ПОРІВНЯННЯ СИСТЕМ ПРОГНОЗУВАННЯ НАПРЯМУ ЗМІН КУРСУ ФІНАНСОВОГО ІНСТРУМЕНТУ З ВИКОРИСТАННЯМ ПРОСТИХ, ЕКСПОНЕНЦІЙНИХ ТА ЛІНІЙНО ЗВАЖЕНИХ КОВЗНИХ СЕРЕДНІХ

Автор(и)

DOI:

https://doi.org/10.31732/2663-2209-2022-71-19-30

Ключові слова:

торгова система трейдера, індикатор технічного аналізу, ковзна середня, проста ковзна, експоненційна ковзна, лінійно згладжена ковзна, валютна пара, біржова операція, фінансові ринки

Анотація

В ряді сучасних наукових досліджень вказується на той факт, що індикатори технічного аналізу мають різного роду прогнозну силу. Відповідно, торгові системи для роботи на фінансових ринках, побудовані з їх використанням, можуть мати деяку практичну цінність. У цій роботі досліджено певний спектр актуальних питань розробки, тестування та імплементації торгової системи, що генерує вказівку до виконання біржової операції основі сигналів індикаторів технічного аналізу, зокрема, експоненційних, зважених та простих ковзних середніх. Проаналізовано роботи сучасних науковців, в яких розглядаються варіанти використання цих індикаторів. В даному контексті метою поточного дослідження є аналіз впливу налаштувань лінійно зважених ковзних середніх та їх комбінацій на прибутковість торгової системи, а також порівняння результатів такої системи з результатами стратегії, побудованої на комбінації простих і експоненційних ковзних середніх. Для досягнення мети використано загальнонаукові (аналіз, синтез, порівняння, моделювання) та спеціальні (тестування, статистичний аналіз, графічний, табличний) методи дослідження. Виходячи з цього сформовано завдання, що вирішуються застосуванням індикаторів такого роду. Запропоновано методику відбору середніх ковзних та їх налаштувань при створенні, тестуванні та впровадженні торгової системи трейдера. Розглянуто кілька підходів до формування та інтерпретації сигналу щодо зміни курсу фінансового активу, що його генерує система. Також в роботі проаналізовано критерії порівняння результатів стратегій на етапі тестування. Розраховано та порівняно результати застосування різних варіантів стратегій, відібрано оптимальні згідно заданих критеріїв відбору. Імітація торгових операцій виконано для валютної пари EUR/USD, використано тижневі котирування з 1999 по 2023 роки, на основі чого визначено оптимальну комбінацію індикаторів для використання в торговій стратегії. Окремо зазначено, що система, яка будується на ковзних середніх, має певні недоліки та потребує додаткової оптимізації. Вказано варіанти можливої оптимізації та відповідний інструментарій, який можна проаналізувати. Виходячи з результатів дослідження, зроблено висновок, що підіхід до розробки та використання торгової системи трейдера, який запропоновано, може бути використано для виконання реальних біржових операцій.

Завантаження

Дані завантаження ще не доступні.

Біографія автора

Вадим Савченко, ВНЗ "Університет економіки та права "КРОК"

Аспірант, ВНЗ «Університет економіки та права «КРОК», м. Київ

Посилання

Бакай, Є. І. (2017) Модель прийняття рішень для фінансових часових рядів на основі пари середніх з використанням оцінки різних часових вимірів / Є. І. Бакай, В. В. Кабачий, Р. В. Маслій // Вісник Вінницького політехнічного інституту, 1, 70-77. Доступ через http://nbuv.gov.ua/UJRN/vvpi_2017_1_13

Мокін, В. Б., Жуков, С. О., Куперштейн, Л. М., & Слободянюк, О. В. (2022). Інформаційна технологія прогнозування курсу криптовалют на основі комплексної інженерії ознак. Вісник ВПІ, 2, 81-93. Доступ через https://ir.lib.vntu.edu.ua

Пилипченко, О., Кузьмінський, В., & Чумаченко, О. (2021). ВИКОРИСТАННЯ МЕТОДІВ ТЕХНІЧНОГО АНАЛІЗУ ДЛЯ ПРОГНОЗУВАННЯ РИНКУ КРИПТОВАЛЮТ. Вчені записки Університету «КРОК», 4(64), 28–35. DOI: 10.31732/2663-2209-2021-64-28-35

Хобта, В.М. (2022) Обґрунтування інвестиційних рішень на фондовому ринку / В.М. Хобта, В.А. Деревянко // Наукові праці ДонНТУ. Серія: «Економічна», 1(25), 13-19. Доступ через https://ea.donntu.edu.ua

Раєвнєва, О.В. (Ред.), Аксьонова, І.В., Бровко, О.І. (2019). Статистика. Доступ через http://repository.hneu.edu.ua

Савченко, В. (2023). ПОРІВНЯННЯ СИСТЕМ ПРОГНОЗУВАННЯ НАПРЯМУ ЗМІН КУРСУ ФІНАНСОВОГО ІНСТРУМЕНТУ З ВИКОРИСТАННЯМ ПРОСТИХ ТА ЕКСПОНЕНЦІЙНИХ КОВЗНИХ СЕРЕДНІХ. Вчені записки Університету «КРОК», 2 (70), 61-75. Доступ через DOI: 10.31732/2663-2209-2022-70-61-75

Akyildirim, E., Goncu, A., & Sensoy, A. (2021) Prediction of cryptocurrency returns using machine learning. Annals of Operations Research, 297, 3-36. Доступ через https://www.researchgate.net

ALONSO-MONSALVE, Saúl, et al. (2020) Convolution on neural networks for high-frequency trend prediction of cryptocurrency exchange rates using technical indicators. Expert Systems with Applications, 113-250. Доступ через https://www.researchgate.net

Altan, A., & Karasu, S. (2019). THE EFFECT OF KERNEL VALUES IN SUPPORT VECTOR MACHINE TO FORECASTING PERFORMANCE OF FINANCIAL TIME SERIES AND COGNITIVE DECISION MAKING. THE JOURNAL OF COGNITIVE SYSTEMS. Vol. 4, 1, 17-21. Доступ через https://www.researchgate.net

Zhang, Z., Zohren, S., & Stephen, R. (2020) Deep reinforcement learning for trading. The Journal of Financial Data Science. 25-40. Доступ через https://www.researchgate.net

ChartSchool. (n.d.) Moving averages: simple and exponential. Доступ через https://school.stockcharts.com/doku.php

MetaTrader4. (n.d.) Moving average. Доступ через https://www.metatrader4.com/en/trading-platform/help/analytics/tech_indicators

QuantifiedStrategies. (n.d.) Trading System And Strategy Performance Metrics Доступ через https://www.quantifiedstrategies.com/trading-strategy-and-system-performance-metrics

ATAS. (n.d.) Core mathematics for Forex traders. Part 2. Доступ через https://atas.net/trading-preparation/funds-management

Downloads

Опубліковано

2023-09-30

Як цитувати

Савченко, В. (2023). ПОРІВНЯННЯ СИСТЕМ ПРОГНОЗУВАННЯ НАПРЯМУ ЗМІН КУРСУ ФІНАНСОВОГО ІНСТРУМЕНТУ З ВИКОРИСТАННЯМ ПРОСТИХ, ЕКСПОНЕНЦІЙНИХ ТА ЛІНІЙНО ЗВАЖЕНИХ КОВЗНИХ СЕРЕДНІХ. Вчені записки Університету «КРОК», (3(71), 19–30. https://doi.org/10.31732/2663-2209-2022-71-19-30

Номер

Розділ

Розділ 1. Економіка