Pca Trading Strategien

Ich habe mich mit der Erforschung von Handelsstrategien in Verbindung mit PCA beschäftigt, um festverzinsliche Futures-Instrumente zu handeln. Anscheinend wird PCA häufig in diesem Bereich verwendet Ich bin nur auf der Suche nach einigen Referenzen für die Erlangung einer Grundidee, was eine Strategie aussehen könnte Ich bin nicht auf der Suche nach einem Sieg Strategie - nur eine Skizze, wie PCA bei der Erstellung von Handelssignalen nützlich sein könnte, verstehe ich die Mathematik hinter PCA und habe es in anderen Bereichen verwendet, aber seine Anwendungen zur Finanzierung sind neu für mich. das 6. Januar um 18 13.One von Die besten Stücke, die jemals über dieses Thema geschrieben wurden, sind Salomon s Principles of Principal Components, die im Internet leicht zugänglich ist. Ich habe in die Details eingegangen, da diese Zeitung lächerlich umfassend ist, aber die Grundidee ist einfach - wenn man eine PCA auf der Grundlage von Erträgen, die ersten drei Komponenten erfassen die meisten der Abweichungen, mit den drei Faktoren grob interpretiert als die Ebene, Hang und Krümmung der Kurve. Die am weitesten verbreitete Anwendung für PCA ist Schmetterling Handel zB können Sie den TY Vertrag kaufen Gegen FV und WN oder Sie können EDZ6 gegen EDZ5 und EDZ4 PCA kaufen können Sie t berechnen die Risikogewichte benötigt, so dass die Strukturen sind neutral zu den ersten beiden Hauptkomponenten Dies ermöglicht es Ihnen, auf den Handel der Krümmung der Zinsstruktur Kurve konzentrieren, ohne zu nehmen Auf Niveau Hang risks. answered Jan 6 15 bei 19 39.It s eine empirische Beobachtung, aber sehr viel ein Ergebnis, wie Rendite Kurve gehandelt verhält sich Wenn zerlegen Bond Portfolio Rückkehr über lange Horizonte, werden Sie fast immer feststellen, dass die Dauer dh Ertragsniveau ziemlich viel ist der einzige wichtigste Faktor ist es auch, was die Leute über die meisten 10-jährigen Rendite sprechen BLAH heute Slope ist definitiv die nächste Sache, die s auf Menschen s Verstand Die Rendite Kurve Stier abgeflacht Bär geepened etc heute Krümmung ist fast Nie in der Presse erwähnt, und ist in der Tat ein viel kleinerer Faktor beim Fahren der täglichen Rendite Kurven Bewegungen Helin Gai Jan 6 15 bei 21 22.Let haben Sie ein multifaktorielles Modell, das als Eingaben über 10,20 exogene schwach stationäre Variablen nimmt. Dann können Sie PCA verwenden Bekomme nur 3.4 orthogonale Variablen, um dein Modell zu vereinfachen, ohne zu viel zu verlieren, was es vielleicht zuerst gibt. 3.4 Hauptkomponenten erklären mehr als 90 der 10.20 Originalvariablen Gesamtvarianz Zum Beispiel verwenden technische Händler oft viele ta Indikatoren wie MACD, RSI , Stochastisch und so weiter es wahrscheinlich die erste Hauptkomponente dieser Indikatoren erklären mehr als 95 von allen Indikatoren Varianz Lisa Ann Mai 2 13 um 9 54.Um Ihre Fragen zu beantworten, müssen wir einen Blick auf das, was es does. PCA ist mathematisch Definiert als eine orthogonale lineare Transformation, die die Daten in ein neues Koordinatensystem umwandelt, so dass Nachrichtenvektoren orthogonale sind und den Hauptteil der Varianz des ersten Satzes erklären. Er nahm eine N x M Matrice als Eingabe, N repräsentiert die unterschiedliche Wiederholung Des Experiments und M die Ergebnisse einer bestimmten Sonde Es gibt Ihnen Richtungen oder Hauptkomponenten, die die Varianz Ihres Datasets erklären. So hängt alles davon ab, was Sie in Ihren PCA eingeben Ich benutze PCA, um Marktkorrelation zu betrachten, also gebe ich ein M Preise über N-mal Sie können eingeben, differents Messen Sie Griechen, Futures einer einzelnen Aktien, um einen Blick auf seine Dynamik Mein Gebrauch wird die Korrelation eines Aktienkurses mit dem Markt, bekannt als Beta geben, wird die andere Verwendung geben Korrelation zwischen verschiedenen Technische Indikatoren für eine Aktie Und gut, ich denke, Sie können einige interessante Ergebnisse mit differents Indikatoren über differents stocks. Don t vergessen, vor der Verarbeitung Wie Sie hier sehen können Datensynchronisation gibt es einige schwierige Probleme mit Marktdaten. Es hängt auch davon ab, was Sie tun mit Ihren Ergebnissen Sie können ein Kriterium verwenden, um Komponenten mit wenig Varianz zu entfernen, um die Dimension Ihres Datensatzes zu