주식 주문 흐름의 베이지안 온라인 변곡점 탐지

요약

이 보고서는 실시간으로 비교적 안정적인 시장 상황과 불안정한 시장 상황 사이의 변화를 탐지하는 방법을 살펴본다. 관측값이 들어올 때 구조적 변화 가능성을 찾아내는 베이지안 온라인 변곡점 탐지(BOCPD)에 초점을 맞추고, 선행 연구에서 제안된 확장 방법 두 가지를 검토한다. 적용 대상은 NASDAQ 상장 주식의 부호 있는 주문 흐름이다. 따라서 변화하는 시장 행동에 대응해야 하는 고빈도 트레이딩과 리스크 시스템에 관련된 주제다.

제공된 설명은 연구 질문과 데이터에 초점을 맞추지만 구현 세부사항, 방법 간 비교, 실증 결과는 제시하지 않는다. 따라서 접근법이 얼마나 빠르고 안정적으로 변화를 탐지하는지, 여러 주식이나 시장 상황에서 어떻게 작동하는지, 트레이딩이나 리스크 결과를 개선하는지는 입증되지 않았다. 실제 적합성을 평가하려면 이러한 세부사항이 필요하다.

핵심 아이디어

• 시장은 상대적으로 안정된 국면과 불안정한 국면 사이를 전환할 수 있다.
• 구조적 변화는 시장 국면 간 전환을 뜻한다.
• 온라인 변화 탐지를 위해 BOCPD와 문헌에 제시된 확장 방법 두 가지를 검토한다.
• 적용 사례는 NASDAQ 상장 주식의 부호 있는 주문 흐름을 사용한다.

태그

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.