Estrutura matemática para assumir risco de momentum em ações

Resumo

O documento apresenta a tomada de risco por momentum como gestão em tempo real da volatilidade de ações no curto prazo. O sistema proposto transforma uma teoria sobre como notícias afetam os preços das ações em tabelas discretas de retornos esperados para diferentes horizontes de investimento, que então orientam decisões automatizadas de trading. Também relaciona a abordagem ao aprendizado de máquina, a processos aleatórios, ao movimento browniano fracionário e à tomada de decisões fora dos mercados.

Os autores relatam experimentos históricos e em tempo real bem-sucedidos, mas esta descrição não apresenta detalhes da amostra, números de desempenho nem métodos de comparação. A teoria subjacente do impacto nos preços é descrita como baseada em funções matemáticas especializadas, e os procedimentos de aprendizado de máquina são caracterizados apenas brevemente. Portanto, o resumo apresenta uma estrutura proposta, mas não informações suficientes para avaliar suas premissas, implementação ou robustez.

Ideias principais

• A abordagem trata a tomada de risco por momentum como controle em tempo real da volatilidade de ações no curto prazo.
• Uma teoria do impacto das notícias é discretizada em tabelas de retornos esperados para vários horizontes de investimento.
• Essas tabelas são usadas como entradas para um sistema automatizado de trading de ações.
• Os autores relatam experimentos históricos e em tempo real, mas não apresentam resultados quantitativos aqui.

Tags

# Artificial intelligence approach to momentum risk-taking


# Artificial intelligence approach to momentum risk-taking









We propose a mathematical model of momentum risk-taking, which is essentially real-time risk management focused on short-term volatility of stock markets. Its implementation, our fully automated momentum equity trading system presented systematically, proved to be successful in extensive historical and real-time experiments. Momentum risk-taking is one of the key components of general decision-making, a challenge for artificial intelligence and machine learning with deep roots in cognitive science; its variants beyond stock markets are discussed. We begin with a new algebraic-type theory of news impact on share-prices, which describes well their power growth, periodicity, and the market phenomena like price targets and profit-taking. This theory generally requires Bessel and hypergeometric functions. Its discretization results in some tables of bids, which are basically expected returns for main investment horizons, the key in our trading system. The ML procedures we use are similar to those in neural networking. A preimage of our approach is the new contract card game provided at the end, a combination of bridge and poker. Relations to random processes and the fractional Brownian motion are outlined.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.