Directional Change Trading Strategies

Generierung direktionaler Veränderungsstrategien mit genetischer Programmierung Die endgültigen Bruttopreise können je nach lokaler MwSt. Variieren. Die meisten Prognosewerkzeuge verwenden eine physikalische Zeitskala für die Untersuchung von Preisschwankungen der Finanzmärkte, wodurch der Fluss der physischen Zeit diskontinuierlich wird. Daher kann mit einer physischen Zeitskala Unternehmen Risiken aussetzen, aufgrund der Unkenntnis einiger bedeutender Aktivitäten. In diesem Papier wird ein alternativer und neuartiger Ansatz erforscht, um wichtige Aktivitäten auf dem Markt zu erfassen. Die Hauptidee besteht darin, eine intrinsische Zeitskala basierend auf Richtungsänderungen zu verwenden. In Kombination mit der Genetischen Programmierung zielt der vorgeschlagene Ansatz darauf ab, eine optimale Handelsstrategie zu finden, um die zukünftigen Preisbewegungen eines Finanzmarktes zu prognostizieren. Um ihre Effizienz und Robustheit als Prognosetool zu evaluieren, wurde eine Reihe von Experimenten durchgeführt, in denen wir wertvolle Informationen über die Prognoseleistung erhalten konnten. Die Ergebnisse der Experimente zeigen, dass dieses neue Framework neue und profitable Handelsstrategien generieren kann. Richtungsänderungen Finanzprognosen Handel Genetische Programmierung Glattfelder, J. Dupuis, A. Olsen, R. Muster in hochfrequenten FX-Daten: Entdeckung von 12 empirischen Skalierungsgesetzen. Quant. Finanzierung 11 (4), 599614 (2011) CrossRef MathSciNet Olsen, R. B. Muller, U. A. Dacorogna, M. M. Pictet, O. V. Dave, R. R. Guillaume, D. M. Vom Vogelperspektive bis zum Mikroschopf: Ein Überblick über neue stilisierte Fakten der Intra-Day Devisenmärkte. Finanzierung Stochast. 1 (2), 95129 (1997) CrossRef MATH Neely, C. J. Weller, P. A. Lehren aus der Entwicklung von Devisenhandelsstrategien. J. Bank. Finanzierung 37 (10), 37833798 (2013) CrossRef Breedon, F. Ranaldo, A. Intraday Muster in FX Rückkehr und Auftragsfluss. J. Geld Kredit-Bank. 45 (5), 953965 (2013) CrossRef Chen, Y. Mabu, S. Hirasawa, K. Hu, J. Genetische Netzwerk-Programmierung mit Sarsa-Lernen und ihre Anwendung auf die Schaffung von Aktienhandelsregeln. In: Proceedings of the IEEE Conference on Evolutionary Computation, Singapore, pp. 220237 (2007) Azzini, A. von Costa Pereira, C. Tettamanzi, A. G.B. Modellierung von Wendepunkten in den Finanzmärkten mit Soft-Computing-Techniken. In: Brabazon, A. ONeill, M. Maringer, D. G. (Hrsg.) Naturwissenschaften in Computational Finance. SCI, vol. 293, S. 147167. Springer, Heidelberg (2010) CrossRef Tsang, E. Richtungsänderungen, Definitionen. Arbeitspapier WP050 2010, Zentrum für Computational Finance and Economic Agents (CCFEA). Universität von Essex (2010) Aloud, M. Tsang, E. Olsen, R. Dupuis, A. Ein Richtungsänderungsereignisansatz für das Studium der finanziellen Zeitreihen. Ökonomie: Open-Access, Open-Assessment E-Journal 6 (201236), 117 (2012) Directional Trading DEFINITION von Directional Trading Trading-Strategien auf der Grundlage der Investoren Einschätzung des breiten Marktes oder einer bestimmten Sicherheitsrichtung. Directional Trading kann eine grundlegende Strategie des Gehens lang sein, wenn der Markt oder die Sicherheit wahrgenommen wird als Überschrift höher, oder nehmen Short-Positionen, wenn die Richtung nach unten ist. Der Begriff wird jedoch im Zusammenhang mit dem Optionenhandel weiter verbreitet, da eine Reihe von Strategien verwendet werden können, um auf einem Kurs, der höher oder niedriger ist, auf dem breiten Markt oder einem bestimmten Bestand zu profitieren. Während Direktion Handel erfordert, dass