ایکویٹیز میں مومینٹم کے تحت خطرہ لینے کا ریاضیاتی خاکہ

خلاصہ

دستاویز مومینٹم کے تحت خطرہ لینے کو قلیل مدتی ایکویٹی اتار چڑھاؤ کے حقیقی وقت میں انتظام کے طور پر پیش کرتی ہے۔ مجوزہ نظام اس نظریے کو کہ خبریں حصص کی قیمتوں پر کیسے اثر انداز ہوتی ہیں، سرمایہ کاری کے مختلف افقوں کے لیے متوقع منافع کے مجرد جدولوں میں تبدیل کرتا ہے؛ پھر یہ جدولیں خودکار ٹریڈنگ فیصلوں کی رہنمائی کرتی ہیں۔ یہ طریقے کو مشین لرننگ، اتفاقی عمل، کسری براؤنی حرکت اور مارکیٹس سے باہر فیصلہ سازی سے بھی جوڑتا ہے۔

مصنفین تاریخی اور حقیقی وقت کے تجربات کی کامیابی رپورٹ کرتے ہیں، مگر اس تفصیل میں نمونے کی معلومات، کارکردگی کے اعداد یا موازنے کے طریقے نہیں دیتے۔ بنیادی قیمت اثر کا نظریہ مخصوص ریاضیاتی فنکشنز استعمال کرتا بتایا گیا ہے، جبکہ مشین لرننگ کے طریقۂ کار کا صرف مختصر تعارف ہے۔ لہٰذا خلاصہ ایک مجوزہ خاکہ بیان کرتا ہے، مگر اس کے مفروضات، نفاذ یا مضبوطی کا جائزہ لینے کے لیے کافی معلومات نہیں دیتا۔

اہم خیالات

• یہ طریقہ مومینٹم کے تحت خطرہ لینے کو قلیل مدتی ایکویٹی اتار چڑھاؤ کے حقیقی وقت میں کنٹرول کے طور پر دیکھتا ہے۔
• خبروں کے اثر کا نظریہ مختلف سرمایہ کاری افقوں کے لیے متوقع ریٹرنز کی جدولوں میں ڈھالا جاتا ہے۔
• یہ جدولیں خودکار ایکویٹی ٹریڈنگ نظام کے اِن پٹ کے طور پر استعمال ہوتی ہیں۔
• مصنفین تاریخی اور حقیقی وقت کے تجربات رپورٹ کرتے ہیں، مگر یہاں عددی نتائج نہیں دیتے۔

ٹیگز

# Artificial intelligence approach to momentum risk-taking


# Artificial intelligence approach to momentum risk-taking









We propose a mathematical model of momentum risk-taking, which is essentially real-time risk management focused on short-term volatility of stock markets. Its implementation, our fully automated momentum equity trading system presented systematically, proved to be successful in extensive historical and real-time experiments. Momentum risk-taking is one of the key components of general decision-making, a challenge for artificial intelligence and machine learning with deep roots in cognitive science; its variants beyond stock markets are discussed. We begin with a new algebraic-type theory of news impact on share-prices, which describes well their power growth, periodicity, and the market phenomena like price targets and profit-taking. This theory generally requires Bessel and hypergeometric functions. Its discretization results in some tables of bids, which are basically expected returns for main investment horizons, the key in our trading system. The ML procedures we use are similar to those in neural networking. A preimage of our approach is the new contract card game provided at the end, a combination of bridge and poker. Relations to random processes and the fractional Brownian motion are outlined.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