주가 예측을위한 푸리에 분석 : 가정 및 증거

FOURIER ANALYSIS FOR STOCK PRICE FORECASTING:
ASSUMPTION AND EVIDENCE

1.Abstract.
1.요약.

The research addressed the relevant question whether the Fourier analysis really provides practical value for investors forecasting stock market price.
이 연구는 푸리에 분석이 주식 시장 가격을 예측하는 투자자들에게 실질적인 가치를 제공하는지에 대한 관련 질문을 다루었습니다.
To answer this
question, the significant cycles were discovered using the Fourier analysis inside the price
series of US stocks; then, the simulation of an agent buying and selling on minima and
maxima of these cycles was made.
이 질문에 답하기 위해 우리 주식의 가격 시리즈 내에서 푸리에 분석을 사용하여 중요한주기를 발견했습니다. 그런 다음이주기의 최소 및 최대로 에이전트를 사고 파는 시뮬레이션이 만들어졌습니다.
The results were then compared to those of an agent
operating chaotically.
그런 다음 결과를 혼란스럽게 작동하는 에이전트의 결과와 비교했습니다.

Moreover, the existing significant cycles were found using more
precise methods, suggested in the research, and based on the results of an agent buying
and selling on all possible periods and phases.
또한, 연구에서 제안 된보다 정확한 방법을 사용하고 가능한 모든 기간 및 단계에서 에이전트를 사고 파는 결과를 기반으로 기존의 중요한주기를 발견했습니다.

It has been analysed whether these really
existing cycles were in accordance with the significant cycles resulting from the Fourier
analysis.
이러한 실제 존재하는주기가 푸리에 분석의 결과로 발생한 중요한주기와 일치하는지 여부가 분석되었습니다.

It has been concluded that the Fourier analysis basically failed.
푸리에 분석은 기본적으로 실패했다고 결론지었습니다.
Such like failures are expected on similar data series.
이와 같은 실패는 유사한 데이터 시리즈에서 예상됩니다.
In addition, momentum and level trading backtests have been used in a similar way.
또한 모멘텀 및 레벨 트레이딩 백 테스트도 비슷한 방식으로 사용되었습니다.

It has been found that the level trading does provide a
certain practical value in comparison to the momentum trading method.
레벨 트레이딩은 모멘텀 트레이딩 방식에 비해 실질적인 가치를 제공하는 것으로 밝혀졌습니다.
The research also simplifies the complicated theoretical background for practitioners.
연구는 또한 실무자의 복잡한 이론적 배경을 단순화합니다.

Keywords: algorithmic trading, Fourier’s transformation, FFT, momentum, level trading,
US stocks backtesting, market price series spectrogram.

Conclusions
결론

It was examined whether the Fourier analysis really does provide a certain advantage
for investors forecasting the future development of a stock market price.
푸리에 분석이 주식 시장 가격의 향후 발전을 예측하는 투자자들에게 실제로 특정 이점을 제공하는지 여부를 조사했습니다.

The main finding is that this method basically fails to find the existing predominant cycles.
주요 발견은 이 방법이 기본적으로 기존의 우세한주기를 찾지 못한다는 것입니다.

Based on an attempt to detect significant periods in the US stock market data,
미국 주식 시장 데이터에서 중요한 기간을 탐지하려는 시도를 기반으로

using FFT – one of the methods of the Fourier analysis – it has been found that this method is unacceptable.
푸리에 분석의 방법 중 하나 인 fft를 사용하면 이 방법이 허용되지 않는 것으로 밝혀졌습니다.

Moreover, it is reasonable to expect similar failures in the case of other liquid
investment instruments or similar financial data series.
또한 다른 유동 투자 상품이나 유사한 재무 데이터 시리즈의 경우 유사한 실패를 예상하는 것이 합리적입니다.

The Fourier analysis is still used nowadays for forecasting in finance and its benefit is under the discussion among both financial market practitioners and academicians.
푸리에 분석은 오늘날 금융 예측에 여전히 사용되고 있으며 그 이점은 금융 시장 실무자와 학자 모두가 논의하고 있습니다.

According to the spectrum and spectrogram analysis,
it can be preliminarily stated that there are certain significant periods in the market price development in comparison
with the case when the development is purely chaotic.
스펙트럼 및 스펙트로그램 분석에 따르면 개발이 순전히 혼란스러운 경우와 비교하여 시장 가격 개발에 특정 중요한 기간이 있음을 미리 말할 수 있습니다.

The test of congruence between
the significant periods resulting from FFT and Complex Period Test gives only 3%.
fft 및 복잡한 기간 테스트로 인한 중요한 기간 간의 일치 테스트는 3% 만 제공합니다.

