Trading Strategie Data-Ontginning

Hoe om handel strategieë wiskundig te enkodeer As jy 'n klomp van die verskillende ekonometriese data (. Bv indekse, FX, kommoditeite, rentekoerse) wat jy kan probeer om 'n formule te vind om te sien of daar enige verband in die data - bv om dit te voorspel deur hierdie ontdek patroon. Wat ek hier vra, is 'n bietjie anders: Is daar 'n ander manier in die sin dat jy kan soek vir 'n formule f () sodanig dat die gegewe vorm verteenwoordig 'n handel strategie waar sekere aanwysers gevind toe te lank of kort te gaan (of enige afgeleide kombinasies)? Die idee is dat die formule self woon in N-dimensionele ruimte van aanwysers / handel-strategieë en probeer om so goed as wat dit kan oorleef. Dit moet 'n standaard prosedure vir multi-agent stelsels simuleer kunsmatige aandelemarkte wees. Ag, ek is nie in staat om 'n eenvoudige benadering om dit te doen kry. data-ontginning Die vinnige ontwikkeling van rekenaartegnologie in die afgelope paar dekades het verskaf professionele beleggers (en amateurs) met die vermoë om toegang te verkry en ontleed geweldige hoeveelhede finansiële data. Daarbenewens het die World Wide Web, e-pos, en bulletin boards maak dit moontlik vir mense om die wêreld om vinnig toegang tot hierdie inligting, sowel as die verskaffing van 'n middel vir individue om hul menings uit te spreek en omgaan. As gevolg hiervan, 'n paar van die meer interessante onderwerpe van die debat in die afgelope jaar het gedraai rondom die praktyk en die gevolge van "data-ontginning." Data-ontginning behels soek deur databasisse vir korrelasies en patrone wat verskil van die resultate wat jou sal verwag om plaas te vind per toeval of in enige omstandighede. Die praktyk van data-ontginning op sigself is nie goed of sleg en die gebruik van data-ontginning het algemeen geword in baie nywerhede. Byvoorbeeld, in 'n poging om te verbeter lewensverwagting navorsers kan data-ontginning gebruik om oorsake en korrelasies analiseer met sterftesyfers. Data-ontginning is ook gebruik word deur adverteerders en bemarking firmas om verbruikers te teiken. Maar moontlik die mees berugte groep data mynwerkers is aandelemark navorsers wat poog om toekomstige voorraad prysbewegings te voorspel. Die meeste, indien nie al Stock Market Anomalies ontdek (of ten minste gedokumenteer) via data-ontginning van verlede pryse en verwante (of soms onverwante) veranderlikes. Wanneer die mark klop strategieë ontdek via data-ontginning, daar is 'n aantal potensiële probleme in die maak van die sprong van 'n terugslag getoets strategie om suksesvol te belê in die toekoms werklike wêreld voorwaardes. Die eerste probleem is die bepaling van die waarskynlikheid dat die verhoudings plaasgevind het op 'n ewekansige of die anomalie kan uniek aan die spesifieke monster wat getoets word. Statistici is dol daarop te wys dat as jy die data lank genoeg martel, sal dit bely enigiets. In watter steeds 'n berugte voorbeeld het Dawid Leinweber soek na willekeur korrelasies om die S & P 500. Petrus Coy beskryf Leinweber se bevindings in 'n Business Week artikel met die titel "Wie myne data kan goud dwaas se staking" (6/16/97). Die artikel bespreek data-ontginning, boek Michael Drosnin se die Bybel Kode. en die feit dat patrone sal plaasvind in die data deur toeval, veral as jy in ag neem verskeie faktore. Baie gevalle van data-ontginning is immuun teen statistiese verifikasie of weerlegging. In die beskrywing van die slaggate van data-ontginning, Leinweber "gesif deur 'n CD-ROM Verenigde Nasies en ontdek dat histories, die enkele beste voorspeller van die Standard & Poor's 500-voorraad indeks was botter produksie in Bangladesj." Die les om te leer volgens Coy is 'n "formule wat gebeur met die data van die afgelope pas sal nie noodwendig enige voorspellende waarde." Terug toets was nog altyd 'n verdagte klas inligting nie. As jy agter te kyk, jy net gaan om te wys wat is goed. Ongerymdhede ontdek deur middel van data-ontginning word beskou as meer belangrik as die tydperk van die tyd aanstap te wees en indien die anomalie kan bevestig uit monster toetse oor verskillende tydperke en vergelykbare markte (byvoorbeeld op buitelandse handel). As 'n anomalie is ontdek in die