پیش‌بینی حرکت براونی کسری برای تصمیم‌های معاملاتی
خلاصه
این سند توضیح می‌دهد که حرکت براونی کسری (fBm)، که افزایش‌های غیرهم‌پوشان آن می‌توانند وابسته باشند، چگونه می‌تواند به پیش‌بینی تغییرات آتی قیمت کمک کند. اگر لگاریتم قیمت‌ها از این فرایند پیروی کند، ساختار نامارکوفی آن می‌تواند برای آربیتراژ آماری اطلاعات فراهم کند. این پژوهش سنجه‌های نظری دقتِ مرتبط با معامله، از جمله نسبت پیش‌بینی درست جهت، سود مورد انتظار و ریسک را استخراج می‌کند و پیش‌بینی‌ها را تنها بر اساس معیارهای آماری متداول نمی‌سنجد.
همچنین انتخاب‌های عملی استراتژی را بررسی می‌کند: اینکه از کدام افزایش‌های گذشته استفاده شود و چه زمانی حرکت پیش‌بینی‌شده کوچک‌تر از آن باشد که معامله‌کردنش به‌دلیل عدم‌قطعیت زیاد یا سودآوری ناکافی صرف کند. کاربردهای تجربی از نرخ‌های ارز خارجی با بسامد بالا و سری‌های نوسان‌پذیری تحقق‌یافته استفاده می‌کنند و تحلیل پیش‌بینی را به نوسان‌پذیری زبر پیوند می‌دهند. توضیحات سند ارقام مشخص عملکرد، فرض‌های هزینه معامله یا آزمون‌هایی فراتر از این کاربردها را گزارش نمی‌کند؛ بنابراین اثبات نمی‌کند سیگنال‌های مبتنی بر fBm در بازارهای زنده سودآور خواهند ماند.
ایده‌های کلیدی
- حرکت براونی کسری وابستگی میان افزایش‌ها را ممکن می‌کند و می‌تواند پیش‌بینی وضعیت‌های آینده را امکان‌پذیر سازد.
- تحلیل پیشنهادی دقت پیش‌بینی را به نسبت پیش‌بینی درست جهت، سود مورد انتظار و ریسک استراتژی پیوند می‌دهد.
- انتخاب افزایش‌های باوقفه، پرسشی عملی برای انتخاب ورودی‌هاست.
- آستانه معامله‌نکردن برای افزایش‌های کوچک پیش‌بینی‌شده می‌تواند بر سودآوری استراتژی اثر بگذارد.
- کاربردها نرخ‌های FX با بسامد بالا و نوسان‌پذیری تحقق‌یافته را بررسی می‌کنند.
برچسب‌ها
متن کامل
# Forecasting with fractional Brownian motion: a financial perspective # Forecasting with fractional Brownian motion: a financial perspective The fractional Brownian motion (fBm) extends the standard Brownian motion by introducing some dependence between non-overlapping increments. Consequently, if one considers for example that log-prices follow an fBm, one can exploit the non-Markovian nature of the fBm to forecast future states of the process and make statistical arbitrages. We provide new insights into forecasting an fBm, by proposing theoretical formulas for accuracy metrics relevant to a systematic trader, from the hit ratio to the expected gain and risk of a simple strategy. In addition, we answer some key questions about optimizing trading strategies in the fBm framework: Which lagged increments of the fBm, observed in discrete time, are to be considered? If the predicted increment is close to zero, up to which threshold is it more profitable not to invest? We also propose empirical applications on high-frequency FX rates, as well as on realized volatility series, exploring the rough volatility concept in a forecasting perspective.
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.