Teknisk analyse: Flytende gjennomsnitt De fleste diagrammønstre viser mye variasjon i prisbevegelsen. Dette kan gjøre det vanskelig for forhandlere å få en ide om en generell trend i sikkerheten. En enkel metode handelsmenn bruker for å bekjempe dette er å bruke bevegelige gjennomsnitt. Et glidende gjennomsnitt er gjennomsnittsprisen på en sikkerhet over en viss tid. Ved å tegne en sikkerhets gjennomsnittspris, blir prisbevegelsen utjevnet. Når de daglige fluktuasjonene er fjernet, er handelsmenn bedre i stand til å identifisere den sanne trenden og øke sannsynligheten for at det vil fungere i deres favør. (For å lære mer, les veiledning av Moving Averages.) Typer av bevegelige gjennomsnitt Det finnes en rekke ulike typer bevegelige gjennomsnitt som varierer i måten de beregnes på, men hvordan hvert gjennomsnitt tolkes forblir det samme. Beregningene varierer bare med hensyn til vekten som de plasserer på prisdataene, og skifter fra likevekt av hvert prispunkt til mer vekt legges på nyere data. De tre vanligste typene av bevegelige gjennomsnitt er enkle. lineær og eksponentiell. Simple Moving Average (SMA) Dette er den vanligste metoden som brukes til å beregne det bevegelige gjennomsnittet av priser. Det tar bare summen av alle de siste sluttkursene over tidsperioden, og fordeler resultatet med antall priser som brukes i beregningen. For eksempel i et 10-dagers glidende gjennomsnitt blir de siste 10 sluttkursene lagt til sammen og deretter delt med 10. Som du kan se i figur 1, kan en forhandler gjøre gjennomsnittet mindre responsivt til å endre priser ved å øke tallet av perioder som brukes i beregningen. Å øke antall tidsperioder i beregningen er en av de beste måtene å måle styrken til den langsiktige trenden og sannsynligheten for at den vil reversere. Mange individer hevder at bruken av denne typen gjennomsnitt er begrenset fordi hvert punkt i dataserien har samme innvirkning på resultatet uavhengig av hvor det forekommer i sekvensen. Kritikerne hevder at de nyeste dataene er viktigere, og derfor bør den også ha høyere vekting. Denne typen kritikk har vært en av de viktigste faktorene som fører til oppfinnelsen av andre former for bevegelige gjennomsnitt. Lineærvektet gjennomsnitt Denne glidende gjennomsnittlige indikatoren er minst vanlig ut av de tre og brukes til å løse problemet med likevekt. Det lineære vektede glidende gjennomsnittet beregnes ved å ta summen av alle sluttkursene over en bestemt tidsperiode og multiplisere dem med datapunktets posisjon og deretter dividere med summen av antall perioder. For eksempel, i et fem-dagers lineært vektet gjennomsnitt, blir dagens sluttkurs multiplisert med fem, gårdager med fire og så videre til den første dagen i perioden er nået. Disse tallene legges deretter sammen og deles av summen av multiplikatorene. Eksponentiell flytende gjennomsnitt (EMA) Denne flytende gjennomsnittlige beregningen bruker en utjevningsfaktor for å legge høyere vekt på de siste datapunktene, og betraktes som mye mer effektivt enn det lineære vektede gjennomsnittet. Å ha en forståelse av beregningen er vanligvis ikke nødvendig for de fleste handelsfolk fordi de fleste kartleggingspakker gjør beregningen for deg. Det viktigste å huske om det eksponentielle glidende gjennomsnittet er at det er mer responsivt på ny informasjon i forhold til det enkle glidende gjennomsnittet. Denne responsen er en av de viktigste faktorene til hvorfor dette er det bevegelige gjennomsnittet mellom mange tekniske handelsfolk. Som du