پیش بینی های Covid-19 از طریق شاخص های بازار سهام

دسترسی آزاد این مقاله تحت مجوز بین المللی Creative Commons Attribution 4. 0 مجوز است ، که اجازه می دهد تا زمانی که اعتبار مناسبی را به نویسنده اصلی (ها) و منبع بدهید ، استفاده ، اشتراک ، سازگاری ، توزیع و تولید مثلپیوندی به مجوز Creative Commons ارائه دهید و نشان دهید که آیا تغییراتی ایجاد شده است. تصاویر یا سایر مطالب شخص ثالث در این مقاله در مجوز Creative Commons مقاله گنجانده شده است ، مگر اینکه در یک خط اعتباری به مطالب مشخص شود. اگر مطالب در مجوز Creative Commons در مقاله گنجانده نشده باشد و استفاده در نظر گرفته شده شما توسط مقررات قانونی مجاز نیست یا از استفاده مجاز فراتر می رود ، باید مستقیماً از مجوز از دارنده حق چاپ استفاده کنید. برای مشاهده نسخه ای از این مجوز ، به http://creativeecommons. org/licenses/by/4. 0/ مراجعه کنید.

داده های مرتبط

مجموعه داده های مورد تجزیه و تحلیل در این مورد در مخزن Harvard DataVerse در: 10. 7910/DVN/DYGZBQ موجود است.

خلاصه

ما پیشنهاد می کنیم که ابزارهای تجزیه و تحلیل فنی که برای ارائه سیگنال های خرید و فروش در معاملات دارایی ایجاد شده اند ، می توانند برای تجزیه و تحلیل مجموعه داده های سری زمانی در علوم طبیعی استفاده شوند و ما این را صریحاً برای مطالعه داده های COVID-19 نشان می دهیم. نکته قابل توجه ، پیش بینی کوتاه مدت قابل اعتماد می تواند بینش بالقوه نجات بخش در برنامه ریزی لجستیکی و به ویژه در تخصیص بهینه منابع مانند کارکنان بیمارستان و تجهیزات فراهم کند. با تفسیر مجدد موارد روزانه COVID-19 از نظر شمعدان ، ما می توانیم برخی از محبوب ترین شاخص های فنی بازار سهام را برای به دست آوردن قدرت پیش بینی کننده در طول همه چیز استفاده کنیم. با ارائه ارزیابی کمی از تجزیه و تحلیل MACD ، RSI و CANDLESTICK ، ما اهمیت آماری آنها را در انجام پیش بینی ها برای داده های بازار سهام و داده های COVID-19 نشان می دهیم. به طور خاص ، ما با در نظر گرفتن شناسایی آغاز امواج بعدی همه گیر ، کاربرد این رویکرد جدید را نشان می دهیم. سرانجام ، از روشهای جدید ما برای ارزیابی اینکه آیا سیاست های بهداشتی فعلی بر رشد در موارد جدید COVID-19 تأثیر می گذارد ، استفاده می شود.

معرفی

برنامه ریزی لجستیکی می تواند تفاوت بین زندگی و مرگ در طی یک بیماری همه گیر باشد ، مانند بحران مداوم Covid-19. در اینجا ما تکنیک های جدیدی را شناسایی می کنیم که می توانند در طول همه گیر برای کمک به تخصیص بهینه منابع و کمک به ارزیابی سیاست های بهداشتی فعلی استفاده شوند. به طور خاص ، ما تعدادی از ابزارهای توسعه یافته به عنوان استراتژی های بازار سهام را مجدداً مورد استفاده قرار می دهیم و نشان می دهیم که این تکنیک ها می تواند برای پیش بینی روندهای آینده در تعداد موارد جدید روزانه COVID استفاده شود. نکته قابل توجه ، از این ابزارها می توان استفاده کرد

در حالی که نوسانات تعداد موارد جدید COVID و قیمت سهام ممکن است ساده به نظر برسد ، هر دو سیستم را می توان به عنوان پیاده روی تصادفی غیر ثابت توصیف کرد ، یعنی یک سری زمانی که نوسانات تصادفی را در مورد یک روند طولانی مدت نشان می دهد. در زمینه سهام ، فرضیه پیاده روی تصادفی را می توان با نرخ روزانه بازده در بورس سهام به طور تصادفی از توزیع گاوسی یا لاپلاس 1 تهیه کرد. از طرف دیگر ، افزایش روزانه در موارد COVID-19 به دلیل ماهیت پیچیده تعامل انسان می تواند به عنوان یک پیاده روی تصادفی مدل شود و یک روند کلی به عنوان یک بیماری عفونی در مراحل گسترش و کنترل دارد. با استفاده از این ارتباط فرض کردیم که استراتژی های توسعه یافته برای پیش بینی حرکات قیمت سهام می توانند برای پیش بینی تغییرات در روند تعداد موارد جدید COVID ، و به طور کلی هر سیستمی که به خوبی به عنوان یک پیاده روی تصادفی غیر ثابت توصیف شود ، بازگردد. ما در اینجا پیشنهاد می کنیم که از این تکنیک ها ، که به طور جمعی به عنوان "تجزیه و تحلیل فنی" شناخته می شوند ، برای ارائه سیگنال های خرید/فروش در بورس سهام (به ویژه شاخص های "حرکت") می توانند برای ارائه پیش بینی برای سایر داده های سری زمانی ، مانند COVID- استفاده شوند. 19 پیش بینیبه طور خاص ، ما نشان می دهیم که این شاخص های فنی در واقع پیش بینی های دقیقی از همه گیر COVID-19 را ارائه می دهند ، به این معنا که از نظر آماری معنی دار هستند.

