跳至正文
返回文库全部文档

股市平稳性状态与状态适应型机械交易

文章 arXiv papers · 作者: Kazuki Kanehira et al.
阅读原文

总结

该研究应用 KM₂O-Langevin 理论，将股价波动划分为平稳、非平稳或中间状态。研究根据分类结果选择两类信号：平稳时期采用移动平均线，非平稳时期采用心理线这一振荡指标。作者将该方法描述为一种根据价格统计特性变化调整机械交易决策的方式。

作者对日经股票平均指数上的示例策略进行回测，报告称最大回撤较小，并将该方法描述为低风险。本文以此结果说明平稳性分析可用于交易，但没有提供数值绩效指标、测试时期、成本或基准比较。因此，这些结果仅描述一次历史应用，不能证明该策略在其他市场或条件下仍然安全或有效。

核心观点

  • KM₂O-Langevin 理论用于将价格波动划分为平稳、非平稳和中间状态。
  • 示例策略在平稳时期采用移动平均线。
  • 非平稳时期采用心理线作为振荡指标。
  • 据报告，在日经股票平均指数上的回测显示最大回撤较小。
  • 描述省略了回测的重要细节，例如成本、测试时期和基准比较。

标签

股票统计学技术指标回测风险管理
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。