روند زیر با ETF

روند زیر یک نام مجدد برای استراتژی های معاملات حرکت است. این به دارایی هایی است که قیمت آن بالا رفته و آنها را خریداری کرده است زیرا معتقد است که قیمت همچنان در حال افزایش است و به همین ترتیب برای کاهش قیمت هایی که در آن می فروشد. من از این پست استفاده می کنم تا به شما نشان دهم که چگونه می توانید یک استراتژی اصلی را برای پیگیری در جولیا با داده های بازار آزاد بسازید.

از این نوع پست ها لذت می برید؟سپس شما باید برای خبرنامه من ثبت نام کنید. این یک بازپرداخت ماهانه کوتاه از هر چیزی است و هر آنچه را که اخیراً جالب است به علاوه هر پستی که نوشته ام جالب است. بنابراین ثبت نام کنید و آگاه باشید!

روند زیر یکی از استراتژی های اصلی کمی در آنجا است و قطعات بی شماری نوشته شده است ، پادکست های ساخته شده ، و موضوعاتی که در سراسر توییتر در مورد نحوه ساخت و استفاده از یک روند زیر به طور مؤثر مورد بحث قرار گرفته است. این پست وبلاگ اکتشاف من در مورد دنبال کردن روند است و از ETF برای کشف ایده های حرکت استفاده می کند.

در طی چند ماه گذشته ، ما اولین دوره واقعی نوسانات پایدار و عملکرد منفی عمومی را در تمام کلاسهای دارایی تجربه کرده ایم. سهام دیگر فقط بالا نمی روند. این امر ناشی از تورم ، تقویت دلار و افزایش نرخ بهره جهانی است که احساس می کند همیشه خرید سهام 100 ٪ یک برنامه بی پروا نیست و متنوع سازی می تواند کمک کند. این جایی است که روند زیر وارد می شود. می خواهد بازده مثبتی را امتحان کند که آیا بازار در حال بالا رفتن یا پایین آمدن است و در رژیم هایی که به نظر می رسد امروز در آن وجود دارد ، تنوع ارائه می دهد.

مثل همیشه من از alpacamarkets. jl برای داده ها استفاده می کنم و شما را در تمام مراحل پیاده روی می کنم. الهام من از پایتخت Cantab (اکنون بخشی از GAM) است که آنها یک پست وبلاگ زیبا با انجام مشابه داشتند: روند تنها دوست شما نیست. از آنجا که به وب سایت GAM بروید ، دیگر به نظر نمی رسد خوب!

استفاده كردن alpacamarkets استفاده كردن dataframes, dataframesmeta استفاده كردن تاریخ استفاده كردن توطئه, ملتهب استفاده كردن عملکردهای نورد, آمار موضوع(:روشن) 

ETFS vs Futures در روند زیر

در روند مدیریت دارایی حرفه ای ، روند جهانی زیر با استفاده از آینده اجرا می شود. آنها به طور معمول ارزان تر برای تجارت هستند و استفاده از اهرم آسان تر است. با این حال ، برای یک سرمایه گذار متوسط خرده فروشی ، معاملات معاملات آتی کمی بیشتر سردرد است زیرا شما باید با انقضا آنها را بچرخانید. بنابراین ETF ها می توانند گزینه بدون استرس تر باشند که همان زمینه را نشان می دهد.

مهمتر از همه ، بازارهای Alpaca داده های مربوط به ETF را به صورت رایگان ارائه می دهند ، در حالی که فکر می کنم باید داده های بازار آینده را بپردازم.

بنابراین بیایید با گرفتن داده ها و آماده سازی آن برای استراتژی شروع کنیم.

ما از سه ETF استفاده خواهیم کرد که کلاس های دارایی های مختلف را نشان می دهد:

• جاسوسی برای سهام
• bnd برای اوراق قرضه
• GLD برای طلا

ما انتظار داریم که سه مورد از این ETF با توجه به مدت زمان مختلف ، حساسیت به نرخ بهره و پروفایل های خطر ، به شکلی مستقل از یکدیگر حرکت کنند.

عملکرد Stock_Bars از alpacamarkets. jl داده های روزانه OHCL را که ما با آنها کار خواهیم کرد ، برمی گرداند. شما همچنین می خواهید از پرچم تنظیم = "همه" استفاده کنید تا سود سهام و تقسیم سهام برای آن حساب شود.

