Positionsgrößen und VaR in Backtests volatiler Märkte

Zusammenfassung

Die Arbeit untersucht, ob sich das Risiko in Phasen hoher Volatilität durch die Größe von Handelspositionen kontrollieren lässt. Mithilfe historischen Backtestings wird analysiert, wie sich Positionsgrößenmodelle in Krisen verhalten, insbesondere ob sie den Value at Risk senken können. Zudem werden Short- und Long-Positionen als Möglichkeiten zur Steuerung des Risikos unter angespannten Bedingungen betrachtet.

Die beschriebene Studie verbindet die Analyse der Positionsgrößen mit Daten zu Aktien und börsengehandelten Fonds und erwähnt autoregressive, ARIMA-, LSTM- und GARCH-Modelle. Der Auszug erläutert weder die Definition der Regeln für Positionsgrößen noch die Einbindung der Modelle oder den Backtestzeitraum und die untersuchten Krisenereignisse. Er enthält auch keine VaR-Schätzungen oder Leistungsergebnisse. Der Text skizziert daher eine Forschungsrichtung und belegt nicht, dass ein bestimmter Ansatz für Positionsgrößen Verluste begrenzt. Historische Ergebnisse hängen außerdem von Annahmen ab und sagen das Verhalten in künftigen Krisen möglicherweise nicht voraus.

Kernaussagen

• Die Studie nutzt historische Backtests, um Ansätze zur Positionsgröße in Phasen hoher Volatilität zu bewerten.
• Ihr zentrales Risikomaß ist der Value at Risk während Krisenereignissen.
• Sie untersucht die Steuerung der Größe von Long- und Short-Positionen.
• Die beschriebenen Daten und Modelle umfassen Aktien, ETFs sowie AR-, ARIMA-, LSTM- und GARCH-Methoden.
• Der Auszug enthält weder Ergebnisse noch genügend Details, um Regeln für Positionsgrößen zu vergleichen.

Schlagwörter

# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis


# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis









Backtest is a way of financial risk evaluation which helps to analyze how our trading algorithm would work in markets with past time frame. The high volatility situation has always been a critical situation which creates challenges for algorithmic traders. The paper investigates different models of sizing in financial trading and backtest to high volatility situations to understand how sizing models can lower the models of VaR during crisis events. Hence it tries to show that how crisis events with high volatility can be controlled using short and long positional size. The paper also investigates stocks with AR, ARIMA, LSTM, GARCH with ETF data.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.