볼링거 밴드

Bollinger Bands
S&P 500 20일, 2-표준 편파 볼링거 밴드, %b 및 대역폭.

볼링거 밴드(/ˈbɒlingernjdʒr bændz/)는 1980년대에 존 볼링거가 제안한 공식적 방법을 사용하여 금융상품이나 일반상품의 기간에 따른 가격과 변동성을 특징짓는 통계 차트의 일종이다. 금융 거래자들은 이러한 차트를 거래 결정을 알리고, 자동화된 거래 시스템을 제어하거나, 기술 분석의 구성요소로 사용한다. 볼링거 밴드는 하나의 2차원 차트에 그래픽 밴드(켈트너나 돈치안 채널과 유사한 이동 평균의 최대와 최소값)와 변동성(외피의 너비로 표시)을 표시한다.

사용자가 독립적으로 선택한 2개의 입력 매개변수는 주어진 차트가 알려진 과거 가격 데이터를 요약하는 방법을 관리하며, 사용자는 신호 처리 또는 제어 시스템의 파라메트릭 방정식과 유사하게 가격 변동의 규모와 빈도에 따라 차트의 응답을 변경할 수 있다. Bollinger Bands는 N주기 이동 평균(MA), K 곱하기 N 주기 표준 편차(MA + Kσ), K 곱하기 N 주기 표준 편차(MA - Kσ)보다 낮은 N 주기 표준 편차로 구성된다. 따라서 차트는 사용자의 임의적인 선택이나 가정을 표현하며, 가격 데이터만을 엄격하게 다루는 것은 아니다.

N과 K의 일반적인 값은 각각 20일과 2이다. 평균에 대한 기본 선택은 단순한 이동 평균이지만 다른 유형의 평균은 필요에 따라 사용할 수 있다. 지수 이동 평균은 일반적인 두 번째 선택이다.[note 1] 일반적으로 같은 기간을 중간대역 및 표준편차 계산에 사용한다.[note 2]

Bollinger registered the words "Bollinger Bands" as a U.S. trademark in 2011.[2]

Purpose

The purpose of Bollinger Bands is to provide a relative definition of high and low prices of a market. By definition, prices are high at the upper band and low at the lower band. This definition can aid in rigorous pattern recognition and is useful in comparing price action to the action of indicators to arrive at systematic trading decisions.[3]

Indicators derived from Bollinger Bands

BBImpulse measures price change as a function of the bands; percent bandwidth (%b) normalizes the width of the bands over time; and bandwidth delta quantifies the changing width of the bands.

%b (pronounced "percent b") is derived from the formula for stochastics and shows where price is in relation to the bands. %b equals 1 at the upper band and 0 at the lower band. Writing upperBB for the upper Bollinger Band, lowerBB for the lower Bollinger Band, and last for the last (price) value:

%b = (last − lowerBB) / (upperBB − lowerBB)

Bandwidth tells how wide the Bollinger Bands are on a normalized basis. Writing the same symbols as before, and middleBB for the moving average, or middle Bollinger Band:

Bandwidth = (upperBB − lowerBB) / middleBB

Using the default parameters of a 20-period look back and plus/minus two standard deviations, bandwidth is equal to four times the 20-period coefficient of variation.

Uses for %b include system building and pattern recognition. Uses for bandwidth include identification of opportunities arising from relative extremes in volatility and trend identification.

Interpretation

The use of Bollinger Bands varies widely among traders. Some traders buy when price touches the lower Bollinger Band and exit when price touches the moving average in the center of the bands. Other traders buy when price breaks above the upper Bollinger Band or sell when price falls below the lower Bollinger Band.[4] Moreover, the use of Bollinger Bands is not confined to stock traders; options traders, most notably implied volatility traders, often sell options when Bollinger Bands are historically far apart or buy options when the Bollinger Bands are historically close together, in both instances, expecting volatility to revert towards the average historical volatility level for the stock.

When the bands lie close together, a period of low volatility is indicated.[5] Conversely, as the bands expand, an increase in price action/market volatility is indicated.[5] When the bands have only a slight slope and track approximately parallel for an extended time, the price will generally be found to oscillate between the bands as though in a channel.