جاسوسی = صندوقچه های سهام("جاسوسی", "1 روز"; زمان شروع = اکنون() - سال(10), حد = 10000, تنظیم = "همه")[1] قله = صندوقچه های سهام("bnd", "1 روز"; زمان شروع = اکنون() - سال(10), حد = 10000, تنظیم = "همه")[1]; GLD = صندوقچه های سهام("GLD", "1 روز"; زمان شروع = اکنون() - سال(10), حد = 10000, تنظیم = "همه")[1]; 

ما برخی از تمیز کردن های اساسی را انجام می دهیم ، زمان را در یک DateTime قالب بندی می کنیم و فقط ستون های مورد نظر خود را می کشیم ، باز می شویم ، Next Open را می بندیم.

تابع parse_date(t) تاریخ(رشته(شکاف(t, "T")[1])) پایان تابع تمیز(df, x) df = @تبدیل(df, :تاریخ = parse_date.(:t), :تیک زدن = x, :بعدی باز = [:o[2:پایان]; نای]) @انتخاب کنید(df, :تاریخ, :تیک زدن, :c, :o, :بعدی باز) پایان جاسوسی = تمیز(جاسوسی, "جاسوسی") قله = تمیز(قله, "bnd") GLD = تمیز(GLD, "GLD"); 

پیوستن به همه آن به یک قاب داده طولانی داده های مدل را به ما می دهد

کلبه = ورم(جاسوسی, قله, GLD) کلبه = مرتب سازی(کلبه, :تاریخ) آخر(کلبه, 6) 

6 ردیف × 5 ستون

طرح(طرح(جاسوسی.تاریخ, جاسوسی.c, برچسب = :هیچ یک, عنوان = "جاسوسی"), طرح(قله.تاریخ, قله.c, برچسب = :هیچ یک, عنوان = "bnd", رنگ = "قرمز"), طرح(GLD.تاریخ, GLD.c, برچسب = :هیچ یک, عنوان= "GLD", رنگ = "سبز"), چیدمان = (3,1)) 

قیمت هر ETF در مقیاس های مختلف است. BND بین 70-80 است ، GLD در 100 و جاسوسی در محدوده 300-400 قرار دارد. مقیاس که روی آن حرکت می کنند نیز متفاوت است. جاسوسی از سال 2016 دو برابر شده است ، 80 ٪ GLD افزایش یافته است ، و BND کار زیادی نکرده است. بنابراین ما باید هر دو عامل را به چیزی قابل مقایسه در هر سه مورد عادی کنیم. برای دستیابی به این هدف ، ابتدا بازده های ورود به حرکت نزدیک به نزدیک هر ETF را محاسبه می کنیم. ما سپس انحراف استاندارد نورد از سری قیمت را محاسبه می کنیم تا نوسانات مورد استفاده برای عادی سازی بازده ورود به سیستم را نشان دهد

کلبه = @تبدیل(دسته بندی بر اساس(کلبه, :تیک زدن), :برگشت = [نای; فرق(ورود به سیستم.(:c))], :بازگرداندن = [نای; فرق(ورود به سیستم.(:بعدی باز))]); 

ما همچنین بازده استفاده از سری زمانی NextOpen را به عنوان راهی برای ارزیابی هزینه های معامله استراتژی روند روند محاسبه می کنیم ، اما بعداً در مورد آن.

Runvar واریانس متحرک 256 روزه را محاسبه می کند ، که ما ریشه مربع را برای به دست آوردن نوسانات در حال اجرا می گیریم. در آنجا مرحله عادی سازی یک ضرب و تقسیم ساده است.

کلبه = @تبدیل(دسته بندی بر اساس(کلبه, :تیک زدن), :رونول = SQRT.(ریوار(:برگشت, 256))); کلبه = @تبدیل(دسته بندی بر اساس(کلبه, :تیک زدن), :رگ = :برگشت .* 0.1 ./ :رونول); 

رها کردن هر NAN ها ، نقاط داده را قبل از اینکه مشاهدات کافی برای محاسبه نوسانات 256 روزه داشته باشیم حذف می کند و محاسبه مبلغ تجمعی بازده ، منحنی عدالت را به ما می دهد.

