[bssd]MACD的滞后问题# Stock
g*t
1 楼
众所周知MACD有滞后。
我记得去年曾经讨论过这个问题。后来经过研究，我自己发明了一种
accelerating moving average。想法很简单。不是要减少末点滞后吗，
那么就把快到末点的时候的权重变化即可。也就是一种变参数的moving
average。简单的说，最开始你是50天平均，到了你觉得滞后太大了的时候，
改成20天平均即可。那么用算法判断什么时候改成多少天平均呢?
这个需要一定的统计根据。我当时的版本是根据B Band的宽度改。
简单的说，B Band收窄，则加速收敛，50天平均，逐步缩小到20天，甚至
5天平均。这样就做成了一个滞后相对来说更合理的moving average。
同样的原理，我还把它推广到了最小二乘法以及其他各种别的regression。
有三个办法：
第一个办法的原理就是算方差，方差大的时候，则减小这个点进去最小二乘法时候的权
重。
第二个办法是用最小二乘法预测下一个点的方差，如果预测错误，则说明
你需要反馈回来增加或者减小权重。
还有一个办法，是我以前做Kalman filtering研究的时候，有一种
离线fit covariance的办法，改成在线的。
总之，以上所述的基本想法就是合理的变动moving average或者regression的
权重。
后来我发现，经济学家有另外一套现成系统的处理这个问题的办法。
就是GARCH模型。有现成的理论体系，实证结果，软件包,文献。
现在我的结论是，GARCH(1,1)可以当做B Band的升级版本来放心使用。
体系完备，鲁棒性强，软件是现成的。散户不需要学习，2天就可以掌握。
最后，处理MACD滞后问题的关键其实是平均值以上的统计，或者说是波动率。
(以上我的意思是积分的积分，或者减去平均值之后的余量的平均值)
现在我认为比较满意的就是GARCH(1,1)。google GARCH 101可以看到很好的
文档。可以放心当做指标来使用。
warning:
以上讨论只适用于价格线和均线交叉体系。不推荐使用高阶GARCH模型，或者把多个
MACD的交叉信号往这个方向扩展。例如教授的三线合一，还有什么多头排列均线，
等等那都是高阶滤波，不能随便扩展。
这是因为矩阵微分方程，和一阶微分方程是完全不一样的。矩阵乘法不可互换，这是很
多重要数学发现的源泉。很难处理。以我的浅见，经济学很多phd论文往上
无节制的扩展模型，都是胡扯八道，基本的微积分都没搞清楚。经济学应该
往天文学靠拢，简单模型，深入观测才是王道。
我记得去年曾经讨论过这个问题。后来经过研究，我自己发明了一种
accelerating moving average。想法很简单。不是要减少末点滞后吗，
那么就把快到末点的时候的权重变化即可。也就是一种变参数的moving
average。简单的说，最开始你是50天平均，到了你觉得滞后太大了的时候，
改成20天平均即可。那么用算法判断什么时候改成多少天平均呢?
这个需要一定的统计根据。我当时的版本是根据B Band的宽度改。
简单的说，B Band收窄，则加速收敛，50天平均，逐步缩小到20天，甚至
5天平均。这样就做成了一个滞后相对来说更合理的moving average。
同样的原理，我还把它推广到了最小二乘法以及其他各种别的regression。
有三个办法：
第一个办法的原理就是算方差，方差大的时候，则减小这个点进去最小二乘法时候的权
重。
第二个办法是用最小二乘法预测下一个点的方差，如果预测错误，则说明
你需要反馈回来增加或者减小权重。
还有一个办法，是我以前做Kalman filtering研究的时候，有一种
离线fit covariance的办法，改成在线的。
总之，以上所述的基本想法就是合理的变动moving average或者regression的
权重。
后来我发现，经济学家有另外一套现成系统的处理这个问题的办法。
就是GARCH模型。有现成的理论体系，实证结果，软件包,文献。
现在我的结论是，GARCH(1,1)可以当做B Band的升级版本来放心使用。
体系完备，鲁棒性强，软件是现成的。散户不需要学习，2天就可以掌握。
最后，处理MACD滞后问题的关键其实是平均值以上的统计，或者说是波动率。
(以上我的意思是积分的积分，或者减去平均值之后的余量的平均值)
现在我认为比较满意的就是GARCH(1,1)。google GARCH 101可以看到很好的
文档。可以放心当做指标来使用。
warning:
以上讨论只适用于价格线和均线交叉体系。不推荐使用高阶GARCH模型，或者把多个
MACD的交叉信号往这个方向扩展。例如教授的三线合一，还有什么多头排列均线，
等等那都是高阶滤波，不能随便扩展。
这是因为矩阵微分方程，和一阶微分方程是完全不一样的。矩阵乘法不可互换，这是很
多重要数学发现的源泉。很难处理。以我的浅见，经济学很多phd论文往上
无节制的扩展模型，都是胡扯八道，基本的微积分都没搞清楚。经济学应该
往天文学靠拢，简单模型，深入观测才是王道。
