Размер позиции и VaR в бэктестах волатильных рынков

Сводка

В статье исследуется, могут ли размеры торговых позиций помогать контролировать риск в периоды высокой волатильности. С помощью бэктестинга на исторических данных изучается поведение моделей определения размера позиции во время кризисных событий, особенно их способность снижать стоимость под риском (VaR). Также рассматриваются короткие и длинные позиции как способы управления экспозицией в стрессовых условиях.

Описанное исследование объединяет анализ размеров позиций с данными по акциям и биржевым фондам, а также упоминает авторегрессионные модели, ARIMA, LSTM и GARCH. В выдержке не объясняется, как определяются правила выбора размера позиции, как в них применяются модели, за какой период проводится бэктестинг и какие кризисные события используются. Также не приводятся оценки VaR или результаты эффективности. Таким образом, текст описывает направление исследования, но не доказывает, что какой-либо подход к определению размера позиции контролирует убытки; результаты на исторических данных также зависят от предположений и могут не предсказывать поведение в будущие кризисы.

Ключевые идеи

• В исследовании используются бэктесты на исторических данных для оценки подходов к выбору размера позиции в периоды высокой волатильности.
• Основная мера риска — стоимость под риском (VaR) во время кризисных событий.
• Рассматривается управление размерами как длинных, так и коротких позиций.
• В описании данных и моделирования упоминаются акции, ETF и методы AR, ARIMA, LSTM и GARCH.
• В выдержке нет результатов или подробностей, достаточных для сравнения правил выбора размера позиции.

Теги

# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis


# Sizing Strategies for Algorithmic Trading in Volatile Markets: A Study of Backtesting and Risk Mitigation Analysis









Backtest is a way of financial risk evaluation which helps to analyze how our trading algorithm would work in markets with past time frame. The high volatility situation has always been a critical situation which creates challenges for algorithmic traders. The paper investigates different models of sizing in financial trading and backtest to high volatility situations to understand how sizing models can lower the models of VaR during crisis events. Hence it tries to show that how crisis events with high volatility can be controlled using short and long positional size. The paper also investigates stocks with AR, ARIMA, LSTM, GARCH with ETF data.

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.