کلپلین = @زیرمجموعه(کلبه, .!ایسنان.(:رگ )) کلپلین = @تبدیل(دسته بندی بر اساس(کلپلین, :تیک زدن), :رگ = قدر(:رگ), :rc = قدر(:برگشت)); 

برای بررسی این تحول ، ما در هر تیکت جمع شده است.

combine(دسته بندی بر اساس(کلپلین, :تیک زدن), :عکسبرداری = منظور داشتن(:برگشت), :عیاش = منظور داشتن(:رگ), :گودال = std(:برگشت), :stdnormretu = std(:رگ)) 

3 ردیف × 5 ستون

خلاصه انحراف متوسط و استاندارد از بازده و بازده عادی نشان می دهد که انحراف استاندارد اکنون نزدیک به 0. 1 است که در نظر گرفته شده است.

این جایی است که اهرم وارد می شود زیرا اوراق قرضه نسبت به سهام دارای نوسانات کمتری هستند ، ما باید برای افزایش نوسانات سرمایه گذاری اوراق قرضه خود وام بگیریم. به عنوان مثال ، بیایید 100 پوند با 10 پوند وثیقه وام بگیریم و 100 پوند را در BND سرمایه گذاری کنیم. اگر BND با 1 ٪ افزایش یابد ، اکنون 101 پوند ارزش دارد ، ما وام خود را می فروشیم و می پردازیم و با 11 پوند باقی می مانیم که بازده 10 ٪ سرمایه گذاری اصلی ما است. بنابراین حتی اگر قیمت فقط با 1 ٪ استفاده شود ، استفاده از اهرم بازده ما را 10 برابر تقویت کرده است.

ترسیم برگه های تجمعی نشان می دهد که اکنون چگونه در مقیاس های مشابه قرار دارند.

طرح(کلپلین.تاریخ, کلپلین.رگ, گروه = کلپلین.تیک زدن, افسانه=:بالا سمت چپ, عنوان = "بازده تجمعی عادی") 

روند زیر سیگنال

با استفاده از داده های خود به شکل خوبی ، می توانیم به سمت ساخت واقعی سیگنال حرکت کنیم. درست مانند مقاله Cantab ، ما از میانگین حرکت 100 روزه استفاده خواهیم کرد. با استفاده از بسته RollingFunctions. jl دوباره باید طول پنجره را روی 100 تنظیم کنیم و این کار سخت را برای ما انجام می دهد. سیگنال واقعی این است که آیا این میانگین دویدن مثبت است یا منفی. اگر این بیشتر از صفر باشد ، می خواهیم تا زمانی که سیگنال می گوید خرید کنیم. به همین ترتیب ، اگر میانگین نورد کمتر از صفر باشد ، می خواهیم کوتاه برویم ، سیگنال می گوید فروش. بنابراین این به سادگی به معنای گرفتن علامت میانگین نورد هر روز است.

اگر نمی خواستیم کوتاه برویم ، فقط می خواهیم بدانیم که چه موقع خرید یا فروش برای پوشش دادن ، می توانیم با استفاده از سیگنال در هنگام مثبت ، آن را ساده تر کنیم. ما این را تنها سیگنال طولانی خواهیم نامید.

با استفاده از دستکاری قاب داده می توانیم سیگنال را در روز برای هر ETF محاسبه کنیم.

کلپلین = @تبدیل(دسته بندی بر اساس(کلپلین, :تیک زدن), :علامت = امضا کردن.(رونمایی(:رگ, 100)), :علامت = رونمایی(:رگ, 100) .> 0); 

ارزیابی استراتژی زیر روند

ما سیگنال خود را دریافت کرده ایم که می گوید برای هر ETF چه زمانی طولانی و کوتاه پیش می رود. ما باید بازده هر ETF را در روز ترکیب کنیم تا از روند پس از بازگشت خارج شویم. همانطور که ما از برگه های ورود به سیستم استفاده می کنیم ، این ساده است که جمع بندی در ETF های ضرب شده توسط سیگنال در هر روز. ما سه ETF داریم ، بنابراین نیاز به وزن هر یک از بازده ها 1/3 در غیر این صورت هنگام مقایسه با ETF های منفرد ، ما 3 برابر سرمایه سرمایه گذاری شده در روند زیر را داریم.

