무역 전략 평균 복귀

+

복귀 BREAKING DOWN 평균 복귀 평균이 이론은 주식 또는 누구의 최근 성과 크게 역사적 평균에서 차이가있는 다른 유가 증권의 구매 또는 판매와 관련된 많은 투자 전략을 주도하고있다. 그러나 수익률의 변화는 회사가 더 이상은 평균 회귀가 발생하는 것이 어렵다 경우에 한 번했던 같은 전망을 가지고 있다는 신호가 될 수 있습니다. %의 수익률과 가격은이 현상의 대상이 될 수 있습니다 금리 또는 회사의 경우에도 주가 수익률을 되 돌리는 평균 고려하는 유일한 방법 아니다. 복귀는 이전 상태로 다시 어떤 조건의 반환을 포함한다. 평균 회귀의 경우, 생각은 장기 규범에서 멀리 벗어나있는 어떤 가격이 다시 그 이해의 상태로 되 돌리는 반환 것입니다. 정상적인 성장 또는 다른 변동 패러다임의 예상되는 부분이기 때문에이 이론은 비교적 극단적 인 변화의 복귀에 초점을 맞추고 있습니다. 평균 복귀 이론은 시장 조건의 통계적 분석의 일부로서 사용되며, 전체 거래 전략의 일부가 될 수있다. 그것은 저를 구입하고, 이론적으로, 다시 정상적인 패턴으로 돌아갑니다 비정상적인 활동을 식별하는 희망에 의해, 높은 판매의 아이디어에 잘 적용됩니다. 예상치 못한 높거나 낮은이 규범의 변화의 표시가 될 수 있기 때문에 정상적인 패턴 반환이 보장되지 않습니다. 이러한 이벤트는 포함 할 수 있지만, 부정적인 측면에 새로운 제품 출시 또는 긍정적 인 측면에서 개발, 또는 리콜과 소송에 한정되는 것은 아니다. 심지어 극단적 인 사건으로, 보안이 평균 반전을 경험하게 될 것입니다 수 있습니다. 대부분의 시장 활동과 마찬가지로, 특정 이벤트 또는 특정 증권의 전반적인 매력에 영향을 미치지 않습니다 방법에 대한 몇 가지 보장이있다. 복귀 거래 평균의 복귀 거래는 이전 상태로 되돌아 갈 것이라는 가정에 기초하여 특정 보안의 가격 내에서 극단적 인 변화를 활용 보이는 것을 의미한다. 이 이론은 그 상인 예기치 반등에 이익 이상 낮은 발생에 저장할 수있는 바와 같이, 매매 모두에 적용될 수있다. 더 만기일과 채권. 영구 채권은 상환하지 않지만 영원히 관심의 꾸준한 스트림을 지불합니다. 의 일부. 경제 또는 금융 지수 년 시리즈의 첫 번째. 베이스 년 통상 대개의 수명 동안 어떤 시점 동사 지분 일정량으로 변환 할 수 1 본드의 임의의 레벨로 설정된다. 주식 시장에 투자 초과 수익률은 국채의 반환 등의 위험이없는 속도를 통해 제공합니다. 500 주식의 인덱스는 다른 요인들 중 시장 규모, 유동성 및 업계 그룹에 대한 선택. 의 S P 500은 디자인된다. 그의 최근 책에서 마이클 R. 브라이언트으로 평균 복귀 ETF 전략의 스위트 스폿 (Sweet Spot)은 하워드 밴디는 그가 평균 복귀 거래 시스템을 개발하기위한 부르는 것을 논의했다. 1 아이디어는 바 길이, 보유 기간, 시스템의 정확성 및 기타 변수의 적절한 조합이 위험 조정 수익을 극대화하는 경향이 있다는 것입니다. 2이 문서 교환이 자동화 된 도구를 사용하여 펀드 (ETF의)을 거래에 대한 그 달콤한 자리에 누워 평균 복귀 거래 전략을 개발하는 방법을 보여줍니다. Adaptrade Builder를 사용. Windows를위한 전략 개발 도구, 나는 몬테카를로 분석 방법을 스트레스 테스트는 S P 500 (SPY) ETF와 선택 섹터 SPDR ETF를위한 강력한 평균 회귀 전략을 찾기 위해 개발 프로세스의 일부로 사용할 수있는 방법을 보여줄 것이다. 