وسائل لوڈ ہو رہے ہیں... لوڈنگ...
  1. مربع
  2. رفتار الفا حکمت عملی

رفتار الفا حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2023-11-23 11:34:40
ٹیگز:

img

جائزہ

مومنٹم الفا حکمت عملی اس بات کا اندازہ لگاتی ہے کہ آیا کسی بنیادی اثاثے میں اس کے شارپ تناسب اور الفا قدر کا حساب لگاتے ہوئے مثبت رفتار ہے۔ جب شارپ تناسب اور الفا دونوں مثبت ہوتے ہیں تو یہ طویل ہوجاتا ہے ، اور جب دونوں اشارے منفی ہوجاتے ہیں تو پوزیشن کو فلیٹ ہوجاتا ہے۔

حکمت عملی کا اصول

اس حکمت عملی کے بنیادی اشارے شارپ تناسب اور الفا ہیں۔ شارپ تناسب کسی اثاثے کی رسک ایڈجسٹڈ واپسی کی عکاسی کرتا ہے ، جبکہ الفا مارکیٹ کے بینچ مارک سے اس کی زیادہ واپسی کی عکاسی کرتا ہے۔ جب دونوں مثبت ہوتے ہیں تو ، اس سے یہ ظاہر ہوتا ہے کہ اثاثے میں اعلی رسک ایڈجسٹڈ واپسی ہے اور مارکیٹ کے بینچ مارک سے بہتر کارکردگی کا مظاہرہ کرتا ہے۔ لہذا ، ایک لمبی پوزیشن لی جاتی ہے۔ جب دونوں منفی ہوجاتے ہیں تو ، اس کا مطلب یہ ہے کہ رفتار ختم ہوگئی ہے اور پوزیشن برابر ہوگئی ہے۔

خاص طور پر ، حکمت عملی پہلے پچھلے 180 دنوں میں شارپ تناسب کا حساب لگاتی ہے۔ شارپ تناسب کا حساب اس طرح کیا جاتا ہے: (اوسط روزانہ واپسی خطرہ سے پاک واپسی) / روزانہ واپسی کا معیاری انحراف۔ یہاں روزانہ واپسی کا اوسط اور معیاری انحراف افتتاحی قیمت اور پچھلی اختتامی قیمت کا استعمال کرتے ہوئے حساب کیا جاتا ہے۔ جب شارپ تناسب 1 سے زیادہ ہوتا ہے تو اس کا مطلب یہ ہے کہ اثاثے میں نسبتا high اعلی رسک ایڈجسٹ واپسی ہے۔

اسی وقت ، پچھلے 180 دنوں میں الفا کا حساب لگایا جاتا ہے۔ الفا کا حساب مارکیٹ ماڈل کے ذریعے کیا جاتا ہے: الفا = اصل اثاثہ واپسی (مارکیٹ کی واپسی ایکس بیٹا) ۔ یہاں بنیادی اثاثہ اور ایس اینڈ پی 500 انڈیکس کی روزانہ واپسی کا استعمال کیا جاتا ہے۔ جب الفا 0 سے زیادہ ہوتا ہے تو اس کا مطلب یہ ہے کہ اثاثہ کی اصل واپسی مارکیٹ کے معیار سے زیادہ ہے۔

لہذا ، جب شارپ کا تناسب اور الفا دونوں مثبت ہوتے ہیں تو ، ایک لمبی پوزیشن لی جاتی ہے۔ جب دونوں منفی ہوجاتے ہیں تو ، پوزیشن برابر ہوجاتی ہے۔

فوائد کا تجزیہ

اس حکمت عملی کا سب سے بڑا فائدہ یہ ہے کہ رفتار کا اندازہ لگاتے ہوئے ، یہ طویل مدتی مارکیٹ کے حادثات سے بچنے کے لئے خطرے کو کنٹرول کرتے ہوئے ، مخصوص ادوار کے دوران وسیع تر مارکیٹ اور کچھ انفرادی اسٹاک کے نمو کے مواقع کو حاصل کرسکتا ہے۔ فوائد کا تفصیلی تجزیہ مندرجہ ذیل ہے:

