1. Top » 
  2. 2011年11月

スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。
  • Genre:

適応型?ファクターモデル

直近N日間のデータから翌日の騰落率を予測してみようという試みです。

FXシステムトレード研究

上の図のようにN日間の説明変数と目的変数を直線回帰させ、
翌日の変動を予測させます。
回帰式は毎日更新されるので、静的なモデルではなく動的です。

まあこれを適応型と呼んでいいのかどうかわかりませんが、
直近の傾向に沿ったリターン予測を行うという意図を持った戦略です。

明日の予測値がプラスであればロング、マイナスであればショートします。


相場環境の変化の要因を考えるものではなく、
何かわからないけど変化が起こればその傾向についていく
(起こらない場合もついていく)という手法をとっています。


静的なモデルでは、いわゆる「見せかけの相関」にとらわれてしまうこともあり得ます。
もしその相関を揺るがす相場変化が訪れれば、それはすなわちシステム破綻を意味してしまいます。

動的モデルはそうした問題にも適応できることを期待しているわけですが、
実際にはそんなにうまくはいきません。

例えば正相関から逆相関に変わったとして今後その逆相関がずっと続くのか、
それとも一時的な相場の気の迷いですぐにまた従来の正相関に戻ってくるのか、
わからないからです。

動的モデルは「ルールを変えるルール」を設定しているわけで、
この「ルールを変えるルール」に対するトレンドフォローを行っているようなものです。
もしトレンドがなくコロコロと猫の目のように変わっていては動的モデルも成すすべがないでしょう。


とりあえず今回は例として、直近N日間のEURUSDとダウの騰落率を説明変数とし、
翌日のEURUSDを目的変数とした適用型ファクターモデルを考えてみました。

以下がNを変えてバックテストしたときの損益曲線です。

(1)N=20
FXシステムトレード研究

(2)N=30
FXシステムトレード研究

(3)N=40
FXシステムトレード研究

(4)N=50
FXシステムトレード研究



上記のような分析もエクセルで簡単にできます。
単回帰ならslope,intercept、重回帰ならlinest,indexといった関数を使用すればOKでしょう。

なお今回は回帰直線のあてはまり度は無視していますが、
あてはまりの良いときのみエントリーするといったようなフィルタを付加する
ことも考えられます。
スポンサーサイト

市場間分析についての研究資料

(1)
A Test of Hedging Alternatives for the US Currency and the US Stock Market(2011)
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1953571

キーワード:ユーロドル、ポンドドル、S&P500、ナスダック、相関、グレンジャー因果性

株価指数(S&P500, NASDAQ)とドルの関係性(日足ベース)を調べたワーキングペーパー。
これですぐに稼げるシステムが作れるかというとそういうわけもないのですが、
基礎研究としてはなかなかおもしろい気がします。

2009年にユーロドルとS&P500の因果性(方向性)が逆転してることにもふれています。
これは私のブログでも以前紹介しました。

参考:市場間の相関が逆転するとき


(2)
国際商品市況変動の要因分解と市場間連動の背景(2011)
http://www.boj.or.jp/research/wps_rev/wps_2011/data/wp11j04.pdf

キーワード:市場間連動、VARモデル

日銀のワーキングペーパー。
コモディティと株価の連動についてのお話。
両者の連動性は2008年の後半以降急激に高まっており、
その要因を需要、株価、商品指数、短期金利の4つに分解して調べています。

過去の相場理解ということ以上に、未来の話をできるかというと
少々疑問もありますが、それは各自の研究で。

Page Top

プロフィール

Author:Phai
4年前に専業トレーダーに転身。
トレンドフォロー系のシステムをメインに複数のシステムで資産運用を行っています。
メンバー100名以上→【FC2限定システムトレードコミュニティを立ち上げました

最新記事
最新コメント
月別アーカイブ
カテゴリ
RSSリンクの表示
リンク
管理人に質問する

ハンドルネーム(必須):
メール(必須):
件名:
本文:

上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。