Was ist eine skalierte Bereichsanalyse?
Die Reskaled Range Analysis ist eine statistische Methode zur Analyse von Trends in Zeitreihen. Es wurde vom britischen Hydrologen Harold Edwin Hurst entwickelt, um Überschwemmungen auf dem Nil vorherzusagen. Investoren haben es genutzt, um nach Zyklen, Mustern und Trends bei Aktien- und Anleihenkursen zu suchen, die sich in Zukunft wiederholen oder umkehren könnten.
Die zentralen Thesen
- Die Analyse des neu skalierten Bereichs betrachtet eine Datenreihe und ermittelt die Persistenz oder die Tendenzen zum Zurücksetzen des Mittelwerts innerhalb dieser Daten. Der neu skalierte Bereich kann verwendet werden, um den Hurst-Exponenten zu berechnen, der einen zukünftigen Wert oder Durchschnitt für die Daten extrapolieren kann. Der Hurst-Exponenten schwankt zwischen Null und Eins. Wenn der Hurst-Exponent größer als 0, 5 ist, weisen die Daten einen starken langfristigen Trend auf, und wenn H kleiner als 0, 5 ist, ist eine Trendumkehr wahrscheinlicher.
Grundlegendes zur Analyse neu skalierter Bereiche
Die Analyse der neu skalierten Bandbreite kann verwendet werden, um das Ausmaß der Persistenz, der Zufälligkeit oder der Umkehrung des Mittelwerts in Zeitreihendaten der Finanzmärkte zu ermitteln und zu bewerten. Wechselkurse und Aktienkurse folgen keinem zufälligen oder unvorhersehbaren Weg, wie dies bei voneinander unabhängigen Kursänderungen der Fall wäre. Mit anderen Worten, Märkte sind nicht perfekt effizient, was bedeutet, dass Investoren die Möglichkeit haben, davon zu profitieren.
Wenn die Daten einen starken Trend aufweisen, wird dieser vom Hurst-Exponenten (H-Exponenten) erfasst, der auch zur Bewertung von Investmentfonds verwendet werden kann. Der H-Exponent, der auch als Index der Fernabhängigkeit bezeichnet wird, kann einen zukünftigen Wert oder Durchschnitt für die Daten extrapolieren.
Der Hurst-Exponent liegt zwischen null und eins und misst die Persistenz, die Zufälligkeit oder die mittlere Umkehrung. Zeitreihen, die einen zufälligen stochastischen Prozess anzeigen, haben H-Exponenten nahe 0, 5. Wenn H größer als 0, 5 ist, weisen die Daten einen starken langfristigen Trend auf, und wenn H kleiner als 0, 5 ist, ist es wahrscheinlich, dass sich der Trend über den betrachteten Zeitraum umkehrt.
H-Exponenten unter 0, 5 werden auch als Joseph-Effekt bezeichnet, in Anlehnung an die biblische Geschichte von sieben Jahren Fülle, gefolgt von sieben Jahren Hungersnot. Niedrige Werte werden wahrscheinlich von hohen Werten gefolgt, oder umgekehrt.
Bereich neu skaliert und der Hurst-Exponent
Die Analyse des neu skalierten Bereichs bewertet, wie sich die Variabilität der Zeitreihendaten mit der Länge des betrachteten Zeitraums ändert. Der neu skalierte Bereich wird berechnet, indem der Bereich (Maximalwert minus Minimalwert) der kumulierten mittleren bereinigten Datenpunkte (Summe jedes Datenpunkts minus des Mittelwerts der Datenreihe) durch die Standardabweichung der Werte über den gleichen Teil von dividiert wird Zeitfolgen.
Mit zunehmender Anzahl von Beobachtungen in einer Zeitreihe nimmt der skalierte Bereich zu. Durch Auftragen dieser Anstiege als Logarithmus von R / S gegen den Logarithmus von n kann man die Steigung dieser Linie bestimmen, die der Hurst-Exponent H ist.
Beispiele für die Verwendung von Rescaled Range Analysis
Der Hurst-Exponent kann in Anlagestrategien für den Trendhandel verwendet werden. Ein Investor würde nach Aktien suchen, die eine starke Beständigkeit aufweisen. Diese Aktien hätten ein H von mehr als 0, 5. Ein H von weniger als 0, 5 könnte mit technischen Indikatoren kombiniert werden, um Preisumkehrungen zu erkennen. Zum Beispiel könnte ein Value-Investor nach Aktien mit einem H von weniger als 0, 5 suchen, deren Kurse seit einiger Zeit sinken.
Der Mean-Reversion-Handel scheint von extremen Kursänderungen eines Wertpapiers zu profitieren, wobei davon ausgegangen wird, dass es zu seinem vorherigen Zustand zurückkehren wird. Der H-Exponent wird von algorithmischen Händlern verwendet, um über Strategien für mittelwertrückläufige Zeitreihen wie den Paarhandel zu spekulieren, bei denen der Spread zwischen zwei Assets mittelwertrückläufig ist.
Die folgende Grafik zeigt einen gleitenden Durchschnitt (MA) für 15 Perioden des Hurst-Exponenten basierend auf der SPDR S & P 500 (SPY) -Preisgrafik. Der MA kann angepasst werden, wobei ein längerer MA Schwankungen ausgleicht.
Für Händler, die während eines Aufwärtstrends des Preises kaufen möchten, könnten sie nach Möglichkeiten suchen, bei denen das H über 0, 5 liegt und der Preis steigt. Auf diese Weise würde der Indikator nicht notwendigerweise Handelssignale liefern, könnte jedoch dazu beitragen, andere Handelssignale auf der Grundlage des Trends zu bestätigen.
TradingView
Die Anzeige liefert nicht immer gute Signale. Es ist auch wichtig zu beachten, dass hohe H-Werte bei fallendem Preis weitere Preisrückgänge anzeigen, was den Indikator bei der ersten Verwendung etwas verwirrend machen kann.
Der Unterschied zwischen einer erneut skalierten Bereichsanalyse und einer Regressionsanalyse
Die Analyse des neu skalierten Bereichs betrachtet eine Datenreihe und ermittelt die Persistenz oder die Tendenz zur Wiederherstellung des Mittelwerts innerhalb dieser Daten. Die lineare Regression betrachtet zwei Variablen wie Preis und Zeit und ermittelt den Mittelpunkt oder die Linie, die am besten zu den Datenreihen passt. Anschließend können Standardabweichungskanäle hinzugefügt werden, um basierend auf den Datenreihen anzuzeigen, wann die Sicherheit möglicherweise überkauft oder überverkauft ist. Die lineare Regression ist Teil des größeren Feldes der Regressionsanalyse.
Einschränkungen der Analyse des neu skalierten Bereichs
Für Handelszwecke ist ein neu skalierter Bereich der angepasste Bereich geteilt durch die Standardabweichung. Diese Berechnungen basieren auf früheren Daten und sind nicht von Natur aus vorhersagbar. Es ist Aufgabe des Händlers, die Informationen zu interpretieren, die der neu skalierte Bereich oder der Hurst-Exponent bereitstellt.
Zu Handelszwecken funktioniert der Hurst-Indikator, der aus dem neu skalierten Bereich abgeleitet wird, manchmal, aber nicht immer. Ein starker Preistrend konnte stark umgekehrt werden, was der Indikator nicht vorhersah. Vom Indikator signalisierte Umkehrungen können sich ebenfalls nicht entwickeln.
