بسیاری از بازارها به هم مرتبط هستند. این روابط متقابل می تواند قابلیت های پیش بینی را برای بسیاری از بازارها فراهم کند. مطالعه این روابط متقابل نامیده می شود تجزیه و تحلیل بین بازاری. در این مقاله, من به طور خلاصه یک روش قوی برای تولید سیگنال های قوی برای طیف گسترده ای از بازارهای توضیح. من همچنین یک ابزار تجارت رایگان برای کمک به شما در کشف روابط بین بازاری پیشنهاد می کنم.
همبستگی استاندارد بین بازارها در صورتی مفید نیست که هدف ما پیش بینی قیمت های بعدی یا تولید سیگنال های سودمند باشد زیرا همبستگی فعلی چیزی در مورد قیمت های بعدی به ما نمی گوید. روشی که در ابتدا در اواسط دهه 1990 توسعه دادیم به نام واگرایی بین بازاری به ما امکان می دهد قدرت پیش بینی یک رابطه بین بازاری را بسنجیم و سیگنال های عینی 100% تولید کنیم. در طول 17 سال گذشته ما از این روش برای توسعه سیستم های تجاری استفاده کرده ایم که سیگنال های تجاری قوی و قابل اعتماد را تولید کرده اند حتی 17 سال پس از مدل ها در اصل بدون هیچ گونه بهینه سازی مجدد توسعه یافته اند. روش های دیگر از پردازش روابط بین مارکت به منظور توسعه سیگنال های معاملاتی ممکن است و همچنین در طول دوره در نمونه انجام, اما انجام نمی دهد و همچنین در طول پیاده روی به جلو دوره و در طول تجارت واقعی.
یک رابطه بین بازاری به طور گسترده ای شناخته شده است یکی از بین بازدید کنندگان&ص 500 و 30 سال اوراق قرضه خزانه داری. قیمت اوراق قرضه به طور کلی با اس همبستگی مثبت دارد&پ 500 (در حالی که بازده همبستگی منفی دارند), اگرچه این همیشه درست نیست, اوراق قرضه به طور کلی باید سهام را در نقاط عطف هدایت کند. واقعیت مهم دیگر این است که یکی از بهترین معاملات شما می توانید در بازدید کنندگان را&پ 500 زمانی است که 30 سال باند خزانه داری واگرا از بازدید کنندگان&پ 500; مثلا, وقتی که (یک) اوراق قرضه در حال افزایش است و بازدید کنندگان&پ 500 در حال سقوط, خرید بازدید کنندگان&پ 500 و (ب) اوراق قرضه در حال سقوط هستند و بازدید کنندگان&پ 500 در حال افزایش است, فروش بازدید کنندگان&پ 500 در حال افزایش است, فروش بازدید کنندگان & پ 500. اگر چه این رابطه در طول چند سال گذشته شکسته, وجود بلند مدت خود را از اهمیت تاریخی به علم تجزیه و تحلیل بین مارکت.