تصویر = combine(دسته بندی بر اساس(کلپلین, :تاریخ), :کلنگ = جمع((1/3)*(:علامت .* :رگ)), :کلنگ = جمع((1/3)*(:علامت .* :رگ)), :Totalretutc = جمع((1/3) * (:علامت .* :بازگرداندن)), :کلنگ = جمع((1/3) * (:علامت .* :برگشت))); 

مجدداً ، ترسیم بازده های تجمعی نشان می دهد که این استراتژی پیروی از روند (آبی تیره) عالی است. من به طور گسترده ای بهتر از این که ETF جاسوسی طولانی داشته باشم بهتر است. حتی وقتی عنصر کوتاه مدت را حذف می کنیم (روند زیر - LO ، قرمز) این کار به خوبی انجام شده است.

تصویر = @تبدیل(تصویر, :کلنگ = قدر(:کلنگ), :Totalretuloc = قدر(:کلنگ), :Totalretutcc = قدر(:Totalretutc), :Totalretuulc = قدر(:کلنگ)) طرح(تصویر.تاریخ, تصویر.کلنگ, برچسب = "روند زیر", افسانه = :بالا سمت چپ, عرض=3) طرح!(تصویر.تاریخ, تصویر.Totalretuloc, برچسب = "روند زیر - LO", افسانه = :بالا سمت چپ, عرض=3) طرح!(کلپلین.تاریخ, کلپلین.رگ, گروه = کلپلین.تیک زدن) 

این و در سمت راست است که نشانه خوبی است. با پیروی از روندهای موجود در بازار می توانیم وقتی که هم بالا و هم پایین می رود ، سود ببریم. این بدون هیچ گونه پیچیدگی عمده ای در پیش بینی جهت است. به سادگی با استفاده از میانگین به اندازه کافی سیگنال تولید می کند تا سودآور باشد.

بیایید فقط روی آنچه امسال اتفاق افتاده است تمرکز کنیم

2022 = @تبدیل(@زیرمجموعه(تصویر, :تاریخ .>= تاریخ("2022-01-01")), :کلنگ = قدر(:کلنگ), :Totalretuloc = قدر(:کلنگ), :Totalretuulc = قدر(:کلنگ)) allPricesClean2022 = @زیرمجموعه(کلپلین, :تاریخ .>= تاریخ("2022-01-01")) allPricesClean2022 = @تبدیل(دسته بندی بر اساس(allPricesClean2022, :تیک زدن), :رگ = قدر(:برگشت)) طرح(2022.تاریخ, 2022.Totalretuulc, برچسب = "روند زیر", افسانه = :بالا سمت چپ, عرض = 3) طرح!(2022.تاریخ, 2022.Totalretuloc, برچسب = "روند زیر - LO", افسانه = :بالا سمت چپ, عرض =3) طرح!(allPricesClean2022.تاریخ, allPricesClean2022.رگ, گروه = allPricesClean2022.تیک زدن) 

تنها ماندن (خط قرمز) مسطح نشانگر این است که ما از ماه ژوئیه از بازار خارج شده ایم. با این واقعیت که این ترافیک یک طرفه در بازارها در دقیقه است ، به استراتژی پیروی از روند کمک شده است. از تابستان به تازگی در تمام کلاسهای دارایی پایین می رود.

کمبود اجرای و تفکر عملاً

همه چیز در بالا به نظر می رسد مانند یک رویکرد مناسب برای دنبال کردن. اما چگونه می توانیم این کار را اجرا کنیم یا یک اجرای را شبیه سازی کنیم؟با این کار ، منظور من بدست آوردن معاملات است که باید انجام شود.

مکانیک این استراتژی ساده است:

1. بازگشت نزدیک به نزدیک یک ETF را محاسبه کنید
2. اگر بالاتر از خرید متوسط 100 روزه باشد ، اگر پایین تر از فروش باشد یا کوتاه باشد.

قیمتی که ما می توانیم با آن تجارت کنیم ، قیمت نزدیک نیست ، بازارها بسته است و شما نمی توانید سفارشات دیگری را قرار دهید! در عوض ، روز بعد در Open Open خریداری خواهید کرد. بنابراین در حالی که سیگنال ما ایجاد شده است ، قیمت واقعی ما با قیمت نظری متفاوت است.

