Usando estatísticas e probabilidades na troca de opções Os jogadores profissionais preferem não usar a palavra quotluckquot ao avaliar seus métodos. Em vez disso, eles optam por dizer: quotfavorable return periodquot ou quotpositive abberrationquot. Isso é porque eles vêem cada jogo como um risco calculado com todas as decisões baseadas estritamente na melhor probabilidade de lucro. É preciso usar a mesma abordagem quotno nonsensequot na avaliação de negociações de opções. Uma maneira efetiva de avaliar qualquer troca de opções é reunir as seguintes informações estatísticas: risco máximo e recompensa, probabilidade de lucro, retorno esperado e zona de lucro (pontos de equilíbrio). Risco máximo e recompensa A primeira pergunta que se deve perguntar quando se olha para um comércio de opções é: o que mais posso fazer ou perder neste tradequot. Estes números podem ser facilmente calculados em um gráfico PL vs Price. Aqui, nós construímos uma posição de spread de débito de chamada para MSFT em 121400. A Microsoft está negociando em 57.688. As opções são as seguintes: compre 1 jan-01 47 chamada 12.125 venda 1 jan-01 50 chamada 9.750 Da tabela no canto superior direito, nós Veja que a recompensa máxima para este spread é 63 e o risco máximo é (238). Como observamos a partir do gráfico PL, esta posição é rentável em qualquer ponto acima de 48,97 com o lucro máximo em 50. A próxima pergunta que se questionaria é quot quais são as chances de que este seja um negócio lucrativo. Revisaremos a probabilidade de lucro que Mostra 80.97 Finalmente, perguntamos: quot qual é o retorno projetado desse comércio, levando em consideração: recompensa de risco máximo e probabilidade. Reviveremos o retorno esperado que mostra 5. O retorno esperado é calculado como: (recompensa máxima x probabilidade de lucro) (Risco máximo x probabilidade de perda) Finalmente, gostaríamos de ver são zona de lucro neste comércio em relação ao histórico de preços do estoque: como podemos ver, esse spread é lucrativo a qualquer preço acima de 48,97 (linha amarela). O histórico de 90 preços (linha azul) do estoque foi consistentemente bem acima desse ponto. Agora, revele as estatísticas e a probabilidade para uma propagação de chamadas. Aqui, nós construímos uma posição de spread de chamada de proporção para MSFT em 121400. A Microsoft está negociando em 57.688 As opções são as seguintes: compre 1 jan-01 57 chamada 4.875 venda 2 jan-01 60 chamada 3.500 Revise as informações estatísticas na tabela no canto superior direito. Este spread de proporção tem uma recompensa máxima em 359 e um risco ilimitado. Como vemos a partir do gráfico PL, esta propagação é lucrativa se MSFT ficar abaixo de 65.12. A probabilidade de lucro é 74,20 e o retorno esperado mostra um risco ilimitado. Do custo líquido, receberíamos 213 quando abrimos esse spread. Em seguida, analisaríamos o gráfico de preço histórico de lucro versus 90 dias. Nós vemos que a partir desta posição é rentável em qualquer lugar abaixo de 65.12 (linha amarela). Os 90 preços históricos penetraram na zona de lucro de julho a setembro e durante a maior parte do ano. Atualmente está bem abaixo dele. A partir desses dois exemplos espalhados, vemos a eficácia das estatísticas e da probabilidade em avaliar qualquer propagação. Copyright 2000 Star Research, Inc. Todos os direitos reservados, não é permitida a reprodução ou re-transmissão deste documento, sem permissão expressa da Star Research, Inc. Trading With Gaussian Models of Statistics Carl Friedrich Gauss foi um matemático brilhante que viveu no início do século XIX E deu as equações quadráticas mundiais, métodos de análise de mínimos quadrados e distribuição normal. Embora Pierre Simon LaPlace tenha sido considerado o fundador original da distribuição normal em 1809, Gauss é freqüentemente dado o crédito pela descoberta, porque ele escreveu sobre o conceito no início e tem sido objeto de muito estudo por matemáticos há 200 anos. Na verdade, essa distribuição é muitas vezes referida como Distribuição Gaussiana. Todo o estudo das