2.1 Verschieben von Durchschnittsmodellen (MA-Modelle) Zeitreihenmodelle, die als ARIMA-Modelle bekannt sind, können autoregressive Begriffe und / oder gleitende Durchschnittsterme enthalten. In Woche 1 erlernten wir einen autoregressiven Term in einem Zeitreihenmodell für die Variable x t ist ein verzögerter Wert von x t. Beispielsweise ist ein autoregressiver Term der Verzögerung 1 x t-1 (multipliziert mit einem Koeffizienten). Diese Lektion definiert gleitende Durchschnittsterme. Ein gleitender Durchschnittsterm in einem Zeitreihenmodell ist ein vergangener Fehler (multipliziert mit einem Koeffizienten). Es sei n (0, sigma2w) überschritten, was bedeutet, daß die wt identisch unabhängig voneinander verteilt sind, jeweils mit einer Normalverteilung mit dem Mittelwert 0 und der gleichen Varianz. Das durch MA (1) bezeichnete gleitende Durchschnittsmodell der 1. Ordnung ist (xt mu wt theta1w) Das durch MA (2) bezeichnete gleitende Durchschnittsmodell der zweiten Ordnung ist (xt mu wt theta1w theta2w) Das gleitende Mittelmodell der q-ten Ordnung , Mit MA (q) bezeichnet, ist (xt mu wt theta1w theta2w dots thetaqw) Hinweis. Viele Lehrbücher und Softwareprogramme definieren das Modell mit negativen Vorzeichen vor den Begriffen. Dies ändert nicht die allgemeinen theoretischen Eigenschaften des Modells, obwohl es die algebraischen Zeichen der geschätzten Koeffizientenwerte und (nicht quadrierten) Ausdrücke in Formeln für ACFs und Abweichungen umwandelt. Sie müssen Ihre Software überprüfen, um zu überprüfen, ob negative oder positive Vorzeichen verwendet worden sind, um das geschätzte Modell korrekt zu schreiben. R verwendet positive Vorzeichen in seinem zugrunde liegenden Modell, wie wir hier tun. Theoretische Eigenschaften einer Zeitreihe mit einem MA (1) Modell Beachten Sie, dass der einzige Wert ungleich Null im theoretischen ACF für Verzögerung 1 ist. Alle anderen Autokorrelationen sind 0. Somit ist ein Proben-ACF mit einer signifikanten Autokorrelation nur bei Verzögerung 1 ein Indikator für ein mögliches MA (1) - Modell. Für interessierte Studierende, Beweise dieser Eigenschaften sind ein Anhang zu diesem Handout. Beispiel 1 Angenommen, dass ein MA (1) - Modell x t 10 w t .7 w t-1 ist. Wobei (wt überstehendes N (0,1)). Somit ist der Koeffizient 1 0,7. Die theoretische ACF wird durch eine Plot dieser ACF folgt folgt. Die graphische Darstellung ist die theoretische ACF für eine MA (1) mit 1 0,7. In der Praxis liefert eine Probe gewöhnlich ein solches klares Muster. Unter Verwendung von R simulierten wir n 100 Abtastwerte unter Verwendung des Modells x t 10 w t .7 w t-1, wobei w t iid N (0,1) war. Für diese Simulation folgt ein Zeitreihen-Diagramm der Probendaten. Wir können nicht viel von dieser Handlung erzählen. Die Proben-ACF für die simulierten Daten folgt. Wir sehen eine Spitze bei Verzögerung 1, gefolgt von im Allgemeinen nicht signifikanten Werten für Verzögerungen nach 1. Es ist zu beachten, dass das Beispiel-ACF nicht mit dem theoretischen Muster des zugrunde liegenden MA (1) übereinstimmt, was bedeutet, dass alle Autokorrelationen für Verzögerungen nach 1 0 sein werden Eine andere Probe hätte eine geringfügig unterschiedliche Probe ACF wie unten gezeigt, hätte aber wahrscheinlich die gleichen breiten Merkmale. Theroretische Eigenschaften einer Zeitreihe mit einem MA (2) - Modell Für das MA (2) - Modell sind die theoretischen Eigenschaften die folgenden: Die einzigen Werte ungleich Null im theoretischen ACF sind für die Lags 1 und 2. Autokorrelationen für höhere Lags sind 0 , So zeigt ein Beispiel-ACF mit signifikanten Autokorrelationen bei Lags 1 und 2, aber nicht signifikante Autokorrelationen für höhere Lags ein mögliches MA (2) - Modell. Iid N (0,1). Die Koeffizienten betragen 1 0,5 und 2 0,3. Da es sich hierbei um ein MA (2) handelt, wird der theoretische ACF nur bei den Verzögerungen 1 und 2 Werte ungleich Null aufweisen. Werte der beiden Nicht-Autokorrelationen sind A-Kurve des theoretischen ACF. Wie fast immer der Fall ist, verhalten sich Musterdaten nicht ganz so perfekt wie die Theorie. Wir simulierten n 150 Beispielwerte für das Modell x t 10 w t .5 w t-1 .3 w t-2. Wobei wt iid N (0,1) ist. Die Zeitreihenfolge der Daten folgt. Wie bei dem Zeitreihenplot für die MA (1) Beispieldaten können Sie nicht viel davon erzählen. Die Proben-ACF für die simulierten Daten folgt. Das Muster ist typisch für Situationen, in denen ein MA (2) - Modell nützlich sein kann. Es gibt zwei statistisch signifikante Spikes bei Lags 1 und 2, gefolgt von nicht signifikanten Werten für andere Lags. Beachten Sie, dass aufgrund des Stichprobenfehlers das Muster ACF nicht genau dem theoretischen Muster entsprach. ACF für allgemeine MA (q) - Modelle Eine Eigenschaft von MA (q) - Modellen besteht im Allgemeinen darin, dass Autokorrelationen ungleich Null für die ersten q-Verzögerungen und Autokorrelationen 0 für alle Verzögerungen gt q vorhanden sind. Nicht-Eindeutigkeit der Verbindung zwischen Werten von 1 und (rho1) in MA (1) Modell. Im MA (1) - Modell für einen Wert von 1. Die reziproke 1/1 gibt den gleichen Wert für Als Beispiel, verwenden Sie 0.5 für 1. Und dann 1 / (0,5) 2 für 1 verwenden. Youll erhalten (rho1) 0,4 in beiden Fällen. Um eine theoretische Einschränkung als Invertibilität zu befriedigen. Wir beschränken MA (1) - Modelle auf Werte mit einem Absolutwert von weniger als 1. In dem gerade angegebenen Beispiel ist 1 0,5 ein zulässiger Parameterwert, während 1 1 / 0,5 2 nicht. Invertibilität von MA-Modellen Ein MA-Modell soll invertierbar sein, wenn es algebraisch äquivalent zu einem konvergierenden unendlichen Ordnungs-AR-Modell ist. Durch Konvergenz meinen wir, dass die AR-Koeffizienten auf 0 sinken, wenn wir in der Zeit zurückgehen. Invertibilität ist eine Einschränkung, die in Zeitreihensoftware programmiert ist, die verwendet wird, um die Koeffizienten von Modellen mit MA-Begriffen abzuschätzen. Sein nicht etwas, das wir in der Datenanalyse überprüfen. Zusätzliche Informationen über die Invertibilitätsbeschränkung für MA (1) - Modelle finden Sie im Anhang. Fortgeschrittene Theorie Anmerkung. Für ein MA (q) - Modell mit einem angegebenen ACF gibt es nur ein invertierbares Modell. Die notwendige Bedingung für die Invertierbarkeit ist, daß die Koeffizienten Werte haben, daß die Gleichung 1- 1 y-. - q y q 0 hat Lösungen für y, die außerhalb des Einheitskreises liegen. R-Code für die Beispiele In Beispiel 1 wurde der theoretische ACF des Modells x t 10 w t aufgetragen. 7w t-1. Und dann n 150 Werte aus diesem Modell simuliert und die Abtastzeitreihen und die Abtast-ACF für die simulierten Daten aufgetragen. Die R-Befehle, die verwendet wurden, um den theoretischen ACF aufzuzeichnen, waren: acfma1ARMAacf (mac (0,7), lag. max10) 10 Verzögerungen von ACF für MA (1) mit theta1 0,7 lags0: 10 erzeugt eine Variable namens lags, die im Bereich von 0 bis 10 liegt (H0) fügt dem Diagramm eine horizontale Achse hinzu Der erste Befehl bestimmt den ACF und speichert ihn in einem Objekt Genannt acfma1 (unsere Wahl des Namens). Der Plotbefehl (der dritte Befehl) verläuft gegen die ACF-Werte für die Verzögerungen 1 bis 10. Der ylab-Parameter kennzeichnet die y-Achse und der Hauptparameter einen Titel auf dem Plot. Um die Zahlenwerte der ACF zu sehen, benutzen Sie einfach den Befehl acfma1. Die Simulation und Diagramme wurden mit den folgenden Befehlen durchgeführt. (N150, list (mac (0.7))) Simuliert n 150 Werte aus MA (1) xxc10 addiert 10 zum Mittelwert 10. Simulationsvorgaben bedeuten 0. plot (x, typeb, mainSimulated MA (1) data) Acf (x, xlimc (1,10), mainACF für simulierte Probendaten) In Beispiel 2 wurde der theoretische ACF des Modells xt 10 wt. 5 w t-1 .3 w t-2 aufgetragen. Und dann n 150 Werte aus diesem Modell simuliert und die Abtastzeitreihen und die Abtast-ACF für die simulierten Daten aufgetragen. Die verwendeten R-Befehle waren acfma2ARMAacf (mac (0,5,0,3), lag. max10) acfma2 lags0: 10 Plot (lags, acfma2, xlimc (1,10), ylabr, typh, main ACF für MA (2) mit theta1 0,5, (X, x) (x, x) (x, x, x, y) (1) Für interessierte Studierende sind hier Beweise für die theoretischen Eigenschaften des MA (1) - Modells. Variante: (Text (xt) Text (mu wt theta1 w) 0 Text (wt) Text (theta1w) sigma2w theta21sigma2w (1theta21) sigma2w) Wenn h 1 der vorhergehende Ausdruck 1 w 2. Für irgendeinen h 2 ist der vorhergehende Ausdruck 0 Der Grund dafür ist, dass, durch Definition der Unabhängigkeit der wt. E (w k w j) 0 für beliebige k j. Da w w die Mittelwerte 0, E (w j w j) E (w j 2) w 2 haben. Für eine Zeitreihe, Wenden Sie dieses Ergebnis an, um den oben angegebenen ACF zu erhalten. Ein invertierbares MA-Modell ist eines, das als unendliches Ordnungs-AR-Modell geschrieben werden kann, das konvergiert, so daß die AR-Koeffizienten gegen 0 konvergieren, wenn wir unendlich zurück in der Zeit bewegen. Gut zeigen Invertibilität für die MA (1) - Modell. Dann setzen wir die Beziehung (2) für wt-1 in Gleichung (1) (3) ein (zt wt theta1 (z-therma1w) wt theta1z - theta2w) Zum Zeitpunkt t-2. Gleichung (2) wird dann in Gleichung (3) die Gleichung (4) für wt-2 ersetzen (zt wt theta1 z - theta21w wt theta1z - theta21 (z - theta1w) wt theta1z - theta12z theta31w) Unendlich), erhalten wir das unendliche Ordnungs-AR-Modell (zt wt theta1 z - theta21z theta31z - theta41z Punkte) Beachten Sie jedoch, dass bei 1 1 die Koeffizienten, die die Verzögerungen von z vergrößern, (unendlich) in der Größe zunehmen werden Zeit. Um dies zu verhindern, benötigen wir 1 lt1. Dies ist die Bedingung für ein invertierbares MA (1) - Modell. Unendlich Ordnung MA Modell In Woche 3, gut sehen, dass ein AR (1) Modell in ein unendliches order MA Modell umgewandelt werden kann: (xt - mu wt phi1w phi21w Punkte phik1 w Punkte sum phij1w) Diese Summation der Vergangenheit weißer Rauschbegriffe ist bekannt Als die kausale Darstellung eines AR (1). Mit anderen Worten, x t ist eine spezielle Art von MA mit einer unendlichen Anzahl von Begriffen, die in der Zeit zurückgehen. Dies wird als unendliche Ordnung MA oder MA () bezeichnet. Eine endliche Ordnung MA ist eine unendliche Ordnung AR und jede endliche Ordnung AR ist eine unendliche Ordnung MA. Rückruf in Woche 1, stellten wir fest, dass eine Anforderung für eine stationäre AR (1) ist, dass 1 lt1. Berechnen Sie die Var (x t) mit der kausalen Darstellung. Dieser letzte Schritt verwendet eine Grundtatsache über geometrische Reihen, die (phi1lt1) erforderlich sind, ansonsten divergiert die Reihe. NavigationAutoregressive Moving Average ARMA (p, q) Modelle für die Zeitreihenanalyse - Teil 2 Von Michael Halls-Moore am 24. August 2015 Im Teil 1 betrachteten wir das autoregressive Modell der Ordnung p, auch als AR (p) - Modell bekannt. Wir führten es als eine Erweiterung des Zufallsmodells ein, um eine weitere serielle Korrelation in finanziellen Zeitreihen zu erläutern. Schließlich erkannten wir, dass es nicht genügend flexibel war, um alle Autokorrelationen in den Schlusskursen der Amazon Inc. (AMZN) und des SampP500 US Equity Index wirklich zu erfassen. Der Hauptgrund dafür ist, dass beide Vermögenswerte bedingt heteroskedastisch sind. Was bedeutet, dass sie nicht-stationär sind und Perioden variierender Varianz oder Volatilitäts-Clustering aufweisen, was von dem AR (p) - Modell nicht berücksichtigt wird. In künftigen Artikeln werden wir schließlich die Autoregressive Integrated Moving Average (ARIMA) Modelle sowie die bedingt heteroskedastischen Modelle der ARCH - und GARCH-Familien aufbauen. Diese Modelle werden uns unsere ersten realistischen Versuche zur Prognose von Vermögenspreisen bieten. In diesem Artikel werden wir jedoch die Moving Average der Ordnung q-Modell, bekannt als MA (q) einzuführen. Dies ist ein Teil des allgemeineren ARMA-Modells und als solches müssen wir es verstehen, bevor wir weitergehen. Ich empfehle Ihnen, lesen Sie die vorherigen Artikel in der Zeitreihe Analyse-Sammlung, wenn Sie dies nicht getan haben. Sie können alle hier gefunden werden. Moving Average (MA) Modelle der Ordnung q Begründung Ein Moving Average-Modell ähnelt einem autoregressiven Modell, mit der Ausnahme, dass es sich nicht um eine lineare Kombination aus vergangenen Zeitreihenwerten handelt, sondern um eine lineare Kombination der vergangenen weißen Rauschterme. Intuitiv bedeutet dies, dass das MA-Modell solche zufälligen weißen Rauschschocks direkt bei jedem aktuellen Wert des Modells sieht. Dies steht im Gegensatz zu einem AR (p) - Modell, wo die weißen Rauschschocks nur indirekt gesehen werden. Über Regression auf frühere Ausdrücke der Reihe. Ein wesentlicher Unterschied besteht darin, dass das MA-Modell nur die letzten q-Schocks für ein bestimmtes MA (q) - Modell sehen wird, während das AR (p) - Modell alle vorherigen Schocks berücksichtigt, wenn auch in einer abnehmend schwachen Weise. Definition Mathematisch ist das MA (q) ein lineares Regressionsmodell und ist ähnlich strukturiert nach AR (p): Moving Average Modell der Ordnung q Ein Zeitreihenmodell ist ein gleitendes Durchschnittsmodell der Ordnung q. MA (q), wenn: Anfang xt wt beta1 w ldots betaq w end Wo ist weißes Rauschen mit E (wt) 0 und Varianz sigma2. Wenn wir den Backward Shift Operator betrachten. (Siehe vorhergehender Artikel), so können wir die obigen Funktionen als Funktion phi folgendermaßen umschreiben: begin xt (1 beta1 beta2 2 ldots betaq q) wt phiq () wt end Wir werden in späteren Artikeln die phi-Funktion nutzen. Eigenschaften der zweiten Ordnung Wie bei AR (p) ist der Mittelwert eines MA (q) - Verfahrens gleich Null. Dies ist leicht zu sehen, da der Mittelwert einfach eine Summe von Mitteln von weißen Rauschtermen ist, die alle selbst Null sind. Anfang Text enspace sigma2w (1 beta21 ldots beta2q) Ende Text enspace rhok links 1 Text enspace k 0 Summe beta beta / sumq beta2i Text enspace k 1, ldots, q 0 Text enspace k gt q Ende rechts. Wo beta0 1. Wurden jetzt einige simulierte Daten generieren und verwenden, um correlograms zu erstellen. Dies wird die obige Formel für rhok etwas konkreter