کنترل افت سرمایه با سازوکار شروع مجدد مبتنی بر داده

خلاصه

این مقاله با افزودن سازوکار شروع مجدد مبتنی بر داده، سیاست معاملاتی تعدیل‌کننده افت سرمایه را تغییر می‌دهد. گفته می‌شود سیاست پایه، حداکثر افت سرمایه درصدی را با احتمال یک در محدوده‌ای از پیش تعیین‌شده نگه می‌دارد. بااین‌حال، در عمل نزدیک‌شدن به این حد می‌تواند باعث شود سیاست مانند حد ضرر عمل کند و اگر قیمت‌ها بعداً بهبود یابند یا در جهت مطلوب ادامه دهند، معامله‌گر فرصت‌های سودآور را از دست بدهد.

هدف سازوکار شروع مجدد پیشنهادی این است که پس از فشار ناشی از افت سرمایه، سامانه را دوباره تنظیم کند و اجازه دهد معاملات از سر گرفته شوند، به‌جای آنکه عملاً متوقف بمانند. نویسندگان گزارش می‌کنند که این سازوکار ممکن است عملکرد معاملاتی را نسبت به سیاست اصلی بهبود دهد، حتی وقتی هزینه‌های تراکنش غیرصفرند. آن‌ها از این پیشنهاد با مطالعات تجربی بر قیمت‌های تاریخی، شامل ETFهای سهام و رمزارز، پشتیبانی می‌کنند. گزیده معیارهای مشخص عملکرد، قواعد شروع مجدد، جزئیات دارایی‌ها یا فرض‌های هزینه را ارائه نمی‌کند؛ بنابراین نمی‌توان از این خلاصه قدرت و قابلیت تعمیم مزیت گزارش‌شده را ارزیابی کرد.

ایده‌های کلیدی

• گفته می‌شود تعدیل افت سرمایه، حداکثر افت سرمایه درصدی از پیش تعیین‌شده را با احتمال یک اعمال می‌کند.
• با نزدیک‌شدن به حد افت سرمایه، سیاست می‌تواند مانند حد ضرر عمل کند و فرصت‌های بعدی را از دست بدهد.
• سازوکار شروع مجدد مبتنی بر داده افزوده می‌شود تا سامانه معاملاتی بتواند فعالیت را از سر بگیرد و عملکردش را بازتنظیم کند.
• نویسندگان بهبود احتمالی عملکرد با شروع مجدد را، حتی در حضور هزینه‌های تراکنش غیرصفر، گزارش می‌کنند.
• مطالعات قیمت‌های تاریخی، ETFهای سهام و رمزارز را پوشش می‌دهند، اما گزیده نتایج جزئی یا پارامترهای شروع مجدد را ارائه نمی‌کند.

برچسب‌ها

# On Data-Driven Drawdown Control with Restart Mechanism in Trading


# On Data-Driven Drawdown Control with Restart Mechanism in Trading









This paper extends the existing drawdown modulation control policy to include a novel restart mechanism for trading. It is known that the drawdown modulation policy guarantees the maximum percentage drawdown no larger than a prespecified drawdown limit for all time with probability one. However, when the prespecified limit is approaching in practice, such a modulation policy becomes a stop-loss order, which may miss the profitable follow-up opportunities if any. Motivated by this, we add a data-driven restart mechanism into the drawdown modulation trading system to auto-tune the performance. We find that with the restart mechanism, our policy may achieve a superior trading performance to that without the restart, even with a nonzero transaction costs setting. To support our findings, some empirical studies using equity ETF and cryptocurrency with historical price data are provided.

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.