Estratégias de negociação de volatilidade sistemática

Estratégia de Volatilidade da TradingTheOdds.
Hoje quero ver os seguintes posts:
Helmuth Vollmeier Você pode fazer o download de um XIV “longo” e um “longo” VXX para o início do VIX futuros 2004 a partir do meu Dropbox, que é atualizado diariamente com dados CSI por meio de um pequeno R-script. VXX: dl. dropboxusercontent / s / 950x55x7jtm9x2q / VXXlong. TXT XIV: dl. dropboxusercontent / s / jk6der1s5lxtcfy / XIVlong. TXT.
Ilya, Samuel update: ZIV & amp; VXZ, reconstruído de acordo com o método descrito em seu prospecto VXZ: dropbox / s / y3cg6d3vwtkwtqx / VXZlong. TXT ZIV: dropbox / s / jk3ortdyru4sg4n / ZIVlong. TXT.
Carregue os dados do histórico de SPY e TLT e alinhe-os para que as datas em ambas as séries temporais sejam correspondentes. Também ajustamos dados para desdobramentos e dividendos.
Em seguida, vamos calcular estatísticas e sinal de negociação.
Agora estamos prontos para testar nossa estratégia:
e criar relatórios.
Em seguida, análise de sensibilidade:
O tempo decorrido é de 18,29 segundos.
Helmuth Vollmeier diz que meu aplicativo A estratégia emprega uma variável SINGLE (a SMA de uma proporção de 2 pontos na estrutura a termo). A estratégia é robusta em toda a gama. Mesmo se você quiser, não há quase nenhuma maneira de obter um desempenho medíocre! Nenhuma otimização inteligente mudará esse fato. Para "colher" o prêmio, acho que as estratégias mais simples são as mais eficientes,
Uma nota secundária sobre a entrada: uma entrada no fecho NEXT é ainda mais rentável do que entrar no fecho (existe alguma reversão a médio prazo)
vxx xiv ratio ma ação ret.
2014-11-13 0.0103 -0.0128 0.8942 0.9162 -1 -0.0128 2014-11-14 0.0032 -0.0024 0.9002 0.9162 -1 -0.0024 2014-11-17 -0.0021 0.0024 0.8949 0.9162 -1 0.0024 2014-11-18 -0.0175 0.0167 0.89 0,9162 -1 0,0167 2014-11-19 0,0242 -0,0244 0,8917 0,9161 -1 -0,0244 2014-11-20 -0,0104 0,0101 0,8939 0,9163 -1 0,0101.
delta (declive da estrutura a termo) = VIX - VXV.
Uma boa maneira de usar essa estratégia de alto desempenho em seu portfólio é equilibrá-la com outras posições. Por exemplo, veja Barbell investindo com o XIV / SVXY no blog Don't Fear the Bear.

Negociação de Futuros Sistemáticos.
Em sua negociação proprietária, o foco principal da Systematic Strategies é em estratégias de capital e volatilidade, tanto de baixa quanto de alta frequência. Nos futuros, a ênfase está na negociação de alta frequência, embora também tenhamos uma ou duas estratégias de baixa frequência com maior capacidade, como o Futures WealthBuilder. A versão do WealthBuilder em execução no site Collective 2 teve um ótimo desempenho em 2017, com retornos líquidos de 30% e um Índice de Sharpe de 3,4:
No espaço de alta frequência, nosso foco é em estratégias com Altíssimos Índices de Sharpe e baixos rebaixamentos. Negociamos uma gama de produtos futuros, incluindo mercados de ações, renda fixa, metais e energia. Apesar dos baixos níveis atuais de volatilidade do mercado, essas estratégias tiveram um bom desempenho em 2017:
Construir estratégias de alta frequência com índices de Sharpe de dois dígitos requer uma sinergia de capacidade computacional e conhecimento de modelagem. A microestrutura dos mercados futuros é, naturalmente, substancialmente diferente da dos mercados de ações ou de forex e os componentes do modelo que incluem os efeitos da microestrutura variam muito de um produto para outro. Também pode haver variações substanciais na maneira como o tempo é tratado no modelo & # 8211; seja como tempo de parede & # 8220; discreto ou contínuo, em tempo de negociação, ou alguma outra medida. Mas alguns dos indicadores técnicos simples que usamos "# 8211; médias móveis, por exemplo & # 8211; são comuns a muitos modelos em diferentes produtos e mercados. O aprendizado de máquina desempenha um papel na maioria das nossas estratégias de negociação, incluindo alta frequência.
