的不对称性(通常损失很小,发生频率较低但意义重大)是趋势跟踪策略的显著特征,对价格变化的特殊性的依赖性较小。在短时间内,紧随其后的趋势承认损失比标准高斯估计可能预期的要大,而在较长时间内损失较小。描述P&Ls分布的简单显式公式说明了动量t半径的基本机制,而一般矩阵表示可以应用于r位r元高斯模型。我们还可以明确计算经风险调整的年化损益和策略转换,以考虑交易成本。我们推导了趋势跟踪最优时间尺度及其对自相关水平和交易成本的依赖性。理论结果以道琼斯指数为例。电子邮件地址:丹尼斯。grebenkov@polytechnique.edu杰里米·本格瑞斯(杰里米·本格瑞斯)。serror@jl-投资。com(Je remy Serror)预印本于20131年8月27日提交给Physica A。简介系统化交易已经发展成为一个金融行业,允许对多个交易进行快速交易决策[1、2、3、5、4、6、7]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-29 17:52:31
一种基于过去价格时间序列的策略,用于预测近期的价格变化,并相应地更新其位置。尽管市场的复杂性、可变性和随机性导致此类预测在近一半的情况下失败,但即使是极少数成功的预测也会因为大量交易进入统计相关的利益而增强。许多交易策略试图检测价格序列中的事件趋势,即可能导致的一系列正相关价格变化,例如,通过新闻发布或多个交易员的共同活动。从实用的角度来看,一种策略将已知的过去信息转化为购买或出售大量股票的信号。从数学角度来看,系统化交易可以被视为将价格时间序列转换为策略的盈亏(P&L)时间序列,如图1所示。例如,购买和持有股票的被动(长期)策略对应于身份转换。最优策略的选择取决于引入的风险回报标准。在本文中,我们研究了基于指数移动平均线(EMA)的趋势跟踪策略的损益变化转化。这种典型的策略被证明是许多系统化交易平台的基础[1,2,3,5,4,6,7],而其他方法,如趋势移动平均分析或高阶移动平均也可以使用[8,9,10,11]。正如我们在图2所示,已知趋势跟踪策略会扭曲损益的概率分布[12,13]。该图显示了如何将经验计算的价格变量分位数转换为P&Ls f或道琼斯指数(1900-2012)的分位数。即使是对于一个拥有30733个日收益率的长样本,准确估计分位数仍然存在问题。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-29 17:52:34
此外,人们对这种转变的基本机制仍知之甚少。出于这些原因,我们将研究一个简单的模型,其中标准化对数回报是高斯随机变量,其自相关性反映随机趋势。尽管收益率的重尾协合分布和其他一些程式化事实被忽略[15,16,17,18,19,20,21,22,23,24],但高斯假设将允许Usher,通过价格变化,我们指的是累积标准化对数收益率(通过真实波动率标准化),更接近高斯假设[14]。1900 1920 1940 1960 1980 2000 2020-20002004006008001000120014000年η1η2η3立方米。returnsP&L,η1=0.05P&L,η2=0.01P&L,η3=0.002Figure 1:Dow Jone s指数从1900年到2012年(黑色曲线)的累积标准化对数回报率(通过实际波动率标准化),以及趋势跟踪策略(第2节定义)的累积P&L,时间标度η=0.05(蓝色),η=0.01(红色),η=0.002(绿色),应用于该指数。得出分析结果,以供日后参考经验市场数据。我们将计算趋势跟踪策略的P&L概率分布,以了解价格变化的高斯分布如何通过系统交易进行转换。因此,市场(正的自相关性)和策略本身对利润和损失的各自作用将被解开。论文组织如下。以秒计。2.我们介绍了矩阵符号、市场模型和趋势跟踪策略。关于P&L概率分布和矩的主要结果见第二节。3.讨论、结论和观点总结在第。4.2. 市场模式和交易策略2。1.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-29 17:52:37
指数移动平均指数移动平均(EMA)广泛应用于信号处理和数据分析[25,26,27,28]。EMA可以定义为时间序列{xt}到更平滑的时间序列{xt}的线性变换,根据xt=λ∞Xk=0(1- λ) kxt-k、 (1)其中0<λ≤ 1是时间刻度的倒数。当λ=1时,EMA为恒等式变换:~xt=xt;相比之下,许多术语-当λ<< 1.EMA通常是简单移动的首选-100-50050100t(天)zq(a)1%50%99%01000200500-100-50050100t(天)zq(b)1%50%99%图2:买入和持有策略分位数与趋势跟踪策略之间的比较。(a) 道琼斯指数(1900-2012)的累积标准化对数回归分位数(标准化byrealized volatility)作为滞后时间t(以天为单位)的函数。从底部到顶部的线条分别显示1%、5%、15%、25%、35%、45%(蓝色)、50%(绿色)、55%、65%、75%、85%、95%和99%(红色)的分位数。粗线突出显示1%、50%和99%的分位数。(b) Q时间标度η=0.01的趋势跟踪策略累计损益的数值,适用于道琼斯指数(相同的符号)。在固定长度的窗口上求平均值,因为它会产生更平滑的结果。在实践中,它可以根据一个递归公式实时计算出来:~xt=(1)- λ) ~xt-1+λxt。当时间序列从t=1开始时,不存在的元素x,x-1,x-2.设置为0。这相当于在公式(1)tot中设置上限-1.在对长度为T的有限样本进行分析时,EMA可以用矩阵形式表示为:~x。。。~xT= λE1-λ十、xT,式中,Eq是大小为T×T的矩阵,其元素为(Eq)jk=(qj-K-1(j>k),0(j≤ k) 。(2)2.2.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-29 17:52:41
高斯市场模型第一个高斯市场模型是由Bachelier在1900年提出的,从那时起,已经开发了许多模型。例如,ARMA(自回归移动平均)模型及其扩展在财务中得到了充分应用[25]。几十年来,为了解释市场的各种经验特征,这些模型变得越来越复杂。我们的目的恰恰相反:我们的目标是理解趋势跟踪策略的基本机制,从定性上来说,这些机制对市场特性的依赖性很弱。反过来,损益表的量化行为当然可能对特定特征敏感。因此,我们选择一个简单的模型来展示随机m趋势,以便能够得出分析结果。同时,本文中使用的通用矩阵公式(见第3节开头)可以应用于任意的Ga-ussian市场模型。从这个角度来看,我们的方法可以用于研究更复杂的模型,尽管结果不那么明确。在本文中,我们考虑了一个简单的日价格变化模型,即rt,其中随机趋势由离散的OrnsteinUhlenb-eck过程诱导,而短期波动由iid高斯变量εk建模∈ N(0,1)具有零平均值和单位方差:rt=εt+βt-1Xk=1(1- λ) t-1.-kξk,(3)其中λ和βar是描述特征时间尺度和趋势贡献强度的市场模型的两个参数,以及ξk∈ N(0,1)是iid高斯变量(与εk无关)。这是一个随机趋势模型,由外生随机变量ξk产生的持续过程引起,该随机变量与短期波动εk无关。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群