یک لبه احتمالی در روزهای با حجم زیاد

در این مقاله نشان خواهم داد که در هنگام معاملات سهام شکستن در روزهای حجم زیاد ، احتمال سودآوری وجود دارد.

با این حال ، لبه به توانایی پیش بینی چنین حجم بالایی از قبل نیاز دارد. این کار ساده ای نیست اما داده ها حاکی از آن است که می تواند یک خط جالب برای تحقیقات آینده باشد.

استراتژی معاملات روزهای با حجم بالا

قوانین این استراتژی تجارت با حجم بالا ساده است.

اگر گردش مالی روز (حجم * نزدیک) بیش از دو برابر میانگین 100 روزه باشد و سهام روز گذشته در یک سطح 10 روزه جدید بسته شود ، می خواهیم سهام را در فضای باز خریداری کنیم.

به همین ترتیب ، اگر حجم روز بیش از دو برابر میانگین 100 روزه باشد و سهام روز قبل با پایین 10 روزه جدید بسته شود ، می خواهیم سهام خود را در فضای باز کوتاه کنیم.

معاملات به مدت دو روز برگزار می شود و در روز سوم بسته می شود. گردش مالی در اینجا به عنوان جایگزینی برای حجم استفاده می شود که می تواند تحت تأثیر شکاف سهام و غیره باشد.

قوانین خرید:

• نزدیک به 10 روز بالاترین نزدیک بود
• Daily tuover is>دو برابر میانگین 100 روزه
• خرید در باز

قانون فروش:

• در روز سوم

قوانین کوتاه:

• نزدیک به 10 روز کمترین نزدیک بود
• Daily tuover is>دو برابر میانگین 100 روزه
• کوتاه در باز

قانون پوشش:

• در روز سوم

نمونه تجارت

نمودار زیر نمونه ای از تجارت در RRD از ژوئیه 2016 را نشان می دهد. ورود ما هنگام گردش مالی (حجم * نزدیک) از میانگین 100 روزه عبور می کند و وقتی روز گذشته 10 روز بالا است.

دلیل منطقی

ایده این سیستم تجاری این عقیده است که درصد خوبی از بازده سهام از روزهای حجم بالا و حرکت قیمت حاصل می شود که درست قبل از یک روز حجم بالا ممکن است آموزنده حرکت قیمت آینده باشد.

به عنوان مثال ، اگر یک سهام درست قبل از یک رویداد بزرگ مانند اعلامیه درآمدها ، به یک تجمع 10 روزه بپردازد ، این عملکرد ممکن است اطلاعات مهم مربوط به خود اعلام درآمد را نشان دهد.

این ممکن است در صورت پیش بینی گزارش سود خوب ، خودی ها سهام را خریداری کنند. یا این شایعات نشان می دهد که گزارش درآمد بهتر از حد انتظار خواهد بود. در واقع تحقیقات زیادی در این زمینه با مقالات زیادی در مورد SSRN انجام شده است. به عنوان مثال این یکی

نتایج سیستم

این سیستم معاملاتی شرح داده شده در داده های پایان تاریخ از Norgate بین 1/2010 و 1/2017 در جهان از سهام S& P Mid-CAP 400 با کمیسیون 0. 01 دلار در هر سهم اجرا شد. شروع سرمایه 100000 دلار بین 10 موقعیت تقسیم شد.

ما به طور متوسط سود در هر تجارت 0. 34 ٪ ، بازده سالانه 19. 3 ٪ و یک ماشین در MDD 2. 07 با نرخ برد 56 ٪ ثبت کردیم.

در اینجا منحنی سهام است:

چند افکار اولیه

ایده این سیستم این است که سهام قبل از یک روز حجم زیاد ، پس از وقوع روز حجم زیاد ، احتمالاً در آن جهت ادامه می یابد.

به نظر می رسد که نتایج از این پایان نامه پشتیبان گرفته و حاشیه سودآور را نشان می دهد اما استفاده از سیستمی که ما ایجاد کردیم مشکل بزرگی وجود دارد. ما قبل از اینکه بدانیم حجم معاملات چقدر خواهد بود ، در حال تجارت هستیم. بنابراین ، مشکل تعصب نگاه وجود دارد.

ما نمی توانیم به طور معقول این سیستم را تجارت کنیم ، زیرا نمی دانیم چه روز حجم بالایی از قبل اتفاق می افتد. علاوه بر این ، هنگامی که این سیستم با تأخیر در تجارت یک روز پشت سر گذاشته می شود ، تمام پتانسیل سود خود را از دست می دهد.

با این حال ، من به دلیل یک واقعیت ، این سیستم را نشان داده ام. در بعضی مواقع ، ما ایده ای خواهیم داشت که حجم آن چگونه خواهد بود.

اعلامیه های درآمد را به عنوان نمونه اصلی در نظر بگیرید.

اگر بدانیم که سهام فردا درآمدها را اعلام می کند ، می توانیم به طور منطقی فرض کنیم که سهام بیشتر از حد معمول علاقه بیشتری به وجود می آورد و بنابراین حجم بالاتر از حد معمول خواهد بود. و اگر سهام مورد نظر فقط در یک سطح جدید بسته شد ، شاید سرمایه گذاران هوشمند چیزی را که ما نمی دانیم بدانند.