Aqui estão alguns posts relevantes que você pode achar interessantes:

Artur Sepp Research Blog: Modelagem e Negociação de Volatilidade.
Alocação a estratégias sistemáticas de volatilidade usando futuros VIX, índices S & P 500 e estratégias long-short com hedge delta.
Publicado às 03:45 por artursepp, em 20 de setembro de 2017.
Apresento algumas estratégias sistemáticas para investir em prêmios de risco de volatilidade e ilustro seu desempenho com backtesting. Eu aplico o modelo de quatro fatores Fama-French-Carhart para atribuir retornos mensais sobre estratégias de volatilidade a retornos sobre os fatores de estilo. Mostro que todas as estratégias têm uma exposição insignificante aos fatores de estilo, enquanto a exposição ao fator de mercado torna-se insignificante quando as estratégias são equipadas com filtragem estatística e delta-hedging. Mostro que, ao alocar 10% dos fundos de carteira para essas estratégias dentro das carteiras de ações e renda fixa, os investidores podem aumentar o alfa em 1% e aumentar o índice de Sharpe em 10% -20%.
Está se tornando reconhecido que as estratégias de volatilidade devem constituir parte integrante da alocação de alternativas em carteiras de investidores institucionais e da HNW. De fato, tanto a experiência acadêmica quanto a prática indicam que as estratégias de volatilidade produzem um desempenho robusto de longo prazo ajustado ao risco, quando adequadamente projetado e executado.
A crescente demanda dos investidores por soluções transparentes foi recentemente alcançada por estratégias algorítmicas e fundos negociados em bolsa oferecidos por grandes instituições. Essas estratégias algorítmicas fornecem múltiplas soluções para investir e alocar estratégias de volatilidade de maneira direta e transparente. No entanto, os investidores e alocadores devem tomar a decisão final sobre a seleção e alocação de soluções de investimento apropriadas.
É importante ressaltar que os investidores precisam considerar cuidadosamente os seguintes aspectos, alocando a estratégias de volatilidade:
O desenho de uma estratégia sistemática, que inclui, mais importante, quais instrumentos devem ser negociados, a frequência de rebalanceamento e a exposição ao risco delta. A contribuição marginal da estratégia de volatilidade para o risco da carteira do investidor e a contribuição para o desempenho do risco sobre o benchmark do investidor.
Nesta nota, descreverei uma abordagem quantitativa juntamente com simulações de back-test para responder a essas perguntas para tomar a decisão de alocação. Vou apresentar alguns exemplos e tirar conclusões interessantes.
Estratégias algorítmicas para investir em volatilidade.
Universo dos ativos.
Considerarei apenas as estratégias de volatilidade que envolvem a venda e a redução da volatilidade para capturar os prêmios de risco de volatilidade. Lidarei com produtos ligados à volatilidade do índice S & P 500, dada sua profundidade e liquidez, e considerarei as três estratégias algorítmicas.
Coloque uma estratégia que envolva a venda de uma opção de venda com prazo de um mês no índice S & P 500 na terceira sexta-feira de cada mês. Esta estratégia é similar ao índice algorítmico de PutWrite projetado pelo CBOE. Estratégia de estrangulamento que envolve vender um mês fora da opção de venda de dinheiro com a opção delta de cerca de -20 e opção de compra fora do dinheiro com a opção delta de cerca de 20. Em essência, a estratégia é próxima da Condor índice algorítmico fornecido pelo CBOE. Estratégia VIX que vende vencimento constante de um mês VIX futuro. Essa estratégia é semelhante aos ETFs VIX inversos, como XIV ETF, projetados por Ações de Velocidade.
Na tabela 1, forneço alguns detalhes sobre essas estratégias.
Tabela 1. A descrição das estratégias algorítmicas.
ii) Exposição aos prémios de risco de inclinação e convexidade.
ii) Beta significativo para o índice S & P 500 em eventos de cauda.
O principal atributo dessas estratégias é a fonte do lucro e da perda.
