Uso de factorización no negativa de tensores para detectar patrones de actividad de mercado

Resumen

Este trabajo utiliza factorización no negativa de tensores (NTF) para identificar patrones de actividad de trading en varias escalas temporales de los mercados financieros en línea. El método se demuestra primero con datos sintéticos y después se aplica a transacciones interbancarias del mercado en línea e-MID de Italia. Busca revelar patrones latentes de actividad de trading y distinguir grupos de bancos cuyo comportamiento incluye trading normal, anticipado o relámpago.

Los autores también utilizan los patrones extraídos para examinar cómo cambia la actividad del mercado durante perturbaciones sistémicas, incluida la crisis financiera de 2008. Afirman haber encontrado anomalías asociadas a perturbaciones endógenas y exógenas, y describen modalidades de trading relacionadas con la crisis. Se trata de un análisis exploratorio de un mercado interbancario y un conjunto de datos históricos concretos; el fragmento no proporciona medidas de rendimiento de estrategias de trading ni demuestra que los patrones descubiertos se generalicen a otros mercados o periodos.

Ideas clave

• La factorización no negativa de tensores se aplica a datos de trading en varias escalas temporales.
• Se utilizan datos sintéticos para demostrar el método antes de aplicarlo a transacciones reales.
• El análisis e-MID identifica patrones de actividad diferenciados entre grupos de bancos.
• El marco se utiliza para caracterizar comportamientos de trading inusuales durante la crisis de 2008.
• Los resultados describen patrones de un mercado y no demuestran la rentabilidad de una estrategia de trading.

Etiquetas

# Extracting the multi-timescale activity patterns of online financial markets


# Extracting the multi-timescale activity patterns of online financial markets









Online financial markets can be represented as complex systems where trading dynamics can be captured and characterized at different resolutions and time scales. In this work, we develop a methodology based on non-negative tensor factorization (NTF) aimed at extracting and revealing the multi-timescale trading dynamics governing online financial systems. We demonstrate the advantage of our strategy first using synthetic data, and then on real-world data capturing all interbank transactions (over a million) occurred in an Italian online financial market (e-MID) between 2001 and 2015. Our results demonstrate how NTF can uncover hidden activity patterns that characterize groups of banks exhibiting different trading strategies (normal vs. early vs. flash trading, etc.). We further illustrate how our methodology can reveal "crisis modalities" in trading triggered by endogenous and exogenous system shocks: as an example, we reveal and characterize trading anomalies in the midst of the 2008 financial crisis.

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.