Stratégie de reconnaissance morphologique basée sur la déformation temporelle dynamique

• #### 1. Reconnaissance de forme

La théorie de l’analyse technique est basée sur trois hypothèses importantes:

(1) Le prix d’une action contient toutes les informations du marché

(2) Le cours des actions est tendance

1. L’histoire se répète

Le troisième point décrit que le prix d’une action ou d’un indice dans le mouvement à long terme, apparaîtra à plusieurs reprises certains crampons ou modèles de crampons spécifiques, l’étude de ces modèles ont une valeur de référence importante pour les préjugés de l’après-marché. La crampon de crampon est une représentation du prix d’une action ou d’autres indicateurs dans une certaine période de temps, comme la montée, la baisse, la forme de choc.

D’un point de vue de la finance comportementale, les lois du comportement collectif, telles que l’effet de disposition ou l’effet de troupeau, existent objectivement sur le marché. Le marché est le résultat d’un grand nombre de jeux d’investisseurs.

En résumé, la forme des actions reflète non seulement l’information sur les changements fondamentaux des actions, mais aussi la psychologie d’investissement du groupe d’investisseurs du marché, qui contient la logique de la transaction. Par conséquent, les mouvements des prix des actions présentent une forme similaire, et les différentes actions de forme similaire ont tendance à présenter des mouvements similaires à l’avenir.

La difficulté de la théorie de l’analyse technique pour identifier et prédire les tendances des cours des actions réside dans le fait que de nombreuses méthodes d’analyse technique reposent sur des jugements empiriques, qu’elles sont difficiles à quantifier et que même des analystes techniques différents peuvent arriver à des conclusions opposées pour la même tendance. Nous essayons de résoudre ce problème à l’aide d’algorithmes d’identification des tendances.

• ### 2. Algorithme de reconnaissance de forme

La reconnaissance d’une forme, comme la reconnaissance d’une voix, consiste essentiellement à capturer et à reconnaître les caractéristiques d’une forme d’onde. Les algorithmes de reconnaissance les plus couramment utilisés incluent les algorithmes de réseaux neuronaux, les algorithmes d’Inimarkov, les algorithmes basés sur l’apprentissage automatique, ainsi que les méthodes de jugement statistiques basées sur des indicateurs techniques et des extrêmes de fonctions.

Dans le domaine de la reconnaissance automatique de la parole, comme le signal vocal est un signal d’une grande quantité de hasard, même si le même locuteur prononce le même mot, les résultats sont différents à chaque fois et ne peuvent pas avoir la même longueur de temps. Ainsi, l’axe de temps d’un mot inconnu doit être déformé ou déformé de manière inégale pour que ses caractéristiques correspondent aux caractéristiques du modèle.

En fait, dans les scénarios d’application concrets, en particulier les problèmes de correspondance des séquences de temps financières, il est souvent nécessaire de ne pas être parfaitement cohérent sur l’axe temporel, c’est-à-dire que si les séquences de temps ont une similitude dans la forme, mais qu’il existe des variations de l’étirement ou de l’amplitude du modèle dans la séquence, il est toujours possible de considérer que le groupe de séquences de temps est similaire et doit être correspondu. C’est par cette correspondance morphologique que les analystes techniques sur le marché trouvent des formes similaires à la tendance actuelle dans les données historiques d’une action ou d’un indice boursier et observent les mouvements d’une action ou d’un indice boursier après que ces formes se sont produites dans l’histoire, ce qui permet de prédire les mouvements de l’action ou du stock boursier ultérieurs et d’orienter les décisions commerciales.

Pour comprendre l’algorithme dynamique d’ordonnancement temporel, il est essentiel de comprendre l’idée de l’ordonnancement temporel de l’anneau, dont l’intention est la suivante:

Les lignes bleues et vertes représentent les deux séquences de temps, et par rapport à la méthode traditionnelle de mesure de la distance, la régulation du temps consiste à cartographier les points de temps en une ou plusieurs paires, tout en répondant aux conditions optimales. Après une telle cartographie, la régulation est effectuée sur l’axe du temps, de sorte que la distance minimale entre les deux séquences de temps, la similitude maximale.

Le cœur de l’algorithme de régulation du temps dynamique est de trouver la voie optimale, qui doit satisfaire aux contraintes suivantes:

1. les conditions de la frontière;

(2) la continuité: l’exigence de ne pas traverser un point pour correspondre, mais seulement pour correspondre à un point adjacent

(3) Monotonie: les points d’exigence doivent être monotones avec le temps

La méthode de planification dynamique permet d’obtenir le trajet optimal et la distance minimale.

• ### 3. Stratégies de reconnaissance de forme

L’utilisation d’algorithmes de régulation de temps dynamiques pour la reconnaissance de la forme, basée sur la forme standard sélectionnée par l’homme, chaque jour de négociation, l’utilisation de l’algorithme de reconnaissance de la forme pour calculer la distance entre la forme et la forme standard des actions entières A, puis sélectionner les actions dont la distance est inférieure à la dépréciation et acheter au prix d’ouverture du jour, la tenue de cinq jours à la vente au prix de clôture, si la baisse du prix de clôture d’un jour de la tenue est supérieure à -5%, la perte de clôture.

• ### 5. Conclusion

La stratégie est basée sur un algorithme de synchronisation dynamique, qui capture des formes d’actions similaires à celles de l’expérience et construit un portefeuille d’actions. Le Sharpe ratio a été de 2,59 et le rendement annuel de 27,4% au cours de la période de retracement, stabilisant l’indice de gros gains significatif.

Partager la publication