Ограниченные смеси распределений Гамма и Гаусса для моделирования доходностей активов

Сводка

В статье представлена ограниченная модель смесей для описания доходностей активов и различения восходящего, нисходящего и бокового движения цен. Для представления паттернов доходности используются распределения Гамма и Гаусса с учётом тяжёлых хвостов и высокого эксцесса — характеристик, из-за которых простые предположения о распределении могут быть неадекватны для финансовых данных.

Модель оценивается в рамках алгоритма максимизации ожидания, при этом выбор порядка модели также должен соответствовать ограничениям. Такой подход позволяет структурированно подгонять распределение доходностей, сохраняя предполагаемую интерпретацию его компонентов. В отрывке описаны устройство модели и способ оценивания, но нет эмпирического набора данных, сравнительных результатов или свидетельств торговой эффективности. Поэтому по приведённым сведениям нельзя оценить полезность модели для выбора стратегии или прогнозирования.

Ключевые идеи

• Для описания доходностей активов модель использует ограниченную смесь распределений Гамма и Гаусса.
• Компоненты предназначены для различения восходящего, нисходящего и бокового движения цен.
• Модель учитывает тяжёлые хвосты и высокий эксцесс.
• Параметры оцениваются с помощью алгоритма максимизации ожидания.
• При выборе порядка модели необходимо соблюдать её ограничения.

Теги

# Constrained Mixture Models for Asset Returns Modelling


# Constrained Mixture Models for Asset Returns Modelling









The estimation of asset return distributions is crucial for determining optimal trading strategies. In this paper we describe the constrained mixture model, based on a mixture of Gamma and Gaussian distributions, to provide an accurate description of price trends as being clearly positive, negative or ranging while accounting for heavy tails and high kurtosis. The model is estimated in the Expectation Maximisation framework and model order estimation also respects the model's constraints.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.