Переключение между импульсной торговлей и возвратом к среднему с помощью показателя Хёрста

Сводка

В исследовании показатель Хёрста используется, чтобы классифицировать временной ряд как трендовый или возвращающийся к среднему, а затем выбрать подходящую стратегию. Импульсная торговля применяется при тренде, а возврат к среднему — когда цены демонстрируют такое поведение. Основная идея — адаптировать выбор стратегии к оценке рыночного режима, а не постоянно применять один из подходов.

Согласно документу, выбор стратегии на основе показателя Хёрста может повысить доходность, но сопровождается более высоким риском. В кратком описании не указаны активы, период выборки, пороговые значения, правила торговли, транзакционные издержки или количественные показатели эффективности, поэтому независимо оценить результат нельзя. Также в работе обозначены ограничения и предлагается Q-learning как возможный способ улучшить стратегию и реализацию её компонентов. Это предложение на будущее; результаты Q-learning здесь не приводятся. Подход иллюстрирует идею выбора режима, но его устойчивость и практическая эффективность остаются неясными.

Ключевые идеи

• Показатель Хёрста используется для различения трендового поведения и возврата к среднему.
• Метод выбирает импульсную стратегию для тренда и возврат к среднему — для соответствующих условий.
• По данным исследования, выбор стратегии на основе Хёрста даёт более высокую доходность при более высоком риске.
• В документе Q-learning предлагается как возможное улучшение, но его результаты не приводятся.
• Для оценки издержек, порогов и устойчивости вне выборки не хватает необходимых сведений.

Теги

# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies


# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies









Momentum and mean reversion trading strategies have opposite characteristics. The former is generally better with trending assets, and the latter is generally better with mean reverting assets. Using the Hurst exponent, which classifies time series as trending or mean reverting, we attempt to trade with each strategy when it is advantageous to generate higher returns on average. We ultimately find that trading with the Hurst exponent can achieve higher returns, but it also comes at a higher risk. Finally, we consider limitations of our study and propose a method using Q-learning to improve our strategy and implementation of individual algorithms.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.