क्वांटस्ट्रैट फॉरेक्स ब्रोकर

अंतर: फ़्यूचर डेटा के लिए डेटा फ़ाइल (क्वांडल से) तो अलग-अलग रणनीतियों के भिन्नता के बीच, जिनके पास अभी तक आने वाले हैं, उनके लिए, मेरे आईकेट्रिंग पैकेज में क्वाड कलेन नामक एक फ़ंक्शन है, जो क्वैन्डल से दैनिक वायदा डेटा प्राप्त करने और प्राप्त करने के लिए मौजूद है। सटीक प्रक्रिया इस पोस्ट पर क्रांति विश्लेषिकी ब्लॉग पर मिल सकती है। हालांकि उनके कुछ वायदा आंकड़ों को अन्य मुद्राओं में उद्धृत किया गया है, या बहुत कम इतिहास है, I8217ve ने डेटा डेटा को संकलित किया है, जो वायदा डेटा प्राप्त करने के लिए लंबा इतिहास है। वहाँ एजी, कीमती धातुओं, विदेशी मुद्रा, और अधिक के लिए मूल्य इतिहास हैं यहाँ कोड 8217: नोट करें कि आपको अपनी स्वयं की क्वैन्डल प्राधिकरण टोकन की आवश्यकता है। हालांकि, इसके अलावा, इस प्रक्रिया को पूरा करने में लगभग 5 मिनट लगते हैं, इसी तरह मेरी डेमोडाटा। आर फ़ाइल के साथ ही यह सीएमईसीएल (यानी, कच्चे तेल का मूल्य इतिहास) आपके काम में मौजूद है या नहीं वातावरण। से (8220yyyy-mm-dd8221), से (एक), और वर्बोस (TRUE या FALSE) वेरिएबल्स एक डेमो फाइल में सेट करने के लिए चर होंगे, ताकि आप को स्वयं को इनपुट के लिए 8217 के रूप में रखना पड़े। इसके अलावा, आप केवल इस फ़ाइल को स्रोत करते हैं, और you8217ll में बड़ी मात्रा में वायदा डेटा है जिस पर व्यापारिक रणनीतियां चलाना हैं। वे डॉन 8217 को जरूरी नहीं कि ट्रेडिंग रणनीतियों के क्वांटट्रैट प्रकार भी हों, क्योंकि ये केवल एक्सटीएस ऑब्जेक्ट्स हैं। मैंने सीएमईएफएफ पर टिप्पणी की क्योंकि यह आम तौर पर कुछ ऐसी चीज है जो दुर्लभ स्पाइक्स की विशेषता है, क्योंकि स्थिर और सुसंगत मूल्य आंदोलनों के विपरीत। दी, मैं यह आंकुष्ट नहीं कर सकता कि यह डेटा सही होगा (संभवत: उस से एक लंबा रास्ता है, यह सोचकर कि कंडल isn8217t का सबसे बड़ा स्रोत माना जाता है), लेकिन यह मुफ़्त है, इसलिए जो कि वायदा डेटा पर कोई बैकटेस्टिंग करना चाहता है, ठीक है, हेयर यू गो। साथ ही, मैं भविष्य में उस सटीक वाद्ययंत्र को संपादित कर सकता हूं, जो भविष्य में मैं उपयोग करता हूं अगर डेटा जारी रहेगा पढ़ने के लिए धन्यवाद। पोस्ट नेविगेशन श्रेणियाँ यह पोस्ट अल्फा आर्किटेक्ट 8217 के मात्रात्मक मोमेंटम बुक की गहन समीक्षा होगी। कुल मिलाकर, मेरी राय में, किताब उन लोगों के लिए बहुत बढ़िया है, जो व्यक्तिगत इक्विटी क्षेत्र में फंड प्रबंधन में प्रैक्टिशनर हैं, और अभी भी उस अंतरिक्ष के बाहर के बारे में सोचने योग्य विचार रखती हैं। हालांकि, नेस्टेड रैंकिंग से रैंकिंग (रैंकिंग एक्सस के साथ रैंकिंग में लिखित प्रणाली में विस्तृत प्रणाली, एक्स में शीर्ष डीसील के भीतर शीर्ष डीसील, रैक्ष के साथ रैंक, और अक्ष वाई के साथ शीर्ष डीसील लेते हैं, अनिवार्य रूप से चयन को 1 से सीमित करना ब्रम्हांड)। इसके अलावा, पुस्तक अस्थिरता नियंत्रणों पर छूने के लिए बहुत कुछ नहीं करता है, जिसने इस प्रणाली को बढ़ाया हो सकता है जो बहुत अधिक रूप से उल्लिखित है इस पोस्ट की आशंका में आने से पहले, I8217d मेरे पाठकों को यह बताना चाहती है कि औपचारिक डाटाकैम्प कोर्स के रूप में मैंने अपने नट्स और क्वाल्ट्रट श्रृंखलाओं के बोल्ट को औपचारिक रूप दिया। डेटाकम्प आर का एक गुच्छा सीखने का एक बहुत ही सस्ता तरीका है, और वित्तीय अनुप्रयोग उन विषयों में शामिल हैं मेरा कोर्स क्वाल्टस्ट्रैट की बुनियादी बातों को शामिल करता है, और यदि वे इस तरह के पाठ्यक्रम को पूरा करते हैं, तो मैं डेटाकैम्प पर अधिक उन्नत क्वाल्ट्रैट मॉड्यूल बना सकता हूं। I8217m उम्मीद है कि वित्त पाठ्यक्रमों को अच्छी तरह से प्राप्त किया जाता है, क्योंकि आर I8217d में वित्तीय विषय हैं I खुद को सीखना है कि एक 45 मिनट के व्याख्यान doesn8217t वास्तव में पर्याप्त है (जैसे डॉ। डेविड Matteson8217s बदलने के बिंदु जादू, PortfolioAnalytics, और इतने पर) किसी भी मामले में, यहां 8217 लिंक है इसलिए, let8217 पुस्तक की एक सारांश के साथ शुरू होता है: भाग 1 कई अध्याय हैं जो बड़े पैमाने पर काम कर रहे हैं (या कम से कम, 1993 से कम से कम 20 वर्षों तक काम किया है) का व्यापक खुलासा 8230 है कि मानव पूर्वाग्रह और तर्कहीन व्यवहार विसंगति का काम करने के कुछ तरीके फिर वहाँ 8217 के भी कैरियर जोखिम (उर्फ एटी 8217 एक जोखिम कारक है, और इसलिए, यदि आपका बेंचमार्क स्पाइ है और आप 3 साल की अवधि के तहत काम नहीं करते हैं, तो आपको कैरियर के गंभीर जोखिम होते हैं) और अनिवार्य रूप से, प्रबंधक को निकाल दिया जाएगा, लेकिन अगर आप कई सालों से विसंगति के साथ रहना चाहते हैं और सापेक्षिक प्रदर्शन के बहु-वर्षीय फैसले को सवारी करते हैं, तो बहुत लंबे समय में आप आगे बढ़ेंगे I8217ll आम तौर पर, मुझे लगता है कि ऐसा करने के लिए 8217 के काम किए जा सकते हैं यदि यह सबसे अच्छा किया जा सकता है, लेकिन ठीक है, I8217ll इसे स्वीकार करते हैं। अनिवार्य रूप से, भाग 1 अनियिटिटेड के लिए है उन लोगों के लिए जो गति ब्लॉक के चारों ओर कई बार कर रहे हैं, वे इसे पिछले अतीत को छोड़ सकते हैं। दुर्भाग्य से, यह 8217 के आधे पुस्तक, ताकि मुंह में थोड़ा सा खट्टा स्वाद छोड़ दिया जाए। अगला, भाग दो है, मेरी राय में, असली मांस और किताब 8211 की 8220 की संख्या 8221 के आलू। मूलतः, एल्गोरिथ्म को निम्न में उबला जा सकता है: बड़े और मिड-कैप शेयरों के ब्रह्मांड को लेना, निम्नलिखित करें: 1) दो महीनों के अंत में शेयरों को दो-12 गति से क्रमबद्ध करें, प्रत्येक महीने के अंत में, गति की गणना करें पिछला महीना 8217 के समापन मूल्य से समापन मूल्य 12 महीने पहले। अनिवार्य रूप से, अनुसंधान बताता है कि 1 217 के दशक के 1 माह की गति पर एक प्रत्यावर्तन प्रभाव है। हालांकि, यह प्रभाव मेरे अनुभव में ईटीएफ ब्रह्माण्ड में ले जाता है। 2) यहां 8217 के दिलचस्प भाग से पुस्तक को अपने दम पर उठाया जाता है (मेरी राय में): डेसीले में सॉर्ट करने के बाद, निम्न मीट्रिक द्वारा शीर्ष डीसील रैंक करें: निम्न समीकरण द्वारा 2-12 गति का संकेत गुणा करें: (नकारात्मक रिटर्न 8211 पॉजिटिव)। मूलतः, यह विचार गति की सुगमता निर्धारित करना है। सबसे चरम स्थिति में, उस स्टॉक की कल्पना करें जो 230 दिनों के लिए बिल्कुल कुछ भी नहीं था, और उसके बाद एक बड़े दिन था, जिसने इसे अपनी पूरी कीमत प्रशंसा दी (Google को लगता है कि जब यह बेहतर-अपेक्षित संख्या के 10 छलांग रिपोर्ट), और दूसरे चरम पर, एक स्टॉक जिसमें बस प्रत्येक और हर दिन एक छोटे से सकारात्मक मूल्य प्रशंसा हो। जाहिर है, you8217d स्टॉक के दूसरे प्रकार चाहते हैं। That8217 यह विचार फिर, deciles में सॉर्ट करें, और शीर्ष डीसील लें इसलिए, शीर्ष डीसील की शीर्षता प्राप्त करने से आपको ब्रह्मांड में से 1 के साथ छोड़ देता है अनिवार्य रूप से, यह विचार 82 82 को दोहराने के लिए बहुत कठिन बना देता है, क्योंकि आपको शेयरों के विशाल ब्रह्मांड को ट्रैक करने की आवश्यकता है I8217d उसने कहा, मुझे लगता है कि अभिव्यक्ति वास्तव में अस्थिरता के लिए एक स्टैंड-इन के रूप में बहुत अच्छा विचार है यही है, चाहे कितना परिसंपत्ति परिसंपत्ति है I8221 चाहे डीटीसी जैसे वस्तु के रूप में अस्थिर हो या एसएचवाई जैसी निश्चित-आय वाले उत्पाद के रूप में गैर-वाष्पशील हो, यह अभिव्यक्ति 