An เชิงประจักษ์ เปรียบเทียบ ของ เฉลี่ยเคลื่อนที่ ซองจดหมาย และ Bollinger วง

การเปรียบเทียบเชิงเปรียบเทียบของการย้ายซองจดหมายค่าเฉลี่ยและการถอดเทปแบบ Bollinger 1 การเปรียบเทียบเชิงประจักษ์ของการย้ายซองจดหมายโดยเฉลี่ยและวงแหวน Bollinger Joseph Man-joe Leung และ Terence Tai-leung Chong ภาควิชาเศรษฐศาสตร์มหาวิทยาลัยจีนแห่งฮ่องกง 8 พฤศจิกายน 00 บทคัดย่อ พยายามเปรียบเทียบความสามารถในการทำกำไรของ Moving Average Envelopes และ Bollinger Bands วง DespitethefactthatBollinger สามารถจับภาพความผันผวนของราคาอย่างฉับพลันซึ่ง Moving Envelopes เฉลี่ยไม่สามารถทำได้การศึกษาของเราแสดงให้เห็นว่ากลุ่ม Bollinger Bands ไม่ได้ดีกว่า Envelopes เฉลี่ยเคลื่อนไหว คำสำคัญ: การย้ายซองจดหมายเฉลี่ย Bollinger Bands การจัดหมวดหมู่ JEL: G14 1 บทนำมีทฤษฎีมากมายที่อธิบายถึงการเคลื่อนไหวของราคาในตลาดหุ้น ตัวอย่างเช่นทฤษฎีออร์โธดอกซ์ซึ่งแสดงให้เห็นว่าแหล่งดั้งเดิมของผู้เขียนที่สอดคล้องกัน โทรศัพท์: (85) โทรสาร: (85) การเคลื่อนไหวของราคาหุ้น 2 คือการคาดการณ์การเปลี่ยนแปลงรายได้ของ บริษัท และทฤษฎีความเชื่อมั่นที่ระบุว่าเหตุผลพื้นฐานของการเคลื่อนไหวของราคาหุ้นคือความผันผวนของความเชื่อมั่นของผู้ลงทุนต่อราคาหุ้นในอนาคตรายได้ และเงินปันผล ทฤษฎีที่นิยมมากคือสมมติฐานตลาดที่มีประสิทธิภาพ (EMH) ซึ่งระบุว่าราคาซื้อขายสินทรัพย์ในตลาดที่มีการจัดระเบียบสะท้อนถึงข้อมูลที่มีอยู่ทั้งหมดและราคามีการเปลี่ยนแปลงเพียงเพราะข่าวที่ยังไม่ทราบล่วงหน้า รูปแบบที่อ่อนแอ EMH แสดงให้เห็นว่าราคาสินทรัพย์ในปัจจุบันสะท้อนให้เห็นถึงประวัติศาสตร์ของตัวเองอย่างน้อย ดังนั้นหากตลาดมีประสิทธิภาพน้อยการศึกษาประวัติศาสตร์ด้านราคาเพียงอย่างเดียวจะไม่สามารถทำกำไรได้ อย่างไรก็ตามมีการศึกษาสนับสนุนกลยุทธ์ด้านเทคนิค (Treynor and Ferguson, 1985 Brock, Lakonishok และ LeBaron, 199) ประสิทธิผลของการทำกำไรโดยใช้กฎการซื้อขายทางเทคนิคเป็นหลักฐานของการขาดประสิทธิภาพด้านข้อมูลการตลาด (Taylor, 1997) กฎ Simple Moving Average เป็นกฎการค้าที่พบบ่อยที่สุดในวรรณคดี อย่างไรก็ตามเมื่อตลาดไม่มีแนวโน้มที่ชัดเจนหรือเมื่อราคามีความผันผวนมากตามแนวโน้มก็ยิ่งเหมาะสมที่จะใช้ช่องสัญญาณในการจับภาพความผันผวนในระยะสั้น สองช่องทางเหล่านี้ซึ่งเป็นที่นิยมมากขึ้น ได้แก่ Envelopes Moving Average และ Bollinger Bands น้อยถ้ามีการศึกษาเชิงประจักษ์ได้รับการทำในการสำรวจความสามารถในการทำกำไรของพวกเขา