A estratégia de Put é uma jogada tanto no desempenho positivo do índice S & P 500 quanto em uma significativa exposição ao delta (cerca de 50% no início de cada mês) e no prêmio de volatilidade medido pela diferença entre a volatilidade realizada e o mercado. volatilidade implícita para opções no dinheiro. Os desempenhos esperados e realizados a longo prazo do índice S & P 500 são positivos devido ao prémio de risco, enquanto o mercado implica que a volatilidade superestima a volatilidade realizada em horizontes de longo prazo. Como resultado, essa estratégia simples tende a superar o índice S & P 500 no longo prazo. De acordo com este estudo patrocinado pelo CBOE, desde meados de 1986 até 2012, o retorno total realizado na estratégia CBOE é de 10,4% ao ano contra 9,3% do retorno total anualizado do índice S & P 500. No entanto, o índice de Put tem menor volatilidade e rebaixamento do que o índice S & P 500. A estratégia Strang é um jogo sobre as volatilidades implícitas do mercado para opções e chamadas fora do dinheiro. Essa estratégia é sobre delta-neutro no início de cada mês e se beneficia de maior inclinação para puts de índice e convexidade implícita para puts e calls. A estratégia VIX é um jogo sobre o contágio na estrutura a termo dos futuros VIX. O efeito contágio é produzido pelas expectativas de maior volatilidade no futuro e maiores custos de hedge para a incerteza futura. Dado que a volatilidade é a reversão da média durante longos períodos de tempo, o único contribuinte para a estratégia VIX é o rendimento de rolos associado ao efeito contágio, que é cerca de 90% em termos anuais.
Desenho de estratégias de hedge.
Em comparação com outras classes de ativos, as estratégias de volatilidade tendem a apresentar rebaixamentos mais elevados em relação às suas volatilidades históricas e à assimetria fortemente negativa dos retornos realizados. Como resultado, a implementação dessas estratégias requer o desenho dos algoritmos de hedge sistemáticos.
Para cada ativo, considerarei as seguintes abordagens de hedge:
Baunilha: nenhuma cobertura é realizada, a estratégia é executada de forma sistemática em cada dia de rebalanceamento. Filtro: o valor relativo estatístico da estratégia é calculado em cada data de lançamento. O valor relativo envolve a aplicação de um modelo de série temporal que usa dados estritamente anteriores à data do lançamento e calcula o valor esperado da rolagem com base nas informações históricas disponíveis. Se o valor esperado da estratégia for menor que o limite definido, o rolo não será executado na data de rebalanceamento especificada. O filtro permite fazer um julgamento quantitativo sobre a lucratividade esperada de cada rolo, dada a informação histórica anterior. Se o desempenho esperado ficar abaixo do limite desejado, o rolo não será executado. Nenhuma cobertura é executada durante a vida do rolo.
3a. Filtro + Hedge: a estratégia aplica o filtro conforme descrito acima. Se o rolo passar pelo filtro, a estratégia venderá opções e implementará a estratégia delta-hedging até a expiração da opção. A estratégia delta-hedging é aplicada apenas para as estratégias PUT e Strangle, que envolvem negociação de opções diretamente e têm exposição delta bem definida.
3b. Filter + Long / Short: esta estratégia aplica-se apenas à estratégia VIX. Primeiro, a estratégia aplica o filtro e, dependendo da intensidade do sinal, entra em curto (quando a estrutura de termos de futuros VIX está em contágio) ou em posições longas (quando os futuros VIX estão em backwardation).
Na tabela 2, apresento o resumo das nove estratégias. Para facilitar a visualização, utilizarei a cor vermelha para estratégias sem hedge, cor azul para as estratégias com o filtro estatístico, e cor verde para estratégias com o filtro e hedge.
Tabela 2. Características das estratégias de hedge.
Segmentação por volatilidade.
Para alinhar o perfil de risco de cada estratégia e fazer comparações significativas, aplicarei a meta de volatilidade com a meta de volatilidade anual definida em 10%.
A segmentação por volatilidade é implementada nas duas etapas:
A estratégia desalavancada é implementada. Para as estratégias de venda e estrangulamento, o número do contrato de opção é calculado em cada data de lançamento, conforme os fundos da estratégia são divididos pela linha de venda. O número de contratos para os futuros VIX é calculado como o rácio do fundo de estratégia para o preço dos futuros VIX de um mês de vencimento constante. A título ilustrativo, a volatilidade histórica realizada é de cerca de 10% para a estratégia Put, 5% para a estratégia Strangle e 50% para a estratégia VIX. A estratégia mestre é criada alocando-se às estratégias não alavancadas com a alavancagem determinada para atingir a volatilidade de longo prazo de 10% ao ano. A volatilidade de cada uma das estratégias não alavancadas é calculada em cada data de lançamento usando a série temporal estritamente anterior ao lançamento. A volatilidade da estratégia com o filtro de valor relativo é calculada apenas quando as estratégias têm posições abertas.