8220 वें मार्ग को बताते हुए एक दिलचस्प तरीका है, 8 8 221 बनाम 8220 है। smooth8221। मैं भविष्य में आगे अपने ब्लॉग पर इस अभिव्यक्ति की जांच कर सकता हूं 3) अंत में, अगर पोर्टफोलियो मासिक की बजाय तिमाही के मुकाबले बदल रहा है, तो इसे चालू करने के लिए सबसे अच्छा महीना महीनों के अंत की तिमाही (यानी, फरवरी, मई, अगस्त, नवंबर) से पहले होता है क्योंकि शौकिया संपत्ति का एक समूह प्रबंधकों को उनके विभागों 8220window dress8221 पसंद है यानी, पिछले महीने में, उन्हें तिमाही विवरण भेजने से पहले, वे कुछ हाल के विजेताओं पर भरोसा करते हैं, ताकि उनके ग्राहकों को 8217t लगता है कि वे 8217re शौकिया के रूप में शौकिया हैं क्योंकि वे वास्तव में चलते हैं, और वहां 8217 के लिए टक्कर इस। इसी तरह, जनवरी में टैक्स-लॉस कलेक्शन के कारण कुछ बिकने वाली अनियमितताएं हैं। जहां तक ​​व्यावहारिक रूप से जाना जाता है, मुझे लगता है कि यह बहुत अच्छा स्पर्श है। इस तथ्य को स्वीकार करते हुए कि हर महीने मुड़ते हुए बहुत महंगा हो सकता है, मुझे पसंद है कि वेस और जैक 8220 का कहना है, आप इसे हर तीन महीनों में एक बार बदलना चाहते हैं, लेकिन जिस पर महीनों 8221 यह पूछने के लिए एक बहुत अच्छा सवाल है कि क्या इसका अर्थ है कि आप उस वर्ष से एक अतिरिक्त प्रतिशत अंक या 150 बीपीएस प्राप्त करते हैं, क्योंकि यह लेनदेन की लागतों को कवर कर सकता है और फिर कुछ सब कुछ, यह 8217s रणनीति को समझने के लिए काफी आसान है। हालांकि, जिस तरह से किताब का एक आदर्श प्रतिकृति करने के लिए गेट्स का हिस्सा सीआरएसपी डेटा प्राप्त करने में कठिनाई है। हालांकि, मैं शुरू से खत्म करने के लिए पूरे एल्गोरिदम का खुलासा करने के लिए अल्फा आर्किटेक्ट की सराहना करता हूं। इसके अलावा, यदि मूल 2-12 गति पर्याप्त नहीं है, तो वहां 8217 के एक अन्य परिशिष्ट के अन्य प्रकार के गति विचारों (आय गति, 52-हफ्ते के ऊंचा, पूर्ण ऐतिहासिक गति, और इसी तरह की रैंकिंग) का विवरण दिया गया है। इन रणनीतियों में से कोई भी वास्तव में मूल कीमत की गति की रणनीति से बेहतर नहीं है, इसलिए उन लोगों के लिए उन लोगों के लिए 8217 का है, लेकिन ऐसा लगता है कि 8217 में कुछ भी वास्तव में जमीन-तोड़ने में नहीं है। यही है, यदि आप महीने में एक महीने में एक बार कारोबार कर रहे हैं, तो 8217 के 8220 के आसपास कहने के कई तरीके हैं, मुझे लगता है कि यह बात ऊपर जा रही है 8221 मुझे यह भी पसंद है कि वेस और जैक ने इस तथ्य को छुआ कि प्रवृत्ति निम्नलिखित है, जबकि यह समग्र सीएजीआर या शार्प में सुधार करता है , अधिकतम ड्रॉडाउन में सुधार करने के लिए एक विशाल राशि है यही है, अगर 70-80 से हर चीज को खोने की संभावना का सामना करना पड़ता है, और केवल 30 को खो दिया जाता है, तो 8217 के लिए आसान विकल्प बनाते हैं। रुझान निम्न अच्छा है, यहां तक ​​कि एक सरलीकृत संस्करण भी है। सब कुछ, मुझे लगता है कि यह किताब पूरी तरह से पूरा करती है, जो एक अच्छी तरह से शोधित एल्गोरिदम पेश करती है। आखिरकार, पेंचलाइन अल्फा आर्किटेक्ट 8217 साइट पर है (मेरा मानना ​​है कि उनके पास कुछ प्रकार की मासिक स्टॉक फ़िल्टर है)। इसके अलावा, किताब बताती है कि 8220 क्वांटिटेटिव वैल्यू 8221 बुक में वर्णित एल्गोरिथ्म के साथ मिलकर बेहतर जोखिम समायोजित रिटर्न होते हैं। मेरे अनुभव में, I8217ve मूल्य एल्गोरिदम कभी भी I8217ve किया backtests में मुझे प्रभावित नहीं था, लेकिन मैं चाक कि मुझे करने के लिए सभी विभिन्न मूल्यांकन मैट्रिक्स के साथ अनुभवहीन जा सकता है। किताब की मेरी आलोचना, हालांकि, यह है: पुस्तक में गति एल्गोरिथ्म को याद करता है कि मुझे क्या लगता है एक प्रमुख घटक: अस्थिरता लक्ष्यीकरण नियंत्रण बस, पेपर 8220 मेमेंटेंट्यू में इसके पल 8221 हैं (जो मैंने मेरी अवधारणा से प्रेरित विकास श्रृंखला पोस्ट में शामिल किया था) अनिवार्य रूप से बताता है कि सामान्य फ़ैमा-फ्रांसीसी गति रणनीति अत्यधिक अस्थिरता के समय के दौरान एक जोखिम-प्रतिफल की रणनीति से बेहतर करती है, और गति दुर्घटनाओं से बचने I8217m नहीं यकीन है कि क्यों वेस और जैक ने इस कागज पर नं .8217 का स्पर्श किया, क्योंकि कार्यान्वयन बहुत सरल है (लक्ष्यवाचक अस्थिरता लाभकारी कारक)। आदर्श रूप से, I8217d प्रेम अगर वेस या जैक मुझे इस रणनीति के लिए रिटर्न की धारा भेज सकते हैं (अधिमानतः दैनिक, लेकिन मासिक भी काम करता है)। मूलतः, मुझे लगता है कि यह किताब बहुत व्यापक है। हालांकि, मुझे लगता है कि इसके कुछ 8220 डॉन 8217 का यह घर 8221 पर आज़माएं क्योंकि डेटा की आवश्यकता के कारण इसे दोहराना है। निश्चित रूप से, यदि आपका ब्रोकर आपको 8 लेनदेन का प्रभार लेता है, तो यह 8217 लेनदेन लागत पर कई हजार रुपये को छोड़ने के लिए एक व्यावहारिक रणनीति नहीं है, जो कि 8217ll आपके दलाल को सिर्फ आपकी रिटर्न देती है। हालांकि, मुझे आश्चर्य है कि क्यूएमओएम ईटीएफ (जरूर अल्फा आर्किटेक्ट से), वास्तव में, प्रबंधन शुल्क के बाहर इस रणनीति का एक बेहतर संस्करण है। किसी भी मामले में, मेरी अंतिम राय यह है: जबकि इस पुस्तक में तालिका पर थोड़ा सा ज्ञान होता है, पूरे पर, यह पूरा करता है कि वह क्या करता है, इसकी प्रक्रियाओं से स्पष्ट होता है, और कई सार्थक विचार प्रदान करता है गैर तकनीकी पाठ्यपुस्तक की कीमत (अमेज़न पर उन 60 पुस्तकों की उर्फ) की कीमत के लिए, यह पुस्तक चोरी है पढ़ने के लिए धन्यवाद। नोट: जब मैं वर्तमान में एक सफल विश्लेषिकी क्षमता में कार्यरत हूं, तो मैं इस ब्लॉग के विषयों से संबंधित पूर्णकालिक पदों के बारे में सुनना चाहता हूं। यदि आपके पास पूर्णकालिक स्थिति है जो मेरे वर्तमान कौशल से लाभ उठा सकती है, तो कृपया मुझे बताएं। मेरा लिंक्डिन यहां पाया जा सकता है यह पोस्ट ऑनलाइन राज्य पूर्वानुमान के लिए डेम्पिक्स पैकेज का उपयोग करने का प्रयास करने के बारे में होगा। जब डिमिक्स पैकेज उत्कृष्टता का प्रदर्शन करता है, तो यह अतीत के राज्यों का वर्णन करने के लिए आता है, जब एक चरण के आगे पूर्वानुमान के लिए इस्तेमाल किया जाता है, इस धारणा के तहत कि कल 8217 का राज्य आज के 8217 के समान होगा, पैकेज में पाया गया छिपा हुआ मार्कवॉल मॉडल प्रक्रिया अपेक्षाओं के लिए प्रदर्शन करें तो, शुरू करने के लिए, यह पोस्ट माइकल हॉल-मूर द्वारा प्रेरित था, जिन्होंने हाल ही में छिपी मार्कव मॉडल का उपयोग करने के लिए depmixS4 लाइब्रेरी का उपयोग करने के बारे में कुछ आर कोड पोस्ट किए थे। आम तौर पर, मैं विषयों पर पदों को बनाने में कठोर हूँ I8217t महसूस करता हूं कि मेरे पास बिल्कुल सामने से पीछे की समझ है, लेकिन I8217m अन्य लोगों से सीखने की आशा में ऐसा करने के लिए ऑनलाइन राज्य-अंतरिक्ष भविष्यवाणी उचित तरीके से कैसे करें, या 8220 रैम स्विचिंग 8221 पता लगाना, क्योंकि इसे और वित्तीय भाषा में कहा जा सकता है जबकि I8217ve ने छिपे हुए मार्कोव मॉडलों के सामान्य सिद्धांत को देखा (यानी, यह बारिश कर सकती है या यह धूप हो सकती है, लेकिन आप केवल कपड़े पहनकर मौसम का अनुमान लगा सकते हैं जिन्हें आप देखते हैं कि आप लोगों को अपनी खिड़की के बाहर पहने हुए हैं), और काम किया है MOOCs में खिलौना उदाहरणों के साथ (Udacity8217 के स्व-ड्राइविंग कार कोर्स उनके साथ सौदा करता है, अगर मैं सही कहता हूं 8211 या शायद यह ऐ कोर्स