スピーカー | トランスクリプト |
| ホー・チーホン | ねえ、いいえ。来て。 ヘンリー・M・ガン高校の後輩、チーホン・ホーです。 私のパートナーはメイソン・チェンです。彼はスタンフォード オンライン高校の 2 年生です。 私たちのプロジェクトは、COVID-19 発生時の株式投資の多変量統計モデリングを見つけることです。 |
| 2月下旬、新型コロナウイルスの感染拡大で株式市場が暴落。 今年の株式市場の暴落を引き起こした要因はいくつかあります。 |
| COVID-19 パンデミックなど、今年の株式市場の暴落を引き起こした要因はいくつかあります。 |
| OPEC/ロシア/アメリカの原油価格戦争。 また、米国政府からの 2.2 兆ドルの救済パッケージ。 |
| そして、一部の企業は従業員を解雇しました。 パンデミックによる失業率は 30% を超えています。 1929 年の大恐慌の失業率と比較してみましょう。 |
| 当時は25%くらいでした。 同じく11月、大統領選挙中のアメリカ。 そして、以前に中国で広まったコロナウイルスのパンデミックにより、製造サプライチェーンが閉鎖されました。 |
| ええ、COVID-19 パンデミックは、1929 年の大恐慌、1987 年のブラックマンデーで発生した過去の株式市場の暴落として、株式市場に影響を与えました。 |
| COVID-19 パンデミックは世界に多大な影響を与え、多くの死者を出したため、株式市場はパンデミックの影響をさらに受けるはずです。 米国の歴史と比較すると、1929 年の世界恐慌 |
| および 1987 年のブラックマンデーの両方の暴落は、長期間にわたって続きました。 COVID-19 はそうではありませんでした。 今年、株式市場は 3 月から 4 月にかけてのピークから 25% 下落しました。 |
| 3 月以前、米国での COVID-19 パンデミックは、他の国ほど急速に広まりませんでした。 COVID が世界的に広まった後、多くの国がロックダウンされました。 全国的および世界的なロックダウンの状況は、株式市場に影響を与える可能性があります。 |
| 左隅のグラフを見てください。 それが韓国で起こった状況です。 アジア諸国は、アメリカよりも先に COVID のパンデミックに見舞われました。 |
| アジア諸国の状況を利用して、米国に何が起こるかを予測します。 COVID-19 の変曲点であるこの色のこのグラフに基づくと、フェーズ II の可能性があります。 |
| この短期間でケースの成長速度が少し低下するように見えたため、株価曲線に大きな影響を与えました。 |
| わかった。 グラフの左側は、症例と日付の相関図です。 これは米国での相関図です。 |
| 症例は 2 月上旬に追加され、3 月下旬から 4 月上旬にかけて追加されました。 |
| 右のグラフは日付別の株式市場です。これは、マップへのケースの関心が互いに関連していることを意味します。 ケースが大幅に拡大すると、株式市場は暴落し始め、最低点は 35% 以上下落しました。 |
| 中国、韓国、米国と比較して、アジア諸国は米国よりも先に COVID のパンデミックを経験したことがわかっていました。 米国で今後数か月で何が起こるかを結論付けることができます。 |
| その特定の表と以下のデータだけに基づいて、フェーズ III の期間が非常に短いことがわかりました。 これで安全になり、仕事に戻ることができます。 |
| フェーズ III の 2 倍のフェーズ IV の方向性と比較すると、今回はより安全に仕事に戻ることができると感じています。 |
| アジア諸国のパンデミック フェーズを見た後、米国のフェーズ III とフェーズ IV の期間を予測できます。 フェーズ III の米国の終了はオンになると推定されます |
| 4 月 15 日とフェーズ IV は、最良のケースとして 5 月 25 日に行う必要があります。 最悪の場合、フェーズ III の終了は 4 月 30 日頃、フェーズ IV の終了は 6 月 10 日頃です。 |
| 株式投資戦略を定義する最近のプロジェクトでは、株式投資を学び、経験し、株式市場でお金を稼ぎ、時代を判断するためのモデルを構築することを目的としています。 |
| 株式を取引または交換すること。 まず、2008 年と 2009 年に購入した 8 つのハイテク株を所有しており、3 月の平均利益は約 400% です。 |
| 一部の銘柄は、スタンダードおよびプア 500 銘柄の上位 20 銘柄であり、平均 800% 以上の利益を上げています。 私たちはそれらの株を売ってお金を取り戻す時間を見つけたい. |
