La determinación óptima de señales de trading (compra/venta) a partir de datos del pasado

Question

Digamos que tenemos un stock que nuestras acciones sólo son comprar, vender y mantener (con o sin un cortocircuito).

Si tenemos suficiente últimos datos de la bolsa de valores, ¿cómo se puede determinar el óptimo de la acción comercial de cada marca de tiempo en el pasado en un eficiente o incluso de manera óptima? Los costos de transacción, bid-ask y deslizamiento sin duda habría de ser incluidas.

Puedo pensar en esto como una caja negra problema de optimización, pero el espacio de búsqueda es grande, por lo que la búsqueda sería ineficiente.

Traté de buscar en la literatura para los punteros, pero no salió nada de él. Alguien ha investigado buenas maneras de hacer esto?

Answer 1

Yo creo que lo que estamos tratando de hacer es construir una cartera de dentro hacia fuera, es decir, seleccionar acciones basadas en factores idiosincráticos. Nunca he escuchado a nadie (dentro de la industria) a tener éxito con esto, y, a mi conocimiento, la literatura en este sentido es bastante delgado.

La razón principal es que en las finanzas, el enfoque de Markowitz es dominante para este día. Sencillamente, porque un portafolio es un conjunto de acciones, usted siempre tiene que considerar cómo interactúan, es decir, considerar su correlación. La volatilidad no es aditivo (en parte debido a la correlación), usted no debe invertir en acciones por ellos mismos, de forma individual, pero tenga en cuenta la totalidad de la cartera. Si una acción está negativamente correlacionado con el otro, sus movimientos se anulan, por lo que si su conocimiento del futuro es incompleta, se mejoraría la cartera como un todo.

La cosa más cercana a lo que usted piensa probablemente sería el análisis fundamental, pero la investigación no muestran coherentes exceso de retorno afaik. Como alternativa, busque en el smart beta de asignación de activos, que considera los factores de riesgo subyacentes para la cartera de construcción de edificios.

Answer 2

puede suavizar sus datos y, a continuación, encontrar los ceros de la pendiente de la alisado de datos. Usted puede ajustar los costos con el grado de suavizado.

Answer 3

El procedimiento específico depende de los detalles del problema, tales como

1. ¿Cuál es la función objetivo? Ratio de Sharpe? Terminal de la riqueza?
2. ¿Cuál es el modelo de los costos de transacción?
3. ¿Cuál es la resolución de los datos? (Si es muy alto el problema puede ser difícil de cómputo).

Hay muchos artículos, por ejemplo este, que resolver los diversos problemas de este tipo. Estos son los más ciertamente no es la caja negra de problemas de optimización. No son específicos, y muy motivada funciones objetivo, las restricciones y la dinámica. Usted debe entender que, en general, el tamaño del espacio de búsqueda no es una buena guía para determinar si el problema puede ser resuelto de manera eficiente o no. La fuerza bruta búsqueda exhaustiva casi nunca se utilizan para los no-trivial de problemas de optimización. Es a menudo el caso de que un problema a través de un conjunto infinito (e.g un problema de programación lineal) es mucho más fácil que un problema a través de un conjunto finito (por ejemplo, un entero de programa).