rug toetse, sy ook belangrik om te bepaal hoe die koste (transaksies koste, die bod-vra versprei, impak koste vir institusionele handelaars) sal die opbrengs te verminder. Sommige ongerymdhede is eenvoudig nie realiseerbare. Sien die waarde lyn anomalie en implementering tekort vir meer inligting oor hierdie onderwerp. Daarbenewens kan strategieë wat in die verlede gewerk het net ophou werk as meer beleggers begin belê volgens die strategie. Sien die doeltreffende markhipotese vir meer inligting oor hierdie onderwerp. Die Motley Fool is geprys deur baie vir die aanbied van opvoedkundige advies aan individuele beleggers (byvoorbeeld die Motley Fool bied klank aanbevelings in adviseer beleggers om te koop en hou voorrade, versigtig vir aandelemakelaars en ontleders botsende belange te wees, en versigtig te wees van onrealistiese prestasie eise). Maar die Motley Fool's "Dwase Vier" voorraad strategie en sy onderliggende rasionaal getrek kritiek. In 1997, BYU professore Grant McQueen en Steven Thorley coathored n papier in die finansiële ontleders Tydskrif (FAJ) dat die uiters gewilde Honde van die Dow Strategie (Abstract) bevraagteken. Hy het reeds ingesamel is om die data op die Dow Honde analiseer, die professore opgevolg deur 'n gevallestudie in data-ontginning uit die Motley Fool's Dwase Vier. McQueen en Thorley ontleed die dwase Vier soos beskryf in die Motley Fool Investment Guide (MFIG), maar die dwase eintlik verskeie variasies van die dwase Vier (Sien ook die dwase Vier verduidelik en dom Vier Geskiedenis). Dat navorsing het gelei tot 'n ander artikel gepubliseer in die Maart / April 1999-uitgawe van die finansiële ontleders Tydskrif getiteld "Mynbou Fool's Gold." In die gees van vermaak en kreatiewe die Fool's skryfstyl, het die professore n "lighartig" weergawe van die papier (in Word Perfect) op die BYU bediener geplaas. Die wat in die studie data kan hier afgelaai word. McQueen en Thorley sluit 'n volledige uiteensetting van die moontlike slaggate van data-ontginning en hulle gedoen uit monster toetse op die Dwase Vier. Die professore rede dat data-ontginning kan opgespoor word deur die kompleksiteit van die handel reël, die gebrek aan 'n samehangende verhaal of teorie, die prestasie van out-of-monster toetse, en die aanpassing van opbrengste vir risiko, transaksiekoste en belasting. Daarbenewens het hulle argumenteer dat die dwase Vier en Dow Tien handel reëls gewild genoeg om aandeelpryse impak op die wisseling van die jaar geword het. Die Motley Fool het 'n begeesterde reaksie op die FAJ papier in hul onverstandige Vier portefeulje verslae wat toeganklik in hul 1999 argiewe is gepos. Sien verslae vanaf 5/10. 11/05. 12/05. 13/05. 14/05. 17/05. 18/05. 19/05. 20/05. en 21/05. Ingesluit in hierdie reaksies is 'n hele paar teenargumente aan die FAJ papier en sowel erkenning van geldige kwessies bespreek in die koerant. Terwyl baie van die kwessies is debatteerbaar, die ware vuurproef en kritiese bevinding van die FAJ papier was 'n uit monster toets vir die dwase Vier opbrengste van 1949 tot 1972. Vir daardie tydperk die dwase Vier skaars klop die Dow 30 met 'n gemiddeld van 0.32% per jaar met aansienlik meer risiko. Nie net het die strategie onderpresteer die Dow Honde vir die tydperk, maar na transaksies kos en rekeningkunde vir risiko dit duidelik die DJIA sou uitgestel vir die tydperk. Dit kritieke kwessie is vlugtig in die verslag gedateer 14/05 bespreek. Om hierdie kwessie in perspektief te stel, oorweeg 'n belegger aan die begin van 1973 'n terugblik op die DJIA prestasie oor die voorafgaande 24 jaar. Dis moeilik om te rasionaliseer hoe 'n belegger in dié tyd 'n dwase Vier mark opbrengste sal lewer vorentoe kon geweet het. In 'n ander uit steekproef, McQueen en Thorley gebruik die basis 1973 -1996 tydperk bespreek in MFIG, maar gebruik Julie vir herbalanseer eerder as Januarie. Onder sulke omstandighede die dwase Vier opbrengste klop die DJIA met slegs 2,95% per jaar op die gemiddelde, aansienlik laer as die 12,23% voorsprong bo die DJIA met Januarie herbalansering. Ter verdediging van die dwase is verskeie onthullings ten minste in MFIG en op die webwerf. In die verslag Dwase Vier gedateer 8/7/98. hulle openbaar dat opbrengste