추세 추종과 평균회귀가 장기 가격 분산에 미치는 영향
기사 arXiv papers · 저자: Lawrence Middleton et al.
요약
이 연구는 전체 시장의 추세 추종 또는 평균회귀 트레이딩 행동이 자산 가격 움직임을 어떻게 바꿀 수 있는지 살펴봅니다. 트레이딩 방향을 명시적으로 모형화하고 각 행동을 계열 상관관계와 연결합니다. 추세 추종 행동은 양의 상관관계를, 평균회귀는 음의 상관관계를 만들 수 있습니다. 이 모형으로 무작위 보행 벤치마크와 비교해 이러한 상관관계가 장기 분산에 미치는 영향을 조사합니다.
이론 분석은 추세 추종이 장기 분산을 높이고 평균회귀 행동은 이를 낮출 수 있음을 시사합니다. 미국 대형주와 고빈도 EUR/USD 데이터에 적용한 결과는 무작위 보행 가정보다 높은 예측 가능성을 보입니다. 제공된 설명에는 모형 사양, 표본 기간 또는 예측 개선 정도를 나타내는 측정치가 없으며, 이 예측 가능성이 수익성 있는 트레이딩 전략으로 이어진다고 입증하지도 않습니다. 따라서 이 근거는 트레이딩 유형이 수익률 의존성과 위험에 영향을 미칠 수 있는 방식을 이해하기 위한 틀로 보는 편이 적절합니다.
핵심 아이디어
- 추세 추종과 평균회귀 트레이딩 유형은 각각 양의 가격 상관관계와 음의 가격 상관관계를 만들 수 있습니다.
- 저자들은 트레이딩 방향을 명시적으로 나타내는 확률 모형을 사용합니다.
- 이론 결과에서 추세 추종은 무작위 보행 모형보다 장기 분산을 높입니다.
- 평균회귀 조건은 무작위 보행 경우보다 장기 분산을 낮출 수 있습니다.
- 미국 대형주와 고빈도 EUR/USD 데이터 적용에서 예측 가능성 증가가 보고됩니다.
태그
전문
# Trading styles and long-run variance of asset prices # Trading styles and long-run variance of asset prices Trading styles can be classified into either trend-following or mean-reverting. If the net trading style is trend-following the traded asset is more likely to move in the same direction it moved previously (the opposite is true if the net style is mean-reverting). The result of this is to introduce positive (or negative) correlations into the time series. We here explore the effect of these correlations on the long-run variance of the series through probabilistic models designed to explicitly capture the direction of trading. Our theoretical insights suggests that relative to random walk models of asset prices the long-run variance is increased under trend-following strategies and can actually be reduced under mean-reversal conditions. We apply these models to some of the largest US stocks by market capitalisation as well as high-frequency EUR/USD data and show that in both these settings, the ability to predict the asset price is generally increased relative to a random walk.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.