Der optimale gleitenden Durchschnitt
Gleitende Durchschnitte als sogenannte Trendindikatoren spielen eine große Rolle in der technischen Analyse von Finanzmarktdaten. Der einfache gleitende Durchschnitt (SMA) ist nur für eine visuelle Analyse geeignet, da er in trendschwachen Phasen durch häufige Richtungsänderungen falsche Signale erzeugt. Der einfache exponentielle Durchschnitt (EMA) hat eine von der Größe des gewählten Glättungsmaßes abhängige Filterwirkung mit den entscheidenden Nachteilen, dass a) das Glättungsmaß nicht adaptiv ist und b) eine Trendumkehr angezeigt wird, sobald der aktuelle Wert der Zeitreihe seinen gleitenden Durchschnitt kreuzt, was wiederum zu einer Fülle von Fehlsignalen führt. Der EMA ist wie der SMA nur für visuelle Analysen geeignet. Dieses gilt dann auch für alle Indikatoren, die auf einer einfachen Mittelwertbildung oder auf einer konstanten Glättung nach den Prinzip des EMA basieren.
Die Stärke des optimalen gleitenden Durchschnitts (OMA) besteht darin, dass der aktuelle Wert der Zeitreihe einen von der momentanen Volatilität abhängigen Schwellenwert überschreiten muss, damit der Filter steigt bzw. fällt, wodurch Fehlsignale in trendschwachen Phasen vermieden werden.
Wer Intresse an der vollständigen Herleitung oder den Codes für Tradestation bzw. Metastock hat, kann mich anschreiben.
Der optimale gleitenden Durchschnitt
@ Walter [#11]
Ich bin von der Aussagekraft eines SMA Indikators durchaus überzeugt. Jedoch blind danach zu Handel halte ich für falsch.
P.S: In "Mathe" war ich eine Niete - sich aber dann mit Finanzkonstrukten zu beschäftigen das passt ;O)
Der optimale gleitenden Durchschnitt
Am Beispiel eines einfachen Trendfolgesystems für den DAX im dargestellten Zeitraum mit dem SMA bzw. dem OMA als Trendindikator wird der Gesamtgewinn und der Durchschnittsgewinn in Abhängigkeit von n dargestellt. Die Überlegenheit des OMA wird besonders aus dem Vergleich der Durchschnittsgewinne deutlich.
System mit OMA:
Enter Long /Close Short: OMA(t)>OMA(t-1) & C(t)>SMA(t) & LastPosition<=0
Enter Short /Close Long: OMA(t)<OMA(t-1) & C(t)<SMA(t) & LastPosition>=0
System mit SMA:
Enter Long /Close Short: SMA(t)>SMA(t-1) & C(t)>SMA(t) & LastPosition<=0
Enter Short /Close Long: SMA(t)<SMA(t-1) & C(t)<SMA(t) & LastPosition>=0
Der optimale gleitenden Durchschnitt
@ DrUhl [#13]
sofern ich Ihre Formel richtig interpretiere öffnen und schliessen Sie Positionen bei Kreuzung der Durchschnitte. Haben Sie dies bereits real gehandelt?
Der optimale gleitenden Durchschnitt
@ all,
empirische Exploration:
Punkt 1: "Fakeout Shakeout"
Punkt 2: "Fakeout Shakeout"
Punkt 3: "Up-Starter"
Der optimale gleitenden Durchschnitt
@ DrUhl [#13]
Hallo,
zur Grafik in [13] habe ich eine Frage.
Kannes sein, dass das OMA-System nur wenige Trades generiert hat im Testzeitraum und das SMA-System sehr viele? Der averageProfit (Test OMA) bei z.B. n=36 beträgt ca. 1000P. und der kumul.Proft etwas über 8000P. Der kumul. Profit ist also ungefähr der 8-fache Erwartungswert, d.h. 8-9 Trades bei n=35-50?
MfG
Der optimale gleitenden Durchschnitt
[#14]
Frage Signal: Das Handelssignal entsteht durch die Richtungsänderung des GD. Als
Zusatzbedingung wird gefordert, dass der Schlusskurs über dem SMA liegt.
Frage realer Handel: No Sir. Dafür habe ich kein Geld. Alles an der Börse verzockt.
[#16]
Richtig. Wegen seiner Filterwirkung erzeugt der OMA deutlich weniger Signale. Z.B. für n=35: OMA 11 Signale, SMA 79 Signale.
Noch ein bischen Theorie. Zur Verdeutlichung der Arbeitsweise des OMA betrachte ich die Überlagerung von 2 Sinusschwingungen. Die Schwingung mit der Periode 200 ist (sagen wir) das Nutzsignal. Die exponentiell abklingende Schwingung mit der
Periode 20 ist das Störsignal. Wie zu sehen ist, macht der SMA alle Bewegungen mit (schlecht). Der OMA läuft horizontal, wenn es ihm zu bunt wird. Der Grund dafür ist, dass die Amplitude der Gesamtschwingung einen zur Amplitude des Störsignals proportionalen Schwellenwert überschreiten muss, damit der OMA steigt bzw. fällt.