ser i figur 2, øker en 15-årig EMA og faller raskere enn en 15-årig SMA. Denne lille forskjellen virker ikke så mye, men det er en viktig faktor å være klar over siden det kan påvirke avkastningen. Større bruksområder for bevegelige gjennomsnitt Gjennomsnittlig flytteverdi brukes til å identifisere gjeldende trender og trendoverganger, samt å sette opp støtte - og motstandsnivåer. Flytende gjennomsnitt kan brukes til å raskt identifisere om en sikkerhet beveger seg i en opptrinn eller en nedtrengning avhengig av retningen av det bevegelige gjennomsnittet. Som du ser i figur 3, når et bevegelige gjennomsnittspunkt går oppover og prisen er over det, er sikkerheten i en opptrinn. Omvendt kan et nedovergående glidende gjennomsnittspris med prisen nedenfor benyttes til å signalere en downtrend. En annen metode for å bestemme momentum er å se på rekkefølgen til et par bevegelige gjennomsnitt. Når et kortsiktig gjennomsnitt er over et langsiktig gjennomsnitt, er trenden oppe. På den annen side signalerer et langsiktig gjennomsnitt over et kortere sikt gjennomsnitt en nedadgående bevegelse i trenden. Flytte gjennomsnittlige trendrendringer er dannet på to hovedveier: når prisen beveger seg gjennom et bevegelig gjennomsnitt og når det beveger seg gjennom bevegelige gjennomsnittsoverskridelser. Det første vanlige signalet er når prisen beveger seg gjennom et viktig bevegelige gjennomsnitt. For eksempel, når prisen på en sikkerhet som var i en opptrinn, faller under et 50-års glidende gjennomsnitt, som i figur 4, er det et tegn på at opptrenden kan vende seg. Det andre signalet om en trend reversering er når et bevegelige gjennomsnitt krysser gjennom en annen. For eksempel, som 15-dagers glidende gjennomsnitt krysser over det 50-dagers glidende gjennomsnittet, er det et positivt tegn på at prisen vil begynne å øke. Hvis periodene som brukes i beregningen er relativt korte, for eksempel 15 og 35, kan dette signalere en kortsiktig trendomkastning. På den annen side, når to gjennomsnitt med relativt lange tidsrammer krysse over (f. eks. 50 og 200), brukes dette til å foreslå en langsiktig endring i trenden. En annen viktig måte å bevege gjennomsnitt på er å identifisere støtte - og motstandsnivåer. Det er ikke uvanlig å se en lager som har fallet, stoppe nedgangen og bakoverretningen når den treffer støtten til et stort bevegelige gjennomsnitt. En bevegelighet gjennom et stort bevegelige gjennomsnitt blir ofte brukt som et signal fra tekniske handelsfolk om at trenden er omvendt. For eksempel, hvis prisen går gjennom 200-dagers glidende gjennomsnitt i en nedadgående retning, er det et signal om at opptrenden reverserer. Flytte gjennomsnitt er et kraftig verktøy for å analysere trenden i sikkerhet. De gir nyttige støtte - og motstandspunkter og er veldig enkle å bruke. De vanligste tidsrammer som brukes når du lager glidende gjennomsnitt er 200-dagers, 100-dagers, 50-dagers, 20-dagers og 10-dagers. 200-dagers gjennomsnittet antas å være et godt mål for et handelsår, et 100-dagers gjennomsnitt på et halvt år, et 50-dagers gjennomsnitt på kvart i året, et 20-dagers gjennomsnitt på en måned og 10 - dags gjennomsnitt på to uker. Flytte gjennomsnittsverdier hjelper tekniske handelsfolk til å glatte ut noe av støyen som finnes i daglige prisbevegelser, noe som gir handelsmenn et tydeligere bilde av prisutviklingen. Så langt har vi vært fokusert på prisbevegelse, gjennom diagrammer og gjennomsnitt. I neste avsnitt, se på noen andre teknikker som brukes til å bekrefte prisbevegelser og mønstre. Teknisk analyse: Indikatorer og oscillatorer Hvis du liker RunToGold på Facebook, så vil vi gi deg en av de 2-3 30-siders mini-guider gratis. Bare send oss en melding på Facebook og gi oss beskjed om hvilken du vil: (1) Financial. (2) Politisk eller (3) Personlig. Spot Gold-prisen i dag med 200 dagers flytende gjennomsnittlig gulldiagram Lesingstid: 2 8211 4 minutter SPOT GULDPRIS Levende gullpris kan variere mye i spotgullmarkedet. Spot gullprisen er vist nedenfor i troy unser. 