Mezclas Gamma-gaussianas restringidas para modelar rendimientos

Resumen

Este artículo presenta un modelo de mezcla restringida para describir los rendimientos de activos y distinguir comportamientos de precios alcistas, bajistas y laterales. Combina distribuciones Gamma y gaussianas para representar patrones de rendimiento y admitir colas pesadas y curtosis elevada, características que pueden hacer inadecuados los supuestos distributivos simples para los datos financieros.

El modelo se estima mediante el marco de Expectation-Maximisation, y la selección del orden del modelo también debe respetar las restricciones. Esto ofrece una forma estructurada de ajustar una distribución de rendimientos y conservar la interpretación prevista de sus componentes. El fragmento describe el diseño del modelo y el método de estimación, pero no ofrece datos empíricos, resultados comparativos ni evidencia sobre el rendimiento de trading. Por tanto, con la información disponible no se puede evaluar su utilidad para seleccionar estrategias o hacer previsiones.

Ideas clave

• El modelo utiliza una mezcla restringida de distribuciones Gamma y gaussianas para representar los rendimientos de activos.
• Sus componentes buscan distinguir comportamientos de precios alcistas, bajistas y laterales.
• La mezcla está diseñada para tener en cuenta colas pesadas y curtosis elevada.
• La estimación de parámetros utiliza el marco de Expectation-Maximisation.
• La selección del orden del modelo debe preservar sus restricciones.

Etiquetas

# Constrained Mixture Models for Asset Returns Modelling


# Constrained Mixture Models for Asset Returns Modelling









The estimation of asset return distributions is crucial for determining optimal trading strategies. In this paper we describe the constrained mixture model, based on a mixture of Gamma and Gaussian distributions, to provide an accurate description of price trends as being clearly positive, negative or ranging while accounting for heavy tails and high kurtosis. The model is estimated in the Expectation Maximisation framework and model order estimation also respects the model's constraints.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.