변동성 장세 백테스트의 포지션 규모와 VaR

기사 arXiv papers · 저자: S. M. Masrur Ahmed

요약

이 논문은 트레이딩 포지션 규모가 변동성이 큰 시기에 위험을 통제하는 데 도움이 되는지 조사합니다. 과거 백테스팅으로 위기 상황에서 포지션 규모 모형이 어떻게 작동하는지 살펴보며, 특히 위험가치(VaR)를 줄일 수 있는지에 주목합니다. 스트레스 상황에서 익스포저를 관리하는 방법으로 숏 포지션과 롱 포지션도 고려합니다.

설명된 연구는 포지션 규모 분석을 주식 및 상장지수펀드 데이터와 결합하며, 자기회귀, ARIMA, LSTM, GARCH 모형을 언급합니다. 발췌문은 포지션 규모 규칙을 어떻게 정의하는지, 모형을 어떻게 적용하는지, 어떤 기간과 위기 상황을 백테스트했는지 설명하지 않습니다. VaR 추정치나 성과 결과도 제시하지 않습니다. 따라서 이 글은 특정 포지션 규모 조정 방식이 손실을 통제한다고 입증하는 것이 아니라 연구 방향을 개괄합니다. 과거 결과는 가정에 따라 달라질 수 있으며 미래 위기 상황을 예측하지 못할 수도 있습니다.

핵심 아이디어

이 연구는 변동성이 높은 기간에 포지션 규모 조정 방식을 과거 백테스트로 평가합니다.
핵심 위험 측정치는 위기 상황의 위험가치입니다.
롱 포지션과 숏 포지션의 규모를 모두 관리하는 방법을 고려합니다.
설명된 데이터와 모형에는 주식, ETF, AR, ARIMA, LSTM, GARCH 방식이 포함됩니다.
발췌문에는 포지션 규모 규칙을 비교할 만한 결과나 세부 사항이 없습니다.

# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis


# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis









Backtest is a way of financial risk evaluation which helps to analyze how our trading algorithm would work in markets with past time frame. The high volatility situation has always been a critical situation which creates challenges for algorithmic traders. The paper investigates different models of sizing in financial trading and backtest to high volatility situations to understand how sizing models can lower the models of VaR during crisis events. Hence it tries to show that how crisis events with high volatility can be controlled using short and long positional size. The paper also investigates stocks with AR, ARIMA, LSTM, GARCH with ETF data.

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

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

변동성 장세 백테스트의 포지션 규모와 VaR

요약

핵심 아이디어

태그