Passer au contenu
Tous les documents de la bibliothèque

Repérer les profils d’activité de marché par factorisation tensorielle non négative

Article arXiv papers · Auteur: Teruyoshi Kobayashi et al.
Lire la source originale

Résumé

Ce travail utilise la factorisation tensorielle non négative (NTF) pour repérer les profils d’activité de trading à plusieurs échelles de temps sur les marchés financiers en ligne. La méthode est d’abord illustrée avec des données synthétiques, puis appliquée aux transactions interbancaires du marché en ligne e-MID italien. Elle vise à révéler des profils latents d’activité de trading et à distinguer des groupes de banques dont les comportements comprennent le trading normal, anticipé ou éclair.

Les auteurs utilisent également les profils extraits pour étudier l’évolution de l’activité de marché pendant des perturbations systémiques, notamment la crise financière de 2008. Ils rapportent des anomalies associées à des chocs endogènes et exogènes et décrivent des modes de trading liés aux crises. Cette analyse exploratoire porte sur un marché interbancaire et un jeu de données historiques particuliers ; l’extrait ne fournit pas de mesures de performance des stratégies de trading et n’établit pas que les profils observés se généralisent à d’autres marchés ou périodes.

Idées clés

  • La factorisation tensorielle non négative est appliquée à des données de trading couvrant plusieurs échelles de temps.
  • Des données synthétiques servent à illustrer la méthode avant son application à des transactions réelles.
  • L’analyse e-MID repère des profils d’activité distincts parmi des groupes de banques.
  • Le cadre sert à caractériser des comportements de trading inhabituels pendant la crise 2008.
  • Les résultats décrivent les profils d’un seul marché et n’établissent pas la rentabilité d’une stratégie de trading.

Étiquettes

Titres à revenu fixeMicrostructure des marchésStatistiquesApprentissage automatique
Texte intégral
# Extracting the multi-timescale activity patterns of online financial markets


# Extracting the multi-timescale activity patterns of online financial markets









Online financial markets can be represented as complex systems where trading dynamics can be captured and characterized at different resolutions and time scales. In this work, we develop a methodology based on non-negative tensor factorization (NTF) aimed at extracting and revealing the multi-timescale trading dynamics governing online financial systems. We demonstrate the advantage of our strategy first using synthetic data, and then on real-world data capturing all interbank transactions (over a million) occurred in an Italian online financial market (e-MID) between 2001 and 2015. Our results demonstrate how NTF can uncover hidden activity patterns that characterize groups of banks exhibiting different trading strategies (normal vs. early vs. flash trading, etc.). We further illustrate how our methodology can reveal "crisis modalities" in trading triggered by endogenous and exogenous system shocks: as an example, we reveal and characterize trading anomalies in the midst of the 2008 financial crisis.

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.