2017年8月31日 星期四

SH專區 - Dynamic Time Warping(動態時間規劃) 2


在這一篇文章中,我們介紹兩個基本的方式來改進DTW的速度和準確性:warping constraint 和 z-normalization。

以及在金融數據上pattern的辨識與預測的簡單應用。

  • Warping constrain

首先,讓我們先定義 warping constraint: 所謂的warping constraint就是我們的DTW路徑允許偏離對角線的程度。如下圖所示,warping constraint w = r/n (或是可以直接定義成 w = r)

Sakoe-Chiba Band
Source: Abdullah Mueen, Eamonn J. Keogh: Extracting Optimal Performance from Dynamic Time Warping. KDD 2016: 2129-2130

這個 w 有兩個作用:1. 加速整個演算法,2. 增加準確性


SH專區 - Dynamic Time Warping(動態時間規劃) 1


在接下來的一系列文章裡,我們希望能討論一個演算法:Dynamic Time Warping (動態時間規劃)以及其在金融交易中可能的應用

這一系列的文章,都是我們的自學筆記,所以如果有理解錯誤或是疏漏的地方,請大家不吝告訴我們。



好了,進入主題吧。第一篇文章中,我們先簡單介紹一下DTW算法。

  • 什麼是Dynamic Time Warping?
Dynamic Time Warping (動態時間規劃)本質上是一個 dynamic optimization 的問題,所尋找的是兩個序列之間的「最近距離」。

距離,不就只是 這樣?
是的,這就是我們一般常用的Euclidean distance。那麼,我們為什麼還需要DTW?


2017年6月15日 星期四

海外期貨近遠月價差與回測


介紹:
期貨最開始是為了規避風險而誕生,但亦具備了價格發現與投機的功能。買賣雙方透過簽訂合約,同意按指定的時間、價格與其他交易條件,交收指定數量的現貨。通常期貨集中在期貨交易所,以標準化合約進行買賣。

一般來說,持有原物料商品現貨需要一定的成本,譬如倉儲、運輸成本等。但是持有期貨契約只要付出保證金,並不需要其它的支出,於是期貨與現貨之間便產生了差距。

而不同的期貨商品,根據本身的品供需/季節性生產性質,以及市場參予者組成不同,會有不同的避險結構(空頭避險,多頭避險),最後加上大家對商品價格未來的預期,而產生不同的Term Structure。

商品期貨:
原物料若不考慮別的因素,在持有成本及運輸成本的因素下,通常是正向市場,呈現正價差(Contango)

#可可


2017年4月18日 星期二

全球期貨市場-訊號雜訊比(Efficiency Ratio)統計

Efficiency Ratio of Price

衡量價格走勢乾淨程度







統計全球46個期貨市場







#20天訊雜比 - 2006~2016平均

2017年3月1日 星期三

開盤缺口交易策略 - Opening Gap Strategy (續 - MC驗證)


在上篇開盤缺口交易策略 - Opening Gap Strategy中,回測所使用的為Python以及日線的資料


以下使用Multicharts分線的資料進行簡單的驗證


以下回測使用eSignal分線資料(Back-Adjusted Continuous Contract)
交易成本 : 口數*兩個跳動點 (單邊)
交易口數 : Signal *  ( W / ATR )  ( W = 3000 )
回測商品: FDAX-EUXFGBL-EUX (挑選原本績效較好的出來驗證)



Python+日線回測: