Die Voorspelling Van Die Mark Inligting Deur Middel Van Kalman Filter

Die voorspelling van die mark inligting deur middel van Kalman filter deur Rick Martinelli en Neil Rhoads Die Kalman filter is 'n twee-stadium algoritme wat veronderstel is daar 'n gladde tendenslyn binne die data dat die werklike waarde van die mark voordat hulle ontsteld deur geraas mark verteenwoordig. Kan hierdie filter gebruik word om te voorspel voorraad prysbewegings? F igure 1 op bladsy 46 toon die daaglikse open vir een jaar (252 dae) van Ford Motor Co (F). Volgens moderne finansiële beginsels ingenieurswese, is die mark data soos hierdie beskou as Brown se beweging, wat beteken dat die daaglikse prys veranderinge vorm 'n wit-geraas proses wees. Wit geraas is 'n ewekansige proses waarin opeenvolgende waardes onafhanklik van mekaar, onder andere, wat beteken dat elke dag, 'n prysverhoging is net so geneig as 'n afname. In werklikheid, dit is nie ongewoon vir 'n spesifieke mark item na 'n paar agtereenvolgende af dae of op dae het meer as 'n kort tyd. Gedurende sulke tye, is die pryse het vir gekorreleer. Die doel is om hierdie korrelasies met 'Kalman filter in te span sodat jy prysbewegings kan voorspel. Figuur 1: OOP pryse. Op hierdie daaglikse skedule van Ford Motor Co (F) kan jy die ewekansige aard van prysbewegings te sien. In 'n 2006 artikel vir Aandeel Commodities. 'n eenvoudige lineêre ekstrapolasie is in diens geneem om môre & rsquo voorspel; s prysverandering. Die voorspelling is dan gebruik om die alfa statistiek, wat die voorspelde prys verandering kan vergelyk word met 'n onlangse gemiddeld van prysveranderings te bereken. Relatief groot, positiewe waardes van alfa dui op 'n lang posisie, en relatief groot negatiewe waardes dui op 'n kort een. Hierdie proses was backtested op 'n ewekansige seleksie van aandele en indekse om die doeltreffendheid daarvan te toets. Die aangeduide posisies geneem, gesluit uit die volgende verhandelingsdag, en alle winste en verliese is opgehoopte in 'n grafiek het die Fortune. Verbasend, van die 28 items getoets, 20 geproduseer groter winste as 'n eenvoudige houvas Koop posisie vir dieselfde tydperk. In hierdie artikel, sal ons uit te brei op die vorige werk, die vervanging van die eenvoudige eendaagse voorspeller met 'Kalman filter. Die Kalman, soos hier toegepas word, is 'n twee-stadium algoritme wat veronderstel is daar 'n gladde tendenslyn binne die data dat die werklike waarde van die mark item voordat hulle ontsteld deur geraas mark verteenwoordig. In die eerste fase, 'n paar vorige tendenslyn waardes geskik is om 'n geskikte model. Dit is dan geëkstrapoleer na die volgende tydwaarde om 'n voorspelling en sy foutvariansie genereer. In die tweede fase, is die ooreenstemmende datawaarde lees en 'n nuwe tendens waarde is bereken as 'n kompromie tussen die voorspelling en die werklike data waarde. Die kompromie is gebaseer op die relatiewe hoeveelhede van geraas in die data en voorspellings. Die filter herhaal dan die siklus van voorspelling en regstelling soos elke nuwe data waarde is gelees. Die voorspelde prys verandering en sy standaard afwyking van die filter & rsquo; s eerste fase word gekombineer om die alfa statistiek, wat gebruik word om koop / verkoop seine bepaal produseer. 'N gesimuleerde handel stelsel voer die seine en, soos voorheen, winste en / of verliese word opgehoopte in die Fortune. Items is gekies vir simulasie gebaseer op 'n nuwe data eiendom bekend as die beskikbare wins. Die verhouding van die fortuin beskikbaar wins definieer 'n kenmerk van die filter genoem sy doeltreffendheid. Die volgende afdelings bespreek die Kalman filter en besonderhede van die simulasie metode. Die laaste afdelings bespreek resultate van simulasies op werklike voorraad data en bied 'n paar gevolgtrekkings. . Voortgesette in die Desember-uitgawe van tegniese ontleding van Voorrade Commodities Gedig van 'n artikel wat oorspronklik gepubliseer in die uitgawe van Januarie 2010 Tegniese ontleding van Voorrade Commodities tydskrif. Alle regte voorbehou. © Copyright 2009, tegniese ontleding, Inc.