Regímenes de estacionariedad bursátil y operativa mecánica específica para cada régimen

Resumen

Este estudio aplica la teoría KM₂O-Langevin para clasificar las fluctuaciones de los precios de las acciones como estacionarias, no estacionarias o intermedias. Usa esta clasificación para elegir entre dos tipos de señales: medias móviles en periodos estacionarios y líneas psicológicas, un oscilador, en periodos no estacionarios. Los autores presentan el método como una forma de adaptar las decisiones mecánicas de trading a las propiedades estadísticas cambiantes de los precios.

Hacen un backtest de la estrategia de ejemplo en el Nikkei Stock Average e informan de un drawdown máximo pequeño, por lo que describen el enfoque como de bajo riesgo. El documento presenta este resultado como evidencia de que el análisis de estacionariedad puede orientar el trading, pero no ofrece métricas numéricas de rendimiento, periodo de prueba, costes ni comparación con referencias. Por tanto, los resultados describen una aplicación histórica y no demuestran que la estrategia vaya a seguir siendo segura o eficaz en otros mercados o condiciones.

Ideas clave

• La teoría KM₂O-Langevin se usa para clasificar las fluctuaciones de precios en periodos estacionarios, no estacionarios e intermedios.
• La estrategia de ejemplo usa medias móviles durante los periodos estacionarios.
• Durante los periodos no estacionarios se usan líneas psicológicas como oscilador.
• Se informa de que un backtest del Nikkei Stock Average tuvo un drawdown máximo pequeño.
• La descripción omite detalles clave del backtest, como los costes, el periodo y las comparaciones con referencias.

Etiquetas

# Stationarity analysis of the stock market data and its application to mechanical trading


# Stationarity analysis of the stock market data and its application to mechanical trading









This study proposes a scheme for stationarity analysis of stock price fluctuations based on KM$_2$O-Langevin theory. Using this scheme, we classify the time-series data of stock price fluctuations into three periods: stationary, non-stationary, and intermediate. We then suggest an example of a low-risk stock trading strategy to demonstrate the usefulness of our scheme by using actual stock index data. Our strategy uses a trend-based indicator, moving averages, for stationary periods and an oscillator-based indicator, psychological lines, for non-stationary periods to make trading decisions. Finally, we confirm that our strategy is a safe trading strategy with small maximum drawdown by back testing on the Nikkei Stock Average. Our study, the first to apply the stationarity analysis of KM$_2$O-Langevin theory to actual mechanical trading, opens up new avenues for stock price prediction.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.