Gerenciando o risco com uma média móvel simples (SMA) A média móvel simples (SMA) é um indicador de tendência popular. Quando graficado em um gráfico, ele filtra o barulho do dia-a-dia nos preços de segurança, revelando a tendência a longo prazo. O gráfico a seguir mostra o TSP C Fund, juntamente com o SMA de 10 meses: os investidores podem usar o SMA como sinal de compra e venda de uma garantia. Em uma tendência ascendente, o investidor compra a segurança quando seu preço de fechamento mensal cruza acima da SMA, anda a tendência e depois vende-a quando a direção da tendência se inverte e o preço cruza abaixo da SMA. Abaixo está o mesmo gráfico que antes, com os sinais de compra Buy (B) e Sell (S) adicionados. Você pode ver que a estratégia teve seu último sinal de compra no 1312012: Agora, use esses sinais BUYSELL em um sistema de tendências simples com as seguintes regras: Compre o TSP C Fund quando o preço de fechamento mensal sobe acima de SMA de 10 meses. Caso contrário, vendê-lo e investir o produto no G Fundo (um investimento livre de risco). Os resultados. Você pode gostar destas outras postagens do TSP Folio: Aqui vamos novamente: Exuberância Irracional A nova Opção Roth do Plano de Poupança de Ação (TSP) A perspectiva de títulos: Fundo TSP F e G FundoExploramento A Volatilidade Média Mover Ponderada Exponencialmente é a medida de risco mais comum , Mas vem em vários sabores. Em um artigo anterior, mostramos como calcular a volatilidade histórica simples. (Para ler este artigo, consulte Usando a volatilidade para avaliar o risco futuro.) Usamos os dados atuais do preço das ações da Googles para calcular a volatilidade diária com base em 30 dias de estoque de dados. Neste artigo, melhoraremos a volatilidade simples e discutiremos a média móvel ponderada exponencialmente (EWMA). Vs históricos. Volatilidade implícita Primeiro, colocamos essa métrica em um pouco de perspectiva. Existem duas abordagens amplas: volatilidade histórica e implícita (ou implícita). A abordagem histórica pressupõe que o passado é o prólogo que medimos a história na esperança de que seja preditivo. A volatilidade implícita, por outro lado, ignora o histórico que resolve para a volatilidade implícita nos preços de mercado. Espera que o mercado conheça melhor e que o preço de mercado contenha, mesmo que de forma implícita, uma estimativa consensual da volatilidade. (Para leitura relacionada, veja Os Usos e Limites da Volatilidade.) Se nos concentrarmos apenas nas três abordagens históricas (à esquerda acima), eles têm dois passos em comum: Calcule a série de retornos periódicos Aplicar um esquema de ponderação Primeiro, nós Calcule o retorno periódico. Isso geralmente é uma série de retornos diários, em que cada retorno é expresso em termos compostos continuamente. Para cada dia, tomamos o log natural da proporção dos preços das ações (ou seja, preço hoje dividido por preço ontem e assim por diante). Isso produz uma série de retornos diários, de u i to u i-m. Dependendo de quantos dias (m dias) estamos medindo. Isso nos leva ao segundo passo: é aqui que as três abordagens diferem. No artigo anterior (Usando o Volatility To Gauge Future Risk), mostramos que sob um par de simplificações aceitáveis, a variância simples é a média dos retornos quadrados: Observe que isso resume cada um dos retornos periódicos, então divide esse total pelo Número de dias ou observações (m). Então, é realmente apenas uma média dos retornos periódicos quadrados. Dito de outra forma, cada retorno quadrado recebe um peso igual. Então, se o alfa (a) é um fator de ponderação (especificamente, um 1m), então uma variância simples parece algo assim: O EWMA melhora a diferença simples. A fraqueza dessa abordagem é que todos os retornos ganham o mesmo peso. O retorno de Yesterdays (muito recente) não tem mais influência na variação do que o retorno dos últimos meses. Esse problema é corrigido usando a média móvel ponderada exponencialmente (EWMA), na qual os retornos mais recentes têm maior peso na variância. A média móvel ponderada exponencialmente (EWMA) apresenta lambda. Que é chamado de parâmetro de suavização. Lambda deve ser inferior a um. Sob essa condição, em vez de pesos iguais, cada retorno quadrado é ponderado por um multiplicador da seguinte forma: por exemplo, RiskMetrics TM, uma empresa de gerenciamento de risco financeiro, tende a usar uma lambda de 0,94 ou 94. Neste caso, o primeiro ( Mais recente) o retorno periódico ao quadrado é ponderado por (1-0,94) (94) 0 6. O próximo retorno ao quadrado é simplesmente um múltiplo lambda do peso anterior neste caso 6 multiplicado por 94 5,64. E o peso do terceiro dia anterior é igual (1-0,94) (0,94) 2 5,30. Esse é o significado de exponencial em EWMA: cada peso é um multiplicador constante (isto é, lambda, que deve ser inferior a um) do peso dos dias anteriores. Isso garante uma variação ponderada ou tendenciosa em relação a dados mais recentes. (Para saber mais, confira a Planilha do Excel para a Volatilidade dos Googles.) A diferença entre a simples volatilidade e o EWMA para o Google é mostrada abaixo. A volatilidade simples efetivamente pesa cada retorno periódico em 0.196 como mostrado na Coluna O (tivemos dois anos de dados diários sobre o preço das ações. Isso é 509 devoluções diárias e 1509 0.196). Mas observe que a coluna P atribui um peso de 6, então 5.64, depois 5.3 e assim por diante. Essa é a única diferença entre variância simples e EWMA. Lembre-se: depois de somar toda a série (na coluna Q), temos a variância, que é o quadrado do desvio padrão. Se queremos volatilidade, precisamos lembrar de tomar a raiz quadrada dessa variância. Qual é a diferença na volatilidade diária entre a variância e EWMA no caso do Googles. É significativo: a variância simples nos deu uma volatilidade diária de 2,4, mas a EWMA deu uma volatilidade diária de apenas 1,4 (veja a planilha para obter detalhes). Aparentemente, a volatilidade de Googles estabeleceu-se mais recentemente, portanto, uma variação simples pode ser artificialmente alta. A diferença de hoje é uma função da diferença de dias de Pior. Você notará que precisamos calcular uma série longa de pesos exponencialmente decrescentes. Nós não vamos fazer a matemática aqui, mas uma das melhores características do EWMA é que toda a série se reduz convenientemente a uma fórmula recursiva: Recursiva significa que as referências de variância de hoje (ou seja, são uma função da variância dos dias anteriores). Você também pode encontrar esta fórmula na planilha e produz exatamente o mesmo resultado que o cálculo de longo prazo. A variação de hoje (sob EWMA) é igual a variância de ontem (ponderada por lambda) mais retorno quadrado de ontem (pesado por menos a lambda). Observe como estamos apenas adicionando dois termos em conjunto: variância ponderada de ontem e atraso de ontem, retorno quadrado. Mesmo assim, lambda é o nosso parâmetro de suavização. Um lambda mais alto (por exemplo, como RiskMetrics 94) indica decadência mais lenta na série - em termos relativos, teremos mais pontos de dados na série e eles vão cair mais devagar. Por outro lado, se reduzirmos a lambda, indicamos maior deterioração: os pesos caem mais rapidamente e, como resultado direto da rápida deterioração, são usados menos pontos de dados. (Na planilha, lambda é uma entrada, para que você possa experimentar sua sensibilidade). Resumo A volatilidade é o desvio padrão instantâneo de um estoque e a métrica de risco mais comum. É também a raiz quadrada da variância. Podemos medir a variação historicamente ou implicitamente (volatilidade implícita). Ao medir historicamente, o método mais fácil é a variância simples. Mas a fraqueza com variância simples é que todos os retornos recebem o mesmo peso. Então, enfrentamos um trade-off clássico: sempre queremos mais dados, mas quanto mais dados temos, mais nosso cálculo será diluído por dados distantes (menos relevantes). A média móvel ponderada exponencialmente (EWMA) melhora a variação simples ao atribuir pesos aos retornos periódicos. Ao fazer isso, podemos usar um grande tamanho de amostra, mas também dar maior peso aos retornos mais recentes. (Para ver um tutorial de filme sobre este tópico, visite a Tartaruga Bionica.) Como usamos o Gerenciamento de Dinheiro para Estratégias de Forex em Movimento Médio O que podemos aprender sobre Estratégias de negociação da Moeda em Movimento A boa administração de dinheiro se resume a um aforismo de negociação muito popular : Deixe seus lucros correr e reduz suas perdas. Quase todo guia comercial popular diz isso, mas muito poucos dão ao leitor bons exemplos do que constitui um bom gerenciamento de dinheiro. Claro, parte da dificuldade vem do fato de que não há uma resposta definitiva ou um guia definitivo sobre o que fazer. Nosso trabalho é estabelecer técnicas de análise que nos permitam determinar o que fazer em situações específicas. Para os propósitos deste artigo, revisitaremos uma das estratégias básicas discutidas em nossa introdução anterior: a Estratégia de Negociação de Crossover de