Pular para o conteúdo
Todos os documentos da biblioteca

Regimes de estacionariedade do mercado acionário e trading mecânico por regime

Artigo arXiv papers · Autor: Kazuki Kanehira et al.
Ler o original

Resumo

Este estudo aplica a teoria KM₂O-Langevin para classificar as flutuações dos preços de ações como estacionárias, não estacionárias ou intermediárias. Usa essa classificação para escolher entre dois tipos de sinais: médias móveis em períodos estacionários e linhas psicológicas, um oscilador, em períodos não estacionários. Os autores apresentam o método como uma forma de adaptar decisões mecânicas de trading às mudanças nas propriedades estatísticas dos preços.

Os autores fazem backtest da estratégia de exemplo sobre o Nikkei Stock Average e relatam um drawdown máximo pequeno, descrevendo a abordagem como de baixo risco. O documento apresenta esse resultado como evidência de que a análise de estacionariedade pode orientar o trading, mas não fornece medidas numéricas de desempenho, período do teste, custos nem comparação com referências. Portanto, os resultados descrevem uma aplicação histórica e não demonstram que a estratégia continuará segura ou eficaz em outros mercados ou condições.

Ideias principais

  • A teoria KM₂O-Langevin é usada para classificar as flutuações de preços em períodos estacionários, não estacionários e intermediários.
  • A estratégia de exemplo usa médias móveis durante períodos estacionários.
  • Linhas psicológicas são usadas como oscilador durante períodos não estacionários.
  • O backtest do Nikkei Stock Average relata um drawdown máximo pequeno.
  • A descrição omite detalhes importantes do backtest, como custos, período e comparações com referências.

Tags

AçõesEstatísticaIndicadores técnicosBacktestingGestão de risco
Texto completo
# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.