简化黑魔法调查：蒙特卡罗模拟和

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Black Magic Investigation Made Simple: Monte Carlo Simulations and
  Historical Back Testing of Momentum Cross-Over Strategies Using FRACTI
  Patterns》
---
作者：
Jorge Faleiro, Edward Tsang
---
最新提交年份：
2018
---
英文摘要：
  To promote economic stability, finance should be studied as a hard science, where scientific methods apply. When a trading strategy is proposed, the underlying model should be transparent and defined robustly to allow other researchers to understand and examine it thoroughly. Like any hard sciences, results must be repeatable to allow researchers to collaborate, and build upon each other\'s results. Large-scale collaboration, when applying the steps of scientific investigation, is an efficient way to leverage \"crowd science\" to accelerate research in finance. In this paper, we demonstrate how a real world problem in economics, an old problem still subject to a lot of debate, can be solved by the application of a crowd-powered, collaborative scientific computational framework, fully supporting the process of investigation dictated by the modern scientific method. This paper provides a real end-to-end example of investigation to illustrate the use of the framework. We intentionally selected an example that is self-contained, complete, simple, accessible, and of constant debate in both academia and the industry: the performance of a trading strategy used commonly in technical analysis. Claims of efficiency in technical analysis, referred derisively by some sources as \"Black Magic\", are of widespread use in mainstream media and usually met with a lot of controversy. In this paper we show that different researchers assess this strategy differently, and the subsequent debate is due more to the lack of method than purpose. Most results reported are not repeatable by other researchers. This is not satisfactory if we intend to approach finance as a hard science. To counterweight the status quo, we demonstrate what one could do by using collaborative and investigative features of contributions and leveraging the power of crowds.
---
中文摘要：
为了促进经济稳定，金融应该作为一门硬科学来研究，并应用科学方法。当交易策略被提出时，基础模型应该是透明的，并且定义有力，以便其他研究人员能够彻底理解和检查它。像任何硬科学一样，研究结果必须是可重复的，以允许研究人员合作，并在彼此的结果基础上发展。在应用科学调查步骤时，大规模合作是利用“大众科学”加速金融研究的有效方式。在这篇文章中，我们展示了一个现实世界中的经济学问题，一个仍然备受争议的老问题，如何通过应用一个群体驱动、协作的科学计算框架来解决，充分支持现代科学方法所规定的调查过程。本文提供了一个真实的端到端调查示例来说明该框架的使用。我们特意选择了一个自成体系、完整、简单、易于获取且在学术界和业界都有争议的例子：技术分析中常用的交易策略的表现。技术分析中的效率主张被一些消息来源嘲笑为“黑魔法”，在主流媒体中广泛使用，通常会遇到很多争议。在本文中，我们表明，不同的研究人员对这一策略的评估不同，随后的争论更多是由于缺乏方法而非目的。其他研究人员无法重复报告的大多数结果。如果我们打算把金融作为一门硬科学来对待，这是不令人满意的。为了平衡现状，我们展示了通过使用贡献的协作和调查功能以及利用人群的力量可以做些什么。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
--> Black_Magic_Investigation_Made_Simple:_Monte_Carlo_Simulations_and_Historical_Ba.pdf (2.15 MB)

2022-6-10 12:23:08 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：蒙特卡罗模拟 蒙特卡罗 蒙特卡 Quantitative Contribution

黑魔法调查变得简单：2016年11月20日，使用FRACTI模式对动量交叉策略进行蒙特卡罗模拟和历史回溯测试；2016年12月5日修订Jorge M.Faleiro Jr#1，Edward P.K.Tsang#2工作文件WP078-16#英国CO4 3SQ科尔切斯特埃塞克斯大学维文霍公园计算金融和经济代理中心（CCFEA）1jfalei@essex.ac.uk2.edward@essex.ac.uk摘要：为了促进经济稳定，金融应该作为一门硬科学来研究，并应用科学方法。当交易策略被提出时，基础模型应该是透明的，并且定义有力，以便其他研究人员能够彻底理解和检查它。任何关于实验结果的报告都必须允许其他研究人员追溯到产生这些结果的原始数据和模型。像任何硬科学一样，研究结果必须是可重复的，以允许研究人员合作，并在彼此的结果基础上发展。在应用科学调查步骤时，大规模合作是利用“大众科学”加速金融研究的有效方式。在这篇文章中，我们展示了一个现实世界中的经济学问题，一个仍然备受争议的老问题，如何通过应用一个群体驱动、协作的科学计算框架来解决，充分支持现代科学方法所规定的调查过程。本文提供了一个真实的端到端调查示例来说明该框架的使用。我们特意选择了一个自成体系、完整、简单、易于获取且在学术界和业界都有争议的例子：技术分析中常用的交易策略的表现。

