معامله جفتی در بازارهای شرط‌بندی انتخاباتی با مدل احتمال بازگشت‌کننده به میانگین
خلاصه
این مطالعه موردی منطق معامله جفتی را با مدل‌سازی احتمال ضمنی ترکیبی نامزدهای دو حزب اصلی، به بازارهای شرط‌بندی سیاسی بسط می‌دهد. یک فرایند نهفته اورنشتاین–اولنبک با سطح بازگشت به میانگینِ متغیر با زمان، احتمال زیربنایی را نشان می‌دهد و نویز افزایشی، ضرایب شرط‌بندی مشاهده‌شده را در نظر می‌گیرد. پارامترها با درست‌نمایی فضای حالت و داده‌هایی با نمونه‌برداری منظم برآورد می‌شوند؛ مظنه‌های تکراریِ متوالی فشرده می‌شوند، در حالی که زمان سپری‌شده آن‌ها در گذار زمان‌پیوسته حفظ می‌شود.
کران‌های بالای پیش‌بینیِ بوت‌استرپ پارامتری، هنگامی که انتظار می‌رود احتمال ترکیبی کاهش یابد، سیگنال تولید می‌کنند و مدلی از نوع بردلی–تری انتخاب می‌کند از مظنه ضرایب کدام نامزد استفاده شود. مدل انتخاب نامزد با داده‌های انتخابات 2020 آموزش داده شده و با داده‌های 2024 ارزیابی شده است؛ حاصل آن 130 سیگنال، پوشش یک‌گام 95.1%، میانگین بازده قیمتِ ضرایب مصنوعی 1.86% و نسبت شارپِ نوعیِ سالانه‌نشده به‌ازای هر معامله 1.12 است. این‌ها معیارهای توصیفیِ بدون اصطکاک هستند، نه سود شرط‌بندیِ قابل تحقق؛ نویسندگان روش را اثبات مفهوم برای بازارهای دو نامزدی معرفی می‌کنند.
ایده‌های کلیدی
- چارچوب، احتمال ضمنی ترکیبیِ دو نامزد را با فرایندی پُرنویز و متغیر با زمان مدل‌سازی می‌کند که به میانگین بازمی‌گردد.
- درست‌نمایی فضای حالت پارامترهای مدل را برآورد می‌کند و زمان سپری‌شده نامنظم بین مشاهداتِ حفظ‌شده را در نظر می‌گیرد.
- کران‌های بالای پیش‌بینیِ بوت‌استرپ، کاهش‌های احتمالی در احتمال ضمنی ترکیبی را مشخص می‌کنند.
- مدلی از نوع بردلی–تری، مظنه ضرایب مختص هر نامزد را انتخاب می‌کند.
- نتایج خارج از نمونه 2024 توصیفی هستند و اصطکاک‌های صرافی شرط‌بندی را لحاظ نمی‌کنند.
برچسب‌ها
متن کامل
# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election # Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election Pairs trading exploits mean reversion in the relationship between related assets. We adapt this idea to political betting markets by modelling the combined implied probability of the two major-party nominees with a latent Ornstein-Uhlenbeck process whose mean-reversion level varies over time and whose observations contain additive noise. Model parameters are estimated from regularly sampled odds data using a state-space likelihood, with consecutive repeated values represented by a single retained observation and the elapsed number of sampling intervals preserved in the continuous-time transition. Parametric-bootstrap upper prediction bounds identify signal times at which the combined implied probability is likely to decline, and a no-intercept Bradley-Terry-type model selects the candidate-specific odds quote. The candidate-selection model is trained on 2020 U.S. presidential-election data and evaluated out of sample on 2024 data. The 2024 analysis produced 130 signals, empirical one-step coverage of 95.1%, a mean synthetic odds-price return of 1.86%, and an unannualized per-trade Sharpe-type ratio of 1.12. These returns are frictionless descriptive quantities rather than executable betting-exchange profits. The results support the integrated framework as a proof of concept for two-candidate electoral markets.
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.