था), दिन के अंत में, सिद्धांत केवल उतना ही अच्छा है जैसा कि वास्तव में एक कार्यान्वयन वास्तविक डेटा पर काम कर सकता है । इस प्रयोग के लिए, मैंने शुरूआत से स्पाइ डेटा लेने का निर्णय लिया और डेटा पर पूर्ण नमूना 8220 बैक-टेस्ट 8221 करना यह है कि डेमियाक्स से एचएमएम एल्गोरिथ्म पूरे रिटर्न का इतिहास देखता है, डेटा के इस 8220god8217s eye8221 दृश्य के साथ, एल्गोरिदम सही ढंग से शासन वर्गीकृत करता है, अगर backtest परिणाम किसी भी संकेत हैं here8217 ऐसा करने के लिए कोड, से प्रेरित डॉ हॉल-मूर 8217 एस अनिवार्य रूप से, मैंने तीन राज्यों का चयन किया था, मुझे लगता है कि शून्य से अधिक एक अंतर के साथ कुछ भी एक बैल राज्य है, और शून्य से नीचे एक भालू राज्य है, इसलिए अनिवार्य रूप से, यह दो राज्यों को कम करता है। परिणाम के साथ: तो, विशेषकर भयानक नहीं। एल्गोरिथ्म का काम करता है, प्रकार, प्रकार की, ठीक है ठीक है, let8217 अब ऑनलाइन भविष्यवाणी की कोशिश करो। तो मैंने यहां क्या किया, मैं एक विस्तार खिड़की ले ली, SPY8217 के स्थापना के बाद से 500 दिनों से शुरू हो रही है, और इसे एक दिन में एक दिन तक बढ़ा दिया है। मेरी भविष्यवाणी, सबसे छोटा था, सबसे छोटा दिन था, एक बैल राज्य के लिए 1 का उपयोग करते हुए, और एक भालू राज्य के लिए -1 मैं इस प्रक्रिया को समानांतर (एक लिनक्स क्लस्टर पर) में चलाया था, क्योंकि विंडोज 8217 के डूपेरलेबल पुस्तकालय को यह भी नहीं पता कि कुछ पैकेज लोड किए जाते हैं, और यह 8217 अधिक गड़बड़ है), और पहला बड़ा मुद्दा यह है कि इस प्रक्रिया के लिए सात कोर पर लगभग तीन घंटे लगते हैं लगभग 23 वर्ष का डेटा ठीक से प्रोत्साहित नहीं है, लेकिन कंप्यूटिंग समय इन दिनों महँगा नहीं है। तो let8217 देखें कि क्या यह प्रक्रिया वास्तव में काम करती है सबसे पहले, let8217 परीक्षण अगर एल्गोरिथ्म वास्तव में ऐसा करता है और देखो-आगे पूर्वाग्रह के एक दिन का उपयोग करता है (यानी, एल्गोरिद्म हमें बताता है कि दिन के अंत में राज्य 8211 को सही है, यह उस दिन के लिए भी सही है)। परिणाम के साथ: इसलिए, कथित रूप से, एल्गोरिथ्म ऐसा करने के लिए डिज़ाइन किया गया था, जो किसी दिए गए डेटा सेट के लिए किसी राज्य को वर्गीकृत करना है। अब, सबसे उचित प्रश्न: इन भविष्यवाणियों को एक दिन आगे भी कितना अच्छा लगता है I8217d लगता है कि राज्य अंतरिक्ष भविष्यवाणियां दिन-ब-दिन पुराना हो सकती हैं, लंबे इतिहास के अनुसार, सही परिणाम के साथ: यही है, बिना पक्षपाती पूर्वाग्रह के, राज्य अंतरिक्ष भविष्यवाणी एल्गोरिदम घृणित है यही कारण है कि यहां 8217 के राज्यों की साजिश है: संक्षेप में, डिममीक्स पैकेज में ऑनलाइन हम्म एल्गोरिथ्म बहुत ही आसानी से अपना मन बदलता है, वास्तविक व्यापार रणनीतियों के लिए स्पष्ट (नकारात्मक) निहितार्थ के साथ। इसलिए, यह इस पोस्ट के लिए ऊपर लपेटता है। मूल रूप से, मुख्य संदेश यह है कि: 8217 के बारे में वर्णनात्मक विश्लेषण लोड करने के बीच एक विशाल अंतर है (उर्फ 8220, तुम कहाँ हो, चीजें क्यों होती हैं 8221) बनाम भविष्य कहनेवाला विश्लेषण (जो कि, 8220 है, तो मैं भविष्य की सही भविष्यवाणी करता हूं, मुझे सकारात्मक भुगतान मिलता है 8221 )। मेरी राय में, जबकि वर्णनात्मक आँकड़ों का यह मतलब है कि एक रणनीतियों ने यह कैसे किया है, आखिरकार, we8217re हमेशा बेहतर भविष्यवाणी टूल की तलाश में क्यों समझा गया है। इस मामले में, कम से कम इस 8220 आउट-द-बॉक्स 8221 के प्रदर्शन में कम से कम इस उपकरण का प्रतीत नहीं होता है। अगर किसी को भविष्यवाणी के लिए डिप्मीक्स (या अन्य शासन-स्विचिंग एल्गोरिथ्म) का प्रयोग करने में सफलता मिली है, तो मुझे काम देखना पसंद है, जिसकी प्रक्रिया का विवरण लिया गया है, जैसा कि यह एक ऐसा क्षेत्र I8217m है, जो अपने टूलबॉक्स को विस्तारित करने के लिए देख रहा है, लेकिन don8217t के पास कोई खास है अच्छा सुराग मूल रूप से, I8217d इस पोस्ट के बारे में सोचने के लिए जैसा कि मैंने पैकेज के साथ अपने अनुभवों का वर्णन किया है। पढ़ने के लिए धन्यवाद। नोट: 5 अक्टूबर को, मैं न्यूयॉर्क शहर में रहूंगा। 6 अक्टूबर को, मैं प्रोग्रामिंग वार्स पैनल पर ट्रेडिंग शो में पेश होगा। नोट: वर्ष के अंत में मेरी मौजूदा विश्लेषिकी अनुबंध समीक्षा के लिए तैयार है, इसलिए मैं आधिकारिक तौर पर अन्य ऑफ़र की तलाश कर रहा हूं। यदि आपके पास पूर्णकालिक भूमिका है जो आपके ब्लॉग पर दिखाई देने वाले कौशल से लाभान्वित हो सकती है, तो कृपया मेरे साथ संपर्क करें मेरी लिंकिंग प्रोफाइल यहां पाई जा सकती है। इस पोस्ट में ब्रायन पीटरसन, क्रिस बोदट और पीटर कार्ल द्वारा लिखी गई एक पेपर से प्रदर्शन एनेलिटिक्स में मिले जोखिम वाले यांत्रिकी में घटक सशर्त मूल्य शामिल होंगे। यह एक ऐसा तंत्र है जो कंप्यूटिंग घटक के लिए एक आसान-कॉल तंत्र है जो कि संपत्ति के रिटर्न में कमी की उम्मीद है क्योंकि वे किसी पोर्टफोलियो पर लागू होते हैं। सटीक यांत्रिकी काफी जटिल हैं, लेकिन ऊपर यह है कि चलने का समय लगभग तात्कालिक है, और यह विधि संपत्ति आवंटन विश्लेषण में शामिल करने के लिए एक ठोस उपकरण है। जोखिम वाले घटक सशर्त मूल्य के अंतर्ज्ञान के गहन विश्लेषण में दिलचस्पी रखने वालों के लिए, मैं उन्हें ब्रायन पीटरसन, पीटर कार्ल, और क्रिस बोदद द्वारा लिखे गए पेपर के लिए संदर्भ देता हूं। मूल रूप से, यहां 8217 के विचार: किसी दिए गए पोर्टफोलियो में सभी परिसंपत्तियों के जोखिम पर कुल सशर्त मूल्य (जिसे अपेक्षित कमी के रूप में भी जाना जाता है) में एक मामूली योगदान है, 8211 वां है, जब नुकसान एक निश्चित सीमा से अधिक हो जाता है उदाहरण के लिए, यदि आप अपनी 5 संभावित कमी जानना चाहते हैं, तो यह 8217 रुपये प्रति 100 दिनों में सबसे खराब 5 रिटर्न की औसत है, और इसी तरह। रोज़ रिजोल्यूशन का उपयोग करने वाले रिटर्न के लिए, अपेक्षित कमी का विचार हो सकता है जैसे कि पर्याप्त पर्याप्त समय सीमा (एक वर्ष या उससे कम) में पर्याप्त डेटा कभी नहीं होगा, प्रदर्शन एनेलिटिक्स में अपेक्षित कमी के फार्मूले का उपयोग करते हुए सन्निकटन गणना के लिए डिफ़ॉल्ट कॉर्निश-फिशर विस्तार, जो बहुत अच्छे परिणाम देता है, जब तक p-value isn8217t बहुत चरम (जो कि, यह 1-10 श्रेणी जैसे अपेक्षाकृत समझदार पी मूल्यों के लिए काम करता है) जोखिम में घटक सशर्त मूल्य दो का उपयोग करता है: पहले बंद, कोई इनपुट वजन नहीं दिया जाता है, यह एक समान वजन डिफ़ॉल्ट का उपयोग करता है, जो प्रत्येक व्यक्ति की संपत्ति के लिए जोखिम अनुमान प्रदान करने के लिए शोधकर्ता को अपने स्वयं के सहसंबंध सिद्धांत प्रबंध को बनाने के लिए बोझ के बिना प्रदान करता है। दूसरे, जब वजन के एक सेट के साथ प्रदान किया जाता है, तो उत्पादन उन वज़न के अनुपात में विभिन्न परिसंपत्तियों के योगदान को दर्शाता है। इसका मतलब यह है कि यह पद्धति रणनीति के साथ बहुत अच्छी तरह से काम करती है जो गति के आधार पर संपत्ति को बाहर करती है, लेकिन शेष आस्तियों के लिए एक भारांकन योजना की आवश्यकता है। इसके अलावा, इस पद्धति का उपयोग करने से जोखिम के योगदान के पूर्व-पोस्ट विश्लेषण को देखने में मदद मिलती है कि कौन सा साधन योगदान देता है जो जोखिम के लिए है। सबसे पहले, एडीईसी डेटा सेट का उपयोग करने के तरीके का एक प्रदर्शन। यहां कोई रणनीति नहीं है, बस