laer as herbalansering plaasgevind het in ander maande as Januarie was. Verder, in MFIG n 25,5% opbrengs figuur uit 'n tydperk twintig jaar is baie keer gebruik, maar hulle het ten minste noem dat hulle die getalle nagevors terug na 1961 en vir die langer tydperk, die opbrengste gedaal tot 18,35%. Aan die ander kant, wanneer dit bekend gemaak dat 'n langer tydperk bestudeer, die voortsetting van die sterker korter termyn getalle en baseer argumente noem op daardie data sekerlik gesien kan word as verdagte. Onthul en fokus op resultate langer termyn is geneig om die geloofwaardigheid van 'n argument 'n data myner se verhoog. Jason Zweig uitgespreek na sy mening van die dwase Vier en deel sy eie data ontgin "baie dom" en "Ekstra dom" portefeuljes in Vals Winste uit Geld tydskrif (Augustus 1999). Op die Morningstar webwerf kan jy ook lees mening John Rekenthaler se Just foolin 'rondom asook Beleggingsadviseur William Bernstein Menings s in 'n artikel met die titel gemyn: Alle ontgin (sien ook reaksie James O'Shaughnessy se en die daaropvolgende debat) . In Desember 2000 het Die Motley Fool aangekondig dat hulle nie langer advokaat die "Dwase Vier" voorraad strategie, wat hulle geskep het. Sien Re-dink hoe 'n dwaas Vier vir die rasionaal agter die Fool's nie meer aanbeveel 'n strategie wat hulle vir jare via hul webtuiste en boeke het voorgehou. Beweeg na 'n ander data-ontginning debat, William Brock. Josef Lakonishok. en Blake LeBaron (BLL) gepubliseer 'n artikel getiteld "Eenvoudige Tegniese Trading Reëls en die Stogastiese Properties van Stock Opbrengste," in die Desember 1992-uitgawe van die Journal of Finance. Die studie is een van die min akademiese referate om 'n suksesvolle handel strategie dokumenteer gebaseer op tegniese analise (Sien Tegniese anomalieë vir 'n volledige bespreking van die artikel). Die professore het getoon dat beide bewegende gemiddeldes en ondersteuning en weerstand gereedskap het voorspellingswaarde met betrekking tot die Dow Jones Industrial Average vir die tydperk 1897-1986. Data-Snooping, Tegniese Trading Reël Performance, en die Skoenlus is 'n artikel wat die BLL papier hero en sal verskyn in die Oktober 1999-uitgawe van Journal of Finance. In die artikel, Ryan Sullivan, Allan Timmer, en Halbert White (STW) poging om die effek van Data-Snooping op die BLL resultate te bepaal. Hulle gebruik ook data wat versamel is van die tydperk ná die oorspronklike studie (BLL data gehardloop deur 1986) ten einde 'n uit steekproef voorsien. Die toevoeging van die afgelope jaar het 'n volle 100 jaar van data. STW bereken 'n breek selfs transaksie koste vlak van 0,27% persent per handel vir die beste presterende handel reël vir die volle tydperk. Sedert die oorspronklike BLL data bedek 'n baie lang tydperk van byna 90 jaar, kan 'n mens verwag dat die strategieë om goed te presteer in die buite monster toetse. Maar gevolgtrekkings van die studie kan beland wat gebruik word as 'n ander moontlike voorbeeld van die doeltreffende markhipotese. STW gevind "dat die resultate van BLL verskyn robuuste te wees om data-snuffel. Maar ons vind ook dat die uitstekende prestasie van die beste handel reël nie in die buite-monster eksperiment word herhaal vir die periode 1987-1996" en "daar is min bewyse dat tegniese reëls handel was van enige ekonomiese waarde gedurende die tydperk 1987-1996." Dit kan 'n ander nadeel vir aandelemark data mynwerkers en aktiewe beleggers bied. Selfs as 'n anomalie in die verlede gewerk oor baie lang tydperke, en selfs al is die resultate lyk nie ly aan die slaggate van data Snooping, sodra die anomalie is ontdek dit kan ophou om te werk in die toekoms. Redelike mense kan 'n redelike meningsverskil sonder dat dit 'n kwessie van etiek of geloof te hê. Onrusbarende Doeltreffendheid (RR) van Dow Jones Batebestuur (5-6 / 99) is 'n interessante artikel wat data-ontginning en die probleem van die bespreek "overfitting." Ingesluit is die kommentaar van beleggingsbedryf veterane David Shaw. Ted Aronson. en Robert Arnott. Die artikel voer aan dat gegewe 'n beperkte hoeveelheid historiese data en 'n oneindige aantal komplekse modelle, kan oningeligte beleggers gelok in "overfitting" die data. Patrone wat veronderstel