Estimativa de índices PE fundamentais com redes bayesianas dinâmicas para trading

Resumo

Esta pesquisa usa uma rede bayesiana dinâmica para formalizar estimativas de índices fundamentais de preço sobre lucro, muitas vezes baseadas na avaliação de especialistas. O índice PE inferido pretende apoiar decisões humanas de investimento ou servir como entrada para um sistema automatizado de trading. Os autores derivam procedimentos de inferência forward-backward e de maximização da expectativa para a rede proposta e relacionam sua estrutura a interpretações da volatilidade na finança comportamental.

Uma estratégia de trading é construída a partir dos resultados da inferência bayesiana, e experimentos a comparam com referências de investimento padrão. Os autores relatam desempenho superior consistente nesses experimentos. O resumo do documento não especifica os ativos, as definições das referências, os períodos de teste ou as premissas de custos de transação; portanto, os resultados relatados não comprovam desempenho geral nem adequação ao trading ao vivo. O método é apresentado tanto como forma de estimar dados de avaliação quanto como base para decisões sistemáticas.

Ideias principais

• Uma rede bayesiana dinâmica é usada para estimar índices PE fundamentais.
• São derivados procedimentos de inferência forward-backward e maximização da expectativa para o modelo proposto.
• Índices PE inferidos podem embasar decisões de especialistas ou alimentar um sistema automatizado de trading.
• A interpretação do modelo é relacionada a evidências da finança comportamental sobre volatilidade.
• Os experimentos relatam que uma estratégia com índices PE inferidos supera referências padrão.

Tags

# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment


# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment









On a daily investment decision in a security market, the price earnings (PE) ratio is one of the most widely applied methods being used as a firm valuation tool by investment experts. Unfortunately, recent academic developments in financial econometrics and machine learning rarely look at this tool. In practice, fundamental PE ratios are often estimated only by subjective expert opinions. The purpose of this research is to formalize a process of fundamental PE estimation by employing advanced dynamic Bayesian network (DBN) methodology. The estimated PE ratio from our model can be used either as a information support for an expert to make investment decisions, or as an automatic trading system illustrated in experiments. Forward-backward inference and EM parameter estimation algorithms are derived with respect to the proposed DBN structure. Unlike existing works in literatures, the economic interpretation of our DBN model is well-justified by behavioral finance evidences of volatility. A simple but practical trading strategy is invented based on the result of Bayesian inference. Extensive experiments show that our trading strategy equipped with the inferenced PE ratios consistently outperforms standard investment benchmarks.

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.