技术分析中的效率主张被一些消息来源嘲笑为“黑魔法”，在主流媒体中广泛使用，通常会遇到很多争议。在本文中，我们表明，不同的研究人员对这一策略的评估不同，随后的争论更多是由于缺乏方法而非目的。其他研究人员无法重复报告的大多数结果。如果我们打算把金融作为一门硬科学来对待，这是不令人满意的。为了平衡现状，我们展示了通过使用贡献的协作和调查功能以及利用人群的力量可以做些什么。一、 人群和计算调查金融并不总是被严格研究。即使是最简单、最流行的交易策略，其表现也存在争议。这不仅是因为不同的研究人员使用不同的数据来测试策略，还因为上下文并不总是明确定义，参数并不总是一致的，结果也不总是以相同的方式解释。金融市场的稳定影响社会；许多社会仍在遭受2007-08年金融危机的影响。为了促进经济稳定，金融应该作为一门硬科学来研究，并应用科学方法。在本文中，我们提供了一个真实的端到端示例，使用专门的概念框架对金融交易策略进行了应用研究。我们展示了该框架如何利用人群的力量、现代计算资源[1]和科学方法[2]，通过大规模协作解决经济和金融市场中的实际问题[1]。

这篇论文是一项广泛研究的一部分，在这项研究中，我们提倡一种“群体驱动的”[3]，即针对经济学等复杂学科的基于计算机的调查模型。本文件的具体意图是作为已经发布的概念框架蓝图的延续，提供了一个使用该概念框架结构对金融案例进行端到端调查的具体示例。我们认为本文件是一个重要的形式化文件，将有助于巩固概念框架的愿景。我们一直将这一概念框架称为FRACTI：金融市场合作和透明调查框架[1]。FRACTI不是一种软件实现，也不是一种编程语言。相反，它为经济学领域的计算表示定义了一个抽象。本文中概述的示例表示FRACTI（一种称为QuantLET的开源实现[5]）的一个特定实现或方言。这种方言的演变是为了作为框架中概念的说明，并不是为了在这一点上全面实现所有概念。在这项工作中，方言为这项研究提供了重要的见解，反之亦然，这项研究向方言反馈了一些被具体化为扩展的想法。这种方言依赖于许多潜在的计算资源[6][7][8][9]，我们应该期待更多，因为直接和间接依赖的链条是流动的，并且总是在变化。要准确地描述所有这些问题是不可能的。

我们将使用FRACTI模型来调查技术分析中流行的一种常见交易策略是否确实有利可图，如果是，在何种情况下。即使是有点复杂和广泛的练习，我们也会证明FRACTI模型是描述和传达交易策略细节和特征的简洁而直接的方法。此示例调查将显示如何通过将“贡献”链接到称为流的内容中来构建财务模型。FRACTI中的一切都是“贡献”，贡献是科学调查的正式“证据”。作为证据，它们可以通过所谓的“起源记录”进行共享、重用和追踪。本练习的可执行版本【10】【5】可在线获取，如果任何相关方希望验证基础数据和方法，可将其下载为笔记本【6】。尽管该可执行文件仍然是一个原型，尚未打算作为一个完整的协作平台，但它通过对出处的记录显示了贡献和证据跟踪的关键特征，这对于协作平台中的透明度、可重复的方法和计算控制至关重要。本练习还将演示调整模型以执行调查中的各种功能是多么容易。此练习的示例将演示如何在需要时对同一模型进行细微调整，以实现可视化、基准测试、模拟甚至实时交易的功能。本文的第一部分是之前论文中在本研究早期阶段提出的FRACTI蓝图的摘要。

我们概述了该框架的主要特征、主要目标及其基于方面、贡献和元模型的表示系统。第二部分定义了所调查情景的基础，一种常见的技术交易策略，称为“突破性交叉动量策略”。本练习将分两步剖析这一技术策略，以寻找盈利能力的情景：第一步是随机1“贡献”，与作者对维基百科2“贡献”的含义相同。可用的事实或信息体表明一个信念或主张是真实的还是有效的【65】3历史实体的所有权、保管权或位置【65】与流动性指数（标准普尔500指数）各组成部分的历史数据相比，排名第二。第三部分描述了使用FRACTI标准流程进行端到端调查的实践：提出假设；概述限制、简化和预期结果；开发模型和组件；冲击和模拟的定义；模拟的执行；最后得出结论。在本练习中，我们生成了许多贡献（也称为证据），并对这些证据进行了逐步分析。在这些步骤中，我们将演示将FRACTI模型形式化并调整它们以涵盖从可视化、基准测试到历史模拟的广泛功能是多么容易。模型的定义和执行产生了许多相关的可共享和可跟踪贡献。在调查结束时，利用所提供的证据，我们列出了一些可能的解释。

