متنوع الگورتھمک اسٹریٹیجیز سے ایکویٹی انڈیکس کی ہیجنگ

خلاصہ

یہ مقالہ جانچتا ہے کہ غیر ایکویٹی اثاثوں پر بنی اسٹریٹیجیز، S&P 500 سے وابستہ الگورتھمک سرمایہ کاری اسٹریٹیجیز کو متنوع بنا سکتی ہیں یا نہیں۔ یہ LSTM پیش گوئیوں، ARIMA-GARCH پیش گوئیوں، مومنٹم اور مخالف سمت کے قواعد سے بننے والے اشاروں کا تقابل کرتا ہے۔ زیرِ غور اثاثوں میں توانائی کی کموڈیٹیز، قیمتی دھاتیں، کرپٹو کرنسیاں اور نرم کموڈیٹیز شامل ہیں۔ اس طرح تنوع کا سوال انفرادی اثاثوں کو ملانے سے بدل کر ان اثاثوں کی ٹریڈنگ کرنے والی اسٹریٹیجیز کو ملانے کا ہو جاتا ہے۔

2004 سے 2022 تک کے ڈیٹا کا استعمال کرتے ہوئے مطالعہ بتاتا ہے کہ LSTM پر مبنی اسٹریٹیجیز نے دوسرے طریقوں سے بہتر کارکردگی دکھائی، اور بٹ کوائن پر مبنی اسٹریٹیجی S&P 500 اسٹریٹیجی مجموعے کے لیے سب سے مضبوط تنوع فراہم کرنے والی تھی۔ یہ گھنٹہ وار LSTM اشاروں کا بھی جائزہ لیتا ہے اور روزانہ ڈیٹا کے مقابلے میں بہتر نتائج بتاتا ہے۔ یہ نتائج تجرباتی ہیں اور زیرِ مطالعہ اثاثوں، مدت اور اسٹریٹیجی کی تشکیل تک محدود ہیں؛ خلاصے میں لین دین کے اخراجات، خطرے کے مطابق ایڈجسٹمنٹ یا آؤٹ آف سیمپل توثیق کی تفصیل نہیں۔

اہم خیالات

• مطالعہ صرف انفرادی اثاثوں کے بجائے الگورتھمک اسٹریٹیجیز کے درمیان تنوع کا جائزہ لیتا ہے۔
• یہ LSTM اور ARIMA-GARCH پیش گوئیوں کا مومنٹم اور مخالف سمت کے اشاروں سے تقابل کرتا ہے۔
• ٹیسٹ میں کئی کموڈیٹی اور کرپٹو کرنسی اسٹریٹیجیز کے ساتھ S&P 500 اسٹریٹیجی مجموعہ بھی شامل ہے۔
• مصنفین کے مطابق بٹ کوائن پر مبنی اسٹریٹیجیز نے S&P 500 مجموعے کو سب سے زیادہ تنوع دیا۔
• مطالعے میں گھنٹہ وار LSTM اسٹریٹیجیز نے مبینہ طور پر اپنی روزانہ کی متبادل اسٹریٹیجیز سے بہتر کارکردگی دکھائی۔

ٹیگز

# 2309.15640


# Hedging Properties of Algorithmic Investment Strategies using Long Short-Term Memory and Time Series models for Equity Indices









This paper proposes a novel approach to hedging portfolios of risky assets when financial markets are affected by financial turmoils. We introduce a completely novel approach to diversification activity not on the level of single assets but on the level of ensemble algorithmic investment strategies (AIS) built based on the prices of these assets. We employ four types of diverse theoretical models (LSTM - Long Short-Term Memory, ARIMA-GARCH - Autoregressive Integrated Moving Average - Generalized Autoregressive Conditional Heteroskedasticity, momentum, and contrarian) to generate price forecasts, which are then used to produce investment signals in single and complex AIS. In such a way, we are able to verify the diversification potential of different types of investment strategies consisting of various assets (energy commodities, precious metals, cryptocurrencies, or soft commodities) in hedging ensemble AIS built for equity indices (S&P 500 index). Empirical data used in this study cover the period between 2004 and 2022. Our main conclusion is that LSTM-based strategies outperform the other models and that the best diversifier for the AIS built for the S&P 500 index is the AIS built for Bitcoin. Finally, we test the LSTM model for a higher frequency of data (1 hour). We conclude that it outperforms the results obtained using daily data.

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۔