Sidenote ، می توان بعد از ساعت ها تجارت کرد و در اندازه کوچک ممکن است بتوانید به قیمت بسته شدن نزدیک شوید.

با توجه به این خرده فروشی و اندازه های آن بسیار کوچک است ، ما می خواهیم فرض کنیم که قیمت باز روز بعد را دریافت می کنم. ما می توانیم قیمت خرید خود را با قیمت مدل مقایسه کنیم. تفاوت بین این دو "کمبود اجرای" نامیده می شود و اندازه گیری می کند که نسبت به قیمت واقعی که می خواستید تجارت کنید ، معامله می کنید.

اگر ما در حال خرید بالاتر از قیمت مدل (یا فروش پایین تر) هستیم ، برخی از حرکات را از دست می دهیم و قصد داریم عملکرد این استراتژی را بخوریم.

برای محاسبه این کمبود اجرای (IS) روزهایی را که سیگنال تغییر کرده است ، بیرون می کشیم ، زیرا این نشان می دهد که تجارت باید انجام شود.

کلپلین = @تبدیل(دسته بندی بر اساس(کلپلین, :تیک زدن), :غرق شدن = [نای; فرق(:علامت)]) معاملات = @زیرمجموعه(کلپلین[!, [:تاریخ, :تیک زدن, :o, :c, :علامت, :بعدی باز, :غرق شدن]], :غرق شدن .!= 0); 

سپس با محاسبه تفاوت بین قیمت باز و بسته بعدی ، تخمین خود را از ارزش IS داریم.

combine(دسته بندی بر اساس(معاملات, :تیک زدن), :N = طول(:علامت), :IS = منظور داشتن(:علامت .* 1E4 .* (:بعدی باز .- :c) ./ :c)) 

3 ردیف × 3 ستون

برای هر دو SPY و GLD ما 15bps و 10bps را از دست داده ایم تا این تفاوت بین نزدیک و باز بعدی را از دست بدهیم. برای BND اگرچه ما در واقع بیش از قیمت نزدیک درآمد کسب می کنیم ، اما دوباره این به جهت یک طرفه اوراق قرضه امسال کاهش می یابد. اما به طور کلی ، کمبود اجرای ، بازده بزرگی است. ما می توانیم منحنی سهام را از جمله این هزینه معامله ترسیم کنیم.

طرح(تصویر.تاریخ, تصویر.Totalretuulc, برچسب = "روند زیر", افسانه = :بالا سمت چپ) طرح!(کلپلین.تاریخ, کلپلین.rc, گروه = کلپلین.تیک زدن) طرح!(تصویر.تاریخ, تصویر.Totalretutcc, برچسب = "روند زیر - TC", افسانه = :بالا سمت چپ, عرض = 3) 

جمله قدیمی چیست:

"در تئوری هیچ تفاوتی بین تئوری و عمل وجود ندارد - در عمل وجود دارد" (یوگی بررا)

کمبود اجرای فقط یک هزینه معامله است. هزینه های جسمی واقعی نیز وجود دارد که باید در نظر بگیرید:

• هزینه های کارگزاری
• هزینه وام
• ظرفیت

بیایید با هزینه های ساده معامله شروع کنیم. هر بار که خرید یا فروش می کنید ، احتمالاً به نوعی هزینه کمی پرداخت می کنید. در کارگزاران تعاملی ، 0. 005 دلار با حداقل 1 دلار است. بنابراین اگر 100 دلار از یکی از ETF ها تجارت کنید ، 1 ٪ در خوراک پرداخت خواهید کرد. شما می توانید از شر این هزینه به طور کامل با یک کارگزار رایگان مانند Robinhood خلاص شوید که یکی از راه های کاهش هزینه ها است.

این مدل شما را ملزم می کند تا ETF های مختلف را کوتاه کنید ، بنابراین شما همچنین باید به هر کسی که ETF را از آن وام می گیرید ، هزینه وام را بپردازید. این تا 100 کیلو دلار در کارگزاران تعاملی رایگان است ، بنابراین نگرانی برای معامله گر خرده فروشی کم ظرفیت نیست. در عوض ، شما نمی توانید به طور مستقیم در Robinhood بفروشید ، در عوض ، باید از گزینه ها یا ETF های معکوس استفاده کنید که فقط مسائل پیچیده است و به طور کلی هزینه های خود را کاهش نمی دهد.

