S.t.a.r.c.a Model

[xu]

ovviamente starca e' flat a marzo...e quella "veloce" ...gia' da prima...grazie ernesto.

 

[Mariagiorgia]

library(PerformanceAnalytics)​

library(quantmod)​

library(TTR)​

​

#alpha:=0.81; Questo valore sembra un'ottimizzazione ma non lo è...e risulta ottimo su tutti i sottostanti che ho testato.​

#Ann:=12;​

#mv:=Input("Max Volat Richiesta:",0,500,3.5);​

#Leva:=Input("Leva:",0,10,1);​

#rf:=Input("Risk Free Disponibile:",0,100,3);​

#ss:=1.2; Questa è una blanda ottimizzazione..è uno shift verticale alla media che vedrai usata come soglia.​

#alpha1:="Frequenza Ribilanciamento Size:" = 0.97;​

​

alpha <- .81​

Ann <- 12​

mv <- 3.5​

Leva <- 1​

rf <- 3​

ss <- 1.2​

alpha1 <- .97​

​

# *********************************​

# Custom functions​

# ********************************* ​

​

EMA.ss <- function(r, alpha, ss, Ann) {​

​

​

tmp <- rep(NA, length(r))​

tmp[1] <- 0​

​

for(i in 2:length(r)) {​

​

​

tmp <- tmp[i-1] * alpha + r * (1 - alpha) + ss / Ann​

​

​

}​

​

tmp <- xts(tmp, index(r))​

return(tmp)​

​

​

}​

​

# *********************************​

# Back test code​

# ********************************* ​

​

#sec:=S&P500 MENSILE​

​

getSymbols('^GSPC', from = '1900-01-01')​

sec <- to.monthly(GSPC)​

​

#r:=100*Log(SEC/Ref(SEC,-1));​

​

r <- diff(log(Cl(sec))) * 100​

​

#k:=PREV*alpha+r*(1-alpha)+ss/ann;​

​

k <- EMA.ss(r, alpha, ss, Ann)​

​

#dt:=If(r<k,1,0);​

​

dt <- ifelse(r < k, 1, 0)​

​

#lpm:=(PREV*alpha +(r*dt-k)*(1-alpha));​

​

lpm <- EMA(r * dt - k, ratio = 1 - alpha)​

​

#dt:=If(r>k,1,0);​

​

dt <- ifelse(r > k, 1, 0)​

​

#hpm:= (PREV*alpha +Abs(k-r*dt)*(1-alpha));​

​

hpm <- EMA(abs(k - r * dt), ratio = 1 - alpha)​

​

#TAR:=(hpm+lpm)+k;​

​

TAR <- hpm + lpm + k​

​

#dtx:=If(Ref(tar,-1)>0,1,0);​

​

dtx <- ifelse(lag(TAR) > 0, 1, 0)​

​

#dtx1:=If(Ref(tar,-1)<0,-1,0);​

​

dtx1 <- ifelse(lag(TAR) < 0, -1, 0)​

​

#mr:=PREV*alpha+r*(1-alpha);​

​

mr <- EMA(r, ratio = 1 - alpha)​

​

#volat:=Sqr(Power(PREV,2)*(alpha)+(1-alpha)*Power(r-mr,2));​

​

volat <- sqrt(EMA((r - mr) ^ 2, ratio = 1 - alpha))​

​

#volat:=mv/(volat*Sqr(ann));​

​

volat <- mv / volat * sqrt(Ann)​

​

#osa:=If(TAR*volat<0,0,tar*volat);​

​

osa <- ifelse(TAR * volat < 0, 0, TAR * volat)​

​

#osa:=PREV*alpha1+(If(osa>leva,leva,osa))*(1-alpha1);​

​

osa <- EMA(ifelse(osa > Leva, Leva, osa), ratio = 1 - alpha1)​

​

#r:=100*Log(C/Ref(C,-1)) -----> C=DAX MENSILE​

​

getSymbols('^GDAXI', from = '1990-01-01')​

C <- Cl(to.monthly(GDAXI))​

r <- diff(log(C)) * 100​

osa <- na.omit(merge(r, osa))[,2]​

r <- na.omit(merge(r, osa))[,1]​

​

#equity:=Cum(r*Ref(osa,-1)*dtx+r*Ref(osa,-1)*dtx1+(rf/ann)*(1-Ref(osa,-1)));​

​

returns <- na.omit(r * lag(osa) * dtx + r * lag(osa) * dtx1 + rf / Ann * (1 - lag(osa)))​

equity <- cumsum(returns)​

​

# *********************************​

# Performance analysis​

# *********************************​

​

charts.PerformanceSummary(R = cbind(returns / 100, r / 100), ylog = TRUE, Rf = rf / 100, methods = 'HistoricalES', gap = 12)​

Omega(R = returns / 100, L = rf / 100)​

table.DownsideRisk(R = returns / 100, MAR = rf / (100 * 12))​

table.Returns(R = returns / 100)​

Qualcuno riuscirebbe a spiegarmi in modo semplice questo grafico? Finora non lo riesco a interpretare bene da sola

 

[violino998]

ciao a tutti. avrei aggiornato i dati fino al 28-2-22 . sarebbe possibile per gli autori del soft di controllare se i dati che inserito e il risultato corrisponde a quello vostro? e fare anceh un commento dell' andamento del sistema negli ultimi 10 anni. grazie e saluti