شناسایی محتوای غیرتصادفی بازار با تحلیل چندمتغیره

خلاصه

این سند استدلال می‌کند که بازده‌های مالی در تحلیل سری زمانی سنتی ممکن است نزدیک به تصادفی به نظر برسند، اما همچنان الگوهایی داشته باشند که با آمار چندمتغیره نوین قابل شناسایی‌اند. تحلیلی الهام‌گرفته از روش‌های فیزیک هسته‌ای را توصیف می‌کند که بر حرکت‌های پربسامد قراردادهای آتی یورو اعمال شده است. مؤلفه شناسایی‌شده، رفتاری پیرو روند است که با دامنه‌های نوسان تغییر می‌کند و این پژوهش از یک سامانه معاملاتی برای کدگذاری شرایط مربوط استفاده می‌کند.

برای بررسی اینکه آیا این الگو فراتر از یک قرارداد گسترش می‌یابد، همان رویه بر قراردادهای آتی DAX و کاکائو نیز اعمال می‌شود؛ قراردادهایی که تا حد زیادی نامرتبط با قرارداد آتی یورو توصیف شده‌اند. نتایج مشابه در این نمونه‌ها به‌عنوان شاهدی ارائه می‌شوند که سامانه ویژگی‌های تکرارشونده رفتار بازار را طی دوره‌ای ده‌ساله ثبت می‌کند. نویسندگان صریحاً هشدار می‌دهند که این نمونه‌ها تعمیم‌پذیری را ثابت نمی‌کنند. متن آزمون‌های آماری تفصیلی، هزینه‌های معامله یا ارقام عملکرد تعدیل‌شده بر اساس ریسک را نمی‌دهد؛ بنابراین محتوای غیرتصادفی ادعاشده را باید یافته‌ای محدود به نمونه دانست، نه برتری معاملاتی همگانی یا اثبات‌شده.

ایده‌های کلیدی

• روش‌های سنتی سری زمانی ممکن است انحراف‌های کوچک از رفتار گام تصادفی را شناسایی نکنند.
• تحلیل از روش‌های آماری چندمتغیره برای بررسی داده‌های پربسامد قراردادهای آتی استفاده می‌کند.
• در قراردادهای آتی یورو، مؤلفه‌ای پیرو روند و مرتبط با دامنه‌های نوسان شناسایی می‌شود.
• با استفاده از اجزای یکسان سامانه معاملاتی، یافته‌های مشابهی برای قراردادهای آتی DAX و کاکائو گزارش می‌شود.
• نمونه‌ها دوره‌ای ده‌ساله را پوشش می‌دهند، اما سند هشدار می‌دهد که تعمیم‌پذیری را ثابت نمی‌کنند.

برچسب‌ها

# About the non-random Content of Financial Markets


# About the non-random Content of Financial Markets









For the pedestrian observer, financial markets look completely random with erratic and uncontrollable behavior. To a large extend, this is correct. At first approximation the difference between real price changes and the random walk model is too small to be detected using traditional time series analysis. However, we show in the following that this difference between real financial time series and random walks, as small as it is, is detectable using modern statistical multivariate analysis, with several triggers encoded in trading systems. This kind of analysis are based on methods widely used in nuclear physics, with large samples of data and advanced statistical inference. Considering the movements of the Euro future contract at high frequency, we show that a part of the non-random content of this series can be inferred, namely the trend-following content depending on volatility ranges. Of course, this is not a general proof of statistical inference, as we focus on one particular example and the generality of the process can not be claimed. Therefore, we produce other examples on a completely different markets, largely uncorrelated to the Euro future, namely the DAX and Cacao future contracts. The same procedure is followed using a trading system, based on the same ingredients. We show that similar results can be obtained and we conclude that this is an evidence that some invariants, as encoded in our system, have been identified. They provide a kind of quantification of the non-random content of the financial markets explored over a 10 years period of time.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.