Passer au contenu
Tous les documents de la bibliothèque

Détection bayésienne des ruptures dans les flux d’ordres sur actions

Article arXiv papers · Auteur: Ramzi Jebali
Lire la source originale

Résumé

Ce rapport examine comment détecter en temps réel les changements entre des conditions de marché plus stables et plus instables. Il porte sur la détection bayésienne en ligne des points de changement (BOCPD), une méthode qui repère les ruptures structurelles probables à mesure que les observations arrivent, et étudie deux extensions proposées dans des travaux antérieurs. L’application concerne les flux d’ordres signés sur des actions cotées au NASDAQ, ce qui rend le sujet pertinent pour le trading à haute fréquence et les systèmes de gestion du risque qui doivent réagir aux changements de comportement du marché.

La description disponible expose la question de recherche et les données étudiées, mais ne fournit ni détails d’implémentation, ni comparaison des méthodes, ni résultats empiriques. Elle ne permet donc pas d’établir à quelle vitesse ou avec quelle fiabilité les approches détectent les ruptures, comment elles se comportent selon les actions ou les conditions de marché, ni si elles améliorent les résultats du trading ou de la gestion du risque. Ces détails seraient nécessaires pour évaluer leur adéquation pratique.

Idées clés

  • Les marchés peuvent passer de régimes relativement stables à des régimes instables.
  • Les ruptures structurelles correspondent à des transitions entre régimes de marché.
  • BOCPD et deux extensions issues de la littérature sont étudiées pour la détection en ligne des ruptures.
  • L’application utilise les flux d’ordres signés sur des actions cotées au NASDAQ.

Étiquettes

ActionsTrading haute fréquenceMicrostructure des marchésStatistiquesGestion des risques
Texte intégral
# Regimes in the Order Flow


# Regimes in the Order Flow









Financial markets alternate between periods of relative stability and instability, with structural breaks marking the transitions between these regimes. Identifying such breaks in real time is a central requirement for any trading or risk system operating at high frequency. This report studies Bayesian Online Changepoint Detection (BOCPD) and two extensions proposed in the literature, and applies them to the signed order flow of NASDAQ-listed equities.

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.