動的時間ワーピングに基づく形態認識戦略

• #### 1. 形状認識

技術分析の理論は,以下の3つの重要な仮定に基づいています.

(1) 株価は市場情報をすべて含んでいる

(2) 株価の傾向がある

(3) 歴史は繰り返される

3つ目のポイントは,株式価格またはインデックスの長期の動きの中で,特定の形またはパターンが繰り返し現れるというものです.これらのパターンを研究することは,後市場の前判定に重要な参照価値があります.形と呼ばれるものは,株式価格または他の指標が特定の時間帯内の動き,例えば上昇形,下降形,振動形を表しています.

行動金融学の観点から,処分効果であろうと群れ効果であろうと,集団行動の法則は,市場において客観的に存在する.市場は,大量の投資家のゲームの結果であり,投資標識は千変万変であり,同じ標識も常に変化している.しかし,人格は不変であり,取引心理は不変であり,投資家が意思決定過程で形成した方向性思考と投機心理は,歴史の繰り返しにつながっている.技術分析は,主に,歴史的データの分析と帰納に基づいており,歴史から法則を掘り出し,将来の意思決定を導こうとする.技術分析の有効性と実用性は,市場によって認められ,実践されており,比較は有名な波浪理論,論などである.

要するに,株の形状は,株の基本的変化の情報だけでなく,市場投資集団の投資心理も反映しており,取引の論理を含んでいる.したがって,株価の動きは類似の形状を呈する.そして,類似の形状の異なる株は,将来的に類似の動きを呈する傾向がある.

技術分析理論に基づく株価の動きの形状を識別し,予測するのは,多くの技術分析方法が経験的判断に依存し,量化することが困難であり,同じ動きの形状に対して異なる技術分析者がまったく逆の結論を出すこともあります.我々は形状認識アルゴリズムを使用して,この問題を解決しようとしています.

• ### 2. 形状認識アルゴリズム

形状認識は,音声認識と同様に,本質的に波形特性の捕捉と認識である.比較的に一般的な認識アルゴリズムには,ニューラルネットワークアルゴリズム,ヒンマルコフアルゴリズムなどの機械学習に基づくアルゴリズムがあり,技術指標や関数の極値に基づく統計判断方法もある.

このレポートは,動的時間整合アルゴリズムを採用している. 自動語音認識の分野では,音声信号は相当なランダム性を持つ信号であるため,同じ話者が同じ単語に発音しても,それぞれの発音結果は異なっており,まったく同じ時間長を持つことは不可能である. したがって,保存されたモデルとマッチングする際に,未知の単語の時間軸は不均等に歪められ,または折り曲げられ,その特性がテンプレート特性と正し合うようにする.時間整合の手段は,システムの認識精度を向上させる非常に強力な手段であり,非常に有効である.

実際,実用的な応用シナリオ,特に金融時間序列のマッチング問題は,時軸上では完全に一致しないことが要求されることが多い.つまり,時間序列が形状的に類似しているが,序列内部にパターンの伸縮または振幅の差がある場合,その時間序列群が類似しているとはいっても,マッチングされる必要があると考えられる.市場の技術分析派は,まさにこのような形状的マッチングによって,株または大盤指数の歴史データから現在の動向に類似する形状を発見し,これらの形状が歴史的に出現した後,個々の株または大盤の動きを観察し,最終的に後期における個々の株または大盤の動きを予見し,取引決定を指導する.

動的時間規則整列アルゴリズムを理解するには,時間規則整列の考え方を理解することが重要です.その示図は以下の通りです.

青と緑の線は2つの時間序列を表し,従来の距離測定法と比較して,時間規律は,時間点を一対または複数対1のマッピングを行い,同時に最適条件を満たすものである.このようなマッピングの後,時間軸上で規律が行われ,二つの時間序列間の距離が最小になり,類似度が最大になる.

ダイナミックタイムレギュレーションアルゴリズムの核心は,以下の条件を満たす最適な経路を見つけることです.

(1) 境界条件

(2) 連続性: 要求は特定の点を越えることなく,隣接する点のみに一致する

(3) 単調性:要求点は時間とともに単調でなければならない

ダイナミック・プランニングの方法により,最適の経路と最小の距離を得ることができる.

• ### 3. 形状認識戦略

動的時間調整アルゴリズムを用いて形状認識機能を実現し,人為的に選択された標準形状に基づいて,毎取引日,形状認識アルゴリズムを用いて全A株形状と標準形状の距離を計算し,減価値より少ない距離を選択して,当日の開場価格で購入し,5日間の閉場価格で売却し,保有過程である日の閉場価格が -5%以上下がれば,閉場価格で止損する.

• ### 5. 結論

この戦略は,ダイナミックなタイムスケール整合アルゴリズムに基づいて,経験形状に類似する株式形状を捕捉し,ポートフォリオを構築する. 2.59のシャープ比率と27.4%の年収率を反測期間で得,安定した有意なランニング大勝指数を得た.

投稿日: 投稿日: 投稿日: