تحليل الانحدار واستراتيجيات التداول الكمي

تحليل الانحدار المتعدد. استراتيجية مولد واختبار في واحد.
المقدمة.
معرفة مني عند حضور دورة تداول العملات الأجنبية، تلقت مرة واحدة مهمة لتطوير نظام التداول. بعد أن واجهت مشكلة معه لمدة أسبوع تقريبا، قال إن هذه المهمة ربما كانت أكثر صعوبة من كتابة أطروحة. ثم اقترحت استخدام تحليل الانحدار المتعدد. ونتيجة لذلك، تمت الموافقة بنجاح على نظام تداول تم تطويره من نقطة الصفر بين عشية وضحاها من قبل الفاحص.
نجاح استخدام الانحدار المتعدد هو في القدرة على العثور بسرعة على العلاقات بين المؤشرات والسعر. وتتيح العلاقات المكتشفة التنبؤ بقيمة السعر استنادا إلى قيم المؤشرات بدرجة معينة من الاحتمالات. تسمح البرمجيات الإحصائية الحديثة لتصفية الآلاف من المعلمات في وقت واحد في محاولة للعثور على هذه العلاقات. ويمكن مقارنة هذا مع الذهب غربلة الصناعية من الحصى.
وسيتم تطوير استراتيجية جاهزة للاستخدام وكذلك مولد استراتيجية عن طريق تحميل بيانات المؤشر في تحليل الانحدار المتعدد وتطبيق التلاعب البيانات، على التوالي.
سوف توضح هذه المقالة عملية إنشاء استراتيجية التداول باستخدام تحليل الانحدار المتعدد.
1. تطوير روبأوترادر ​​- قطعة من كعكة!
كان العمود الفقري لنظام التداول الذي تم تطويره بين عشية وضحاها كما ذكر سابقا معادلة واحدة:
حيث إذا ريج & غ؛ 0، ثم نشتري، وإذا ريج & لوت؛ 0، نبيع.
وكانت المعادلة نتيجة لتحليل الانحدار المتعدد الذي استخدم عينة البيانات من المؤشرات القياسية. تم تطوير إي على أساس المعادلة. قطعة التعليمات البرمجية المسؤولة عن قرارات التداول تتألف تقريبا من 15 سطرا فقط. يتم إرفاق إي مع شفرة المصدر الكامل (R_check).
تم جمع عينة البيانات لتحليل الانحدار على اليورو مقابل الدولار الأميركي H1 على مدى شهرين من 1 يوليو 2011 إلى 31 أغسطس 2011.
ويبين الشكل 1 نتائج أداء منطقة العد خلال فترة البيانات التي تم تطويرها. ومن الغريب أن الربحية الفائقة، والتي غالبا ما تكون الحالة في المختبر، لم يلاحظ على بيانات التدريب. ويجب أن تكون علامة على عدم إعادة تفعيلها.
الشكل 1. أداء إي خلال فترة التدريب.
ويبين الشكل 2 نتائج أداء منطقة العد على بيانات الاختبار (من 1 سبتمبر إلى 1 نوفمبر 2011). ويبدو أن بيانات الشهرين كانت كافية لكي تبقى منطقة العد مربحة لشهرين آخرين. ومع ذلك، فإن الربح الذي حققته إي خلال فترة الاختبار كان هو نفسه على مدى فترة التدريب.
الشكل 2. أداء إي خلال فترة الاختبار.
وهكذا، واستنادا إلى تحليل الانحدار المتعدد وضعت إي بسيط إلى حد ما أرباحا تربو خارج بيانات التدريب. وبالتالي يمكن تطبيق تحليل الانحدار بنجاح عند بناء أنظمة التداول.
ومع ذلك، ينبغي عدم المبالغة في تقدير موارد تحليل الانحدار. وستعرض مزاياه وعيوبه أدناه.
2. تحليل الانحدار المتعدد.
والغرض العام من الانحدار المتعدد هو تحليل العلاقة بين عدة متغيرات مستقلة ومتغير تابع واحد. في حالتنا، هو تحليل العلاقة بين قيم المؤشرات وحركة السعر.
في أبسط أشكالها، قد تظهر هذه المعادلة على النحو التالي:
تغير السعر = a * رسي + b * ماسد + с.
ولا يمكن توليد معادلة الانحدار إلا إذا كان هناك ارتباط بين المتغيرات المستقلة والمتغير التابع. ولما كانت قيم المؤشرات مترابطة كقاعدة عامة، فإن المساهمة التي تقدمها المؤشرات للتنبؤ قد تختلف كثيرا إذا ما أضيف مؤشر أو أزيل من التحليل. يرجى ملاحظة أن معادلة الانحدار هو مجرد دليل على الاعتماد العددي وليس وصفا للعلاقات السببية. وتشير المعاملات (أ، ب) إلى مساهمة كل متغير مستقل في علاقته مع متغير تابع.
معادلة الانحدار تمثل الاعتماد المثالي بين المتغيرات. ولكن هذا مستحيل في الفوركس والتنبؤ سوف تختلف دائما عن الواقع. الفرق بين القيمة المتوقعة والمتوقعة يسمى بقايا. ويسمح تحليل المخلفات بتحديد جملة أمور منها التبعية اللاخطية بين المؤشر والسعر. في حالتنا، نفترض أن هناك فقط الاعتماد غير الخطية بين المؤشرات والسعر. ولحسن الحظ، فإن تحليل الانحدار لا يتأثر بالانحرافات الطفيفة عن الخطية.
لا يمكن إلا أن تستخدم لتحليل المعلمات الكمية. المعلمات النوعية التي ليس لها قيم انتقالية ليست مناسبة للتحليل.
حقيقة أن تحليل الانحدار يمكن معالجة أي عدد من المعلمات قد يؤدي إلى إغراء لتشمل في تحليل أكبر عدد ممكن منها. ولكن إذا كان عدد المعلمات المستقلة أكبر من عدد الملاحظات من تفاعلها مع المعلمة التابعة، هناك فرصة كبيرة للحصول على المعادلات المنتجة توقعات جيدة والتي تستند على أساس التقلبات العشوائية.
ويكون عدد المشاهدات أكبر من 10-20 مرة من عدد المعلمات المستقلة.
في حالتنا، يكون عدد المؤشرات الواردة في عينة البيانات أكبر من 10-20 مرة من عدد الصفقات في عينتنا. وعندئذ تعتبر المعادلة المتولدة موثوقة. العينة التي استندت إليها روبأوتريدر كما هو موضح في القسم 1 تم تطويره، و يحتوي على 33 معلما و 836 ملاحظة. ونتيجة لذلك، كان عدد المعلمات 25 مرة أكبر من عدد من الملاحظات. وهذا الشرط قاعدة عامة في الإحصاءات. وهي تنطبق أيضا على محسن اختبار استراتيجية ميتاتريدر 5.