روش ساده اما قدرتمند پیش بینی بازار
ما از روش های مکانیکی کلاسیک برای تجارت روابط بین مارکت استفاده خواهیم کرد و به اوراق قرضه خزانه داری 30 ساله با استفاده از یک مفهوم به نام "واگرایی بین مارکت" (اولین بار در سال 1998 ابداع شد) استفاده خواهیم کرد که زمانی است که یک بازار معامله شده در جهت مخالف انتظار می رود. مثلا, اگر ما تجارت بازدید کنندگان&پ 500, 30 سال اوراق قرضه خزانه داری افزایش و بازدید کنندگان&پ 500 سقوط خواهد بود واگرایی از این همبستگی مثبت. اگر اوراق قرضه خزانه داری 30 ساله را معامله می کردیم هر دو اوراق قرضه و افزایش طلا به عنوان واگرایی طبقه بندی می شدند زیرا همبستگی منفی دارند. ما یک روند صعودی را به عنوان زمانی تعریف می کنیم که قیمت ها بالاتر از میانگین متحرک و یک روند نزولی به عنوان زمانی که کمتر از میانگین متحرک هستند. در حال حاضر ما می توانیم با برخی از قابلیت اطمینان جهت بعدی اوراق قرضه پیش بینی, سهام, طلا, نفت خام و حتی ارز با استفاده از این مدل واگرایی بین مارکت ساده. کد شبه برای این مدل اساسی به شرح زیر است:
قیمت نسبت به یک میانگین متحرک ساده
همبستگی مثبت
همبستگی منفی
این مفهوم ساده نشان داده شده در بالا ثابت کرده است که یک روش قوی برای پیش بینی عملکرد قیمت با استفاده از تجزیه و تحلیل بین بازار است. در سال 1998 من منتشر شده ساده بین مارکت مبتنی بر سیستم برای تجارت 30 سال خزانه داری اوراق قرضه سلف. این مدل از میانگین سودمندی بازار بورس استفاده کرد که سبدی از سهام سودمند بود. این شرکت در سال 2004 متوقف شد. یکی دیگر از شاخص های سودمند که نسبتا خوب کار می کرد شاخص ابزار الکتریکی فیلادلفیا بود که به عنوان جایگزینی برای نانوایی در تحقیقات ما مورد استفاده قرار گرفت. در سال 1998 وقتی تحقیق و مقاله اصلی را انجام دادم هر دو شاخص به طور مشابه کار کردند اما ننا سابقه قیمت طولانی تری نسبت به یوتی داشت. تجزیه و تحلیل اولیه با استفاده از ننا به شرح زیر انجام شد. ما از یک مدل واگرایی بین بازاری همبسته مثبت و میانگین متحرک هشت روز برای اوراق قرضه خزانه داری 30 ساله و 18 روز برای اوراق قرضه استفاده کردیم. ما در طول دوره 1 ژانویه 1988 تا 31 دسامبر 1997 تست کردیم. ما چیزی را برای لغزش و کمیسیون کسر نکردیم. نتایج منتشر شده اصلی من به شرح زیر بود:
سود خالص: $111,293. 00 معاملات: 126 پیروزی %: 60% متوسط تجارت: $883.38 افت سرمایه : 8-8,582. 00 فاکتور سود: 2.83
حال ببینیم که اوتی در این دوره با استفاده از مجموعه اصلی پارامترهای مورد استفاده در ننا چگونه کار کرده است. این مجموعه از پارامترها برای مدل ما کمتر از حد مطلوب بود اما ما از مجموعه ای از پارامترها برای سازگاری استفاده می کنیم تا استحکام مدل ما را نشان دهد.
مجموع سود خالص: $83,557.98 کل # معاملات : 141 درصد سود: 58.87% میانگین. تجارت (برد و باخت): 592.61 دلار حداکثر افت سرمایه روزانه: (11722.50 دلار) فاکتور سود: 2.03
نتایج خارج از نمونه
اجازه دهید ما فقط دوره خارج از نمونه را با اولین تجارت پس از 01/01/1998 تا 10/25/2011 مطالعه کنیم.
مجموع سود خالص: $129,166.32 کل # معاملات: 257 درصد سود: 61.87% میانگین. تجارت (برد و باخت): 502.59 دلار حداکثر افت سرمایه روزانه: (26133.36 دلار) فاکتور سود: 1.67
ما می توانیم ببینیم که این نتایج خارج از نمونه بسیار شبیه به نتایج در کل دوره است و میانگین تجارت کمتر از 20 درصد بین دوره درون نمونه و خارج از نمونه متفاوت است. اجازه دهید سال به سال نتایج خارج از نمونه را بررسی کنیم (جدول اول را ببینید).
