ٹریڈنگ کے لیے متحرک بیزی نیٹ ورک سے بنیادی PE تناسب کا تخمینہ

خلاصہ

یہ تحقیق بنیادی قیمت بہ آمدنی تناسب کے تخمینوں کو باقاعدہ بنانے کے لیے متحرک بیزی نیٹ ورک استعمال کرتی ہے، جو اکثر ماہرین کے فیصلوں پر مبنی ہوتے ہیں۔ اخذ کردہ PE تناسب انسانی سرمایہ کاری کے فیصلوں میں مدد دینے یا خودکار ٹریڈنگ نظام کے اِن پٹ کے طور پر استعمال ہونے کے لیے ہے۔ مصنفین اپنے مجوزہ نیٹ ورک کے لیے فارورڈ۔بیک ورڈ استنباط اور توقع۔زیادہ سے زیادہ کاری کے طریقے اخذ کرتے ہیں، اور اس کی ساخت کو اتار چڑھاؤ کی رویّاتی مالیات کی تشریحات سے جوڑتے ہیں۔

بیزی استنباط کے نتائج سے ٹریڈنگ اسٹریٹیجی بنائی گئی ہے، اور تجربات میں اس کا معیاری سرمایہ کاری تقابلی پیمانوں سے موازنہ کیا گیا ہے۔ مصنفین ان تجربات میں مسلسل بہتر کارکردگی کی اطلاع دیتے ہیں۔ خلاصے میں اثاثے، تقابلی معیار کی تعریفیں، آزمائش کے ادوار یا لین دین کے اخراجات کے مفروضے نہیں بتائے گئے، اس لیے رپورٹ کردہ نتائج عمومی کارکردگی یا لائیو ٹریڈنگ کے موزوں ہونے کو ثابت نہیں کرتے۔ یہ طریقہ قیمت بندی کے اِن پٹ تخمینہ کرنے اور منظم فیصلوں کی بنیاد، دونوں طور پر پیش کیا گیا ہے۔

اہم خیالات

• بنیادی PE تناسب کا تخمینہ لگانے کے لیے متحرک بیزی نیٹ ورک استعمال ہوتا ہے۔
• مجوزہ ماڈل کے لیے فارورڈ۔بیک ورڈ استنباط اور توقع۔زیادہ سے زیادہ کاری اخذ کی گئی ہے۔
• اخذ کردہ PE تناسب ماہرین کے فیصلوں کی رہنمائی کر سکتے ہیں یا خودکار ٹریڈنگ نظام کو اِن پٹ دے سکتے ہیں۔
• ماڈل کی تشریح اتار چڑھاؤ سے متعلق رویّاتی مالیات کے شواہد سے منسلک ہے۔
• تجربات میں اخذ کردہ PE تناسب استعمال کرنے والی اسٹریٹیجی کی معیاری تقابلی پیمانوں سے بہتر کارکردگی کی اطلاع دی گئی ہے۔

ٹیگز

# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment


# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment









On a daily investment decision in a security market, the price earnings (PE) ratio is one of the most widely applied methods being used as a firm valuation tool by investment experts. Unfortunately, recent academic developments in financial econometrics and machine learning rarely look at this tool. In practice, fundamental PE ratios are often estimated only by subjective expert opinions. The purpose of this research is to formalize a process of fundamental PE estimation by employing advanced dynamic Bayesian network (DBN) methodology. The estimated PE ratio from our model can be used either as a information support for an expert to make investment decisions, or as an automatic trading system illustrated in experiments. Forward-backward inference and EM parameter estimation algorithms are derived with respect to the proposed DBN structure. Unlike existing works in literatures, the economic interpretation of our DBN model is well-justified by behavioral finance evidences of volatility. A simple but practical trading strategy is invented based on the result of Bayesian inference. Extensive experiments show that our trading strategy equipped with the inferenced PE ratios consistently outperforms standard investment benchmarks.

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۔