estatísticas originou-se de Gauss, e nos permitiu entender os mercados. Preços e probabilidades, entre outras aplicações. A terminologia moderna define a distribuição normal como a curva do sino com parâmetros normais. E uma vez que a única maneira de entender Gauss e a curva do sino é entender estatísticas, este artigo irá construir uma curva de sino e aplicá-la a um exemplo comercial. Média e Modo Três métodos existem para determinar as distribuições: média. Mediana e modo. Os meios são tidos em conta adicionando todas as pontuações e dividindo pelo número de pontuações para obter a média. A mediana é tida em conta adicionando os dois números médios de uma amostra e dividindo por dois, ou simplesmente simplesmente tirando o valor do meio de uma seqüência ordinal. O modo é o mais freqüente dos números em uma distribuição de valores. O melhor método para obter uma visão de uma seqüência de números é usar significa porque ele mede todos os números e, portanto, é mais reflexivo de toda a distribuição. Esta foi a abordagem gaussiana, e seu método preferido. O que estamos medindo aqui são os parâmetros da tendência central, ou para responder onde os resultados da amostra estão indo. Para entender isso, devemos traçar nossas pontuações começando com 0 no meio e traçar 1, 2 e 3 desvios padrão à direita e -1, -2 e -3 à esquerda, em referência à média. Zero refere-se ao meio de distribuição. (Muitos fundos de hedge implementam estratégias matemáticas. Para saber mais, leia Análise Quantitativa de Fundos de Cobertura e Modelos Multivariados: A Análise de Monte Carlo.) Desvio Padrão e Variância Se os valores seguem um padrão normal, encontraremos 68 de todas as pontuações cairão Dentro de -1 e 1 desvio padrão, 95 caem dentro de dois desvios padrão e 99 caem dentro de três desvios padrão da média. Mas isso não é suficiente para nos contar sobre a curva. Precisamos determinar a variância real e outros fatores quantitativos e qualitativos. A variância responde a questão de como a distribuição é distribuída. Ele é um fator nas possibilidades de por que outliers pode existir em nossa amostra e nos ajuda a entender esses valores atípicos e como eles podem ser identificados. Por exemplo, se um valor cai seis desvios padrão acima ou abaixo da média, ele pode ser classificado como um outlier para efeitos da análise. Os desvios padrão são uma métrica importante que são simplesmente as raízes quadradas da variância. Os termos modernos chamam essa dispersão. Em uma distribuição gaussiana, se conhecemos a média e o desvio padrão, podemos conhecer as percentagens dos escores que se enquadram em mais ou menos 1, 2 ou 3 desvios-padrão da média. Isso é chamado de intervalo de confiança. É assim que sabemos que 68 das distribuições estão dentro de mais ou menos 1 desvio padrão, 95 dentro de mais ou menos dois desvios padrão e 99 dentro de mais ou menos 3 desvios padrão. Gauss chamou essas funções de probabilidade. (Para obter mais informações sobre análise estatística, veja Understanding Volatility Measures.) Inclinação e Kurtosis Até agora, este artigo tem sido sobre a explicação da média e dos vários cálculos para nos ajudar a explicá-lo mais de perto. Uma vez que planejamos nossos resultados de distribuição, basicamente desenhamos a curva do nosso sino acima de todas as pontuações, assumindo que elas possuem características de normalidade. Então, isso não é suficiente porque temos colisões na nossa curva que precisam de explicação para entender melhor toda a curva. Para fazer isso, vamos para o terceiro e quarto momentos de estatística da distribuição chamada distorção e curtose. Skewness of tails mede a assimetria da distribuição. Uma inclinação positiva tem uma variância da média que é positiva e inclinada para a direita, enquanto uma inclinação negativa tem uma variância da esquerda inclinada média essencialmente, a distribuição tende a ser distorcida em um lado particular da média. Uma inclinação simétrica tem 0 variância que forma uma distribuição normal perfeita. Quando a curva do sino é desenhada