sistematiese wees, kan dit selfs wees monster-spesifieke en dus van geen waarde nie. Mense kom na ons al die tyd met handel strategieë wat na bewering 'n baie groot oormaat opbrengste te maak. Maar die oorgrote meerderheid van die dinge wat mense ontdek deur van standaard wiskundige gereedskap en sif deur 'n groot hoeveelheid data is statistiese artefakte. Aronson voer aan dat die mark is "byna heeltemal doeltreffende" en dat "Jy jouself flous as jy dink jy sal die ander ou outguess met meer as sowat 51% of 52% van die tyd." Aronson glo dat beleggers op soek na mark ondoeltreffendheid die potensiaal om voordeel te trek uit die teenstrydighede van die ekwivalent van transaksies koste verminder. As dit die geval is, die vermindering van transaksies koste is van kritieke belang in 'n poging om die mark te klop. So is daar enige ongerymdhede wat reeds bevestig uit monster toetse? In 'n ander komende Journal of Finance artikel, James L. Davis, Eugene F. Fama. en Kenneth R. Franse argumenteer dat die antwoord is 'n besliste ja. Maatskappye met 'n lae prys te waarde verhoudings bespreek oortref en die patroon is gedokumenteer in beide die VSA en buitelandse markte. In Eienskappe, kovariansies, en 'n gemiddelde opbrengs: 1929 tot 1997 het die skrywers gaan 'n groot stap verder in die dokumentasie van 'n opbrengs van 'n lae prys te waarde aandele boek uit 1929 tot 1963. Vir die vorige tydperk, die waarde premie was selfs groter (0,50% per maand) as die meer onlangse Julie 1963 tot Junie tydperk 1997 (0,43% per maand). Op die ou end, het ons ooit regtig weet vir seker watter strategieë sal oortref in die toekoms? Menings oor die vraag beslis wissel, maar die standaard vrywaring geld soos altyd. Vorige prestasie is geen waarborg van toekomstige prestasie nie. Bykomende wiskundige gesprekke is opgeneem in die kersies pluk. Aandelemark bedrogspul. en Coin-Daarby bladsye. Stuur asseblief voorstelle en kommentaar aan beleggers Tuis Laaste update 2001/02/12. Kopiereg © 2001 Investor Home. Alle regte voorbehou. Vrywaring Ek is 'n professionele aanbieding dienste op die gebied van statistiese en finansiële advies. Ek hou 'n PhD-graad in Statistiek en 'n PhD Klein in Finansies van Stanford Universiteit. Ek het gewerk in die bedryf vir vier jaar, met die fokus op projekte wat verband hou met data-ontginning, faktorontleding, trosanalise, tydreeksanalise, stogastiese wisselvalligheid modellering / bate pryse, statistiese arbitrage / ontwikkeling van handel vir eie strategieë, en so aan. Ewe belangrik, ek het ses jaar van finansiële en statistiese konsultasie ervaring. Ek het maatskappye, professionele sakelui, navorsers en studente geraadpleeg in die velde van bemarking, Medisyne, Biologie, Sielkunde, Sosiologie, Politieke Wetenskap, Onderwys, Rekenaarwetenskap en Finansies. Plek-wyse, het my kliënte is gebaseer in New York, Boston, Philadelphia, Washington, Los Angeles, San Francisco, San Jose, Stanford, Seattle, Chicago, Toronto, Montreal, Londen, Edinburgh, Bergen, Frankfurt, Kuwait City, Hong Kong, Adelaide, Melbourne, Sydney en so aan. Tipies, ek ontmoet in Manhattan of raadpleeg via Skype, e-pos en telefoon as die kliënte is ver van New York. Behalwe dat, ek doen volledige projekte vir my kliënte, wat mag of nie mag 'n vergadering nie nodig. Voorbeelde van dienste: data-analise in enige van die groot statistiese pakkette (R, Matlab, SAS, SPSS, Stata), ontwerp van eksperimente, ontwikkeling van pryse en handel stelsels, verhandeling bystand, konsultasie sessies om algemene kennis te verbeter. Lees asseblief die gedetailleerde beskrywing van die tipes dienste. ervaring. gevallestudies en betaling opsies. Tensy dringendheid betrokke is, die koers is $ 60 per uur vir standaard projekte (regressie, ANOVA, opname-ontwerp, nie-parametriese toetse) en nog baie meer vir & quot; hoë-tegnologie & quot; materiaal (data-ontginning, trosanalise, paneel data, meerveranderlike tydreekse, verskuilde Markov-modelle, Markov Chain Monte Carlo, Bayes modellering, GWAS, SAS funksies, statistiese arbitrage / handel strategieë, eksotiese bate pryse, mark risikobestuur). Stuur 'n e-pos my vir meer gedetailleerde pryse inligting of enige ander verduideliking. consultingstanfordphd