전략 코드를 포함 빌더 프로젝트 파일은, 각 실시 예에 제공된다. 스위트 스폿 (Sweet Spot) 박사 밴디의 스위트 스폿 (sweet spot)의 기본 개념을 방문하는 것은 좋은 거래 전략은 짧은 막대 크기를 사용하여 짧은 보유 기간 및 낮은 삭감에 상당히 높은 정확도를 가지고 있어야한다는 것입니다. 짧은 줄 크기 및 짧은 유지 기간은 높은 정확도와 낮은 자본이 쉽게 손실로부터 복구 할 수 있도록하면서 복귀 화합물에 대한 기회를 극대화. 후자의 특성은 쉽게 전략의 실행 가능성을 설정할 수 있도록하고 고정밀 시스템에 대한 전형적인 연패 비교적 짧은 경향이 있기 때문에 더 이상 작동 s의시기를 결정 않음. - 30 거래 년 이상 (65)가 1 ~ 4의 거래에서 거래를 평균 막대를 승리 당 20 일일 바 박사 밴디의 가이드 라인을 바탕으로, 다음과 같은 특징이 평균 복귀 ETF 전략을위한 최적의 요구 사항을 정의하기 위해이 문서에서 사용됩니다 평균 회귀, 나는 현재 평균 가격 이하로 구입 가격이 평균에 복귀로 높은 가격에 판매하려고 시도 전략을 참조 있어요. 아이디어는 일반적으로 높은 구매 및 높은 판매하려고 시스템을-다음 추세와 반대로, 낮은 구매 및 높은 판매하는 것입니다. 마지막 뉴스 레터 기사에서 몬테 카를로 분석으로 구축, 나는 거래 전략 및 오버 피팅 견고성과 전략의 관계를 평가하는 스트레스 테스트의 사용을 논의했다. 또한이 빌드 프로세스에 포함된다면, 그 안정성을 나타내 전략 발생할 경향이 있다고 언급했다. 즉, 여기에 따라야 할 방법을이야. 간단히, 스트레스 테스트는 무역 전략은 입력과 환경에 얼마나 민감한 평가를 의미한다. 강력한 전략 - 시장에 과도하게 적합하지 않습니다 하나 - 입력 매개 변수 값과 같은 가격 데이터에 대한 변경과 같은 환경에서 다른 변화에 변화에 상대적으로 영향을받지 될 것입니다. 몬테 카를로 분석은 이러한 변화의 영향을 평가하기 위해 사용되는 기술이다. 전략의 입력, 가격 데이터, 및 기타 요소가 임의로 변경 및 전략의 성능을 평가한다. 이 과정을 여러 번 반복함으로써, 결과의 분포가 얻어진다. 원본 데이터의 결과는 메일에 한 점을 나타냅니다. 분포의 다른 점은 다소 유리한 원래의 데이터보다 결과를 생성 할 수있다 원래 데이터의 약간 수정 된 버전을 사용하여 결과를 나타낸다. 소위 몬테카를로 결과 평가의 대부분 (대개 95)보다 더없는 성능 측정 (순이익 퍼센트 승 수익 인자 등)의 값이다. 95 신뢰의 몬테 카를로 순이익은 15,000입니다 예를 들어, 즉 평가의 95 이상으로 좋은 15,000 순이익을 가지고 있다는 것을 의미한다. 즉, 순이익은 반대로 적어도 15,000, 또는, 순이익은 15,000 이상이어야합니다 5 기회가이야 것이라고 95 가능성이에요. 거래 전략 몬테카를로 결과에 기초하여 수정 및 테스트, 건물의 연속적인 세대에 걸쳐 반복 개발 때만 강력한 전략이 좋은 몬테카를로 결과 가지기 때문에 견고 하나 전략을 유도하는 경향이있다. Adaptrade Builder는 스트레스 테스트의 몬테 카를로 결과를 사용하여 전략의 결과를 평가를 포함하여이 프로세스를 자동화합니다. 첫 번째 예는 SPDR S P 500 인덱스 ETF (기호 SPY)입니다. 2013년 4월 23일에 1999년 1월 4일에서 매일 바 사용 하였다. (예에서 샘플) 구축에 사용하고 나머지 데이터 - 건물의 기간은 제 80 (2008년 8월 10일 1999년 1월 4일)와, 2011년 1월 2일에 1999년 1월 4일로 설정 (2008-08-11 - 2011년 1월 2일) 밖으로의 샘플 테스트에 사용. 