  1. شارپ تناسب کا حساب کتاب حالیہ رفتار کے حالات کی عکاسی کرتا ہے اور کچھ مارکیٹوں اور اسٹاک کے عروج کے رجحانات کو پکڑ سکتا ہے۔ الفا کا حساب کتاب بینچ مارک کے مقابلے میں زیادہ منافع کو ظاہر کرتا ہے اور کمزور بنیادی عوامل کو فلٹر کرتا ہے۔

  2. مختلف وقت کے افقوں میں دونوں اشارے پر جامع طور پر غور کرنے سے مثبت رفتار کو زیادہ درست طریقے سے طے کیا جاسکتا ہے۔

  3. جب رفتار ختم ہوجاتی ہے تو ، بروقت اسٹاپ نقصانات بڑے نقصانات سے بچ جاتے ہیں۔ اس سے اپ ٹرینڈ کے بعد مناسب منافع حاصل کرنے کی اجازت ملتی ہے۔

  4. اس حکمت عملی کو واحد رفتار کے اشارے کے مقابلے میں زیادہ مستحکم ہے جبکہ اسٹاک اور انڈیکس دونوں پر استعمال کرنے کے لئے کافی لچکدار ہے.

خطرے کا تجزیہ

فوائد کے باوجود، اس حکمت عملی میں اب بھی مندرجہ ذیل خطرات ہیں:

  1. رفتار کے اشارے پیچھے ہٹ سکتے ہیں۔ جب مارکیٹ موڑ دیتی ہے تو ، رفتار کے اسٹاک تیزی سے گر سکتے ہیں۔ اس سے بڑے نقصانات ہوسکتے ہیں۔ پیرامیٹرز کو ایڈجسٹ کیا جاسکتا ہے یا دوسرے اشارے کے ساتھ مل کر۔

  2. الفا اور شارپ تناسب میں وقت کی تاخیر ہوتی ہے۔ جب مارکیٹیں تیزی سے چلتی ہیں تو ، اشارے کی اقدار تاخیر کا شکار ہوسکتی ہیں اور تازہ ترین رجحانات کی عکاسی کرنے میں ناکام رہ سکتی ہیں۔ حساب کتاب کی مدت کم ہوسکتی ہے۔

  3. کوئی پوزیشن سائز کنٹرول نہیں ہے ، جس کے نتیجے میں مرکوز خطرات پیدا ہوتے ہیں۔ مارکیٹ کے حالات یا دستیاب سرمایہ کی بنیاد پر پوزیشن سائز کو کنٹرول کرنے پر غور کریں۔

  4. بیک ٹیسٹ کے اعداد و شمار ناکافی ہوسکتے ہیں اور براہ راست کارکردگی غیر یقینی ہوسکتی ہے۔ مزید ٹائم فریم اور آلہ بیک ٹیسٹ انجام دینے چاہئیں۔ پیرامیٹر کی اصلاح کی کھڑکیوں کو کم کیا جانا چاہئے تاکہ زیادہ سے زیادہ فٹنگ کو روکا جاسکے۔

اصلاح کی ہدایات

حکمت عملی کو مندرجہ ذیل پہلوؤں میں بہتر بنایا جاسکتا ہے:

  1. سٹاپ نقصان کے طریقہ کار کو شامل کریں۔ بڑے نقصانات سے بچنے کے لئے جب قیمتیں دن میں تیزی سے گرتی ہیں تو اسٹاپ نقصان کے مقامات مرتب کریں۔

  2. پوزیشن سائزنگ مینجمنٹ شامل کریں۔ ہر تجارت میں نقصان کو محدود کرنے کے لئے مارکیٹ کی اتار چڑھاؤ کی بنیاد پر ہر تجارت میں سرمایہ کو کنٹرول کریں۔

  3. پیرامیٹرز کو بہتر بنائیں۔ مختلف بنیادی خصوصیات اور مارکیٹ کے حالات کی خصوصیات کو فٹ کرنے کے لئے مختلف ٹائم فریموں کی جانچ کریں۔ مختلف پیرامیٹرز کے مجموعوں کا بھی جائزہ لیا جاسکتا ہے۔