Desempenho testado por trás de estratégias individuais.
Eu uso o período de janeiro de 2005 a setembro de 2017 (a negociação de futuros VIX começou em outubro de 2005). Como benchmarks, eu uso os três ativos:
O índice S & P 500 (rotulado como S & amp; P500) com o desempenho calculado usando o ETF SPY. Títulos do Tesouro dos EUA de 20 anos (rotulados como USbonds20y) com o desempenho calculado usando o ETF TLT. A carteira de 50% / 50% incluindo o índice S & P 500 e títulos do tesouro americano de 20 anos (rotulados como S & amp; P500 / USbonds20y) implementados usando ETFs SPY e TLT, respectivamente, com rebalanceamento mensal para manter a constante 50% / 50% exposição.
O desempenho total realizado dos benchmarks inclui dividendos distribuídos por esses ETFs.
Na tabela 3, mostro o desempenho do back-test das estratégias de volatilidade. A Figura 1 ilustra o índice de Sharpe versus o rebaixamento máximo. A figura 2 ilustra a estratégia alfa versus beta. O alfa e o beta são estimados pela regressão do desempenho mensal da estratégia explicada pelo desempenho mensal do índice S & P 500. O alfa mensal da regressão é anualizado. A Tabela 4 apresenta a matriz de correlação realizada dos retornos mensais sobre essas estratégias.
Tabela 3. O desempenho das estratégias de volatilidade com backtesting de 2005 a setembro de 2017.
Notações: Retorno é o retorno total anualizado. Vol é a volatilidade dos retornos mensais. Sharpe é o índice de Sharpe usando a volatilidade mensal. Assimetria e curtose são a assimetria e excesso de curtose de retornos mensais, respectivamente. A recuperação máxima de DD e Max DD é o máximo de redução e os dias para recuperar, respectivamente. Alfa e Beta são os coeficientes da regressão dos retornos mensais da estratégia contra os retornos mensais do índice S & P 500; o alfa relatado é o anualizado.
Figura 1. Relação de Sharpe com backtested vs. rebaixamento de max.
Figura 2. Estratégia alfa versus beta computada pela regressão do desempenho mensal da estratégia explicada pelo desempenho mensal do índice S & P 500.
Tabela 4. A matriz de correlação dos retornos mensais realizados.
As estratégias de baunilha produzem um índice de precisão comparável ao índice S & P 500, mas com menores perdas. Eles têm beta cerca de 0,5 para o desempenho do S & amp; P 500 beta e alfa insignificante. Eles também estão fortemente correlacionados entre si com uma correlação média de 0,7.
As estratégias com filtro melhoram o índice de Sharpe e reduzem o rebaixamento em cerca de 50%. Eles também produzem um beta menor de cerca de 0,2 para o índice S & P 500 com alfa estatisticamente significante. Sua correlação média por pares é de cerca de 0,5, indicando que oportunidades e sinais são relativamente correlacionados.
As estratégias com o filtro e delta-hedging produzem o melhor desempenho ajustado ao risco com beta muito pequeno e alpha significativo. Sua correlação paritária é 0,25, indicando um potencial benefício de diversificação, alocando-se à cesta dessas estratégias. A estratégia VIX com exposições Long / Short produziu, de fato, a correlação negativa e os betas em todos os três benchmarks, de modo que ela possa servir como um bom diversificador para as carteiras de ações.
Retornar a decomposição no modelo de fator.
Eu aplico o modelo Fama-French-Carhart de quatro fatores para relacionar os retornos mensais das estratégias com os retornos mensais do fator de mercado (MRK), o fator de tamanho (SML), o fator de valor de book-to-market (HML) e fator momentum (UMD). Eu uso os dados AQR para retornos mensais sobre os fatores estimados usando ações dos EUA.
