Fundamentação teórica
Regressão Linear Simples
Trata-se de um método de aproximação de um conjunto de dados a uma reta, ou seja, dado um conjunto de dados organizados em duas dimensões como pontos, o método traça uma reta com a menor distância possível entre todos os pontos. É utilizado para modelar uma aproximação a fim de visualizar a tendência de um grupo de dados e até mesmo para projeções de tendências futuras.
A regressão linear recebe este nome por relacionar os dados em uma função linear:
Considerando o conjunto de dados:
Serão geradas equações e . Com essas equações será necessário encontrar e que minimizam a soma dos quadrados dos erros, tal que:
Obtemos então a soma dos quadrados dos erros:
Derivando em relação a e :
Onde e
Estratégia
A linha de regressão traçada aproxima os preços de fechamento dos candles do gráfico corrente indicando a tendência, as máximas acima e mínimas abaixo da linha de regressão indicam os pontos de compra e de venda respectivamente [2].
As linhas de offset superior e inferior é uma estratégia para aproximar e facilitar a visualização das máximas e mínimas.
Metodologia
Indicador
O usuário deve configurar alguns parâmetros para a execução do indicador:
- Tamanho da janela: número de candles que serão considerados para o cálculo da regressão linear;
- Cor das linhas superior, de regressão e inferior;
- Estilo da linha superior, de regressão e inferior;
- Espessura da linha superior, de regressão e inferior;
- Distância da linha superior à linha de regressão;
- Distância da linha inferior à linha de regressão.
Este indicador traça três linhas paralelas, a central é uma linha de regressão com n definido pelo tamanho da janela configurada pelo usuário, as linhas superior e inferior são cópias da linha de regressão com um offset configurado pelo usuário.
Expert Advisor
O expert advisor (EA) é baseado no indicador supracitado, entretanto não desenha o indicador no gráfico, apenas executa uma estratégia com base na linha de regressão traçada.
O usuário deve inserir:
- Tamanho da janela: número de candles que serão considerados para o cálculo da regressão linear;
- A quantidade de candles a serem considerados no cálculo da regressão linear;
- A distância para a linha superior;
- A distância para a linha inferior; Stop Loss.
O EA executa ordens de compra e de venda a mercado quando o valor de uma das linhas, superior ou inferior, é atingida pelo preço corrente, sendo que quando a linha inferior é atingida é executada uma ordem de compra e quando a linha superior é atingida uma ordem de venda é executada.
Resultados
Foram executadas otimizações genéticas utilizando o testador de estratégias do Metatrader 5 na versão 5.00 build 2470, para otimizar o saldo máximo.
Teste 1
Parâmetros:
- Ativo: WINM20
- Período gráfico: 5 minutos;
- Data: 01/05/2020 a 01/06/2020;
- Modelagem: OHLC por 1 minuto;
- Depósito inicial demonstrativo: R$10.000,00;
- Volume de negociação fixado em 1 contrato.
Melhor retorno:
- Lucro: R$2.739,00;
- Lucro bruto: R$4.889,00;
- Perda máxima: -R$2.160,00;
- Número de operações: 186;
- Tamanho da janela otimizado: 40 candles;
- Limite superior otimizado: 26 pontos;
- Limite inferior otimizado: 100 pontos;
- Stop loss otimizado: 100.
Teste 2
Parâmetros:
- Ativo: WINM20
- Período gráfico: 5 minutos;
- Data: 01/05/2020 a 01/06/2020;
- Modelagem: OHLC por 1 minuto;
- Depósito inicial demonstrativo: R$10.000,00;
- Volume de negociação fixado em 1 contrato;
- Stop loss fixado em 200 pontos.
Melhor retorno:
- Lucro: R$3.141,00;
- Lucro bruto: R$4.781,00;
- Perda máxima: -R$1.640,00;
- Número de operações: 83;
- Tamanho da janela otimizado: 110 candles;
- Limite superior otimizado: 136 pontos;
- Limite inferior otimizado: 114 pontos;
Referências
Regressão Linear Simples. In: MORETTIN, Pedro; BUSSAB, Wilton. Estatística Básica. 6. ed. São Paulo - SP: Saraiva, 2010. cap. 16, p. 449-453.
Regressão Linear. In: LEMOS, Flávio. Análise Técnica dos Mercados Financeiros: Um Guia Completo e Definitivo dos Mercados de Negociação de Ativos. São Paulo - SP: Saraiva, 2016. cap. 8.4, p. 215-217.
Top comments (0)