Modellerkennungsstrategien basierend auf dynamischer Zeitregelung

Modellerkennungsstrategien basierend auf dynamischer Zeitregelung

• 1. Formerkennung

  Die Theorie der technischen Analyse basiert auf drei wichtigen Annahmen:

  (1) Der Aktienpreis enthält alle Marktinformationen

  (2) Der Trend der Aktienpreise

  (3) Die Geschichte wiederholt sich.

  Der dritte Punkt beschreibt, dass die Aktienpreise oder Indizes in der langfristigen Entwicklung, die wiederholt einige spezifische Schwankungen oder Muster auftreten, die die Untersuchung dieser Muster haben einen wichtigen Referenzwert für die Vorhersage des Nachmarktes. Die sogenannten Schwankungen, die die Bewegung der Aktienpreise oder anderer Indikatoren in einem bestimmten Zeitraum, wie Aufstieg, Abstieg, Erschütterung darstellen.

  Aus der Sicht der Verhaltensfinanzierung existieren in den Märkten sowohl Dispositions- als auch Herdenverhaltensregeln. Der Markt ist das Ergebnis einer großen Anzahl von Anlegern, die spielen. Obwohl die Anlageanzeigen vielfältig sind und die gleichen zu jeder Zeit im Wandel sind, ist die menschliche Natur unveränderlich, die Handelspsychologie ist unveränderlich, das Orientierungsdenken und die spekulative Psychologie, die sich in den Entscheidungsprozessen der Anleger bildet, führt zu einer ständigen Wiederholung der Geschichte.

  Zusammenfassend kann man sagen, dass die Form der Aktien nicht nur die Informationen über die grundlegenden Veränderungen der Aktien widerspiegelt, sondern auch die Investitionspsychologie der Marktinvestitionsgruppe, die die Handelslogik enthält. Daher zeigen sich die Kursbewegungen der Aktien ähnlich und verschiedene Aktien mit ähnlicher Form zeigen sich oft ähnlich in der Zukunft.

  Die Schwierigkeit bei der Identifizierung und Vorhersage von Formationen von Aktienpreisbewegungen basierend auf der Theorie der technischen Analyse liegt darin, dass viele Technische Analysemethoden auf empirische Urteile beruhen und schwierig zu quantifizieren sind, und dass sogar verschiedene Technische Analysten zu entgegengesetzten Schlussfolgerungen für die gleiche Trendform kommen. Wir haben versucht, dieses Problem mit Form-Erkennungsalgorithmen zu lösen.

• 2. Formerkennung Algorithmen

  Formenerkennung, ähnlich wie Spracherkennung, ist im Wesentlichen die Erfassung und Erkennung von Wellenmerkmalen. Häufigere Erkennungsalgorithmen sind die neural-netzwerk-basierten Algorithmen, die auf Maschinenlernen basieren, wie die Markov-Algorithmen, aber auch statistische Urteilsmethoden, die auf technischen Indikatoren und Funktionspolwerten basieren.

  In diesem Bericht wird eine dynamische Zeitregelung Algorithmen angenommen. In der Automatischen Spracherkennung ist die Sprache ein Signal mit einer hohen Zufälligkeit, dass jedes Wort, auch von denselben Sprechern, unterschiedlich ausgesprochen wird und nicht die gleiche Zeitspanne haben kann. Daher wird die Zeitachse der unbekannten Wörter, wenn sie mit einem gespeicherten Modell abgestimmt wird, ungleichmäßig verzerrt oder gebogen, um ihre Eigenschaften mit den Vorlagen zu vergleichen.

  Tatsächlich erfordern in praktischen Anwendungsszenarien, insbesondere bei Finanzzeitreihen, die Übereinstimmung von Problemen, die nicht vollständig auf der Zeitachse übereinstimmen, d. h. wenn die Zeitachse formell ähnlich sind, aber innerhalb der Reihen unterschiedliche Muster der Verlängerung oder Vergrößerung aufweisen, kann die Zeitachse-Gruppe immer noch als ähnlich angesehen werden und muss angepasst werden. Technische Analysten in den Märkten finden durch diese formelle Übereinstimmung in den historischen Daten eines einzelnen Aktien- oder Datenträgerindex ähnliche Formen, und beobachten die Entwicklung des einzelnen Aktien- oder Datenträgers, nachdem diese Formen in der Geschichte aufgetreten sind, um schließlich die Entwicklung eines späteren Aktien- oder Datenträgers vorherzusagen und Handelsentscheidungen zu leiten.

  Um Dynamic Time-Control-Algorithmen zu verstehen, ist es wichtig, die Idee der Zeitkontrol-Algorithmen zu verstehen, die wie folgt dargestellt wird:

  

  Die blauen und grünen Linien zeigen zwei Zeitreihen an. Im Gegensatz zu herkömmlichen Abstandsmessmethoden ist die Zeitregulierung eine ein-zu-mehr- oder mehr-zu-einen-Mapping von Zeitpunkten, die die optimalen Bedingungen erfüllt. Nach einer solchen Mapping wird die Zeitachse reguliert, so dass die Entfernung zwischen den beiden Zeitreihen am kleinsten und die Ähnlichkeit am größten ist.

  Das Herzstück eines dynamischen Zeitrechneralgorithmus ist die Suche nach einem optimalen Weg, der folgende Einschränkungen erfüllt:

  (1) Grenzbedingungen;

  (2) Kontinuität: die Anforderung, dass man nicht über einen Punkt hinweg passen kann, sondern nur mit seinen Nachbarpunkten ausgerichtet ist

  (3) Monotonie: Das heißt, dass die Anforderungspunkte in der Zeit monotoniert sein müssen

  Durch dynamische Planungsmethoden können optimale Wege und minimale Entfernungen angestrebt werden.

• 3. Formenerkennungsstrategien

  Die Formerkennung wird durch dynamische Zeitregulierung Algorithmen realisiert, basierend auf der standardisierten Form, die von Menschen ausgewählt wird. Jeder Handelstag berechnet die Formerkennung Algorithmen die Entfernung zwischen der Form und der Standardform der gesamten A-Aktie, wählt dann die Aktie aus, die weniger als die Schwelle liegt, und kauft sie zum Eröffnungspreis des Tages, hält sie fünf Tage lang und verkauft sie zum Abschlusspreis.

  

  

• 5. Schlussfolgerung

  Die Strategie basiert auf einer dynamischen Zeitregulierung Algorithmen, die Aktienformen ähnlich wie die erfahrene Form zu erfassen, um ein Portfolio zu bauen. Während der Nachprüfung erhielt er einen Sharpe von 2.59 und eine jährliche Rendite von 27.4%, was den Run-Win-Index deutlich stabilisierte.

Übersetzt von