primeiro com uma cauda longa. Isso é positivo. A cauda longa no início antes do nódulo da curva do sino é negativamente inclinada. Se uma distribuição é simétrica, a soma dos desvios em cubos acima da média equilibrará os desvios nos cubos abaixo da média. Uma distribuição direta distorcida terá uma inclinação maior do que zero, enquanto uma distribuição de esquerda distorcida terá uma inclinação menor que zero. (A curva pode ser uma poderosa ferramenta de negociação: para uma leitura mais relacionada, consulte o Risco de Mercado de ações: Wagging the Tails.) Kurtosis explica as características de concentração de pico e valor da distribuição. Um excesso de curtose negativa. Referido como platykurtosis é caracterizada como uma distribuição bastante plana onde há uma menor concentração de valores em torno da média e as caudas são significativamente mais gordo do que uma distribuição mesokurtic (normal). Por outro lado, uma distribuição leptokurtic contém caudas finas, uma vez que grande parte dos dados está concentrada na média. Skew é mais importante para avaliar as posições comerciais do que a curtose. A análise dos títulos de renda fixa requer análise estatística cuidadosa para determinar a volatilidade de uma carteira quando as taxas de juros variam. Modelos para prever a direção dos movimentos devem influenciar a aspereza e a curtose para prever o desempenho de um portfólio de títulos. Esses conceitos estatísticos são ainda aplicados para determinar movimentos de preços para muitos outros instrumentos financeiros. Tais como ações, opções e pares de moedas. Skews são usados para medir os preços das opções medindo as volatilidades implícitas. Aplicando-o a Negociação O desvio padrão mede a volatilidade e pergunta qual o tipo de retorno do desempenho que podem ser esperados. Desvios-padrão menores podem significar menos risco para uma ação, enquanto uma maior volatilidade pode significar um maior nível de incerteza. Os comerciantes podem medir os preços de fechamento da média, pois está disperso da média. A dispersão então medeia a diferença do valor real para o valor médio. Uma diferença maior entre os dois significa um maior desvio padrão e volatilidade. Os preços que se desviam longe da média, muitas vezes, retornam à média, de modo que os comerciantes podem aproveitar essas situações. Os preços que se comercializam em uma pequena gama estão prontos para uma ruptura. O indicador técnico freqüentemente usado para comércio de desvio padrão é a Banda Bollinger. Porque eles são uma medida de volatilidade definida em dois desvios padrão para bandas superiores e inferiores com uma média móvel de 21 dias. A distribuição de Gauss foi apenas o início da compreensão das probabilidades de mercado. Mais tarde, levou a Time Series e Garch Models. Bem como mais aplicações de distorção, como o Volatility Smile. Relatórios de histórico de preços de estatísticas de distribuição O ASX fornece informações históricas mais detalhadas. Os relatórios são gerados para todas as séries de opções sobre a segurança subjacente especificada. Para cada série de opções, são fornecidos os seguintes detalhes: código de opção data de expiração volume negociado preço de operação lance, pergunte, alto, baixo e último preço aberto interesse subjacente preço última data de negociação. Custo: 50,00 por ano de dados históricos. Relatório de histórico de preços de amostra. Os relatórios estão no formato Excel e podem ser enviados por e-mail ou enviados no disco. Para encomendar, entre em contato conosco. Ou ligue para o serviço ao cliente da ASX em 131 279. Links patrocinados Preços e pesquisa Regulamento 2017 ASX Limited ABN 98 008 624 691 As atividades dos Grupos ASX abrangem os serviços do mercado primário e secundário, incluindo a formação de capital e hedge, negociação e descoberta de preços (Australian Securities Exchange) central Transferência de risco de contrapartida (ASX Clearing Corporation) e liquidação de títulos para os mercados de ações e de renda fixa (ASX Settlement Corporation).
No comments:
Post a Comment