آیا تکنیک های شناخته شده ای برای تولید داده های موجود در سهام جعلی واقع بینانه وجود دارد؟

من به تازگی برخی از کد JavaScript را نوشتم تا داده های سهام جعلی تصادفی را تولید کنم ، زیرا می خواستم نمودار را نشان دهم که در First Loved مانند داده های سهام واقعی به نظر می رسید - اما تمام آنچه که من به آن رسیدم بسیار نادی بود. من فقط تعجب می کردم که آیا برخی از منابع وجود دارد که توضیح می دهد که چگونه می توان این کار را "به درستی" انجام داد ، یعنی شما داده های واقع بینانه ای را که دارای الگوهای مشابهی است که در داده های سهام واقعی مشاهده می کنید ، دریافت می کنید؟

12 پاسخ 12

یک الگوریتم ساده استفاده از یک شماره نوسانات ساده است که محدودیت سهام را در یک دوره معین محدود می کند (مثلاً یک روز). هرچه تعداد بالاتر باشد ، بی ثبات تر است. بنابراین هر روز می توانید قیمت جدید را توسط:

سهام پایدار دارای تعداد نوسانات شاید 2 ٪ است. نوسانات 10 ٪ نوسانات بسیار بزرگی را نشان می دهد.

عالی نیست ، اما می تواند بسیار واقع بینانه به نظر برسد.

نمونه ها

من از این فقط برای آشفتگی با چند مورد استفاده کرده ام ، عالی است! با این حال شاید فقط ریاضیات من باشد اما میزان تغییر ، لازم نیست: change_amount = (old_price / 100) * change_percent ؛

من فقط می خواهم که شما بدانید که من چندین بار در طول سالها به این پاسخ باز می گردند. ای کاش می توانستم بیش از یک بار آن را صعود کنم.

Jim Mischel - من تصویری اضافه کردم که نشان می دهد چگونه به نظر می رسد. امیدوارم که با شما خنک باشد. الگوریتم Nifty Btw. به سلامتی!

Simplification: d = Random_Float() - 0.5; and then remove if (change_percent>نوسانات) change_percent -= (2 * نوسانات) ؛

من یک تجزیه و تحلیل بازار فراکتال کتاب داشتم (اخیراً از شر آن خلاص شدم) که در مورد خصوصیات آماری قیمت سهام صحبت کردم. برای سرمایه گذاری بسیار مفید نیست ، اما ممکن است بتواند به شما کمک کند.

شما به چیزی نیاز دارید که یک فرآیند تصادفی را با خصوصیات آماری مورد نظر مدل کند. دو نمونه از فرآیندهای تصادفی نویز سفید گاوسی و یک فرآیند وینر است (دومی که حرکت براون را مدل می کند و همچنین حد یک پیاده روی تصادفی با مراحل کوچک است).

اگر درست از کتاب تحلیل بازار فراکتال به یاد داشته باشم ،این ادعا وجود دارد که لگاریتم قیمت سهام دارای خصوصیاتی شبیه به به اصطلاح "نویز 1/f" یا "نویز صورتی" است ، بنابراین می توانید به دنبال مقاله هایی در مورد تولید نویز صورتی در نرم افزار باشید.(و سپس نتایج را بگیرید و آنها را به E^x وصل کنید)(ویرایش: اوه ، من اشتباه کردم. به نظر می رسد که بیشتر شبیه حرکت براونی است)

(در اینجا یک مقاله خوب خواندنی وجود دارد که در مورد تاریخچه مطالعه فرآیندهای تصادفی فراکتال - و چگونگی ارتباط سیل نیل با بازار سهام - صحبت می کند - متأسفانه به داده های فنی نمی رسد ، اما شاید شرایط جستجو وجود داشته باشدمانند Hurst Exponent که می تواند شما را شروع کند.)

اگر به چندین سری از داده های سهام نیاز دارید مشکل دشوارتر می شود.(در این صورت همبستگی بین سهام وجود دارد که به عوامل مختلف مشترک به عنوان مثال اقتصاد ملی ، نوع صنعت و غیره بستگی دارد) من مطمئن نیستم که چگونه می توانید در مورد آن پیش بروید ، اما ابتدا با یک فرآیند تصادفی شروع کنید.

ممنون بخاطر این. من باید خواندن بگیرم! بله ، من می بینم که منظور شما از سهام متعدد چیست - حدس می زنم اگر می خواهید سهام را در یک بخش خاص تقلید کنید ، تمایل به بالا و پایین رفتن با هم دارند ، این پیچیده تر است. همچنین به نظر می رسد در دوره های مختلف خوب به نظر برسد - به عنوان مثالروز ، ماه و سال پس به نظر می رسد یک چالش واقعی است!

پاسخ های مختلفی وجود دارد که به یک کتاب درسی نسبتاً پاسخ می دهد: از حرکت هندسی براونیان برای مدل سازی قیمت سهام استفاده کنید. اما یک دلیل اصلی برای در نظر گرفتن این اشتباه وجود دارد. قیمت سهام واقعی چیزی مانند حرکت هندسی Brownian (GBM) رفتار نمی کند. من این را کمی توضیح می دهم.

دلیل استفاده از GBM در کتابهای درسی برای مدل سازی یک فرآیند قیمت سهام برای سادگی است. این به شما کمک می کند تا این تئوری را از زمین خارج کرده و نتایج اساسی را بدست آورید که به نظر می رسد "اساساً" درست است. این بدان معنا نیست که شما باید فکر کنید این همان چیزی است که قیمت سهام "مانند" به نظر می رسد. این مانند به دست آوردن معادله ای از اصطکاک از حرکات (که از نظر تئوری بسیار مفید است) است و سپس فکر کردن این همان چیزی است که حرکت در زندگی واقعی به نظر می رسد ، به عنوان مثال. همه مانند اسکیت های یخ روی کفش های خود می چرخند.

یکی از ویژگی های مفید نظری GBM این است که تغییرات آینده مستقل از تغییرات گذشته است. آیا این در مورد قیمت سهام صادق است؟جواب منفی. اصلا. همبستگی سریال در همه جا اتفاق می افتد. نه تنها این ، کاهش زیاد معمولاً با افزایش نوسانات دنبال می شود در حالی که افزایش زیاد معمولاً با کاهش نوسانات دنبال می شود.

من فکر می کنم ممکن است به نیت زدن متهم باشم ، اما این حقایق تلطیف شده معمولاً برای سرمایه گذاران و اقتصاددانان شناخته می شود ، بنابراین فکر می کنم عادلانه است که بگوییم GBM برای هر کسی که با رفتار بورس اوراق بهادار آشنا نیست ، واقع بینانه به نظر نمی رسد.

اقتصاد سنج ها مدل های زیادی را برای قیمت سهام ارائه داده اند. موردی که به نظر می رسد در بسیاری از شرایط کار می کند ، یک مدل خودجوش برای میانگین مشروط همراه با یک مدل قوس (G) برای نوسانات است. برای مدل نوسانات ، به نظر می رسد یک گارچ جانبی با توزیع دم چربی (مانند T دانش آموز) بهترین کار را برای انواع بازارهای مالی انجام می دهد.