Pular para o conteúdo
Todos os documentos da biblioteca

Fatoração tensorial não negativa para identificar padrões de atividade do mercado

Artigo arXiv papers · Autor: Teruyoshi Kobayashi et al.
Ler o original

Resumo

Este trabalho usa fatoração tensorial não negativa (NTF) para identificar padrões de atividade de trading em várias escalas de tempo nos mercados financeiros online. O método é primeiro demonstrado com dados sintéticos e, em seguida, aplicado às transações interbancárias do mercado online e-MID da Itália. O objetivo é revelar padrões latentes de atividade de trading e distinguir grupos de bancos cujos comportamentos incluem trading normal, antecipado ou relâmpago.

Os autores também usam os padrões extraídos para examinar como a atividade do mercado muda durante perturbações sistêmicas, incluindo a crise financeira de 2008. Relatam encontrar anomalias associadas a choques endógenos e exógenos e descrevem modalidades de trading relacionadas à crise. Esta é uma análise exploratória de um mercado interbancário específico e de uma base histórica; o trecho não apresenta medidas de desempenho de estratégias de trading nem demonstra que os padrões identificados se generalizam para outros ambientes ou períodos.

Ideias principais

  • A fatoração tensorial não negativa é aplicada a dados de trading em várias escalas de tempo.
  • Dados sintéticos são usados para demonstrar o método antes de sua aplicação a transações reais.
  • A análise e-MID identifica padrões distintos de atividade entre grupos de bancos.
  • A estrutura é usada para caracterizar comportamentos de trading incomuns durante a crise de 2008.
  • Os resultados descrevem padrões em um mercado e não demonstram a lucratividade de uma estratégia de trading.

Tags

Renda fixaMicroestrutura de mercadoEstatísticaAprendizado de máquina
Texto completo
# Extracting the multi-timescale activity patterns of online financial markets


# Extracting the multi-timescale activity patterns of online financial markets









Online financial markets can be represented as complex systems where trading dynamics can be captured and characterized at different resolutions and time scales. In this work, we develop a methodology based on non-negative tensor factorization (NTF) aimed at extracting and revealing the multi-timescale trading dynamics governing online financial systems. We demonstrate the advantage of our strategy first using synthetic data, and then on real-world data capturing all interbank transactions (over a million) occurred in an Italian online financial market (e-MID) between 2001 and 2015. Our results demonstrate how NTF can uncover hidden activity patterns that characterize groups of banks exhibiting different trading strategies (normal vs. early vs. flash trading, etc.). We further illustrate how our methodology can reveal "crisis modalities" in trading triggered by endogenous and exogenous system shocks: as an example, we reveal and characterize trading anomalies in the midst of the 2008 financial crisis.

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.