Обсуждение статьи "Фильтр Калмана для возвратных стратегий на рынке Форекс"

Новый комментарий
 

Опубликована статья Фильтр Калмана для возвратных стратегий на рынке Форекс:

Фильтр Калмана представляет собой рекурсивный алгоритм, применяемый в алготрейдинге для оценки истинного состояния финансового временного ряда посредством фильтрации шума из движения цен. Он динамически обновляет прогнозы на основе новых рыночных данных, что делает его ценным для таких адаптивных стратегий, как возвратные. В этой статье впервые представлен фильтр Калмана, а также рассмотрены его расчет и реализация. Кроме того, в качестве примера мы применим этот фильтр к классической возвратной форекс-стратегии. Наконец, проведем различные виды статистического анализа, сравнивая фильтр со скользящей средней на различных валютных парах.

Фильтр Калмана, предложенный в 1960 году Рудольфом Э. Калманом, представляет собой метод оптимальной рекурсивной оценки для отслеживания и прогнозирования динамических систем. Изначально разработанный для авиакосмических систем и систем управления, он широко применяется в финансах, робототехнике и обработке сигналов. Фильтр действует в два этапа: этап прогнозирования, когда он оценивает следующее состояние системы, и этап обновления, когда он уточняет оценку на основе новых наблюдений, минимизируя при этом шум. 

В области алготрейдинга его можно рассматривать просто как распространенный и часто используемый трейдерами режимный фильтр типа скользящей средней или линейной регрессии. Фильтр Калмана динамически адаптируется к новым данным, снижает уровень шума и эффективно обновляет оценки в режиме реального времени, что делает его эффективным при обнаружении изменений рыночного режима. Но он предполагает линейную динамику, требует тщательной настройки параметров, может запаздывать при выявлении резких изменений и, с точки зрения вычислений, является более сложным, чем простые фильтры наподобие скользящих средних.

Некоторые распространенные способы использования фильтра Калмана в алготрейдинге:

  • Торговля на возврат к среднему значению: использование текущей цены в сравнении с расчетной в качестве фильтра на вход.
  • Торговля парами: динамически оценивает спред между скоррелированными активами и адаптирует коэффициенты хеджирования в зависимости от меняющихся условий рынка.
  • Следование за трендом: фильтрует краткосрочный шум для более точного выявления долгосрочных ценовых трендов.
  • Оценка волатильности: обеспечивает адаптивные оценки волатильности рынка для управления рисками и размерами позиций.


Автор: Zhuo Kai Chen

 

Мне понравилась ваша презентация.

Большое спасибо. Пожалуйста, продолжайте в том же духе.

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

Какова ваша точка зрения на оптимизацию этих входов (Q и R)?

Как бы вы определили их значения для эксперта?

 
Too Chee Ng #:

Понравилась ваша презентация.

Большое спасибо. Пожалуйста, продолжайте в том же духе.

Спасибо! Я буду продолжать улучшать качество своих статей по мере того, как я узнаю больше.

 
Too Chee Ng #:

Какова ваша точка зрения на оптимизацию этих входов (Q и R)?

Как бы вы определили их значения для эксперта?

Отличный вопрос! Я бы сказал, что не стоит слишком усердствовать в оптимизации именно этих значений. Попробуйте выбрать несколько стандартных значений и оптимизировать порог, а не оптимизировать параметры индикатора. Я бы рекомендовал выбрать дисперсию измерения из 1000, 100 и 10, а дисперсию процесса - из 1, 0,1 и 0,01.

Новый комментарий