1 troy unse 31.1034768 gram. Med noen heldige timing har RunToGold-leserne vært ledende i løpet av denne siste gullopplæringen til enorme fortjeneste over 25 år, og jeg forblir ekstremt glad i den gamle metalen av konger. 200DMA er 200 dagers glidende gjennomsnitt. Relativt tall er den nåværende prisen delt på 200DMA. Dette viser om metaller er billige, gjennomsnittlige verdi, dyrt eller veldig dyrt. Målet er å kjøpe lavt og selge høyt. SPOT GOLD PRIS DATA RunToGold spot gullpriser per gram er levert av en data feed fra GoldMoney. For tredjeparts lagring anbefaler vi GoldMoney og for fysisk besittelse anbefaler vi GoldSilver på grunn av de gode prisene og BBB-karakteren. Gullprisen kalles iblant verdens gullpris, New York gullpris, London Metal Exchange gullpris, spot gullpris, marked gullpris og gull gullpris. Disse gullprisene er indikasjoner på dagens gullpriser for en troy ounce gull på verdens gullutveksling. Gullprisen som brukes i gullprisdiagrammer på Run to Gold, er 24-timers Spot Gold Bid-prisen, som oppdages i New York, London, Hong Kong og Sydney. Disse gullprisene er oppgitt i Federal Reserve Note Dollars (FRN). Over hele verden vises gullpriskartet ofte i andre valutaer enn FRN, og konverteres til lokal valuta. Som alle gullpriser, gjenspeiler gjeldende gullpris den inneboende verdien av gull og den relative styrken til den underliggende fiatvalutaen. For eksempel kan FRN-prisen på gulldiagrammet øke mer i prosent enn gull som er priset i euro. Årsaken er at endringen i gullprisene er en refleksjon av FRN-svakheten mot euroen, og ikke ville være et resultat av endringen i gullverdien av gull basert på gullmarkedet. Kjør til gull gull pris diagrammer oppdateres hvert 1. minutt for både live gull pris diagrammer og de bevegelige gjennomsnittene. De 50 dagers og 200 dagers glidende gjennomsnittlige gullprisene er summen av de gjennomsnittlige gullprisene for de siste 50 eller 200 handelsdager. Konklusjon Monetære metaller av gull, sølv og platina er en fin måte å lagre rikdom på, og kan brukes til å utføre nøyaktige metallberegninger av verdi ved hjelp av verktøy som Numeraire-regnearket. Nå er det flott å kjøpe gull. Ingen tips ennå. Vær den første til å tippe Support Run To Gold - Tips Med Bitcoin Finn dette innlegget Vær så snill å vurdere å tippe med Bitcoin. Hver artikkel får en unik Bitcoin-adresse, så ved å tippe deg med å bidra til å gjøre bære til gull bærekraftig, og gi verdifull tilbakemelding på hvilket innhold som er mest verdsatt. OM AUTOREN: Trace Mayer, har JD forfatteren av The Great Credit Contraction en grad i regnskap, en juridisk grad og studerer den østerrikske økonomistudiet. Han arbeider som gründer, investor, journalist og pengeforsker. Følg ham på Twitter. Dette er bare en artikkel på 28 av Trace Mayer. Does det 200-dagers glidende gjennomsnittet 8220work8221 Dette er et av de tekniske spørsmålene som ikke har et raskt og enkelt svar. Det beste svaret er 8220no, egentlig ikke, og nesten sikkert ikke