บทความนี้พยายามเปรียบเทียบผลการดำเนินงานของทั้ง 2 ช่องโดยใช้ดัชนีตลาดหุ้นของ G7 และ Four Asian Tigers กฎการซื้อขายและข้อมูลการย้ายซองจดหมายค่าเฉลี่ยและแถบ Bollinger เป็นช่องทางที่ขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่แบบง่ายๆ ค่าเฉลี่ยการเคลื่อนไหวแบบธรรมดา N วัน ณ เวลา t เป็นค่าเฉลี่ยของราคาในช่วง N วันที่ผ่านมานั่นคือ SMA N (t) P tit N1 P (i) (1) N 3 การย้ายซองจดหมายโดยเฉลี่ยในรอบวันที่ N หมายถึง: MAE k N (t) SMA N (t) (1 บวก mn k), () โดยที่ k คือค่าคงที่ ความกว้างของซองจดหมาย Moving Average จะขึ้นอยู่กับ k และราคาหุ้น ค่าเฉลี่ย Moving Envelopes จะตกลงกันเมื่อ k หรือราคาหุ้นลดลง N-day Bollinger Bands กับ k ส่วนเบี่ยงเบนมาตรฐานในเวลา t หมายถึง: s Ptit N1 P (i) SMA N (i) BB k N (t) SMA N (t) plusmn k N. (3) ข้อดีของ กลุ่ม Bollinger Bands over the Moving Average Envelopes ก็คือการพิจารณาความผันผวนของราคา ซึ่งแตกต่างจาก Envelopes ค่าเฉลี่ยเคลื่อนที่ความกว้างของ Bollinger Bands ขึ้นอยู่กับความผันผวนของราคารอบค่าเฉลี่ยมากกว่าค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ เมื่อความผันผวนเพิ่มขึ้นในลักษณะที่ค่าเฉลี่ยเคลื่อนที่ยังคงเดิม Bollinger Bands จะขยายตัวเพื่อจับภาพความผันผวนของราคาในขณะที่ Moving Average Envelopes จะไม่ หากราคาหุ้นมีการกระจายตามปกติกลุ่ม Bollinger Bands ที่มีส่วนเบี่ยงเบนมาตรฐานจะจับภาพการเคลื่อนไหวของราคาประมาณ 95 บริเวณเหนือขอบเขตด้านบนของ Envelopes ค่าเฉลี่ยเคลื่อนที่หรือ Bollinger Bands ถือว่าอยู่เหนือพื้นที่ที่ซื้อจนเกินไปในขณะที่บริเวณด้านล่างของ Lower bound ถือว่าเป็น oversold โดยทั่วไปเมื่อหุ้นถือเป็นซื้อเกินควรลงทุนเนื่องจากราคาของหุ้นนั้นคาดว่าจะลดลงและในทางกลับกัน อย่างไรก็ตามเนื่องจากเป็นการยากที่จะคาดการณ์ระยะเวลาที่หุ้นจะเข้าพักในเขตซื้อหรือขายลอยได้ดีกว่าจะไม่เข้ารับตำแหน่งใด ๆ จนกว่าหุ้นจะเคลื่อนออกจากภูมิภาคเหล่านั้น 3 4 สำหรับ Moving Average Envelopes กฎการซื้อขายมีไว้ดังนี้ซื้อ: ขาย: PN (t 1) ltMAE ต่ำ N (t 1) และ PN (t) gtmae ต่ำ NPN (t 1) gtMAE ขึ้น N (t 1 ) และ PN (t) ltMAE ขึ้น N (t) (t) สำหรับ Bollinger Bands กฎการซื้อขายคือ: ซื้อ: P N (t 1) ltBBN ต่ำ (t 1) และ P N (t) gtBBN ต่ำ (t) ขาย: P N (t 1) gtBB ขึ้น N (t 1) และ P N (t) ltBB ขึ้น N (t) ดังนั้นสัญญาณซื้อจะถูกสร้างขึ้นเมื่อราคาข้ามขีดล่างจากด้านล่าง ในทำนองเดียวกันสัญญาณการขายจะถูกสร้างขึ้นเมื่อราคาทะลุขอบเขตบนจากด้านบน ในเอกสารฉบับนี้จะมีการศึกษารูปแบบการเคลื่อนย้ายเฉลี่ย 10 วัน 0 วัน 50 วันและ 50 วันของ 3 และ 5 และแถบ Bollinger Babel ของค่าเบี่ยงเบนมาตรฐาน เราคิดว่าค่าใช้จ่ายในการทำธุรกรรมและการจ่ายปันผลเป็นหุ้นละเล็กน้อย นอกจากนี้เรายังสมมติว่าไม่อนุญาตให้มีการขายสั้นและไม่สามารถทำธุรกรรมได้เช่นไม่อนุญาตให้มีการดำเนินการซื้อติดต่อกันสองรายการ เนื่องจากมีการซื้อขายประมาณ 50 วันในแต่ละปีผลการดำเนินงานจะได้รับการประเมินในรูปของอัตราผลตอบแทนต่อปีโดยใช้สมการต่อไปนี้: อัตราผลตอบแทนรายปี (1r 1) (1 r) (1 r 3) (1 rm) 50 T 1, (4) โดยที่ 1r j S (j) B (j) S (j) และ B (j) เป็นราคาซื้อขายและซื้อตามลำดับในรายการ j th m คือจำนวนรายการ T คือ จำนวนวันทำการซื้อขายในกลุ่มตัวอย่าง 4 5 ข้อมูลของเราประกอบด้วยดัชนีตลาดหุ้นจีนประจำวันของ G7 และ 4 Asian Tigers รายวัน ข้อมูลถูกสกัดจากสตรีมข้อมูลในห้องสมุดมหาวิทยาลัยที่มหาวิทยาลัยจีนแห่งฮ่องกงและมีรายละเอียดดังต่อไปนี้สถานที่ตั้งจาก บริษัท Dow Jones Industrial USA 111985 91000 Toronto 300 Canada 111985 91000 BCI Global Italy 111985 91000 FTSE 100 United Kingdom 111985 91000 DAX เยอรมนี 591989 91000 Nikkei 5 ราคาเฉลี่ย ญี่ปุ่น 311985 91000 CAC40 ทันทีประเทศฝรั่งเศส 1671987 91000 KOSPI ประเทศเกาหลีใต้ 411985 91000 ดัชนีเวลาช่องแคบสิงคโปร์ 411985 91000 ดัชนีฮั่งเส็งฮ่องกง 111985 91000 TWSE Taiwan 411985 91000 3 ผลลัพธ์และข้อสรุปตารางที่ 1 แสดงอัตราผลตอบแทนต่อปีตามกฎการซื้อขายของ Moving Average Envelopes และ Bollinger Bands ตัวเลขในวงเล็บคือจำนวนธุรกรรม 5 6 ตารางที่ 1: อัตราผลตอบแทนรายปีสำหรับ MAE และ BB Index ชื่อ MAE10 3 MAE10 5 BB10 Dow Jones 6 (5) 3 (5) 11 (68) Toronto 300 (15) 5 (4) 1 (51) BCI Global 4 (47) -1 (13) 3 (53) FTSE 100 (18) (3) (5) DAX 4 (43) 13 (11) 7 (57) Nikkei 5 0 (44) -1 (1) - (54 CAC40 1 (46) 6 (11) 3 (47) KOSPI 4 (73) 4 (31) -9 (38) ช่องแคบเวลา 3 (49) 3 (19) 1 (60) Hang Seng 4 (60) 8 ( 3) 10 (59) TWSE -4 (80) -6 (36) -6 (49) MAE0 3 MAE0 5 BB0 8 (31) 6 (8) 9 (49) 0 (6) 5 (7) (34) 4 (47) 1 (3) 0 (44) 3 (8) -1 (7) 3 (41) 3 (41) 9 (19) 4 (44) - (39) -1 (1) -1 (43 ) 3 (41) 6 (18) 0 (3) 1 (54) - (31) -7 (3) 0 (41) -5 (1) -1 (46) 9 (50) 4 (7) 10 ( 44) 6 (58) 10 (35) -7 (33) ชื่อดัชนี MAE50 3 MAE50 5 BB50 Dow Jones 7 (6) 4 (1) 6 (5) Toronto 300 4 (3) (10) 3 (1) BCI Global 5 (3) 3 () 1 (19) FTSE 100 5 () 4 (15) (18) DAX 9 (9) 9 (19) 6 (19) Nikkei 5 1 (9) -4 (16) -3 (0) CAC40 0 (8) 6 (0) 3 (19) KOSPI (30) -4 (1) -4 (18) ช่องแคบเวลา -3 (7) 3 (1) -1 (0) Hang Seng 5 ( 3) 4 (18) 7 (19) TWSE 7 (35) 0 (4) -5 (17) MAE50 3 MAE50 5 BB50 (7) (4) 3 (3) (9) (6) 4 (4) 3 (1) 0 (6) 0 (3) 5 (13) 7 (9) 5 (4) (11 ) 4 (8) 7 (6) -1 (7) - (6) -5 (4) 1 (10) (7) 3 (3) -3 (9) -7 (9) -5 (4) 6 (14) (9) 8 (7) 3 (1) 4 (9) 8 (5) -1 (1) -3 (9) -4 (4) 6 7 สําหรับ N ที่ใหเราระบุอัตราสูงสุด กลับ. ตัวอย่างเช่นเมื่อ N10 อัตราผลตอบแทนที่เกิดจากกลุ่ม Bollinger Bands มีค่าเบี่ยงเบนมาตรฐานคือค่าที่สูงที่สุดเมื่อเทียบกับค่าเฉลี่ยของ 3 - MAE และ 5 MAE หากมีอัตราสูงสุดมากกว่าหนึ่งรายการเราจะเน้นประเภทที่มีจำนวนธุรกรรมน้อยที่สุด กฎการซื้อขายทั้งสองมีอัตราผลตอบแทนที่ดีสำหรับ Dow Jones, DAX, CAC และ Hang Seng Index อย่างไรก็ตามสำหรับ Nikkei 5 และ KOSPI กฎทั้งสองนี้สร้างอัตราผลตอบแทนที่เป็นลบในหลาย ๆ กรณี โปรดทราบว่าจำนวนธุรกรรมที่สร้างขึ้นโดยกฎการย้ายซองจดหมายค่าเฉลี่ยตรงกับค่าของ k Thisisbecausethelargerthevalue of k ยิ่งความผันผวนของราคาจะถูกบันทึกโดยซองจดหมายและจะสังเกตเห็นสัญญาณการซื้อขายน้อยลง โปรดทราบว่าจำนวนธุรกรรมที่สร้างขึ้นโดยกฎทั้งสองช่องตรงกับ N. Ingeneral เมื่อ N10 และ 0 จำนวนธุรกรรมสำหรับกลุ่ม Bollinger Bands และ MAE-3 ใกล้เคียง ในขณะที่สำหรับ N50 และ 50 จำนวนธุรกรรมสำหรับกลุ่ม Bollinger Bands ใกล้เคียงกับจำนวนธุรกรรมสำหรับ MAE-5 หมายเหตุจากตารางที่ 1 ว่ากฎ MAE ทำงานได้ดีกว่ากฎ BB สำหรับ N10, 0 และ 50 ในขณะที่กฎ BB ทำงานได้ดีขึ้นเมื่อ N50 ดังนั้นเราจึงขอแนะนำให้ใช้โอเลนซอร์สค่าเฉลี่ยเคลื่อนที่สำหรับการลงทุนระยะสั้นและใช้ Bollinger Bands เป็นเครื่องมือการลงทุนระยะยาว อย่างไรก็ตามเนื่องจากกฎการซื้อขายทางเทคนิคมักได้รับการออกแบบมาเพื่อวัตถุประสงค์ในการลงทุนระยะสั้นจึงควรสรุปว่าค่าเฉลี่ย Moving Average Envelopes ดีกว่า Bollinger Bands ในทางปฏิบัติ ดังนั้นแม้กลุ่ม Bollinger Bands จะสามารถจับความผันผวนของราคาอย่างฉับพลันได้เนื่องจากการย้ายซองจดหมายค่าเฉลี่ยไม่สามารถทำได้ แต่ก็ไม่ได้ทำให้ข้อกำหนดในการทำกำไรของ Envelopesin มีประสิทธิภาพมากขึ้น 7 8 อ้างอิง 1. Blume, L. Easley, D. และ M. O Hara, สถิติการตลาดและการวิเคราะห์ทางเทคนิค: บทบาทของปริมาณ วารสารการเงิน 49 Brock W. J. Lakonishok และ B. LeBaron, 199. กฎการซื้อขายทางเทคนิคแบบธรรมดาและคุณสมบัติสุ่มของผลตอบแทนของหุ้น วารสารการเงิน 47 Curcio R. Goodhart C. Guillaume D. และ R. Payne ทำกฎการค้าทางเทคนิคสร้างผลกำไรสรุปจากตลาดแลกเปลี่ยนเงินตราระหว่างวัน วารสารการเงินระหว่างประเทศและเศรษฐศาสตร์, Taylor, M. P. บทนำของบรรณาธิการ วารสารการเงินระหว่างประเทศและเศรษฐศาสตร์ Treynor J. L. และ R. Ferguson ในการป้องกันการวิเคราะห์ทางเทคนิค Journal of Finance 40, การเปรียบเทียบเชิงประจักษ์ของซองจดหมายเฉลี่ยเคลื่อนที่และกลุ่ม Bollinger Bands บทคัดย่อ: เอกสารฉบับนี้พยายามเปรียบเทียบความสามารถในการทำกำไรของ Moving Average Envelopes และ Bollinger Bands แม้ว่ากลุ่ม Bollinger Bands จะสามารถจับภาพความผันผวนของราคาอย่างฉับพลันซึ่ง Moving Envelopes เฉลี่ยไม่สามารถทำได้การศึกษาของเราพบว่ากลุ่ม Bollinger Bands ไม่ได้ดีกว่า Envelopes เฉลี่ยเคลื่อนไหว รายการที่เกี่ยวข้อง: รายการนี้อาจมีอยู่ในที่อื่น ๆ ใน EconPapers: ค้นหารายการที่มีชื่อเดียวกัน การอ้างอิงการอ้างอิงการส่งออก: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText เศรษฐศาสตร์ประยุกต์เศรษฐศาสตร์ฉบับปัจจุบันได้รับการแก้ไขโดย Anita Phillips บทความอื่น ๆ ในเศรษฐศาสตร์ประยุกต์เศรษฐศาสตร์จาก Taylor Francis Journals ข้อมูลจาก Michael McNulty () ไซต์นี้เป็นส่วนหนึ่งของ RePEc และข้อมูลทั้งหมดที่แสดงที่นี่เป็นส่วนหนึ่งของชุดข้อมูล RePEc งานของคุณหายไปจาก RePEc ต่อไปนี้เป็นวิธีการบริจาค คำถามหรือคำถามเกี่ยวกับคำถามที่พบบ่อย EconPapers คำถามที่พบบ่อยหรือส่งจดหมายไปที่การเปรียบเทียบเชิงเปรียบเทียบของการย้ายซองจดหมายโดยเฉลี่ยและวง Bollinger อ้างอิงอ้างอิง 17 เอกสารอ้างอิง 4 quotMatthew Butler และ Dimitar Kazakov (2010) 6 ศึกษาขั้นตอนการเพิ่มประสิทธิภาพของอนุภาค Bollinger อนุภาคและพบว่าการทำกำไรได้ ปรับปรุงโดยการเพิ่มประสิทธิภาพพารามิเตอร์สมรรถภาพการออกกำลังกาย ในงานวิจัยอื่นตัวบ่งชี้ Bollinger ก็ถูกนำมาประยุกต์ใช้กับปัญหาในเชิงวิเคราะห์ Joseph Man-Joe Leung (2003) 7 ได้ทำการวิเคราะห์เชิงประจักษ์และเปรียบเทียบค่าเฉลี่ยเคลื่อนที่และ Bollinger K. Senthamarai Kannan (2010) 8 