| COVID-19 の影響と株式市場の暴落により、株価は 3 月ほど高くありませんでした。 だから早く売りたかった。 |
| ハイテク株を売却した後、パンデミックのために株が下落した23のCOVID影響株を調べます。 |
| 数か月後にそれらの株が急増するのを待ちたい. |
| COVIDの影響を受けた株式の選択には、最低30億の時価総額が必要です。 株式の取引に取り掛かると、いくつかの取引所を持つことができます。 下落株を 1 つ売って、バランスを取るために上昇株を 1 つ購入する必要があります。 在庫が数か月で急増することを確認する必要があります。 |
| 株式取引決定チャートを3段階に分けています。 最初のレベルは決定することです |
| 何を買うか、何を売るか、交換するか。 レベル 2 では、売りグループ、買いグループ、および 2 つのグループの交換ペアから株を選択します。 3 番目のレベルは、使用するツールです。 Z インデックスを使用したり、外れ値検出ツールを使用したりします。 |
| 標準化の機能は、平均値から実際のデータ ポイントまでの距離を把握することです。 なぜそれを使用する必要があるのですか？ 実際のデータを比較しやすいインデックスに変換する必要があるためです。 また、標準化を使用して生データの偏りを排除します。 |
| 左側には、青のボックス、紫のボックス、赤のボックスがあります。 実際のデータ |
| 青いボックスにある、収集した入力に含まれています。 Z 標準化後の新しいインデックスは、赤いボックスにあります。 それが私たちのアウトプットです。 |
| Z標準化は私たちが使用するツールで、紫色のボックスにあります. 青いボックスのキュービクルは NASDAQ 株を表し、 |
| これは人気があり、多くの人が投資します。 ハイテク株は 5 年間で大幅に成長しました。 |
| Z 標準化の範囲は、-3 標準偏差から +3 標準偏差までです。 |
| Z が標準化された後、在庫内 Z、Z NASDAQ 比率、および Z グループ NASDAQ 比率を取得できます。 |
| 在庫内の Z は、株価を過去 5 年前の株価と比較することです。 の、ZナスダックレシオはNASDAQ株価と株価を比較したもの、Zグループナスダックレシオは株価をグループナスダックと比較したものです |
| 平均。 Z標準化を使用して、リスクを調べます。 最後に、3 つの Z スコアをすべて組み合わせて、新しい株価指数を作成します。 株価指数は、取引のリスクを下げるのに役立ちます。 |
| 生データで標準化した後のデータ テーブルを次に示します。 株価指数の変化を利用できます。 |
| 米国株は2月中旬頃をピークに下落傾向にある。 一部の銘柄はより堅調で、特定の銘柄は COVID-19 の影響を受けています。 |
| このモデリング アルゴリズムを 3 月 7 ～ 8 日に確立し、データベースを 3 月 14 ～ 15 日に確立します。 この図のスピーカーに示されているそのインデックスの赤色は、 |
| それは良い時期です...それらの株を売り切る良い時期を提示してください。そうすれば、赤指数以外の他のものよりも多くのお金を稼ぐことができます. |
| また、青色でマークされたいくつかのインデックスがあります。 コストを下げることができ、将来により多くの利益を得ることができるため、COVID の影響を受けた 23 株の購入を検討できる時期です。 |
| 外れ値アルゴリズムを使用する理由は、外れ値が株式取引のタイミングを決定するのに役立つからです。 |
| 外れ値を判断する最善の方法は、分位範囲の外れ値を使用することです。 まず、第 3 四半期から第 1 四半期を差し引いた四分位範囲全体を見つけていました。 |
| アルゴリズムの外れ値は、Q1 マイナスまたは Q3 プラス x IQR に等しく、x は通常の場合は 1.5、極端な場合は 3 です。 |
| 極端な外れ値を選択する必要があるのはなぜですか? 通常の外れ値では、必要なより長いタイミングを示すことができないためです。 |
| 極端な値は、四分位範囲全体の乗数、つまり指定された 2 つの量の間の距離を使用して検出されます。 そのため、極端な外れ値は長くなる可能性があります |
| 投資に使用できるレベルを検出し、リスクを軽減するのに役立ちます。 しかし技術的には、分位範囲外れ値アルゴリズムは正規分布の状況で使用されます。 |