وعلاوة على ذلك، كل قيمة معينة من المؤشر في محسن هو في الواقع معلمة منفصلة. وبعبارة أخرى، عند اختبار 10 قيم مؤشر، ونحن نتعامل مع 10 معلمات مستقلة التي يجب أن تؤخذ بعين الاعتبار من أجل تجنب إعادة التشغيل. يجب أن يتضمن تقرير المحسن معلمة أخرى: متوسط ​​عدد الصفقات / عدد القيم لجميع المعلمات المحسنة. إذا كانت قيمة المؤشر أقل من عشرة، فمن المحتمل أن تكون هناك حاجة لإعادة التشغيل.
وثمة شيء آخر ينبغي النظر فيه هو القيم المتطرفة. أحداث نادرة لكنها قوية (في حالة ارتفاع الأسعار) قد تضيف تبعيات كاذبة إلى المعادلة. على سبيل المثال، بعد الأخبار غير المتوقعة، استجاب السوق مع تحركات كبيرة استمرت لبضع ساعات. إن قيم المؤشرات الفنية لن تكون في هذه الحالة ذات أهمية تذكر في التوقعات بعد، لكنها ستعتبر ذات أهمية كبيرة في تحليل الانحدار حيث كان هناك تغير ملحوظ في الأسعار. ولذلك فمن المستحسن لتصفية بيانات العينة أو التحقق من ذلك عن القيم المتطرفة المحتملة.
3. إنشاء الاستراتيجية الخاصة بك.
لقد اقتربنا من الجزء الرئيسي حيث سنرى كيفية إنشاء معادلة الانحدار استنادا إلى البيانات الخاصة بك. إن تطبيق تحليل الانحدار يشبه تحليل التحليل التمييزي المبين سابقا. يتضمن تحليل الانحدار ما يلي:
إعداد البيانات للتحليل. اختيار أفضل المتغيرات من البيانات المعدة. الحصول على معادلة الانحدار.
تحليل الانحدار المتعدد هو جزء من العديد من منتجات البرمجيات المتقدمة المخصصة لتحليل البيانات الإحصائية. الأكثر شعبية هي ستاتيستيكا (بواسطة ستاتسوفت وشركة) و سبس (من قبل شركة عب). وسوف ننظر كذلك في تطبيق تحليل الانحدار باستخدام ستاتيستيكا 8.0.
3.1. إعداد بيانات التحليل.
نحن لتوليد معادلة الانحدار حيث يمكن التنبؤ سلوك السعر على شريط التالي استنادا إلى قيم مؤشر على شريط الحالي.
وسوف تستخدم نفس منطقة العد التي استخدمت لإعداد بيانات التحليل التمييزي لجمع البيانات. سوف نقوم بتوسيع وظائفها عن طريق إضافة وظيفة لحفظ قيم المؤشر مع فترات أخرى. وستستخدم مجموعة موسعة من البارامترات لتحسين الاستراتيجية استنادا إلى تحليل المؤشرات نفسها ولكن بفترات مختلفة.
لتحميل البيانات في ستاتيستيكا، يجب أن يكون لديك ملف كسف مع بنية التالية. يتم ترتيب المتغيرات في أعمدة حيث يتوافق كل عمود مع مؤشر معين. يجب أن تحتوي الصفوف على قياسات متتالية (حالات)، أي قيم مؤشرات بعض الحانات. وبعبارة أخرى، تحتوي رؤوس الجداول الأفقية على مؤشرات، وتحتوي رؤوس الجداول العمودية على أشرطة متتالية.
المؤشرات التي سيتم تحليلها هي:
يحتوي كل صف بيانات من ملفنا على:
التغييرات في السعر على شريط بين فتح وإغلاق. قيم المؤشرات التي لوحظت في الشريط السابق.
وبالتالي، فإننا سوف تولد معادلة تصف سلوك الأسعار في المستقبل على أساس القيم مؤشر معروف.
وبصرف النظر عن قيمة المؤشر المطلق، نحن بحاجة إلى حفظ الفرق بين القيم المطلقة والقيم السابقة من أجل رؤية اتجاه التغيير في المؤشرات. أسماء هذه المتغيرات في المثال المقدم سيكون لها البادئة 'د'. وبالنسبة لمؤشرات خط الإشارة، من الضروري حفظ الفرق بين الخط الرئيسي والإشارة وكذلك دينامياته. أسماء البيانات التي تم جمعها بواسطة مؤشرات مع فترات أخرى تنتهي ب 'p'.
ومن أجل إظهار التحسين، أضيفت فترة واحدة فقط، وهي ضعف طول الفترة القياسية للمؤشر. وبالإضافة إلى ذلك، وتوفير الوقت من شريط جديد وقيمة ساعة ذات الصلة. حفظ الفرق بين فتح وإغلاق للشريط حيث يتم احتساب المؤشرات. وسيلزم ذلك لتصفية القيم المتطرفة. ونتيجة لذلك، سيتم تحليل 33 معلما لتوليد معادلة انحدار متعددة. يتم تنفيذ جمع البيانات أعلاه في إي R_collection المرفقة بهذه المادة.
سيتم إنشاء الملف MasterData. CSV بعد بدء إي في terminal_data_directory / MQL5 / الملفات. عند بدء إي في المختبر، وسوف يكون موجودا في terminal_data_directory / تستر / إدجنت-127.0.0.1-3000 / MQL5 / الملفات. الملف كما تم الحصول عليها يمكن استخدامها في ستاتيستيكا.
مثال على هذا الملف يمكن العثور عليها في MasterDataR. CSV. تم جمع البيانات عن اليورو مقابل الدولار الأميركي H1 من 3 يناير 2011 إلى 11 نوفمبر 2011 باستخدام اختبار الاستراتيجية. تم استخدام بيانات أغسطس وسبتمبر فقط في التحليل. تم حفظ البيانات المتبقية في ملف لتتمكن من ممارسة.
من أجل فتح ملف. كسف في ستاتيستيكا، القيام على النحو التالي.
في ستاتيستيكا، انتقل إلى القائمة ملف & غ؛ افتح، حدد نوع الملف 'داتا فيليز' وافتح ملفك. CSV. اترك محددا في نافذة نوع ملف استيراد النص وانقر فوق موافق. تمكين العناصر التي تحتها خط في النافذة المفتوحة. ضع في اعتبارك وضع النقطة العشرية في حقل حرف فاصل عشري بغض النظر عما إذا كان هناك بالفعل أم لا.
الشكل 3. استيراد الملف إلى ستاتيستيكا.
