본문으로 건너뛰기
라이브러리 문서 전체

변동성 군집과 Granger 인과성으로 주식 추세 예측

기사 arXiv papers · 저자: Ivan Letteri
원문 읽기

요약

이 제안 시스템은 대형주 간 변동성 관계를 이용해 추세 신호를 생성합니다. 먼저 상관관계 및 자기상관 분석, 기술 지표, 가설 검정, 통계 모형, 변수 선택으로 가격 데이터를 살펴봅니다. 이어서 NYSE와 NasdaqGS의 대형주 9개 종목의 평균 변동성을 k-means++로 군집화하고, 그 결과로 나온 중간 변동성 군집에 초점을 맞춥니다.

이 군집에서 Granger 인과성 검정을 사용해 변동성이 다른 종목을 예측하는 데 도움이 될 수 있는 종목을 찾습니다. 예측 관계가 강한 종목은 대상 종목의 매수, 매도 또는 보유 결정에 추세 지표로 쓰입니다. 문서는 광범위한 백테스팅 및 성과 평가를 보고하고 수익 기회와 견고성을 주장하지만, 제공된 글에는 수치 결과, 벤치마크 비교 또는 테스트 설계 세부 사항이 없습니다. Granger 인과성은 데이터셋 안에서 예측 가치를 나타낼 수 있지만, 이 설명만으로는 관계가 지속되거나 비용을 반영한 실거래를 뒷받침한다고 볼 수 없습니다.

핵심 아이디어

  • 이 시스템은 통계 분석, 머신러닝, 기술 지표를 결합해 주식 추세를 살펴봅니다.
  • k-means++는 평균 변동성에 따라 종목을 군집화하며, 분석은 중간 변동성 군집에 집중합니다.
  • Granger 인과성 검정은 해당 군집 종목 중 변동성을 기반으로 한 예측 후보를 찾습니다.
  • 예측 종목은 대상 종목에 매수, 매도 또는 보유 추세 신호를 제공합니다.
  • 저자들은 백테스팅을 보고하지만 제공된 글에는 정량적 결과나 검증 세부 사항이 없습니다.

태그

주식변동성머신러닝통계기술 지표백테스트
전문
# VolTS: A Volatility-based Trading System to forecast Stock Markets Trend using Statistics and Machine Learning


# VolTS: A Volatility-based Trading System to forecast Stock Markets Trend using Statistics and Machine Learning









Volatility-based trading strategies have attracted a lot of attention in financial markets due to their ability to capture opportunities for profit from market dynamics. In this article, we propose a new volatility-based trading strategy that combines statistical analysis with machine learning techniques to forecast stock markets trend. The method consists of several steps including, data exploration, correlation and autocorrelation analysis, technical indicator use, application of hypothesis tests and statistical models, and use of variable selection algorithms. In particular, we use the k-means++ clustering algorithm to group the mean volatility of the nine largest stocks in the NYSE and NasdaqGS markets. The resulting clusters are the basis for identifying relationships between stocks based on their volatility behaviour. Next, we use the Granger Causality Test on the clustered dataset with mid-volatility to determine the predictive power of a stock over another stock. By identifying stocks with strong predictive relationships, we establish a trading strategy in which the stock acting as a reliable predictor becomes a trend indicator to determine the buy, sell, and hold of target stock trades. Through extensive backtesting and performance evaluation, we find the reliability and robustness of our volatility-based trading strategy. The results suggest that our approach effectively captures profitable trading opportunities by leveraging the predictive power of volatility clusters, and Granger causality relationships between stocks. The proposed strategy offers valuable insights and practical implications to investors and market participants who seek to improve their trading decisions and capitalize on market trends. It provides valuable insights and practical implications for market participants looking to.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.