جستجوی ناکارآمدی در دینامیک نرخ ارز

این مقاله یک روش تجارت جفت جدید را برای تشخیص ناکارآمدی در حرکات نرخ ارز و فرصت های آربیتراژ با استفاده از یک شاخص همگرایی/واگرایی (CDI) متعلق به کلاس نوسانی توسعه می دهد. تکنیک پیشنهادی برای 11 نرخ ارز در دوره 2010-2015 اعمال می شود و قوانین معاملاتی بر اساس سیگنال های CDI به دست می آیند. نشان دهنده CDI عملکرد بهتری از سایر شاخص های کلاس نوسانی دارد و در برخی موارد (برای EURAUD و AUDJPY) سود ایجاد می کند. رویکرد پیشنهادی مورد علاقه عمومی است و می تواند در بازارهای مالی و دارایی های مختلف اعمال شود.

روی یک دست نوشته کار می کنید؟

معرفی

تجارت جفتی تکنیکی است که اغلب توسط متخصصان برای پیش بینی حرکات کوتاه مدت قیمت و شناسایی فرصت های آربیتراژ استفاده می شود. جفت دارایی های مرتبط آماری و هرگونه قیمت گذاری نادرست را جستجو می کند که می تواند از طریق معاملات آربیتراژ مورد سوء استفاده قرار گیرد تا زمانی که واگرایی در قیمت ها از بین برود.

این مقاله یک روش تجارت جفت جدید را برای تشخیص ناکارآمدی در پویایی نرخ ارز و فرصت های آربیتراژ ایجاد می کند که بر اساس یک شاخص همگرایی/واگرایی (CDI) متعلق به کلاس نوسانی است. تکنیک پیشنهادی برای 11 نرخ ارز در دوره 2010-2015 اعمال می شود و قوانین معاملاتی بر اساس سیگنال های CDI به دست می آیند. رویکرد پیشنهادی مورد علاقه عمومی است و می تواند در بازارهای مالی و دارایی های مختلف اعمال شود.

ایده اصلی به شرح زیر است: درجه همبستگی بین دارایی های مالی در طول زمان متفاوت است و می تواند در دوره های خاص بسیار بالا باشد. به عنوان مثال، میانگین همبستگی بین EURUSD و AUDUSD در سال 2015 در فرکانس روزانه بالاتر از 0. 9 بوده است، و در محدوده [0. 8-0. 9] در صورت در نظر گرفتن داده های درون روز ساعتی، اما در برخی مواقع همبستگی ساعتی به زیر 0 و حتی کمتر از آن رسیده است.(-) 0. 5 قبل از بازگشت به مقادیر "عادی". ما دلایل چنین موقعیت های غیرعادی را در مورد بازار فارکس با استفاده از شاخص همگرایی/واگرایی (CDI) بررسی می کنیم و کارایی آن را در مقایسه با سایر روش های رایج نشان می دهیم.

طرح مقاله به شرح زیراست. بخش 2 به طور خلاصه ادبیات تحلیل تکنیکال را مرور می کند. بخش 3 داده ها را تشریح می کند و روش شناسی را تشریح می کند. بخش 4 نتایج تجربی را ارائه می دهد، در حالی که بخش. 5 برخی از نکات پایانی را ارائه می دهد.

بررسی ادبیات

پیش بینی حرکات قیمت دارایی یک کار چالش برانگیز است. طبق فرضیه بازار کارآمد (EMH - SEE FAMA 1970) ، قیمت ها باید از یک پیاده روی تصادفی پیروی کنند. با این حال ، مطالعات متعددی سعی در شناسایی فرصت های سود قابل بهره برداری که شواهدی از ناکارآمدی بازار را تشکیل می دهد. داوری آماری یک استراتژی تجاری بسیار محبوب است که برای اولین بار توسط مورگان استنلی در دهه 1980 مورد استفاده قرار گرفت (برای جزئیات بیشتر به گیتو و همکاران 2006 مراجعه کنید). می توان آن را به شرح زیر توصیف کرد: سرمایه گذار یک جفت دارایی را انتخاب می کند که میانگین گسترش بین قیمت ها نسبتاً ثابت است ، و در صورت انحراف از این مقدار ، وی همچنان یک دارایی را به فروش می رساند و دیگری را خریداری می کند تا اینکه گسترش به سطح تعادل خود برگردد؛سپس موقعیت های باز بسته می شوند.