Média Mover. Usando a plataforma FXCMrsquos Strategy Trader. Somos capazes de colocar uma estratégia em nossos gráficos e analisar os resultados usando ferramentas analíticas de alta potência. Na versão beta do programa, nossa estratégia de Crossover de média móvel é rotulada como MovAvg3LineCrossLESE. Médias móveis Estratégia de cruzamento Médias móveis simples (SMA) Compre quando SMA de 50 períodos cruza acima dos 100, que se comercializa acima do 200 Vender quando o SMA de 50 períodos cruza abaixo dos 100, o qual é comercializado abaixo dos 200. Nossa Estratégia de Negociação de Crossover Médio Foi bem com o EuroUS Dollar nos últimos anos de negociação, uma vez que a volatilidade extraordinária beneficia a estratégia de negociação de tendências. Na verdade, as estratégias de movimentação média exploram grandes mudanças na ação de preços e se encaixam nas tendências em seus estágios iniciais. No entanto, a estratégia não está sem suas falhas, e a curva de equidade acima enfatiza que passou muitos anos negociando de lado antes de fazer sua grande ruptura. Assim, o truque é desenvolver técnicas de gerenciamento de dinheiro que nos protejam em tempos de volatilidade especialmente baixa, mas não nos impedem quando os mercados se estendem. Antes de fazê-lo, é útil pensar sobre o que a estratégia tenta realizar: capture as principais tendências à medida que começam. Usamos três comprimentos médios móveis para nos fornecer informações diferentes sobre o impulso dos preços. Se a média de movimento rápido se desloca abaixo das linhas médias e mais lentas, sabemos que o impulso global do preço mudou para a desvantagem. No entanto, tais sinais operam com um atraso claro, e eles implicam que esse preço caiu bastante significativamente através de ação de preço anterior. Como protegemos contra isso. Um estudo sobre o desempenho a longo prazo do strategyrsquos destaca a sua fraqueza chave e nosso trabalho é afinar o gerenciamento de dinheiro para proteger contra seus períodos prolongados de baixo desempenho. Nossa tentação imediata pode ser simplesmente colocar uma queda apertada no nosso sistema de média móvel e permitir que os ganhos sejam executados. No entanto, precisamos saber o que constitui uma parada apertada para a nossa estratégia e como usá-la na negociação real. Estabelecimento para a nossa Estratégia de Crossover Média em Movimento O fator mais importante na determinação de onde definir nossas paradas é o quão longe a partir de um comércio geralmente é antes de tornar-se lucrativo. Claramente, queremos configurar nossa perda de parada protetora em um nível tal que nos proteja, mas não interfira com negócios bem-sucedidos. Como tal, a Wersquoll procura o ldquoMaximum Adverse Excursionrdquo de negociações rentáveis e o set pára em conformidade. O gráfico abaixo mostra exatamente quanto em perdas que incorremos e se o comércio é, no final, rentável. Nosso gráfico mais uma vez nos dá uma visão importante da eficácia da nossa estratégia. Por exemplo, vemos que a maioria dos comércios altamente lucrativos tem muito pouca excursão adversa, os negócios lucrativos são, na maioria das vezes, corretos desde o início. Nós também observamos que nosso maior comércio perdedor foi muito menor que o maior ganho. Nosso gráfico nos diz que qualquer transação com movimentos adversos de mais de 150 (neste caso, 150 pips) nunca deu um lucro significativo. Poderíamos potencialmente limitar todos os negócios até um máximo de 150 pontos de proteção de parada-perda, mas também notamos que essa pode não ser a estratégia ideal. Um número muito bom das negociações que atraem mais de 150 pips posteriormente retraçam e registram perdas menores. Definindo Limites para a nossa Estratégia de Crossover Médio Mínimo Dado que os cruzamentos de média móvel funcionam com um atraso substancial, também é importante observar instâncias em que possamos melhorar os retornos, estabelecendo altos níveis de metas de lucro. Nossa análise para o lucro obtido será essencialmente o mesmo que os nossos níveis de parada protetores, exceto em reverso. A estratégia de Crossover de média móvel claramente tem grandes vencedores, mas também vemos que não conseguiu capturar seus maiores lucros potenciais em um punhado de negócios-chave devido ao seu atraso inerente. Embora nunca possamos razoavelmente esperar capturar lucros no momento perfeito, também não queremos jogar várias negociações claramente bem-sucedidas. Nosso lucro máximo capturado foi de aproximadamente 1750 pips, e um lucro obtido acima