Algorithmusbasiertes Low-Frequency Trading mit einem Stochastischen Oszillator und William%R: Eine Fallstudie zu den US- und Koreanischen Indizes

Die Verwendung von stochastischen Methoden in der Aktienmarktanalyse ist allgemein anerkannt für die Indexschätzung und den ultra-hochfrequenten Handel. Allerdings sind frühere Studien, die die Indexschätzung mit tatsächlichem Trading verbinden, ohne Low-Frequency Trading anzuwenden, limitiert. Diese Studie wandte William%R auf die bestehende Forschung an und verwendete feste Parameter, um Rauschen aus den Stochastiken zu entfernen. Wir schlagen vor, zu den Akteuren des Aktienmarktes beizutragen, indem wir eine einfach anwendbare algorithmische Handelsmethodik für Privatanleger und Pensionsfondsinvestoren finden. Der Algorithmus konstruierte zwei Oszillatoren mit festen Parametern, um zu identifizieren, wann in den Index ein- und auszutreten und erzielte gute Ergebnisse im Vergleich zur Benchmark. Wir testeten zwei ETFs, SPY (S&P 500) und EWY (MSCI Korea), von 2010 bis 2022. Über den 12-jährigen Untersuchungszeitraum zeigte unser Modell, dass es die Benchmark indiziert übertreffen kann, mit einer hohen Trefferquote von über 80%, einem maximalen Rückgang im niedrigen einstelligen Bereich und einer Handelsfrequenz von 1,5 Trades pro Jahr. Die Ergebnisse unserer empirischen Forschung zeigen, dass diese Methodik den Prozess für Investoren vereinfacht, um Markt-Timing-Strategien effektiv in ihren Investitionsentscheidungen umzusetzen.