वाक्यविन्यास का एक प्रदर्शन यह एडीईक डेटा सेट में सभी फंडों से बराबर-वज़न का योगदान ग्रहण करेगा। इसलिए टीएमपी पूरे समय अवधि के दौरान विभिन्न एजुक प्रबंधकों में से प्रत्येक की उम्मीद की कमी में योगदान है। यहां 8217 का उत्पादन होता है: इसका मुख्य भाग प्रतिशत योगदान है (अंतिम आउटपुट)। ध्यान दें कि यह नकारात्मक हो सकता है, जिसका अर्थ है कि जब दूसरों को खोना होता है तो कुछ धन प्राप्त होते हैं कम से कम, यह मौजूदा डेटा सेट से अधिक मामला था। ये परिसंपत्तियां एक पोर्टफोलियो में विविधता लाने में होती हैं और वास्तव में अपेक्षाकृत कम कमी होती है। इस मामले में, मैंने एडीईसी डेटा सेट में पहले दस मैनेजर्स को उतना ही भारित किया, और पिछले तीन में शून्य वजन डाल दिया। इसके अलावा, हम देख सकते हैं कि जब वजन बराबर नहीं होता है तो क्या होता है इस बार, ध्यान रहे कि कन्वर्टिबल आर्क मैनेजर में वजन बढ़ने के कारण, उसने भी अधिकतम अपेक्षित कमी के लिए योगदान दिया। भविष्य के बैकस्टेस्ट के लिए, मैं कुछ डेटा अनुरोध करना चाहता हूं। मैं फैबर 8217 के ग्लोबल एसेट अलोकेशन बुक में पाया ब्रह्मांड का उपयोग करना चाहूंगा उसने कहा, उस किताब में सिमुलेशन 1 9 72 में वापस आ गया है, और मैं सोच रहा था कि किसी भी व्यक्ति को उन परिसंपत्तियों के लिए दैनिक रिटर्न मिलता है कुछ ईटीएफ 2000 के दशक के शुरुआती दिनों में वापस आते हैं, फिर भी कुछ ऐसे हैं जो डीबीसी (कमोडिटीज, 2006 के शुरूआती), जीएलडी (स्वर्ण, प्रारंभिक 2004), बीडब्ल्यूएक्स (विदेशी बंधन, देर से 2007), और एफटीआई (नायरिट, शुरुआती 2007)। एक आठ साल के बैकटेस्ट के रूप में थोड़ा सा होगा, मैं सोच रहा था कि किसी के पास और इतिहास के साथ डेटा था। एक अन्य बात, मैं न्यूयॉर्क में व्यापार शो के लिए होगा और 6 अक्टूबर को 8220 प्रोग्रामिंग वार्स 8221 पैनल पर बोलते हुए। पढ़ने के लिए धन्यवाद। नोट: जब मैं वर्तमान में अनुबंध कर रहा हूँ, तब भी मैं एक स्थायी स्थिति की तलाश कर रहा हूं जो मेरे मौजूदा अनुबंध के समाप्त होने के लिए अपने कौशल से लाभ उठा सकता है। यदि आपके पास इस तरह के एक उद्घाटन के बारे में पता है या आपको पता है, तो मुझे आपके साथ बात करने में खुशी होगी। यह पोस्ट दिलचस्पी वाले पाठकों के लिए सीकिंगएल्फा से हैरी लांग प्रकार पुन: संतुलन की रणनीति बनाने के लिए एक समारोह को कवर करेगा। जैसा कि हैरी लांग ने कहा है, सबसे ज्यादा, यदि उनकी सभी रणनीतियों वास्तविक अनुशंसित निवेश के बजाय प्रदर्शनकारी उद्देश्यों के लिए अधिक हैं। इसलिए, हैरी लांग सेकेनिक अल्फा पर कुछ और लेख पोस्ट कर रहे हैं, I8217ve एक रीडर था या दो मुझे अपनी रणनीतियों (फिर से) का विश्लेषण करने के लिए मुझसे पूछो। ऐसा करने के बजाय, हालांकि, I8217ll बस इस उपकरण को यहां रखे, जो एक आवरण है जो डेटा के अधिग्रहण को स्वचालित करता है और एक लाइन कोड के साथ पोर्टफोलियो पुन: यहाँ उपकरण 8217 यह आपके लिए डेटा लाता है (आमतौर पर याहू से, लेकिन ज़ीवी और वीएक्सई के मामले में श्री हेलमथ वोल्मर के लिए बहुत बड़ा धन्यवाद), और इसमें केवल इक्विटी वक्र प्रदर्शित करने का विकल्प है और कुछ आंकड़े (सीएजीआर, वार्षिक मानक देव , शार्प, मैक्स ड्राडाउन, कैलमर) या आप आउटपुट के रूप में रिटर्न स्ट्रीम दे रहे हैं यदि आप आर में अधिक विश्लेषण करना चाहते हैं तो यहां 8217 के आंकड़े प्राप्त करने का एक उदाहरण है, जिसमें 80 एक्सएलपीएसपीएलवी (वे 8217अर अधिक या कम विनिमेय) और 20 टीएमएफ (उर्फ 60 टीएलटी, एक 8060 पोर्टफोलियो), हैरी लांग 8217 के लेखों में से एक किसी संतुलित इक्विटी पोर्टफोलियो से हम क्या उम्मीद कर सकते हैं, इसके अलावा कुछ भी नहीं। आम तौर पर अच्छी तरह से, वित्तीय संकट में सबसे बड़ा गिरावट है, और सड़क में कुछ अन्य बाधाएं हैं, लेकिन कुल मिलाकर, I8217d लगता है कि एक काफी वैनिला 8220set है और इसे भूल जाते हैं 8221 तरह का काम और यहां पर व्यक्तिगत दैनिक रिटर्न की धारा प्राप्त करने का तरीका होगा, यह मानते हुए कि आप साप्ताहिक इन साप्ताहिक दोबारा, प्रति वर्ष (जैसा कि डिफ़ॉल्ट है) के बजाय पुन: निर्माण करना चाहते थे। और अब let8217 को कुछ आंकड़े मिलते हैं। सालाना से साप्ताहिक, नतीजतन 8217t तक रिबैलेंसिंग को आगे बढ़ाते हुए, इसका प्रभाव बहुत अधिक होता है (इसके अलावा आपके दलाल को धन का एक गुच्छा दें, अगर आप लेन-देन की लागतों पर ध्यान देते हैं, जो यह नहीं करता है 8217)। इसलिए, यह उपकरण 8217 कैसे काम करता है। परिणाम, निश्चित रूप से, नवीनतम उपकरण 8217 की स्थापना से शुरू करते हैं। मेरी राय में, मेरी राय में, नए ईटीएफ के लिए लंबे समय तक इतिहास के साथ प्रॉक्सी विकल्प का प्रयास करना और ढूंढना है, जो बस ईटीएफ को लाभ पहुंचाते हैं, जैसे कि टीएलटी में 60 वजन का उपयोग करते हुए एक्सएलपी में 80 वज़न के बजाय टीएमएफ में 20 वज़न के साथ 80 आवंटन एसपीएलवी में उदाहरण के लिए, यहां कुछ प्रॉक्सी हैं: एसपीएक्सएल एक्सएलपी एसपीएक्सएलयूपीपी 3 टीएमएफ टीएलटी 3 ने कहा है कि, I8217ve ने हैरी लांग से पहले काम किया है, और वह दृश्यों के पीछे अधिक परिष्कृत रणनीतियों का विकास करता है, इसलिए I8217d सुझाव देते हैं कि SeekingAlpha पाठकों ने अपनी सार्वजनिक रूप से रिलीज़ की गई रणनीतियां अवधारणा प्रदर्शनों के रूप में ले लीं , पूरी तरह से विकसित निवेश के विचारों के विपरीत, और यदि आप बहुत रुचि रखते हैं, तो निवेश संस्थानों के लिए अधिक अनुकूलित, निजी समाधान के बारे में श्री लांग खुद से संपर्क करें। पढ़ने के लिए धन्यवाद। नोट: मैं वर्तमान में उत्तर-पूर्व में हूं हालांकि मैं वर्तमान में अनुबंध कर रहा हूं, मुझे संभावित सहयोग के अवसरों के संबंध में व्यक्तियों या फर्मों के साथ नेटवर्किंग में रुचि है। इस पोस्ट में प्रदर्शन एनेलिटिक्स और रिटर्न का उपयोग करके रिटर्न-आधारित डेटा के साथ व्यवहार करते समय अकाउंट टर्नओवर कैसे लेना होगा। आर। में पोर्टफोलियो फ़ंक्शन यह 9 सेक्टर एसपीडीआर पर एक बुनियादी रणनीति पर प्रदर्शित होगा। तो, सबसे पहले, यह आर-एसआईजी-फाइनेंस मेलिंग लिस्ट पर एक रॉबर्ट मजदूरी के एक प्रश्न के जवाब में है। हालांकि बहुत से लोग ऐसे प्रश्नों के साथ वहां मौजूद हैं (जिनमें से कई को इस ब्लॉग पर पहले से ही दिखाया जा सकता है), कभी-कभी, एक उद्योग ज्येष्ठ, स्टैनफोर्ड के एक पीएचडी आँकड़े छात्र, या अन्य बहुत बुद्धिमान व्यक्ति होंगे एक ऐसे विषय पर एक सवाल पूछेगा कि मैं इस ब्लॉग पर अभी तक छुआ हूं, जो आर में पाया गया एक अन्य तकनीकी पहलू को प्रदर्शित करने के लिए एक पोस्ट संकेत देगा। यह उन समय में से एक है तो, यह प्रदर्शन PerformanceAnalytics पैकेज का उपयोग करके रिटर्न स्पेस में कंप्यूटिंग टर्नओवर के बारे में होगा। बस, पोर्टफोलियो एनेलिटिक्स पैकेज के बाहर, प्रदर्शन एनेलिटिक्स इसके रिटर्न के साथ। पोर्टफोलियो फ़ंक्शन पोर्टफोलियो प्रबंधन सिमुलेशन के लिए आर-पैकेज है, क्योंकि यह वजन का एक सेट, रिटर्न का एक सेट ले सकता है, और विश्लेषण के लिए पोर्टफोलियो रिटर्न का एक सेट तैयार कर सकता है प्रदर्शनअनैतिकृत 8217 के बाकी कार्यों के साथ दोबारा, रणनीति ये है: 9 तीन-पत्र क्षेत्र एसपीडीआर (अब चार-पत्र ईटीएफ हैं), और हर महीने के अंत में, अगर समायोजित कीमत 200 दिनों की चलती औसत से ऊपर है, तो उसमें निवेश करें । सभी निवेशित