基于历史价格计算的升级交易系统的研究方法及其在金融市场中的应用

软件影响13（2022）100331原始软件出版物RTS：反应趋势系统的专家顾问Jose Augusto Fioruccia，japan，Geraldo Nunes Silvab，Flavio Barbozaca巴西利亚大学统计系，Campus Darcy Ribeiro，b圣保罗州立大学数学系，生物科学、人文和精确科学研究所，São José do RioPreto-SP，15054-000，巴西cUberlândia联邦大学（UFU），商业和管理学院自动清洁装置关键词：股票市场专家顾问交易系统金融时间序列波动率A B标准Wilder（1978）提出的一种经验策略，在任何市场条件下都可以根据历史价格计算出的4个行动点进行操作。在这里，我们开发了一个升级的系统，通过统计波动模型改进这些点的演算。综上所述，甘精胰岛素分位数取代了这些点中的固定值，操作逻辑仍然是初始和关闭头寸的原始方法。 本文的目的是展示如何使用已实现的R代码，结合RTS Expert Advisor来估计这些行动点。代码元数据当前代码版本1.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2022-54可再生胶囊的永久链接https://codeocean.com/capsule/9571839/tree/v1法律代码许可证MIT许可证使用的代码版本控制系统无使用R、MQL5的软件代码语言、工具和服务编译要求、操作环境依赖性（如有）开发人员文档/手册问题支持电子邮件jafiorucci@gmail.com1. 介绍从技术分析（TA）的角度来看，投资者通常会考虑资产的许多价格水平，特别是着名的枢轴点。两个高点是价格阻力点，而两个低点是价格支撑点[1]。在20世纪70年代后期这些要点被视为关键措施并非偶然和许多市场参与者的关键方向信号[3]。原文DOI：https://doi.org/10.1016/j.eswa.2022.116750。虽然过去学者们对TA的讨论一直持怀疑态度，但近年来我们可以发现大量的研究激增[4]，但争论仍然是开放的。然而，在这种情况下，两个最大的挑战来自于开始（和关闭）头寸的市场时机和风险纪律。第一个问题本质上与枢轴点有关，第二个问题与波动性测量有关基于此，我们测试了购买支持的简单策略和卖出阻力结合收盘和反转位置如果价格达到第二个支撑/阻力。根据[5]，原始策略表现不佳，这可以用我们的模型来证实（见前面的详细信息）。因此，我们的想法是应用GARCH波动率模型来更新这四个行动点，以便本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。*通讯作者。电子邮件地址：jafiorucci@unb.brJ.A. Fiorucci），geraldo. unesp.br（G.N. Silva），flmbarboza@ufu.br（F.Barboza）。https://doi.org/10.1016/j.simpa.2022.100331接收日期：2022年4月21日;接收日期：2022年5月12日;接受日期：2022年6月6日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsJ.A. Fiorucci，G.N.Silva和F.巴尔沃萨软件影响13（2022）1003312改进了对它们的动态估计，并提出了这种交易模型，在许多情况下，该模型显示出比以前的研究更好的风险调整收益[5]。[2]中提出的反应趋势系统（RTS）交易策略分为两种操作模式。第一种称为反应模式，它旨在用于市场波动的时期。 不是趋势。第二种称为趋势模式，正如其名称本身所宣称的那样，它会根据资产处于上升趋势或下降趋势的情况进行调整。这种策略是根据每天计算的四个基本点定义的，称为行动点。这些点定义了谈判的入口和出口，以及反应模式和趋势模式之间的交替。统计模型和机器学习被广泛用于交易，并取得了一定的成功[5]。纯统计交易模型通常特定于某些市场条件，例如配对交易[6]，套利[7]和行业模型的选择[8]。大多数模型都是基于过去学习的模式识别，在人类极端事件（如世界流行病，战争和市场崩溃）中表现可能很差[4]。我们的模型的优势是能够在任何市场条件下进行交易，因为它通过逆转头寸和跟随市场立即对市场走势做出反应。拟议的软件通过R代码预测行动检查过去某个时期交易模式的效率。此外，它还可以在MetaTrader 5（MT5）平台的模拟账户中操作，以执行与R代码相结合该策略不是完全用R编写软件代码，而是用MQL5语言进行评估。这种选择允许对从MT5平台捕获的概要进行讨论，该平台具有众所周知的交易模型回测环境，并提供了在几乎等于真实金融市场的模拟场景中执行远期实时交易的可能性。根据统计理论的波动率建模通过GARCH模型，我们提出了一个交易策略，修改了计算的行动点。在下文中，我们将这种方法称为RTS-甘精胰岛素。[5]的结果和可重现代码可在Code Ocean [9]的胶囊中获得。R代码和RTS Expert AdvisorMetatrader 5 [10]平台允许使用称为MQL5的专有编程语言自动化和测试交易策略。平台内的此类实现被称为专家顾问。最初的RTS策略[2]和RTS-GARCH [5]都是在同一个称为RTS的EA中实现的。在RTS-GARCH策略的情况下，智能交易系统依赖于使用R软件[11]以及库bayesDccGarch[12]在先验步骤中获得的参数估计。图1通过流程图说明了这一过程，其中，首先考虑由最大和最小变化的每日历史形成的二元数据，然后通过贝叶斯DCC-GARCH [13]模型处理此类数据集的波动性，从而生成将作为智能交易系统输入的参数估计值从 实 践 的 角 度 来 看 ， 第 一 步 （ 如 图 2 所 示 ） 是 编 辑 文 档Gestimation.Rmd的第23、24和25行，在这三行中，您必须根据 数据提供商（雅虎财经）提供的数据、模型将调整的开始日期和结束日期。因此，当使用R Markdown编译工作时，PDF格式的文档将Fig. 1. 流程图。图二. R Markdown代码的输入。