i den måten de fleste tror8221, men det er noen nyanser å vurdere. Jeg har gjort omfattende kvantitativt arbeid på å flytte gjennomsnitt, og svarene jeg har funnet utfordrer mange av våre ideer og mange av måtene teknikere bruker bevegelige gjennomsnitt. Basert på arbeidet mitt: Det er ingen spesielle bevegelige gjennomsnitt. (Dvs. 200 dagene er ikke spesielle i forhold til 193, 204 eller noe annet gjennomsnitt.) Prisoverføring eller berøring av et glidende gjennomsnitt har ingen betydning for fremtidig markedsretning. Hellingen til et bevegelige gjennomsnitt er ikke en meningsfylt indikator for trenden. Kryss av bevegelige gjennomsnitt er ikke meningsfulle indikasjoner på trender. Indikatorer bygget fra bevegelige gjennomsnitt er ikke pålitelige indikatorer på trend. Kort sagt, de fleste av tingene som tradisjonell teknisk analyse lærer om bevegelige gjennomsnitt, står ikke opp til kvantitativ gransking. Jeg kan muligens dele alt arbeidet jeg har gjort i ett blogginnlegg. Jeg tror det er dårlig skjema når noen prøver å gjøre et kvantitativt argument ved å si tillit meg, (Faktisk leser jeg bare en blogg hvor blogger som gjorde det samme. Han sa at jeg så på 200 dagers glidende gjennomsnitt og markedet gjør det bedre over det og verre under det. Det virker. Stol på meg.), men jeg vil flytte oss mot konklusjoner i stedet for å gå seg vill i detaljer i dag. Vi kan se nærmere på senere, hvis det er interesse. De 200 dagene brøt bare. Nå, hva som jeg skriver denne bloggen, har store markeds gjennomsnitt bare krysset 200 dagers glidende gjennomsnitt. Alle snakker og skriver om den historiske strekningen av stenger over det gjennomsnittet, og har sett på den øyeblikkelige første nærmen nedenfor. Siden så mye oppmerksomhet har blitt fokusert her, er det bare rimelig å spørre hva som skjer etter en stor aksjeindeks krysse 200 dagers glidende gjennomsnitt. Tabellen under viser resultatet av SampP 500 kontantindeksen, som er kvalifisert av markedet over eller under 200 dagers glidende gjennomsnitt: SampP 500, 200 dagers SMA-statistikk Denne tabellen viser at gjennomsnittlig avkastning på SampP har vært 8,2 (årlig 1). Over 200 dag, årlig avkastning årlig til 11,0, men når markedet er under 200 dag, er avkastningen bare 2,1. Dette ser ut til å være interessant (overkant av 2,8 over og underperformance på -6,1 nedenfor) til vi vurderer graden av støy i dataene. 2 Problemet er at størrelsen på 8220effect8221 er ganske svak, den effekten vi ser her er ganske sannsynlig å være på grunn av uheldig trekk. Du kan motsette seg at dette ikke betyr noe når alle dataene viser denne utmerkelsen, enten det er statistisk signifikant eller ikke, men hvis det ikke er statistisk signifikant, er det sannsynligvis vanskeligere å stole på effekten i fremtiden. Hvis det ikke er statistisk signifikant, er det en anstendig sjanse for å bli misledt av støy. For posten ser vi liknende tall med DJIA (4.1 over (p 0.16) og -7.7 (s. 13) nedenfor, ved bruk av data tilbake til 1925). Uansett hvilken effekt det ser ut til å falme i nyere data, som det siste tiåret, viser i utgangspunktet ingen forskjell over og under 200 dagene for begge indeksene. Vurder også at vi bør forvente å se veldig like tall siden disse indeksene er tett korrelert. Det er også mye dårlig statistikk som flyter rundt. Jeg har sett en rekke mennesker som kaster rundt tall som SampP 500 gjør 23,5 over det bevegelige gjennomsnittet, og -19,5 under, så kryssende glidende gjennomsnitt betyr at markedet vil være