最后，我们列出了关于框架使用的观察结果、通过数据和可视化生成的证据，以及对未来研究的建议。二、简而言之，在我们开始定义战略和模型描述之前，我们将研究如何描述金融模型，这一点很重要，因此我们现在必须重点介绍FRACTI的主要方面。本简介简要概述了前一篇文章中广泛描述的功能，因此强烈鼓励好奇的读者参考原始蓝图【1】，以获取详细描述4。FRACTI的定义是由非常具体和直接的目标驱动的：允许透明的协作、结果的重复性、可访问性和开放性。透明协作：FRACTI通过通用表示定义大型数据集和金融模型，以便对大量金融数据进行统一的可视化和操作。统一表示允许对共享项进行详细检查，并由不同的用户组针对不同的场景重新执行。换句话说，下一节将举例说明FRACTI作为科学支持系统的使用【11】【12】。再现性：概念框架强制执行分析研究的科学方法：任何人都必须能够再现模型和场景。在本次调查活动中，我们将展示如何将大量数据和模型追溯到它们的起源并重新执行，从而允许不同的组织和个人轻松地复制结果。

可访问性：最终用户不必精通计算机科学，就可以在框架中使用、协作或可视化模型或场景。4在此处重新介绍与本文相关的概念和重复原FRACTI论文[1]中已发布的内容之间保持平衡是很困难的，因此，尽管进行了简要介绍，但强烈鼓励读者参考蓝图[1]，以广泛介绍相关术语和概念。开放性：此调查练习显示了交易模型的实例，表示跨环境或不同实现交换的特定配置、执行或模拟。开放性意味着无论贡献的所有权、来源、计算实现或位置如何，都可以追踪和复制调查的数据和方法。FRACTI的概念布局t本质上是一个通过称为模型的抽象来表示金融专业领域知识的提议。模型的知识表示系统是根据本研究贡献范围内的共享内容或证据以及如何建立称为方面的基本构建块来描述的。在本工作范围内，贡献一词适用于参与者（用户）制作并与更广泛的用户社区共享（或贡献）的工件5。贡献应涵盖与金融科学相关的广泛模型、方法和结果【13】。

一些例子包括小型、中型或大型数据集；低、中、高频时间序列；计算方法和可视化图；以及与历史和实时执行、模拟和回测相关的结果。术语facets或aspect与基本构建块相关，这些构建块可用于安排贡献并在模型中生成更复杂的抽象。FRACTI的概念框架定义了几个不同的方面，以支持金融市场中的不同使用案例6。为了简单起见，在本次调查活动的范围内，我们只利用了一个方面：流。流方面定义了一种面向图形的领域特定语言[14][15]，用于路由元数据片段x 通过一系列可重用和可交换的处理器P! 定义函数组合[16][17][18]：(P! ο P! ο …   ο P!)(x) 在本次调查中使用的FRACTI参考实现的具体符号中【5】功能组成由符号表示>>  给出处理器的组成形式：x  >>   P!  >>   P!  >> ···    >>   P!  我们指的是处理器链P!…  P! FRACTI中的财务模型使用流表示法表示。在其他上下文中，类似的表示被称为管道、管道或中缀符号【19】。

总的来说，FRACTI表示模型自然而然地强化了符合现代科学方法的思维过程，通过非常具体的阶段概述：5在科学调查或实验中观察到的并非自然存在，而是由于准备或调查程序而发生的[65]6 FRACTI通过使用分面、当前流式、反应性、分布和模拟[1]来表示金融模型将调查中的现象形式化。在这种情况下，我们将确定正在调查的交易策略（第三节）。o定义假设（第V.a节）。o定义要遵循的假设和反向测试程序（第四节）o定义要使用的组件。冲击、模式和基准（第四节）o定义预期结果（第四节）o确定结论（第六节）尽管这些阶段概述了定义明确的过程，但它们只是最佳实践的指示，不是强制性的。在使用FRACTI进行任何调查时，始终鼓励研究人员探索这些阶段的变化。三、 显微镜下的交易策略本文的中心贡献是正式确定一个真实的端到端的金融模型科学调查示例，该金融模型是自包含、完整、简单、可访问的，并且在学术界和业界都有广泛的争论：技术分析中常用的交易策略的绩效。本文所述的具体示例研究了一种常见的交易策略，即移动平均交叉（MAC-O）动量策略的变体【20】。这种混合策略使用“突破”信号来识别伪随机运动的“动量”。