machen. Simulationen und Correlogramme MA (1) Beginnen wir mit einem MA (1) - Prozess. Wenn wir beta1 0.6 setzen, erhalten wir das folgende Modell: Wie bei den AR (p) - Modellen im vorherigen Artikel können wir R verwenden, um eine solche Reihe zu simulieren und dann das Korrelogramm zu zeichnen. Da wir in der vorigen Zeitreihenanalyse eine Reihe von Übungen durchführen, werde ich den R-Code vollständig schreiben, anstatt ihn aufzuteilen: Die Ausgabe ist wie folgt: Wie wir oben in der Formel für rhok gesehen haben , Für k gt q sollten alle Autokorrelationen Null sein. Da q 1 ist, sollten wir einen signifikanten Peak bei k1 und dann danach signifikante Peaks sehen. Aufgrund der Stichprobenvorhersage sollten wir jedoch erwarten, dass 5 (marginal) signifikante Peaks auf einer Stichproben-Autokorrelationskurve zu sehen sind. Genau das zeigt uns das Korrelogramm. Wir haben einen signifikanten Peak bei k1 und dann unbedeutende Peaks für k gt 1, mit Ausnahme von k4, wo wir einen marginell signifikanten Peak haben. Tatsächlich ist dies eine nützliche Möglichkeit, zu sehen, ob ein MA (q) - Modell geeignet ist. Durch Betrachten des Korrelogramms einer bestimmten Reihe können wir sehen, wie viele sequenzielle Nicht-Null-Verzögerungen existieren. Wenn q solche Lags existieren, dann können wir legitimerweise versuchen, ein MA (q) - Modell an eine bestimmte Serie anzupassen. Da wir Beweise aus unseren simulierten Daten eines MA (1) - Prozesses haben, sollten wir nun versuchen, ein MA (1) - Modell an unsere simulierten Daten anzupassen. Leider gibt es keinen äquivalenten ma Befehl zum autoregressiven Modell ar Befehl in R. Stattdessen müssen wir den allgemeineren arima Befehl benutzen und die autoregressiven und integrierten Komponenten auf Null setzen. Dazu erstellen wir einen 3-Vektor und setzen die ersten beiden Komponenten (die autogressiven und integrierten Parameter) auf Null: Wir erhalten eine nützliche Ausgabe aus dem Befehl arima. Erstens können wir sehen, dass der Parameter als Hut 0.602 geschätzt wurde, der sehr nahe am wahren Wert von beta1 0,6 liegt. Zweitens sind die Standardfehler bereits für uns berechnet, so dass es einfach ist, Konfidenzintervalle zu berechnen. Drittens erhalten wir eine geschätzte Varianz, Log-Likelihood und Akaike Information Criterion (notwendig für Modellvergleich). Der Hauptunterschied zwischen arima und ar ist, dass arima einen Intercept-Term schätzt, da er den Mittelwert der Serie nicht subtrahiert. Daher müssen wir vorsichtig sein, wenn wir Vorhersagen mit dem Befehl arima durchführen. Nun wieder auf diesen Punkt später. Wie ein schneller Check wurden, um Konfidenzintervalle für Hut zu berechnen: Wir können sehen, dass die 95 Konfidenzintervall den wahren Parameterwert von beta1 0,6 enthält und so können wir beurteilen, das Modell eine gute Passform. Offensichtlich sollte das erwartet werden, da wir die Daten an erster Stelle simuliert haben. Wie ändern sich die Dinge, wenn wir das Vorzeichen von beta1 auf -0.6 ändern, können wir die gleiche Analyse durchführen: Die Ausgabe ist wie folgt: Wir können sehen, dass wir bei k1 einen signifikanten Wert haben Peak im Korrelogramm, mit der Ausnahme, dass es eine negative Korrelation zeigt, wie sie von einem MA (1) - Modell mit negativem ersten Koeffizienten erwartet wird. Wiederum sind alle Peaks jenseits von k1 unbedeutend. Ermöglicht ein MA (1) - Modell und schätzen den Parameter: Hut -0.730, was eine kleine Unterbewertung von beta1 -0.6 ist. Schließlich lässt sich das Konfidenzintervall berechnen: Wir können sehen, dass der wahre Parameterwert von beta1-0.6 innerhalb des 95 Konfidenzintervalls enthalten ist, was uns den Beweis für ein gutes Modell passt. MA (3) Durchläuft das gleiche Verfahren für ein MA (3) - Verfahren. Diesmal sollten signifikante Peaks bei k in und unbedeutende Peaks für k gt 3 erwartet werden. Wir verwenden die folgenden Koeffizienten: beta1 0,6, beta2 0,4 und beta3 0,2. Wir können einen MA (3) Prozess von diesem Modell simulieren. Ive erhöhte die Anzahl der zufälligen Proben auf 1000 in dieser Simulation, was es leichter macht, die wahre Autokorrelationsstruktur zu sehen, und zwar auf Kosten der Herstellung der Originalreihe schwerer zu interpretieren: Die Ausgabe ist wie folgt: Wie erwartet sind die ersten drei Spitzen signifikant . Jedoch ist so das vierte. Aber wir können legitim vorschlagen, dass dies auf eine Stichprobe zurückzuführen ist, da wir erwarten, dass 5 der Peaks signifikant über kq liegen. Nun kann ein MA (3) - Modell an die Daten angepasst werden, um die Parameter zu probieren und zu schätzen: Die Schätzwerte Hut 0,544, Hut 0,345 und Hut 0,228 liegen nahe bei den wahren Werten von beta10,6, beta20,4 bzw. beta30,3. Wir können auch Konfidenzintervalle mit den jeweiligen Standardfehlern erzeugen: In jedem Fall enthalten die 95 Konfidenzintervalle den wahren Parameterwert und wir können schließen, dass wir, wie zu erwarten, gut mit unserem MA (3) - Modell übereinstimmen. Finanzdaten In Teil 1 betrachteten wir Amazon Inc. (AMZN) und den SampP500 US Equity Index. Wir passten das AR (p) - Modell an beide an und fanden, dass das Modell nicht in der Lage war, die Komplexität der seriellen Korrelation effektiv zu erfassen, vor allem im Guss des SampP500, wo Langzeitgedächtniseffekte zu sein scheinen. Ich wont plot die Diagramme wieder für die Preise und Autokorrelation, statt Ill weisen Sie auf die vorherige Post. Amazon Inc. (AMZN) Beginnen wir mit dem Versuch, eine Auswahl von MA (q) - Modellen an AMZN, nämlich mit q in passen. Wie in Teil 1, verwenden Sie quantmod, um die täglichen Preise für AMZN herunterzuladen und sie dann in ein Protokoll umzuwandeln, um Strom von Schlusskursen zurückzugeben: Jetzt können wir den Befehl arima verwenden, um MA (1), MA zu passen (2) und MA (3) - Modellen und schätzen dann die Parameter von jedem. Für MA (1) haben wir: Wir können die Residuen der täglichen Log-Rückkehr und des angepassten Modells darstellen: Beachten Sie, dass wir einige signifikante Peaks bei den Lags k2, k11, k16 und k18 haben, was anzeigt, dass das MA (1) - Modell ist Unwahrscheinlich, dass eine gute Passform für das Verhalten der AMZN-Log-Rückkehr, da dies nicht aussehen wie eine Verwirklichung von weißem Rauschen. Lets try ein MA (2) - Modell: Beide Schätzungen für die Beta-Koeffizienten sind negativ. Wir können die Residuen wieder zeichnen: Wir können sehen, dass es fast Null Autokorrelation in den ersten paar Verzögerungen. Allerdings haben wir fünf marginale signifikante Peaks bei den Verzögerungen k12, k16, k19, k25 und k27. Dies ist naheliegend, dass das MA (2) - Modell viel von der Autokorrelation erfasst, aber nicht alle Langzeitspeicher-Effekte. Wie sieht es mit einem MA (3) - Modell aus? Wiederum können die Residuen geplottet werden: Das MA (3) Residualplot sieht fast identisch mit dem MA (2) - Modell aus. Dies ist nicht verwunderlich, wie das Hinzufügen eines neuen Parameters zu einem Modell, scheinbar erklärt hat viel von den Korrelationen bei kürzeren Verzögerungen, aber das hat nicht viel Einfluss auf die längerfristigen Verzögerungen. Alle diese Beweise deuten darauf hin, dass ein MA (q) - Modell ist unwahrscheinlich, dass es nützlich sein, zu erklären, alle der seriellen Korrelation in Isolation. Zumindest für AMZN. SampP500 Wenn Sie sich erinnern, in Teil 1 sahen wir, dass die erste Reihenfolge differenzierte tägliche Log Rückkehr Struktur des SampP500 besaß viele signifikante Peaks bei verschiedenen Lags, sowohl kurz als auch lang. Dies zeigte sowohl die bedingte Heteroskedastizität (d. H. Die Volatilitäts-Clusterbildung) als auch die Langzeitspeicher-Effekte. Es führte zu dem Schluss, dass das AR (p) - Modell nicht ausreicht, um die gesamte vorhandene Autokorrelation zu erfassen. Wie wir oben gesehen haben, reicht das MA (q) - Modell nicht aus, um zusätzliche Serienkorrelationen in den Resten des eingebauten Modells auf die differenzierten täglichen Log-Preisreihen erster Ordnung zu erfassen. Wir werden nun versuchen, das MA (q) - Modell an den SampP500 anzupassen. Man könnte fragen, warum wir dies tun, wenn wir wissen, dass es unwahrscheinlich, dass eine gute Passform ist. Das ist eine gute Frage. Die Antwort ist, dass wir genau sehen müssen, wie es nicht eine gute Passform ist, denn dies ist der ultimative Prozess, dem wir folgen werden, wenn wir auf sehr viel anspruchsvollere Modelle stoßen, die möglicherweise schwerer zu interpretieren sind. Lets beginnen mit dem Erhalten der Daten und die Umwandlung in eine erste Reihenfolge differenzierte Reihe von logarithmisch umgewandelt täglichen Schlusskurse wie im vorherigen Artikel: Wir werden jetzt ein MA (1), MA (2) und MA (3) - Modell zu passen Die Serie, wie wir oben für AMZN. Beginnen wir mit MA (1): Machen wir eine Auftragung der Residuen dieses angepassten Modells: Der erste signifikante Peak tritt bei k2 auf, aber es gibt viel mehr bei k in. Dies ist eindeutig keine Verwirklichung von weißem Rauschen und deshalb müssen wir das MA (1) - Modell als eine für den SampP500 geeignete Potenz ablehnen. (2) Wiederum lassen sich die Residuen dieses angepassten MA (2) - Modells machen: Während der Peak bei k2 verschwunden ist (wie wir es erwarten), bleiben wir mit den signifikanten Peaks bei Viele längere Verzögerungen in den Resten. Noch einmal, finden wir das MA (2) - Modell ist nicht eine gute Passform. Für das MA (3) - Modell ist zu erwarten, dass bei k3 weniger serielle Korrelation als bei der MA (2) zu sehen ist, doch sollten wir auch hier keine Reduzierung weiterer Verzögerungen erwarten. Schließlich lässt sich eine Auftragung der Residuen dieses angepassten MA (3) - Modells machen: Genau das sehen wir im Korrelogramm der Residuen. Daher ist die MA (3), wie bei den anderen Modellen oben, nicht gut für den SampP500 geeignet. Die nächsten Schritte Weve untersuchte nun zwei große Zeitreihenmodelle im Detail, nämlich das autogressive Modell der Ordnung p, AR (p) und dann den Moving Average der Ordnung q, MA (q). Wir haben gesehen, dass sie beide in der Lage sind, einige der Autokorrelation in den Resten der ersten Ordnung differenzierte tägliche Log-Preise von Aktien und Indizes weg zu erklären, aber Volatilitäts-Clustering und Lang-Speicher-Effekte bestehen. Es ist endlich Zeit, unsere Aufmerksamkeit auf die Kombination dieser beiden Modelle, nämlich der Autoregressive Moving Average der Ordnung p, q, ARMA (p, q) zu lenken, um zu sehen, ob es die Situation weiter verbessern wird. Allerdings müssen wir warten, bis der nächste Artikel für eine vollständige Diskussion Michael Halls-Moore Mike ist der Gründer von QuantStart und hat in der quantitativen Finanzindustrie für die letzten fünf Jahre, in erster Linie als Quant-Entwickler und später als Quant (P, d, q) Modelle für die Zeitreihenanalyse Von Michael Halls-Moore am 15. September 2015 Im vorigen Satz von Artikeln (Teile 1. 2 und 3) gingen wir hinein (P), MA (q) und ARMA (p, q) lineare Zeitreihenmodelle. Wir verwendeten diese Modelle zur Generierung von simulierten Datensätzen, angepassten Modellen, um Parameter zurückzugewinnen und diese Modelle dann auf Finanzaktiendaten anzuwenden. In diesem Artikel werden wir eine Erweiterung des ARMA-Modells diskutieren, nämlich das Modell Autoregressive Integrated Moving Average oder das Modell ARIMA (p, d, q). Wir werden sehen, dass es notwendig ist, das ARIMA-Modell zu betrachten, wenn wir nicht stationäre Serien haben. Solche Reihen treten in der Gegenwart von stochastischen Trends auf. Quick Recap und die nächsten Schritte Bisher haben wir die folgenden Modelle betrachtet (die Links führen zu den entsprechenden Artikeln): Wir haben unser Verständnis von Zeitreihen mit Konzepten wie Serienkorrelation, Stationarität, Linearität, Residuen, Korrektrammen, Simulation, Montage, Saisonalität, bedingte Heterosedastizität und Hypothesentests. Bis jetzt haben wir keine Vorhersage oder Prognose aus unseren Modellen durchgeführt und daher keinen Mechanismus zur Herstellung eines Handelssystems oder einer Eigenkapitalkurve gehabt. Sobald wir ARIMA (in diesem Artikel), ARCH und GARCH (in den nächsten Artikeln) studiert haben, werden wir in der Lage sein, eine grundlegende langfristige Handelsstrategie auf der Grundlage der Vorhersage der Aktienindexrenditen aufzubauen. Trotz der Tatsache, dass ich in viele Details über Modelle, die wir kennen wird letztlich nicht über eine große Leistung (AR, MA, ARMA) gegangen sind, sind wir nun gut versiert in den Prozess der Zeitreihen-Modellierung. Dies bedeutet, dass wir, wenn wir neuere Modelle (und sogar solche, die derzeit in der Forschungsliteratur studieren), über eine wichtige Wissensbasis verfügen, um diese Modelle effektiv zu bewerten, anstatt sie als Schlüssel zu behandeln Verschreibung oder Black Box. Noch wichtiger ist, wird es uns mit dem Vertrauen zu erweitern und zu modifizieren sie auf unsere eigenen und verstehen, was wir tun, wenn wir es tun Id wie vielen Dank für Ihre Geduld so weit, wie es scheinen mag, dass diese Artikel weit entfernt sind Die eigentliche Handlung des tatsächlichen Handels. Allerdings echte quantitative Handelsforschung ist vorsichtig, gemessen und nimmt erhebliche Zeit, um richtig zu bekommen. Es gibt keine schnelle Lösung oder reiches Schema in quant trading. Wir waren sehr bereit, unser erstes Handelsmodell, das eine Mischung aus ARIMA und GARCH sein wird, zu berücksichtigen. Daher ist es zwingend notwendig, dass wir einige Zeit damit verbringen, das ARIMA-Modell gut zu verstehen. Sobald wir unser erstes Handelsmodell gebaut haben, werden wir mehr berücksichtigen Fortgeschrittene Modelle wie Langzeitgedächtnisprozesse, State-Space-Modelle (dh der Kalman-Filter) und Vector Autoregressive (VAR) Modelle, die uns zu anderen, anspruchsvolleren Handelsstrategien führen werden. Autoregressive Integrated Moving Average (ARIMA) Modelle der Ordnung p, d, q Begründung ARIMA-Modelle werden verwendet, da sie eine nicht stationäre Serie auf eine stationäre Serie reduzieren können. Wir können uns an den Artikel über