svakt. Kan du gjette hvor tall som det kommer fra Du har det, denne feilen. telle kryssedagen (som nesten alltid vil være oppe og nedover for under) i feil kategori er nok til å skje statistikken i stor grad. Vær forsiktig. Dessverre er dette ikke et krystallklart statistisk svar for å virkelig forstå det, vi må kunne tenke på betydning, stasjonaritet og noen andre begreper. Noen som er fast bestemt på å tro på 200 dagene, kan se på resultatene i tabellen ovenfor, ignorere signifikansene, og si at det er en effekt, selv om det er en liten. I det minste må vi erkjenne at det ikke har vært noen effekt i de to siste tiårene, så kanskje noe endret mellom første verdenskrig og i dag, men det er vanskelig å rettferdiggjøre oppmerksomheten på 200 dagers glidende gjennomsnitt når vi har mye bedre verktøy som fungerer mye bedre. Fading effekt over tid Here8217s en annen illustrasjon som viser fading av effekten i de siste tiårene. (Dette er hentet fra den upubliserte delen av boken min, som hadde omtrent 30 sider på glidende gjennomsnitt med over 25 tabeller og figurer.) Jeg replikerte en av testene i Brock, Lakonishok og LeBaron8217s milepælpapir på tekniske handelssignaler (jstor. orgstable2328994)). som i utgangspunktet gikk over en 50-årig SMA, og her er resultatene som tilsvarer omtrent den tidsperioden de undersøkte i deres papir: Ganske fint system, basert på egenkapitalkurven. Tenk også på de historiske periodene som er dekket der: Dette systemet virket gjennom den store depresjonen, andre verdenskrig, flere tilbakeslag, skiftende makropåvirkninger8211 og egenkapitalkurven fortsatte bare å klatre. Men se på hva som skjedde om you8217d handlet det samme systemet fra da av: Ikke egentlig det vi leter etter. Det kan være noen forklaringer på denne sterke forskjellen, men det advarer oss om ikke å legge for mye oppmerksomhet (om noen) på å flytte gjennomsnittlige kryss. Noen endelige tanker Dette innlegget har bare undersøkt to bevegelige gjennomsnitt på to aksjeindekser. Selv om resultatene ikke er krystallklare, er det i det minste åpenbart at det ikke er noen sterk effekt fra prisovergangen over 200 dagers glidende gjennomsnitt. (I8217ll følger opp med et innlegg som ser på andre eiendeler og andre gjennomsnitt.) Det ser ut til at det ikke er noen effekt i det hele tatt, og jeg tror det er en dissonans her som krever oppløsning: hvordan kan en næringsdrivende være klar over de kvantitative tendenser , forstå statistikken, og vær oppmerksom på prisoverskridende glidende gjennomsnitt. Jeg kan fortelle deg min personlige løsning, men du må finne din egen: Jeg ser aldri på eller gir oppmerksomhet til 50, 100 eller 200-tiden i bevegelse gjennomsnitt, og jeg stopper ganske mye med å lese noe så snart jeg ser noen diskuterer et snakk, kryss eller helling av et av disse gjennomsnittene8211Min statistisk arbeid har sterkt antydet at disse verktøyene ikke har strøm, og vi har bedre verktøy. Bare fordi du hører alle snakker om noe, betyr det ikke at det er nyttig, og det betyr ikke at det fungerer. Lag dine egne valg, men gjør dem oppmerksom på statistiske tendenser på jobben i markedet. noe som betyr at den daglige avkastningen ville bli sammensatt til dette tallet hvis det ble annualisert. Det er litt enklere å forstå disse tallene intuitivt enn å se på noe som 30 bps 8617. Jeg trenger virkelig å skrive et innlegg om signifikanstesting. Unnskyld mine generaliseringer til jeg gjør det. 8617 Del dette: De fleste tror at de går over 200 dagene MA er viktig