انقر فوق موافق للحصول على الجدول الذي يحتوي على بياناتنا التي هي على استعداد لتحليل الانحدار المتعدد. مثال على الملف الذي تم الحصول عليه لاستخدام ستاتيستيكا يمكن العثور عليها في MasterDataR. STA.
3.2. التحديد التلقائي للمؤشرات.
تشغيل تحليل الانحدار (الاحصائيات - & غ؛ الانحدار المتعدد).
الشكل 4. تشغيل تحليل الانحدار.
في النافذة المفتوحة، انتقل إلى علامة التبويب خيارات متقدمة وتمكين العناصر المحددة. انقر على الزر المتغيرات.
حدد المتغير التابع في الحقل الأول والمتغيرات المستقلة التي تقوم على أساسها المعادلة - في الحقل الثاني. في حالتنا، حدد المعلمة السعر في الحقل الأول والسعر 2 إلى دوبر - في الحقل الثاني.
الشكل 5. التحضير لاختيار المعلمات.
انقر فوق الزر تحديد الحالات (الشكل 5).
سيتم فتح نافذة لاختيار الحالات (صفوف البيانات) التي سيتم استخدامها في التحليل. تمكين العناصر كما هو مبين في الشكل 6.
الشكل 6. اختيار الحالات.
تحديد البيانات المتعلقة يوليو وأغسطس التي سيتم استخدامها في التحليل. هذه هي الحالات من 3590 إلى 4664. يتم تعيين عدد الحالات عبر المتغير V0. من أجل تجنب تأثير القيم المتطرفة وارتفاع الأسعار، إضافة تصفية البيانات حسب السعر.
تضمين في التحليل فقط قيم المؤشرات التي لا يزيد الفرق بين فتح و إغلاق على الشريط الأخير أكثر من 250 نقطة. من خلال تحديد هنا قواعد لاختيار الحالات للتحليل، قمنا بتعيين عينة بيانات لتوليد المعادلة الانحدار. انقر فوق موافق هنا وفي إطار للتحضير لاختيار المعلمات (الشكل 5).
سيتم فتح نافذة مع خيارات من أساليب اختيار البيانات التلقائي. حدد طريقة الأمام إلى الأمام (الشكل 7).
الشكل 7. اختيار الطريقة.
انقر فوق موافق. وستفتح نافذة تخبرك بأن تحليل الانحدار قد اكتمل بنجاح.
الشكل 8. نافذة نتائج تحليل الانحدار.
التحديد التلقائي للمعلمات يتعلق فقط تلك التي تساهم ماديا في الارتباط المتعدد بين المعلمات (المتغيرات المستقلة) والمتغير التابع. في حالتنا، سيتم اختيار مجموعة من المؤشرات، وأفضل الأسعار تحديد. في الواقع، يعمل الاختيار التلقائي كمولد للاستراتيجية. سوف تتكون المعادلة الناتجة فقط من المؤشرات التي يمكن الاعتماد عليها وأفضل وصف سلوك السعر.
ويحتوي الجزء العلوي من نافذة النتائج (الشكل 8) على خصائص إحصائية للمعادلة المولدة بينما ترد المعلمات المدرجة في المعادلة في الأسفل. يرجى الانتباه إلى الخصائص تحت خط. متعددة R هي قيمة الارتباط المتعدد بين السعر والمؤشرات المدرجة في المعادلة. "p" هو مستوى الدلالة الإحصائية لهذا الارتباط.
ويعتبر مستوى أقل من 0.05 ذو دلالة إحصائية. "عدد الحالات" هو عدد الحالات المستخدمة في التحليل. يتم عرض المؤشرات التي مساهمة ذات دلالة إحصائية باللون الأحمر. من الناحية المثالية، يجب وضع علامة على جميع المؤشرات باللون الأحمر.
القواعد المستخدمة في الإحصاء لإدراج المعلمات في التحليل ليست دائما الأمثل. على سبيل المثال، قد يتم تضمين عدد كبير من المعلمات غير الهامة في معادلة الانحدار. ولذلك يجب علينا استخدام إبداعنا ومساعدة البرنامج في اختيار المعلمات.
إذا كانت القائمة تحتوي على معلمات غير هامة، انقر فوق ملخص: نتائج الانحدار.
سيتم فتح نافذة عرض البيانات على كل مؤشر (الشكل 9).
الشكل 9. تقرير عن المعلمات المدرجة في معادلة الانحدار.
العثور على معلمة غير هامة مع أعلى مستوى p وتذكر اسمها. العودة إلى الخطوة حيث تم تضمين المعلمات في التحليل (الشكل 7) وإزالة هذه المعلمة من قائمة المعلمات المحددة للتحليل.
للعودة، انقر فوق إلغاء في نافذة نتائج التحليل وكرر التحليل. حاول استبعاد جميع المعلمات غير المهمة بهذه الطريقة. عند القيام بذلك، ابحث عن قيمة الارتباط متعددة الحصول عليها (متعددة R) لأنه لا ينبغي أن يكون أقل بكثير من القيمة الأولية. يمكن إزالة المعلمات غير الهامة من التحليل واحدا تلو الآخر أو كل في وقت واحد، والخيار الأول هو أكثر من المستحسن.
ونتيجة لذلك، يتضمن الجدول الآن المعلمات الهامة فقط (الشكل 10). وانخفضت قيمة الارتباط بنسبة 20٪ والتي ربما يرجع ذلك إلى الصدامات العشوائية. ومن المعروف أن سلسلة العددية طويلة بلا حدود لديها عدد لا حصر له من الصدامات العشوائية.
وبما أن عينات البيانات التي نقوم بمعالجتها كبيرة جدا، فإن الصدامات العشوائية والعلاقات العشوائية غالبا ما تكون هي الحالة. ولذلك فمن المهم استخدام المعلمات ذات دلالة إحصائية في الاستراتيجيات الخاصة بك.
الشكل 10. وتشمل المعادلة المعلمات الهامة فقط.
إذا بعد اختيار المعلمات، لا يمكن تشكيل مجموعة من عدة مؤشرات ترتبط بشكل كبير مع السعر، ومن المرجح أن تحتوي على معلومات قليلة عن الأحداث الماضية. يجب أن تكون الصفقات القائمة على أي تحليل تقني في مثل هذه الحالات حكيمة جدا أو حتى معلقة تماما.
وفي حالتنا، أثبتت خمسة فقط من أصل 33 معلما أن تكون فعالة في وضع استراتيجية على أساس معادلة الانحدار. هذه النوعية من تحليل الانحدار هي ذات فائدة كبيرة عند اختيار مؤشرات لاستراتيجيات الخاصة بك.
3.3. معادلة الانحدار وتحليلها.
