定量的な取引システムのためのデータを計算するための最も一般的な方法は、次の日の終値に一日の終値からの価格の変化として一日の行動を定義することです. この方法は、1取引日を含み、全体の24時間を含みます. それは毎日のデータのための最も一般的に使用される定義である理由です.

に掲載された論文 2010 ヨゼフルディによって, クリスチャンL. ドゥーニ, そして、ジェイソン法律がで見つかった定量的な縁があるかもしれないことを指摘 オープン・ツー・クローズの使用またはそれに近いツーオープンデータ 毎日のために代わりに近いツー近いデータの復帰戦略を意味します. 著者は徹底的に価格を開くに因数分解から得られた貴重な情報がある可能性が示唆され、多くの情報源を引用しました.

価格市場が開いている間に起こる移動し、一夜移動を区別することで、より収益性の高い分野にあなたの戦略を集中する可能性があります.

著者らは、このようにして設定データを変更すると、毎日の取引のために理想的であると考えられ 平均回帰戦略 それは、個別銘柄の大きな価格下落、以下の過剰反応から利益に見えました. 彼らは戦略のこのタイプを使用するオープン・クローズとオープン・ツー・クローズの両方のデータが近いツー近いデータをアウトパフォームすることができることを証明するために設定.

データ

著者をバックテストするために使用されるデータ’ 理論はSを構成する銘柄でした&P 500 インデックス, S&P 400 ミッドキャップ指数, S&P 600 小型株インデックス. バックテスト期間は月の範囲でした 30, 2000 2月を通じ 12, 2010.

取引コストを考慮するために, の要因 0.05% 各取引に充填しました. このコストは、個人投資家がにさらされることになる料金の種類を複製するために意図されました.

戦略

この戦略の目標は、任意の判定期間中に最大の負けストックを利用することです, 以下の期間でバック即時バウンスを期待. 戦略は、それぞれの日に分割された2つの異なるデータ期間に基づいて2つのバージョンに分割されます.

戦略の最初のバージョンは、その決定期間と近いツーオープンなデータを使用しています. その後、, それはオープンで、その期間中に最もパフォーマンスが悪いの株式を購入し、その日の終わりにを介してそれらを保持しています.

戦略の第2のバージョンは、その判定期間としてオープンツー近いデータを使用しています. その後、, それはちょうど近く前に、その期間中に最もパフォーマンスが悪いの株式を購入し、次の日のオープンでそれらを販売しています.

戦略バックテスト

不十分各判定期間後に購入する株式を行う多くの方法を決定するために, S内のすべての株式のためのバックテスト結果を提供した紙&P 600 小型株インデックス. 論文の付録に含まれていた他の2つのインデックスについて同様の結果がありました.

紙は、毎日10種類のグループに株式のすべてを分割しました, 意思決定期間中に彼らのパフォーマンスに基づいて、. 最悪のパフォーマンスグループ内の株式のすべてを購入する生産しました の年間平均リターン 215% 最大ドローダウンと 48% 最初のバージョンのための. 戦略の第2のバージョンは、の年間平均リターンを生成しました 73% 最大ドローダウンと 11%.

あなたが見ることができます。, 第二版, 近いツーオープンからポジションを保持する下の年間リターンを持っています, しかし、多くの 以下のボラティリティ. 著者らは、両方のバージョンが標準に近いツークローズ期間を使用するよりも、より良いリターンを生成していることを述べます.