क्षेत्रों (सामान्यतः 1 9 में यदि सभी 1 9 100 में निवेश किया जाता है, सामान्य तौर पर 1 में निवेश किया जाता है तो केवल 1 में निवेश किया जाता है, 100 नकद, शून्य शून्य वेक्टर से चिह्नित है, अगर कोई भी क्षेत्र निवेश नहीं किया गया है)। यह एक सरल, खिलौना रणनीति है, क्योंकि रणनीति isn8217t प्रदर्शन बिंदु है। यहां 8217 का मूल सेटअप कोड: इसलिए, एसटीडीआर प्राप्त करें, उन्हें एक साथ रखें, उनके रिटर्न की गणना करें, सिग्नल बनाएं, और रिटर्न के बाद से शून्य वेक्टर बनाएं। पोर्टफोलियो 1 से कम वजन के साथ एक वापसी के रूप में व्यवहार करता है, और इसके बाद के संस्करण 1 से अधिक वजन अधिक पूंजी का (बड़ा एफवाईआई यहाँ)। अब, यहां 8217 से टर्नओवर की गणना कैसे की जाती है: तो, ये चाल है: जब आप लौटेंगे। पोर्टफोलियो, वर्बोज़ ट्रू विकल्प का उपयोग करें यह कई ऑब्जेक्ट बनाता है, उनमें से रिटर्न, बीओपी। वीइट और ईओपी। अवधि वजन की शुरुआत के लिए ये खड़े हैं, और अवधि वजन का अंत। जिस तरह से कारोबार की गणना की जाती है, वह इस बात का अंतर है कि दिन 8217 के रिटर्न के कारण उसके पिछले समापन बिंदु से आवंटित पोर्टफोलियो को स्थानांतरित किया जाता है जहां वह पोर्टफोलियो वास्तव में अगली अवधि की शुरुआत में खड़ा है। यही है, अवधि भार का अंत उस परिसंपत्ति के लिए दिन 8217 के दशक की दरार को ध्यान में रखते हुए अवधि के बहाव की शुरुआत है। अवधि के वजन की नई शुरुआत अवधि का वजन और किसी भी ट्रांस्क्शन के अंत में होती है। इस प्रकार, वास्तविक लेनदेन (या टर्नओवर) को खोजने के लिए, एक अवधि अवधि के प्रारंभ से लेकर अवधि के पहले के अंत को घटा देता है। इस तरह के लेन-देन इस रणनीति की तरह दिखते हैं इस तरह के आंकड़ों के साथ हम कुछ ऐसा कर सकते हैं जो एक वर्ष का रोलिंग टर्नओवर लेता है, निम्न कोड से पूरा होता है: ऐसा लगता है: इसका अनिवार्य रूप से मतलब है कि एक साल 8217 रुपये दो तरह का कारोबार (जो कि पूरी तरह से निवेश पोर्टफोलियो बेच रहा है 100 कारोबार, और संपत्ति का पूरी तरह से नया समूह खरीदना एक और 100 है, तो दो तरह का कारोबार 200 है) अधिकतम के आसपास 800 है यह कुछ लोगों के लिए बहुत अधिक हो सकता है अब, यहां पर 8217 का आवेदन जब आप लेनदेन की लागत को प्रति प्रतिशत बिंदु के 20 आधार अंकों पर दंड लगाते हैं (अर्थात, यह लेनदेन करने के लिए 20 सेंट का खर्च होता है)। इसलिए, लेनदेन लागत पर 20 आधार अंकों पर, जो प्रति वर्ष रिटर्न में एक प्रतिशत (इस बात से, भयानक) रणनीति से बाहर ले जाता है। यह नगण्य से बहुत दूर है इसलिए, आप वास्तव में टर्नओवर और लेनदेन की लागतों की गणना करते हैं। इस मामले में, लेनदेन लागत मॉडल बहुत सरल था। हालांकि, यह देखते हुए कि Return. portfolio व्यक्तिगत परिसंपत्ति स्तर पर लेनदेन देता है, एक जटिल के रूप में मिल सकता है क्योंकि वे लेनदेन लागत मॉडलिंग के साथ करना चाहते हैं पढ़ने के लिए धन्यवाद। नोट: मैं RFinance पर एक बिजली की बात कर रहा हूँ, इसलिए उन लोगों के लिए, I8217ll मुझे वहां ढूंढने में सक्षम होंगे। इस पोस्ट में विक्टोरेटेड बैकस्टेस 8211 लिखते समय एक आसान-टू-गलती की रूपरेखा तैयार की जाएगी, उस अवधि की अवधि के अंत में प्राप्त होने वाले संकेत (या बाहर निकलें) को उसी अवधि की स्थिति में प्राप्त करने के लिए। प्राप्त किए गए परिणामों में अंतर बड़े पैमाने पर है। आज, मैं अल्फा आर्किटेक्ट और माइक हैरिस दोनों से दो अलग-अलग पोस्टों को वैलेरी जकामुलिन द्वारा एक पेपर को संदर्भित करते हुए देखा है कि ग्लोबैबिनीडिस के कुछ पिछले रुझान के बाद के शोध में घटिया परिणामों के साथ किया गया था और ग्लोबैडाइंडिस 8217 के नतीजे नतीजे पूर्वाग्रहों की स्थापना के जरिए केवल प्रतिलिपि प्रस्तुत करने योग्य थे। निम्नलिखित कोड दिखाता है कि कैसे इस lookahead पूर्वाग्रह पुन: उत्पन्न करना है। सबसे पहले, एसएपीपी 500 इंडेक्स पर एक मूल चलती औसत रणनीति का सेटअप जहां तक ​​वापस याहू डेटा प्रदान करेगा। और यहां यह है कि लुकअहेड पूर्वाग्रह को कैसे स्थापित किया जाए। ये 8220 रेसेज 8221 हैं: निश्चित रूप से, इस इक्विटी वक्र का कोई फायदा नहीं है, इसलिए यहां 8217 से एक लॉग स्केल में है। जैसा कि देखा जा सकता है, लुक-बाय पूर्वाग्रह एक विशाल अंतर बनाता है। यहां संख्यात्मक परिणाम दिए गए हैं: फिर, बिल्कुल हास्यास्पद है। ध्यान दें कि जब Return. Portfolio (PerformanceAnalytics में फ़ंक्शन) का उपयोग करते हैं, तो उस पैकेज स्वचालित रूप से आपके वजन के लिए, आपको वर्तमान समय की बजाय, वर्तमान अवधि 8217 की रिटर्न देगा। हालांकि, 8220simple8221 बैकस्टेस लिखने वाले उन लोगों के लिए जो वेक्टराइज्ड ऑपरेशन्स का उपयोग करके जल्दी से किया जा सकता है, एक ऑफ-बाय-एक त्रुटि उचित, और शुद्ध बकवास के दायरे में एक बैकस्टेस्ट के बीच सभी अंतर कर सकती है। हालांकि, जब किसी असंभव-टू-दोहराने वाले परिणामों का सामना करना पड़ता है, तो किसी को बेकार बोलने का परीक्षण करना चाहिए, ऊपर दिखाए गए यांत्रिकी इसे करने का तरीका हैं। अब, अन्य समाचारों पर: I8217d एक तार्किक निवेश रणनीति के शीर्ष पर रहने के लिए जेराल्ड एम को शुक्रिया अदा करना चाहती हैं 8211 पहले से एक ब्लॉग पोस्ट से एक लेख में उल्लिखित उनके सरल वैश्विक बाजार रोटेशन रणनीति मार्च 2015 तक (ब्लॉग पोस्ट की तारीख), रणनीति अच्छी तरह से प्रदर्शन किया था हालांकि, तिथि के बाद कहा गया यह एक पूर्ण आपदा है, जो पिछली बार में था, यह स्पष्ट था जब मैंने इस बारे में परिकल्पना आधारित विकास ढांचे की प्रक्रिया के माध्यम से इसे पारित किया था जो मैंने पहले लिखा था। इसलिए, जबकि थोड़े समय के नतीजे की वजह से रणनीति को फेंकने के बारे में लिखा गया कोई बड़ा सौदा नहीं है, और यह कि गति और मूल्य जैसे विसंगतियां, अल्पकालिक नतीजे बताते हुए, कैरियर जोखिम के कारण मौजूद हैं, यह 8217 एक अच्छी बात नहीं है जब एक रणनीति ऐतिहासिक रूप से बड़ी हानि पैदा करती है, खासकर मात्रात्मक वित्तीय दुनिया के ऐसे विनम्र कोने में प्रकाशित होने के बाद। किसी भी मामले में, यह कुछ यांत्रिकी का प्रदर्शन करने वाला एक पोस्ट था, और एक रणनीति पर अपडेट जिसे मैंने बहुत पहले नहीं लिखा था। पढ़ने के लिए धन्यवाद। नोट: मैं हमेशा नए अवसरों के बारे में सुनने में दिलचस्पी लेता हूं जो मेरी विशेषज्ञता से लाभान्वित हो सकते हैं, और हमेशा नेटवर्क से खुश रहें। आप यहां मेरी लिंक्डइन प्रोफ़ाइल पा सकते हैं। यह पोस्ट, आर 2 एस के मूल्यों पर दो मात्र सरलीकृत रणनीतियों 8212 सरल 10 महीने एसएमए और उसके रिश्तेदार, 10 महीने की गति के पीछे प्रकाश डालेंगे (जो बस एसएमए का अंतर है, जैसा कि अल्फा वास्तुकार ने अपनी किताब DIY वित्तीय सलाहकार में दिखाया है। बहुत समय पहले, मेरे नाम पर एक मित्र जोश ने मुझे वित्त में आर 2 के बारे में एक सवाल पूछा। स्टोनफोर्ड में आँकड़ों में पीएचडी को पूरा करने वाला हे8217, इसलिए जब लोग मुझे सवाल पूछते हैं I8217d उन्हें जवाब देना पसंद करते हैं। कुछ उदाहरणों, मॉडल जो सही भविष्य कहने वाली शक्ति (उदाहरण के लिए ईजी आर 2 के उदाहरण हैं) की तुलना में कम हैं, अभी भी बहुत आशाजनक भविष्यवाणियां प्रदान कर सकते हैं, और यदि कोई वित्तीय मॉडल होता है जो 40 रिटर्न के विचरण को समझाने में सक्षम था , they could happily retire with that model making them very wealthy. Indeed. 