لذلك قمنا بتشغيل تحليل الانحدار وحصلنا على قائمة المؤشرات "الصحيحة". دعونا الآن تحويل كل ذلك إلى معادلة الانحدار. وترد معاملات المعادلة لكل مؤشر في العمود باء لنتائج تحليل الانحدار (الشكل 10). المعامل إنتيرسيبت في نفس الجدول هو عضو مستقل في المعادلة ويتم تضمينه فيه كمعامل مستقل.
دعونا نولد معادلة على أساس الجدول (الشكل 10)، مع الأخذ معاملات من العمود باء.
السعر = 22.7 + 205.2 * دديماركر - 41686.2 * داك - 139.3 * ديماركر + 22468.8 * الثيران - 14619.5 * الدببة.
وهذه المعادلة موضحة سابقا في القسم 1 كقاعدة MQL5 جنبا إلى جنب مع نتائج الأداء التي تم الحصول عليها من المختبر في منطقة العد التي تم تطويرها على أساس هذه المعادلة. كما يمكن أن يرى، كان تحليل الانحدار كافية عند استخدامها كمختبر استراتيجية. وأدى التحليل إلى وضع استراتيجية معينة واختيار مؤشرات ذات صلة من القائمة المقترحة.
في حال كنت ترغب في مزيد من تحليل استقرار المعادلة، يجب عليك التحقق من:
القيم المتطرفة في المعادلة. • طبيعة توزيع البقايا؛ تأثير غير الخطية التي تنتجها المعلمات الفردية داخل المعادلة.
ويمكن إجراء هذه الشيكات باستخدام التحليل المتبقي. للمضي قدما في التحليل، انقر فوق موافق في نافذة النتائج (الشكل 8). بعد تنفيذ الشيكات المذكورة أعلاه فيما يتعلق بالمعادلة ولدت، سترى أن المعادلة لا يبدو أن تكون حساسة لعدد قليل من القيم المتطرفة، والانحراف صغير من التوزيع الطبيعي للبيانات وعدم خطية معينة من المعلمات.
إذا كان هناك عدم خطية كبير من العلاقة، يمكن أن تكون معلمة الخطية. لهذا الغرض، ستاتيستيكا يقدم تحليل الانحدار الثابت غير الخطية. لبدء التحليل، انتقل إلى القائمة: إحصائيات - & غ؛ المتقدم الخطي / نماذج غير الخطية - & غ؛ ثابت الانحدار غير الخطية. وبصفة عامة، أثبتت الشيكات التي أجريت أن تحليل الانحدار المتعدد غير حساس لمقدار معتدل من الضوضاء في البيانات التي تم تحليلها.
4. تحليل الانحدار باعتباره محسن الاستراتيجية.
وبما أن تحليل الانحدار قادر على معالجة آلاف المعلمات، فإنه يمكن استخدامه لتحسين الاستراتيجيات. وبالتالي، إذا كانت هناك حاجة إلى معالجة 50 فترة لمؤشر، يمكن حفظها كمعلمات فردية 50 وإرسالها إلى تحليل الانحدار، في كل مرة. جدول في ستاتيستيكا يمكن أن تناسب 65536 المعلمات. عند معالجة 50 فترات لكل مؤشر، يمكن تحليل حوالي 1300 المؤشرات! وهو أبعد بكثير من قدرات اختبار ميتاتريدر 5 القياسية.
دعونا تحسين البيانات المستخدمة في مثالنا بنفس الطريقة. وكما ذكر في القسم 4-1 أعلاه، من أجل إظهار التحسين، أضيفت قيم المؤشر مع فترة ضعف طول المعيار القياسي إلى البيانات. تنتهي أسماء هذه المعلمات في ملفات البيانات ب '_p'. عينة لدينا الآن يحتوي على 60 المعلمات بما في ذلك مؤشرات الفترة القياسية. بعد الخطوات المبينة في القسم 3.2، سوف نحصل على جدول كما يلي (الشكل 11).
الشكل 11. نتائج تحليل المؤشرات بفترات مختلفة.
وقد تضمنت معادلة الانحدار 11 معلما: ستة من مؤشرات الفترة القياسية وخمسة من مؤشرات الفترة الممتدة. ارتفع ارتباط المعلمات مع السعر بمقدار ربع. ويبدو أن معلمات مؤشر الماكد لكلتا الفترتين قد أدرجت في المعادلة.
وبما أن قيم نفس المؤشر لفترات مختلفة تعامل كمعلمات مختلفة في تحليل الانحدار، يمكن أن تشتمل المعادلة على قيم المؤشرات وتدمجها لفترات مختلفة. مثلا قد يكتشف التحليل أن مؤشر القوة النسبية (7) يرتبط مع زيادة السعر وقيمة رسي (14) ترتبط مع انخفاض السعر. التحليل من قبل اختبار القياسية ليست أبدا مفصلة جدا.
ومعادلة الانحدار التي تم توليدها على أساس التحليل الموسع (الشكل 11) هي كما يلي:
السعر = 297 + 173 * دديماركر - 65103 * داك - 177 * ديماركر + 28553 * Bulls_p - 24808 * أو - 1057032 * dMACDms_p + 2.41 * WPR_p - 2.44 * Stoch_m_p + 125536 * ماكدز + 18.65 * dRSI_p - 0.768 * دتشي.
دعونا نرى النتائج هذه المعادلة سوف تسفر في منطقة العد. ويبين الشكل 12 نتائج اختبار منطقة العد باستخدام البيانات من 1 يوليو إلى 1 سبتمبر 2011 التي تم تطبيقها في تحليل الانحدار. وقد حصلت على الرسم البياني أكثر سلاسة و إي أسفرت عن المزيد من الأرباح.
الشكل 12. أداء منطقة العد خلال فترة التدريب.
دعونا اختبار إي على مدى فترة الاختبار من 1 سبتمبر إلى 1 نوفمبر 2011. أصبح مخطط الربح أسوأ مما كان عليه في حالة إي مع مؤشرات الفترة القياسية فقط. قد تحتاج المعادلة التي تم إنشاؤها إلى التحقق من طبيعتها وعدم خطية المؤشرات الداخلية.
وبما أنه لوحظ عدم الإنحياز في مؤشرات الفترة القياسية، فقد يصبح من الأهمية بمكان على مدى الفترة الممتدة. في هذه الحالة، يمكن تحسين أداء المعادلة عن طريق خطي المعلمات. وفي كلتا الحالتين، لم يكن التقييم البيئي انهيارا كاملا خلال فترة الاختبار، ببساطة لم يحقق الربح. هذا يؤهل استراتيجية المتقدمة كما مستقرة تماما.
الشكل 13. أداء منطقة العد خلال فترة الاختبار.
وتجدر الإشارة إلى أن MQL5 يدعم إخراج المعلمات فقط 64 في سطر واحد من ملف. وسوف يتطلب تحليل واسع النطاق للمؤشرات على مدى فترات مختلفة دمج جداول البيانات التي يمكن القيام بها في ستاتيستيكا أو مس إكسيل.
