Discussão do artigo "O Filtro de Kalman para Estratégias de Reversão à Média no Forex"

Novo comentário
 

Novo artigo O Filtro de Kalman para Estratégias de Reversão à Média no Forex foi publicado:

O filtro de Kalman é um algoritmo recursivo utilizado em trading algorítmico para estimar o verdadeiro estado de uma série temporal financeira ao filtrar o ruído dos movimentos de preço. Ele atualiza dinamicamente as previsões com base em novos dados de mercado, tornando-se valioso para estratégias adaptativas como reversão à média. Este artigo primeiro apresenta o filtro de Kalman, abordando seu cálculo e implementação. Em seguida, aplicamos o filtro a uma estratégia clássica de reversão à média no forex como exemplo. Por fim, realizamos diversas análises estatísticas comparando o filtro com uma média móvel em diferentes pares de forex.

O filtro de Kalman, introduzido por Rudolf E. Kalman em 1960, é um estimador recursivo ótimo utilizado para rastrear e prever sistemas dinâmicos. Originalmente desenvolvido para sistemas aeroespaciais e de controle, ele foi amplamente aplicado em finanças, robótica e processamento de sinais. O filtro opera em duas etapas: uma etapa de previsão, na qual estima o próximo estado do sistema, e uma etapa de atualização, na qual refina a estimativa com base em novas observações enquanto minimiza o ruído. 

No campo do trading algorítmico, ele pode ser visto simplesmente como um filtro de regime comum que traders utilizam, semelhante a modelos de média móvel ou regressão linear. O filtro de Kalman adapta-se dinamicamente a novos dados, reduz ruído e atualiza estimativas de forma eficiente em tempo real, tornando-o eficaz para detectar mudanças de regime de mercado. No entanto, ele assume dinâmicas lineares, requer ajuste cuidadoso de parâmetros, pode apresentar atraso na detecção de mudanças abruptas e é computacionalmente mais complexo do que filtros mais simples como médias móveis.

Alguns usos comuns do filtro de Kalman no trading algorítmico:

  • Reversão à Média: Utilizar o preço atual comparado ao preço estimado como filtro de entrada.
  • Pairs Trading: Estimar dinamicamente o spread entre ativos correlacionados e ajustar proporções de hedge conforme as condições de mercado mudam.
  • Trend Following: Filtrar o ruído de curto prazo para detectar tendências de preço de longo prazo com maior precisão.
  • Estimativa de Volatilidade: Fornecer estimativas adaptativas da volatilidade do mercado para gestão de risco e dimensionamento de posições.


Autor: Zhuo Kai Chen

 

Gostei de sua apresentação.

Muito obrigado. Por favor, continue assim.

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

Qual é a sua opinião sobre a otimização desses insumos (Q e R)?

Como você decidiria seus valores para o EA?

 
Too Chee Ng #:

Gostei de sua apresentação.

Muito obrigado. Por favor, continue assim.

Obrigado! Continuarei melhorando a qualidade de meus artigos à medida que for aprendendo mais.

 
Too Chee Ng #:

Qual é a sua opinião sobre a otimização desses insumos (Q e R)?

Como você decidiria seus valores para o EA?

Ótima pergunta! Eu diria para não se esforçar muito para otimizar os valores especificamente. Tente selecionar alguns valores padrão e otimizar o limite em vez de otimizar os parâmetros do indicador. Eu recomendaria que você escolhesse a variação de medição entre 1000, 100 e 10 e escolhesse a variação do processo entre 1, 0,1 e 0,01.

Novo comentário