4 is a very optimistic outlook (to put it lightly), as this post will show. In order to illustrate this example, I took two 8220staple8221 strategies 8212 buy SPY when i ts closing monthly price is above its ten month simple moving average, and when its ten month momentum (basically the difference of a ten month moving average and its lag) is positive. While these models are simplistic, they are ubiquitously talked about, and many momentum strategies are an improvement upon these baseline, 8220out-of-the-box8221 strategies. Here8217s the code to do that: And here are the results: In short, the SMA10 and the 10-month momentum (aka ROC 10 aka MOM10) both handily outperform the buy and hold, not only in absolute returns, but especially in risk-adjusted returns (Sharpe and Calmar ratios). Again, simplistic analysis, and many models get much more sophisticated than this, but once again, simple, illustrative example using two strategies that outperform a benchmark (over the long term, anyway). Now, the question is, what was the R2 of these models To answer this, I took a rolling five-year window that essentially asked: how well did these quantities (the ratio between the closing price and the moving average 8211 1, or the ten month momentum) predict the next month8217s returns That is, what proportion of the variance is explained through the monthly returns regressed against the previous month8217s signals in numerical form (perhaps not the best framing, as the signal is binary as opposed to continuous which is what is being regressed, but let8217s set that aside, again, for the sake of illustration). Here8217s the code to generate the answer. And the answer, in pictorial form: In short, even in the best case scenarios, namely, crises which provide momentumtrend-followingcall it what you will its raison d8217etre, that is, its risk management appeal, the proportion of variance explained by the actual signal quantities was very small. In the best of times, around 20. But then again, think about what the R2 value actually is8211it8217s the percentage of variance explained by a predictor. If a small set of signals (let alone one) was able to explain the majority of the change in the returns of the SampP 500, or even a not-insignificant portion, such a person would stand to become very wealthy. More to the point, given that two strategies that handily outperform the market have R2s that are exceptionally low for extended periods of time, it goes to show that holding the R2 up as some form of statistical holy grail certainly is incorrect in the general sense, and anyone who does so either is painting with too broad a brush, is creating disingenuous arguments, or should simply attempt to understand another field which may not work the way their intuition tells them. पढ़ने के लिए धन्यवाद। This review will review the 8220Adaptive Asset Allocation: Dynamic Global Portfolios to Profit in Good Times 8211 and Bad8221 book by the people at ReSolve Asset Management. Overall, this book is a definite must-read for those who have never been exposed to the ideas within it. However, when it comes to a solution that can be fully replicated, this book is lacking. Okay, it8217s been a while since I reviewed my last book, DIY Financial Advisor. from the awesome people at Alpha Architect. This book in my opinion, is set up in a similar sort of format. This is the structure of the book, and my reviews along with it: Part 1: Why in the heck you actually need to have a diversified portfolio, and why a diversified portfolio is a good thing. In a world in which there is so much emphasis put on single-security performance, this is certainly something that absolutely must be stated for those not familiar with portfolio theory. It highlights the example of two people8211one from Abbott Labs, and one from Enron, who had so much of their savings concentrated in their company8217s stock. Mr. Abbott got hit hard and changed his outlook on how to save for retirement, and Mr. Enron was never heard from again. Long story short: a diversified portfolio is good, and a properly diversified portfolio can offset one asset8217s zigs with another asset8217s zags. This is the key to establishing a stream of returns that will help meet financial goals. Basically, this is your common sense story (humans love being told stories) so as to motivate you to read the rest of the book. It does its job, though for someone like me, it8217s more akin to a big 8220wait for it, wait for it8230and there8217s the reason why we should read on, as expected8221. Part 2: Something not often brought up in many corners of the quant world (because it8217s real life boring stuff) is the importance not only of average returns, but when those returns are achieved. Namely, imagine your everyday saver. At the beginning of their careers, they8217re taking home less salary and have less money in their retirement portfolio (or speculation portfolio, but the book uses retirement portfolio). As they get into middle age and closer to retirement, they have a lot more money in said retirement portfolio. Thus, strong returns are most vital when there is more cash available to the portfolio, and the difference between mediocre returns at the beginning and strong returns at the end of one8217s working life as opposed to vice versa is astronomical and cannot be understated. Furthermore, once in retirement, strong returns in the early years matter far more than returns in the later years once money has been withdrawn out of the portfolio (though I8217d hope that a portfolio8217s returns can be so strong that one can simply 8220live off the interest8221). Or, put more intuitively: when you have 10,000 in your portfolio, a 20 drawdown doesn8217t exactly hurt because you can make more money and put more into your retirement account. But when you8217re 62 and have 500,000 and suddenly lose 30 of everything, well, that8217s massive. How much an investor wants to avoid such a scenario cannot be understated. Warren Buffett once said that if you can8217t bear to lose 50 of everything, you shouldn8217t be in stocks. I