استنتاج.
وقد أظهرت دراسة صغيرة قدمت في المقالة أن تحليل الانحدار يوفر فرصة للاختيار من بين مجموعة متنوعة من المؤشرات أهمها من حيث التنبؤ بالأسعار. وقد أثبتت أيضا أن تحليل الانحدار يمكن استخدامها للبحث عن فترات المؤشرات التي هي الأمثل ضمن عينة معينة.
وتجدر الإشارة إلى أن معادلات الانحدار تتحول بسهولة إلى لغة MQL5 وتطبيقها لا يتطلب كفاءة عالية في البرمجة. وهكذا، يمكن استخدام تحليل الانحدار المتعدد في تطوير استراتيجية التداول. ومع ذلك، يمكن أن تكون معادلة الانحدار بمثابة العمود الفقري لاستراتيجية التداول.
ترجمة من الروسية من قبل شركة ميتاكوتس سوفتوار Corp.

الانحدار الخطي من الوقت والسعر.
وقد طبق المحللون الفنيون والكميون مبادئ إحصائية على السوق المالي منذ إنشائه. كانت بعض المحاولات ناجحة جدا في حين أن البعض لم يكن سوى شيء. والمفتاح هو إيجاد وسيلة لتحديد الاتجاهات السعرية دون قابلية الانحراف والتحيز للعقل البشري. أحد النهج التي يمكن أن تكون ناجحة للمستثمرين، وتتوفر في معظم أدوات الرسم البياني هو الانحدار الخطي.
يحلل الانحدار الخطي متغيرين منفصلين من أجل تحديد علاقة واحدة. في تحليل الرسم البياني، وهذا يشير إلى متغيرات الأسعار والوقت. ويعترف المستثمرون والتجار الذين يستخدمون الرسوم البيانية بالصعود والهبوط في السعر المطبوع أفقيا من يوم إلى يوم، دقيقة إلى دقيقة أو أسبوع إلى أسبوع، اعتمادا على الإطار الزمني تقييمها. النهج المختلفة للسوق هي ما يجعل تحليل الانحدار الخطي جذابا جدا. (مزيد من المعلومات حول التحليل الكمي في التحليل الكمي لصناديق التحوط.)
وقد استخدم الإحصائيون طريقة منحنى الجرس، المعروف أيضا باسم التوزيع الطبيعي، لتقييم مجموعة معينة من نقاط البيانات. الشكل 1 هو مثال على منحنى الجرس، الذي يدل عليه الخط الأزرق الداكن. ويمثل منحنى الجرس شكل مختلف حالات نقاط البيانات. الجزء الأكبر من النقاط عادة ما يحدث نحو منتصف منحنى الجرس، ولكن مع مرور الوقت، والنقاط ضالة أو تحيد عن السكان. وغالبا ما تكون النقاط غير العادية أو النادرة خارج نطاق السكان "العاديين".
الشكل 1: منحنى الجرس، التوزيع الطبيعي.
كنقطة مرجعية، من الشائع متوسط ​​القيم لإنشاء درجة متوسطة. ولا يمثل المتوسط ​​بالضرورة وسط البيانات، ويمثل بدلا من ذلك متوسط ​​النقاط بما في ذلك جميع نقاط البيانات البعيدة. وبعد تحديد المتوسط، يحدد المحللون عدد المرات التي ينحرف فيها السعر عن المتوسط. الانحراف المعياري إلى جانب واحد من المتوسط ​​هو عادة 34٪ من البيانات، أو 68٪ من نقاط البيانات إذا نظرنا إلى واحد إيجابي وانحراف معياري واحد سلبي، وهو ما يمثله قسم السهم البرتقالي. اثنين من الانحرافات المعيارية تشمل ما يقرب من 95٪ من نقاط البيانات وأقسام البرتقال والوردي تضاف معا. تحدث حالات نادرة جدا، ممثلة بالسهم الأرجواني، في ذيول منحنى الجرس. لأن أي نقطة البيانات التي تظهر خارج اثنين من الانحرافات المعيارية نادرة جدا، وغالبا ما يفترض أن نقاط البيانات سوف تتحرك مرة أخرى نحو المتوسط ​​أو التراجع. (لمزيد من القراءة، انظر الحافظة الحديثة الإحصاءات نظرية التمهيدي.)
سعر السهم كمجموعة بيانات.
تخيل لو أخذنا منحنى الجرس، انقلبت على جانبها وتطبيقه على مخطط الأسهم. وهذا من شأنه أن يسمح لنا أن نرى عندما يكون الأمن مبالغا فيه أو مبالغة في البيع وعلى استعداد للعودة إلى المتوسط. في الشكل 2، تتم إضافة دراسة الانحدار الخطي إلى الرسم البياني، مما يعطي المستثمرين القناة الخارجية الزرقاء وخط الانحدار الخطي من خلال منتصف نقاط السعر لدينا. وتظهر هذه القناة للمستثمرين اتجاه السعر الحالي وتوفر قيمة متوسطة. باستخدام الانحدار الخطي المتغير، يمكننا تعيين قناة ضيقة عند انحراف معياري واحد، أو 68٪، لإنشاء قنوات خضراء. في حين لا يوجد منحنى جرس، يمكننا أن نرى أن هذا السعر يعكس الانقسامات منحنى الجرس، كما هو مبين في الشكل 1.
الشكل 2: توضيح تداول متوسط ​​العائد باستخدام أربع نقاط.
تداول انعكاس المتوسط.
ويوفر الرقم 2 نقطة وقف الخسارة في حالة استمرار تأثير القيم المتطرفة سلبا على السعر. تحديد أمر وقف الخسارة يحدد بسهولة مبلغ المخاطر التجارية.
وسيتم تعيين هدفين السعر في NO.3 و No.4 للخروج المربحة. كان أول توقع لدينا مع التجارة العودة إلى خط الوسط، وفي الشكل 2، فإن الخطة هي الخروج من نصف الموقف بالقرب من 26.50 $ أو القيمة المتوسطة الحالية. الهدف الثاني يعمل تحت افتراض اتجاه مستمر، لذلك سيتم تعيين هدف آخر في الطرف الآخر من القناة لخط الانحراف المعياري الآخر، أو 31.50 $. تحدد هذه الطريقة المكافأة المحتملة للمستثمر.
الشكل 3: تعبئة السعر المتوسط.
