זיהוי נקודות שינוי בזרם פקודות מניות בשיטה בייסיאנית

סיכום

הדוח בוחן כיצד לזהות בזמן אמת שינויים בין תנאי שוק יציבים יותר ליציבים פחות. הוא מתמקד בזיהוי נקודות שינוי מקוון בייסיאני (BOCPD), שיטה לזיהוי שברים מבניים אפשריים עם הגעת תצפיות, ובוחן שתי הרחבות שהוצעו במחקר קודם. היישום הוא זרם פקודות חתום במניות הרשומות ב־NASDAQ, ולכן הנושא רלוונטי למסחר בתדירות גבוהה ולמערכות סיכון שצריכות להגיב לשינוי בהתנהגות השוק.

התיאור הזמין מציג את שאלת המחקר ואת מוקד הנתונים, אך אינו מספק פרטי מימוש, השוואות בין השיטות או תוצאות אמפיריות. לכן הוא אינו מבסס באיזו מהירות או באיזו אמינות הגישות מזהות שברים, כיצד הן מתפקדות במניות או בתנאי שוק שונים, או אם הן משפרות תוצאות מסחר או סיכון. פרטים אלה נחוצים להערכת ההתאמה המעשית.

רעיונות מרכזיים

• שווקים עשויים לעבור בין משטרים יציבים יחסית למשטרים לא יציבים.
• שברים מבניים הם מעברים בין משטרי שוק.
• נבחנים BOCPD ושתי הרחבות מהספרות לזיהוי מקוון של שברים.
• היישום משתמש בזרם פקודות חתום ממניות הרשומות ב־NASDAQ.

תגיות

# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.