A Tabela 5 reporta os coeficientes estimados do modelo de 4 fatores. Vemos que todas as estratégias têm exposições insignificantes aos fatores de estilo. Somente a estratégia put tem uma exposição significativa ao fator momentum, o que é intuitivo. A exposição ao fator mercado é significativa para estratégias de baunilha, enquanto reduz consideravelmente as estratégias com o filtro. As estratégias com o delta-hedge têm exposição insignificante ao fator mercado.
Tabela 5. Exposições estimadas para o modelo de 4 fatores de Fama-French-Carhart usando retornos mensais de 2005 a setembro de 2017.
Notações: Alpha é o alfa anualizado, MRK é o beta para o fator mercado, SMB é o beta para o fator de capitalização (pequeno menos grande), HML é o beta para o fator de valor de preço para livro (alto menos baixo), é o beta para o fator momentum (up menos down). R ^ 2 é o poder explicativo da regressão. O valor da estatística t é fornecido entre parênteses. Estimativas significativas são marcadas com *.
Desempenho testado de forma reversa no nível do portfólio.
Agora considero o impacto das estratégias de volatilidade no nível da carteira. Mais uma vez, eu uso os três benchmarks. Para cada um dos benchmarks de árvore, eu assumo que 10% do total de fundos estão sendo alocados para qualquer uma das 9 estratégias separadamente com rebalanceamento mensal.
Defino o alfa como a regressão do desempenho mensal da carteira de 90% / 10% investida no benchmark e a estratégia de volatilidade, respectivamente, explicada pelo desempenho mensal do respectivo benchmark. O alfa anualizado dessa regressão indica a contribuição marginal da estratégia de volatilidade para a geração do alfa para o portfólio de benchmarking.
A figura 3 mostra a contribuição para o portfólio alfa. A Figura 4 mostra o aumento percentual no índice de Sharpe do portfólio de 90% / 10% investido 90% no benchmark e 10% na estratégia contra o portfólio de 100% investido integralmente no benchmark.
Figura 3. Contribuição para o portfólio alpha para os benchmarks.
Figura 4.% Aumento no índice de Sharpe do portfólio de 90% / 10% investiu 90% no benchmark e 10% na estratégia contra o portfólio de 100% investido integralmente no benchmark.
As estratégias de baunilha têm uma pequena contribuição ajustada ao risco para a carteira referenciada ao índice S & amp; P 500 ou às carteiras 50/50. No entanto, eles realmente contribuem significativamente para as carteiras referenciadas aos títulos UST. Isso ocorre porque eles têm sobreposição de capital com ajuda a compensar o risco de taxas em condições de mercado otimistas.
As estratégias com o filtro produzem uma contribuição significativa para portfólios comparados ao índice S & P 500. Além disso, eles melhoram a contribuição ajustada ao risco para as carteiras de renda fixa, reduzindo o lado negativo da sobreposição de ações.
As estratégias com o filtro e o delta-hedge têm uma contribuição mista: a estratégia put tem uma correlação mais forte com o S & amp; P 500 nos eventos de cauda, ​​de modo que sua contribuição marginal é relativamente modesta. As estratégias Strangle e VIX têm uma melhoria significativa do perfil de risco para todos os três benchmarks.
Conclusões
Estratégias algorítmicas bem projetadas fornecem soluções transparentes para investir em prêmios de risco de volatilidade. O perfil de risco e as exposições delta devem ser explicados aos investidores e adaptados às suas carteiras e benchmarks. As estratégias de volatilidade com filtragem estatística podem ser aplicadas como sobreposições em carteiras de renda fixa. As estratégias de opções delta-hedged e as estratégias de futuros VIX de curto prazo podem ser aplicadas como estratégias de retorno absoluto em alocações a alternativas.