weißes Rauschen und zufällige Wanderungen erinnern, daß wir, wenn wir den Differenzoperator auf eine zufällige Wegserie (eine nicht stationäre Reihe) anwenden, mit weißem Rauschen (einer stationären Reihe) verlassen werden: begin nabla xt xt - x wt Ende führt ARIMA diese Funktion im Wesentlichen aus, tut dies jedoch wiederholt d-mal, um eine nicht-stationäre Serie auf eine stationäre zu reduzieren. Um andere Formen der Nicht-Stationarität über stochastische Trends hinaus zu bewältigen, können zusätzliche Modelle verwendet werden. Saisonale Effekte (wie die, die in den Rohstoffpreisen auftreten) können mit dem saisonalen ARIMA-Modell (SARIMA) angegangen werden, aber wir werden nicht über SARIMA viel in dieser Serie diskutieren. Bedingte heteroscedastische Effekte (wie bei Volatilitäts-Clustering in Aktienindizes) können mit ARCH / GARCH angegangen werden. In diesem Artikel werden wir betrachten nicht-stationäre Serie mit stochastischen Trends und passen ARIMA-Modelle zu diesen Serien. Wir werden auch endlich Prognosen für unsere Finanzserie produzieren. Definitionen Vor der Definition von ARIMA-Prozessen müssen wir das Konzept einer integrierten Reihe diskutieren: Integrierte Reihenfolge d Eine Zeitreihe ist in Ordnung d integriert. I (d), wenn: begin nablad xt wt end Das heißt, wenn wir die Serie d mal differenzieren, erhalten wir eine diskrete weiße Rauschenserie. Alternativ können wir mit dem Backward Shift Operator eine äquivalente Bedingung definieren: Nachdem wir eine integrierte Serie definiert haben, können wir den ARIMA Prozess selbst definieren: Autoregressives Integriertes Moving Average Modell der Ordnung p, d, q Eine Zeitreihe ist ein autoregressives integriertes gleitendes Durchschnittsmodell Der Ordnung p, d, q. ARIMA (p, d, q). Wenn nablad xt ein autoregressiver gleitender Durchschnitt der Ordnung p, q, ARMA (p, q) ist. Das heißt, wenn die Reihe d-mal differenziert wird und dann einem ARMA (p, q) - Prozess folgt, dann handelt es sich um eine ARIMA-Reihe (p, d, q). Wenn wir die Polynomnotation aus Teil 1 und Teil 2 der ARMA-Reihe verwenden, dann kann ein ARIMA (p, d, q) - Prozeß in Form des Rückwärtsverschiebungsoperators geschrieben werden. : Wobei wt eine diskrete weiße Rauschreihe ist. Es gibt einige Punkte, um über diese Definitionen zu beachten. Da der zufällige Weg durch xt x wt gegeben ist, kann man sehen, daß I (1) eine andere Darstellung ist, da nabla1 xt wt. Wenn wir einen nicht-linearen Trend vermuten, könnten wir möglicherweise in der Lage sein, wiederholtes Differenzieren (d. h. d gt & sub1;) zu verwenden, um eine Reihe auf stationäres weißes Rauschen zu reduzieren. In R können wir den diff-Befehl mit zusätzlichen Parametern verwenden, z. B. Diff (x, d3), um wiederholte Differenzen auszuführen. Simulation, Correlogram und Modellbefestigung Da wir bereits den Befehl arima. sim verwendet haben, um einen ARMA (p, q) Prozess zu simulieren, ist das folgende Verfahren ähnlich dem in Teil 3 der ARMA Serie. Der Hauptunterschied ist, dass wir nun d1 setzen, dh, wir werden eine nicht-stationäre Zeitreihe mit einer stochastischen Trending-Komponente erzeugen. Nach wie vor passen wir ein ARIMA-Modell an unsere simulierten Daten an, versuchen, die Parameter wiederherzustellen, Konfidenzintervalle für diese Parameter zu erzeugen, ein Korrelogramm der Residuen des eingebauten Modells zu erstellen und schließlich einen Ljung-Box-Test durchzuführen, um festzustellen, ob wir es haben eine gute Passform. Wir werden ein ARIMA (1,1,1) Modell mit dem autoregressiven Koeffizienten alpha0,6 und dem gleitenden mittleren Koeffizienten beta-0,5 simulieren. Hier ist der R-Code zu simulieren und plotten eine solche Serie: Nun, da wir unsere simulierte Serie werden wir versuchen zu versuchen und passen ein ARIMA (1,1,1) - Modell. Da wir die Reihenfolge kennen, geben wir sie einfach im Fit an: Die Konfidenzintervalle werden berechnet als: Die beiden Parameterschätzungen liegen innerhalb der Konfidenzintervalle und liegen nahe bei den wahren Parameterwerten der simulierten ARIMA-Reihe. Daher sollten wir nicht überrascht sein, die Residuen zu sehen, die wie eine Realisierung von diskreten weißen Rauschen aussehen: Schließlich können wir einen Ljung-Box-Test durchführen, um statistische Beweise für eine gute Passform zu liefern: Wir können sehen, dass der p-Wert signifikant größer ist als 0,05 und als solche können wir sagen, dass es einen starken Beweis für diskrete weiße Rauschen, die eine gute Passung zu den Resten ist. Daher ist das ARIMA (1,1,1) - Modell, wie erwartet, eine gute Passform. Finanzdaten und Prognosen In diesem Abschnitt werden wir ARIMA-Modelle an Amazon, Inc. (AMZN) und den SampP500 US Equity Index (GPSC, in Yahoo Finance) anpassen. Wir verwenden die Prognose-Bibliothek, geschrieben von Rob J Hyndman. Gehen Sie voran und installieren Sie die Bibliothek in R: Jetzt können wir quantmod nutzen, um die tägliche Preisreihe von Amazon ab Anfang 2013 herunterzuladen. Da wir schon die ersten Bestellunterschiede der Serie genommen haben, wird die ARIMA fit in Kürze durchgeführt Benötigen wir für die integrierte Komponente nicht d gt 0: Wie in Teil 3 der ARMA-Reihe werden wir nun die Kombinationen von p, d und q durchlaufen, um das optimale ARIMA (p, d, q) Modell zu finden. Unter optimaler Bedeutung verstehen wir die Ordnungskombination, die das Akaike Information Criterion (AIC) minimiert: Wir können sehen, dass eine Ordnung von p4, d0, q4 ausgewählt wurde. Bemerkenswert ist d0, wie wir bereits oben besprochen haben: Wenn wir das Korrelogramm der Residuen darstellen, können wir sehen, ob wir Beweise für eine diskrete weiße Rauschenreihe haben: Es gibt zwei signifikante Peaks, nämlich bei k15 und k21, obwohl wir es sollten Erwarten, statistisch signifikante Peaks nur aufgrund der Abtastvariation 5 der Zeit zu sehen. Wir können einen Ljung-Box-Test durchführen (siehe vorherigen Artikel) und sehen, ob wir Beweise für eine gute Passform haben: Wie wir sehen können, ist der p-Wert größer als 0,05 und so haben wir Beweise für eine gute Passform auf der 95-Ebene. Wir können nun den Prognosebefehl aus der Prognosebibliothek verwenden, um 25 Tage vor der Rendite-Serie von Amazon zu prognostizieren: Wir sehen die Punktprognosen für die nächsten 25 Tage mit 95 (dunkelblau) und 99 (hellblau) Fehlerbändern . Wir werden diese Prognosen in unserer ersten Zeitreihenhandelsstrategie verwenden, wenn wir kommen, um ARIMA und GARCH zu kombinieren. Wir können das gleiche Verfahren für den SampP500 durchführen. Zuerst erhalten wir die Daten von quantmod und konvertieren sie in einen täglichen log returns stream: Wir passen ein ARIMA Modell, indem wir die Werte von p, d und q durchlaufen: Die AIC sagt uns, dass das beste Modell die ARIMA (2,0, 1) - Modell. Beachten Sie noch einmal, dass d0, da wir bereits erste Ordnung Unterschiede der Serie genommen haben: Wir können die Residuen des eingebauten Modells zu sehen, ob wir Beweise für diskretes weißes Rauschen haben: Das Korrelogram sieht vielversprechend, so dass der nächste Schritt zu laufen ist Die Ljung-Box-Test und bestätigen, dass wir ein gutes Modell passen: Da der p-Wert größer als 0,05 haben wir Beweise für eine gute Modell passen. Warum ist es, dass im vorherigen Artikel unsere Ljung-Box-Test für die SampP500 zeigte, dass die ARMA (3,3) war eine schlechte Passform für die tägliche Log Rückkehr Beachten Sie, dass ich absichtlich beschnitten die SampP500 Daten ab 2013 beginnen in diesem Artikel , Die die volatilen Perioden um 2007-2008 praktisch ausschließt. Daher haben wir einen großen Teil des SampP500 ausgeschlossen, wo wir eine übermäßige Volatilitäts-Clusterbildung hatten. Dies wirkt sich auf die serielle Korrelation der Reihe aus und hat daher die Wirkung, die Serie scheinbar stationärer zu machen als in der Vergangenheit. Dies ist ein sehr wichtiger Punkt. Bei der Analyse von Zeitreihen müssen wir sehr vorsichtig auf bedingt heteroszedierte Serien wie Börsenindizes achten. In quantitativen Finanzen ist der Versuch, Perioden mit unterschiedlicher Volatilität zu bestimmen, oft als Regime-Detektion bekannt. Es ist eine der härteren Aufgaben zu erreichen Nun besprechen diesen Punkt ausführlich im nächsten Artikel, wenn wir die ARCH und GARCH Modelle zu betrachten. Wir können nun eine Prognose für die nächsten 25 Tage der SampP500-täglichen Log-Rückkehr erstellen: Nachdem wir nun die Möglichkeit haben, Modelle wie ARIMA anzupassen und zu prognostizieren, waren wir sehr nahe daran, Strategieindikatoren für den Handel zu schaffen. Nächste Schritte Im nächsten Artikel werden wir einen Blick auf die Generalized Autoregressive Conditional Heteroscedasticity (GARCH) - Modell und verwenden Sie es zu erklären, mehr der seriellen Korrelation in bestimmten Aktien-und Aktienindex-Serie. Sobald wir GARCH diskutiert haben, werden wir in der Lage sein, es mit dem ARIMA-Modell zu kombinieren und Signalindikatoren und damit eine grundlegende quantitative Handelsstrategie zu schaffen. Michael Halls-Moore Mike ist der Begründer von QuantStart und seit fünf Jahren in der quantitativen Finanzbranche tätig, vorwiegend als Quant-Entwickler und später als Quant-Trader-Consulting für Hedgefonds. Umfassender Durchschnitt - MA Als SMA-Beispiel gilt eine Sicherheit mit folgenden Schlusskursen über 15 Tage: Woche 1 (5 Tage) 20, 22, 24, 25, 23 Woche 2 (5 Tage) 26 , 28, 26, 29, 27 Woche 3 (5 Tage) 28, 30, 27, 29, 28 Eine 10-tägige MA würde die Schlusskurse für die ersten 10 Tage als ersten Datenpunkt ausrechnen. Der nächste Datenpunkt würde den frühesten Preis senken, den Preis am Tag 11 addieren und den Durchschnitt nehmen, und so weiter, wie unten gezeigt. Wie bereits erwähnt, verzögert MAs die aktuelle Preisaktion, weil sie auf vergangenen Preisen basieren, je länger der Zeitraum für die MA ist, desto größer ist die Verzögerung. So wird ein 200-Tage-MA haben eine viel größere Verzögerung als eine 20-Tage-MA, weil es Preise für die letzten 200 Tage enthält. Die Länge des zu verwendenden MA hängt von den Handelszielen ab, wobei kürzere MAs für den kurzfristigen Handel und längerfristige MAs eher für langfristige Anleger geeignet sind. Die 200-Tage-MA ist weithin gefolgt von Investoren und Händlern, mit Pausen über und unter diesem gleitenden Durchschnitt als wichtige Trading-Signale. MAs auch vermitteln wichtige Handelssignale auf eigene Faust, oder wenn zwei Durchschnitte überqueren. Eine steigende MA zeigt an, dass die Sicherheit in einem Aufwärtstrend liegt. Während eine sinkende MA zeigt, dass es in einem Abwärtstrend ist. In ähnlicher Weise wird das Aufwärtsmoment mit einem bulligen Crossover bestätigt. Die auftritt, wenn eine kurzfristige MA über einem längerfristigen MA kreuzt. Abwärts-Momentum wird mit einem bärischen Übergang bestätigt, der auftritt, wenn ein kurzfristiger MA unter einem längerfristigen MA geht. Der erste Schritt bei der Entwicklung eines Box-Jenkins-Modells besteht darin, festzustellen, ob die Serie stationär ist und ob es eine signifikante Saisonalität gibt Das modelliert werden muss. Stationarität kann anhand eines Ablaufablaufplots beurteilt werden. Das Ablaufdiagramm sollte eine konstante Position und Skalierung aufweisen. Es kann auch aus einem Autokorrelationsdiagramm nachgewiesen werden. Insbesondere wird die Nichtstationarität oft durch eine Autokorrelationsdiagramm mit sehr langsamem Abfall angezeigt. Differenzierung zur Stationarität Box und Jenkins empfehlen den differenzierenden Ansatz, um Stationarität zu erreichen. Jedoch kann auch das Anpassen einer Kurve und das Subtrahieren der angepassten Werte aus den ursprünglichen Daten auch im Zusammenhang mit Box-Jenkins-Modellen verwendet werden. Bei der Modellidentifizierungsphase ist es unser Ziel, jahreszeitliche Erkennung, falls vorhanden, zu erkennen und den Auftrag für die saisonalen autoregressiven und saisonal gleitenden Durchschnittsbedingungen zu ermitteln. Für viele Serien ist die Periode bekannt und ein einzelner Saisonalitätsausdruck ist ausreichend. Zum Beispiel für monatliche Daten würden wir typischerweise entweder eine saisonale AR 12 Begriff oder eine saisonale MA 12 Begriff. Bei Box-Jenkins-Modellen wird das Modell vor der Montage nicht explizit entfernt. Stattdessen beinhalten wir die Reihenfolge der Saisonbegriffe in der Modellspezifikation zur ARIMA-Schätzsoftware. Es kann jedoch hilfreich sein, einen saisonalen Unterschied zu den Daten anzuwenden und die Autokorrelation und die partiellen Autokorrelationsdiagramme zu regenerieren. Dies kann bei der Modellidentifizierung der nicht-saisonalen Komponente des Modells helfen. In einigen Fällen kann die saisonale Differenzierung die meisten oder alle der Saisonalität Wirkung zu entfernen. Identifizieren Sie p und q Sobald die Stationarität und die Saisonalität adressiert worden sind, besteht der nächste Schritt darin, die Reihenfolge (d. h. (p) und (q)) der autoregressiven und gleitenden Durchschnittsterme zu identifizieren. Autokorrelation und partielle Autokorrelationsdiagramme Die primären Werkzeuge dafür sind das Autokorrelationsdiagramm und das partielle Autokorrelationsdiagramm. Die Stichproben-Autokorrelationsdiagramm und die Stichproben-Autokorrelationsdiagramm werden mit dem theoretischen Verhalten dieser Diagramme verglichen, wenn die Reihenfolge bekannt ist. Reihenfolge des Autoregressiven Prozesses ((p)) Speziell für ein AR (1) - Verfahren sollte die Autokorrelationsfunktion der Probe eine exponentiell abnehmende Erscheinung aufweisen. AR-Prozesse höherer Ordnung sind jedoch oft ein Gemisch aus exponentiell abnehmenden und gedämpften sinusförmigen Komponenten. Für autoregressive Prozesse höherer Ordnung muss die Stichproben-Autokorrelation mit einem partiellen Autokorrelationsdiagramm ergänzt werden. Die partielle Autokorrelation eines AR ((p)) - Prozesses wird bei Verzögerung (p & sub1;) und grßer, so dass wir die partielle Autokorrelationsfunktion untersuchen, um festzustellen, ob es einen Beweis für eine Abweichung von Null gibt. Dies wird in der Regel durch das Platzieren eines 95-Konfidenzintervalls auf das partielle Autokorrelationsdiagramm der Probe bestimmt (die meisten Softwareprogramme, die Beispiel-Autokorrelationsdiagramme erzeugen, werden ebenfalls dieses Konfidenzintervall aufzeichnen). Wenn das Softwareprogramm nicht das Konfidenzband erzeugt, beträgt es ungefähr (pm 2 / sqrt), wobei (N) die Stichprobengröße ist. Ordnung des gleitenden Durchschnittsprozesses ((q)) Die Autokorrelationsfunktion eines MA ((q)) Prozesses wird bei der Verzögerung (q & sub1;) und größer größer, so dass wir die Autokorrelationsfunktion der Probe untersuchen, um zu sehen, wo sie im Wesentlichen Null wird. Wir tun dies, indem wir das 95-Konfidenzintervall für die Stichproben-Autokorrelationsfunktion auf das Stichproben-Autokorrelationsdiagramm legen. Die meisten Software, die das Autokorrelationsdiagramm erzeugen kann, kann auch dieses Konfidenzintervall erzeugen. Die partielle Autokorrelationsfunktion ist im Allgemeinen nicht hilfreich, um die Reihenfolge des gleitenden Durchschnittsprozesses zu bestimmen. Form der Autokorrelationsfunktion Die folgende Tabelle fasst zusammen, wie wir die Autokorrelationsfunktion für die Modellidentifikation verwenden.