desse nível teria gerado uma recuperação nos lucros líquidos. O próximo passo é combinar nossa análise em gerenciamento de dinheiro sólido. Para os propósitos deste artigo, temos o benefício de usar o software FXCM Strategy Trader para codificar nossas estratégias e executar testes analíticos poderosos em nossos sistemas. No entanto, não há nenhuma razão pela qual não poderíamos fazer isso manualmente com sistemas de negociação discricionários. Provavelmente, obviamente, levaria mais tempo. Ao explorar diferentes níveis de perda e limite de pedidos, não estamos necessariamente procurando o número perfeito. As otimizações podem ser muito enganosas, porque eles dizem o que funcionou bem no passado e não necessariamente no futuro. Dado esses perigos, buscamos simplesmente obter uma melhor compreensão das fortalezas e fraquezas relativas ao estratégyrsquos. Finalizando nossa Gestão de Dinheiro para a Estratégia de Crossover de Media em Movimento Os gráficos abaixo nos mostram os efeitos de diferentes níveis de níveis de stop-loss e take-profit para nossa estratégia de Crossover de Média Mover. Para os fins do teste Stop Loss, assumimos que o sistema não tem um nível Take-Profit definido e vice-versa. Nós descobrimos vários fatos interessantes sobre essa estratégia quando analisamos os resultados de otimização. Embora suspeitássemos que colocar uma perda de paragem relativamente apertada (150 pips) melhoraria os resultados, a estratégia teria teoricamente transformado o maior lucro líquido com uma perda de par muito ampla. Na verdade, o maior lucro líquido foi alcançado com uma perda de parada de aproximadamente 400 pipsmdashvery difícil de suportar, a menos que negocie com alavancagem muito baixa. No primeiro instante, nós realmente vemos que um lucro obtido de 1750 pips teria resultado no maior lucro líquido ao longo dos últimos 7 anos. Em outras palavras, nosso lucro fixo fixo seria maior do que a nossa parada de perda em mais de 4 para 1. É fundamental enfatizar que o desempenho do passado NÃO é, de forma alguma, uma garantia de resultados futuros, e pedimos muita cautela Contra a tomada de parâmetros otimizados como diretrizes reais. No entanto, obtemos uma ótima compreensão para o que pode funcionar nesta tendência - seguindo uma estratégia de cruzamento em média móvel com parâmetros fixos agressivos de risco para recompensa. Um parâmetro otimizado de um alvo de lucro de 1750 pinos sugere que nós fariamos 1750 pips por comércio. A resposta é um ldquonordquo resoluto. Tal comércio ocorreu quatro vezes em um período de sete anos, e nossas posições foram muito mais freqüentemente retiradas pelo sinal inverso. Em outras palavras, nossas posições longas foram fechadas não por um objetivo de lucro fixo, mas pelo sinal de venda oposto. Se forçado a colocar um objetivo de lucro fixo e parar a perda em nossos negócios, no entanto, o perfil de recompensa para risco seria próximo de 4 a 1 para maximizar o desempenho. Essa é a conclusão impressionante e destaca o perfil geral de recompensa a risco da estratégia de cruzamento em média móvel. Whatrsquos the Moral of the story Nossas técnicas de exploração de gerenciamento de dinheiro nos deram uma idéia clara do que esperar da estratégia de Crossover de média móvel. Nossa análise deu suporte claro ao comércio clicheacute: deixe seus lucros correr e reduz suas perdas. Obviamente, é um bom negócio mais trabalhar para realizar essa análise em qualquer coisa que não seja facilmente automatizada, mas é tudo o mesmo importante para manter abas próximas em seu estilo de negociação particular. Se você balançar o comércio e tentar capturar grandes mudanças nas tendências, seus negócios seguem um perfil semelhante. Se você acha que existe um nível adequado de perda de parada protetora para sua estratégia, é relativamente fácil monitorar suas tabelas ou trocas de demonstração sua idéia para confirmar Que funcionará. Pagar muito mais atenção ao seu sistema comercial irá ensinar-lhe tudo o que há para saber sobre seus pontos fortes estratégicos e, talvez mais importante, fraquezas. Junte-se ao grupo de teste beta do FXCM Strategy Trader e experimente a sua análise analítica na estratégia de Crossover de média móvel e outros. Veja este webinar FXCM para obter um guia de instruções sobre a nova plataforma. Escrito por David Rodriacuteguez, Estrategista Quantitativo para DailyFX DailyFX fornece notícias de forex e análise técnica sobre as tendências que influenciam os mercados monetários globais.
No comments:
Post a Comment