reduzieren Dies ist das übliche Ziel von PCA Es gibt Ihnen eine reduzierte Anzahl von Aktien, um ein Portfolio zu bauen, um Gewinnrisikokurven zu schätzen. Aber Sie Kann auch eine komplexere Nachbehandlung Hier können Sie sehen, eine Verwendung von PCA kombiniert mit zufälligen Matrix-Theorie, um das Lärm des Marktes zu entfernen. PCA ist ein Werkzeug, ein sehr leistungsfähiges Werkzeug, aber nur ein Werkzeug Ihre Ergebnisse hängt davon ab, wie Sie verwenden Es ist das Risiko, es zu viel zu verwenden Sie wissen, was sie sagten, wenn Sie einen Hammer haben jedes Problem sieht aus wie ein Nagel. In einem früheren Beitrag präsentiere ich, wie man die Hauptkomponente Analyse verwenden kann, um Risikofaktoren abzuleiten Auch mit dem PCA , Das unterschiedliche Eigenportfolio kann als Paar-Handel auf der Ebene der Sektoren betrachtet werden Die Idee beruht auf dem Kohärenzprinzip siehe Avellaneda 2002, wenn Unternehmen nach ihren Koeffizienten in einem gegebenen Eigenvektor sortiert werden, Unternehmen derselben Branche oder Branche sind zusammengefasst. Die Pläne der sortierten Koeffizienten gegenüber den entsprechenden Firmen helfen zu bemerken, dass die Nachbarn eines bestimmten Unternehmens dazu neigen, in der gleichen Branche zu sein. In diesem Beitrag präsentiere ich eine Methodik des Paarhandels, wo die Paare mit dem PCA und Das Kohärenzprinzip Dies ist nur eine Vorgehensweise, ich stelle eine Methodik vor. Das Kohärenzprinzip gilt in diesem Fall, die Bestände derselben Branche sind zusammengefasst Für die Zwecke der Illustration verwende ich die Top-Aktien im Dritten Eigenvektor. Diese Bestände gehören dazu Auf den gleichen Sektor Basic Materials. I wählen zwei Kandidaten, um die Paar-Handelsstrategie SWN und CNX zu testen Ich behaupte nicht, dass dies die beste Wahl oder die beste Strategie ist, wie ich schon sagte, das ist nur ein How-to-do. For Einfachheit, Die beiden Serien sind in der gleichen Datei. Hier ist der R-Code. Laden Sie die Bibliothek. library tseries Lesen Sie eine Datei namens in R. Definieren Sie die beiden Variablen, die zum Testen der Paarhandelsstrategie verwendet werden. swn dataS, 2 cnx dataS, 3. Einfache lineare Regressionsmodell ohne Intercept Und Aufbau der Ausbreitung S y-hedgeratio x beta repräsentiert das Modell ersten Koeffizienten ist die hedgeratio. cnx 0 beta coef lmresult 1 verbreitet swn-beta cnx. Test für die Kointegration mit dem Augmented Dickey-Fuller Test für Einheit Wurzel Der Test ist auf 5 Level. resCADF alternative stationäre, k 0, wenn 0 05 Katze Die Ausbreitung ist wahrscheinlich Mittelwert-Rückstellung n sonst Katze Die Ausbreitung ist nicht Mittel-reverting n. Trennen Sie die Daten in Trainings-Set und testen Sie auf Backtest die Paar-Handelsstrategie und optimieren Sie ihre Parameter. Definieren Indizes für Training set. trainset 1 100 1 Längen dataS, 1 2 Testset Länge Trainset 1 Länge dataS, 1. Bestimmt das Hedge-Verhältnis auf dem Trainings-Set Einfaches lineares Regressionsmodell auf dem Trainset bestimmt den spread.0 cnx-Trainset, hedgeratio coef lmresult 1 verbreitet swn-hedgeratio cnx plot verbreitung, Typ l. Beschreibung der Spread. spreadMean mittlere Spread Trainset, Katze Spread Mean, spreadMean, n spreadStdDev sd Spread Trainset, Katze Spead Standard Abweichung, spreadStdDev, n. Z-Score der Spread. Definierte Strategie Buy Spread, wenn Wert unter 2 Standardabweichungen und Shorts sinkt, wenn sein Wert über 2 Standardabweichungen steigt zcore hat Standardabweichung 1. Exir Positionen, wenn die Spread innerhalb von 1 Standardabweichungen von seinem Mittelwert. Definieren Sie die Positionen matrix. posMatrix Matrix NaN, Längen dataS, 1, 2 posMatrix longPos, 1 1 posMatrix longPos, 2 -1 posMatrix shortPos, 1 -1 posMatrix shortPos, 2 1 posMatrix existPos, 0.Return dataS, 2 3 - lagg dataS , 2 3 lagg dataS, 2 3.sharpeTrainset sqrt Länge trainset mittlere pnl 2 länge trainset sd pnl 2 länge trainset katze das sharpe ratio auf training set ist, sharpeTrainset, n. Sharpe Ratio auf testset. sharpeTestset sqrt length testset mean pnl testset sd pnl testset cat das sharpe ratio auf test set ist, sharpeTestset, n. Lagg-Funktion Lagg-Funktion xy Matrix NaN, LängendatenS, 1, 2 y 2 Längen dataS, 1, 1 x 1 Längen dataS, 1 -1, 1 y 2 Längen dataS, 1, 2 x 1 Längen dataS, 1 -1, 2 Rückkehr y.