Friday, 2 June 2017
Die Meisten Nützlichen Forex Indikatoren
Die beliebtesten Indikatoren in Forex Moving Average Convergence / Divergence (MACD) verwendet Der MACD ist einer der beliebtesten Oszillator von Devisenhändlern verwendet. Dies ist eine Momentum-Indikator kann verwendet werden, um Trends zu bestätigen, während auch auf Umkehrungen oder überkauft / überverkauft Bedingungen. Der MACD wird berechnet, indem der Unterschied zwischen den 2 exponentiellen gleitenden Durchschnitten genommen wird. Die beiden, die in der Regel verwendet werden, sind die 26-Tage-und 12-Tage gleitenden Durchschnitten. Wie kann MACD für den Handel verwendet werden Die häufigste Art, den MACD zu verwenden ist, ein Währungspaar zu kaufen / verkaufen, wenn es die Signalleitung oder Null kreuzt. Ein Verkaufssignal tritt auf, wenn die MACD unter die Signalleitung fällt, während ein Kaufsignal auftritt, wenn die MACD über der Signalleitung sammelt. Der MACD kann auch als überkaufter / überverkaufter Indikator verwendet werden. Wenn sich der kürzere gleitende Durchschnitt signifikant von dem längeren gleitenden Durchschnitt entfernt (d. h. die MACD steigt), ist es wahrscheinlich, dass die Währung pricersquos Bewegungen beginnen zu erschöpfen und wird bald zu realistischen Ebenen zurückkehren. Wenn der MACD von dem Trend des Währungspreises abweicht, kann dies eine Trendumkehr signalisieren. Darüber hinaus, wenn die MACD eine neue niedrig macht, während das Währungspaar nicht auch einen neuen Tiefpunkt, ist dies eine bärische Divergenz, was auf eine mögliche überverkauft Zustand. Alternativ, wenn die MACD neue Highs macht, während das Währungspaar diese Highs nicht bestätigt, ist dies eine bullische Divergenz, die einen möglichen überkauften Zustand anzeigt. Der stochastische Oszillator ist ein gängiger Impulsindikator, der den aktuellen Währungskurs im Vergleich zu seinem historischen Kurs für einen bestimmten Zeitraum misst. Es schaut, um die Stärke und den Impuls einer Währungspaare Preis-Aktion durch die Messung der Grad, durch den eine Währung überkauft oder überverkauft ist. Die Skala für den Indikator ist 0 bis 100. Messwerte über 80 zeigen überkaufte Bedingungen an, da sie die Tatsache widerspiegeln, dass die Währung stark ist und der Kurs nahe dem Hoch des Handelsbereichs schließt. Die Lesungen unter 20 zeigen überverkaufte Bedingungen an und spiegeln die Tatsache wider, dass die Währung schwach ist und nahe dem Tief des Handelsbereichs schließt. Wie kann Stochastik für den Handel verwendet werden Erkannte überkaufte und überverkaufte Bedingungen Die häufigste Methode, Stochastik zu analysieren, besteht darin, zu verkaufen, wenn der Wert über 80 liegt, was überkaufte Bedingungen beinhaltet und zu kaufen ist, wenn der Wert unter 20 liegt, was überverkaufte Bedingungen bedeutet. Kaufen und verkaufen Signale können auch gegeben werden, wenn Stochastik zeigen Divergenz, was auf eine mögliche Trendumkehr. Divergenz tritt auf, wenn sich die stochastischen Werte in einer Richtung bewegen und die Preiswerte sich in die entgegengesetzte Richtung bewegen. Der relative Stärkeindex oder RSI ist wahrscheinlich der populärste Oszillator, der von der FX-Handelsgemeinschaft verwendet wird. Es wurde von J. Welles Wilder Jr. entwickelt, um die Stärke oder das Momentum eines Währungspaars festzuhalten. Dieser Indikator wird berechnet, indem ein aktuelles Kurspaar der Währungspaarung mit seiner bisherigen Wertentwicklung verglichen wird. RSI ist auf einer Skala von 1-100, wobei jeder Punkt über 70 als überkauft betrachtet wird, während jeder Punkt unter 30 als überverkauft gilt. Der Standardzeitrahmen für diese Maßnahme ist 14 Perioden, obwohl 9 und 25 Perioden auch häufig verwendet werden. Im allgemeinen neigen mehr Perioden dazu, die Daten genauer zu bestimmen. Wie kann RSI für den Handel verwendet werden RSI kann verwendet werden, um Extreme Bedingungen oder Stornierungen zu identifizieren. RSI über 70 gilt als überkauft und zeigt ein Verkaufssignal an. RSI unter 30 wird als überverkauft betrachtet, was ein Kaufsignal bedeutet. Einige Händler identifizieren den langfristigen Trend und verwenden dann extreme Messwerte für Einstiegspunkte. Wenn der langfristige Trend bullisch ist, könnten Überverkaufswerte potentielle Einstiegspunkte darstellen. RSI kann verwendet werden, um Divergenz anzuzeigen Handelschancen können auch durch Scannen nach positiven und negativen Divergenzen zwischen dem RSI und dem zugrunde liegenden Währungspaar erzeugt werden. Zum Beispiel ein fallendes Währungspaar, bei dem RSI von einem Tiefpunkt von 15 bis zu 50 ansteigt. Beim RSI wird das zu Grunde liegende Paar seine Richtung oft bald nach einer solchen Divergenz umkehren. In Übereinstimmung mit diesem Beispiel liefern Divergenzen, die nach einem überkauften oder überverkauften Lesen auftreten, gewöhnlich zuverlässigere Signale. Bollinger-Banden sind den gleitenden Durchschnitten sehr ähnlich. Die Banden sind bei zwei Standardabweichungen oberhalb oder unterhalb des gleitenden Mittelwertes aufgetragen. Dies basiert typischerweise auf dem einfachen gleitenden Durchschnitt, aber ein exponentieller gleitender Durchschnitt kann verwendet werden, um die Empfindlichkeit des Indikators zu erhöhen. Für das mittlere Band und 2 Standardabweichungen für die äußeren Bänder wird ein 20-tägiger einfacher gleitender Durchschnitt empfohlen. Die Länge des gleitenden Durchschnitts und die Anzahl der Abweichungen können geändert werden, um besser auf die Präferenzen der Händler und die Volatilität eines Währungspaars abzustimmen. Zusätzlich zur Ermittlung des relativen Preisniveaus und der Volatilität können Bollinger-Bänder mit Preisaktionen und anderen Indikatoren kombiniert werden, um Signale zu generieren und ein Vorläufer für signifikante Bewegungen zu sein. Wie können Bollinger-Bands für Trading verwendet werden? Bollinger-Bands werden typischerweise von Händlern verwendet, um extreme nicht nachhaltige Kursbewegungen zu erkennen, Trendveränderungen zu erfassen, Support - / Widerstandsniveaus zu identifizieren und Kontraktionen / Volatilitätserweiterungen zu identifizieren. Es gibt eine Reihe von Möglichkeiten, Bollinger Bands zu interpretieren. Einige Händler glauben, dass, wenn die Preise brechen oberhalb oder unterhalb der oberen oder unteren Band, es ist ein Hinweis, dass ein Ausbruch auftritt. Diese Händler nehmen dann eine Position in Richtung Breakout ein. Alternativ verwenden einige Händler Bollinger Bands als überkauft und überverkauft Indikator. Wie in der Tabelle unten gezeigt, wenn der Preis die Spitze des Bandes berührt, werden Händler verkaufen, vorausgesetzt, dass das Währungspaar überkauft ist und zurück zu Mittelwert oder dem mittleren gleitenden durchschnittlichen Band zurückkehren möchte. Wenn der Preis die Unterseite des Bandes berührt, kaufen Händler das Währungspaar, unter der Annahme, dass es überverkauft wird und zurück in Richtung zum Oberseite der Band sich sammeln wird. Der Abstand oder die Breite des Bandes ist abhängig von der Volatilität der Preise. Je höher die Volatilität, desto breiter das Band und je niedriger die Volatilität, desto schmaler das Band. Ziehen Sie es alle zusammen, keiner dieser Indikatoren liefern große Ergebnisse. Allerdings, wenn kombiniert und im Einklang verwendet, können sie Händler die zusätzliche Kante benötigt, um besser zu verstehen kurzfristige Handelsdynamik. Daher ist es für Händler wichtig, nach Beziehungen zwischen den verschiedenen Indikatoren zu suchen, da mehrere Signale die genauesten Handelsvorhersagen liefern können. Sie könnten auch mögen: 4 Arten von Indikatoren FX Trader müssen wissen, Viele Forex-Händler verbringen ihre Zeit auf der Suche nach diesem perfekten Moment, um die Märkte oder ein verräterisches Schild, dass Schreie kaufen oder verkaufen. Und während die Suche kann faszinierend sein, ist das Ergebnis immer das gleiche. Die Wahrheit ist, es gibt keinen Weg, um die Devisenmärkte Handel. Infolgedessen müssen erfolgreiche Händler lernen, dass es eine Vielzahl von Indikatoren gibt, die helfen können, die beste Zeit zu bestimmen, um eine Forexquerrate zu kaufen oder zu verkaufen. Hier sind vier verschiedene Marktindikatoren, die die meisten erfolgreichen Forex-Händler verlassen sich auf. Indikator Nr. 1: Ein Trendfolgen-Tool Es ist möglich, Geld mit einem Countertrend-Ansatz für den Handel zu machen. Jedoch ist für die meisten Händler der einfachere Ansatz, die Richtung des Haupttrends zu erkennen und zu versuchen, durch den Handel in der Richtung der Trends zu profitieren. Hier kommen Trendfolger zum Einsatz. Viele Menschen missverstehen den Zweck der Trend-Tools und versuchen, sie als separate Handelssysteme zu nutzen. Während dies möglich ist, ist der eigentliche Zweck eines Trendfolgen-Tool, um vorzuschlagen, ob Sie schauen, um eine Long-Position oder eine Short-Position eingeben. So betrachten wir eine der einfachsten Trend-folgenden Methoden der gleitenden Durchschnitt Crossover. Ein einfacher gleitender Durchschnitt entspricht dem durchschnittlichen Schlusskurs über die Anzahl der Tage. Zu erläutern, schauen wir uns zwei einfache Beispiele ein längerfristig, ein kürzer Begriff. (Für verwandte Informationen über gleitende Mittelwerte siehe Exploration des exponentiell gewichteten gleitenden Durchschnitts.) Abbildung 1 zeigt die 50-Tage / 200-Tage-Gleitender Durchschnitt für das Euro / Yen-Kreuz. Die Theorie hier ist, dass der Trend ist günstig, wenn die 50-Tage gleitenden Durchschnitt über dem 200-Tage-Durchschnitt und ungünstig, wenn die 50-Tage unter der 200-Tage ist. Wie die Grafik zeigt, macht diese Kombination eine gute Aufgabe, den Haupttrend des Marktes zu identifizieren - zumindest die meiste Zeit. Allerdings, egal was gleitende durchschnittliche Kombination, die Sie verwenden, wird es whipsaws. Abbildung 1: Der Euro / Yen mit 50-Tage - und 200-Tage-Bewegungsdurchschnitten Abbildung 2 zeigt eine andere Kombination der 10-Tage - / 30-Tage-Crossover. Der Vorteil dieser Kombination ist, dass sie schneller auf Veränderungen der Preisentwicklung reagiert als das vorherige Paar. Der Nachteil ist, dass es auch anfälliger für whipsaws als die längerfristige 50-Tage / 200-Tage-Crossover. Die drei beliebtesten Indikatoren für Day-Trading Dieser Artikel ist eine Erweiterung der beiden vorangegangenen zum Thema der kurzfristigen Handel. Preis-Aktion ist ein sehr häufiges Werkzeug für Tag-Tradersrsquo (Scalpers) Risikomanagement-Ansätze. Bewegte Durchschnitte und psychologische Unterstützung und Widerstand können bei der Einreise und Handel-Management zu unterstützen. In den beiden vorangegangenen Artikeln haben wir einen ausführlichen Blick auf einen kurzfristigen (Day-Trader) Ansatz für den Handel im Devisenmarkt genommen. In, wie man kurzfristig handelte, teilten wir eine einfache Strategie, die Händler schauen können, um auszuführen, wenn ein Markt Momentumgelegenheiten anbieten kann. In den drei Tasten zum Day-Trading. Haben wir einen Blick auf einige der feineren Punkte der Durchführung eines solchen kurzfristigen Ansatz. In diesem Artikel wird wersquore gezielt auf Indikatoren, die häufig mit einer kurzfristigen Strategie verwendet zu suchen. Der erste Indikator ist mehr als ein Indikator und näher an einem lsquofield-of-studyrsquo innerhalb der technischen Analyse. Weil der Handel auf kurzfristigen Zeitrahmen die Händler der Komplexität von lsquolagrsquo innerhalb eines Marktes aussetzt, ist Preishandlung eine der populäreren Weisen des Durchführens der technischen Analyse mit einem kurzfristigen Ansatz. Der Grund, warum dies so beliebt ist, ist, weil die Preisaktion technische Indikatoren aus der Gleichung entfernt und stattdessen auf Preis und Preis allein fokussiert. Preis-Aktion kann verwendet werden, um Trends zu klassifizieren, Unterstützung und Widerstand Ebenen zu identifizieren und zu zeigen, Händler potenzielle Einstiegsmöglichkeiten in den Märkten. Wir skizzierten eine einfache Struktur für Händler, um mehr vertraut mit dem Studium der Preis-Aktion in dem Artikel Vier einfache Wege zu einem besseren Preis Action Trader werden. Wo Preisaktionen als besonders wertvoll für einen kurzfristigen Trader kommen können, liegt im Bereich des Handels und der Risiko - und Handelsverwaltung. Durch die Feststellung von Preisniveaus, mit denen Umkehrungen oder Änderungen in der Marktrichtung in der Vergangenheit stattgefunden haben, können Händler sehen, Stopps auf Positionen zu setzen, so dass, wenn der Markt gegen sie bricht (wenn ein neuer Tiefstand in in eine lange Position gestellt wird oder Ein neues Hoch, während in einer kurzen Position), kann der Handel geschlossen werden, in dem Bemühen, den Verlust zu mildern. Preis-Aktion kann ein wertvolles Instrument für Risiko-und Handels-Management Wenn der Markt tendiert in die