بنابراین ، می توان گفت که برای تجارت این سیستم ، ما نیازی به پیش بینی حرکت قیمت نداریم ، بلکه حجم معاملات است.

نمونه ای از تنظیمات حجم بالا TUP

در مثال زیر گیلاس زیر خواهید دید که TUP در 24 آوریل درست قبل از یک روز حجم زیاد در یک سطح 10 روزه جدید بسته می شود. روز حجم زیاد در روز 25 اتفاق می افتد و می بینید که سهام بیشتر می شود.

سیستم ما در فضای باز حجم بالا خریداری شده و سپس بعد از هزینه ها دو میله را بعداً به سود 2. 78 ٪ فروخت.

به طور معمول ما نمی توانیم پیش بینی کنیم که 25 آوریل یک روز حجم بالا بود ، بنابراین ما نمی توانستیم این تجارت را با استفاده از داده های قیمت به تنهایی انجام دهیم. با این حال ، همانطور که معلوم شد TUP قرار بود درآمد 25 را گزارش کند.

از آنجا که ما می دانیم که TUP در حال گزارش درآمدهای 25 است ، می دانیم که احتمالاً یک روز با حجم بالا خواهد بود. بنابراین ، ما در واقع می توانستیم در نزدیکی یا حتی در نزدیکی روز گذشته خریداری کنیم و انتظار داشته باشیم که این رویداد احتمالاً باعث افزایش حجم معاملات متوسط شود.

دلیل منطقی به شرح زیر است: ما می دانیم که TUP فردا درآمد را گزارش می کند و می دانیم که سهام در روزهای اجرای این اعلامیه تجمع کرده است. بنابراین ما طولانی می رویم که انتظار یک روز حجم بالا و واکنش مثبت درآمدی را داریم.

افکار نهایی

ایده تجارت ارائه شده در اینجا نشان می دهد که ممکن است در معاملات روزهای پر حجم ، یک لبه احتمالی وجود داشته باشد. چنین روزهای با حجم بالا اغلب شامل روزهای اعلامیه درآمدی یا سایر رویدادهای مهم خبری است که در تقویم معاملاتی برنامه ریزی شده است.

با این حال ، باید گفت که نتایج تاکنون مبتنی بر فرضیات زیادی است که به این معنی است که احتمالاً بیرون رفتن و تجارت این روش ایده خوبی نیست.

به عنوان مثال ، هنگامی که تمام رویدادهای برنامه ریزی شده مانند گزارش های درآمد را بیرون می کشید ، می تواند این باشد که این استراتژی حاشیه خود را از دست می دهد. این امر باعث می شود تجارت بی ارزش باشد. علاوه بر این ، حتی اگر یک رویداد در آن برنامه ریزی شده باشد ، ما نمی توانیم تضمین کنیم که حجم بیش از دو برابر متوسط خواهد بود.

به طور کلی ، بعید به نظر می رسد که تمام کاری که برای کسب درآمد باید انجام دهید این است که قبل از برنامه های خبری برنامه ریزی شده ، روند را درست دنبال کنید.

برای آزمایش دقیق تر این استراتژی لازم است داده های بیشتری بدست آورید. به عنوان مثال ، داده های اعلامیه درآمدها ، امکان جداسازی معاملات را فقط به روزهای برنامه ریزی شده می دهد.

چنین داده هایی را می توان از مکانهایی مانند تحقیقات Zacks و Eventvestor بدست آورد. این می تواند یک خط جالب از تحقیقات آینده باشد.

مثال کد Amibroker

/*کد به عنوان نمونه و فقط برای اهداف اطلاعاتی ارائه شده است. سلب مسئولیت کامل و هشدار خطر اعمال می شود. jbmarwood. com.*/setformulaname ("روزهای حجم بالا") ؛تنظیمات ("Mode Mode", 3) ؛تنظیمات ("کمیسیون", 0. 01) ؛تنظیمات ("initielequity", 100000) ؛setPositionSize (10000، spsValue) ؛maxpos =10؛تنظیمات ("MaxOpenposions"، maxpos) ؛setBacktestMode (backtestregular) ؛positscore = ref (RSI (10),-1); Tuover = C*V; HVBuy = Tuover> 2*(Ref (MA (گردش مالی ،100),-1)) و C110),-1); HVSell = Tuover> 2*(Ref (MA (گردش مالی ،100),-1)) AND C1>Ref (HHV (C1 ،10),-1) ؛خرید = hvbuy ؛فروش =0؛کوتاه = hvsell ؛پوشش =0؛ApplictStop (Stoptypenbar ، StopModeBars ،2) ؛BuyPrice = کوتاه مدت = o ؛sellPrice = coverPrice = o ؛

شبیه سازی در این مقاله با Amibroker با استفاده از داده های Norgate ساخته شده است.

جو ماروود / درباره نویسنده

جو ماروود یک معامله گر مستقل و نویسنده متخصص در سیستم های معاملاتی و تجارت سهام است. او تجارت شغلی خود را در FTSE 100 و Bund آلمان برای یک خانه تجاری در لندن آغاز کرد و اکنون از طریق شرکت خود کار می کند. او همچنین به دنبال جستجوی آلفا و سایر نشریات مالی است.