همه این هزینه ها به این معنی است که هم حداقل مقدار و هم حداکثر مقدار وجود دارد که می توانید این مدل را با آن پیاده سازی کنید. اگر بودجه بسیار کمی دارید، بازدهی شما صرفاً توسط هزینه های تراکنش تلف می شود. اگر مقدار زیادی پول دارید، کسری اجرا صدمه می زند. منظور ما از ظرفیت این است.

مراحل بعدی در روند دنبال کردن

پیاده سازی فوق اساسی ترین روند ممکن زیر است. تنها زمانی از سه دارایی استفاده می کند که دنیایی از ETF های دیگر وجود داشته باشد. یک سیگنال ساده (میانگین در حال اجرا) دارد و از آن برای تخصیص 100٪ طولانی یا 100٪ کوتاه استفاده می کند. راه های مختلفی وجود دارد که می توانید برای بهتر کردن این کار بیشتر پیش بروید.

• جهان دارایی را گسترش دهید.

گنجاندن ETF های بیشتر و مواردی که با SPY، BND و GLD مرتبط نیستند، فرصت گسترده تری را به شما می دهد تا طولانی یا کوتاه تر باشید. من به عنوان ETF های بعدی به نوعی از کالا، املاک و مستغلات و جزء سهام بین المللی نگاه می کنم.

• سیگنال روند بهتر

میانگین متحرک ساده عالی است زیرا هیچ قطعه متحرکی وجود ندارد، اما هیچ چیز مانع از گسترش آن به یک مدل پیچیده تر نمی شود. از جمله میانگین متحرک دیگری با دوره سریعتر، مثلاً 5 روز، و سپس بررسی اینکه آیا این میانگین سریعتر از میانگین آهسته بالاتر است یا کمتر نیز معمولاً استفاده می شود.

• تخصیص دارایی بهتر با استفاده از سیگنال

سیگنال فعلی می گوید و نه در بین. این می تواند منجر به برخی رفتارهای فرار شود که در آن سیگنال ممکن است در اطراف 0 معلق باشد و منجر به طولانی و کوتاه شدن سریع در حدود چندین روز شود. درعوض، باید قدرت سیگنال را روی یک موقعیت هدف با نوعی عملکرد ترسیم کنید. این می تواند به این معنی باشد که قبل از معامله منتظر بمانید تا سیگنال به اندازه کافی قوی شود و سپس به صورت خطی به موقعیت اضافه کنید تا اینکه تخصیص را به حداکثر برسانید.

نتیجه

دنبال کردن روند یک استراتژی سودآور است. ما نشان داده ایم که استفاده از یک میانگین چرخشی ساده از بازده می تواند سیگنال سودآوری تولید کند. هنگامی که آن را کمی بیشتر بررسی می کنیم، متوجه می شویم که دستیابی به این نوع بازده ها در عمل دشوار است. حرکت یک شبه قیمت در ETF به این معنی است که ما با قیمت بدتری معامله می کنیم. این در ترکیب با هزینه های عمومی مبادلات انجام معاملات، اجرای آن و تکیه بر قیمت دیگری را به یک استراتژی سخت تبدیل می کند، چیزی به نام ناهار رایگان وجود ندارد، شما باید تلاش قابل توجهی را برای مقیاس بندی این نوع انجام دهید. استراتژی بالاسپس راه هایی را که می توانید این تحقیق را بیشتر کنید، برجسته می کنیم. بنابراین اکنون همه چیز را در اختیار دارید تا خودتان دنبال کردن روند را کشف کنید. هر چیزی را که از قلم انداخته ام در نظرات زیر به من اطلاع دهید.

این اعلان را به اشتراک گذارید:

• برای اشتراک گذاری در توییتر کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در Reddit کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در لینکدین کلیک کنید (در پنجره جدید باز می شود)
• برای اشتراک گذاری در فیس بوک کلیک کنید (در پنجره جدید باز می شود)