나머지 데이터는 (2011-02-07 - 2013년 4월 23일) 확인을 위해 따로 설정했다. 모든 데이터는 TradeStation를 9에서 얻었다 전략 논리 오랜 만, 모든 수익은 재투자와 자본의 100, 각 무역에 투자하고, 거래 비용을 라운드 턴 당 공제 주당 0.015이었다. Adaptrade Builder는 연속적인 세대에 걸쳐 전략의 인구가 진화 유전 프로그래밍 알고리즘을 사용합니다. 우리의 최적의 요구 사항 소위 빌드 지표를 설정하는 것입니다을 충족 전략을 찾기 위해 빌더를 사용하는 열쇠는, 도 다음과 같습니다. 빌더에서 빌드 통계 1. 1. 그림은 SPY 전략의 스위트 스폿 (sweet spot)을 정의합니다. 빌드 목표의 목록은 극대화되고 모두 세 개의 범용 통계를 포함합니다. 다음은 어떤 전략을위한 바람직한 높은 순이익, 상관 계수 및 통계적 유의성을 가지고 사람을 향해 전략의 인구를 안내하는 데 도움. 우리가 (즉, 스위트 스팟) 찾고있는 특정 자질이 거​​래에서 거래, 평균 막대의 수에 대한 불평등 조건 및 승리의 비율을 포함 빌드 조건에 의해 정의된다. 거래의 개수에 대한 조건에서 샘플 데이터 연수 연간 20 ~ 30을 갖는 거래의 목적에 기초하여 다양한 설정되어 있는지 알. 또한 승리 거래의 비율이 65 ~ 85의 범위로 설정되어 있는지 확인합니다. 승리 거래의 비정상적으로 높은 비율이 전략은 일반적으로 다른 조건을 만족하지 못할 것이기 때문에 상한이 추가되었습니다. 이러한 전략을 처벌하는 것은 어울리지 않게 다른 사람의 배제에 하나의 조건을 만족 전략에 반대, 모든 조건을 충족하는 전략으로 인구를 구동하는 데 도움이됩니다. 동일한 논리는 수익 인자의 범위를 설정하는 데 사용 하였다. 다른 조건 - 상관 계수, 통계적 유의성 이익 계수 켈리 분율 - 우리의 특정 요구 사항의 일부가 아니지만, 전체 결과를 향상시키기 위해 첨가 하였다. 도 다음과 같이이 예제에 사용 된 스트레스 테스트와 몬테 카를로 설정, 빌드 옵션 화면에서 선택되었다. 2. 그림 2. 몬테 카를로 분석 및 스트레스 테스트 옵션은 빌드 옵션 탭을 선택한다. 도면에 도시 된 바와 같이, 99 몬테카를로 반복 각 분석에 사용 하였다. 이것은 99 스트레스 테스트는 원래 데이터의 평가에 추가로 수행되었음을 의미한다. 100의 데이터 세트는도 1에 도시 된 조건을 평가하기 위해 사용 하였다 (95) 신뢰의 결과를 추출하는 몬테 카를로 분석을 사용하여 분석 하였다. 1. 스트레스 테스트는 가격 랜덤 전략 입력을 랜덤 한 출발 바가 무작위로 이루어져 있었다. 세 randomizations는 각각의 스트레스 테스트를 시행 하였다. 각각의 전략은 각각의 발생에서 100 회 (99 스트레스 테스트 플러스 원래의 데이터)를 평가하기 때문에, 이러한 접근 방식은 그것이 찍은 것처럼 약 100 시간 걸렸다하지 사용되고 스트레스 테스트 몬테 카를로 분석했다. 이러한 이유로, only100 부재의 비교적 작은 집단 합리적인 솔루션 시간을 유지하기 위해 사용되었다. 인구 10 세대 진화하고, 밖으로의 샘플 기간에 당기 순이익이 마이너스 인 경우의 옵션은 10 세대 후에 다시 시작 하였다. 20 세대 (1 재 구축) 이후 인구에서 최고의 전략에서 주식 곡선 그래프는도 다음과 같습니다. 최종 SPY 전략에 대한 각각의 스트레스 테스트 3. 그림 3. 주식 곡선. 