Richtung, die yoursquore suchen, kann Preis-Aktion auch helfen, mit Anpassung Stopps und Gewinnmitnahmen. Kurzfristige Händler werden oft aussehen, um eine schnelle Break-even-Stop, um ihr ursprüngliches Risiko aus dem Handel zu entfernen. Und nachdem die Preise weiter zu bewegen, können die Händler bei der Verschiebung der Haltestelle noch tiefer in-the-money, wie der Handel arbeitet in der Traderrsquos begünstigen. Mein Kollege Rob Pasche stellte zusammen einen phänomenalen Artikel auf dem Thema der Anschlaganpassungen, betitelte lsquoThe mehr intelligentes folgendes Stoppen, rsquo und dieses führt Sie durch das Verwenden der Preisaktion, um Anschläge zu justieren, während der Handel weiter im Geld bewegt. Ein weiterer Indikator, der einfach zu bedienen und versucht, die Verzögerung marginalisieren, die immer vorhanden ist mit der Verwendung von Indikatoren, ist der gleitende Durchschnitt eine gemeinsame Chart-Komponente der kurzfristigen Händler. Die skalpierende Strategie, die in Handeln kurzfristig umrissen wird, konzentriert sich auf bewegte Durchschnitte, und dies kann Ihnen zeigen, ein paar verschiedene Möglichkeiten, diese utilitaristischen Indikator mit einem kurzfristigen Ansatz zu verwenden. Moving-Mittelwerte werden häufig für Trend-Diagnosen verwendet, so dass, wenn die Preise über dem gleitenden Durchschnitt der Trend als lsquoup, rsquo diagnostiziert wird und wenn die Preise unter dem Trend als lsquodown. rsquo betrachtet wird Dies kann phänomenal mit einem mehrfachen Zeitrahmen-Ansatz arbeiten In denen Trends auf einem längerfristigen Chart (wie die stündliche oder 4-stündige) abgestuft werden, sowie die Einsendungen, die auf dem kürzerfristigen Chart durchgeführt werden. Wir diskutieren mit bewegten Durchschnitten auf diese Weise im Artikel Trading with Moving Averages. Händler können auch gleitende Durchschnitte verwenden, um in neue Positionen auszulösen. Die gleitenden Durchschnitt Crossover ist eine der häufigsten Möglichkeiten, dies zu tun und mit dieser Methode Händler sind einfach auf der Suche nach Preis zu überqueren den gleitenden Durchschnitt, um die Position zu initiieren. Der gleitende Durchschnitt Trigger wird in mehr Tiefe untersucht in dem Artikel Drei Wege, um mit Moving Averages Handel. Die nachstehende Grafik entstammte der Strategie, die in der Short-Term Trading verwendet wurde. In denen bewegte Durchschnitte verwendet werden, um Trends zu filtern und Positionen einzugeben, während Preisaktionen für Risiko - und Handelsmanagement verwendet werden. Diese Strategie nutzt Moving Averages für Trend-Filter und Eintrag Trigger, und Preis-Aktion für das Risikomanagement Unterstützung und Resistenz über psychologische ganze Zahlen und Pivot-Punkte Haben Sie schon einmal in einem Trade thatrsquos arbeiten großartig, nur um zu sehen, dass up-Trend stoppen tot - in-its-Tracks Und nach Preiskämpfen weiter zu bewegen, beginnt es zu oszillieren vor dem Umkehren und nach unten. Dies ist die Geschichte der Unterstützung und Widerstand, und für kurzfristige Händler kann dies auf extreme Bedeutung zu nehmen, weil das Versäumnis zu sehen, lsquothe größeren picturersquo kann zu Verwirrung und Verluste auf den kürzeren Charts führen. Es gibt zahlreiche Möglichkeiten, um Unterstützung und Widerstand zu identifizieren, und Händler können Preis-Aktion verwenden, um eine bestimmte Ebene zu validieren, aber das kommt wirklich nur ins Spiel kommt nach der Tat. Von besonderem Interesse für kurzfristige Händler sind lsquopsychologische ganze Zahlen. Rsquo Psychologische ganze Zahlen sind einfach nur, gerundete Werte auf der Tabelle. Als Beispiel sind 1.3900, 1.3800 und 1.3700 lsquoroundsquo ganze Zahlen in EURUSD. Wie jeder dieser Preise enden in rsquo00.rsquo Aber wir können dies einen Schritt weiter mit den Werten in der Mitte zwischen diesen drei Ebenen, 1.3850 und 1.3750 sind auch lsquoround ganze Zahlen. rsquo Werfen Sie einen Blick auf die jüngste Bewegung in EURUSD in Das Diagramm unten, und bemerken, wie sogar in einem stark-Trending-Markt das Niveau von 1.3850 bot temporäre Unterstützung als das Paar konnte nicht durchbrechen. Acht Stunden später kam diese Dynamik zurück auf dem Markt, als das Niveau schließlich zum Verkauf, nur zu sehen, um zu sehen 1.3750 kommen als Unterstützung kurz danach. Psychologische Niveaus können ein starkes Lager auf Preishandlung Ion haben Geschaffen mit Marketscope / Handelsstation II vorbereitet von James Stanley An diesem Punkt, hat das Paar noch gescheitert, unter 1.3750 zu brechen, da Unterstützung auf den Markt gekommen ist, nachdem die meisten gegenwärtigen 200 pip laufen der Nachteil. Wird jeder Preis in lsquo50rsquo oder lsquo00rsquo auslösen Unterstützung oder Widerstand Nr. Aber kurzfristige Händler müssen sich bewusst sein, das Potenzial für die Unterstützung und Widerstand zu entwickeln, bei diesen Werten als Trends in neue Territorium zu bewegen. Wenn ein Trend so aussieht, als ob er in eine Backsteinmauer von Unterstützung oder Widerstand geraten sein könnte, können Händler diese Gelegenheit nutzen, um eine Position auszugleichen, Anschläge anzupassen und Wiedereintritte zu planen, nachdem die Preise das Retracing beendet haben und sich weiter im Trend bewegen Richtung. --- Geschrieben von James Stanley Bevor Sie eine der genannten Methoden verwenden, sollten Händler zuerst auf einem Demokonto testen. Das Demokonto ist kostenlose Features Live Preise, und kann eine phänomenale Testfeld für neue Strategien und Methoden sein. James ist auf Twitter verfügbar JStanleyFX Um sich der Verteilerliste von James Stanleyrsquos anzuschließen, klicken Sie bitte hier. Möchten Sie Ihre FX Education DailyFX hat vor kurzem DailyFX University, die völlig frei für alle Händler DailyFX bietet Forex News und technische Analyse über die Trends, die die globalen Währungsmärkte beeinflussen gestartet. Erfahren Sie Forex Trading mit einem freien Praxis-Konto und Trading-Charts von FXCM. Die vier häufigsten Indikatoren im Trend Trading Loading der Spieler. Trend-Trader versuchen, Trends zu isolieren und zu extrahieren. Es gibt mehrere Möglichkeiten, dies zu tun. Kein einzelner Indikator schlägt Ihr Ticket auf den Markt Reichtum, da der Handel beinhaltet andere Faktoren wie Risikomanagement und Handelspsychologie sowie. Aber bestimmte Indikatoren haben den Test der Zeit gestanden und bleiben unter den Trendhändlern beliebt. Hier stellen wir allgemeine Richtlinien und zukünftige Strategien werden für jeden Gebrauch diese zur Verfügung gestellt oder zwicken sie, um Ihre eigene persönliche Strategie zu schaffen. (Detaillierte Informationen finden Sie unter Volatile Trading Volatile mit technischen Indikatoren.) Die gleitenden Durchschnittswerte werden durch die Erzeugung einer einzigen fließenden Linie berechnet. Die Linie stellt den Durchschnittspreis über einen Zeitraum dar. Welcher gleitende Durchschnitt der Händler entscheidet, wird durch den Zeitrahmen bestimmt, auf dem er / sie handelt. Für Investoren und langfristige Trendfolger, die 200-Tage, 100-Tage und 50-Tage einfach gleitenden Durchschnitt sind beliebte Entscheidungen. Es gibt mehrere Möglichkeiten, den gleitenden Durchschnitt zu nutzen. Das erste ist, den Winkel des gleitenden Durchschnittes zu betrachten. Wenn es meistens horizontal bewegt für eine längere Zeit, dann ist der Preis nicht Trending. Es reicht. Wenn es abgewinkelt ist, ist ein Aufwärtstrend im Gange. Moving Durchschnitte nicht vorhersagen, obwohl sie einfach zeigen, was der Preis im Durchschnitt über einen Zeitraum von Zeit tut. Crossovers sind ein weiterer Weg, um gleitende Durchschnitte zu nutzen. Durch das Plotten sowohl eines 200-Tage - als auch eines 50-Tage-Gleitendurchschnitts auf deinem Diagramm, tritt ein Kaufsignal auf, wenn die 50-Tage-Kreuze über dem 200-Tage-Kurs liegen. Ein Verkaufssignal tritt auf, wenn die 50-Tage unter die 200-Tage fallen. Die Zeitrahmen können an Ihren individuellen Handelszeitrahmen angepasst werden. Wenn der Kurs über einem gleitenden Durchschnitt liegt, kann er auch als Kaufsignal verwendet werden, und wenn der Kurs unter einem gleitenden Durchschnitt liegt, kann er als Verkaufssignal verwendet werden. Da der Preis flüchtiger ist als der gleitende Durchschnitt, ist diese Methode anfälliger für falsche Signale. Wie das Diagramm oben zeigt. Moving-Durchschnitte können auch unterstützen oder Widerstand gegen den Preis. Die Grafik unten zeigt eine 100-Tage gleitenden Durchschnitt als Unterstützung (Preis bounces aus). MACD (Moving Average Convergence Divergence) Der MACD ist ein oszillierender Indikator, der über und unter Null schwankt. Es ist sowohl ein Trendfolgen als auch Impulsindikator. Eine grundlegende MACD-Strategie besteht darin, zu sehen, auf welcher Seite von Null die MACD-Leitungen eingeschaltet sind. Über Null für einen längeren Zeitraum und der Trend ist wahrscheinlich unter Null für einen längeren Zeitraum und der Trend ist wahrscheinlich nach unten. Potentielle Kaufsignale treten auf, wenn der MACD sich über Null bewegt, und potentielle Verkaufssignale, wenn er unter Null geht. Signalleitungen bieten zusätzliche Kauf - und Verkaufssignale. Ein MACD hat zwei Linien - eine schnelle Linie und eine langsame Linie. Ein Kaufsignal tritt auf, wenn die schnelle Linie durch und über der langsamen Linie kreuzt. Ein Verkaufssignal tritt auf, wenn die schnelle Leitung durch und unter der langsamen Linie kreuzt. RSI (Relative Strength Index) Der RSI ist ein weiterer Oszillator. Sondern weil seine Bewegung zwischen Null und 100 enthalten ist, bietet es einige andere Informationen als die MACD. Eine Möglichkeit, den RSI zu interpretieren, besteht darin, den Preis als überkauft - und fällig für eine Korrektur - zu sehen, wenn der Indikator über 70 liegt und der Preis als überverkauft - und fällig für einen Bounce -, wenn der Indikator unter 30 ist. In einem starken Aufwärtstrend , Wird der Preis oft erreichen 70 und darüber hinaus für längere Zeiträume und Abwärtstrends können bei 30 oder unter für eine lange Zeit bleiben. Während allgemeine Overbought und Oversold Ebenen können gelegentlich genau sein, können sie nicht die meisten rechtzeitigen Signale für Trend-Trader. Eine Alternative ist, in der Nähe von überverkauften Bedingungen kaufen, wenn der Trend ist, und nehmen kurze Trades in der Nähe von überkauften Bedingungen in einem Abwärtstrend. Sagen Sie den langfristigen Trend einer Aktie ist. Ein Kaufsignal tritt auf, wenn der RSI sich unter 50 und dann wieder darüber bewegt. Im Wesentlichen bedeutet dies, ein Rückgang im Preis aufgetreten ist, und der Händler kauft, sobald die Pullback scheint zu Ende gegangen (nach dem RSI) und der Trend wird wieder aufgenommen. 50 wird verwendet, da der RSI typischerweise nicht 30 in einem Aufwärtstrend erreicht, es sei denn, eine mögliche Umkehr ist im Gange. Ein Short-Trade-Signal tritt auf, wenn der Trend nach unten und der RSI bewegt sich über 50 und dann wieder darunter. Trendlinien oder ein gleitender Durchschnitt können dabei helfen, die Trendrichtung zu bestimmen und in welche Richtung die Handelssignale zu nehmen sind. Auf Balance Volume (OBV) Volume selbst ist eine wertvolle Indikator, und OBV nimmt eine Menge Volumen Informationen und kompiliert es in ein Signal einzeiligen Indikator. Der Indikator misst den kumulativen Kauf - / Verkaufsdruck durch Zugabe des Volumens auf die Tage und das Subtrahieren des Volumens an verlierenden Tagen. Im Idealfall sollte das Volumen Trends zu bestätigen. Ein steigender Preis sollte von einem steigenden OBV begleitet werden ein sinkender Preis sollte von einem fallenden OBV begleitet werden. Die Abbildung unten zeigt Aktien für die Los Gatos, Calif.-basierte Netflix Inc. (Nasdaq: NFLX) Trends höher zusammen mit OBV. Da OBV nicht unter seine Trendlinie fallen. Es war ein gutes Indiz dafür, dass der Preis wahrscheinlich weiter Trends höher nach dem Pullback. Wenn OBV steigt und Preis isnt, Preis ist wahrscheinlich, dem OBV zu folgen und zu steigen. Wenn der Preis steigt und OBV ist flach-Futter oder fallen, kann der Preis in der Nähe ein Top sein. Wenn der Preis sinkt und OBV ist flach-Futter oder steigend, könnte der Preis nahe an einem Boden. Indikatoren können Preisinformationen zu vereinfachen, sowie Trend-Handels-Signale oder warnen vor Umkehrungen. Indikatoren können auf allen Zeitrahmen verwendet werden und haben Variablen, die angepasst werden können, um für jeden Händler spezifische Vorlieben zu passen. Kombinieren Sie Indikatorstrategien oder erstellen Sie eigene Richtlinien, sodass Einstiegs - und Austrittskriterien für Trades eindeutig festgelegt sind. Jede Anzeige kann in vielerlei Hinsicht verwendet werden. Wenn Sie wie ein Indikator Forschung es weiter, und vor allem persönlich testen Sie es vor der Verwendung, um Live-Trades zu machen. Eine Person, die Derivate, Rohstoffe, Anleihen, Aktien oder Währungen mit einem überdurchschnittlichen Risiko im Gegenzug handelt. "HINTquot ist ein Akronym, das für für quothigh Einkommen keine Steuern steht. Es wird auf Hochverdiener angewendet, die vermeiden, Bundeseinkommen zu zahlen. Ein Market Maker, dass kauft und verkauft extrem kurzfristige Unternehmensanleihen genannt Commercial Paper. Ein Papierhändler ist in der Regel. Der uneingeschränkte Kauf und Verkauf von Waren und Dienstleistungen zwischen den Ländern ohne die Verhängung von Zwängen wie. Four hoch effektive Trading Indikatoren Jeder Trader sollte wissen, Artikel-Zusammenfassung: Wenn Ihr Forex Trading-Abenteuer beginnt, wird Yoursquoll wahrscheinlich mit einem Schwarm von verschiedenen Methoden für den Handel erfüllt werden . Jedoch können die meisten Handelsgelegenheiten leicht mit nur einem von vier Diagrammindikatoren identifiziert werden. Sobald Sie wissen, wie die Moving Average, RSI, Stochastic, AMP MACD-Indikator zu verwenden, ist yoursquoll gut auf Ihrem Weg zur Durchführung Ihrer Trading-Plan wie ein Profi. Yoursquoll wird auch mit einem kostenlosen Verstärkungswerkzeug versorgt, so dass yoursquoll mit diesen Indikatoren jeden