Artur Sepp trabalha como estrategista quantitativo na empresa de gestão de fortunas suíça Julius Baer em Zurique. Seu foco é em modelos quantitativos para estratégias sistemáticas de negociação, alocação de ativos baseada em risco e negociação de volatilidade. Antes disso, Artur trabalhou como um ponto de partida em ações e crédito no Bank of America, Merrill Lynch e Bear Stearns em Nova York e Londres, com ênfase em modelagem de volatilidade e avaliação de derivativos de ativos múltiplos e cruzados, negociação e gerenciamento de risco. . Sua área de pesquisa e especialização são em análise econométrica de dados, aprendizado de máquina e métodos computacionais com suas aplicações para estratégias de negociação quantitativa, alocação de ativos e gerenciamento de riqueza. Artur tem um PhD em Estatística focado em interromper problemas de tempo de processos de jump-diffusion, um mestrado em Engenharia Industrial pela Northwestern University em Chicago, e um BA em Mathematical Economics. Artur publicou vários artigos de pesquisa sobre finanças quantitativas em periódicos importantes e é conhecido por suas contribuições para a volatilidade estocástica e modelagem de risco de crédito. Ele é membro do conselho editorial do Journal of Computational Finance. Artur mantém um blog regular sobre quant finance e trading na artursepp.
As opiniões e análises apresentadas neste artigo são de responsabilidade exclusiva do autor e não representam nenhuma das opiniões de seu empregador. Este artigo não constitui um aviso de investimento.

Estratégias de negociação de volatilidade sistemática
Desde 2009, a Systematic Strategies vem desenvolvendo e gerenciando estratégias de negociação algorítmica que oferecem excelentes retornos, baixos níveis de risco de mercado e correlação, além de excepcional liquidez e transparência.
Nossas estratégias investem em ativos que podem ser prontamente liquidados em dinheiro diariamente.
Nossa empresa opera uma plataforma de conta gerenciada que oferece aos investidores a garantia de 100% de transparência e controle operacional completo, juntamente com transações no final do dia e relatórios P ​​& L.
A equipe de gerenciamento é formada por profissionais experientes com muitos anos de experiência como analistas quantitativos, traders e gerentes de fundos nos principais fundos de hedge e instituições de banco de investimento.
Para mais informações sobre a empresa e nossas estratégias de investimento, entre em contato conosco.
A estratégia é projetada para ter um desempenho robusto durante condições extremas de mercado, utilizando a convexidade positiva dos ativos subjacentes do ETF.

Estratégias de negociação de volatilidade sistemática
Nossas estratégias são totalmente automatizadas e operam em baixas e altas freqüências, usando algoritmos matemáticos proprietários e modelos econométricos.
A Systematic Strategies possui uma Plataforma de Contas Gerenciadas e uma estrutura de fundos de hedge Master Feeder para investidores.
Nossos clientes incluem pessoas físicas de alta renda, escritórios familiares e investidores institucionais.
Além de gerenciar suas próprias estratégias, a empresa se dedica à pesquisa e desenvolvimento em nome de outras empresas de comércio.

Estratégias de negociação de volatilidade sistemática
Os dez principais métodos de negociação sistemática.
Os dez principais métodos de negociação sistemática.
por Michael R. Bryant.
Os métodos sistemáticos de negociação são a base para sistemas de negociação e estratégias de negociação automatizadas. Eles consistem em indicadores técnicos ou outros métodos matemáticos usados ​​para gerar sinais objetivos de compra e venda nos mercados financeiros. Alguns dos métodos mais populares estão em uso desde antes do advento dos computadores, enquanto outros métodos são mais recentes. Este artigo lista dez dos métodos sistemáticos mais populares encontrados em sistemas de negociação.
Movendo crossovers médios. Sistemas de negociação baseados no cruzamento de duas médias móveis de diferentes comprimentos é talvez o método de negociação sistemático mais comum. Este método também inclui crossovers médios móveis triplos, bem como o indicador de divergência de convergência da média móvel (MACD), que é a diferença entre duas médias móveis exponenciais. As médias móveis podem ser calculadas de várias maneiras, como simples, exponencial, ponderada, etc.
Quebras do canal. Nesse método, um canal de preço é definido pelo mais alto e o mais baixo mais baixo de um número anterior de barras. Uma negociação é sinalizada quando o mercado irrompe acima ou abaixo do canal. Isso também é conhecido como canal Donchian, que tradicionalmente usa um período de lookback de 20 dias. O famoso sistema de “tartaruga” foi supostamente baseado em fugas de canal.
Fugas de volatilidade. Estes são similares em alguns aspectos às fugas de canal exceto que em vez de usar o mais alto e mais baixo mais baixo, a fuga é baseada na assim chamada volatilidade. A volatilidade é tipicamente representada pelo intervalo médio verdadeiro (ATR), que é essencialmente uma média dos intervalos das barras, ajustada para intervalos de abertura, ao longo de um número passado de barras. O ATR é adicionado ou subtraído do preço atual da barra para determinar o preço inicial.
