Discusión sobre el artículo "El filtro de Kalman para estrategias de reversión a la media en Forex"

Nuevo comentario
 

Artículo publicado El filtro de Kalman para estrategias de reversión a la media en Forex:

El filtro de Kalman es un algoritmo recursivo utilizado en el trading algorítmico para estimar el estado real de una serie temporal financiera filtrando el ruido de los movimientos de precios. Actualiza dinámicamente las predicciones basándose en nuevos datos del mercado, lo que lo hace valioso para estrategias adaptativas como la reversión a la media. Este artículo presenta primero el filtro de Kalman, cubriendo su cálculo e implementación. A continuación, aplicamos el filtro a una estrategia clásica de reversión a la media en el mercado de divisas como ejemplo. Por último, realizamos diversos análisis estadísticos comparando el filtro con una media móvil en diferentes pares de divisas.

El filtro de Kalman, introducido por Rudolf E. Kalman en 1960, es un estimador recursivo óptimo utilizado para el seguimiento y la predicción de sistemas dinámicos. Desarrollado originalmente para sistemas aeroespaciales y de control, se ha aplicado ampliamente en finanzas, robótica y procesamiento de señales. El filtro funciona en dos pasos: un paso de predicción, en el que estima el siguiente estado del sistema, y un paso de actualización, en el que refina la estimación basándose en nuevas observaciones y minimizando el ruido. 

En el ámbito del trading algorítmico, se puede considerar simplemente como un filtro de régimen común que suelen utilizar los operadores, similar a los modelos de media móvil o regresión lineal. El filtro de Kalman se adapta dinámicamente a los nuevos datos, reduce el ruido y actualiza eficazmente las estimaciones en tiempo real, lo que lo hace eficaz para detectar cambios en el régimen del mercado. Sin embargo, asume una dinámica lineal, requiere un ajuste cuidadoso de los parámetros, puede tardar en detectar cambios bruscos y es computacionalmente más complejo que filtros más simples como las medias móviles.

Algunos usos comunes del filtro de Kalman en el trading algorítmico:

  • Operaciones de reversión a la media: utilizar el precio actual en comparación con el precio estimado como filtro de entrada.
  • Operaciones con pares: Estima dinámicamente el diferencial entre activos correlacionados y ajusta los ratios de cobertura en función de las condiciones cambiantes del mercado.
  • Seguimiento de tendencias: Filtra el ruido a corto plazo para detectar con mayor precisión las tendencias de precios a largo plazo.
  • Estimación de la volatilidad: Proporciona estimaciones adaptativas de la volatilidad del mercado para la gestión del riesgo y el dimensionamiento de posiciones.


Autor: Zhuo Kai Chen

 

Me gusta su presentación.

Muchas gracias. Por favor, siga así.

  
Low Q and moderate R yield stable predictions, while high Q and low R make the filter more reactive but noisier.

¿Qué opina de la optimización de estos insumos (Q y R)?

¿Cómo decidiría sus valores para el EA?

 
Too Chee Ng #:

Me gusta tu presentación.

Muchas gracias. Por favor, siga así.

Gracias. Seguiré mejorando la calidad de mis artículos a medida que vaya aprendiendo más.

 
Too Chee Ng #:

¿Qué opina de la optimización de estos insumos (Q y R)?

¿Cómo decidiría sus valores para el EA?

Muy buena pregunta. Yo diría que no se esfuerce demasiado para optimizar los valores específicos. Trate de seleccionar algunos valores estándar y optimizar el umbral en lugar de optimizar los parámetros del indicador. Te recomendaría elegir la varianza de medición entre 1000, 100 y 10, y elegir la varianza de proceso entre 1, 0,1 y 0,01.

Nuevo comentario