Tag identifizieren kann. Händler neigen dazu, Dinge zu komplizieren, wenn theyrsquore beginnend in diesem spannenden Markt. Diese Tatsache ist unglücklich, aber zweifellos wahr. Händler glauben oft, dass eine komplexe Handelsstrategie mit vielen beweglichen Teilen besser sein muss, wenn sie sich darauf konzentrieren sollten, die Dinge so einfach wie möglich zu halten. Die Vorteile einer einfachen Strategie Wenn ein Händler im Laufe der Jahre fortschreitet, kommen sie oft zur Offenbarung, dass das System mit der höchsten Einfachheit oft am besten ist. Der Handel mit einer einfachen Strategie ermöglicht schnelle Reaktionen und weniger Stress. Wenn yoursquore gerade erst begonnen, sollten Sie die effektivste und einfache Strategien für die Identifizierung von Trades und Stick mit diesem Ansatz zu suchen. Eine Möglichkeit, Ihren Handel zu vereinfachen, ist durch einen Handelsplan, der Chartindikatoren und einige Regeln enthält, wie Sie diese Indikatoren verwenden sollten. Im Einklang mit der Idee, dass einfach ist am besten, gibt es vier einfache Indikatoren sollten Sie vertraut mit der Verwendung von ein oder zwei auf einmal zu identifizieren Handel Ein-und Ausstieg Punkte. Sobald Sie ein Live-Konto Handel ein einfacher Plan mit einfachen Regeln werden Ihre besten Verbündeten. Die Tools zu Ihren Diensten für unterschiedliche Marktumgebungen Da es viele grundlegende Faktoren gibt, wenn Sie den Wert einer Währung gegenüber einer anderen Währung bestimmen, entscheiden sich viele Händler dafür, die Charts als vereinfachte Möglichkeit zur Identifizierung von Handelsmöglichkeiten zu betrachten. Wenn man sich die Charts ansieht, merkt man zwei gemeinsame Marktumgebungen. Die beiden Umgebungen sind entweder große Märkte mit einem starken Niveau der Unterstützung und Widerstand, oder Boden und Decke, die Preis isnrsquot Durchbruch oder ein Trendmarkt, wo der Preis stetig verschieben höher oder niedriger. Mit Technical Analysis können Sie als Händler, Bereich gebunden oder Trending-Umgebungen zu identifizieren und dann finden höhere Wahrscheinlichkeit Einträge oder Ausfahrten auf der Grundlage ihrer Lesungen. Das Lesen der Indikatoren ist so einfach wie sie auf dem Diagramm. Die Verwendung eines oder mehrerer der vier Indikatoren wie Moving Average, Relative Strength Index (RSI), Slow Stochastic und Moving Average Convergence Amp Divergence (MACD) bietet eine einfache Methode, um Handelsmöglichkeiten zu identifizieren. Handel mit gleitenden Durchschnitten Gleitende Durchschnitte bilden es einfacher für Händler, Handelschancen in der Richtung des Gesamttrends zu lokalisieren. Wenn der Markt aufwärts tendiert, können Sie den gleitenden Durchschnitt oder mehrfache gleitende Durchschnitte verwenden, um den Trend und die rechte Zeit zu kennzeichnen, um zu kaufen oder zu verkaufen. Der gleitende Durchschnitt ist eine geplante Linie, die einfach den durchschnittlichen Preis eines Währungspaares über einen bestimmten Zeitraum misst, wie die letzten 200 Tage oder Jahr der Preisaktion, um die Gesamtrichtung zu verstehen. Yoursquoll bemerkt eine Trade-Idee wurde oben nur mit dem Hinzufügen ein paar gleitende Durchschnitte in der Tabelle generiert. Die Identifizierung von Handelsgelegenheiten mit gleitenden Durchschnittswerten ermöglicht es, den Impuls zu sehen und auszutauschen, indem er eintritt, wenn das Währungspaar sich in die Richtung des gleitenden Durchschnitts bewegt, und beendet, wenn es beginnt, sich zu bewegen. Handel mit RSI Der Relative Strength Index oder RSI ist ein Oszillator, der in seiner Anwendung einfach und hilfreich ist. Oszillatoren wie der RSI helfen Ihnen, festzustellen, wann eine Währung überkauft oder überverkauft ist, so dass eine Umkehr wahrscheinlich ist. Für diejenigen, die gerne lsquobuy niedrig und verkaufen Highrsquo, kann der RSI der richtige Indikator für Sie sein. Der RSI kann gleichermaßen in Trends oder Märkten genutzt werden, um bessere Ein - und Ausstiegspreise zu finden. Wenn Märkte keine klare Richtung haben und reichen, können Sie entweder kaufen oder verkaufen Signale wie Sie oben sehen. Wenn sich die Märkte tendieren, wollen Sie nur in Richtung des Trends eingeben, wenn sich das Kennzeichen von Extremen erholt (siehe oben). Da der RSI ein Oszillator ist, ist er mit Werten zwischen 0 und 100 aufgetragen. Der Wert von 100 wird als überkauft betrachtet und eine Umkehrung zum Nachteil ist wahrscheinlich, während der Wert von 0 als überverkauft betrachtet wird und eine Umkehrung zu der Oberseite alltäglich ist. Wenn ein Aufwärtstrend entdeckt wurde, möchten Sie den RSI identifizieren, der von den Messwerten unterhalb von 30 oder überverkauft, bevor Sie zurück in Richtung des Trends reversing ist. Handel mit Stochastics Slow Stochastics sind ein Oszillator wie der RSI, die Ihnen helfen, überkaufte oder überverkauft Umgebungen, die wahrscheinlich eine Umkehrung im Preis zu finden. Der einzigartige Aspekt der stochastischen Anzeige ist die zwei Linien, K und D Linie, um unseren Eingang zu signalisieren. Weil der Oszillator die gleichen überkauften oder überverkauften Messwerte hat, suchen Sie einfach die K-Linie, um über die D-Linie über die 20-Ebene zu kreuzen, um ein solides Kaufsignal in Richtung des Trends zu identifizieren. Handel mit dem Moving Average Convergence Amp Divergence (MACD) Manchmal als der König der Oszillatoren bekannt, kann die MACD gut in Trending oder Ranging Märkte aufgrund seiner Verwendung von bewegten Durchschnitten verwendet werden, um eine visuelle Anzeige von Änderungen in der Dynamik. Nachdem Yoursquove identifiziert das Marktumfeld als entweder Ranging oder Handel, gibt es zwei Dinge, die Sie suchen, um Signale von diesem Indikator ableiten wollen. Zuerst möchten Sie die Linien in Bezug auf die Nulllinie erkennen, die eine Aufwärts - oder Abwärts-Vorspannung des Währungspaars identifizieren. Zweitens möchten Sie ein Crossover oder Cross Under der MACD-Linie (Red) zur Signalleitung (Blue) für einen Kauf - bzw. Verkaufshandel identifizieren. Wie alle Indikatoren, ist die MACD am besten mit einem identifizierten Trend oder Bereich-gebundenen Markt gekoppelt. Sobald yoursquove den Trend identifiziert hat, ist es am besten, Kreuzungen der MACD Linie in Richtung des Trends zu nehmen. Wenn Ihr Konto in den Handel eingetreten ist, können Sie Stopps unter dem jüngsten Preis extreme vor dem Crossover setzen und eine Handelslimite auf den doppelten Betrag festlegen, den Ihr Gegner riskiert. --- Geschrieben von Tyler Yell, Trading Instructor Um in die Tylerrsquos E-Mail-Verteilerliste aufgenommen zu werden, klicken Sie bitte hier. DailyFX bietet Forex-Nachrichten und technische Analysen zu den Trends, die die globalen Währungsmärkte beeinflussen. Erfahren Sie Forex Trading mit einem freien Praxis-Konto und Trading-Charts von FXCM.
Indische Aktienoptionen Handelsstrategien
Copyright 2008 calloptionputoption Alle Rechte vorbehalten. Zeichnungsrechte vorbehalten. Diese Seite kann am besten in IE 5.0 oder höher, 1024 x 768 Auflösung angesehen werden. Einige einfache Trading-Strategie in Optionen Optionen Handel sind zwar rentabler als Aktienhandel, aber es ist viel riskanter als Aktienhandel, aber immer noch wegen seiner Gewinne bevorzugt. Option Handel bietet viele eine Vielzahl von Strategien und alle haben ihre eigenen Risiken. Brokers Gebühr ist höher in Options-Trading, aber es ist nicht aufgrund seiner hohen Rentabilität berücksichtigt. Optionen Handel waren nicht so riskant, aber die Händler machte es so wegen ihrer persönlichen gierigen Gewohnheiten. Sie versuchten, hohe Renditen zu einer minimalen Zeit, die es sehr riskant machte zu erreichen. Die Hauptregel für hohe Gewinne ist es, eine eigene Strategie zu machen und sie mit konsequent und klar definierten Regeln zu behalten. Einige einfache Trading-Strategien in Optionen sind unten angegeben. Verkauf Naked Puts Diese Strategie wird verwendet, wenn es hohe Margin Anforderung als die der Credit Spreads. Diese Strategie hat das niedrigste Risikoprofil und wird dort eingesetzt, wo ähnliche Erträge erforderlich sind. Die ähnliche Sache mit Credit-Spread ist, dass Sie Ihren Gewinn vorne zu bekommen. Verkauf Credit Spreads Diese Strategie wird verwendet, um Portfolio um 10-15 pro Monat wachsen, ohne jede Arbeit in einer halben Stunde pro Woche. Diese Strategie ist für einfache Händler wegen der Einfachheit ihrer Aktion. Es ist nicht unterstützend für Analysatoren und hyperaktive Händler. Ein weiterer Vorteil ist, dass es sehr profitabel ist. Selling Covered Anrufe Diese Strategie ist für diejenigen Händler, die Lager für geschäftliche Zwecke und nicht für sentimentale Zwecke zu speichern. Durch den Verkauf Ihrer Lager gelegentlich können Sie eine Menge Gewinn zu verdienen. Auf diese Weise können Sie effektiv reduzieren die Kosten für die Aktie. Tief in das Geld Optionen Dies ist die effektivste Strategie, die Ihnen ermöglicht, die Aktie zu halben Preis zu kaufen und dann verkaufen, die doppelten Gewinn macht. Da diese Strategie ist kurzfristig erreichen von 3 bis 5 Tage in der Regel, so dass Sie keine Sorgen um Dividenden oder Darlehen Noten oder andere komplexe Faktor, aber immer noch machen Sie Gewinne, weil der Kurs der Aktie steigt mit dem Preis des Marktes geht. Komplexe Strategien Diese Strategien sind die profitabelsten von allen. Also Händler bevorzugen meistens diese Strategien wie Drosseln, Straddles, eiserne Kondore, Schmetterlinge etc. Aber diese Strategien haben einen Nachteil, teuer zu sein entweder durch die teuren Optionen oder hohe Maklergebühr. Trade In Call und Put Option Handel in Call und Put OptionWelcome zu TradingPicks - Ihr One-Stop-Lösung Anbieter und Leitfaden für Sie - die Futures Trader helfen, verbessern Sie Ihre Trading-Performance und maximieren Sie Ihre Renditen in der indischen Aktien Ampere Commodities Markets Unsere Handelspartner profitieren Der Intra-Tage-Volatilität, kurzfristige explosive Bewegungen und starke Trends zu helfen, jeder Futures-Trader extrahieren die maximale Höhe der Gewinne in kürzester Zeit. Unsere Trading-Artikel sind durch jahrelange Forschung und tatsächliche Echtzeit Trading-Erfahrung, durch alle Marktturbulenzen und über alle Marktbedingungen gesichert. Wir konzentrieren uns auf den Markt und was es tut, nicht das, was wir wünschten, es tat, bete es getan oder glaube, es hat. Unser Ziel ist es, unseren Lesern zu helfen, überdurchschnittliche Erträge aus den indischen Aktienmarkt-Rohstoffmärkten zu erzielen und für sich und ihre Familien Wohlstand zu schaffen. Unsere Artikel konzentrieren sich auf Indian Stocks amp Commodities Futures und nutzen proprietären analytischen Methoden, um Handel und Investitionen mit starker Schaffung von Wohlstand und Gewinnpotenzial aufzudecken. Wir analysieren acht verschiedene Parameter, um Ihnen zu helfen, profitable Trades zu machen. Wir analysieren Trends Trend beschreibt die Beharrlichkeit der Preise zu bewegen in einer bestimmten Richtung über einen bestimmten Zeitraum. Unser Newsletter wird Ihnen nie erlauben, gegen den Trend zu handeln. Wir analysieren Richtungsrichtung innerhalb eines Trends beschreibt, ob ein bestimmter Bestand oder eine Ware mit dem Trend fließt oder gegen den Trend zurückfährt. Wir analysieren die Marktstärke Stärke des Marktes beschreibt die Höhe des Interesses an einem Unternehmen. Höhere Volumina zeigen mehr Teilnehmer und damit mehr Kraft. Wir analysieren Momentum Momentum beschreibt die Geschwindigkeit, mit der sich die Preise über einen bestimmten Zeitraum bewegen. Veränderungen im Impuls neigen dazu, Preisänderungen vorzubeugen. Wir analysieren Volatilität Volatilität beschreibt das Ausmaß der täglichen Kursschwankungen. Änderungen der Volatilität tendieren dazu, Preisänderungen vorzubeugen. Wir analysieren Zyklen Einige Wertpapiere zeigen eine Tendenz, sich in den Zyklusmustern zu bewegen. Preisänderungen können häufig in bestimmten zyklischen Intervallen erwartet werden. Wir analysieren Support-Verstärker Resistance Support und Resistance beschreibt das Phänomen der Preise immer wieder steigen und fallen zwischen bestimmten Preisen Ebenen. Wenn der Preis die Unterstützung oder Widerstand Ebenen durchdringt, neigen sie dazu, neue Unterstützung und Widerstand Ebenen zu etablieren. Wir analysieren Muster Muster beschreiben erkennbare Formen auf einem Aktiendiagramm. Bestimmte Muster preempt Änderungen im Preis. Ob Sie ein erstmaliger Investor, ein erfahrener Profi, ein Aktieninhaber und ein Outtotaghändler oder ein langfristiger Investor sind, wird Ihnen Trading Picks die notwendigen Strategien zur Verfügung stellen, die Sie für maximalen Gewinn und Erfolg in den heutigen dynamischen Märkten benötigen. Trading Picks nur ermöglicht es Ihnen, die profitabelsten Trendrichtung Handel und hilft Ihnen, in die reale Tendenz und bleiben aus der meisten Strecke gehemmt Handel, der weg an Ihrem Profit isst. Die meisten erfolglosen Händler verbringen ihre gesamte Karriere auf der Suche nach besseren Möglichkeiten, um die Märkte vorherzusagen. Allerdings, wenn Sie die Widmung und Disziplin zu entwickeln, um immer in die Richtung des Trends mit dem Trading Picks Stock, Index oder Commodities Futures Trading-Newsletter, werden Sie einen riesigen Schritt in Richtung profitablen Handel. Wir glauben, dass grundlegende Informationen bereits in die Aktie festgesetzt werden und dass der Aktienmarkt einfach ein Kampf zwischen Angst und Gier ist. Furcht vor den Preisen, die unten gehen, verursachen Investoren, um zu verkaufen, während Gier Antriebe Preise oben. Unsere verschiedenen Artikel zielen darauf ab, Sie über die neuesten Markttrends auf dem Laufenden zu halten und Ihnen das nötige Wissen zur Verfügung zu stellen, um fundierte Investitions - oder Handelsentscheidungen zu treffen. Unser Ziel ist es, unseren Lesern zu helfen, überdurchschnittliche Renditen zu erzielen und Wohlstand für sich selbst und ihre Familien zu schaffen. Beginners Guide to Optionen Was ist eine Option Eine Option ist ein Vertrag, der dem Käufer das Recht, aber