Hodrick Prescott Filter Analyse - Python

Bugra Akyildiz: Trend Estimation in Time Series Signals (Dezember 2018).

Anonim

Wikipedia sagt

Der Hodrick-Prescott-Filter (auch bekannt als Hodrick-Prescott-Zerlegung) ist ein mathematisches Werkzeug, das in der Makroökonomie, insbesondere in der realen Konjunkturtheorie, verwendet wird, um die zyklische Komponente einer Zeitreihe aus Rohdaten zu entfernen.

Hodrick Prescott Filter (HP Filter) macht eine Zeitreihenzerlegung, bei der eine Zeitreihe in mehrere verschiedene Komponenten (Zykluskomponente und Trendkomponente) unterteilt wird. Und dieser Filter sieht so aus, als ob er auf Daten beliebiger Zeitreihen angewendet werden könnte, insbesondere bei Aktienkursen, um den zugrunde liegenden Trend und den damit verbundenen Zyklus zu verstehen.

Hier ist ein einfaches Ipython-Notebook-Beispiel für Hodrick Prescott Filter Analysis. Wir verwenden die statsmodel- Bibliothek zur Berechnung der Hodrick Prescott-Filterkomponenten, Matplotlib zur Darstellung der Daten, NSEpy zum Abruf der Bestandsdaten von NSEIndia und Pandas zur Verarbeitung der Zeitreihendaten.

Das obige Diagramm zeigt die Trend- und Zykluskomponente Stock TCS Price und HP Filter components. Sie haben vielleicht bemerkt, dass die Trendkomponente sehr glatt und sehr gut in der Zukunft der mittleren TCS-Kursrichtung ist. Und die Cycle-Component-Extremwerte deuten auf eine mögliche Trendumkehr hin. Meiner Meinung nach sollte es ein besseres Werkzeug für Händler und Anleger sein, um den zugrunde liegenden Trend zu erkennen. Besonders HP Filter eignen sich sowohl für Trendfolger als auch für Mean Reversion Trader!