ما دیده ایم که واگرایی بین مارکت یک مفهوم قدرتمند است. هنگامی که یک واگرایی بین مارکت رخ می دهد ما در این موقعیت باقی بماند تا زمانی که یک واگرایی مخالف رخ می دهد. یک سوال این است, " چرا این واگرایی مفهوم کار?"همچنین جالب است که تحقیقات من نشان می دهد که عبور از صفر قابل توجه است و ما نمی توانیم نتایج واگرایی بین بازاری را با استفاده از یک حد غیر صفر بهبود بخشیم. باور من این است که این مفهوم به عنوان یک بازی داوری کار می کند. زیرا ما تعادل نسبی بین بازار معامله شده و بازار اساسی را نمی دانیم, به عنوان مثال در مورد اوراق قرضه خزانه داری و یوت, واگرایی تنها قیمت گذاری نادرست تایید شده است; ما از نظر یک بازی داوری قابل اعتماد داریم. ما می دانیم که این نمی تواند موثرترین سیگنال باشد. ما می توانیم با مطالعه معاملات اوراق قرضه خزانه داری ما که برخی از معاملات اولیه هستند را ببینید; برای دیگران ما را به عقب درصد زیادی از سود باز و گاهی اوقات معاملات بزرگ برنده می تواند بازنده تبدیل, حتی اگر واگرایی بین بازاری هنوز هم تولید نتایج برجسته.
در اینجا ما تجارت بسیار سودمندی داریم اما تقریبا تمام سود را پس دادیم و سپس بازار به سمت تجارت برگشت. این یک مشکل با واگرایی بین بازاری یعنی "استراتژی معکوس" را نشان می دهد که همیشه در بازار است. موارد دیگری وجود دارد از جمله (الف) یک تجارت برنده به عنوان یک بازنده و (ب) معاملاتی که هرگز سودمند نمی شوند. با وجود این نتایج ما شگفت انگیز است. یک راه حل برای این مشکل این است که برای ساخت یک ماشین حالت محدود است که تمام کشورهای ممکن از رابطه بین مارکت در طول فرایند رفتن از 'طولانی به کوتاه' یا 'کوتاه به بلند'را پوشش می دهد. تحقیقات من نشان داده است که این نقشه حالت از همه احتمالات کلیدی در بهبود عملکرد این مدل های واگرایی ساده است. ما همچنین می توانیم یک نقشه دولتی ایجاد کنیم که به ما امکان می دهد چندین بازار بین المللی را در برابر بازاری که معامله می کنیم ترکیب کنیم. همبستگی و تجزیه و تحلیل همبستگی رو به جلو بین بازارها نیز می تواند برای فیلتر کردن و بهبود این مدل ها استفاده شود. گاهی اوقات تجزیه و تحلیل همبستگی می تواند عملکرد طولانی مدت خارج از نمونه را در صورت عدم یکپارچه سازی با دقت کاهش دهد. از این رو, مهم است که به انجام تجزیه و تحلیل سطح قبلا مورد بحث برای اطمینان حاصل کنید که روابط همبستگی ما به دنبال در قوی و ثابت هستند.
نتیجه گیری
واگرایی بین بازاری چیزی نیست که فقط در بازار اوراق قرضه کار کند. این در طیف گسترده ای از بازارهای از اوراق قرضه کار می کند, به گروه های سهام, به ارز; حتی بازار مانند طلا, خام, گاو زندگی می کنند و مس.
تجزیه و تحلیل بین بازاری یک منطقه هیجان انگیز از تولید بازار است. روش های جدید نمایندگی این روابط نه تنها به توسعه سیستم تجاری کلاسیک کمک می کند بلکه با استفاده از فناوری های پیشرفته به عنوان مثال با استفاده از یک مدل حالت محدود می تواند به روش های یادگیری ماشین اجازه دهد تا به راحتی الگوهایی را ببینند که می توانند برای ساخت مدل های قابل اطمینان تر مورد استفاده قرار گیرند.
ساخت سیستم های قوی و سودمند است که پیش بینی نقاط عطف بازار با این ابزار.