مع مرور الوقت، سوف يتحرك السعر صعودا وهبوطا، وسوف تشهد قناة الانحدار الخطي تغييرات مع انخفاض الأسعار القديمة وظهور أسعار جديدة. ومع ذلك، يجب أن تظل األهداف واملواقف كما هي حتى يملأ هدف السعر املتوسط) انظر الشكل 3 (. عند هذه النقطة، تم تأمين الربح، ويجب أن يتم نقل وقف الخسارة إلى سعر الدخول الأصلي. على افتراض أنها سوق فعالة وسائلة، والباقي من التجارة يجب أن يكون من دون مخاطر. (مزيد من المعلومات في العمل من خلال فرضية السوق الفعالة.)
الشكل 4: تعبئة السعر المتوسط.
تذكر، الأمن لا يجب أن تغلق بسعر معين لطلبك لملء؛ فإنه يحتاج فقط للوصول إلى السعر اللحظي. قد تكون قد ملأت على الهدف الثاني خلال أي من المناطق الثلاثة في الشكل 4.
الفنيين وكبار التجار غالبا ما تعمل نظام واحد لأمن معين أو الأسهم وتجد أن نفس المعلمات لن تعمل على الأوراق المالية الأخرى أو الأسهم. جمال الانحدار الخطي هو أن سعر الأمن والفترة الزمنية تحدد معلمات النظام. استخدام هذه الأدوات والقواعد المحددة في هذه المقالة على مختلف الأوراق المالية والأطر الزمنية، وسوف يفاجأ في طبيعتها العالمية. (لمزيد من القراءة، انظر تحسين محفظتك مع ألفا وبيتا وأسلوب الأمور في النمذجة المالية.)

برنامج الماجستير في الرياضيات المالية.
هذه نسخة مؤرشفة من كتالوج 2012-13. للوصول إلى أحدث إصدار من الكتالوج، يرجى زيارة catalogs. uchicago. edu.
قسم الرياضيات يقدم ماجستير ماجستير في العلوم المالية في درجة الماجستير. تم تصميم برنامج الرياضيات المالية لإنتاج الخريجين مع فهم جيد للخلفية النظرية لنماذج التسعير للمشتقات المالية، ولكن الأهم من ذلك فهم حقيقي للافتراضات الكامنة والقدرة على التأكد بشكل نقدي من إمكانية تطبيق وحدود مختلف النماذج. وسيتم تدريس جزء كبير من البرنامج من قبل المهنيين من القطاع المالي، وسوف تكرس لدراسة كيفية سلوك النماذج في الممارسة العملية في ظل مجموعة متنوعة من ظروف السوق، لدراسة مدى واقعية الافتراضات الأساسية وفهم ما يحدث عندما تكون هذه الافتراضات هي انتهكت. سوف یتعلم الطلاب استخدام النماذج لإعداد التحوط وتقییم فعالیة ھذه التحوطات من خلال محاکاة ظروف السوق المختلفة.
ويتكون البرنامج من أربعة عناصر: الرياضيات، نظرية الاحتمالات والاقتصاد، والتطبيقات المالية والمحاكاة.
ويمتد عنصر الرياضيات أكثر من ثلاثة أرباع، نظرية الاحتمالات تدير أكثر من ربعين والاقتصاد أكثر من ربع. التطبيقات المالية والمحاكاة هي مكون من ثلاثة أرباع. دورات في كل مكون يجتمع لمدة ثلاث ساعات في الأسبوع لمدة ما مجموعه تسع ساعات من التعليم في الأسبوع. سيتم تدريس نظرية الرياضيات والاحتمالات من قبل أعضاء هيئة التدريس من أقسام الرياضيات والإحصاء، على التوالي. وسيتم تدريس دورة الاقتصاد من قبل عضو هيئة التدريس من قسم الاقتصاد. وسيتم تدريس دورات التطبيقات المالية من قبل المهنيين من المؤسسات المالية، وسوف تشمل أيضا مختبر الحاسوب.
وقد تم إعداد محتويات ومناهج البرنامج بشكل مشترك من قبل أعضاء هيئة التدريس في الجامعة والممارسين في هذا المجال لضمان أهمية المواد. ويعتمد تدريس البرنامج اعتمادا كبيرا على استخدام المحاكاة الحاسوبية لتوضيح المادة. كل هذا يجعل من الممكن لتغطية المزيد من المواد ويعلم الطلاب لتنفيذ نظرية في كل مرحلة.
يتم ترخيص حزم البرامج المختلفة للبرنامج وسيتم توفيرها مجانا للعمل الدورة. وسوف تكون مواد الدورات والمهام متوفرة وتقدم على الخط.
البرنامج لديه ثلاثة متطلبات ربع دورة للحصول على درجة الماجستير في العلوم. ويتمحور البرنامج للسماح للالتحاق بدوام جزئي لإكمال البرنامج على مدى سنتين أو ثلاث سنوات. وسيتم تدريس الدورات في المساء في الحرم الجامعي الرئيسي للجامعة الواقعة في هايد بارك.
متطلبات القبول للبرنامج هي خلفية جامعية الجامعية في الرياضيات، من الناحية المثالية تخصص في الرياضيات أو العلوم / الهندسة، مع بعض الخلفية أيضا في نظرية الاحتمالات. بعض الخبرة في البرمجة C / C ++ ستكون مفيدة أيضا. سيتم النظر في الأشخاص ذوي الخبرة العملية في القطاع المالي ولكن مع أقل من خلفية رياضية ولكن قد تكون هناك حاجة لاكتساب مهارات إضافية في الرياضيات.
فيما يلي الدورات المطلوبة للتخرج:
قد تتغير هذه الدورات و / أو تنقح كل عام. بالإضافة إلى ذلك، أولئك الذين لا يجتازون امتحان وضع البرمجة الحاسوبية مطلوبة لاتخاذ وتمرير تسلسل الحوسبة المالية.
الرياضيات - دورات الرياضيات المالية.
FINM & # 160؛ 32000. الطرق العددية. 100 وحدة.
تطبيق نظرية أدخلت في فينم 33000، وهذا بالطبع يأخذ نهج العددي / الحسابية لتسعير والتحوط من المشتقات المالية. وتشمل المواضيع: الأشجار كما تقريب نشر؛ طرق الفرق المحددة للحل بدي. أساليب مونت كارلو للمحاكاة. أساليب تحويل فورييه للتسعير.
المدرب: روجر لي & # 160؛ & # 160؛ & # 160؛ & # 160؛ & # 160؛ البنود المعروضة: الربيع.
FINM & # 160؛ 32200. الحوسبة المالية 1. 050 وحدة.
As the first course in a three-part series, no previous programming knowledge is assumed. In Computing for Finance I, we will introduce the syntax and semantics of C++ and basics of OO programming. As part of the course work, students will develop an OO option pricer using the Monte Carlo technique. Classes are taught using a combination of lectures and in class hands-on lab sessions.
Instructor(s): Chanaka Liyanaarachchi     Terms Offered: Fall.
