تأثیر پیروی از روند و بازگشت به میانگین بر واریانس بلندمدت قیمت

خلاصه

این پژوهش بررسی می‌کند که رفتار معاملاتیِ جمعیِ پیرو روند یا بازگشت‌کننده به میانگین چگونه می‌تواند پویایی قیمت دارایی‌ها را تغییر دهد. جهت معامله را به‌صراحت در مدل می‌گنجاند و این سبک‌ها را به همبستگی سریالی پیوند می‌دهد: رفتار پیرو روند می‌تواند همبستگی مثبت ایجاد کند، در حالی که بازگشت به میانگین می‌تواند همبستگی منفی ایجاد کند. از مدل‌ها برای بررسی تأثیر این همبستگی‌ها بر واریانس بلندمدت، در مقایسه با معیار گام تصادفی، استفاده می‌شود.

تحلیل نظری نشان می‌دهد پیروی از روند واریانس بلندمدت را افزایش می‌دهد، در حالی که رفتار بازگشت‌کننده به میانگین می‌تواند آن را کاهش دهد. کاربرد مدل‌ها بر سهام بزرگ آمریکا و داده‌های پُربسامد EUR/USD، در مقایسه با فرض گام تصادفی، قابلیت پیش‌بینی بیشتری نشان می‌دهد. شرح ارائه‌شده مشخصات مدل، دوره‌های نمونه یا معیارهای بهبود پیش‌بینی را بیان نمی‌کند و نشان نمی‌دهد که این قابلیت پیش‌بینی به استراتژی معاملاتی سودآوری منجر می‌شود. بنابراین، بهتر است شواهد را چارچوبی برای درک چگونگی اثرگذاری سبک‌های معاملاتی بر وابستگی بازده‌ها و ریسک بدانیم.

ایده‌های کلیدی

• سبک‌های معاملاتیِ پیرو روند و بازگشت‌کننده به میانگین می‌توانند به‌ترتیب همبستگی مثبت و منفی قیمت ایجاد کنند.
• نویسندگان از مدل‌های احتمالاتی استفاده می‌کنند که جهت معامله را به‌صراحت نشان می‌دهند.
• نتایج نظری نشان می‌دهد پیروی از روند، واریانس بلندمدت را در مقایسه با مدل گام تصادفی افزایش می‌دهد.
• شرایط بازگشت به میانگین می‌تواند واریانس بلندمدت را نسبت به حالت گام تصادفی کاهش دهد.
• کاربرد مدل‌ها بر سهام بزرگ آمریکا و داده‌های پُربسامد EUR/USD افزایش قابلیت پیش‌بینی را گزارش می‌کند.

برچسب‌ها

# Trading styles and long-run variance of asset prices


# Trading styles and long-run variance of asset prices









Trading styles can be classified into either trend-following or mean-reverting. If the net trading style is trend-following the traded asset is more likely to move in the same direction it moved previously (the opposite is true if the net style is mean-reverting). The result of this is to introduce positive (or negative) correlations into the time series. We here explore the effect of these correlations on the long-run variance of the series through probabilistic models designed to explicitly capture the direction of trading. Our theoretical insights suggests that relative to random walk models of asset prices the long-run variance is increased under trend-following strategies and can actually be reduced under mean-reversal conditions. We apply these models to some of the largest US stocks by market capitalisation as well as high-frequency EUR/USD data and show that in both these settings, the ability to predict the asset price is generally increased relative to a random walk.

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.