چگونگی شکل‌گیری قیمت‌های آشوبناک سهام با قواعد پیروی از روند و خلاف‌روند
خلاصه
این مقاله مدلی از پویایی قیمت سهام را بررسی می‌کند که بر قواعد معاملاتی میانگین متحرک بنا شده است. رفتار آشوبناک قیمت را به تعامل میان تقاضای پیرو روند و تقاضای خلاف‌روند نسبت می‌دهد و دامنه‌هایی از پارامترها را شرح می‌دهد که با واگرایی، آشوب و نوسان مرتبط‌اند. گزارش شده است که مدل بی‌نهایت نقطه تعادل دارد و همه آن‌ها ناپایدارند. تحلیل همچنین نمای لیاپانوف را بر حسب پارامترهای مدل استخراج می‌کند و می‌سنجد که نوسان بازده حتی هنگام آشوبناک‌بودن قیمت چگونه رفتار می‌کند.
نویسندگان گزارش می‌کنند که نوسان به‌سرعت به مقدار ثابتی نزدیک می‌شود؛ رابطه آن با پارامترهای مدل را با شبیه‌سازی مونت‌کارلو برآورد می‌کنند و بررسی می‌کنند بازده در چه شرایطی مستقل به نظر می‌رسد. جاذب عجیبِ ترسیم‌شده و توزیع بازده، رفتار پیچیده و دنباله‌های سنگین را نشان می‌دهند. این یافته‌ها مربوط به مدلی ریاضی مشخص‌اند؛ شرح مقاله اعتبارسنجی تجربی با داده‌های بازار ارائه نمی‌کند و ثابت نمی‌کند که پویایی مدل، بازده واقعی سهام را توضیح می‌دهد. نتیجه‌گیری‌ها به فرض‌های مدل و انتخاب پارامترها وابسته‌اند.
ایده‌های کلیدی
- مدل آشوب قیمت را به تعامل میان قواعد معاملاتی پیرو روند و خلاف‌روند پیوند می‌دهد.
- نقاط تعادل مدل ناپایدار توصیف شده‌اند و دامنه پارامترها واگرایی، آشوب و نوسان را تعیین می‌کند.
- تحلیل نمای لیاپانوف را استخراج و آن را به رفتار نوسان کوتاه‌مدت مرتبط می‌کند.
- برای برآورد نوسان همگرای مدل از شبیه‌سازی‌های مونت‌کارلو استفاده می‌شود.
- پویایی آشوبناک توصیف‌شده، نتیجه مدل است و متن اعتبارسنجی تجربی مشخصی ارائه نمی‌کند.
برچسب‌ها
متن کامل
# Dynamical Models of Stock Prices Based on Technical Trading Rules Part II: Analysis of the Models # Dynamical Models of Stock Prices Based on Technical Trading Rules Part II: Analysis of the Models In Part II of this paper, we concentrate our analysis on the price dynamical model with the moving average rules developed in Part I of this paper. By decomposing the excessive demand function, we reveal that it is the interplay between trend-following and contrarian actions that generates the price chaos, and give parameter ranges for the price series to change from divergence to chaos and to oscillation. We prove that the price dynamical model has an infinite number of equilibrium points but all these equilibrium points are unstable. We demonstrate the short-term predictability of the return volatility and derive the detailed formula of the Lyapunov exponent as function of the model parameters. We show that although the price is chaotic, the volatility converges to some constant very quickly at the rate of the Lyapunov exponent. We extract the formula relating the converged volatility to the model parameters based on Monte-Carlo simulations. We explore the circumstances under which the returns show independency and illustrate in details how the independency index changes with the model parameters. Finally, we plot the strange attractor and return distribution of the chaotic price model to illustrate the complex structure and fat-tailed distribution of the returns.
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.