nicht die Verpflichtung, (Aktien oder Index) zu einem bestimmten Preis am oder vor einem bestimmten Datum. Eine Option ist ein Derivat. Das heißt, sein Wert wird von etwas anderem abgeleitet. Im Falle einer Aktienoption basiert ihr Wert auf dem Basiswert (Eigenkapital). Im Falle einer Indexoption basiert ihr Wert auf dem zugrunde liegenden Index (Eigenkapital). Eine Option ist eine Sicherheit wie eine Aktie oder eine Anleihe und stellt einen verbindlichen Vertrag mit streng definierten Begriffen und Eigenschaften dar. Optionen gegen Aktien Ähnlichkeiten: Listed Options sind Wertpapiere, genau wie Aktien. Optionen Handel wie Aktien, mit Käufern machen Angebote und Verkäufer machen Angebote. Die Optionen werden in einem börsennotierten Markt, wie Aktien, aktiv gehandelt. Sie können wie jede andere Sicherheit auch gekauft und verkauft werden. Unterschiede: Optionen sind Derivate, im Gegensatz zu Aktien (d. H. Optionen leiten ihren Wert von etwas anderem ab, dem zugrunde liegenden Wertpapier). Optionen haben Ablaufdatum, solange der Vorrat reicht. Es gibt keine feste Anzahl von Optionen, da Aktien mit Aktien vorhanden sind. Aktienbesitzer haben einen Anteil an der Gesellschaft, mit Stimm - und Dividendenberechtigung. Optionen vermitteln keine solchen Rechte. Rufen Sie Optionen und Put-Optionen Einige Leute bleiben von Optionen verwirrt. Die Wahrheit ist, dass die meisten Menschen haben mit Optionen für einige Zeit, weil Option-Ality in alles von Hypotheken zu Auto-Versicherung gebaut ist. In den aufgeführten Optionen Welt, aber ihre Existenz ist viel klarer. Um zu beginnen, gibt es nur zwei Arten von Optionen: Call-Optionen und Put-Optionen. Eine Call-Option ist eine Option, um eine Aktie zu einem bestimmten Kurs am oder vor einem bestimmten Datum zu kaufen. Auf diese Weise sind Call-Optionen wie Kautionen. Wenn Sie zum Beispiel eine bestimmte Wohnung mieten und eine Kaution dafür hinterlassen möchten, würde das Geld verwendet werden, um sicherzustellen, dass Sie diese Immobilie zu dem Preis, der bei Ihrer Rückkehr vereinbart wurde, tatsächlich mieten konnten. Wenn Sie nie zurückgekehrt, würden Sie Ihre Kaution aufgeben, aber Sie hätten keine andere Haftung. Call-Optionen erhöhen sich in der Regel den Wert, wenn sich der Wert des Basiswertes erhöht. Wenn Sie eine Kaufoption kaufen, sichert Ihnen der Preis, den Sie dafür zahlen, die Optionsprämie, Ihr Recht, diese bestimmte Aktie zu einem bestimmten Kurs, dem sogenannten Ausübungspreis, zu kaufen. Wenn Sie sich entscheiden, die Option nicht nutzen, um die Aktie zu kaufen, und Sie sind nicht verpflichtet, Ihre einzige Kosten ist die Option Prämie. Put-Optionen sind Optionen, um eine Aktie zu einem bestimmten Kurs am oder vor einem bestimmten Datum zu verkaufen. Auf diese Weise sind Put-Optionen wie Versicherungspolicen. Wenn Sie ein neues Auto kaufen und dann kaufen Auto-Versicherung auf dem Auto, zahlen Sie eine Prämie und sind daher geschützt, wenn der Vermögenswert bei einem Unfall beschädigt ist. Wenn dies geschieht, können Sie Ihre Politik verwenden, um den versicherten Wert des Autos zurückzugewinnen. Auf diese Weise verringert sich der Wert der Put-Option als Wert des Basiswertes. Wenn alles gut geht und die Versicherung nicht benötigt wird, hält die Versicherung Ihre Prämie im Gegenzug für die Übernahme des Risikos. Mit einer Put-Option können Sie eine Aktie anlegen, indem Sie einen Verkaufspreis fixieren. Wenn etwas passiert, was dazu führt, dass der Aktienkurs sinkt, und damit, Schäden an Ihrem Vermögenswert, können Sie Ihre Option ausüben und verkaufen sie auf ihre quotinsuredquot Preisniveau. Wenn der Preis für Ihre Aktie steigt, und es gibt keine Quote-Schäden, dann müssen Sie nicht die Versicherung zu verwenden, und wieder einmal ist Ihre einzige Kosten die Prämie. Dies ist die primäre Funktion der aufgeführten Optionen, damit die Anleger Möglichkeiten, um das Risiko zu verwalten. Arten von Expiration Es gibt zwei verschiedene Arten von Optionen in Bezug auf Ablaufdatum. Es gibt eine europäische Artwahl und eine amerikanische Artwahl. Die Option European Style kann bis zum Ablaufdatum nicht ausgeübt werden. Sobald ein Investor die Option erworben hat, muss es bis zum Verfall gehalten werden. Eine Option im amerikanischen Stil kann jederzeit nach dem Kauf ausgeübt werden. Heute sind die meisten Aktienoptionen, die gehandelt werden, amerikanische Optionen. Und viele Index-Optionen sind im amerikanischen Stil. Allerdings gibt es viele Index-Optionen, die europäischen Stil Optionen sind. Ein Anleger sollte dies berücksichtigen, wenn man den Kauf einer Indexoption berücksichtigt. Optionen Prämien Eine Option Prämie ist der Preis der Option. Es ist der Preis, den Sie zahlen, um die Option zu kaufen. Zum Beispiel kann ein XYZ Mai 30 Call (also ist es eine Option, Company XYZ Aktie zu kaufen) eine Optionsprämie von Rs.2 haben. Dies bedeutet, dass diese Option Rs kostet. 200,00. Warum Weil die meisten aufgeführten Optionen für 100 Aktien liegen und alle Aktienoptionspreise pro Aktie notiert sind, müssen sie mit 100 multipliziert werden. Detailliertere Preiskonzepte werden im weiteren Abschnitt ausführlich behandelt. Ausübungspreis Der Ausübungspreis ist der Kurs, zu dem der Basiswert (in diesem Fall XYZ) im Optionskontrakt gekauft oder verkauft werden kann. Zum Beispiel, mit dem XYZ Mai 30 Call, der Basispreis von 30 bedeutet, dass die Aktie für Rs gekauft werden kann. 30 je Aktie. Wäre dies der XYZ Mai 30 Put, würde es dem Inhaber das Recht, die Aktie bei Rs zu verkaufen. 30 je Aktie. Gültigkeitsdatum Das Gültigkeitsdatum ist der Tag, an dem die Option nicht mehr gültig ist und nicht mehr existiert. Das Verfalldatum für alle börsennotierten Aktienoptionen in den USA ist der dritte Freitag des Monats (außer wenn es auf einen Urlaub fällt, in welchem Fall es am Donnerstag ist). Beispielsweise läuft die Option XYZ May 30 Call am dritten Freitag im Mai aus. Der Basispreis hilft auch, festzustellen, ob eine Option im Verhältnis zum Kurs des zugrunde liegenden Wertpapiers in-the-money, at-the-money oder out-of-the-money ist. Sie werden später über diese Begriffe lernen. Ausübungsoptionen Menschen, die Optionen kaufen, haben ein Recht, und das ist das Recht auf Ausübung. Für eine Call-Übung können Call-Inhaber Aktien zum Ausübungspreis (vom Call-Verkäufer) kaufen. Für eine Put-Ausübung können Put-Inhaber Aktien zum Ausübungspreis (zum Put-Verkäufer) verkaufen. Weder Call Inhaber noch Put Inhaber sind verpflichtet, zu kaufen oder zu verkaufen, sie haben einfach das Recht, dies zu tun, und können wählen, zu üben oder nicht auf Übung basierend auf ihrer eigenen Logik. Zuweisung von Optionen Wenn ein Optionsinhaber eine Option ausüben will, beginnt ein Prozess, einen Schriftsteller zu finden, der die gleiche Optionsart (d. h. Klasse, Ausübungspreis und Optionsart) hat. Einmal gefunden, kann dieser Schriftsteller zugeteilt werden. Dies bedeutet, dass, wenn Käufer ausüben, können die Verkäufer gewählt werden, um auf ihre Verpflichtungen zu machen. Für eine Rufzuweisung sind Call-Autoren verpflichtet, Aktien zum Ausübungspreis an den Call-Inhaber zu verkaufen. Für eine Put-Zuweisung sind Put-Schreiber verpflichtet, Aktien zum Basispreis vom Put-Inhaber zu kaufen. Arten von Optionen Es gibt zwei Arten von Optionen - Call und Put. Ein Anruf gibt dem Käufer das Recht, aber nicht die Verpflichtung, das Basisinstrument zu kaufen. Ein Put gibt dem Käufer das Recht, aber nicht die Verpflichtung, das Basisinstrument zu verkaufen. Verkauf eines Anrufs bedeutet, dass Sie das Recht verkauft haben, aber nicht die Verpflichtung, für jemanden, etwas von Ihnen zu kaufen. Verkauf einer Put bedeutet, dass Sie das Recht verkauft haben, aber nicht die Verpflichtung, für jemanden, der etwas an Sie verkaufen. Ausübungspreis Der festgelegte Kurs, zu dem der Käufer und der Verkäufer einer Option vereinbart haben, ist der Ausübungspreis, auch Ausübungspreis oder der auffallende Kurs. Jede Option auf einem Basiswert hat mehrere Basispreise. Im Geld: Call-Option - der Basiskurs ist höher als der Basispreis. Put-Option - Der Basispreis ist niedriger als der Basispreis. Aus dem Geld: Call-Option - Der Basiswert des Basiswertes ist niedriger als der Basispreis. Put-Option - Der Basispreis ist höher als der Basispreis. Bei dem Geld: Der Basiswert entspricht dem Ausübungspreis. Verfalltag Optionen haben eine begrenzte Lebensdauer. Der Verfalltag der Option ist der letzte Tag, an dem der Optionsinhaber die Option ausüben kann. Amerikanische Optionen können jederzeit vor Ablauf der Verfallsdauer des Eigentümers ausgeübt werden. Somit können die Verfall - und Ausübungstage unterschiedlich sein. Europäische Optionen können nur am Verfalltag ausgeübt werden. Underlying Instrument Eine Klasse von Optionen sind alle Puts und Calls zu einem bestimmten Basiswert. Das, was eine Option gibt eine Person das Recht zu kaufen oder zu verkaufen ist das zugrunde liegende Instrument. Bei Indexoptionen muss der Basiswert ein Index wie der Sensitive Index (Sensex) oder SampP CNX NIFTY oder einzelne Aktien sein. Liquidation einer Option Eine Option kann auf drei Arten liquidiert werden Eine abschließende Kauf oder Verkauf, Aufgeben und Ausübung. Kauf und Verkauf von Optionen sind die gängigsten Methoden der Liquidation. Eine Option gewährt das Recht, ein Basiswert zu einem festgelegten Preis zu kaufen oder zu verkaufen. Call Optionsinhaber können ihr Recht, das Basisinstrument zu kaufen, ausüben. Die Put-Optionsinhaber können ihr Recht, das Basisinstrument zu verkaufen, ausüben. Nur Optionsinhaber können die Option ausüben. Im Allgemeinen gilt die Ausübung einer Option als Gegenwert für den Kauf oder Verkauf des Basiswertes für eine Gegenleistung. Optionen, die in-the-money sind fast sicher, am Verfall ausgeübt werden. Die einzigen Ausnahmen sind die Optionen, die weniger in-the-money als die Transaktionskosten, um sie bei Verfall ausüben. Die meisten Optionen Übung treten innerhalb von wenigen Tagen nach Ablauf der Frist, weil die Zeit Prämie auf eine vernachlässigbare oder nicht vorhandene Niveau gesunken ist. Eine Option kann aufgegeben werden, wenn die verbleibende Prämie geringer ist als die Transaktionskosten für die Liquidation derselben. Option Preise Die Preise werden durch die Verhandlungen zwischen Käufern und Verkäufern festgelegt. Die Preise der Optionen werden vor allem von den Erwartungen der künftigen Preise der Käufer und Verkäufer und dem Verhältnis des Optionskurses zum Preis des Instruments beeinflusst. Ein Optionspreis oder eine Prämie besteht aus zwei Komponenten. Intrinsischen Wert und Zeit oder extrinsischen Wert. Der innere Wert einer Option ist eine Funktion seines Preises und des Ausübungspreises. Der Intrinsic Value entspricht dem in-the-money Betrag der Option. Der Zeitwert einer Option ist der Betrag, in dem die Prämie den intrinsischen Wert übersteigt. Zeitwert Optionsprämie - intrinsischer Wert. Anfänger Leitfaden für Option Trading und Investitionen in Call-und Put-Optionen Nutzung dieser Website und / oder Produkte amp Dienstleistungen von uns angeboten zeigt Ihre Akzeptanz unserer Haftungsausschluss. Disclaimer: Futures, Option Amp Aktienhandel ist eine hohe Risikoaktivität. Jede Aktion, die Sie wählen, um in den Märkten nehmen ist völlig Ihre eigene Verantwortung. TradersEdgeIndia haftet nicht für direkte, indirekte, Folgeschäden oder zufällige Schäden oder Verluste, die sich aus der Nutzung dieser Informationen ergeben. Diese Information ist weder ein Angebot zum Verkauf noch eine Aufforderung zum Kauf einer der hier erwähnten Wertpapiere. Die Schriftsteller können oder dürfen nicht in den genannten Wertpapieren handeln. Alle genannten Namen oder Produkte sind Warenzeichen oder eingetragene Warenzeichen der jeweiligen Eigentümer. Copyright TradersEdgeIndia Alle Rechte vorbehalten.10 Optionen Strategien zu wissen Zu oft, Händler springen in die Optionen Spiel mit wenig oder kein Verständnis, wie viele Optionen Strategien zur Verfügung stehen, um ihr Risiko zu begrenzen und Rendite zu maximieren. Mit ein wenig Aufwand, aber Händler können lernen, wie man die Flexibilität und die volle Macht der Optionen als Trading-Fahrzeug nutzen. In diesem Sinne haben wir diese Diashow zusammengestellt, die wir hoffentlich die Lernkurve verkürzen und in die richtige Richtung weisen. Zu oft fallen Händler in die Optionen Spiel mit wenig oder kein Verständnis, wie viele Optionen Strategien zur Verfügung stehen, um ihr Risiko zu begrenzen und Rendite zu maximieren. Mit ein wenig Aufwand, aber Händler können lernen, wie man die Flexibilität und die volle Macht der Optionen als Trading-Fahrzeug nutzen. In diesem Sinne haben wir diese Diashow zusammengestellt, die wir hoffentlich die Lernkurve verkürzen und in die richtige Richtung weisen. 1. Covered Call Neben dem Kauf einer nackten Call-Option können Sie auch in einer grundlegenden abgedeckt Call-oder Buy-Write-Strategie engagieren. In dieser Strategie würden Sie die Vermögenswerte direkt kaufen und gleichzeitig eine Call-Option auf dieselben Vermögenswerte schreiben (oder verkaufen). Ihr Vermögensbestand sollte der Anzahl der der Call-Option zugrunde liegenden Vermögenswerte entsprechen. Investoren werden diese Position häufig nutzen, wenn sie eine kurzfristige Position und eine neutrale Meinung über die Vermögenswerte haben und zusätzliche Erträge erwirtschaften (durch Erhalt der Call Prämie) oder vor einem möglichen Rückgang des Wertes der zugrunde liegenden Vermögenswerte schützen. 2. Verheiratete Put In einer verheirateten Put-Strategie, kauft ein Investor, der ein bestimmtes Vermögen (wie Aktien) kauft (oder derzeit besitzt), gleichzeitig eine Put-Option für einen fallenden Markt Entsprechende Anzahl Aktien. Die Anleger werden diese Strategie nutzen, wenn sie bullisch auf dem Vermögenswert sind und sich gegen mögliche kurzfristige Verluste schützen wollen. Diese Strategie funktioniert im Wesentlichen wie eine Versicherung und schafft einen Boden, sollte der Vermögenspreis drastisch fallen. (Weitere Informationen zur Verwendung dieser Strategie finden Sie unter Verheiratete Puts: Eine Schutzbeziehung.) 