辨識交易圖表上的“邏輯”段
下圖是今天早些時候的 15 分鐘歐元兌美元走勢圖。藍線代表三個主觀但合理的部分之間的分隔線，這些部分很容易被肉眼辨識。我將這三個部分描述為：
- 低波動（大部分）中性/水平趨勢
- 較高的波動性中性或小幅下跌趨勢
- 較高的波動性線性上升趨勢
我想知道是否有任何現有的算法或方法可用於辨識段之間的分割點。相比之下，在給定最小價格增量的情況下，將圖表劃分為上下波動相對簡單，但基於多個因素（在這種情況下為趨勢和波動性）進行劃分似乎更加困難。理論上，可以使用任意數量的特徵，包括指標。比較多個移動平均線之類的事情會很容易，而確定實時波動率變化的位置並不容易（例如，在一系列小柱之後的一個大柱可能只是一個異常值，而不是市場動態的變化）。
我不一定擔心能夠實時完美地做到這一點。同樣對於波動性之類的東西，可能需要多個柱才能知道動態已經改變，但即使能夠根據歷史數據執行此操作也可能有助於回測不同的策略。
**賞金更新：**我已經閱讀了許多不同的算法，但似乎找不到最能捕捉我在這裡尋找的東西的算法。我想我可以使用動態滑動視窗算法，該算法使用超過門檻值的 Wasserstein 距離峰值，但我沒有看到任何具體說明。我真的很希望能夠在一年的分鐘數據中做到這一點，因此計算時間是一個因素。
關於時間序列分割的資訊非常分散，所以我希望有人能提供一些更直接的建議。
我不知道，因為你的圖表沒有顯示時間戳，但我猜測前三分之一是紐約收盤後直到倫敦開盤的“隔夜”時段，第二個三分之一是倫敦開盤直到倫敦收盤，最後三分之一是交易日的剩餘部分，直到紐約收盤。如果是這樣，您不一定需要算法來辨識高/低波動性或趨勢，但可以利用一些程式化的“事實”。一些可能是：-
- 與倫敦/紐約交易時間相比，“隔夜”交易時段總是傾向於表現出低波動性。
- 大多數情況下，隨著新參與者開始交易，倫敦和紐約開市的市場類型/方向都會發生變化，與之前幾個小時的常態相比，這兩個時間的交易量都會增加。
- 在前一個交易時間設置的範圍/支撐/阻力/趨勢可以為未來市場類型/突破和反彈等方向提供提示。
我的觀點是，沒有必要在這個問題上投入計算能力，而是一個市場理解問題，當然基於一些研究。
您可以查看 Marcos Lopez de Prado 的新書“資產經理的機器學習”中描述的趨勢掃描方法。本質上，您將線性回歸擬合到長度增加的多個前瞻性週期（例如，您從前面的 5 個週期掃描到前面的 50 個週期）並選擇針對擬合標準誤差（斜率/ SE）調整的最高斜率的回歸擬合或t 統計量。其目的是讓趨勢在一定程度上比測試中的其他趨勢更具有“統計意義”，這意味著它們由於隨機機會或雜訊而產生的可能性較小。
這不完全是你想要的，但我認為它是相同的。問題是，在給定等效斜率（趨勢）的情況下，較低的波動率通常會導致更高的 t-stat，並且您實際上也希望捕捉波動率的變化。
關於分群，您可以從二維而不是一維空間中的回報分佈對匯總統計數據進行分群。使用波動率（或變異數）作為第一維，偏度作為第二維。因此，您沿著兩個軸在 2D 空間中對 2D 點進行分群，並包括正偏斜或負偏斜（更多的正回報與負回報，反之亦然）。
這可以擷取至少 4 個整體“類別”或回報分佈的維度，並且根據超參數的調整方式以不同的粒度，
- 低波動性，負偏態
- 低波動性，正偏態
- 高波動性，負偏態
- 高波動性，正偏態