線形回帰分析でダイバージェンスをシステム化しました。

インジケータを使用したテクニカル分析で優位性が高いものに価格が高値を更新しながらインジケータが
高値を更新出来ず下降していくと上昇トレンドが終わって相場が反転するというものがあります。

実際のチャートを見て価格やインジケータの高値と安値を決めることは主観的な分析で検証ができないのでシステム化
する上では終値の線形回帰直線とストキャスティクスの線形回帰直線のトレンドが逆相関になった時をダイバージェンスの
発生と定義し、米ドル／円の４時間足で検証しました。

まず、linreg関数を使用して終値の20期間の線形回帰直線と10期間のストキャスティクスの20期間の線形回帰直線を作成します。
終値の線形回帰の傾きが下向きの時を下降トレンドとし、ストキャスティクスの線形回帰の傾きが下向きから上向きに変化した瞬間を
上向きのダイバージェンスシグナルとしてロングエントリーします。ショートエントリーはこの逆です。

騙しのシグナルこそあるものの、ダイバージェンスの発生はトレンドの勢いが弱まって勢力が逆転したり、たくさんのロスカットを
トリガーして相場が反転するという理論に裏付けされているのでカウンタートレンド戦略となり勝率は約５６％とそこそこ高いです。

今回はこのデータをPythonで統計解析を行い、5000回のブートストラップ法で信頼区間検定に掛けました。
全てのトレードを1000通貨単位で行ったとすると、損益の信頼区間の下限は14で上限は324となり最悪の場合でも
平均トレードは利益が出るという結果が出ました。更に５％の優位性を設けたP値は4.9％、期待値は21.4％が観測されて
長期的に利益がでる確率は高いことが検証結果で測定できました。

ポジションサイジングはいつものようにモンテカルロ法でシミュレーションした固定比率法で１トレードにつき11.5％のリスク水準
で行いました。最大ドローダウンが15％に対してリターンは110％となりました。