¡No Te Pierdas Una Actualización! Suscríbete A R-Bloggers Para Recibir Correos Electrónicos Con Los Últimos Mensajes R (You Will

Negociación usando la previsión de volatilidad de Garch Quantum Financier escribió un artículo interesante Regime Switching System Using Volatility Forecast. El artículo presenta un elegante algoritmo para alternar entre la reversión media y las estrategias de seguimiento de tendencias basadas en la volatilidad del mercado. Se examinan dos modelos: uno utilizando la volatilidad histórica y otro utilizando el Pronóstico de Volatilidad de Garch (1,1). La estrategia de reversión media se modela con RSI (2): Long cuando RSI (2), y Short en caso contrario. La estrategia de seguimiento de tendencias se modela con el crossover SMA 50/200: Long cuando SMA (50) & gt; SMA (200), y Short en caso contrario. Quiero mostrar cómo implementar estas ideas utilizando la biblioteca de backtesting en la Caja de herramientas para inversores sistemáticos. El siguiente código carga los precios históricos de Yahoo Fiance y compara el rendimiento de las estrategias Buy and Hold, Mean-Reversion y Trend-Following usando la biblioteca de backtesting en la Caja de herramientas Systematic Investor Toolbox: A continuación, creemos una estrategia que cambie entre las estrategias de reversión media y las tendencias siguientes basadas en la volatilidad histórica del mercado. A continuación, vamos a crear un GARCH (1,1) Pronóstico de volatilidad. Yo recomendaría leer los siguientes artículos para cualquier persona que quiera encontrar lo que GARCH es todo o para actualizar sus conocimientos: GARCH (1,1) por por David Harper un muy buen artículo introductorio con muchos diagramas visuales. Cuestiones prácticas en el modelado univariado de GARCH por Y. Chalabi, D. Wurtz ejemplo paso a paso de encajar el modelo GARCH (1,1) con el código R completo. La Introducción Básica a GARCH por Quantum Financier es una serie de publicaciones que se dedican a los detalles y suposiciones de GARCH y EGARCH. Existen unos pocos paquetes R para los modelos GARCH. Consideraré la función del garch del paquete del tseries y de la función del garchFit del paquete del fGarch. La función del garch del paquete del tseries es rápida pero no encuentra siempre la solución. La función garchFit del paquete fGarch es más lenta pero converge más consistentemente. Para demostrar la diferencia de velocidad entre la función garch y la función garchFit creé un punto de referencia simple: La función garchFit es en promedio 6 veces más lenta que la función garch. Así que para predecir la volatilidad voy a tratar de utilizar la función de garch siempre que pueda encontrar una solución y garchFit función de lo contrario. Ahora, vamos a crear una estrategia que cambia entre la reversión media y las estrategias de seguimiento de tendencias basadas en GARCH (1,1) pronóstico de volatilidad. La estrategia de conmutación que utiliza la predicción de volatilidad de GARCH (1,1) tuvo un desempeño ligeramente superior al que utiliza la volatilidad histórica. Hay muchos enfoques diferentes que puede tomar para incorporar la previsión en sus modelos y estrategias de negociación. R tiene un conjunto muy rico de paquetes para modelar y pronosticar series temporales. Aquí hay algunos ejemplos que me parecieron interesantes: Para ver el código fuente completo de este ejemplo, eche un vistazo a la función bt. volatility. garch () en bt. test. r en github.