그림에서 각 곡선. 3 일 스트레스 테스트를 나타냅니다. 알 수있는 바와 같이, 다른 모든 주식 곡선은 일반적으로 양의 아웃 - 오브 - 샘플 결과와 동일한 형상을 갖는다. 다음은 몬테 카를로의 일부도에 해당하는 95 신뢰에서 결과입니다. 이 전략은 원래의 요구 사항을 충족을 요구보다 적은입니다 거래의 수에서 제외 거래 3. 전체 순이익 평균 바. 이 전략은 또한 검증 테스트를 통과. 종료 날짜가 2013년 4월 23일로 확장 될 때, 몬테 카를로는 67,015에 순이익이 증가 총. 전략 로직은 평균 복귀 전략에 대한 요구를 만족시키는 것이 한계 주문에 들어가고 지표 조건을 사용하여 종료한다. 제한 항목은 시장이 제한 가격에 와서하는 것을 의미하므로 시장이 다시 상승 후 전략은 낮은 및 판매 구입한다. 이들 몬테 카를로 예를 들어, 스트레스 테스트 평가의 95 이상으로 큰 56784으로 총 순이익을 가지고 있다는 것을 의미한다 95 신뢰에서 결과 있다는 사실을 유지하기 위해 중요하다. 스트레스 테스트는 원래 데이터를 해제하고 전략을 평가하는 경우도 아래와 같이 형평성 곡선이다. 4. 그림 원본 데이터에 대한 최종 SPY 전략 4. 주식 곡선. 이 지분 곡선은 5.5의 연간 수익에 해당 109,497의 순이익에 해당합니다. 이것은 단지 겸손한 복귀하지만, 쉽게 같은 기간에 비해 약 1.8의 구매 및 홀드 수익을 능가하고 활용하지 않고 두 곰 시장을 포함하는 기간에 걸쳐 꾸준히 증가 지분 곡선으로 이루어진다. 추려낸 분야 SPDR 예 두 번째 예는 선택 분야 SPDRs로 구성된 ETF를 포트폴리오를 통해 전략을 구축하는 것을 포함한다. 이 ETF의 분열의 S P 500은없는 중복으로 구 분야 중 하나에 배치됩니다. 아홉 분야는 소비재 (기호 XLY), 필수 소비재 (XLP), 에너지 (XLE), 금융 (XLF), 건강 보험 (XLV), 산업 (XLI), 재료 (XLB), 기술 (XLK), 및 유틸리티입니다 (XLU). 동일한 설정의 대부분은 마지막 예에서와 같이이 전략을 구축하는 데 사용되었다. 훨씬 가격 데이터 등의 아홉 빌드 사용 하였다 때문에, I 다른 빌드 옵션도 동일 하였다 (99)로부터 제 몬테카를로 반복의 수를 감소시켰다. t 플레이에 와서 바랬다 - 재 구축 옵션을 제외하고 2. 위치 정립을 위해, 자본의 (20)는 각각의 거래에 투자했다. 모든 시장들이 동시에 거래 될 가능성 이었기 때문에, 이 설정을 활용 초래하지 않고 적절한 위치 크기를 제공하도록 선택되었다 (즉, 과잉 투자). 이 빌드의에서 샘플 기간은 이십삼분의 사에 아웃 - 오브 - 샘플 기간으로 2012년 1월 2일 및 2012년 1월 3일에 2009년 5월 29일으로 2009년 5월 28일에 1999년 1월 4일했다 / 2013 검증을 위해 따로 설정합니다. 10 세대 (아무 재 구축) 이후 인구에서 최고의 전략 중 하나에서 지분 곡선 그래프는도 다음과 같습니다. 최종 선택 섹터 SPDR 포트폴리오 전략에 대한 각각의 스트레스 테스트 5. 그림 5. 주식 곡선. 그림의 각 지분 곡선. 5 동시에 하나의 스트레스 테스트 설정의 집합 (또는 원래 데이터)에 대한 모든 구 시장에 백 테스트에서 생성 된 포트폴리오 자산을 나타냅니다. 일부 요약 몬테카를로 결과를 이하에 나타낸다. 몬테 카를로 분석은 해제되어 그 결과가 원래의 데이터를 통해 평가 될 때 이전의 예와는 달리 총 순이익 결과는 실질적으로 다르​​지 않다. 