really like this part of the book because it shows just how dangerous the ideas of 8220a 50 drawdown is unavoidable8221 and other 8220stay invested for the long haul8221 refrains are. Essentially, this part of the book makes a resounding statement that any financial adviser keeping his or her clients invested in equities when they8217re near retirement age is doing something not very advisable, to put it lightly. In my opinion, those who advise pension funds should especially keep this section of the book in mind, since for some people, the long-term may be coming to an end, and what matters is not only steady returns, but to make sure the strategy doesn8217t fall off a cliff and destroy decades of hard-earned savings. Part 3: This part is also one that is a very important read. First off, it lays out in clear terms that the long-term forward-looking valuations for equities are at rock bottom. That is, the expected forward 15-year returns are very low, using approximately 75 years of evidence. Currently, according to the book, equity valuations imply a negative 15-year forward return. However, one thing I will take issue with is that while forward-looking long-term returns for equities may be very low, if one believed this chart and only invested in the stock market when forecast 15-year returns were above the long term average, one would have missed out on both the 2003-2007 bull runs, and the one since 2009 that8217s just about over. So, while the book makes a strong case for caution, readers should also take the chart with a grain of salt in my opinion. However, another aspect of portfolio construction that this book covers is how to construct a robust (assets for any economic environment) and coherent (asset classes balanced in number) universe for implementation with any asset allocation algorithm. I think this bears repeating: universe selection is an extremely important topic in the discussion of asset allocation, yet there is very little discussion about it. Most researchtopics simply take some 8220conventional universe8221, such as 8220all stocks on the NYSE8221, or 8220all the stocks in the SampP 5008221, or 8220the entire set of the 50-60 most liquid futures8221 without consideration for robustness and coherence. This book is the first source I8217ve seen that actually puts this topic under a magnifying glass besides 8220finger in the air pick and choose8221. Part 4: and here8217s where I level my main criticism at this book. For those that have read 8220Adaptive Asset Allocation: A Primer8221. this section of the book is basically one giant copy and paste. It8217s all one large buildup to 8220momentum rank min-variance optimization8221. All well and good, until there8217s very little detail beyond the basics as to how the minimum variance portfolio was constructed. Namely, what exactly is the minimum variance algorithm in use Is it one of the poor variants susceptible to numerical instability inherent in inverting sample covariance matrices Or is it a heuristic like David Varadi8217s minimum variance and minimum correlation algorithm The one feeling I absolutely could not shake was that this book had a perfect opportunity to present a robust approach to minimum variance, and instead, it8217s long on concept, short on details. While the theory of 8220maximize return for unit risk8221 is all well and good, the actual algorithm to implement that theory into practice is not trivial, with the solutions taught to undergrads and master8217s students having some well-known weaknesses. On top of this, one thing that got hammered into my head in the past was that ranking also had a weakness at the inclusionexclusion point. E. G. if, out of ten assets, the fifth asset had a momentum of say, 10.9, and the sixth asset had a momentum of 10.8, how are we so sure the fifth is so much better And while I realize that this book was ultimately meant to be a primer, in my opinion, it would have been a no-objections five-star if there were an appendix that actually went into some detail on how to go from the simple concepts and included a small numerical example of some algorithms that may address the well-known weaknesses. This doesn8217t mean Greekmathematical jargon. Just an appendix that acknowledged that not every reader is someone only picking up his first or second book about systematic investing, and that some of us are familiar with the 8220whys8221 and are more interested in the 8220hows8221. Furthermore, I8217d really love to know where the authors of this book got their data to back-date some of these ETFs into the 90s. Part 5: some more formal research on topics already covered in the rest of the book8211namely a section about how many independent bets one can take as the number of assets grow, if I remember it correctly. Long story short You easily get the most bang for your buck among disparate asset classes, such as treasuries of various duration, commodities, developed vs. emerging equities, and so on, as opposed to trying to pick among stocks in the same asset class (though there8217s some potential for alpha there8230just8230a lot less than you imagine). So in case the idea of asset class selection, not stock selection wasn8217t beaten into the reader8217s head before this point, this part should do the trick. The other research paper is something I briefly skimmed over which went into more depth about volatility and retirement portfolios, though I felt that the book covered this topic earlier on to a sufficient degree by building up the intuition using very understandable scenarios. So that8217s the review of the book. Overall, it8217s a very solid piece of writing, and as far as establishing the why, it does an absolutely superb job. For those that aren8217t familiar with the concepts in this book, this is definitely a must-read, and ASAP. However, for those familiar with most of the concepts and looking for a detailed 8220how8221 procedure, this book does not deliver as much as I would have liked. And I realize that while it8217s a bad idea to publish secret sauce, I bought this book in the hope of being exposed to a new algorithm