3. Bull Call Spread In einer Bull Call-Spread-Strategie wird ein Anleger gleichzeitig Kaufoptionen zu einem bestimmten Basispreis kaufen und dieselbe Anzahl von Anrufen bei einer Höheren Basispreis. Beide Call-Optionen haben denselben Ablaufmonat und den Basiswert. Diese Art der vertikalen Spread-Strategie wird oft verwendet, wenn ein Investor bullish ist und erwartet einen moderaten Anstieg des Preises der zugrunde liegenden Vermögenswert. (Um mehr zu erfahren, lesen Sie Vertical Bull und Bear Credit Spreads.) 4. Bear Put Verbreitung Die Bären setzen Verbreitung Strategie ist eine weitere Form der vertikalen Verbreitung. In dieser Strategie wird der Anleger gleichzeitig Put-Optionen als einen spezifischen Basispreis erwerben und die gleiche Anzahl Puts zu einem niedrigeren Basispreis verkaufen. Beide Optionen wären für denselben Basiswert und haben das gleiche Ablaufdatum. Diese Methode wird verwendet, wenn der Händler bärisch ist und erwartet, dass der Wert der Basiswerte sinken wird. Es bietet sowohl begrenzte Gewinne und begrenzte Verluste. (Für mehr über diese Strategie, lesen Sie Bear Put Spreads: Eine brütende Alternative zu Short Selling.) 5. Schutzkragen Eine Schutzkragen Strategie wird durch den Kauf einer Out-of-the-Geld-Put-Option und das Schreiben einer Out-of-the - Money-Option zur gleichen Zeit, für die gleichen Basiswert (wie Aktien). Diese Strategie wird oft von Investoren verwendet, nachdem eine Long-Position in einer Aktie erhebliche Gewinne erlebt hat. Auf diese Weise können die Anleger den Gewinn sperren, ohne ihre Aktien zu verkaufen. (Für mehr über diese Arten von Strategien, siehe Dont vergessen Sie Ihre Schutzkragen und Putting Halsbänder zu arbeiten.) 6. Long Straddle Eine lange Straddle-Optionen-Strategie ist, wenn ein Investor kauft sowohl eine Call-und Put-Option mit dem gleichen Basispreis, zugrunde liegenden Vermögenswert Und Ablaufdatum gleichzeitig. Ein Investor wird diese Strategie oft nutzen, wenn er glaubt, dass der Kurs des zugrunde liegenden Vermögenswertes sich erheblich verschiebt, aber er ist sich nicht sicher, in welche Richtung er sich bewegen wird. Diese Strategie ermöglicht es dem Anleger, unbegrenzte Gewinne zu halten, während der Verlust auf die Kosten beider Optionskontrakte begrenzt ist. (For more, lesen Sie Straddle-Strategie ein einfaches Konzept auf den Markt Neutral.) 7. Long Strangle In einer Long-Strangle-Optionen-Strategie kauft der Investor eine Call-und Put-Option mit der gleichen Laufzeit und zugrunde liegenden Vermögenswert, aber mit unterschiedlichen Ausübungspreise. Der Put-Basispreis liegt typischerweise unter dem Ausübungspreis der Call-Option, und beide Optionen sind aus dem Geld. Ein Anleger, der diese Strategie verwendet, glaubt, dass der zugrunde liegende Vermögenspreis eine große Bewegung erfahren wird, ist aber nicht sicher, in welche Richtung der Umzug stattfindet. Verluste sind auf die Kosten für beide Optionen beschränkt wird in der Regel weniger teuer als Straddles, weil die Optionen aus dem Geld gekauft werden. (Für mehr, sehen Sie sich eine starke Hold on Profit mit Strangles.) 8. Butterfly Spread Alle Strategien bis zu diesem Punkt haben eine Kombination aus zwei verschiedenen Positionen oder Verträge erforderlich. In einer Schmetterling-Verbreitungsoptionsstrategie wird ein Investor sowohl eine Stierverteilungsstrategie als auch eine Bärenstrategie kombinieren und drei unterschiedliche Ausübungspreise verwenden. Zum Beispiel beinhaltet eine Art von Butterfly-Spread Kauf einer Call (Put) - Option auf dem niedrigsten (höchsten) Ausübungspreis, während der Verkauf von zwei Call (Put) Optionen zu einem höheren (niedrigeren) Basispreis, und dann eine letzte Call (put) Option auf einen noch höheren (niedrigeren) Basispreis. (Weitere Informationen zu dieser Strategie finden Sie unter Set-Profit-Traps mit Butterfly Spreads.) 9. Iron Condor Eine noch interessantere Strategie ist der i ron condor. In dieser Strategie hält der Investor gleichzeitig eine Long - und Short-Position in zwei verschiedenen Strangle-Strategien. Der eiserne Kondor ist eine ziemlich komplexe Strategie, die auf jeden Fall Zeit braucht, um zu lernen und zu üben. (Wir empfehlen Ihnen, mehr über diese Strategie in Take Flight mit einem eisernen Condor zu erfahren, sollten Sie Flock to Iron Condors und versuchen Sie die Strategie für sich selbst (riskfrei) im Investopedia Simulator.) 10. Iron Butterfly Die endgültige Option Strategie werden wir demonstrieren Hier ist der eiserne Schmetterling. In dieser Strategie wird ein Investor entweder eine lange oder kurze Straddle mit dem gleichzeitigen Kauf oder Verkauf eines erwürgen. Obwohl ähnlich wie ein Schmetterling verbreitet, unterscheidet sich diese Strategie, weil es sowohl Anrufe und Puts verwendet, im Gegensatz zu den einen oder anderen. Die Gewinne und Verluste werden je nach Ausübungspreis der eingesetzten Optionen in einem bestimmten Bereich begrenzt. Investoren werden oft Out-of-the-money-Optionen in dem Bemühen, Kosten zu senken und gleichzeitig das Risiko zu begrenzen. Nichts in dieser Publikation soll Rechts-, Steuer-, Wertpapier - oder Anlageberatung darstellen, weder eine Stellungnahme zur Angemessenheit einer Anlage noch eine Aufforderung jeglicher Art. Die in dieser Publikation enthaltenen allgemeinen Informationen dürfen ohne vorherige schriftliche Genehmigung durch einen lizenzierten Fachmann nicht bearbeitet werden. Ein umfassendes Risikoverständnis ist essentiell für den Optionshandel. So ist die Kenntnis der Faktoren, die Option Preis beeinflussen. Optionen bieten alternative Strategien für Investoren zu profitieren von Handel zugrunde liegenden Wertpapiere, sofern der Anfänger versteht. Smart Trade Desk Um Ihr Trading / Investment-Erfahrung durch ein engagiertes Team von Experten verbessert. Tradeplus. Discount Broker in Indien Die Bereitstellung von Mehrwertdiensten, die speziell auf Ihre Bedürfnisse zugeschnitten. SMART TRADE DESK Was es für Sie bedeutet: Dedicated STD RM analysiert Ihre Handels - / Anlagestrategien und gibt entsprechende Rückmeldung und Unterstützung. Er dient als Ansprechpartner für alle Anlagebedürfnisse. Portfolio-Building durch Value-Picks: Unsere dedizierte RM wird Ihnen helfen, ein gesundes mittel-bis langfristiges Portfolio durch die Verbreitung von spezialisierten Forschungsberichte von führenden Forschungseinrichtungen zu bauen. Monatlicher Portfolio-Bericht wird Ihnen per E-Mail zu helfen, Ihre Investitionen zu bewerten Diversifikation Unsere STD RMs werden Ihnen helfen, in andere Anlageklassen wie MF, IPO, Bonds, Versicherungen, Corporate Deposits investieren Portfolio / Position Alerts werden per E-Mail-SMS zugeschickt Beteiligungen. Wöchentlich / Vierteljährlich Kontoauszüge einschließlich Angaben zu Ihren Beständen werden per E-Mail zugeschickt. Value Services im Wert von Rs.1500 / - pro Monat wird kostenlos auf Ihr Konto aktiviert werden. Exklusive E-Mail-ID und gebührenfreie Nummer, damit Sie mit Ihrem RM bequem zu kommunizieren. Warum sollten Sie in Anspruch nehmen? Smart Trade Desk Services Wir haben qualifizierte und gut ausgebildete Relationship Manager mit einer kollektiven Erfahrung von über 100 Jahren in der Domäne Wir dienen als Aggregatoren, wenn es um Forschung zu unterstützen. Dieses stellt sicher, dass Sie unvoreingenommene und Qualitätsforschung erhalten. Personalisierte Aufmerksamkeit: Jeder RM ist verantwortlich für sehr begrenzte Anzahl von Clients, um höchste Aufmerksamkeit auf jeden einzelnen Client zu gewährleisten. Transparenz: Zusätzlich zu maßgeschneiderten Berichten von RMs erhalten Sie Online-Zugriff auf alle Berichte über Ihr Konto bei uns. 290 Aufrufe middot Ansicht Upvotes middot Nicht für Fortpflanzung Sie haben nicht erwähnte Ihre Sachkenntnis im Handel, würde ich betrachten Sie ein Tageshändler, der versucht, zu lernen, das an dauert 510 Jahre, um ein Pro zu sein, was Sie in dieser Situation tun Die meisten Leute haben nicht Die Bandbreite oder den Hintergrund, um Stunden damit zu verbringen, den Handel mit den Märkten zu meistern. Was macht es noch schwieriger in Indien ist, dass es keine praktische Einführung in den Handel und Investitionen in Schulen oder Hochschulen macht es härter für Menschen, um die Konzepte zu verstehen. Die Menschen am Ende der folgenden Tipper zahlen Tausende von Rupien pro Monat. Solche Tipper kommen mit keiner Glaubwürdigkeit, und es gibt keine echten Daten zu beweisen, ob ihre Tipps tatsächlich Geld verdienen oder nicht, und vor allem die Art der Tipps (kaufen Sie oben, verkaufen unter dieser, etc.) nicht lehren Sie nichts über, wie zu investieren Oder Handel die Märkte. Ein Jahr zurück Ich schaute auf eine Website namens Opentrade von Zerodha Dies ist, wie es funktioniert. Kunden von Zerodha, die einen positiven Track Record auf ihre Konten (Sterne) mit uns haben, können sich für Opentrade registrieren lassen. Wir wählen die besten Händler nach sorgfältiger Prüfung. Ihre Identitäten werden anonym gehalten, und sie werden alle durch einzigartige Star-Namen genannt werden Sirius, Canopus, etc. Die Sterne werden auf der Grundlage der Art ihrer Trades Investor, Arbitrageur, Swing Trader, etc. Die Quant Berichte über ihre Trading getaggt werden Aktivitäten auf Zerodha werden auf der Plattform veröffentlicht. Alle Kunden von Zerodha haben nun die Möglichkeit, diese Berichte zu analysieren und folgen ihren Lieblingsstars für ein Abonnement, das mit den Stars geteilt wird. Von der Zeit, die Sie anfangen, einem Stern zu folgen, erhalten Sie seine / ihre Echtzeit-Handelsaktualisierungen über E-Mail und auf der Plattform. Sie können auch alle offenen Positionen und Bestände der Sterne verfolgen. Um die Privatsphäre zu gewährleisten, werden die Mengen auf Positionen und Handelsaktualisierungen normalisiert. Außerdem werden die Handelsaktualisierungen auf nur hochliquide Kontrakte mit über 500 Aktien und FampO auf Aktien, Währung und Rohstoffe beschränkt. Sie können einem oder mehreren Sternen Ihrer Wahl folgen. 518 Aufrufe middot Ansicht Upvotes middot Nicht für die Reproduktion ja es funktioniert vorgesehen Strategie hat eine gute Track Record. Sie können nicht investieren Ihr Geld mit einem Händler, der gut für die letzten 6 Monate. Seine Strategie sollte über verschiedene Marktphasen, Bär, Stier und Reichweite gebundene Jahre getestet werden. Returnwealth glaubt fest, dass man zuerst durchführen, bevor bezahlt werden und wenn Abonnenten nicht Geld verdienen, gibt es keinen Sinn, in Geld für den Dienst bereitgestellt. Die Absicht des Dienstes besteht darin, am Ende des Tages für die Abonnenten Gewinne zu erzielen. ReturnWealth basiert nicht auf einem Abo-Modell im obigen Sinne. ReturnWeath Subskriptionsmodell basiert rein auf der Performance der von uns generierten Transaktionen, die Algorithmen an Einzelhändler anbieten, die die indischen Märkte anhand statistischer Daten analysieren und Trades direkt in das Kundenkonto einbinden. So ist es nicht notwendig für den Kunden Zeit zu verbringen und zu analysieren Märkte, sondern unser Algorithmus wird die Analyse zu tun und kluge Investitionen für Kunden. Mit einer Investition von Rs. 1,5 lacs, kann ein Investor verdienen rund Rs.12000 bis Rs.15000 pro Monat und mit Rs.6 lacs Investitionen kann man Rs.50,000 / month. Der beste Teil ist der Kunde braucht keine Mittel an uns, oder senden Sie die Investition Geld für uns. Stattdessen können sie das Geld in ihrem eigenen Konto halten und bessere Renditen erzielen. Für weitere Details besuchen Statistische Faktoren des Returnwealth: Durchschnittliche jährliche Renditen: 107 Maximale Renditen seit Auflegung: 188 Mindestrenditen seit Lancierung: 32 Rs. 1 lac investiert in 2008 werden nun Rs.10 lacs. 1.9k Ansicht middot Ansicht Upvotes middot Nicht für Wiedergabe Im kurzfristigen Handel der SMA Übergänge, kaufen Sie Vorrat über 50 SMA, RSI vorzuziehen unten 30. Sehen Sie für 1-2-3 Muster es kann auch auf Morgenstern in Leuchtern bezogen werden (Google für Details) Siehe Volumen für sicher, gehen mit Trend mit Volumen-Unterstützung Handel nur Trending Aktien, ADX-Indikator Halten Sie Muster sehr einfach Immer handeln 039A039 Grade Lager während des Handels intraday, suchen Sie nach Volumen und Trend siehe Top-Gewinner und Verlierer in Nse Website, Handel in Sie folgen dem Trend mit Stoploss gibt es Aktien mit Bewegung, Handel in ihnen stattdessen seitwärts Aktien wie HUL, NTPC, Infy etc .. Ich ziehe vorzugsweise Handel Tata Stocks und Banking Stocks Winning-Strategie beinhaltet: Entry Trade Management Geldmanagement Gute Strategie ist immer schwer Auf Handel und Geldmanagement. 641 Aufrufe middot Ansicht Upvotes middot Nicht für Fortpflanzung Kann man Geld von Intraday-Handel in indischen Aktienmarkt Welche sind einige der besten Optionen / Strategien, die auf dem indischen Aktienmarkt arbeiten Gibt es eine erfolgreiche oder zuverlässige Strategie im Intraday-Handel in indischen Aktienmarkt Was ist die beste Strategie für den Handel der indischen Aktienmarkt am 16. Mai (Wahlergebnis Tag) Was sind die Handelsstrategien der FIIs Wie handeln sie in den indischen Aktienmarkt Was wird die beste Strategie für den Handel auf dem indischen Aktienmarkt oder Rohstoffmarkt sein Wie kann ich besser Handel auf indischen Aktienmärkten (Aktien) Wer bietet die besten indischen Aktienmarkt Empfehlungen für Day-Trading oder kurzfristige Investitionen Welcher Indianer hat den größten Gewinn im Einzelhandel an der Börse gemacht Kann man nur mit Handelsgewinnen aus Indien leben Aktienmarkt Was sind Anlagestrategien Amp-Tipps für den indischen Aktienmarkt Wie kann ich den Handel beginnen als Anfänger in indischen Aktienmarkt Gibt es eine Plattform wie Quantopian, um Ihre Strategien für indischen Aktienmarkt zu testen können Ausländer Handel Aktien direkt an der indischen Börse Markt: Gibt es Tipps für Börsenhandel, die ich täglich nutzen kann