for kortsiktig avkastning. Dvs. et par uker. Så til du tester for kortsiktige effekter, ville jeg ikke si MAs som meningsløse for handelsmenn. Ja, det meste av testingen min fokuserer faktisk på kortsiktig avkastning. Pass på at du forstår at avkastningen her er annualized8230 ikke ser på et 12 måneders vindu fra en kryssing, men årlig daglig avkastning. Den testen vil også plukke opp kortsiktige effekter8230 forestill deg, for eksempel, MA-krysset hadde en sterk effekt, men den varede bare en dag. Hvis du tenker på det, ser du det som nødvendigvis dukker opp i den enkle kategoriseringen av overbelow I8217ve gjort for retur. (Hvis du er i tvil, se på de forskjellige jeg viser mellom 8216correct8217 testen og 8216error8217 hvor du kunne krysse dagen i feil kategori.) Så for å svare på spørsmålet ditt, har jeg gjort det som fungerer, men testen som gitt vil også fange det du leter etter. Du tester ytelsen til alle dager under 200 DMA vs alle dager over 200 DMA. Hvordan kommer det til å avsløre hva jeg snakker om, hvilket er kortsiktige (f. eks. 1-ukers) avkastning umiddelbart etter begivenheten (MA-kryss) oppstår Ja, selvfølgelig er disse dagene i datasettet, men de representerer en liten brøkdel av det. Gitt bare dataene du leverer, kan det lett være en kortsiktig effekt (det kan for eksempel kompenseres av motsatt ytelse i dager langt fra 200 DMA). Så nei, dine tall viser ikke noe, uansett om det er en kortsiktig effekt etter et 200-dagers MA-kryss. Hvis du ikke ønsker å kjøre den testen eller don8217t vil sende resultatene, er det bra. Men don8217t viser ekstremt generelle tall og antar at du også viser at en veldig spesifikk effekt ikke eksisterer. Som jeg sa: gtYes, mesteparten av testingen min fokuserer faktisk på kortsiktig avkastning. Dette er en test I8217ve kjører mange forskjellige måter og har eksplisitt sett på 1-20 dagers avkastning over et bredt spekter av aktiva. Mesteparten av arbeidet mitt fokuserer på det, så det er ikke at jeg ikke vil drive test8211it8217s som jeg har, og som jeg sa, kan jeg ikke legge ut alle mulige permutasjon av testresultater i ett blogginnlegg. Men det jeg også er sant: Hvis det er en sterk kortsiktig effekt, vil det skje statistikken nok til at den også viser i testen som jeg først presenterte den. Se på effekten av bare å inkludere en dag i feil (les nær slutten av det opprinnelige innlegget). Jeg tror at hvis du så på mange resultater som dette, og sett effekten av en eneste sterk dag, ville du forstå hva jeg sier. Bunnlinjen: I8217ve har gjort testen og det er heller ikke noe der. Disse er ikke ekstremt generelle tall. Hvis du har et problem med det, er dataene tilgjengelige gratis, og du kan knase tallene selv ganske enkelt. Så you8217ve (angivelig) gjort den aktuelle testen for å bevise oppgaven din, men det er for mye innsats for å vise resultatene. Flott science8230 Vel, det er en blogg og ikke et peer-reviewed forskningspapir. Også, there8217s nok info i disse innleggene (som jeg gir fritt som en gave til handelssamfunnet) for å forstå konseptene og å gjøre ditt eget arbeid, hvis du er så tilbøyelig. Hva mer ser du etter? Jeg foreslår at du ser på de forskjellige, for eksempel: Trenden er vår venn: Risiko Paritet, Momentum og Trend Følgende i Global Asset Allocation (Clare et al., 2014) En kvantitativ tilnærming til Tactical Asset Allocation (Faber , 2013) Relative Strength Strategies (Faber, 2010) Takk. Jeg er kjent med alle disse (har ikke lest 2014) og skrev dette vil full bevissthet om