Física do Livro de Ofertas para Prever Volatilidade e Retornos

Resumo

Este estudo propõe um método inspirado na física estatística para prever a volatilidade dos preços e os retornos esperados a partir de dados de livro de ofertas de nível 3. Ele representa as ordens como elementos de um sistema físico e define medidas semelhantes à energia cinética e ao momento para caracterizar o estado do livro. A abordagem busca capturar a microestrutura do mercado além das melhores ofertas de compra e venda.

Um recurso central é a “profundidade ativa”, uma forma computacionalmente eficiente de identificar níveis do livro de ofertas considerados relevantes para a dinâmica dos preços. Os autores relatam que o modelo supera benchmarks tradicionais e um algoritmo de aprendizado de máquina em comparações empíricas, com previsões melhores de volatilidade e retornos esperados. O trecho não especifica o mercado, o período dos dados, os detalhes dos benchmarks, as métricas de avaliação nem a significância estatística; por isso, não é possível avaliar os ganhos alegados apenas com esta descrição. O método é uma estrutura de previsão, não uma estratégia de trading completa, e sua utilidade pode depender da qualidade dos dados e das condições de mercado.

Ideias principais

• O modelo usa dados de livro de ofertas de nível 3 para prever volatilidade e retornos esperados.
• Ele relaciona propriedades do livro de ofertas a medidas inspiradas na energia cinética e no momento físicos.
• A profundidade ativa identifica níveis do livro de ofertas que devem influenciar a dinâmica dos preços.
• O estudo relata desempenho de previsão melhor que abordagens tradicionais e um benchmark de aprendizado de máquina.
• O trecho não fornece detalhes de avaliação suficientes para julgar até que ponto os resultados se generalizam.

Tags

# An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics


# An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics









In this study, we introduce a physical model inspired by statistical physics for predicting price volatility and expected returns by leveraging Level 3 order book data. By drawing parallels between orders in the limit order book and particles in a physical system, we establish unique measures for the system's kinetic energy and momentum as a way to comprehend and evaluate the state of limit order book. Our model goes beyond examining merely the top layers of the order book by introducing the concept of 'active depth', a computationally-efficient approach for identifying order book levels that have impact on price dynamics. We empirically demonstrate that our model outperforms the benchmarks of traditional approaches and machine learning algorithm. Our model provides a nuanced comprehension of market microstructure and produces more accurate forecasts on volatility and expected returns. By incorporating principles of statistical physics, this research offers valuable insights on understanding the behaviours of market participants and order book dynamics.

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.