이 경우, 205,140에 총 순이익이 증가한다. 이 전략은 유효성 검사 테스트를 통과. 검증 기간이 포함 된 원본 데이터 전용 (스트레스 테스트)를 통해 전략의 지분 곡선은, 도 다음과 같습니다. 6. 그림 원본 데이터에 대한 최종 선택 섹터 SPDR 포트폴리오 전략 6. 주식 곡선. 이 지분 곡선 (21)의 최악의 삭감과 9.5의 연간 수익에 해당 249,431의 순이익에 해당합니다. 앞의 예에서와 같이, 전략 로직은 한계 순서에 오래 들어갑니다. 이탈의 대부분은 다른 거래가 표시 상태 또는 보호 정지에 기초하여 나갈 때, 타겟을 통해 출사된다. 평균 복귀 프로젝트 파일 다운로드 : (.로 저장 대상을 마우스 오른쪽 단추로 클릭하고 파일을. zip으로하는 열 Adaptrade 빌더가 필요합니다.) 라이선스 이유로, 프로젝트 파일이 가격 데이터가 포함되어 있지 않습니다. 박사 밴디에서 권장하는 거래 전략에 대한 소위 스위트 스폿 (sweet spot)은 Adaptrade 빌더 같은 도구를 사용하여 자동화 된 방식으로 평균 복귀 거래 전략을 구축하기위한 효과적인 환경을 제공 할 것으로 보인다. 스파이 ETF 시장을위한 단일 시장 전략 및 구 선택 업종 SPDRs로 구성된 ETF를 포트폴리오에 대한 전략을 : 두 예제에 대한 요구의 대부분을 충족 전략을 찾을 수 있었다. 두 전략 및 검증 테스트에서 잘 개최 보유 구입 앤 이겼다. 둘 다 예를 들어, 몬테 카를로 분석으로 스트레스 테스트 강력한 전략을 찾는 기회를 증대시키기 위해 사용 하였다. 포트폴리오 예에 비해, 단일 시장 (SPY) 전략에 대한 응력 테스트 결과는 원래의 데이터로부터의 결과보다 상당히 더 보수적 (불리)이었다. 포트폴리오의 예를 비교하여 그 중 일부는 더 엄격한 스트레스 테스트로 인해 수 있지만, 그것은 SPY 전략은 포트폴리오의 예보다 강력한 것을 제안합니다. 몬테카를로 결과가 원래의 데이터의 결과로부터 현저하게 발산하는 경우, 일반적으로, 그 스트레스 테스트 및 몬테 카를로 분석 방법 보수에 달려 있지만, 미래의 결과의 최선의 추정치가 그 사이에있을 것이라고 예상 할 수 . 그것은 포트폴리오 전략은 포트폴리오 전략은 9 개의 서로 다른 시장을 통해 작성되었으며 가격 데이터의보다 다양한 통해 합리적으로 잘 작동하는 데 필요한 된 이후 단일 시장 전략보다 더 강력한 될 것이라고 합리적으로 보인다. 그것은 많은 데이터로 아홉 번을 구축하고 약 아홉 배 많은 거래를 가지고 있었다. 포트폴리오 전략의 뛰어난 성능은 SPDRs의 9 개 분야에 걸쳐 다양 화의 긍정적 인 효과를 반영 할 수있다. 도 전략 거래의 수에 대한 요구 사항을 충족하지만, 이는 더 큰 모집단 사용하거나 더 엄격한 더 필요 시간을 구축 할 어떤 조건이 채용되고 재구성되는 경우 모든 요건을 충족 전략을 찾는 것이 가능하다. 대안 적으로, 이러한 전략은 그렇게 높은 정확도, 거래 빈도, 거래 짧은 기간과의 충돌 때문에 요구 발견 될 가능성이있는 경우가있다. 빌드 조건의 가장 좋은 세트는 현실적인 유지하면서 완전히 시장의 잠재력을 활용 한 것입니다. 와 같은 박사 앙가 제공하는 것과 같은 유용한 제작 조건의 집합을 결합 내장 같은 효과적인 거래 전략을 개발하기위한 견고한 프레임 워크를 제공한다 작성기 같은 자동화 도구 스트레스 테스트 몬테 카를로 분석과 같은 견고성 기능. 밴디, 하워드 B. 평균 복귀 거래 시스템. 블루 올빼미를 눌러, Inc. 의 폴스, SD, 2013 쪽. 138 밴디, 하워드 B. 