Tamaño de posición y VaR en backtests de mercados volátiles

Resumen

El artículo investiga si el tamaño de las posiciones de trading puede ayudar a controlar el riesgo durante periodos de alta volatilidad. Utiliza backtesting histórico para examinar cómo se comportan los modelos de tamaño de posición durante crisis, prestando especial atención a si pueden reducir el valor en riesgo. También considera las posiciones cortas y largas como formas de gestionar la exposición en condiciones de tensión.

El estudio descrito combina el análisis del tamaño de las posiciones con datos de acciones y fondos cotizados, y menciona modelos autorregresivos, ARIMA, LSTM y GARCH. El fragmento no explica cómo se definen las reglas de tamaño, cómo se incorporan los modelos ni qué periodo de backtest y episodios de crisis se utilizan. Tampoco ofrece estimaciones de VaR ni resultados de rendimiento. Por tanto, el texto plantea una línea de investigación, pero no demuestra que un método concreto de tamaño de posición controle las pérdidas; además, los resultados históricos dependerían de los supuestos y quizá no predigan el comportamiento en crisis futuras.

Ideas clave

• El estudio utiliza backtests históricos para evaluar métodos de tamaño de posición en periodos de alta volatilidad.
• Su medida de riesgo central es el valor en riesgo durante episodios de crisis.
• Considera la gestión del tamaño de posiciones largas y cortas.
• Los datos y modelos descritos incluyen acciones, ETF y métodos AR, ARIMA, LSTM y GARCH.
• El fragmento no aporta resultados ni detalles suficientes para comparar las reglas de tamaño de posición.

Etiquetas

# 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.

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.