Diskussion zum Artikel "Klassische Strategien neu interpretieren (Teil 19): Tiefes Eintauchen in das Kreuzen von gleitenden Durchschnitten"

[MetaQuotes]

Neuer Artikel Klassische Strategien neu interpretieren (Teil 19): Tiefes Eintauchen in das Kreuzen von gleitenden Durchschnitten :

In diesem Artikel wird die klassische Strategie des Kreuzens von gleitenden Durchschnitten wieder aufgegriffen und untersucht, warum sie in bewegten, schnelllebigen Märkten oft scheitert. Es werden fünf alternative Filtermethoden vorgestellt, die die Signalqualität verbessern und schwache oder unrentable Handelsgeschäfte entfernen sollen. Die Diskussion zeigt, wie statistische Modelle lernen und Fehler korrigieren können, die der menschlichen Intuition und traditionellen Regeln entgehen. Die Leser erhalten ein besseres Verständnis dafür, wie man eine veraltete Strategie modernisieren kann und welche Fallstricke es gibt, wenn man sich bei der Finanzmodellierung ausschließlich auf Kennzahlen wie den RMSE verlässt.

Dieser Artikel untersucht die klassische Strategie des Kreuzens von gleitenden Durchschnitten und bietet dem Leser mehrere alternative Lösungswege, die er beschreiten kann, um die herkömmlichen Probleme der Strategie zu überwinden. Neben vielen anderen bekannten Problemen ist die Strategie dafür bekannt, dass sie verrauscht ist, verzögerte Handelssignale liefert und in großem Umfang ausgenutzt wird. Vereinfacht ausgedrückt bedeutet dies, dass die Handelssignale der traditionellen Strategie des Kreuzens von gleitenden Durchschnitten zu schnell und zu häufig umgekehrt werden können, als dass Händler zuverlässig von dieser Strategie profitieren könnten. Hinzu kommt, dass viele falsche Ausbrüche zu einem zu frühen Einstieg führen.

Die Strategie in ihrer traditionellen Form scheint anfällig für Rauschen zu sein und verfügt über unzuverlässige Mechanismen zum Herausfiltern von schwachen und unrentablen Handelsgeschäften. Die hier vorgestellten Lösungen helfen, die Schwächen der traditionellen Strategie zu überwinden, indem sie Filter für Handelssignale entwickeln, die weitaus robuster gegenüber Marktstörungen sind. In diesem Artikel untersuchen wir insbesondere fünf verschiedene Varianten von Lösungen, die darauf abzielen, die schwachen Handelsgeschäfte aus den vom Kreuzen erzeugten Signalen herauszufiltern.

Das Kreuzen gleitender Durchschnitte scheinen für unsere statistischen Modelle ein fruchtbarer Boden zu sein, aus dem sie lernen können. Die von uns erstellten statistischen Modelle lernten die Fehler, die geblieben sind, wenn sich die gleitenden Durchschnitt kreuzen – Fehler, die wir selbst nicht manuell herausfiltern konnten, indem wir uns kreativ bessere Handelsregeln ausdachten. Natürlich gibt es eine natürliche Grenze dafür, wie weit unsere menschliche Intuition uns bei der Optimierung einer Strategie leiten kann, aber wo die Intuition versagt, können uns unsere statistischen Modelle helfen, den Rest der Arbeit zu erledigen.

Autor: Gamuchirai Zororo Ndawana