| 株式市場は正規分布ほどではないため、外れ値はスキュー要因の影響を受けます。 |
| したがって、スキュー要因の影響を受けない、より強力なツールを使用する必要があります。 |
| 株のパフォーマンスのため、分布の中心よりも裾については気にしません。 |
| 次に使用するツールは、ロバスト フィットの外れ値です。 ロバスト フィットの外れ値を使用して、スキュー ファクターを無視します。 |
| 外れ値と分布の歪度は非常に関連しています。 分布の 1 つのテールの 1 つにいわゆるアウトリーが多数ある場合、テールに歪度があります。 |
| 分位範囲外れ値検出では、仮定は正規分布です。 そのため、分布の歪度により、外れ値検出方法が不正確になります。 おそらく株式市場のデータのように、分布が著しく歪んでいる場合、 |
| ロバスト フィット外れ値は、偏り係数を無視する傾向があるため、外れ値を正確に見つけるための優れた方法です。 ロバスト フィットの外れ値の推定値 |
| センターとスプレッド。 外れ値は、ロバストな中心からの K 倍のロバストな分散である値として定義されます。 |
| ロバスト フィットの外れ値は、ロバスト推定値を結合して K を乗算するためのいくつかのオプションを提供し、見つかった外れ値を管理するためのツールを提供します。 通常の場合は K=2.7、極端な外れ値の場合は 4.7 を使用します。 |
| 通常のロバスト フィットの外れ値を使用した後、売り指数データの外れ値を見つけることができます。 右のグラフを見てください。 |
| F5 列と F8 列には非常に多くの影付きの赤いセルがあり、株価が平均を上回って売られているため、利益を最大化するためにそれらの株を売却することを検討できることを示しています。 各列には、日ごとの株価指数の変化が列に向かって表示されています。 |
| 買い指数に極端な外れ値を使用する理由は、買い指数が低下しているためです。 つまり、買い指数の外れ値を検出するのは非常に困難です。 販売とは違います。 |
| 売り指数が上昇しており、外れ値を判断しやすくなっています。 |
| このページのデータ テーブルには、B6、B13、B15、B19 のようないくつかの色のブロックがあり、株の購入を検討できることを示しています。 |
| 多くの人が株に投資してお金を稼いでおり、ほとんどの人は妥当な ROI のために投資するのに適切な株を選ぶかもしれません。 |
| しかし、投資家は、投資するのに適切な金額を見つけるのが困難です。 また、他の人間の心理的要因も、特定の投資に有利に働きます。 |
| このモデルに基づいて、購入、販売、または交換する株式の量を決定できます。これにより、個人の投資バイアスを最小限に抑え、全体的な財務リスクを軽減できます。 |
| このモデルは、投資額を判断する 2 つの方法を提供します。 1つ目は、カラーブロック分析です。 その分析では、 |
| 濃い緑色のブロックは売りに適しており、オレンジまたは赤色のブロックは購入または交換に適しています。 |
| 下部には、定義したトランザクション レベルがあります。 L10 は最小の投資額で、L1 は最大の投資額です。 |
| 株を売りたい場合は、高すぎず、L5の量で売ります。 そして交換を行い、L5モデルも選択します。 そして、購入する場合は、さらに購入することを検討できるので、L2 の量を購入するだけです。 |
| このモデルに基づいて |
| 私たちの管理 |
| ...このモデルに基づいて、投資において財務リスクを軽減します。 |
| では機能は……そうですね……これは……フェーズⅢの交換部分です。 また、データ ポイントをこのインデックスに変換するために Z 標準化を使用していますが、これは交換インデックスです。 |
| 交換しきい値 Z 交換インデックスを 15 より大きくするように設定します。 これは私たちが計算する平均指数であり、投資家に時間を伝えることができます. |
| 左側には、各取引所ペアの変化を示す折れ線グラフがあります。 この折れ線グラフに基づくと、S5-B1 のトレンドは約 15.8、S5-B14 のトレンドは約 15.16 であることがわかります。 |
| つまり、S5-B1 または S5-B14 の間で交換を行うことを検討できます。 |
| Z が標準化された後、株式...売り株指数と為替指数を取得できます。 |
| 売り指数 |
| 株価を過去5年間の株価と比較することです。 の |