RTS Expert Adviser参数的功能下面我们列出了RTS专家顾问中可用的其他参数，以及它们的功能描述• Magic Number：将专家顾问的执行与应用资产联系起来的数字代码• 开市时间：可以接收新交易指令的开始时间;• 市场结束时间：可以接收新交易指令的结束时间;• 市场关闭时间：算法应该关闭未平仓订单的时间（对REACTIONMODE很重要）;• 在反应模式下打开订单？：布尔型变量，在REACTION MODE模式下操作时，表示专家顾问• 用“B”，“O”，“S”？：boolean变量，根据Wilder的书[ 2 ]第75页描述的“阶段技术”，表示包含类型“买入”，“卖出”和“卖出”的操作日期序列1• 是否在反应模式下更新停止？：布尔型变量，表示在REACTIONMODE模式下操作时，专家顾问• 更新到更糟？：布尔型变量，表示在REACTION MODE模式下操作时，专家顾问在最后一页的末尾，将显示估计值（如图3的左图所示）。然后必须将这些值复制到相应的智能交易系统参数中（如图3的右窗格所示）。 3）。1技术 是 评价 一 先验 和 然后 丢弃 在 [五]《中国日报》 没有提出有竞争力的结果，也不知道任何数学/统计理由。J.A. Fiorucci，G.N.Silva和F.巴尔沃萨软件影响13（2022）1003313图3.第三章。 左图：Ge s t i v e s 的 R Markdown输出;右图：Ge s t i v e s 参 数 的 RTS输入。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢这 项 工 作 得 到 了 巴 西 圣 保 罗 研 究 基 金 会 （ FAPESP ） 的 资 助2013/07375-0和2016/10431-7的支持。Flavio Barboza还感谢巴西国家科学技术发展委员会（CNPq）的财政支持（程序编号：435173/2018-9）。引用见图4。 RTS专家顾问论证。• 更新反应模式下的TP？：布尔型变量，表示在REACTION MODE模式下操作时，专家顾问图4说明了这些变量以及EA交易系统及其默认值。对贸易商的新的交易策略的开发及其自动化是一个在科学文献中日益增强的主题[8，14，15]。事实上，交易者采用这些系统有几个优点，主要是在感兴趣的算法的精确再现以及信号解释和订单执行的高速方面[16]。从这个意义上说，在MQL5中实现RTS将在许多方面帮助感兴趣的学者，交易者和从业者。他们可以使用Metatrader 5平台直接重现[5]中提供的资产集的结果此外，他们可以在其他市场和资产中测试和使用R代码与EA交易系统该模型通过仅使用资产的观察回报的历史来预测未来波动。这一方法没有考虑到其他变量或相关事实。一方面，这是技术分析的典型特征。另一方面，如果在开仓或平仓的确认步骤中使用某些过滤器（来自其他数据），则可能会提高交易模型的性能未来改善GARCH波动率估计的发展可能包括对情绪指标和社交媒体趋势的分析。此外，此自动化交易系统可透过以其他语言书写扩展至其他平台，以供任何投资者应用。[1]Gil Cohen，Optimizing Algorithmic Strategies for Trading Bitcoin，Comput.经济57（2）（2021）639-654。[2] J. Welles Wilder，技术交易系统的新概念，趋势研究，1978.[3] MonikaBarla，A.Muralidhar Prasad，使用技术评估股票表现cal分析：TCS有限公司的案例研究，IUP J.账户。第20（1）（2021）号审计实务。[4] AndrewW.Lo，Harry Mamaysky，Jiang Wang，技术分析基础计算算法、统计推断和经验实现，J。金融55（4）（2000）1705-1765。[5]JoseAugusto Fiorucci，Geraldo Nunes Silva，Flavio Barboza，反应趋势系统与甘精胰岛素分位数作为行动点，专家系统。Appl. （2022）116750.[6]陈安生，杨哲明，伯克希尔最优统计套利交易Hathaway股票及其复制投资组合，PLoS One 16（1）（2021）e0244541。[7]克里斯托弗·克劳斯，统计套利对交易策略：回顾和outlook，J.经济监视器31（2）（2017）513[8] 张勇，刘伟龙，杨兴宇，模糊交易的自动交易系统投资组合优化问题与出售订单，专家系统应用187（2022）115822。[9] JoseAugusto Fiorucci，Geraldo Nunes Silva，Flavio Barboza，反应交易系统基于Gestival估计（1.0版）[源代码]，2022，CodeOcean。[10] MetaQuotesSoftware Corporation，MetaTrader 5交易平台，2020年。[11]R. 核心团队，R：统计计算的语言和环境，2020年，R统计计算基金会，奥地利维也纳[12] JoseAugusto Fiorucci，Ricardo S.Ehlers，Francisco Louzada，BayesDccGarch：贝叶斯动态条件相关性Gynecology模型，2020，R包版本2.1。[13] JoseAugusto Fioruci，Ricardo S.作者：Ehlers，Marinho G.Andrade Filho，Bayesian具有动态相关性和非对称误差分布的多变量Gynecological模型，J. Appl. Stat. 41（2）（2014）320[14] Ash Booth，Enrico Gerding，Frank McGroarty，自动交易与perfor-Mance加权随机森林和季节性，Expert Syst.Appl.41（8）（2014）3651-3661。[15] ThibautThéate，Damien Ernst，深度强化学习的应用算法交易，专家系统Appl. 173（2021）114632.[16] 黄博明，黄宇翔，李大旭，郑丽蓉，邹卓，汽车-mated交易系统统计和机器学习方法和硬件实现：一项调查，企业。Inf. Syst. 13（1）（2019）132-144.