Traders are often inclined to use Bollinger Bands with other indicators to confirm price action. In particular, the use of oscillator-like Bollinger Bands will often be coupled with a non-oscillator indicator-like chart patterns or a trendline. If these indicators confirm the recommendation of the Bollinger Bands, the trader will have greater conviction that the bands are predicting correct price action in relation to market volatility.[6]

Effectiveness

Various studies of the effectiveness of the Bollinger Band strategy have been performed with mixed results. In 2007, Lento et al. published an analysis using a variety of formats (different moving average timescales, and standard deviation ranges) and markets (e.g., Dow Jones and Forex).[7] Analysis of the trades, spanning a decade from 1995 onwards, found no evidence of consistent performance over the standard "buy and hold" approach. The authors did, however, find that a simple reversal of the strategy ("contrarian Bollinger Band") produced positive returns in a variety of markets.

Similar results were found in another study, which concluded that Bollinger Band trading strategies may be effective in the Chinese marketplace, stating: "we find significant positive returns on buy trades generated by the contrarian version of the moving-average crossover rule, the channel breakout rule, and the Bollinger Band trading rule, after accounting for transaction costs of 0.50 percent."[8] (By "the contrarian version", they mean buying when the conventional rule mandates selling, and vice versa.) A recent study examined the application of Bollinger Band trading strategies combined with the ADX for Equity Market indices with similar results.[9]

2012년 버틀러 외에서는 입자 군집 최적화 방법을 사용하여 볼링거 밴드의 파라미터를 맞추는 접근법을 발표했다. 그들의 결과는 특정 시장 환경에 대한 특정 자산에 대한 매개변수를 조정함으로써, 샘플이 아닌 거래 신호가 기본 매개변수에 비해 개선되었음을 나타냈다.[10]

통계적 속성

보안 가격 수익은 정상인지 아닌지에 상관없이 알려진 통계 분포를 가지고 있지 않으며, 정상 분포에 비해 두꺼운 꼬리를 가지고 있는 것으로 알려져 있다.[11] 일반적으로 사용되는 표본 크기인 20은 중앙 한계 정리 같은 통계적 기법에서 도출된 결론을 신뢰할 수 있기에는 너무 작다. 그러한 기법은 일반적으로 표본이 독립적이고 동일한 분포를 필요로 하는데, 이는 보안 가격과 같은 시계열에는 해당되지 않는다. 바로 그 반대다; 그러한 가격 시리즈는 매우 일반적으로 연속적으로 연관되어[citation needed] 있다는 것을, 즉 각 가격이 "대부분의 시간" 조상들과 밀접하게 연관되어 있다는 것은 실무자들에게 잘 알려져 있다. 연속적 상관관계에 대한 조정은 이동 평균으로부터의 편차를 사용하는 이동 표준 편차의 목적이지만, 이동 평균과의 단순한 차이점에 의해 설명되지 않는 고주문 가격 자기 상관의 가능성은 남아 있다.

이러한 이유로 볼링거 밴드 범위 밖에서 미래에 관측될 데이터의 장기적 백분율이 항상 일정한 양에 제약을 받는다고 가정하는 것은 부정확하다. 연구 결과, 데이터가 정상적으로 배포될 경우 기본 매개변수로 예상하는 것처럼 대역 내에서 약 95%의 데이터를 찾는 대신, 보안 가격의 약 88%(85~90%)만이 대역 내에 남아 있는 것으로 나타났다.[12] 개별적인 보안의 경우, 일정 기간 동안 요인 정의 대역에 의해 데이터의 특정 비율이 포함되는 요인을 항상 찾을 수 있다. 실무자들은 또한 Keltner 채널과 같은 관련 조치 또는 관련 Stoller 평균 범위 채널들을 사용할 수 있는데, 이는 표준 편차가 아닌 일일 고가와 저가의 차이와 같은 가격 변동성의 다른 척도에 기초한다.

Bollinger bands outside of finance

Bollinger bands have been applied to manufacturing data to detect defects (anomalies) in patterned fabrics.[13] In this application, the upper and lower bands of Bollinger Bands are sensitive to subtle changes in the input data obtained from samples.

The International Civil Aviation Organization is using Bollinger bands to measure the accident rate as a safety indicator to measure efficacy of global safety initiatives.[14] %b and bandwidth are also used in this analysis.[15]

Bollinger bands have been applied to a "Method to Identify the Start and End of the Winter Surge in Demand for Pediatric Intensive Care in Real-Time."[16]

Notes

  1. ^ When the average used in the calculation of Bollinger Bands is changed from a simple moving average to an exponential or weighted moving average, it must be changed for both the calculation of the middle band and the calculation of standard deviation.[1]
  2. ^ Since Bollinger Bands use the population method of calculating standard deviation, the proper divisor for the sigma calculation is n, not n − 1.