Complex Period Test was suggested in the research and it is the unquestionable method
for finding the most significant periods.
복잡한 기간 테스트가 연구에서 제안되었으며 가장 중요한 기간을 찾는 의심 할 여지없는 방법입니다.

Algorithmic trading methods based on the Fourier analysis in our test provide only approximately 1% higher WIN ratio over a chaotically working agent.
우리 테스트의 푸리에 분석에 기반한 알고리즘 거래 방법은 혼란스럽게 작동하는 에이전트보다 약 1 % 더 높은 승률을 제공합니다.

The question is whether this percentage advantage is able to cover transaction costs and whether it has certain practical value.
문제는이 백분율 이점이 거래 비용을 충당 할 수 있는지 여부와 실제 가치가 있는지 여부입니다.

Based on Complex Period
Test, it can be stated that if FFT detects the best really existing periods, the WIN ratio
should be 5% over the chaotically working agent.
복잡한 기간 테스트를 기반으로, fft가 최고의 실제 기간을 감지하면 승률이 혼란스럽게 작동하는 에이전트보다 5 %가되어야한다고 말할 수 있습니다.
It is reasonable to expect similar
failures of FFT in the case of other liquid investment instruments or similar data series
in finance.
다른 유동 투자 상품이나 금융 관련 데이터 시리즈의 경우 유사한 fft 실패를 예상하는 것이 합리적입니다.

Why does FFT method fail?
fft 메서드가 실패하는 이유는 무엇입니까?
One possible explanation is non-stationarity of the data
series, which could also be connected to the presence of too much “financial” noise in
the development.
한 가지 가능한 설명은 데이터 시리즈의 비정상 성입니다.
이는 또한 개발 과정에서 너무 많은 재정적 소음이 존재하는 것과 관련이있을 수 있습니다.

This problematic represents one of the limitations of the research and
it is recommended as a possible way of further studies in the area.
이 문제는 연구의 한계 중 하나를 나타내며 해당 분야의 추가 연구 방법으로 권장됩니다.

Another limitation is that the research does not take into consideration a spectrum variability during the time, so a possible way how to possibly improve speculative results
is to test and assess the agent operating on frequencies based on the spectrograms.
또 다른 한계는 연구에서 시간 동안 스펙트럼 변동성을 고려하지 않는다는 것이므로 추측 결과를 개선 할 수있는 가능한 방법은 스펙트로 그램을 기반으로하는 주파수에서 작동하는 에이전트를 테스트하고 평가하는 것입니다.

Moreover, momentum and level trading methods have been tested in order to find out
whether these methods are able to provide certain practical results for market price
forecasting.
또한 이러한 방법이 시장 가격 예측을위한 특정 실제 결과를 제공 할 수 있는지 확인하기 위해 모멘텀 및 레벨 거래 방법을 테스트했습니다.

These methods are also frequently used for algorithmic trading on the US
stock market.
이러한 방법은 미국 주식 시장의 알고리즘 거래에도 자주 사용됩니다.

It was found that the level trading method provides certain practical value.
레벨 트레이딩 방식이 실질적인 가치를 제공하는 것으로 나타났습니다.

As the results
are approximately only 1% above the results of a chaotically operated agent, the final
practical value again depends on the transaction costs.
결과가 혼란스럽게 작동하는 에이전트의 결과보다 약 1 % 높으므로 최종 실제 가치는 다시 거래 비용에 따라 달라집니다.
Results of level trading back tests
are in accordance with the previous research (Stádník 2012).
레벨 트레이딩 백 테스트의 결과는 이전 연구 (stadnik 2012)에 따릅니다.
In the previous research,
the level trading method was tested based on previous day closing price to be the level.
이전 연구에서는 전일 종가를 기준으로 레벨 거래 방식을 테스트하여 레벨이되도록했습니다.

The current research is based on moving average at the level.
현재 연구는 레벨의 이동 평균을 기반으로합니다.
Momentum trading tests fail to provide certain practical value on the daily basis.
모멘텀 거래 테스트는 매일 일정한 실제 가치를 제공하지 못합니다.
It would provide certain practical value in the case of using the reverse action (long positions instead of the short ones) but this way basically leads to the level trading method.
리버스 액션 (숏 포지션 대신 롱 포지션)을 사용하는 경우 실질적인 가치를 제공하지만 기본적으로 레벨 트레이딩 방식으로 이어집니다.

The results of the research are with respect to the number of successive up/down steps.
연구 결과는 연속적인 업 / 다운 단계의 수와 관련이 있습니다.