Suporte / Resistência Este método baseia-se na ideia de que, se o mercado estiver abaixo de um nível de resistência, terá dificuldade em ultrapassar esse preço, ao passo que, se estiver acima de um nível de suporte, terá dificuldade em ficar abaixo desse preço. É considerado significativo quando o mercado ultrapassa um nível de suporte ou resistência. Além disso, quando o mercado rompe um nível de resistência, esse preço se torna o novo nível de suporte. Da mesma forma, quando o mercado cai através de um nível de suporte, esse preço se torna o novo nível de resistência. Os níveis de suporte e resistência são tipicamente baseados em preços recentes e significativos, como altos e baixos recentes ou pontos de reversão.
Osciladores e ciclos Osciladores são indicadores técnicos que se movem dentro de um intervalo definido, como zero a 100, e representam a extensão em que o mercado está sobrecomprado ou sobrevendido. Os osciladores típicos incluem o stochastics, o Williams% R, o Rate of Change (ROC) e o Indicador de Força Relativa (RSI). Os osciladores também revelam a natureza cíclica dos mercados. Métodos mais diretos de análise de ciclo também são possíveis, como o cálculo do comprimento do ciclo dominante. O comprimento do ciclo pode ser usado como uma entrada para outros indicadores ou como parte de um método de previsão de preço.
Padrões de preço. Um padrão de preço pode ser tão simples quanto um preço de fechamento mais alto ou tão complicado quanto um padrão de cabeça e ombros. Numerosos livros foram escritos sobre o uso de padrões de preços na negociação. O tema das velas japonesas é essencialmente uma maneira de categorizar diferentes padrões de preço e vinculá-los ao comportamento do mercado.
Envelopes de preço. Neste método, as bandas são construídas acima e abaixo do mercado, de modo que o mercado normalmente permanece dentro das bandas. Bandas de Bollinger, que calculam a largura do envelope a partir do desvio padrão de preço, são provavelmente o tipo de envelope de preço mais comumente usado. Os sinais de negociação são normalmente gerados quando o mercado toca ou passa pela banda superior ou inferior.
Hora do dia / dia da semana. Os métodos de negociação baseados no tempo, baseados na hora do dia ou no dia da semana, são bastante comuns. Um sistema de negociação bem conhecido para os futuros do S & P 500 comprados em aberto às segundas-feiras e encerrado no fechamento. Aproveitou-se de uma tendência que o mercado tinha na época para negociar às segundas-feiras. Outras abordagens sistemáticas restringem os negócios a determinados momentos do dia que tendem a favorecer certos padrões, como tendências, reversões ou alta liquidez.
Volume. Muitos métodos sistemáticos de negociação são baseados unicamente em preços (aberto, alto, baixo e próximo). No entanto, o volume é um dos componentes básicos dos dados de mercado. Como tal, os métodos baseados no volume, embora menos comuns do que os métodos baseados no preço, são dignos de nota. Muitas vezes, os comerciantes usam o volume para confirmar ou validar uma mudança de mercado. Alguns dos métodos sistemáticos mais comuns baseados no volume são os indicadores baseados em volume, como o volume no balanço (OBV), a linha de acumulação / distribuição e o oscilador Chaiken.
Previsão. A previsão de mercado usa métodos matemáticos para prever o preço do mercado em algum momento no futuro. A previsão é qualitativamente diferente dos métodos listados acima, que são projetados para identificar tendências ou padrões de mercado comercializáveis. Em contraste, um sistema de negociação baseado na previsão pode, por exemplo, comprar o mercado hoje, se a previsão é de que o mercado seja maior a uma semana a partir de hoje.
Por favor, tenha em mente que esta lista é baseada na popularidade, o que não é necessariamente o mesmo que rentabilidade. Sistemas comerciais bem-sucedidos geralmente empregam uma combinação de métodos e muitas vezes de maneiras não convencionais. Além disso, é possível que outros métodos menos populares sejam mais lucrativos em alguns casos.
Se você gostaria de ser informado sobre novos desenvolvimentos, novidades e ofertas especiais da Adaptrade Software, por favor, junte-se à nossa lista de e-mail. Obrigado.
Copyright © 2004-2015 Adaptrade Software. Todos os direitos reservados.