Taille des positions et VaR dans les backtests de marchés volatils

Résumé

L’article étudie si la taille des positions de trading peut aider à contrôler le risque pendant les périodes de forte volatilité. Il recourt au backtesting historique pour examiner le comportement de modèles de dimensionnement lors de crises, en se demandant notamment s’ils peuvent réduire la valeur à risque. Il envisage également les positions courtes et longues comme moyens de gérer l’exposition dans des conditions de tension.

L’étude décrite combine l’analyse du dimensionnement avec des données sur les actions et les fonds négociés en bourse, et mentionne des modèles autorégressifs, ARIMA, LSTM et GARCH. L’extrait n’explique ni la définition des règles de dimensionnement, ni l’intégration des modèles, ni la période de backtest et les épisodes de crise retenus. Il ne fournit pas non plus d’estimations de VaR ni de résultats de performance. Le texte décrit donc une piste de recherche sans établir qu’une méthode de dimensionnement particulière permet de contrôler les pertes ; les résultats historiques dépendraient aussi des hypothèses et ne prédisent pas nécessairement le comportement lors de crises futures.

Idées clés

• L’étude utilise des backtests historiques pour évaluer les méthodes de dimensionnement pendant les périodes de forte volatilité.
• Sa principale mesure du risque est la valeur à risque lors des épisodes de crise.
• Elle envisage de gérer la taille des positions longues et courtes.
• Les données et la modélisation décrites comprennent des actions, des ETF, ainsi que des méthodes AR, ARIMA, LSTM et GARCH.
• L’extrait ne donne aucun résultat ni détail suffisant pour comparer les règles de dimensionnement.

Étiquettes

# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis


# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis









Backtest is a way of financial risk evaluation which helps to analyze how our trading algorithm would work in markets with past time frame. The high volatility situation has always been a critical situation which creates challenges for algorithmic traders. The paper investigates different models of sizing in financial trading and backtest to high volatility situations to understand how sizing models can lower the models of VaR during crisis events. Hence it tries to show that how crisis events with high volatility can be controlled using short and long positional size. The paper also investigates stocks with AR, ARIMA, LSTM, GARCH with ETF data.

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.