presented in the understandable and intuitive language that the rest of the book was written in, and was left wanting. Still, that by no means diminishes the impact of the rest of the book. For those who are more likely to be its target audience, it8217s a 55. For those that wanted some specifics, it still has its gem on universe construction. Overall, I rate it a 45. Thanks for reading. Happy new year. This post will be a quick one covering the relationship between the simple moving average and time series momentum. The implication is that one can potentially derive better time series momentum indicators than the classical one applied in so many papers. Okay, so the main idea for this post is quite simple: I8217m sure we8217re all familiar with classical momentum. That is, the price now compared to the price however long ago (3 months, 10 months, 12 months, etc.). E. G. P(now) 8211 P(10) And I8217m sure everyone is familiar with the simple moving average indicator, as well. E. G. SMA(10). Well, as it turns out, these two quantities are actually related. It turns out, if instead of expressing momentum as the difference of two numbers, it is expressed as the sum of returns, it can be written (for a 10 month momentum) as: MOM10 return of this month return of last month return of 2 months ago 8230 return of 9 months ago, for a total of 10 months in our little example. This can be written as MOM10 (P(0) 8211 P(1)) (P(1) 8211 P(2)) 8230 (P(9) 8211 P(10)). (Each difference within parentheses denotes one month8217s worth of returns.) Which can then be rewritten by associative arithmetic as: (P(0) P(1) 8230 P(9)) 8211 (P(1) P(2) 8230 P(10)). In other words, momentum 8212 aka the difference between two prices, can be rewritten as the difference between two cumulative sums of prices. And what is a simple moving average Simply a cumulative sum of prices divided by however many prices summed over. Here8217s some R code to demonstrate. With the resulting number of times these two signals are equal: In short, every time. Now, what exactly is the punchline of this little example Here8217s the punchline: The simple moving average is8230fairly simplistic as far as filters go. It works as a pedagogical example, but it has some well known weaknesses regarding lag, windowing effects, and so on. Here8217s a toy example how one can get a different momentum signal by changing the filter. With the following results: While the difference of EMA10 strategy didn8217t do better than the difference of SMA10 (aka standard 10-month momentum), that8217s not the point. The point is that the momentum signal is derived from a simple moving average filter, and that by using a different filter, one can still use a momentum type of strategy. Or, put differently, the maingeneral takeaway here is that momentum is the slope of a filter, and one can compute momentum in an infinite number of ways depending on the filter used, and can come up with a myriad of different momentum strategies. पढ़ने के लिए धन्यवाद। NOTE: I am currently contracting in Chicago, and am always open to networking. Contact me at my email at ilya. kipnisgmail or find me on my LinkedIn here. This post will outline a first failed attempt at applying the ensemble filter methodology to try and come up with a weighting process on SPY that should theoretically be a gradual process to shift from conviction between a bull market, a bear market, and anywhere in between. This is a follow-up post to this blog post. So, my thinking went like this: in a bull market, as one transitions from responsiveness to smoothness, responsive filters should be higher than smooth filters, and vice versa, as there8217s generally a trade-off between the two. In fact, in my particular formulation, the quantity of the square root of the EMA of squared returns punishes any deviation from a flat line altogether (although inspired by Basel8217s measure of volatility, which is the square root of the 18-day EMA of squared returns), while the responsiveness quantity punishes any deviation from the time series of the realized prices. Whether these are the two best measures of smoothness and responsiveness is a topic I8217d certainly appreciate feedback on. In any case, an idea I had on the top of my head was that in addition to having a way of weighing multiple filters by their responsiveness (deviation from price action) and smoothness (deviation from a flat line), that by taking the sums of the sign of the difference between one filter and its neighbor on the responsiveness to smoothness spectrum, provided enough ensemble filters (say, 101, so there are 100 differences), one would obtain a way to move from full conviction of a bull market, to a bear market, to anything in between, and have this be a smooth process that doesn8217t have schizophrenic swings of conviction. Here8217s the code to do this on SPY from inception to 2003: And here8217s the very underwhelming result: Essentially, while I expected to see changes in conviction of maybe 20 at most, instead, my indicator of sum of sign differences did exactly as I had hoped it wouldn8217t, which is to be a very binary sort of mechanic. My intuition was that between an 8220obvious bull market8221 and an 8220obvious bear market8221 that some differences would be positive, some negative, and that they8217d net each other out, and the conviction would be zero. Furthermore, that while any individual crossover is binary, all one hundred signs being either positive or negative would be a more gradual process. Apparently, this was not the case. To continue this train of thought later, one thing to try would be an all-pairs sign difference. Certainly, I don8217t feel like giving up on this idea at this point, and, as usual, feedback would always be appreciated. पढ़ने के लिए धन्यवाद। NOTE: I am currently consulting in an analytics capacity in downtown Chicago. However, I am also looking for collaborators that wish to pursue interesting trading ideas. If you feel my skills may be of help to you, let8217s talk. You can email me at ilya. kipnisgmail, or find me on my LinkedIn here . Post navigation Categories