FINM 32300. Computing for Finance 2. 050 Units.
We will discuss new programming techniques, including more OO features and Templates in C++. We will also examine the use of the Standard Library in C++. Students will extend the option pricer to use Tree methods. Classes are taught using a combination of lectures and in class hands-on lab sessions.
Instructor(s): Chanaka Liyanaarachchi     Terms Offered: Winter.
FINM 32400. Computing for Finance 3. 050 Units.
We will discuss topics relevant to implementing a basic electronic trading system using programming techniques covered in Part 1 and Part 2 of this course series. Topics discussed include the implementation of a trading algorithm, handling the connectivity to an exchange/brokerage house and issues related to performance. Different design choices and tradeoffs between those different choices; concurrent and parallel programming will be discussed within the context of this project. Classes are taught using a combination of lectures and in class hands-on lab sessions.
Instructor(s): Chanaka Liyanaarachchi     Terms Offered: Spring.
FINM 33000. Mathematical Foundations of Option Pricing. 100 Units.
Introduction to the theory of arbitrage-free pricing and hedging of financial derivatives. Topics include: Arbitrage; Fundamental theorems of asset pricing; Binomial and other discrete models; Black - Scholes and other continuous-time Gaussian models in one-dimensional and multidimensional settings; PDE and martingale methods; Change of numeraire .
Instructor(s): Roger Lee     Terms Offered: Autumn.
FINM 33150. Regression Analysis & استراتيجيات التداول الكمية. 100 Units.
The course covers Linear and Non-linear Regression methods for estimating parameters of models. We will cover topics like Method of Moments, Generalized Linear Regression, Gauss-Newton Regression, Instruments, Generalized method of Moments. These methods will be used to develop factor models for securities returns.
Instructor(s): Brian Boonstra     Terms Offered: Winter.
FINM 33170. Statistics of High-Frequency Financial Data. 100 Units.
This course is an introduction to the econometric analysis of high-frequency financial data. This is where the stochastic models of quantitative finance meet the reality of how the process really evolves. The course is focused on the statistical theory of how to connect the two, but there will also be some data analysis. With some additional statistical background (which can be acquired after the course), the participants will be able to read articles in the area. The statistical theory is longitudinal, and it thus complements cross-sectional calibration methods (implied volatility, etc.). The course also discusses volatility clustering and market microstructure.
Terms Offered: Spring.
Prerequisite(s): STAT 39000/FINM 34500, also some statistics/econometrics background as in STAT 24400–24500, or FINM 33150 and FINM 33400, or equivalent, or consent of instructor.
Equivalent Course(s): STAT 33970.
FINM 33400. Statistical Risk Management. 100 Units.
The course starts at a rather introductory level, but the progress is swift. It covers a brief survey of basic probability theory, and provides an introduction to some useful statistical distributions, both univariate and multivariate. A discussion of copulas and various correlation measures. Risk measures and ideas behind a reasonable risk measure. A few elements from Monte Carlo simulation. Statistical estimation, the maximum likelihood method and nonparametric methods. Asymptotic properties of estimators. Goodness of fit tests and model selection. Extreme value theory.
Instructor(s): Jostein Paulsen     Terms Offered: Autumn.
FINM 33602. Advanced Fixed Income Derivatives. 100 Units.
The course will focus on additional chapters of fixed income derivatives that could not be included in the basic Fixed Income Derivatives, Part I and II courses. The topics include term curve bootstrapping and smoothing; in-depth derivation of the HJM framework; Black's model and forward measure; the statistical model and HJM; market models calibration; volatility skew adjustments for interest rate models; CVA counterparty risk; risk management with the statistical model; numerical methods for Hull-White model: trinomial trees, Monte Carlo and finite difference methods.
Instructor(s): Yuri Balasanov     Terms Offered: Winter.
Prerequisite(s): students will be required to have a solid understanding of the material covered in Fixed Income Derivatives, Part I (33603) and Mathematical Foundations of Option Pricing (33000). Students who wish to take the course must also complete and pass a placement exam.
FINM 33603. Fixed Income Derivatives 1. 050 Units.
This is part one of a two-part course on Fixed Income Derivatives. The topics will include an introduction to fixed income markets, a detailed review of fixed income derivative instruments, and a general approach to bootstrapping the LIBOR term curve from available market quotes. We also discuss the application of the Black - Scholes - Merton model to pricing European swaptions and caps/floors. Students will study a statistical approach to building a foundation for the Heath-Jarrow-Morton framework of interest rate models, covered in the second part of the course.
Instructor(s): Yuri Balasanov, Lida Doloc, Jeffrey Greco     Terms Offered: Autumn.
FINM 33604. Fixed Income Derivatives 2. 050 Units.
This is part two of a two-part course on Fixed Income Derivatives. The topics covered will include a derivation of the Heath-Jarrow-Morton family of models using methods of arbitrage pricing theory and an in-depth case study of the Hull-White interest rate model (an HJM model). Additionally, students will learn about the role of forward measure in pricing fixed income derivatives and LIBOR market models.
Instructor(s): Yuri Balasanov, Lida Doloc, Jeffrey Greco     Terms Offered: Winter.
Prerequisite(s): Fixed Income Derivatives, Part I. Students should be prepared for the extensive use of Stochastic Calculus.
FINM 34500. Stochastic Calculus. 100 Units.
The course starts with a quick introduction to martingales in discrete time, and then Brownian motion and the Ito integral are defined carefully. The main tools of stochastic calculus (Ito's formula, Feynman - Kac formula, Girsanov theorem, etc.) are developed. The treatment includes discussions of simulation and the relationship with partial differential equations. Some applications are given to option pricing, but much more on this is done in other courses. The course ends with an introduction to jump process (Levy processes) and the corresponding integration theory.
Instructor(s): Greg Lawler     Terms Offered: Winter.
Equivalent Course(s): STAT 39000.
FINM 35000. Topics in Economics. 100 Units.
This course explores the economics of asset pricing. Going beyond no-arbitrage valuation, students learn how asset prices can be linked to economic fundamentals. As the recent recession and financial crisis show, there are important links between financial markets and the real economy. This course gives students a systematic way for understanding these links. Several important areas and puzzles of financial economics are presented. Topics in equity pricing include return-predictability, excess volatility, and factor-models. In fixed income, the course covers the empirical evidence of the term structure and how it compares to the Expectations Hypothesis, as well as how these facts fit with classes of common term-structures models. In international finance, the course covers the carry trade, the home-equity bias, and the currency trilemma.
Instructor(s): Mark Hendricks     Terms Offered: Spring.
FINM 36700. Portfolio Theory and Risk Management 1. 050 Units.