모델링 트레이딩 시스템 성능. 블루 올빼미를 눌러, Inc. 의 폴스, SD, 2011 쪽. 154이 문서에서는 Adaptrade 소프트웨어 뉴​​스 레터 4 월 2013 년 문제에 출연했다. 의 S P 500 및 선택 분야 SPDRs는 맥그로 힐 회사, Inc. 의 가정의 상표 또는 모의 실적에서는 특정 고유의 한계를 가지고 있습니다. 실제 성능 RECORD는 달리 시뮬레이트 된 결과는 실제 무역을 대변하지 않습니다. 무역이 실제로 실행되지 않은 때문에, 결과는 가질 수 부족 또는 어떠한 경우 IMPACT위한 OVER 보상 그러한 유동성의 부족과 같은 특정 시장 요인. 일반에서 시뮬레이션 무역 프로그램은 또한이 뒷 궁리의 이익을 설계하고 있다는 사실에 근거합니다. NO 표현되지되고 있음을 모든 계정이되거나 도시 된 것과 유사한 이익 또는 손실을 달성 할 가능성이있다. 당신이 새로운 개발, 뉴스 및 Adaptrade 소프트웨어에서 특별 제공의 연락 싶습니다 경우 우리의 이메일리스트에 가입하시기 바랍니다. 고맙습니다. 다음 문서는이 주제에 내 이전의 두 기사에서 박사 스톡스 옵션 문자가 후원한다. 나는 상인과 투자자들이 기술적 분석의 가장 일반적인 구성 요소 중 하나, 단순 이동 평균 사용 방법을 자세히 설명합니다. 이동 평균은 기간의 X 번호를 통해 주식의 종가 값의 평균이다. 두 가지 가장 널리 사용되는 평균은 오십일하고 이동 평균을 200day. 이동 평균은 단지 특수 교육을받은 시장 기술자가 사용되지 않습니다. 하버드 MBA의와 심지어 금융 분석가들은 자주 그들이 P / E 비율과 이익 성장 속도로 수행으로 오십일과 200일 이동 평균을 참조한다. 이전 기사에서, 나는 이동 평균은 우리가 주식의 가격 차트의 좋은 읽기를 얻을 수 있도록하는 방법에 대해 이야기했다. 우리는 주식이나 지수의 지배적 인 경향뿐만 아니라 입력하거나 그 추세를 종료하는 이상적인 포인트를 결정하기 위해 이동 평균을 사용하는 방법을 봤어요. 오늘은 이동 평균을 사용하기에 대한 또 하나의 방법을 이야기하여 가까운 이동 평균의 내 토론을 가지고 싶어. 이것은 사실, 내가 사용하는 가장 수익성이 기술 거래 전략이다. 이 전략에서 우리는 너무 멀리 떨어져 평균에서 움직일 때마다 특정 이동 평균이 특히 큰 두의 오십일 및 2백일 평균은 주식 또는 지수의 가격 자석 역할을한다는 생각을 강조하고 있습니다. 내가 여기에 참조하고있는 현상은 멋진 라벨이 있습니다. 그것은 평균 회귀라고 S 및 그것을 공부하고 가내 공업의 일종이되었다 이익을하는 방법을 배우는 금융 시장에 너무 자주 재발. 아이비 리그 교수와 연방 준비 은행의 경제학자 등 세계 최대의 금융 마음의 일부는, 주제에 동료가 검토 한 논문을 발표했다. 아이디어 뒤에 평균 회귀는, 간단히 말해서, 이 있습니다 : 주가의 이동 평균 (회사 자체, 따라서 등) 특정 회사의 주식의 공정 시장 가치에 지혜의 축적을 나타내는 동안 하루 하루 주가 변동이 시장 심리의 적 변화 변덕을 더 반영이다. 그 감정이 평균에서 너무 멀리 주가를 구동 따라서 때마다 시장의 힘의 효율은 그들이 주가가 짧은 순서로 다시 평균으로 되돌릴 수밖에 없다 무엇을 주도했습니다. 가격은 너무 멀리 평균에서 뻗어되었을 때 바로 결정, 그리고 얼마나 멀리 다시 그것을 되돌릴 않는 경우는 여행 할 것이다 의미로, 과학보다 예술이다. 그러나 이러한 결정에 크게 우리를 도울 수있는 하나의 도구가있다. 