ใช้ในการคาดการณ์ราคาปิดหุ้นเพื่อตัดสินเพิ่มหรือลดลงและเปรียบเทียบกับ RSI, TP, CMI และ MA ฯลฯ Qi (2011) 9 ได้มีการตัดสินและการคาดการณ์ในราคา แนวโน้มของตลาดอสังหาริมทรัพย์ตาม K-line และ Bollinger Zhou (2013) 10 ใช้ Bollinger ไป Black-Scholes ตัวเลือกรูปแบบการกำหนดราคาผลดีมากและสามารถนำมาใช้เพื่อตรวจสอบการซื้อขายหุ้น Wu (2013) 11 ดำเนินการใน การแนะนำตัวชี้วัด Bollinger โดยย่อทำให้การเปรียบเทียบและการวิเคราะห์เชิงประจักษ์กับ KDJ, MACD, etch และพบว่า Bollinger มีฟังก์ชันอ้างอิงที่สำคัญในการทำนายแนวโน้มตลาดในอนาคต บทคัดย่อ: การทำเหมืองข้อมูลมีเป้าหมายเพื่อค้นหากฎหมายความเป็นจริงและข้อมูลการคาดการณ์ เป็นการวิเคราะห์ทางคณิตศาสตร์และวิธีการพยากรณ์ ขณะนี้ข้อมูลการทำเหมืองแร่ในการวิจัยตลาดสต็อกจะร้อนขึ้น แนวทางล่าสุดในการใช้แถบ Bollinger แสดงให้เห็นว่าหุ้นมีความถูกต้องบางอย่าง แต่ยังไม่เพียงพอที่จะตัดสินการเปลี่ยนแปลงราคา เพื่อที่จะแก้ปัญหานี้บทความนี้เสนอการใช้การจำลองแบบสุ่มและการแจกจ่าย GARCH เพื่อประเมินสินทรัพย์ VaR และปรับปรุงรางรถไฟ Bollinger เพื่อสร้างสต๊อกหุ้นใหม่โดยใช้ VaR จากนั้นใช้วิธีนี้และใช้กับข้อมูลดัชนีเซี่ยงไฮ้ที่แท้จริง ผลการทดลองแสดงให้เห็นว่าการใช้วิธีนี้ในการสร้างช่องทางการดำเนินการของตลาดหุ้นจะมีประสิทธิภาพและสามารถบ่งบอกลักษณะการดำเนินงานของตลาดหุ้นได้ดีขึ้น สุดท้ายเพิ่มประสิทธิภาพกลยุทธ์การลงทุนตามการเพิ่มประสิทธิภาพโครงสร้างนี้ 1548-7741 Article Jul 2015 วงเวียนวัง Binhui วงแหวน BOLLERER ได้รับการพัฒนาขึ้นเมื่อต้นทศวรรษ 1980 โดย John Bollinger (Bollinger 2014) และกลายเป็นเครื่องมือการซื้อขายที่ได้รับความนิยมซึ่งสามารถใช้ในการวัดความเป็นเลิศหรือใบเสนอราคาของราคาเทียบกับการซื้อขายก่อนหน้านี้ วิธีการซื้อขายนี้ขึ้นอยู่กับค่าเฉลี่ยเคลื่อนที่และ (Leung, Chong, 2003) เทียบกับความสามารถในการทำนายของวิธีการนี้ กลุ่มผู้ถือ Bollinger สามารถจับภาพความผันผวนของราคาอย่างฉับพลันซึ่งกลยุทธ์ Moving Average ไม่สามารถทำได้ บทคัดย่อ: ข้อมูลสูงและต่ำมิฉะนั้นข้อมูลที่ปิดและเปิดไม่ได้เป็นแบบบังเอิญในช่วงเวลาของเส้นโค้ง เป็นสุดขั้วและน่าสนใจมากสำหรับผู้ค้า โมเดลของเราขึ้นอยู่กับชุด Evolino RNN ให้ทั้งสองรุ่นกระจายตามข้อมูลที่สูงและต่ำ องค์ประกอบและพารามิเตอร์ของการแจกแจงเหล่านี้จะเป็นตัวกำหนดการตัดสินใจซื้อขาย ในผลงานกระดาษที่สร้างโดยวิธีการคาดการณ์ใหม่นี้จะถูกนำมาเปรียบเทียบกับพอร์ทโฟลิโอตามวง