شبکه‌های پیشرو-پسرو پایدار، جریان سفارش FX و میانگین قیمت را پیش‌بینی می‌کنند
خلاصه
این سند روشی برای استنباط شبکه‌های پیشرو-پسرو از کنش‌های عامل‌های منفرد معرفی می‌کند و سپس آن را روی داده‌های بازار ارز با تفکیک معامله‌گر به کار می‌گیرد. پایداری شبکه را توضیحی برای این مطرح می‌کند که چرا فعالیت یک معامله‌گر می‌تواند به پیش‌بینی جریان سفارش بعدیِ معامله‌گران دیگر کمک کند. تحلیل همچنین بررسی می‌کند که آیا قیمت‌های گذشته بر کنش معامله‌گران اثر می‌گذارند و از این راه پیش‌بینی تغییرات میانگین قیمتی را که می‌پردازند ممکن می‌کنند.
برای ارزیابی پیش‌بینی‌های ساعتی سرمایه‌گذاران خرد از مدل‌های جنگل تصادفی استفاده می‌شود. یافته‌های گزارش‌شده حاکی از قابلیت پیش‌بینی قوی هم برای جهت جریان سفارش و هم برای جهت میانگین قیمت‌های معامله است. نویسندگان می‌گویند این الگوها ممکن است برای کارگزاران و سامانه‌های تطبیق سفارش اهمیت داشته باشند و تعامل معامله‌گران را یکی از دلایل شکل‌گیری درون‌زای فعالیت می‌دانند. خلاصه جزئیات نمونه، تنظیمات مدل، معیارهای عددی عملکرد یا شواهدی فراتر از نتایج بیان‌شده را ارائه نمی‌کند؛ بنابراین نمی‌توان قوت و تعمیم‌پذیری یافته‌ها را به‌طور مستقل در اینجا ارزیابی کرد.
ایده‌های کلیدی
- شبکه‌های پیشرو-پسرو می‌توانند روابط میان کنش‌های معامله‌گران منفرد را نمایش دهند.
- گزارش شده است که شبکه‌های استنباط‌شده در طول زمان پایدار می‌مانند و از پیش‌بینی جریان سفارش پشتیبانی می‌کنند.
- معامله‌گری وابسته به قیمت‌های گذشته ممکن است جهت میانگین قیمت پرداختی معامله‌گران را پیش‌بینی‌پذیر کند.
- جنگل‌های تصادفی، قابلیت پیش‌بینی ساعتیِ جهت جریان سفارش و میانگین قیمت معامله سرمایه‌گذاران خرد را نشان می‌دهند.
- نویسندگان تعامل معامله‌گران را به شکل‌گیری درون‌زای فعالیت بازار پیوند می‌دهند.
برچسب‌ها
متن کامل
# Statistically validated lead-lag networks and inventory prediction in the foreign exchange market # Statistically validated lead-lag networks and inventory prediction in the foreign exchange market We introduce a method to infer lead-lag networks of agents' actions in complex systems. These networks open the way to both microscopic and macroscopic states prediction in such systems. We apply this method to trader-resolved data in the foreign exchange market. We show that these networks are remarkably persistent, which explains why and how order flow prediction is possible from trader-resolved data. In addition, if traders' actions depend on past prices, the evolution of the average price paid by traders may also be predictable. Using random forests, we verify that the predictability of both the sign of order flow and the direction of average transaction price is strong for retail investors at an hourly time scale, which is of great relevance to brokers and order matching engines. Finally, we argue that the existence of trader lead-lag networks explains in a self-referential way why a given trader becomes active, which is in line with the fact that most trading activity has an endogenous origin.
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.