  4. فلٹرنگ کی شرائط شامل کریں۔ فلٹرز جیسے تجارتی حجم یا اتار چڑھاؤ کو ترتیب دیں تاکہ مختلف یا کم لیکویڈیٹی کی صورتحال میں پھنس جانے سے بچیں۔

  5. دیگر حکمت عملیوں کے ساتھ مل کر۔ دیگر رجحانات کی پیروی کرنے والی حکمت عملیوں کے ساتھ مل کر غور کریں۔ اس سے استحکام میں اضافہ ہوسکتا ہے اور خطرات کو ایک ہی حکمت عملی سے دور کردیا جاسکتا ہے۔

خلاصہ

مومنٹم الفا حکمت عملی متحرک طور پر اثاثوں کی رسک ایڈجسٹڈ واپسی اور نسبتا market مارکیٹ کی کارکردگی دونوں کا جائزہ لے کر رفتار کے مواقع کو حاصل کرتی ہے۔ سنگل مومنٹم اشارے کے مقابلے میں ، اس کے پاس زیادہ درست فیصلوں ، وسیع تر اطلاق اور زیادہ رسک لچک کے فوائد ہیں۔ لیکن حکمت عملی میں اب بھی ڈراؤونگ اور تاخیر کے خطرات ہیں۔ مستحکم زندہ منافع حاصل کرنے سے پہلے اسے مستقل اصلاح اور دیگر حکمت عملیوں کے ساتھ امتزاج کی ضرورت ہے۔

/*backtest
start: 2023-11-15 00:00:00
end: 2023-11-16 04:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Alpha strategy - simple version", overlay=true)

//by NIKLAUS
//USE ON DAILY TIMEFRAME TO DETECT MOMO STOCKS & ETFs AND TRADE THEM
//USE ON 5MIN CHART FOR INTRADAY USAGE
//examples to try this on: GER30, NAS100, JPN225, AAPL, IBB, TSLA, FB, etc.

//This Strategy goes long when Sharpe Ratio is > 1 and Alpha against the S&P500 is generated. It exits when conditions break away.

//https://en.wikipedia.org/wiki/Alpha_(finance)
//------------------------------------------------------------------------------------------------------------------------------------
//Alpha is a measure of the active return on an investment, the performance of that investment compared to a suitable market index. 
//An alpha of 1% means the investment's return on investment over a selected period of time was 1% better than the market during that same period, 
//an alpha of -1 means the investment underperformed the market. 
//Alpha is one of the five key measures in modern portfolio theory: alpha, beta, standard deviation, R-squared and the Sharpe ratio.


//simplified sharpe
src = ohlc4, len = input(180, title = "Sharpe/Alpha/Beta Period")
pc = ((src - src[len])/src)
std = stdev(src,len)
stdaspercent = std/src
sharpe = pc/stdaspercent


//alpha
sym = "BTC_USDT:swap", res=timeframe.period, src2 = close
ovr = request.security(sym, res, src2)

ret = ((close - close[1])/close)
retb = ((ovr - ovr[1])/ovr)
secd = stdev(ret, len), mktd = stdev(retb, len)
Beta = correlation(ret, retb, len) * secd / mktd

ret2 = ((close - close[len])/close)
retb2 = ((ovr - ovr[len])/ovr)

alpha = ret2 - retb2*Beta
//plot(Beta, color=green, style=area, transp=40)


smatrig = input(title="Sensitivity",  defval=2, minval=1, maxval=3) 
bgcolor (sma(sharpe,len/smatrig) > 1 and sma(alpha,len/smatrig) > 0 ? green : red, transp=70)

if (close > open) and (sma(sharpe,len/smatrig) > 1) and (sma(alpha,len/smatrig) > 0)
    strategy.entry("Alpha", strategy.long)
strategy.close("Alpha", when = (sma(sharpe,len/smatrig) < 1) or (sma(alpha,len/smatrig) < 0))
مزید

2019 FMZ - تمام حقوق محفوظ ہیں