Flytte Gjennomsnittet Stokastisk Volatilitet


Mål Volatilitet Med Gjennomsnittlig True Range J. Welles Wilder er et av de mest innovative sinn innen teknisk analyse. I 1978 introduserte han verden til indikatorene kjent som ekte rekkevidde og gjennomsnittlig sann rekkevidde som tiltak for volatilitet. Selv om de brukes mindre ofte enn standardindikatorer fra mange teknikere, kan disse verktøyene hjelpe en tekniker til å gå inn og ut av handelen, og bør sees av alle systemhandlere som en måte å bidra til å øke lønnsomheten. Hva er AverageTrueRange En aksjeavstand er forskjellen mellom høy og lav pris på en gitt dag. Det avslører informasjon om hvor flyktig en aksje er. Store områder indikerer høy volatilitet og små områder indikerer lav volatilitet. Spekteret måles på samme måte for alternativer og varer - høyt minus lavt - som de er for aksjer. En forskjell mellom aksjer og råvaremarkeder er at de store futuresutvekslingene forsøker å forhindre ekstremt uregelmessige prisbevegelser ved å sette et tak på det beløpet som et marked kan bevege seg på en enkelt dag. Dette er kjent som en låse grense. og representerer maksimal endring i en varepris i en dag. I løpet av 1970-tallet, da inflasjonen nådde uovertruffen nivåer, korn, svinekjøtt og andre varer ofte opplevde grensebevegelser. På disse dager ville et oksemarked åpne grensen opp og ingen videre handel ville oppstå. Rekkevidden viste seg å være en utilstrekkelig grad av volatilitet gitt grensebevegelsene og det daglige området indikerte at det var ekstremt lav volatilitet i markeder som faktisk var mer volatile enn tidevannet. Wilder var en futures-aktør på den tiden da disse markedene var mindre ordnede enn de er i dag. Åpningsgap var en vanlig forekomst, og markeder flyttet grenser opp eller begrenses ofte. Dette gjorde det vanskelig for ham å implementere noen av systemene han utviklet. Hans ide var at høy volatilitet ville følge perioder med lav volatilitet. Dette vil danne grunnlag for et intradag handelssystem. (For relatert lesing, se Bruke historisk volatilitet for å måle fremtidig risiko.) Som et eksempel på hvordan det kan føre til fortjeneste, husk at høy volatilitet bør oppstå etter lav volatilitet. Vi kan finne lav volatilitet ved å sammenligne det daglige området til et 10-dagers glidende gjennomsnitt av serien. Hvis dagens rekkevidde er mindre enn 10-dagers gjennomsnittlig rekkevidde, kan vi legge til verdien av dette området til åpningsprisen og kjøpe en breakout. Når lageret eller varen bryter ut av et smalt område, vil det sannsynligvis fortsette å bevege seg en stund i retning av breakout. Problemet med å åpne hull er at de gjemmer volatilitet når man ser på det daglige området. Hvis en vare åpnes begrenses, vil rekkevidden være svært liten, og det vil trolig føre til hyppig handel med å legge til denne lille verdien til de neste dagene som er åpne. Fordi volatiliteten sannsynligvis vil senke etter en grensebevegelse. Det er faktisk en tid at handelsmenn kanskje vil se etter markeder som gir bedre handelsmuligheter. Beregning av AverageTrueRange Det virkelige området ble utviklet av Wilder for å løse dette problemet ved å regne for gapet og mer nøyaktig måle den daglige volatiliteten enn det var mulig ved å bruke enkel rekkeviddeberegning. True range er den største verdien som er funnet ved å løse de følgende tre ligningene: Hvor: TR representerer det sanne området H representerer dagens høye L representerer dagens lave C.1 representerer yesterdays close Hvis markedet har gått høyere, vil ligning No.2 nøyaktig vise Dagens volatilitet målt fra høy til forrige lukk. Subtrahering av forrige lukk fra dagene lave, som gjort i ligning nr.3, vil tegne seg for dager som åpner med et gap ned. Gjennomsnittlig TrueRange Det gjennomsnittlige sanne området (ATR) er et eksponentielt glidende gjennomsnitt av det sanne området. Wilder brukte en 14-dagers ATR for å forklare konseptet. Traders kan bruke kortere eller lengre tidsrammer basert på deres handelspreferanser. Lengre tidsrammer vil bli tregere og vil sannsynligvis føre til færre handelssignaler, mens kortere tidsrammer vil øke handelsaktiviteten. TR - og ATR-indikatorene er vist i figur 1. Figur 1: Sannt område og gjennomsnittlig sant områdeindikator Figur 1 illustrerer hvordan pigger i TR følges av tidsperioder med lavere verdier for TR. ATR glatter dataene og gjør det bedre egnet til et handelssystem. Å bruke råinnganger for det sanne området vil føre til uberegnelige signaler. Bruk av AverageTrueRange De fleste handelsmenn er enige om at volatilitet viser klare sykluser og stole på denne troen, kan ATR brukes til å konfigurere inngangssignaler. ATR breakout-systemer brukes ofte av korttidshandlere til tidsposter. Dette systemet legger til ATR, eller et flertall av ATR, til de neste dagene åpne og kjøper når prisene flytter over det nivået. Kort handel er det motsatte ATR eller et flertall av ATR trekkes fra det åpne og oppføringer oppstår når dette nivået er ødelagt. ATR-utbruddssystemet kan brukes som et lengre siktsystem ved å skrive inn ved åpningen etter en dag som lukker over lukkene pluss ATR eller under lukk minus ATR. Ideene bak ATR kan også brukes til å sette stopper for handelsstrategier. og denne strategien kan fungere uansett hvilken type oppføring som brukes. ATR danner grunnlaget for stoppene som brukes i det berømte skildpaddshandelssystemet. Et annet eksempel på å stoppe med å bruke ATR er lysekroneutgangen utviklet av Chuck LeBeau, som plasserer et trappstopp fra enten den høyeste høyde av handelen eller den høyeste næringen av handelen. Avstanden fra den høye prisen til bakstoppet er vanligvis satt til tre ATR. Den flyttes oppover ettersom prisen går høyere. Stopp på lange stillinger bør aldri senkes, fordi det slår opp formålet med å stoppe på plass. (For mer, se En logisk metode for å stoppe plassering.) Konklusjon ATR er et allsidig verktøy som hjelper handelsmenn til å måle volatilitet og kan gi inn - og utgangssteder. Et helt handelssystem kan bygges fra denne ene ideen. Det er en indikator som bør studeres av seriøse markedsstudenter. Dette er Joshua Chan. Velkommen til nettstedet mitt. Jeg er professor ved Economics Disciplin Group, University of Technology Sydney. Før jeg begynte på UTS, holdt jeg akademiske stillinger ved Australian National University, Purdue University og University of Queensland. Min langsiktige forskning fokuserer på inflasjonsmodellering, estimering av produksjonsgap, modell sammenligning og ikke-lineære tilstandsrommodeller. Min nåværende forskning støttes av Australian Research Council gjennom to forskningsstipendier: en ARC Discovery Early Career Researcher Award og et ARC Discovery Project. Det første prosjektet utvikler nye, ikke-lineære tidsvarierte makroøkonometriske modeller med vekt på å forstå virkningen av usikkerhet i konjunkturene. Det andre prosjektet bruker disse nye tidsvarierende modellene til å konstruere modellbaserte tiltak av inflasjonsforventninger og usikkerhet om inflasjonsforventning. Copyright 169 Joshua Chan. Alle rettigheter forbeholdes. Gjennomføring av gjennomsnittlige stokastiske volatilitetsmodeller med applikasjon til inflasjonsprognose Vi introduserer en ny klasse modeller som har både stokastisk volatilitet og bevegelige gjennomsnittsfeil, der det betingede gjennomsnittet har en statlig romrepresentasjon. Å ha en bevegelig gjennomsnittskomponent betyr imidlertid at feilene i målingsligningen ikke lenger er serielt uavhengige, og estimeringen blir vanskeligere. Vi utvikler en bakre simulator som bygger på nylige fremskritt i presisjonsbaserte algoritmer for å estimere disse nye modellene. I en empirisk applikasjon som involverer amerikansk inflasjon, finner vi at disse bevegelige gjennomsnittlige stokastiske volatilitetsmodellene gir bedre prøveutøvelse og progresjonsprestasjoner utenom standardvarianter med bare stokastisk volatilitet. JEL-klassifisering Statlig plass Uoppdaget komponentmodell Presisjon Sparsom tetthetsprognose Korrespondanse til: Forskerskole for økonomi, ANU Business School og økonomi, LF Crisp Building 26, Australian National University, Canberra ACT 0200, Australia. Tlf. 61 2 612 57358 faks: 61 2 612 50182. Opphavsrettslig kopi 2013 Elsevier B. V. Alle rettigheter reservert.

Comments