Taxa de bitcoin padrão de negociação em usd

Para minha surpresa, consegui encontrar essa regra, que elaborarei neste artigo. A regra parece funcionar de forma consistente para uma ampla gama de ações, em períodos de tempo longos. Embora talvez não seja interessante o suficiente para negociar por si só, a regra pode fornecer algumas informações úteis e, possivelmente, ser combinada com outros indicadores em uma estratégia comercial mais elaborada.

A base original para essa pesquisa foi a idéia de usar modelos de autorregressão vetorial para prever os preços diários de um estoque de O / H / L / C. A tese subjacente é a de que pode haver informações nos valores históricos dessas variáveis ​​que, combinadas entre si, poderiam produzir previsões mais úteis do que, por exemplo, usando apenas os preços aproximados. Em termos técnicos, dizemos que as séries de preços O / H / L / C são cointegradas, o que podemos pensar como um tipo mais robusto de correlação: séries cointegradas tendem a continuar a se mover juntas por alguma razão econômica subjacente, enquanto séries que são meramente correlacionados, muitas vezes, ver que o relacionamento puramente estatístico se quebra.


Nesse caso, a relação econômica entre a série O / H / L / C é clara: o preço alto sempre será maior do que o preço baixo, e os preços de abertura e fechamento estarão sempre entre os dois. Além disso, os preços não podem se afastar arbitrariamente, indefinidamente, uma vez que a volatilidade é finita e reversível. Portanto, há algum tipo de lógica para usar um modelo de autorregressão vetorial nesse contexto. Mas eu não quero insistir muito nessa idéia, pois ela é útil apenas na margem.

No meu modelo, tive que considerar regras combinando não apenas os preços O / H / L / C de ontem, hoje e amanhã, mas também os preços O / H / L / C do modelo de autorregressão vetorial. Isso deu origem a centenas de milhares de possibilidades. Um teste de força bruta de cada um deles seria certamente viável, mas tedioso de executar. E muitas das regras possíveis seriam redundantes – por exemplo, uma regra como: “se a abertura de hoje for menor do que a do fechamento de hoje, compre” aberta hoje “. Regras desse tipo certamente farão muito dinheiro, mas não são práticas, infelizmente!

bitcoin valor usd

Eu escolhi ações com longas histórias, desde pelo menos o início da década de 1970, a fim de fornecer dados suficientes para construir o modelo VAR. Os dados do período de janeiro de 1970 a dezembro de 2012 foram utilizados para estimar o modelo, e o desempenho das várias regras de negociação possíveis foi avaliado usando dados fora da amostra de janeiro de 2013 a junho de 2014.

Para facilitar a ilustração, os algoritmos foram codificados no MS-Excel (uma cópia da pasta de trabalho do Excel está disponível mediante solicitação). Na avaliação do desempenho da regra de negociação, foi feita uma provisão de $ 1c por ação na comissão e $ 2c por ação no desdobramento. O tamanho da posição foi fixado em 1.000 compartilhamentos. Considerando que as regras de negociação exigem entrada e saída no fechamento do mercado, pode ser necessária uma maior margem de compensação para algumas ações. Além disso, devemos notar as dificuldades práticas de negociar uma posição considerável no fechamento, especialmente em situações em que o preço das ações pode estar muito próximo de níveis chave, como a alta ou baixa intra-dia que nossa regra de negociação pode querer considerar do.

Como uma advertência adicional, devemos notar que há um elemento de viés de sobrevivência aqui: para encaixar este protocolo de teste, os estoques teriam que sobreviver desde a década de 1970 até os dias atuais. Muitas ações que estavam em vigor no início desse período não existem mais, devido a fusões, falências, etc. A exclusão dessas ações da avaliação tenderá a inflar os resultados do teste. Deve-se dizer que eu fiz testes semelhantes em vários estoques agora extintos, para os quais os resultados foram semelhantes aos apresentados aqui, mas um estudo completamente viés de viés de sobrevivência está além do escopo deste artigo. Com essa ressalva atrás de nós, vamos dar uma olhada em alguns dos resultados.

bitcoin histórico price

A figura 1 abaixo mostra a saída resumida do teste para a empresa 3M (NYSE: MMM). No topo você pode ver o melhor regra de negociação que o sistema foi capaz de encontrar para este estoque em particular. Em inglês simples, a regra diz para comprar o fechamento de hoje na MMM e vender o fechamento de amanhã, se a ação abrisse abaixo da previsão do preço alto de ontem e, além disso, o estoque ficasse abaixo da metade do dia (a média da alta hoje). e preços baixos).

Os resultados da amostra de janeiro de 2000, resumidos na tabela à esquerda na Figura 2 abaixo, são dificilmente estelares, mas mostram evidências de uma margem pequena, mas significativa, com retornos líquidos totais de 165%, fator de lucro de 1,38 e % de taxa de ganho de 54%. E enquanto a regra de negociação é, em última instância, superada por uma estratégia de compra e manutenção simples, depois de levar em consideração os custos de transação, por períodos estendidos (por exemplo, 2009-2012), os investidores teriam sido melhores se tivessem usado a regra de negociação. porque evitou com sucesso o pior dos efeitos do crash do mercado de 2008/09.

taxa de transação de bitcoin

Eu observei anteriormente que a primeira parte do nosso negociação regra para a MMM envolvida, comparando o preço de abertura com a previsão da alta de ontem, produzida pelo vetor modelo de autorregressão, enquanto a segunda parte da regra de negociação referencia apenas os preços médios e de fechamento. Quanto valor agregado o modelo VAR oferece? Podemos testar isso eliminando a primeira parte da regra e considerando todos os dias em que a ação fechou abaixo da faixa intermediária. Os resultados mostram-se como mostrado na Fig. 3.

Como esperado, os resultados in-sample de nossa regra de negociação encurtada são certamente inferiores à regra original, na qual as previsões do modelo VAR desempenharam um papel. Mas o desempenho fora da amostra da regra simplificada é realmente melhorado – não apenas o retorno líquido é maior do que antes, como também a taxa de% de ganho, em alguns pontos percentuais.

Um similar padronizar emerge para muitos outros estoques: em quase todos os casos, nosso algoritmo de teste descobre que o melhor regra de negociação compra o fechamento, com base em uma comparação do preço de fechamento com o preço médio. Em alguns casos, os resultados dos testes na amostra são aprimorados pela adição de outras condições, como as que vimos no caso da MMM. Mas, como com a MMM, muitas vezes descobrimos que o benefício adicional derivado do uso das previsões do modelo de autoregressão não melhora os resultados da regra de negociação no período fora da amostra e, na verdade, muitas vezes os torna piores.

gráfico do dólar do bitcoin

Em certo sentido, essa simples regra de negociação já é bem conhecida: é apenas uma variante da ideia de “comprar os afundamentos”, onde, nesse caso, definimos uma queda como sendo quando o estoque se fecha abaixo da faixa intermediária do mercado. dia, em vez de, digamos, abaixo de um nível médio móvel. A base econômica para esse achado também é bem conhecida: os estoques têm um desvio positivo. Mas é interessante encontrar mais uma confirmação dessa ideia bem conhecida. E isso deixa em aberto a possibilidade de que o conceito de negociação possa ser melhorado com a introdução de regras adicionais, indicadores de negociação e previsões de modelo para o mix.