References

  1. ^ Bollinger On Bollinger Bands – The Seminar, DVD I ISBN978-0-9726111-0-7
  2. ^ "Bollinger Bands – Trademark Details". Justia.com. 2011-12-20.
  3. ^ [1] second paragraph, center column
  4. ^ Technical Analysis: The Complete Resource for Financial Market Technicians by Charles D. Kirkpatrick and Julie R. Dahlquist Chapter 14
  5. ^ a b Baiynd, Anne-Marie (2011). The Trading Book: A Complete Solution to Mastering Technical Systems and Trading Psychology. McGraw-Hill. p. 272. ISBN 9780071766494. Archived from the original on 2012-03-25. Retrieved 2013-04-30.
  6. ^ "Bollinger Bands". www.earnforex.com. Retrieved 2017-05-09.
  7. ^ Lento, C.; Gradojevic, N.; Wright, C. S. (2007). "Investment information content in Bollinger Bands?". Applied Financial Economics Letters. 3 (4): 263–267. doi:10.1080/17446540701206576. ISSN 1744-6546. S2CID 153603674.
  8. ^ Balsara, Nauzer J.; Chen, Gary; Zheng, Lin (2007). "The Chinese Stock Market: An Examination of the Random Walk Model and Technical Trading Rules". Quarterly Journal of Business and Economics. 46 (2): 43–63. JSTOR 40473435.
  9. ^ Lim, Shawn; Hisarli, Tilman; Shi He, Ng (2014). "The Profitability of a Combined Signal Approach: Bollinger Bands and the ADX". International Federation of Technical Analysts Journal: 23–29. SSRN 2230499.
  10. ^ Butler, M.; Kazakov, D. (2012). Particle Swarm Optimization of Bollinger Bands. LNCS: International Conference on Swarm Intelligence. 634 (1). pp. 504–511. doi:10.1007/978-3-642-15461-4_50.
  11. ^ Rachev; Svetlozar T., Menn, Christian; Fabozzi, Frank J. (2005), Fat Tailed and Skewed Asset Return Distributions, Implications for Risk Management, Portfolio Selection, and Option Pricing, John Wiley, New York
  12. ^ Adam Grimes (2012). The Art & Science of Technical Analysis: Market Structure, Price Action & Trading Strategies. John Wiley & Sons. pp. 196–198. ISBN 9781118224274.
  13. ^ Pang, Grantham K. H. (2006-08-01). "Novel method for patterned fabric inspection using Bollinger bands". Optical Engineering. 45 (8): 087202. Bibcode:2006OptEn..45h7202N. doi:10.1117/1.2345189. hdl:10722/44829. ISSN 0091-3286.
  14. ^ "ICAO Methodology for Accident Rate Calculation and Trending - SKYbrary Aviation Safety". SKYbrary. Retrieved 2019-03-12.
  15. ^ John., Bollinger (2002). Bollinger on Bollinger bands. New York: McGraw-Hill. ISBN 0071373683. OCLC 46634029.
  16. ^ Pagel, Christina (2015-11-16). "A Novel Method to Identify the Start and End of the Winter Surge in Demand for Pediatric Intensive Care in Real Time". Pediatr Crit Care Med. 16 (9): 821–827. doi:10.1097/PCC.0000000000000540. PMID 26536545. S2CID 41502207.

Further reading

  • Achelis, Steve. Technical Analysis from A to Z (pp. 71–73). Irwin, 1995. ISBN 978-0-07-136348-8
  • Bollinger, John. Bollinger on Bollinger Bands. McGraw Hill, 2002. ISBN 978-0-07-137368-5
  • Cahen, Philippe. Dynamic Technical Analysis. Wiley, 2001. ISBN 978-0-471-89947-1
  • Kirkpatrick, Charles D. II; Dahlquist, Julie R. Technical Analysis: The Complete Resource for Financial Market Technicians, FT Press, 2006. ISBN 0-13-153113-1
  • 머피, 존 J. 금융시장의 기술분석(pp. 209–211). 뉴욕 금융 연구소, 1999. ISBN 0-7352-0066-1

외부 링크