این روش پس از آن در مطالعات دانشگاهی مورد تجزیه و تحلیل قرار گرفت (Burgess 1999 ؛ Bondarenko 2003 ؛ Hogan et al. 2004 ، و غیره) ، عمدتا برای بازار سهام (Hong and Susmel 2003 ؛ Nath 2003 ؛ Gatev et al. 2006 ؛ Perlin 2009 ؛ Do and Faff and Faffa2010 ؛ Avellaneda and Lee 2010 ؛ Broussard and Vaihekoski 2012 و دیگران). شواهد زیادی وجود دارد که نشان می دهد تجارت جفت اجازه می دهد سود غیر طبیعی را در بازارهای مختلف مالی ایجاد کند ، به عنوان مثال در ایالات متحده (گیتو و همکاران 2006) و فنلاندی (Broussard و Vaihekoski 2012). این رویکرد بیشتر توسط Enders و Granger (1998) ، Vidyamurthy (2004) ، Dunis and Ho (2005) ، Lin et al. 2006 و Khandani و Lo (2011) در میان دیگران. روشهای مختلفی برای داوری آماری استفاده شده است ، از جمله: تجزیه و تحلیل ادغام. تجزیه و تحلیل همبستگی؛تجزیه و تحلیل رگرسیون؛شبکه های عصبی؛روشهای تشخیص الگوی ؛مدل های فاکتور ؛رویکردهای ذهنی (هنگامی که معامله گر/سرمایه گذار جفت ها را بر اساس اصول خود یا سایر خصوصیات خود انتخاب می کند که آنها را "مشابه" می کند - برای جزئیات بیشتر Vidyamurthy 2004).

تست های ادغام استاندارد (نگاه کنید به Engle and Granger 1987 ؛ Johansen 1988) اغلب برای تدوین استراتژی های معاملاتی بر اساس پیوندهای بلند مدت بین قیمت دارایی انجام می شود. با این حال ، این ممکن است در حضور تغییر ساختاری به ویژه مفید نباشد. به عنوان مثال ، همبستگی بین نفت و EURUSD در سال 2005 (-) 0. 7 بود ، اما 0. 9 در 2007-2008 ، میانگین برای دوره 2005-2008 در محدوده 0. 7-0. 8 بود. بدیهی است ، داوری آماری مبتنی بر تجزیه و تحلیل ادغام در چنین موردی کار نخواهد کرد. در حقیقت ، کاپوکی (2005) دریافت که در طول بحران مالی بودجه 2007-2009 با استفاده از یک استراتژی معاملاتی جفت عملکرد خوبی ندارد. یک امکان استفاده در دوره های بی ثباتی فیلتر کالمن است (به Dunis and Shaon 2005 مراجعه کنید). گزینه دیگر تجزیه و تحلیل همبستگی با تمرکز بر خصوصیات آماری کوتاه قیمت دارایی است (به الکساندر و دیمیتریو 2002 مراجعه کنید).

هنگامی که استراتژی های معاملاتی سودآور برای جامعه مالی مشهور شد ، آنها از ایجاد سود دست بردارند (به چان 2009 مراجعه کنید). در واقع گیتف و همکاران.(2006) نشان داده است که بازده استراتژی های معاملاتی جفت به مرور زمان رو به کاهش است. بنابراین ، توسعه تکنیک های جدید ، که هدف این مقاله است ، مهم است.

داده ها و روش شناسی

تجزیه و تحلیل همبستگی یک روش بسیار محبوب در بازارهای مالی است ، به خصوص در بازار سهام (درجه همبستگی بین شاخص های S& P 500 و Dow Jones بالاتر از 0. 9 است) ، در بازار فارکس کمتر است زیرا ارتباط بین جفت های ارز بسیار بی ثبات است ،همانطور که در شکل ها مشاهده می شود. 1 و 2 در مورد EURUSD و AUDUSD در سال 2014.