dem. Takk skal du ha. Interessant innlegg. Men jeg har problemer med å forene noen av konklusjonene med datachartene som presenteres. Tabellen viser hva som synes (for meg) å være en imponerende forskjell mellom 8220above 200MA8221 og 8220below 200MA8221 og Buy and Hold-tilfelle, spesielt hvis gjennomsnittsmetoden var CAGR eller geometrisk gjennomsnitt over et tidsrom på 53 år. Du karakteriserer forskjellen i ytelse som 8220 Problemet er at størrelsen på effekten er ganske svak8221. Hvor stor ville den forskjellen måtte være å være sterk? Vennligst utdykk på hva 8220p8221 tallene betyr. Siden avkastningen på aksjemarkedet ikke passer til en Normal fordeling, antar jeg at de ikke representerer et statistisk mål som bare gjelder for en Normal distribusjon. Jeg gleder meg til ditt kommende innlegg på statistisk signifikanstest og antar at det innebærer en form for Bootstrap. Takk Vel, som jeg sa, hvis du er fast bestemt på å tro på MA vil du. Den klareste forskjellen er volatilitet overbeløp i gjennomsnitt, men en ting som er klart er at 200 dagene ikke er annerledes enn noe annet rimelig langsiktig gjennomsnitt. I det minste er it8217s dumt å fokusere på å krysse en vilkårlig linje. Et av de største problemene med effekten er forfallet de siste årene. p-verdier er fra en standard t-test, som er rimelig robust til brudd på antagelsen om normalitet, spesielt med store utvalgsstørrelser. That8217s enkleste å gjøre i Excel, men jeg bruker KS for andre applikasjoner og har også brukt litt oppstart, men problemet er at formen på distribusjonen er virkelig ukjent. Du sier at det er vanskelig å rettferdiggjøre oppmerksomheten på 200 dagers glidende gjennomsnitt når vi har mye bedre verktøy som fungerer mye bedre.8217 Jeg er enig, men kan du bare klargjøre hva de bedre verktøyene er (bare for å bekrefte I8217m på samme side). Takk. Vel, stort sett alt annet jeg fokuserer på. I8217ve blitt spurt dette spørsmålet på noen forskjellige måter, så jeg vil jobbe med en 8220 som jeg tror fungerer8221 poste en gang i nær fremtid. Godt spørsmål. Takk, I8217m en nybegynnerhandler og I8217m prøver fortsatt å bøye meg rundt teknisk analyse og hvordan det ikke er helt tilfeldig, tydelig om folk kan lage konsekvente penger med en klar 8220strategy8221 it8217s ikke så tilfeldig lenger, hva er du8217 favorittverktøy for å se på til du går inn i en handel, bruker du et fast system eller rutine. Jeg har lest om mønstre og jazz, men I8217m er ikke så stor en fan av det fordi it8217 er så åpen for å tolke det på et bevegelige marked, er en smerte, ser ut på et historisk kart it8217s peanøtter. Jeg har gjort det ganske greit (tjene penger i stedet for å miste penger) med bare å vinge den, kjøpe lavsalg høy som min strategi, men jeg vil gjerne takke det. Eventuelle tips til rådgivning er velkomne, jeg prøver å gå fra. Jeg har en liten anelse om hva jeg skal gjøre. Ja, jeg vet hva som skjer. Med vennlig hilsen, Thomas ps: Som bloggen din, leser det bra. Jeg tror du er correct8230 det er litt tilfeldig (eller mer enn litt.) Jeg må skrive et innlegg som svarer på de fleste spørsmålene dine, men det vil nok være en uke eller så. Gode spørsmål. Vær oppmerksom på om jeg don8217t skriver det innlegget i 2 uker. 200 dagers glidende gjennomsnitt eller noen langsiktige MA 8220works8221 hvis det er en del av handelsstrategi. I mitt tilfelle går jeg lang eller kort (ved bruk av futures kontrakter) når crossover skjer. Resultatene er uberegnelige bare hvis jeg handler en indeks eller