ट्रेडिंग निर्णयों के लिए फ्रैक्शनल ब्राउनियन मोशन पूर्वानुमान
सारांश
यह दस्तावेज़ बताता है कि फ्रैक्शनल ब्राउनियन मोशन (fBm), जिसके असंपाती वृद्धि-खंड निर्भर हो सकते हैं, भविष्य के मूल्य परिवर्तनों के पूर्वानुमान में कैसे मदद कर सकता है। यदि लॉग-मूल्य इसी प्रक्रिया का अनुसरण करते हैं, तो इसकी गैर-मार्कोवियन संरचना सांख्यिकीय आर्बिट्राज के लिए जानकारी दे सकती है। यह कार्य केवल पारंपरिक सांख्यिकीय मानदंडों पर पूर्वानुमानों को आँकने के बजाय ट्रेडिंग-केंद्रित सैद्धांतिक सटीकता माप निकालता है, जिनमें हिट अनुपात, अपेक्षित लाभ और जोखिम शामिल हैं।
यह व्यावहारिक रणनीति विकल्पों पर भी विचार करता है: अतीत के किन वृद्धि-खंडों का उपयोग करें और छोटा अनुमानित बदलाव कब ट्रेड करने के लिए बहुत अनिश्चित या अलाभकारी होता है। अनुभवजन्य अनुप्रयोग उच्च-आवृत्ति विदेशी मुद्रा दरों और वास्तविकीकृत अस्थिरता श्रृंखलाओं का उपयोग करते हैं, जिससे पूर्वानुमान विश्लेषण का संबंध रफ़ अस्थिरता से जुड़ता है। दस्तावेज़ का विवरण विशिष्ट प्रदर्शन आँकड़े, लेनदेन लागत की मान्यताएँ या इन अनुप्रयोगों से आगे के परीक्षण नहीं बताता; इसलिए इससे यह स्थापित नहीं होता कि fBm-आधारित संकेत लाइव बाज़ारों में लाभदायक बने रहेंगे।
मुख्य विचार
- फ्रैक्शनल ब्राउनियन मोशन वृद्धि-खंडों के बीच निर्भरता की अनुमति देता है और भविष्य की अवस्थाओं का पूर्वानुमान संभव बना सकता है।
- प्रस्तावित विश्लेषण पूर्वानुमान सटीकता को हिट अनुपात, अपेक्षित लाभ और रणनीति जोखिम से जोड़ता है।
- लैग किए गए वृद्धि-खंडों का चयन करना व्यावहारिक इनपुट चयन का प्रश्न है।
- छोटे अनुमानित वृद्धि-खंडों के लिए ट्रेड न करने की सीमा रणनीति की लाभप्रदता को प्रभावित कर सकती है।
- अनुप्रयोग उच्च-आवृत्ति FX दरों और वास्तविकीकृत अस्थिरता की जाँच करते हैं।
टैग
पूरा पाठ
# Forecasting with fractional Brownian motion: a financial perspective # Forecasting with fractional Brownian motion: a financial perspective The fractional Brownian motion (fBm) extends the standard Brownian motion by introducing some dependence between non-overlapping increments. Consequently, if one considers for example that log-prices follow an fBm, one can exploit the non-Markovian nature of the fBm to forecast future states of the process and make statistical arbitrages. We provide new insights into forecasting an fBm, by proposing theoretical formulas for accuracy metrics relevant to a systematic trader, from the hit ratio to the expected gain and risk of a simple strategy. In addition, we answer some key questions about optimizing trading strategies in the fBm framework: Which lagged increments of the fBm, observed in discrete time, are to be considered? If the predicted increment is close to zero, up to which threshold is it more profitable not to invest? We also propose empirical applications on high-frequency FX rates, as well as on realized volatility series, exploring the rough volatility concept in a forecasting perspective.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।