Выявление неслучайных закономерностей на рынке с помощью многомерного анализа

Сводка

В документе утверждается, что при традиционном анализе временных рядов доходность финансовых инструментов может казаться почти случайной, хотя современные многомерные статистические методы способны выявить в ней закономерности. Описывается анализ, вдохновлённый методами ядерной физики и применённый к высокочастотным движениям фьючерсов на евро. Выявленная составляющая — поведение при следовании за трендом, которое меняется в зависимости от диапазонов волатильности; соответствующие условия кодируются в торговой системе.

Чтобы проверить, распространяется ли закономерность за пределы одного контракта, та же процедура применяется к фьючерсам на DAX и какао, которые, как описано, в значительной степени не коррелируют с фьючерсом на евро. Сходные результаты на этих примерах представлены как свидетельство того, что система выявляет повторяющиеся особенности поведения рынка за десятилетний период. Авторы прямо предупреждают, что эти примеры не доказывают универсальность результата. В отрывке нет подробных статистических проверок, торговых издержек или показателей доходности с поправкой на риск, поэтому заявленное наличие неслучайных закономерностей следует считать результатом для конкретной выборки, а не универсальным или доказанным торговым преимуществом.

Ключевые идеи

• Традиционные методы анализа временных рядов могут не выявлять небольшие отклонения от случайного блуждания.
• Для анализа высокочастотных данных по фьючерсам используются многомерные статистические методы.
• Во фьючерсах на евро выявлена составляющая следования за трендом, связанная с диапазонами волатильности.
• При использовании тех же компонентов торговой системы сходные результаты получены для фьючерсов на DAX и какао.
• Примеры охватывают десятилетний период, но авторы предупреждают, что они не доказывают универсальность результата.

Теги

# About the non-random Content of Financial Markets


# About the non-random Content of Financial Markets









For the pedestrian observer, financial markets look completely random with erratic and uncontrollable behavior. To a large extend, this is correct. At first approximation the difference between real price changes and the random walk model is too small to be detected using traditional time series analysis. However, we show in the following that this difference between real financial time series and random walks, as small as it is, is detectable using modern statistical multivariate analysis, with several triggers encoded in trading systems. This kind of analysis are based on methods widely used in nuclear physics, with large samples of data and advanced statistical inference. Considering the movements of the Euro future contract at high frequency, we show that a part of the non-random content of this series can be inferred, namely the trend-following content depending on volatility ranges. Of course, this is not a general proof of statistical inference, as we focus on one particular example and the generality of the process can not be claimed. Therefore, we produce other examples on a completely different markets, largely uncorrelated to the Euro future, namely the DAX and Cacao future contracts. The same procedure is followed using a trading system, based on the same ingredients. We show that similar results can be obtained and we conclude that this is an evidence that some invariants, as encoded in our system, have been identified. They provide a kind of quantification of the non-random content of the financial markets explored over a 10 years period of time.

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.