to. Men hvis du handler med et stort antall aksjer, på tvers av ulike sektorer, med forskjellige grunnleggende, får du en overraskende konsistent, lav volatilitet tilbake. Hvis en haug med aksjer tilbyr 15 returkasser over en 10 års periode, vil en 200-dagers SMA-overgangsstrategi også gi tilsvarende avkastning, men med lavere volatilitet 8211 fordi du har muligheten til å gå kort. It8217s bare når du forventer massiv outperformance eller magisk avkastning, vil du bli skuffet. Vel, I8217d hevder at tankegangen savner punktet I8217m gjør. Bare fordi en faktor er en del av en lønnsom strategi, betyr ikke at faktoren selv er nyttig. For hva it8217s verdt 15 returnsyear er et veldig høyt antall for 8220a haug med aksjer82218230 virker rart. Og min erfaring med strategier som du foreslår, motsiger deg, men hvis du får 15 år med lav volatilitet med bevegelige gjennomsnitt, fortsett å gjøre hva du gjør. La meg klargjøre. 15 er ikke hva en bestemt strategi gir i retur 8211 Jeg brukte det bare for å illustrere at avkastningen fra å gå lenge kan repliseres med en longshort-strategi også, med lavere volatilitet. Jeg handler indiske aksjer, og her er 15 betraktet som en konservativ avkastningsestimasjon. Og ja, jeg forstår at bare å gå lang eller kort mekanisk med en crossover-strategi, vil det resultere i whipsaws dreper retur 8211 selvsagt må man gjøre mer. That8217s hvorfor jeg nevnte at et langsiktig glidende gjennomsnitt er bare en viktig del av handelssystemet 8211 ikke det komplette handelssystemet i seg selv. Jeg velger 200 dagers SMA fordi jeg tror at den utbredt bruken virker som en selvoppfyllende profeti. Jeg er interessert i å evaluere en bevegelig gjennomsnittsstrategi med færre transaksjoner, som 200-dagers isn8217t er kjent for. Hvis p-verdiene ligner en lengre periode som den 10-måneders SMA foretrukket av Mebane Faber (I utgangspunktet det samme som et 200-dagers glidende gjennomsnitt, men bare evaluert en gang i måneden, på den siste dagen i måneden.) Da jeg gjorde testingen jeg så på svært lange og kortsiktige gjennomsnitt8230 så mange forskjellige variasjoner8230 og også på forskjellige tidsrammer. Jeg forventer (gjetter her) at weeklymonthly data er enda mindre overbevisende fordi disse returene er nærmere tilfeldig gange. Sannsynligvis er det fornuftig å indeksere og kalle det en dag på det tidspunktet. Men du kunne sikkert ha en regel til å bare vurdere 200 dagene på slutten av måneden. Jeg tror ikke jeg så på regler som that8230 Jeg ville ikke forvente å finne noe, men det er skjønnheten til research8230 du aldri vet. There8217s bevis på momentumtrend i markedene for perioder så lenge som ett år. Hvorfor skulle du si at månedlige glidende gjennomsnitt kunnen8217t fange noe av dette som bedre risikojustert avkastning. Faber har testet X-måneders glidende gjennomsnitt over 100 år med amerikanske aksjemarkedsdata og ulike aktivaklasser, og jeg tror selv sektorer og forskjellige land. Han viser generelt at det reduserer volatiliteten med om lag 30 mens ikke avtar avkastning så mye over lange perioder. Og den enkle strategien virket utmerket under prøveperioden over 1987-2010. Men Faber viser aldri om det er statistisk signifikant. De fleste investeringsskribenter don8217t berører ideen om statistisk betydning. Imidlertid viser ikke papiret du nevner ovenfor (Brock, Lakonishok og LeBaron, 1992) at glidende gjennomsnitt har gode p-verdier. Det ser ut som om de viser statistisk 8220work8221 (minst historisk)
No comments:
Post a Comment