Cadre mathématique pour la prise de risque liée au momentum sur les actions

Résumé

Ce document présente la prise de risque liée au momentum comme une gestion en temps réel de la volatilité à court terme des actions. Le système proposé transforme une théorie de l’effet des nouvelles sur les cours en tableaux discrets de rendements attendus à différents horizons d’investissement, qui guident ensuite des décisions de trading automatisé. Il relie également cette approche à l’apprentissage automatique, aux processus aléatoires, au mouvement brownien fractionnaire et à la prise de décision au-delà des marchés.

Les auteurs rapportent des expériences historiques et en temps réel réussies, mais ne donnent dans cette description aucun détail sur l’échantillon, les performances ou les méthodes de comparaison. La théorie sous-jacente de l’impact sur les prix est décrite comme faisant appel à des fonctions mathématiques spécialisées, et les procédures d’apprentissage automatique ne sont caractérisées que brièvement. Le résumé présente donc un cadre proposé, sans fournir assez d’informations pour évaluer ses hypothèses, sa mise en œuvre ou sa robustesse.

Idées clés

• L’approche traite la prise de risque liée au momentum comme un contrôle en temps réel de la volatilité à court terme des actions.
• Une théorie de l’impact des nouvelles est discrétisée en tableaux de rendements attendus pour plusieurs horizons d’investissement.
• Ces tableaux servent d’entrées à un système automatisé de trading d’actions.
• Les auteurs rapportent des expériences historiques et en temps réel, mais ne fournissent ici aucun résultat quantitatif.

Étiquettes

# Artificial intelligence approach to momentum risk-taking


# Artificial intelligence approach to momentum risk-taking









We propose a mathematical model of momentum risk-taking, which is essentially real-time risk management focused on short-term volatility of stock markets. Its implementation, our fully automated momentum equity trading system presented systematically, proved to be successful in extensive historical and real-time experiments. Momentum risk-taking is one of the key components of general decision-making, a challenge for artificial intelligence and machine learning with deep roots in cognitive science; its variants beyond stock markets are discussed. We begin with a new algebraic-type theory of news impact on share-prices, which describes well their power growth, periodicity, and the market phenomena like price targets and profit-taking. This theory generally requires Bessel and hypergeometric functions. Its discretization results in some tables of bids, which are basically expected returns for main investment horizons, the key in our trading system. The ML procedures we use are similar to those in neural networking. A preimage of our approach is the new contract card game provided at the end, a combination of bridge and poker. Relations to random processes and the fractional Brownian motion are outlined.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.