معامله گران به دنبال شناسایی استمرار یا معکوس در روند بورس سهام برای سودآوری از معاملات کوتاه مدت هستند ، و چندین تکنیک به خوبی تأسیس شده برای پیش بینی حرکات سهام آینده ، معروف به "شاخص های فنی" وجود دارد. شاخص های فنی محبوب شامل الگوهای شمعدان 2 ، شاخص میانگین همگرایی در حال حرکت (MACD) شاخص 3 و شاخص مقاومت نسبی (RSI) 4 است. در حالی که ، استحکام این تکنیک ها مورد بحث قرار گرفته است 5 - به ویژه ، فرضیه کارآمد بازار بیان می کند که اگر بازار کارآمد باشد ، در این صورت هرگونه اطلاعات سودآوری شاخص های فنی در قیمت های جدید گنجانیده می شود و بنابراین می توان غیر طبیعی به دست آورد. سود 6 - نشان داده شده است که چندین مورد از این شاخص های فنی در واقع از نظر آماری معنی دار هستند. به طور خاص ، آزمایش های آماری شاخص های فنی برای بررسی اثربخشی و سودآوری بازار سهام تایوان ، تایلند ، ایالات متحده و برزیل 7 - 11 انجام شده است. این مطالعات نشان داده است که برخی از تکنیک ها دارای قدرت پیش بینی کننده هستند و شواهدی را برای ناکارآمدی بازار ارائه می دهند ، در حالی که سایر شاخص ها موفقیت آمیز نیستند. برای مطالعات اخیر در مورد شاخص های فنی که برای بازده بازار سهام اعمال شده است ، نویسنده همچنین ممکن است بخواهد با مثال مقایسه کند. 12 - 15.

پس از معرفی مفهوم روندها و بازنمودهای شمعدانی برای داده های سری زمانی ، ما تعاریف ریاضی را برای شاخص های مختلف فنی در "شاخص های فنی" ارائه می دهیم. برای تأکید بر تازگی تکنیک های ما ، ما از داده های سازمان بهداشت جهانی (WHO) COVID-19 در طول مقاله استفاده می کنیم و کاربرد این تکنیک های تحلیل فنی را در خارج از حوزه بازارهای مالی برجسته می کنیم. با انجام آزمایشات آماری روی شاخص های فنی در "روشهای آماری" ، ما نشان می دهیم که انتخابی از این شاخص ها به درستی معکوس در روندهای موجود را با نرخ هایی که از نظر آماری معنی دار هستند پیش بینی می کنند. تجزیه و تحلیل ما در مورد جنبه های تجزیه و تحلیل های قبلی داده های بازار سهام بهبود می یابد و علاوه بر این ، مطالعه را به این شاخص ها خارج از پیش بینی های بازار سهام گسترش می دهد ، همانطور که در "پیش بینی موارد جدید COVID-19" برای COVID-19 نشان داده شده است. نتایج ما پیامدهای مهم زیر را دارد:

برای کامل بودن ، "کاربرد در بازارهای سهام" با استفاده از داده های بازار سهام ، تجزیه و تحلیل را ارائه می دهد."اظهارات نتیجه گیری" اظهارات نتیجه گیری را بیان می کند.

شاخص های فنی

تجزیه و تحلیل فنی با هدف پیش بینی حرکات قیمت آینده در بورس سهام ، و ابزاری کلیدی است که ما برای تجزیه و تحلیل داده های COVID-19 استفاده خواهیم کرد. در این بخش ، ابتدا مفهوم یک روند ("روند") و بازنمایی شمعدان داده ها ("بازنمایی شمعدان") را معرفی می کنیم ، و سپس برخی از شاخص های اصلی فنی را تشریح می کنیم:

در بخش های بعدی ، قدرت پیش بینی این شاخص های فنی را در داده های COVID-19 بررسی خواهیم کرد.