Der optimale gleitenden Durchschnitt
:) obigen Chart bitte mal andersherum ! Ein sich "aufbauendes" Störsignal (steigende Vloatilität) wäre in der jetzigen Situation viel realistischer :)
Die Funktion bei der Variante mit den Sinus ist mathematisch korrekt, aber leider könnte real zum Zeitpunkt "400" plötzlich ein Ereignis eintreten, welches ab dann zu weiterer fortlaufend starker Volatilität (hier Amplitude des Störsignals) führt.
Dann scheitert auch der "OMA", denn in den zurückliegenden Perioden war ja alles schön ruhig und "Friede Freude Eierkuchen". Wir sind aktuell im DAX z.B. in so einer Situation. Die Volatilität ist jetzt niedrig und hat sich dahin historisch auch schön sauber "abwärts" entwickelt. Wenn jetzt/bald durch was auch immer "plötzlich" mal wieder Schwung in die Sache kommt, dann ist alles was auch nur irgendwie mit Durchschnitten arbeitet, zumindest wieder "zuspät" drann ;)
Solche "Ubergangserkennungen" funktionieren wenn überhaupt nur per "Spektralanalyse" (->selektiv getriggerte Filtervarianten) welche dann historisch verglichen werden um in der Hoffnug, das solch ein Wechsel schonmal stattgefunden hat, den weiteren damaligen Verlauf auf die jetzige Situation umzusetzen. (ein Mensch macht ja auch nix anderes, wenn er aus Gefühl sowas schonmal erlebt zuhaben, dann entsprechend "vorbestimmt" nach "Bauchgefühl" handelt)
Also auch der OMA hat nur seine "Vorzüge" in sich kontinuierlich entwickenden Märkten...
Der optimale gleitenden Durchschnitt
[18]
Ich bin nicht ganz sicher, ob ich dich verstanden habe.
Also der OMA misst die Volatilität des Kurses unter Verwendung
n zurückliegender Werte und korrigiert sich damit sozusagen selbst.
Das Problem könnte darin bestehen das bei der Regression die Fehler-
quadrate gleich gewichtet werden. Damit reagiert er auf einen Preis-
schock noch langsamer als der SMA. Dieser Nachteil wird dadurch
aufgewogen, dass er in trendschwachen Phasen seitwärts läuft.
Dein Vorschlag geht in einer andere Richtung: Erkennung von Preismustern.
Die Analyse von Daten im Frequenzraum funktioniert bei stationären Zeitreihen
wunderbar.
Der optimale gleitenden Durchschnitt
[18]
Hier der Sinus mit wachsendem Störsignal.
Der optimale gleitenden Durchschnitt
..."Die Analyse von Daten im Frequenzraum"...
Sorry ist auch nicht mein Spezialgebiet, kenne nur die Grundprinzipen und Ergebinsse der Lösung von "Osten", welche eben "ohne" Trägheit auf Verändrungen
der Störgrößen durch historischen Vergeich reagiert.
Der OMA mit auf den "Grundsinus" mit sich steigernder Störgröße, käme zumindest der Markttheorie bei steigender Volatilität am nächsten. Der letzte Chart hat doch nur einen nominalen "Kurssprung", aber fast identische Deltas. Das ist kein realistischer Ansatz. Entweder Sprung, großes Delta was sich wieder verringert (NewYork,Madrid,London...) oder eben das fast normale, wenn wir einen übergann auf steigende Volatilität bekommen...
Mir fehlt die Zeit die Datenreihe selber zu basteln, aber exakt das sollte die eigentliche "Schwäche" des OMA sein. In trendschwachen Phasen seitwärslaufende Indikatoren sagen leider nicht viel, denn sie haben somit "gelernt" das sich nicht viel tut und können somit einen Wechsel der Dynamik nur verzögert erkennen.
Alle diese Ansaätze setzen aber voraus, das man daran "glaubt", das der DIREKT vorhergehende Kursverlauf Ausagen über den weiteren Verlauf treffend zuläßt.
Die Zeit wird zeigen, ob wir zukünftig nicht mit mehr "Gedächtnis" arbeiten sollten.
Also in etwa bei irgendeiner Änderung:
- nähe Naturereignis ? ja -> welches ist wohl am ehesten vergleichbar ?
- nähe Terrorereignis ? ja -> welches ist "vergleichbar", oder ist es "schlimmer" ?
- nähe Wirtschaftsereignis ? ja -> was war so ähnlich ?
... und dann immer wie war der damalige weitere Verlauf ...
Klingt brutal, aber diese rein materialistische Denkweise ist zumindest nach eigener Erfahrung in den letzten knapp 2 Jahren sehr effektiv. Somit wird meine "Abneigung" gegen jegliche Durchschniite der "direkten" über Perionen festglegten Werteanzahl wohl verständlich...