시간 간격 X 번호 위에 과거 가격 대비 성능을 사용하여, 그 편차의 상한과 하한을 표시 평균 아래 위 양 차트 이동 평균 무 밴드에서이 도구 측정 표준 편차. 가격이 향후이 대역에 포함 유지할 것으로 예상된다. 이는 정상적인 가격 행동이 될 것이다. 위 또는 밴드 아래의 모든 움직임은, 그러므로, 표준 편차 이상으로 비정상적인 움직임, 평균에 복귀 할 가능성이 높다 따라서 overextension 신호를 보낸다. 내가 여기에 대해 이야기하고이 도구는 물론, 다시 1980 년의 시장 기술자, 존 볼린저에 의해 개발 볼린저 밴드입니다. 나는 그들에 따라 거래 끔찍하게 잘못 갈 수 년 동안이 주파수 대역을 사용했습니다과 볼린저 밴드가 잘 작동하지 않을 때 그들이 그러나 작업 할 때 가장 기술적 지표처럼, 그들은 잘 작동 말할 수 있습니다. 정지 손실 우리 부부 밴드 피해를 최소화 할 때 아직, 그들은 주식이나 지수가 지나치게 확장 얻고 다시 평균에 플립 가능성이 가격 극한의 지역을 결정하기위한 우리가 가지고있는 가장 좋은 도구입니다. 내가 당신에게 몇 가지 예를 보여 드리겠습니다. 2백일 멀리 평균에서 1.5 표준 편차로 설정 상부 및 하부 볼린저 밴드와 함께 평균 오버레이 이동로 (EBAY 나스닥) 차트에서 당신은 EBAY, Inc. 의 주식을 볼 것이다 아래. 당신은 다른 방향으로 다시 반송하기 전에 가격이 외부 밴드를 여행 할 때마다 과거 9개월, 이상, 그것은 단지 시간 문제 얼마나 볼 수 있습니다. 심지어 멀리 떨어진 가격의 이동 평균 등의 장기에서 얻을 수있는 중요한 움직임이 걸리기 때문에 나는 위의 차트에서 평균 이동 200일에 1.5의 표준 편차를 사용했다. 우리는 평균 오십일까지 우리의 기간을 단축하면, 그러나 잘못된 신호의 잡음을 줄이기 위해 1.5 내지 2.0 우리 편차를 늘려야 할 것이다. 주식의 최근 역사에서 오히려 비효율적, 격동의 시간 동안 : 여기 아마존, 주식 회사 (AMZN 나스닥)의 차트입니다. 여기 떨어져 평균에서 2.0 표준 편차로 설정 밴드와 평균 이동 오십일을 겹쳐있다. 당신은 이상과 일부 신호가 다른 사람보다 더 많은 수익을했을 것을 그래프에 비해 신호의 큰 수를 볼 수 있습니다. 당신이 볼린저 밴드와 함께 작업 할 때, 당신은 당신의 거래 시스템을 수정하는 것이 좋습니다. 당신은 단순히 낮은 밴드 아래 모든 수영을 구입하고 상부 밴드보다 짧은 모든 집회를 판매 할 수 없습니다. 당신이 실험으로, 나는 당신의 거래 시스템에 다음과 같은 제안의 일부를 통합 제안 : 만 가격 저항의 영역에서 신호를 가격 지원의 영역에서 신호를 구매 및 판매 걸릴 돈이 t 악대하지만 이후 약간의 움직임을 무역 악대에 의하여를 초과하는 만 일정 비율 (이 결정에 대해 B 볼린저 밴드 표시를 사용할 수 있습니다) 가격 한 날에 밴드 외부 닫을 때 만 입력 해보십시오 후 만 밴드가 넓은 경우 거래를 취할 때 밴드 거래를하지 않도록 다음 날에 밴드 내부에 폐쇄 수축되는 평균 복귀 이론은, 적절하게 잘 배운 거래 할 때, 시장에 매우 유익한 방법이 될 수있는 잘 입증 현상이다. 이 거래 시스템에 더 많은 자원을 찾고 있다면, 당신은 내가 내 웹 사이트, DrStox에서 제공하는 평균-복귀 거래 매뉴얼을 시도 할 수 있습니다. 당신은 또한 나의 책, 시장 중립 무역 볼 수 있습니다. 나는 완전히 내가이 거래 시스템을 사용하는 방법에 대해 설명 곳. 볼린저 볼린저 밴드에 :하지만 확실히 원본 소스도 시작하기 좋은 장소는 항상있다. 밴드의 성경