Prévoir la volatilité et les rendements grâce à la physique du carnet d’ordres

Résumé

Cette étude propose une méthode inspirée de la physique statistique pour prévoir la volatilité des prix et les rendements attendus à partir de données de carnet d’ordres à cours limité de niveau 3. Elle représente les ordres comme des éléments d’un système physique et définit des mesures analogues à l’énergie cinétique et à la quantité de mouvement pour caractériser l’état du carnet. L’approche vise à saisir la microstructure du marché au-delà du meilleur cours acheteur et vendeur.

Une caractéristique centrale, la « profondeur active », permet d’identifier de manière efficace sur le plan informatique les niveaux du carnet jugés pertinents pour la dynamique des prix. Les auteurs rapportent que leur modèle surpasse les références traditionnelles et un algorithme d’apprentissage automatique dans les comparaisons empiriques, avec de meilleures prévisions de volatilité et de rendements attendus. L’extrait ne précise ni le marché, ni la période des données, les références, les métriques d’évaluation ou la significativité statistique ; les gains annoncés ne peuvent donc pas être évalués à partir de cette seule description. La méthode est un cadre de prévision, et non une stratégie de trading complète ; son utilité peut dépendre de la qualité des données et des conditions de marché.

Idées clés

• Le modèle utilise des données de carnet d’ordres de niveau 3 pour prévoir la volatilité et les rendements attendus.
• Il traduit les propriétés du carnet d’ordres en mesures inspirées de l’énergie cinétique et de la quantité de mouvement.
• La profondeur active identifie les niveaux du carnet d’ordres susceptibles d’influencer la dynamique des prix.
• L’étude rapporte de meilleures performances de prévision que les approches traditionnelles et une référence d’apprentissage automatique.
• L’extrait ne donne pas assez de détails sur l’évaluation pour juger de la portée générale des résultats.

Étiquettes

# An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics


# An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics









In this study, we introduce a physical model inspired by statistical physics for predicting price volatility and expected returns by leveraging Level 3 order book data. By drawing parallels between orders in the limit order book and particles in a physical system, we establish unique measures for the system's kinetic energy and momentum as a way to comprehend and evaluate the state of limit order book. Our model goes beyond examining merely the top layers of the order book by introducing the concept of 'active depth', a computationally-efficient approach for identifying order book levels that have impact on price dynamics. We empirically demonstrate that our model outperforms the benchmarks of traditional approaches and machine learning algorithm. Our model provides a nuanced comprehension of market microstructure and produces more accurate forecasts on volatility and expected returns. By incorporating principles of statistical physics, this research offers valuable insights on understanding the behaviours of market participants and order book dynamics.

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.