روند

در حالی که قیمت سهام و موارد روزانه COVID ممکن است در بازه های زمانی کوتاه تر نوسان داشته باشد ، آنها تمایل مشاهده شده برای تکامل در همان جهت برای مدت زمان طولانی دارند. علت روند طولانی مدت در بورس ممکن است با عوامل اقتصادی کلان مانند سیاست پولی مرتبط باشد ، یا در مورد روند شرکتهای انفرادی ممکن است به دلیل اخبار یا احساسات خاص باشد که منجر به افزایش مداوم یا کاهش قیمت سهام می شود. برای COVID-19 ، رشد موارد جدید به این دلیل است که ویروس بسیار عفونی است و جمعیت بسیار آسیب پذیر (و باقی مانده است) ، که منجر به پیشرفت اولیه قابل توجهی شد. در نتیجه ، به طور معمول یک مفهوم کاملاً تعریف شده از "روندها" در سری های زمانی مانند اینها وجود دارد. یک رویکرد خوب برای شناسایی روند در یک سری زمانی از طریق یک روش رگرسیون ساده (همانطور که در زیر شرح خواهیم داد) و شکل 1 1 نمونه ای از نظر تغییر روزانه قیمت دارایی ارائه می دهد.

قیمت روزانه S& P 500 از 5 فوریه 2020 تا 19 مارس 2020 با خط رگرسیون چند جمله ای ساده ما (نشان داده شده به رنگ آبی) نشانگر روند است. مشاهده کنید که قیمت برای چند واحد زمان از روند کلی پیروی می کند ، و بنابراین یک خط رگرسیون می تواند یک بینش مفید را فراهم کند.

دوره ای که شیب خط رگرسیون دارای یک علامت ثابت است ، نشانگر روند در سری زمانی است که می تواند یک صعود یا روند نزولی باشد. شناسایی چنین روندهایی می تواند بینشی در مورد رفتار بعدی بعدی سری زمانی ایجاد کند. تجزیه و تحلیل فنی در ابتدا برای ارائه سیگنال هایی برای شروع و پایان روند داده های بازار سهام تهیه شده است ، و در اینجا ما این تکنیک ها را برای مجموعه داده های سری زمانی جایگزین اعمال می کنیم.

ما یک متغیر زمانی را معرفی می کنیم که دارای ارزش عدد صحیح است و به ویژه در فواصل روزانه و هفتگی تمرکز می کنیم و از تاریخ شروع حزبی حساب می کنیم. یک سؤال طبیعی که باید بپرسید این است که آیا برای یک تاریخ مشخص D یک تکامل خاص در سری زمانی روند پیش بینی کننده ای را طی آخرین روزهای گذشته نشان می دهد. اگر چنین روندی وجود داشته باشد ، می گوییم که داده ها یک روند δ-interval را نشان می دهد ، علاوه بر این:

در آنچه در زیر آمده است ، ما اغلب داده های سری زمانی را به فواصل روزانه و هفتگی تقسیم خواهیم کرد. در طی یک بازه زمانی ، ارزش سری زمانی متفاوت خواهد بود ، به دنبال کنوانسیون های تجزیه و تحلیل بازار سهام ، ما باید تعدادی از ویژگی های بارز هر بازه زمانی را به طور خاص ردیابی کنیم: به ویژه:

اشتراک T شاخص فاصله زمانی است. از آنجا که داده ها گسسته می شوند ، به طور معمول c t ≠ o t + 1. همچنین تعریف یک مقدار متوسط برای یک بازه زمانی معین نیز مفید است

برای شناسایی روندهای بالقوه ، ما یک رگرسیون خطی متناسب با M T در محدوده خرما D - δ ≤ T ≤ D اعمال می کنیم ، با باقیمانده γ T از رگرسیون تعریف شده توسط

جایی که l (t) مقدار رگرسیون خطی در زمان t است. سپس یک تابع T (·) را تعریف می کنیم که مجموعه ای از آن را می گیردبه عنوان ورودی و بازگشت + 1 برای صعود و - 1 برای یک روند پایین ، به شرح زیر

t (·): = 1 ، k ≥ 0. 005 · μ ، γ t<0.02 · μ - 1 , k ≤ - 0.005 · μ , γ t <0.02 · μ 0 , otherwise ,

جایی که K شیب رگرسیون را نشان می دهد و میانگین توسط μ = میانگین داده می شود (). نیاز به K مربوط به افزایش یا کاهش حداقل نیمی از درصد میانگین است. محدودیت در γ خوب بودن رگرسیون خطی را ارزیابی می کند و به هر یک نیاز داردبیش از 2 ٪ از خط روند نباشد. اگر روند قوی در مقادیر وجود نداشته باشد ، این عملکرد صفر را باز می گرداند ، نشان می دهد که روند مشخصی وجود ندارد.