| Z ナスダック比率は、平均株価の株価指数と比較されます。 したがって、為替指数は、株の買い指数である株の売り指数と比較されます。 |
| Z標準化を使用して、リスクに注意を払います。 約 184 の選択肢を検討し、投資が適切なタイミングで行われることを確認し、交換を行うために適切なペアを選択する必要があります。 |
| また、 |
| 分位範囲外れ値アルゴリズムを使用して、タイミングを判断するのに役立ちます。 |
| Q の小さな値は、大きな値よりも根本的な外れ値のセットを提供します。 |
| 右側の表を見てください。 分位範囲外れ値メソッドを使用して、交換指数値が 19 より大きい上位 3 つの外れ値を取得します。 |
| 為替指数を検討するのは今回が 2 回目です。 シグナルとヘルプであるトップインデックスがあることがわかりました...そして、それは私たちが交換を行うのに最適なタイミングです. |
| 19.27 の S5-B14 ペアのように。での S5-B13 ペア |
| 19.12; 19.07 の S5-B12。 左側には、タイミング予測モデルがあります。 このモデルは、カラー コード、カラー ボックス スタイルで表示されます。 |
| 濃い緑のブロックは販売に適し、濃いオレンジまたは赤のブロックは購入または交換に適しています。 ベストタイムは太字でグラフに表示されます。 2015年2月からデータ交換に来ているので、交換に最適な4月6日。 |
| 交換ペアを 2 回検討します。これにより、株式市場でより多くの利益を得ることができ、投資リスクを大幅に削減できるという保証が 2 倍になります。 |
| 4 月 7 日の為替指数は、4 月 6 日からほとんど変化がありませんでした。 その日、S5-B1 ペアは 19.18 でした。 |
| 為替指数。 右のグラフでは、 |
| 以上、取引所在庫情報でした。 4 月 8 日、KLAC 株を 154.32 ドルで売却しました。 市場株価は 148.85 ドルだったので、約 3.5% 節約して売却しました。 |
| また、同じ日にデルタ株を 22.42 ドルで購入しました。 |
| 株式市場価格は $22.92 だったので、約 2.2% 上昇しました。 したがって、同じ量の株を売却し、バランスをとるために同じ量の株を購入します。 |
| 在庫の売買モデルは 65 数量に相当しました。 1 日後、為替ペアにより 5.7% 上昇しました。 |
| そうそう、すべての株の買い手は自分の株の動向に注目します。 私のパートナーである Mason と私は、2020 年 2 月下旬から 2020 年 3 月中旬までの NASDAQ 株式の毎日の範囲の外れ値を監視しています。 |
| 毎日の取引ウィンドウを特定の時間枠 (それぞれ 30 分) に分け、取引に最適な時間を見つけたいと考えています。 |
| 検出された 24 のピークと谷点があり、上限しきい値は 2.7% です。 右隅の図では、始値、終値、高値、安値の株価を確認できます。また、平均を計算します...株価のピークと谷の検出を行うときに、価格範囲とランクをカウントします。 |
| ???サンプルサイズの離散数と見なされます。 検出された 24 のピーク/バレー ポイントのうち、データは、24 ポイントのうち 17 ポイントが約 70%-71% で発生していたことを示しています。 |
| 最初または最後の 1 時間。 帰無仮説を作成した 1 比率検定を設定し、早起きして株式のランチ セッションを行って取引を行います。 |
| 帰無仮説は、一様分布確率を仮定しています。 左隅の表を見ると、ゼロ比率値が 0.34 であり、0.05 よりも大きいことがわかります。 |
| 帰無仮説を棄却することはできません。 そう |
| 利用可能な 13 スロットのうち 4 スロットであるため、帰無仮説を棄却することはできません。 ピーク時間と谷時間の分布レベルを示す右隅の表または図を見てください。 |
| 私たちの研究では、適切な株と???を選択するための新しいモデルを提供しています。売買の量、また交換指数。 |
| タイミングは投資において非常に重要な要素です。 この株式投資モデルは、COVID-19 パンデミックの間、ほとんどの場合正確です。 |
| 私たちの研究グループは株式市場に投資し、プロジェクト終了後に 2.5% の利益を上げました。 パンデミックが終息しない場合、将来予測するために使用する可能性があります。 私たちの調査に基づいて、早期または直前の株式取引を支持し、より多くのお金を稼ぐことができます. |
| ありがとうございました。 |
