расхождение между поведением сезонных моделей

Вне пределов выборки в группе пшениц наблюдалось больше прибылей. Например, вход по лимитному приказу обеспечивал прибыль на всех трех рынках пшеницы, а вход по стоп-приказу — только на канзасском рынке. Ряд других рынков также принес прибыли для некоторых видов приказов в пределах или вне пре­делов выборки. По сравнению со скромными результатами большинства моделей, исследовавшихся в предыдущих главах, общее количество при­быльных результатов на различных рынках в разные периоды времени не может не произвести благоприятного впечатления.

Кроме этого, интересно отметить расхождение между поведением сезонных моделей в этом исследовании и в наших собственных тестах S &P 500 более раннего периода (Katz , McCormick , апрель 1997). Различия, скорее всего, объясняются разной настройкой процедуры оптимизации. В ранних тестах проводилась настройка на торговлю только индексом S &P 500, а в более поздних — целым портфелем финансовых инструмен­тов. По сравнению с другими рынками сезонные явления на рынке S &P 500 имеют гораздо более высокую частоту и, следовательно, требуют ис­пользования скользящих средних со значительно меньшим периодом.

Кроме того, ранние тесты не использовали отдельных выходов для того, чтобы была возможность захватывать сезонные тренды длиной в несколь­ко недель. В данных тестах стандартный выход закрывает сделку спустя не более чем 10 дней — скорее всего, эффективность всех рынков, а не только S &P 500, увеличилась бы при замене стандартного выхода на вы­ход, способный удерживать позицию при продолжительных трендах.

Тестирование базовой модели, основанной на ценовом импульсе

Для модели, основанной на импульсе, проводилось сглаживание неинтегрированного сезонного временного ряда изменений цены при помощи центрированного простого скользящего среднего с периодом avglen . Цен­трированное СС не дает запаздывания, поскольку относительно текуще­го дня этот метод усредняет одинаковое количество прошлых и будущих точек данных. Использование этого метода оправдано для сезонных мо­делей, в которых оценка сезонного влияния на определенную дату осно­вывается на данных старше одного года. Для этого сглаженного ряда се­зонных изменений цены рассчитывается ряд средних абсолютных откло­нений. Для этого рассчитывалось абсолютное отклонение для каждого дня. Затем ряд абсолютных отклонений усреднялся с помощью скользящего среднего с периодом 100 дней. Сигнал на покупку генерировался, если значение сезонного импульса данного дня плюс смещение (disp ) превы­шало некое пороговое значение (thresh ), умноженное на среднее абсолют­ное отклонение сезонного импульса.

Сигнал на продажу генерировался, если сезонный импульс с учетом смещения был меньше произведения порогового множителя (thresh ) и среднего абсолютного отклонения, взя­того со знаком минус. Входы выполнялись при помощи различных прика­зов: в тесте 4 — вход по открытию, в тесте 5 — вход по лимитному прика­зу, в тесте 6 — по стоп-приказу.

Оптимизировался период скользящего среднего, смещение и порог. Период прогонялся от 5 до 15 с шагом 5; смешение от 1 до 10 с шагом 1; порог от 1,5 до 2,5 с шагом 0,5. Наилучшая эффективность в пределах вы­борки отмечена при периоде 15, пороге 2,5 и смещении 2 вне зависимости от вида приказа. Для входа по открытию и по стоп-приказу было предпоч­тительно смещение 2, для входа по лимитному приказу — смещение 1. В соответствии с этим ожиданиями значения смещения были гораздо мень­ше, чем в модели, основанной на пересечении, в которой за счет смеще­ния необходимо было компенсировать запаздывание скользящих средних.