Regression Model – The first predictive modeling technique to learn
(with R codes)
翻開所有預測分析或機器學習的書籍, 或是數據分析的課程, 第一個遇到的就是回歸分析。簡單的線性回歸淺顯易懂, 是切入分析預測領域非常好的入門磚;隨著學習的模型技術越來越多,且越來越Fancy, 我們可以發現他們不過是線性回歸的延伸或通用化(extensions or generalizations
of linear regression)。
What is Regression Analysis?
回歸分析(Regression Analysis)是一種相當實用且被廣泛運用的統計分析技術, 用以檢視我們想要預測的標的(dependent variable - Y), 與我們所擁有的數據(independent variable (s)- X(s) )之間, 是否具有某種關係(relationship)。
Why
do we use Regression Analysis?
一般說來, 我們可以利用回歸分析, 檢視/回答下列數據預測的項目。以廣告效果是否影響產品銷量為例:
1.[增加廣告預算]與[銷量增加]是否存在關係(relationship)?
2.若有關係(relationship), 其強度(Strong)有多高?
3.廣告預算花費在何種媒體通路上, 貢獻最多的[銷量增加]?
4.
廣告預算花費與業績的預測分析,其準確率有多高?
What
are the types of Regressions?
l Linear Regression
l Logistic Regression
l Polynomial Regression
l Stepwise Regression
l Ridge Regression
l Lasso Regression
l ElasticNet Regression
Regression Model這一系列的文章將會一一介紹上列各項模型方法與R的implement codes. 首先, 我們將從Linear Regression談起。
(文章未完, 編輯撰寫中...)
by J.D.
繼續閱讀...
交易策略最佳化
這幾天稍微熟悉了Wealth-Lab，趕緊就拿來嘗試建構一些交易策略，和進行系統的績效回測。身為一個順勢交易的追隨者，移動平均線是其中最重要的元件，因此就決定先從均線來開始進行。
在進入完整的分析前，先直接看個結論吧:
這是黃金ETF最佳化的結果，從2005年投資至今，報酬率超過120%，最高者甚至超過170%。
這次選定的投資市場，包括了台股，美股，以及商品投資，相關的投資標的如下:
三支ETF在市場上都是極具代表性的指數基金，成交量夠大，因此在實際交易當中，應該可以相當程度減少滑價風險所造成的績效誤差。
在進行均線最佳化之前，我先直覺的使用市場上慣用的月線/季線進行測試，初步的發現同樣的交易策略，在不同走勢的交易市場，產生完全不一樣的績效結果。在大多頭的黃金市場，買進持有策略之報酬遠超過月線/季線之策略。而在台股市場，績效表現差強人意，正報酬並無明顯高於買進持有策略，但損失亦能控制在一個安全的範圍之內。最後是在美股S&P500市場，能有效控制損失，並在2007年之後，創造45％的報酬率。
相關績效圖表如下:
首先是黃金市場（GLD）
接下來是台股（TTT）
最後是美股（SPY）
接下來，就要進入這次研究的核心了，均線最佳化。我的測試設定如下:
最佳化的過程，除了追尋報酬最高之外，亦將風險以及交易成本納入考量範圍，因此我利用了三項指標來達到這些目的，分別為Sharpe Ratio, APR（年化報酬），以及WLScore。
WLScore的公式說明如下:
當APR為正報酬 :
WLScore = (APR / Exposure)*( 1 + MaxDrawDownPct)
當APR為負報酬 :
WLScore = (APR / Exposure)*( 1 + Abs(MaxDrawDownPct))
其中Exposure : %市場曝險時間
最後，為了避免參數孤島，以及視覺化整體均線參數的所有表現績效，我運用了ISO-Surface來展現結果。
最佳化的結果分析如下 :
在大多頭的黃金市場，儘速買進並且不要賣出，似乎才是一個最佳的策略。
在台股市場，110移動平均線是一個不錯的買進位置，賣出的位置建議是在40以上的移動平均線 。
在美股S&P500市場，200以上(甚至到240)移動平均線是良好的買進位置，賣出的位置對於報酬率的影響倒是不顯著。
相關績效圖表如下:首先一樣是黃金市場（GLD）
接下來是台股（TTT）
最後是美股（SPY）
by J.D.
繼續閱讀...
在進入完整的分析前，先直接看個結論吧:
這是黃金ETF最佳化的結果，從2005年投資至今，報酬率超過120%，最高者甚至超過170%。這次選定的投資市場，包括了台股，美股，以及商品投資，相關的投資標的如下:
三支ETF在市場上都是極具代表性的指數基金，成交量夠大，因此在實際交易當中，應該可以相當程度減少滑價風險所造成的績效誤差。
在進行均線最佳化之前，我先直覺的使用市場上慣用的月線/季線進行測試，初步的發現同樣的交易策略，在不同走勢的交易市場，產生完全不一樣的績效結果。在大多頭的黃金市場，買進持有策略之報酬遠超過月線/季線之策略。而在台股市場，績效表現差強人意，正報酬並無明顯高於買進持有策略，但損失亦能控制在一個安全的範圍之內。最後是在美股S&P500市場，能有效控制損失，並在2007年之後，創造45％的報酬率。相關績效圖表如下:
首先是黃金市場（GLD）
接下來是台股（TTT）
最後是美股（SPY） 
接下來，就要進入這次研究的核心了，均線最佳化。我的測試設定如下:
最佳化的過程，除了追尋報酬最高之外，亦將風險以及交易成本納入考量範圍，因此我利用了三項指標來達到這些目的，分別為Sharpe Ratio, APR（年化報酬），以及WLScore。
WLScore的公式說明如下:
當APR為正報酬 :
WLScore = (APR / Exposure)*( 1 + MaxDrawDownPct)
當APR為負報酬 :
WLScore = (APR / Exposure)*( 1 + Abs(MaxDrawDownPct))
其中Exposure : %市場曝險時間
最後，為了避免參數孤島，以及視覺化整體均線參數的所有表現績效，我運用了ISO-Surface來展現結果。
最佳化的結果分析如下 :
在大多頭的黃金市場，儘速買進並且不要賣出，似乎才是一個最佳的策略。
在台股市場，110移動平均線是一個不錯的買進位置，賣出的位置建議是在40以上的移動平均線 。
在美股S&P500市場，200以上(甚至到240)移動平均線是良好的買進位置，賣出的位置對於報酬率的影響倒是不顯著。
相關績效圖表如下:首先一樣是黃金市場（GLD）
接下來是台股（TTT）
最後是美股（SPY）
by J.D.
繼續閱讀...
訂閱：
文章 (Atom)
