Стратегия логарифмического прогнозирования цен

Обзор

Эта стратегия использует логарифмические функции для моделирования изменений цен на основе стандартного отклонения и среднего объема торговли для расчета Z-оценки в качестве входных параметров к логарифмической функции для прогнозирования будущих цен.

Принципы стратегии

1. Вычислить стоимость ROC цены закрытия, накопить положительные значения в volume_pos и отрицательные значения в volume_neg
2. Вычислить разницу между volume_pos и volume_neg как net_volume
3. Расчет стандартного отклонения net_std и среднего net_sma от net_volume
4. Вычислить z-счет, деля net_sma на net_std
5. Использование ценовой отметки закрытия, 20-дневного стандартного отклонения цены закрытия и Z-показателя в качестве параметров логистической функции для прогнозирования цены следующего периода
6. Долгая позиция, когда прогнозируемая цена выше текущей фактической цены * 1,005, закрытая позиция, когда ниже * 0,995

Анализ преимуществ

Эта стратегия сочетает в себе статистическую информацию о объеме торговли и прогноз цен с использованием логарифмических функций.

Преимущества:

1. Использует длинно-короткую разницу в объеме торговли для оценки настроения на рынке
2. Логарифмическая функция хорошо соответствует кривой изменения цены для прогнозирования
3. Простая и понятная стратегия, легко реализуемая

Анализ рисков

В этой стратегии также существуют определенные риски:

1. Показатели объема торговли имеют отставание, не могут своевременно отражать изменения рынка
2. Логарифмическое предсказание не всегда точно, может вводить в заблуждение
3. Отсутствие мер по сдерживанию потерь, невозможность контроля потерь

Риски могут быть уменьшены:

1. Комбинировать другие показатели для оценки надежности сигналов объема
2. Оптимизировать параметры логарифмической функции для улучшения точности прогноза
3. Установка линий стоп-лосса для ограничения максимальных потерь на одну сделку и в целом

Руководство по оптимизации

Эта стратегия может быть дополнительно оптимизирована путем:

1. Принять машинное обучение для динамической оптимизации логарифмической функции
2. Включить индикаторы волатильности для корректировки размеров позиций
3. Добавить байесовскую фильтрацию для фильтрации недействительных сигналов
4. Комбинируйте с стратегиями прорыва, чтобы войти в точки прорыва
5. Использование правил ассоциации для обнаружения сигналов дивергенции объема и цены

Объединение нескольких методов может еще больше улучшить стабильность и рентабельность.

Заключение

Эта стратегия объединяет статистические показатели объема торговли и логарифмическое предсказание в уникальную количественную методологию торговли. При постоянной оптимизации она может стать эффективной и стабильной автоматизированной торговой системой. Используя теории машинного обучения и оптимизации портфеля, мы уверены в дальнейшем улучшении ее торговой эффективности.