コンテンツへスキップ
ライブラリの全資料

ボラティリティのレジーム分類による適応的なリスク回避

記事 arXiv papers · 著者: Arjun Prakash et al.
原文を読む

サマリー

本研究は、非定常な金融時系列において、データに基づいてボラティリティ・レジームの数を特定する教師なし手法を示します。変化点検出で各系列を局所定常な区間に分割し、区間の分布間の距離を測定したうえで、最適化手順により離散的なレジームに分類します。著者らはこの手法を金融指数、大型株、上場投資信託、通貨ペアに適用しています。

さらに、系列の現在の分布を過去のレジームと照合し、その結果に基づいてオンラインでリスク回避の判断を行う動的なトレード戦略も説明しています。報告されている貢献は、過去のボラティリティの動きをより簡潔に記述することと、レジーム照合に基づく検証済み戦略です。文書には性能の数値、取引コスト分析、検証方法の詳細がありません。この手法は一部のパラメトリックなレジーム転換モデルが置く厳格な前提への依存を減らしますが、実用性は安定した推定と、過去のレジームが現在の状況に有用に対応するかどうかに左右されます。

主なアイデア

  • 変化点検出により、非定常系列を局所定常な区間に分割します。
  • 区間分布間の距離を用いて区間を分類し、データからボラティリティ・レジームの数を決めます。
  • この手法は指数、大型株、ETF、通貨ペアに適用されています。
  • 動的戦略は現在の分布を過去のレジームと照合し、オンラインでのリスク回避に役立てます。

タグ

ボラティリティ機械学習統計リスク管理
全文
# Structural clustering of volatility regimes for dynamic trading strategies


# Structural clustering of volatility regimes for dynamic trading strategies









We develop a new method to find the number of volatility regimes in a nonstationary financial time series by applying unsupervised learning to its volatility structure. We use change point detection to partition a time series into locally stationary segments and then compute a distance matrix between segment distributions. The segments are clustered into a learned number of discrete volatility regimes via an optimization routine. Using this framework, we determine a volatility clustering structure for financial indices, large-cap equities, exchange-traded funds and currency pairs. Our method overcomes the rigid assumptions necessary to implement many parametric regime-switching models, while effectively distilling a time series into several characteristic behaviours. Our results provide significant simplification of these time series and a strong descriptive analysis of prior behaviours of volatility. Finally, we create and validate a dynamic trading strategy that learns the optimal match between the current distribution of a time series and its past regimes, thereby making online risk-avoidance decisions in the present.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。