بازنمودهای شمعدانی

در حالی که حرکات قیمت در بورس می تواند به عنوان یک منحنی مداوم که با میانگین زمان در طی مدت زمان صاف می شود (خواه ثانیه ، دقیقه ، ساعت یا روز) ارائه شود ، شمعدان ها به عنوان ابزاری برای تجسم بهتر حرکات پیشنهاد شده اند. شمعدان ها خلاصه ای از قیمت ها را با استفاده از چهار عدد - باز ، نزدیک ، زیاد ، پایین - در یک دوره معین ارائه می دهند. علاوه بر باز شدن و بسته شدن مقادیر C T تعریف شده در بالا ، اکنون معرفی می کنیم:

طول معمولی دوره هایی که شمعدان توصیف می کنند یک روز ، یک ساعت ، 30 دقیقه و 5 دقیقه است. به طور خاص ، با توجه به یک سری زمانی در یک دوره خاص ، یک شمعدان برای فاصله t توسط چهارگوش تعریف می شود

Taking the period to be a single day, this implies that C t - O t is the change in value over the day. For O t> C t this indicates a decrease in the value of the time series during the day, while C t>o t به معنای افزایش است. علاوه بر این ، C t - 7 - o تغییر ارزش در یک هفته معین است.

A visualization of how a single candlestick is constructed from the data in the intervening period is shown in Fig. Fig.2, 2 , following common practice we color the candlesticks red if O t> C t and green if C t>از نظر ، رنگ نشان می دهد که آیا قیمت در طول شمعدان افزایش یافته یا کاهش یافته است.

تصاویر ساخت شمعدان. شمعدان قرمز نشان دهنده کاهش ارزش در دوره مداخله است ، مشاهده کنید که قیمت باز بالاتر از قیمت نزدیک است. برعکس ، یک شمعدان سبز نشان دهنده افزایش ارزش است. نسبت شمعدان ها توسط مقادیر باز ، زیاد ، پایین و نزدیک در طی دوره تعیین می شود.

هر شمعدان از سه قسمت ، بدن واقعی و سایه های پایین و فوقانی آن تشکیل شده است. بدن واقعی در زمان t تفاوت بین مقادیر باز و مقدار بسته شدن است

این به عنوان مستطیل جامد مرکزی در تجسم شکل شکل 2 نشان داده شده است. 2سایه های پایین l t و سایه های فوقانی در زمان t توسط تعریف می شوند

اینها به عنوان خطوط نازک که در بالا و زیر بدن واقعی گسترش می یابد در تجسم شکل شکل 2 نشان داده شده است. 2توجه داشته باشید که در بعضی موارد سایه ها ممکن است از بین بروند ، به عنوان مثال برای o t = l t با c t

در زمینه بورس سهام ، معامله گران دارایی اغلب ممکن است از این شمعدان های گسسته برای تجسم داده ها استفاده کنند ، زیرا این نمایندگی اطلاعات قابل توجهی را نسبت به نمودارهای ساده تر قیمت سهام ارائه می دهد. معامله گران تعدادی از نشانه های بصری را بر اساس این نمایندگی شمعدان - که به عنوان الگوهای شمعدانی شناخته شده است - ایجاد کرده اند که تصور می شود حرکت قیمت دارایی های آینده را پیش بینی می کند ، همانطور که در ادامه بحث می کنیم.

الگوهای شمعدانی

الگوهای شمعدان به طور معمول شامل بزرگی نسبی مقادیر زیاد ، کم ، باز و نزدیک یک یا دو شمعدان متوالی است. استفاده گسترده از این الگوهای در جامعه تجارت وجود دارد ، با این عقیده که می توان از تنظیمات خاص شمعدان برای پیش بینی حرکات قیمت آینده استفاده کرد: 2:

اگر یک الگوی پیش بینی کند که یک صعود به یک رکود معکوس خواهد شد ، به آن الگوی معکوس نزولی گفته می شود.

در این کار ما تجزیه و تحلیل خود را بر روی سه الگوی معکوس نزولی (مشروبات الکلی نزولی ، انسان حلق آویز و ابر تاریک بر روی آن) و دو الگوی معکوس صعودی (مشروبات الکلی صعودی و چکش) متمرکز می کنیم. برای تعریف ریاضی از الگوهای شمعدانی ، از تعاریف ارائه شده در 7 استفاده کردیم ، از طریق محدودیت های مربوط به مقادیر و الزامات O T ، C T ، L T ، H T در یک روند از قبل موجود. این الگوهای به صورت گرافیکی در شکل ها نشان داده شده است. شکل 3 3 و 4 4 و سپس از نظر ریاضی در شکل شکل 5 5 تعریف شده است.