Skip to main content
Дорожка Linear regression
41 / 43
Поиск по архивуБиблиотека
Библиотека

2017выпуск C1147

Построение коэффициента Калмара и базовых линий линейной регрессии

Соберите месячный коэффициент Калмара на окне 36 месяцев и линейный прогноз методом наименьших квадратов по той же упорядоченной рыночной серии. Редакционная рекомендация — фиксировать обе спецификации, когда in-sample базовая линия сравнивается с более поздним out-of-sample результатом.

  • Коэффициент Калмара строится на месячном интервале выборки делением средней доходности за последние 36 месяцев на максимальную просадку на том же окне.
  • Отрицательный построенный коэффициент Калмара означает, что оцениваемая система или трейдер зафиксировали отрицательный результат за последние три года.
  • Линейная регрессия связывает независимую переменную с зависимой, чтобы подогнанное уравнение могло прогнозировать последующие значения; метод наименьших квадратов располагает кривую так, чтобы минимизировать сумму квадратов отклонений.
  • Редакционная рекомендация — оставлять обе спецификации неизменными, когда in-sample базовая линия сравнивается с более поздним out-of-sample результатом.
Записи этого разбора2 записи
Calmar ratio1 разборТекущая дорожкаLinear regression112 разборов

Две конструкции из одной серии

Редакционная постановка: соберите две взаимодополняющие количественные конструкции из одной и той же упорядоченной рыночной серии, затем фиксируйте эти спецификации, когда in-sample базовая линия сравнивается с более поздним out-of-sample результатом.

Первая конструкция — коэффициент Калмара, месячная оценка с поправкой на риск, образуемая делением средней доходности за последние 36 месяцев на максимальную просадку на том же окне. Вторая — линейная регрессия, подогнанное отображение независимой серии на зависимую, дающее прогноз последующих значений.

Дебетовый спред колл SPY 217-222: доходность по типам котировок на May 1

Три строки исходной таблицы по типам котировок показывают один и тот же входной дебет $230 и максимальную прибыль $270, а реализованная прибыль растёт с $242 (Natural) до $256 (Mid Quote) и далее до $271 (Optimistic). Трейдеру следует читать это как доходность от 105.2% до 117.8% на тот же риск $230, а не как изменение самой структуры. Числа взяты из таблицы котировок Figure 2, а не перерисованы с макета страницы.
Три строки исходной таблицы по типам котировок показывают один и тот же входной дебет $230 и максимальную прибыль $270, а реализованная прибыль растёт с $242 (Natural) до $256 (Mid Quote) и далее до $271 (Optimistic). Трейдеру следует читать это как доходность от 105.2% до 117.8% на тот же риск $230, а не как изменение самой структуры. Числа взяты из таблицы котировок Figure 2, а не перерисованы с макета страницы.SPY 17Jun16 217-222 call debit spread · as of May 1, 2017

Входной дебет, максимальная прибыль и максимальный риск одинаковы для всех типов котировок; меняются только прибыль по марке и греки. Нижняя и верхняя точки безубыточности обе равны 219.30.

Построение коэффициента Калмара

Коэффициент Калмара строится делением средней нормы доходности за последние 36 месяцев на максимальную просадку, зафиксированную за тот же период. Построение коэффициента Калмара обычно выполняется на месячном интервале выборки.

Максимальная просадка — это величина просадки, которая стоит в знаменателе Калмара на том же 36-месячном окне, что используется для средней доходности. Там, где требуется среднее, оно равно сумме наблюдаемых значений, делённой на число наблюдений в выборке.

Построение линейного прогноза

Линейная регрессия строится связыванием независимой переменной с зависимой, чтобы подогнанное уравнение можно было использовать как прогноз последующих значений.

Конструкция метода наименьших квадратов располагает подогнанную кривую так, чтобы сумма квадратов отклонений от наблюдаемых точек была минимальной.

После подгонки регрессии R-квадрат показывает долю вариации зависимой серии, объяснённую подогнанным уравнением, и служит относительной мерой качества подгонки.

Корреляция Пирсона измеряет линейную связь между двумя сериями и принимает значения между +1 и -1, от полной отрицательной связи до полной положительной связи.

Фиксация спецификаций

Редакционная рекомендация: после выбора окна Калмара, месячного интервала выборки, независимой и зависимой серий и правила подгонки методом наименьших квадратов оставляйте эти спецификации неизменными, когда in-sample базовая линия сравнивается с более поздним out-of-sample результатом.