The course introduces investment analysis, allocation, risk control. The course begins with classic topics such as mean-variance analysis, priced and un-priced risk, hedging, and the efficient frontier of investment opportunities. Factor models are used to understand the relation between risk and expected return. Examples covered in the course include the CAPM, Black-Litterman, and principal component factors. Finally, the course discusses modern risk control, including risks from interest-rates, liquidity, and credit. Value-at-risk, and expected shortfall are discussed.
Instructor(s): Mark Hendricks     Terms Offered: Autumn.
FINM 36702. Portfolio Theory and Risk Management 2. 050 Units.
This course combines a technical topic with an analysis of situations that produce outsized losses. Students gain familiarity with the credit portfolio loss models that are used to limit trading, allocate costs, and determine required bank capital. They also review the interplay between the technical and human factors that has led to prominent risk control failures. Unique in the Financial Math program, students make in-class presentations that detail the optimal responses of various market participants to unexpected circumstances.
FINM 37300. Foreign Exchange/Fixed Income Derivatives. 050 Units.
This course will examine international currency markets, financial products, applications of quantitative models and FX risk management with an emphasis on the derivative products and quantitative methods in common use today. Topics will include a) the behavior of FX rates: exchange rate regimes, international monetary systems, FX modeling and forecasting, b) FX markets and products: spot, forward, futures, deposits, cross-currency swaps, non-deliverable contracts, FX options, exotic options, hybrid products and structured notes, and c) Risk management: from the trading book, trading institution, global asset manager and multinational corporation perspectives.
Instructor(s): Tony Capozzoli     Terms Offered: Winter.
FINM 37400. Advanced Option Pricing. 050 Units.
This course covers several areas oriented towards pricing and application of various non-standard derivative securities, structured notes and credit derivatives. In addition, fixed income applications such as option adjusted analysis and hedging applications are covered. The course includes live Reuters Eikon and Bloomberg screens.
Instructor(s): Jack Mosevich, Izzy Nelken     Terms Offered: Spring.

Regression analysis and quantitative trading strategies

ودي كريك، كولورادو، يونيو 2016.
& # 8220؛ & # 8230؛ الصورة الحجرية التي تحولت إلى الجدار & # 8230؛ & # 8221؛
غلاف عادي هنا.
دابليو دابليو نورتون & # 8217؛ ق نسخة ورقي من العظام الجافة في الوادي متاح في الولايات المتحدة اعتبارا من 6 أبريل 2015. وسوف تناسب في جيب كبير ومناسبة للسفر والقراءة والحشرات سواتينغ، وغيرها من الاستخدامات. يمكن العثور على روابط لتجار التجزئة على صفحة الكتاب.
في شركة جيدة.
في نهاية الأسبوع الماضي حضرت لجوائز لوس انجليس تايمز كتاب والمهرجان. وبحلول يوم، كانت أشجار جاكاراندا في ازهر؛ I & # 8217؛ لم تشاهد أبدا الأشجار التي الأرجواني قبل. ليلة السبت، وسوف تتوقف أبدا تسريحات تحت النجوم من السماء، الجفون العظام في وادي أخذ الجائزة في فئة الغموض / الإثارة. في الحفل، لعبت اللجنة الرباعية سلسلة أوف الفائزين على وخارج المسرح. أنا لا & # 8217؛ عادة ما الغراب حول الكتاب على هذه الصفحة بالذات، ولكن مهلا، شعرت ولا تزال تشعر وكأنها غريبة وحلم مثل أي شيء آخر & # 8230؛
السماء قبل اللوحة من السماء.
"بالنسبة لأولئك الذين يكتبون الشعر، وتذكر حياة ستانلي كونيتز وعمله لنا أنه على الرغم من أننا قد ولدنا في عالم غريب الذي يقول لنا أن يكون من الصعب والفصل، هو دعوتنا للرقص على فرحة البقاء على قيد الحياة على حافة من الطريق. يجب أن نكون واثقين من أننا سوف تتغير، ومع ذلك يجب أن نظل متواضعين. الشعر هو ظاهرة ضرورية وطبيعية، لا متفوقة على عمل يرقات خنفساء السلحفاة ولا أقل رائعا. يجب علينا أن نختار الحب قبل قصة الحب، السماء قبل رسم السماء، أزهار الجنطيان قبل قصيدة، على الرغم من تلك تلك الخيارات قد تؤدي إلى حسرة. يجب أن نكون طيبين. يجب أن نكون حاضرين. ويذكرنا كونيتز بعدم إهمال الحياة المتواضعة التي توفي في قصائدنا، ولا يقل عن ذلك أن تكون مضيئة لكونها عادية ".
- من "الرقص على فرح الباقين على قيد الحياة: تأملات ستانلي كونيتز على الكتابة الحياة" دانتي دي ستيفانو. ورايتر & # 8217؛ s كرونيكل، سبتمبر 2014.
تحقق من الغطاء على فابر & أمب؛ فابر & # 8217؛ s الطبعة (المملكة المتحدة).
"ليلة مشرقة مقمرة، واحدة من أبناء المزارع الذي عاش في لوين أون في نانت ذ بيتوس كان سيدفع عناوينه لفتاة في كلوغوين ي غوين، وقال انه سيلد تيلويث تيغ تتمتع أنفسهم على قدم وساق على مرج بالقرب من بحيرة كويلين. اقترب منهم، وقليلا فشيئا كان يقودها حلاوة ساحرة من موسيقاهم وحيوية اللعب حتى كان قد حصلت داخل دائرة بهم. سرعان ما مرت نوعا من الإملائي عليه، حتى أنه فقد معرفته بالمكان، ووجد نفسه في بلد، أجمل كان قد رأيت من أي وقت مضى، حيث قضى الجميع وقته في الإيقاع والبهجة. كان هناك سبع سنوات، ومع ذلك يبدو له ولكن حلم ليلة. ولكن تذكر باهتة يأتي إلى عقله من الأعمال التي كان قد غادر المنزل، وشعر بالتوق إلى رؤية حبيبته واحدة. لذلك ذهب وطلب الإذن بالعودة إلى ديارهم، التي منحت له، جنبا إلى جنب مع مجموعة من الحضور لقيادة بلده إلى بلده؛ وفجأة، وجد نفسه، كما لو الاستيقاظ من حلم، على البنك حيث رأى عائلة عادلة مسلية أنفسهم. تحول إلى البيت، ولكن هناك وجد كل شيء تغير: والديه قد مات، وإخوته لا يمكن التعرف عليه، وكان حبيبته متزوجة من رجل آخر. ونتيجة لهذه التغييرات توفي كسر القلب في أقل من أسبوع بعد العودة ".
& # 8211؛ كما قال لجون ريس، مؤلف سلتيك فولكلور، ويلش & أمب؛ مانكس، المجلد الأول (1901)