der Händler eine starke Überzeugung über den Markt oder Sicherheiten kurzfristige Richtung haben, muss der Händler auch eine Strategie zur Risikominderung, um Investitionskapital für den Fall eines Umzugs in die entgegengesetzte Richtung zu schützen. BREAKING DOWN Directional Trading Direktionaler Handel in Aktien würde im Allgemeinen einen ziemlich großen Umzug erfordern, um dem Händler zu ermöglichen, Provisionen und Handelskosten zu decken und trotzdem einen Gewinn zu erzielen. Aber mit Optionen, wegen ihrer Hebelwirkung, kann direktionale Handel versucht werden, auch wenn die erwartete Bewegung in den zugrunde liegenden Aktien wird nicht erwartet, dass groß sein. Zum Beispiel kann ein Händler (nennen ihn Bob) bullish auf Lager XYZ, die bei 50 gehandelt wird, und erwartet, dass es bis 55 innerhalb der nächsten drei Monate steigen. Bob könnte daher 200 Aktien zu kaufen bei 50, mit einem möglichen Stopp-Verlust bei 48, wenn die Aktie umgekehrt Richtung. Wenn der Vorrat das 55 Ziel erreicht, könnte Bob es zu diesem Preis für einen Bruttogewinn (vor Provisionen) von 1.000 verkaufen. Was, wenn Bob erwartet, dass XYZ nur bis zu 52 innerhalb der nächsten drei Monate handeln In diesem Fall kann der erwartete Vorschuss von 4 zu klein sein, um den Kauf der Aktie völlig rechtfertigen. Optionen bieten kann Bob eine bessere Alternative, um etwas Geld aus XYZ. Lets sagen Bob erwartet XYZ (die bei 50 gehandelt wird), um hauptsächlich seitwärts in den nächsten drei Monaten zu handeln, mit einem Aufwärtstrend auf 52 und einem Rückgang auf 49. Ein möglicher Option Handel ist für Bob zu verkaufen am Geld (ATM) Puts mit Ein Ausübungspreis von 50, der in drei Monaten ausläuft und für den er eine Prämie von 1,50 erhalten kann. Bob schreibt daher zwei Put-Optionskontrakte (jeweils 100 Stück) und erhält eine Bruttoprämie von 300 (d. H. 1,50 x 200). Wenn XYZ bis zum Zeitpunkt der Auslaufen der Optionen in drei Monaten steigt, werden sie nicht ausgeübt und Bobs Gewinn ist die Prämie von 300 (weniger Provisionen). Sollte XYZ jedoch bis zum Ende des Optionszeitraums unter 50 fallen, wäre Bob verpflichtet, die Aktien zu 50 zu kaufen. Wenn Bob sehr bullisch auf XYZ war und sein Handelskapital nutzen wollte. Könnte er auch Kaufoptionen als Alternative zum Kauf der Aktie offen zu kaufen. Insgesamt bieten Optionen eine wesentlich größere Flexibilität, um direktionale Trades im Gegensatz zu geraden Long / Short Trades in einer Aktie oder einem Index zu modellieren. Ein ereignisbasiertes Framework von Richtungsänderungen (DC) und Überschreitungen bildet die Finanzmarkt - (FM) Preis-Zeitreihen in die so - aufgerufenen intrinsischen Zeit, bei der Ereignisse die Zeitskala der Preis-Zeitreihen sind. Dies ermöglicht eine mehrstufige Analyse von Finanzdaten. Vor diesem Hintergrund formuliert dieses Papier den DC-Eventansatz in drei automatisierte Handelsstrategien für Investitionen in die FMs: ZI-Directional Change Trading (DCT0), DCT1 und DCT2. Die Hauptidee besteht darin, eine intrinsische Zeitskala zu verwenden, die auf DC-Ereignissen basiert, um die Größe und die Richtung periodischer Muster aus dem Asset-Price-Historiedatensatz zu erlernen. Mit Simulationsmodellen von Saudi Stock Market evaluieren wir die Rendite der automatisierten DC-Handelsstrategien. Die Analyse ergab interessante Ergebnisse und belegt, dass die vorgeschlagenen Strategien tatsächlich einen effektiven Handel für Anleger mit hoher Rendite erzielen können. Die Ergebnisse dieser Studie können weiter verwendet werden, um Entscheidungsunterstützungssysteme und autonome Handelsagentstrategien für die FM zu entwickeln () /,,