Редакционное прочтение: коэффициент Калмара и линейный прогноз — взаимодополняющие взгляды на одну и ту же упорядоченную серию. Первый — 36-месячная оценка с поправкой на риск. Второй — подогнанный прогноз, относительное качество подгонки которого описывается R-квадратом, а линейная связь может быть описана корреляцией Пирсона.

Не является инвестиционной рекомендацией. Исторический материал не подтверждает актуальную результативность метода.
41 из 43 в дорожке «Linear regression»
201962-68 с.Дальше про «Linear regression»Послойное построение pair-trade против управления по средней цене спредаПостроение пары может добавлять дискретные слои на последовательных ценах спреда, а не рассматривать смешанную average-spread-price как рабочую позицию.
Все разборы дорожки · 43 разбора
  1. 1990Построение базовых линий доллара по ставкам, инфляции и остаткам
  2. 1990Построение номинального значения индекса по форвардным прибылям и подогнанной доходности
  3. 1990Построение номинальной цены индекса из прибыли и подобранной доходности
  4. 1990Ценовые траектории с фиксацией конечных точек — это не прогнозы
  5. 1990Построение полиномиальных сглаживателей методом наименьших квадратов
  6. 1991Темпы роста по конечным точкам против согласованности линейной регрессии
  7. 1991Вневыборочные проверки линейных аппроксимаций роста
  8. 1991Тренд как устойчивость, а не прямая линия
  9. 1991Квадратичный тренд, осциллятор остатков и вторичный календарь циклов
  10. 1991Смещение начала отсчёта времени и дивергенция остатков и цены на квадратичной аппроксимации методом наименьших квадратов
  11. 1991Линия тренда наименьших квадратов по упорядоченным ценам
  12. 1992Построение скринингов лог-линейного роста и надёжности
  13. 1992Построение лог-линейных базовых линий темпа роста
  14. 1992Максимум, минимум и закрытие следующей сессии по скользящей линейной регрессии
  15. 1993Проверка индексного мультипликатора цена/прибыль регрессией на краткосрочную ставку
  16. 1994Вложенный экспоненциальный ценовой фильтр с регрессионными начальными значениями
  17. 1994Построение двойного экспоненциального среднего из компенсации лага
  18. 1994Оценка денежной массы как линейной базовой модели опережающего индекса
  19. 1995Построение трендовых каналов методом наименьших квадратов
  20. 1995Holdout-проверки линейного базового прогноза годовых ставок по векселям
  21. 1995Проекционные полосы по наклонам регрессии максимумов и минимумов
  22. 1995Оценка скользящей средней по конечной точке метода наименьших квадратов на известном тестовом ряде
  23. 1996Построение концевой скользящей средней по прямой наименьших квадратов
  24. 1996Оценка согласованности траектории эквити с оверлеем k-ratio
  25. 1996Оценка month-end разрывов доходности для режимов рынка акций
  26. 1996Построение полос стандартной ошибки с сессионным индексом
  27. 1998Оценка линейных регрессионных базовых моделей для стоимостной оценки индекса
  28. 1998R-squared как двухсостоятельный трендовый фильтр на основе подгонки цена-время
  29. 2000Коррекция лага скользящего среднего второго порядка
  30. 2002Линия регрессии цены против беты при отслеживании индекса
  31. 2003Наклон регрессии с гейтом уверенности тренда по r-squared
  32. 2003Построение дивергенции finite-volume-element через сравнение наклонов
  33. 2004Построение дневного балла из регрессии, коррекции и объёма
  34. 2004Построение линий тренда методом наименьших квадратов по упорядоченным ценам
  35. 2007Цели пробоя прямоугольника выше высоты
  36. 2007Подтверждение ценового тренда наклоном регрессии и r-squared
  37. 2008Угол линейной регрессии, собранный как один тренд-фильтр
  38. 2010Свинг-машина с двумя состояниями из четырёх скользящих экстремумов
  39. 2016Оцените тесноту нефтяного комплекса перед дивергенцией или регрессией
  40. 2017Межрыночная дивергенция Nikkei–иена как кейс рыночного режима
  41. 2017Построение коэффициента Калмара и базовых линий линейной регрессии
  42. 2019Послойное построение pair-trade против управления по средней цене спреда
  43. 2020Наклон convolution, построенный из вложенной линейной регрессии
По областиСтатистические тесты59 разборовПо году2017100 разборов
Все 112 разборов с записью «Linear regression»
Тоже про «Linear regression»5 разборов
1985Бета и альфа как выбранные параметры регрессии1986Построение индекса товарного канала и регрессионного ценового канала1988Построение состояний ширины рынка и средних тренда1988Построение линий тренда канала методом наименьших квадратов1989Цена драгоценного металла как меняющееся межрыночное уравнение