Kein Update Mehr Verpassen ! Abonnieren Sie Den R - Bloggern , Um E-Mails Mit Den Neuesten R - Beiträge Erhalten ( Sie Werden

Handel mit Garch Volatilitätsvorhersage Quantum Financier schrieb einen interessanten Artikel Regime Switching System Mit Volatilitätsvorhersage. Der Beitrag stellt einen eleganten Algorithmus, um zwischen Rückkehr zum Mittelwert und Trendfolge-Strategien auf der Grundlage der Marktvolatilität zu wechseln. Zwei Modells untersucht: eine mit der historischen Volatilität und eine weitere mit dem GARCH (1,1) Volatilität Vorhersage. Die Rückkehr zum Mittelwert Strategie mit RSI (2) modelliert: Lang beim RSI (2) und Short anders. Die Trendfolgestrategie mit SMA 50/200 Crossover modelliert: Lang bei SMA (50) & gt; SMA (200) und Short anders. Ich möchte zeigen, wie man diese Ideen mit der Backtesting-Bibliothek in der systematischen Investor Toolbox implementieren. Folgenden Code Lasten historische Preise von Yahoo Fiance und vergleicht die Leistung der Buy and Hold, Mean-Reversion und Trendfolge-Strategien mit Hilfe der Backtesting-Bibliothek in der systematischen Investor Toolbox: Als nächstes erstellen wir eine Strategie, die zwischen Rückkehr zum Mittelwert und Trendfolge-Strategien auf Basis der historischen Volatilität der Märkte schaltet. Als nächstes erstellen wir eine GARCH (1,1) Volatilität Vorhersage. Ich würde Lese folgenden Artikel für jedermann, zu finden, was GARCH geht oder ihre Kenntnisse auffrischen will empfehlen: GARCH (1,1) von David Harper einen sehr guten einführenden Artikel mit viel visuelle Diagramme. Praktische Fragen in univariate GARCH Modellierung von Y. Chalabi, D. Wurtz Schritt für Schritt Beispiel für pass GARCH (1,1) - Modell mit voller R-Code. Grundlegende Einführung in die von Quantum Financier GARCH ist eine Reihe von Stellen, die in den Angaben und Annahmen des GARCH und EGARCH geht. Es gibt ein paar R Pakete GARCH Modelle. Ich werde prüfen, GARCH Funktion aus tseries Paket und garchFit Funktion aus fGarch Paket. Das GARCH-Funktion aus tseries Paket ist schnell, aber nicht immer Lösung zu finden. Die garchFit Funktion aus fGarch Paket ist langsamer, aber konvergiert konsequenter. Um die Drehzahldifferenz zwischen GARCH Funktion und garchFit Funktion ich eine einfache Benchmark erstellt zu demonstrieren: Die garchFit Funktion ist im Durchschnitt 6 mal langsamer als GARCH-Funktion. Also, um die Volatilität Ich werde versuchen, GARCH Funktion nutzen zu prognostizieren, wann immer es eine Lösung und garchFit Funktion sonst finden. Nun erstellen wir eine Strategie, die zwischen Rückkehr zum Mittelwert und Trendfolgestrategien, die auf GARCH (1,1) Volatilität Sage schaltet. Die Schaltstrategie, die verwendet GARCH (1,1) Volatilitätsprognose etwas besser als die, die historische Volatilität verwendet. Es viele verschiedene Ansätze, die Sie ergreifen können, um Vorhersagen in Ihre Modelle und Trading-Strategien zu integrieren. R hat eine sehr reiche Sammlung von Paketen zu modellieren und zu Prognosezeitreihen. Hier sind einige Beispiele, die ich interessant fand: Um den vollständigen Quellcode für dieses Beispiel zu sehen, schauen Sie bitte in der bt. volatility. garch () Funktion in bt. test. r bei Github.