Bollinger การเปรียบเทียบที่รู้จักกันดีในเครื่องมือวิเคราะห์ทางเทคนิคด้วยระบบการทำนายการสนับสนุนของเราขึ้นอยู่กับปัญญาประดิษฐ์ได้รับการยืนยันความสามารถใหม่ในการคาดการณ์ค่าที่สูงและต่ำ เอกสารการประชุม พ. ย. 2014 วารสารวิทยาศาสตร์ข้อมูลและการคำนวณ Nijole Maknickiene quot ABBs ได้รับการพัฒนาขึ้นเป็นครั้งแรกเนื่องจากความนิยมของพวกเขาวรรณคดีทางวิชาการได้แสดงให้เห็นว่า Bollinger Bands (BB) ไม่ได้ผล 11 12 อย่างไรก็ตามการปรับค่าพารามิเตอร์ PSObased ปรับปรุงและมีประสิทธิภาพดีกว่าดัชนีตลาดภายใต้สภาวะตลาดบางแห่ง บทคัดย่อ: การศึกษาครั้งนี้ได้วิเคราะห์ถึงความหมายสองประการของสมมติฐานตลาดปรับ: ประสิทธิภาพเชิงตัวแปรและความสามารถในการทำกำไรแบบวัฏจักร ความหมายเหล่านี้ต่างกันขัดแย้งกับสมมติฐานตลาดที่มีประสิทธิภาพ ประสิทธิภาพด้านตัวแปรเป็นหัวข้อที่ได้รับความนิยมในหมู่นักวิจัยเกี่ยวกับเศรษฐมิติซึ่งความหลากหลายของการศึกษาแสดงให้เห็นว่ามีประสิทธิภาพเชิงตัวแปรอยู่ในตลาดการเงินตามเมตริกที่ใช้ เพื่อตรวจสอบว่าการพึ่งพาไม่เป็นเส้นตรงเพิ่มความถูกต้องของรูปแบบการซื้อขายที่ได้รับการดูแลหรือไม่กระบวนการ GARCH จะถูกจำลองและใช้วิธีการเลื่อนหน้าต่างแบบเลื่อนเพื่อทดสอบการพึ่งพาที่ไม่ใช่เชิงเส้น ผลลัพธ์แสดงให้เห็นอย่างชัดเจนว่าในระหว่างช่วงย่อยที่ตรวจพบการพึ่งพาที่ไม่ใช่เชิงเส้นอัลกอริทึมจะมีความถูกต้องในการจัดหมวดหมู่เพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ สำหรับการคาดการณ์เกี่ยวกับความสามารถในการทำกำไรของกฎการซื้อขายการคาดการณ์ว่า waxes ที่มีประสิทธิผลและลดลงตามสภาวะตลาดปัจจุบันจะถูกทดสอบโดยใช้ตัวบ่งชี้ทางเทคนิค Bollinger Bands (BB) ซึ่งได้รับการแปลงจากแบบคงที่ไปเป็นแบบไดนามิกโดยใช้การเพิ่มประสิทธิภาพการจับกลุ่มของอนุภาค (PSO) . ในช่วงเวลาที่กำหนดพารามิเตอร์ของ BB จะพอดีเพื่อเพิ่มประสิทธิภาพในการทำกำไรและทดสอบในช่วงเวลาที่ไม่อยู่ในตัวอย่างหลายประการ ผลการวิจัยชี้ให้เห็นว่าโดยเฉลี่ยแล้ว BB ที่ได้รับการปรับปรุงประสิทธิภาพโดยเฉพาะจะให้ผลกำไรใช้งานได้ดีและมีประสิทธิภาพสูงกว่าดัชนีตลาดถึง 35 เท่า ผลลัพธ์เหล่านี้แสดงให้เห็นถึงลักษณะโดยรวมของประสิทธิภาพของรูปแบบการซื้อขายโดยเฉพาะและบ่งบอกว่าตัวบ่งชี้ทางเทคนิคที่ได้มาจากราคาในอดีตสามารถทำกำไรได้นอกช่วงเวลาการฝึกอบรม การประชุมวิชาการฉบับเต็มมีนาคม 2012 วารสารสารสนเทศและการคำนวณ Matthew Richard Butler Dimitar Lubomirov Kazakov