عدمِ اسٹیشنیرٹی کی مفروضات کے بغیر شماریاتی آربیٹریج کے لیے آن لائن لرننگ

خلاصہ

یہ دستاویز شماریاتی آربیٹریج کے لیے آن لائن لرننگ کا طریقہ پیش کرتی ہے۔ یہ طریقہ اوسط کی طرف واپسی کے ماڈلز پر مبنی معروف حکمتِ عملیوں سے مختلف ہے، کیونکہ ان کی تکنیکیں ایسی مفروضات پر منحصر ہوتی ہیں جو عمومی غیر اسٹیشنری اتفاقی عمل کے لیے درست نہ بھی ہوں۔ مجوزہ متبادل کا مقصد ان مفروضات کے بغیر کام کرنا ہے۔

دستاویز کے مطابق اس طریقے میں ڈیٹا موصول ہوتے ہی اس کے مطابق ڈھلنے کے لیے سیکھنے کی مضبوط نظریاتی ضمانتیں موجود ہیں۔ تاہم، بیان میں الگورتھم، ضمانتوں کی تفصیل، ٹریڈنگ قواعد یا پورٹ فولیو اور لین دین کے اخراجات سے نمٹنے کا طریقہ نہیں بتایا گیا۔ تجرباتی نتائج یا موازنے بھی موجود نہیں۔ اس لیے یہ طریقۂ کار ایک عمومی متبادل کے طور پر پیش کیا گیا ہے؛ دستیاب معلومات سے حقیقی مارکیٹوں میں اس کے عملی منافع یا مضبوطی کا جائزہ لینا ممکن نہیں۔

اہم خیالات

• روایتی شماریاتی آربیٹریج اکثر اوسط کی طرف واپسی کے ماڈلز اور ان کے مفروضات پر منحصر ہوتی ہے۔
• یہ مفروضات عمومی غیر اسٹیشنری اتفاقی عمل کے لیے درست نہیں بھی ہو سکتے۔
• مجوزہ متبادل آن لائن لرننگ استعمال کرتا ہے اور ان مفروضات کا تقاضا نہیں کرتا۔
• دستاویز سیکھنے کے عمل کی مضبوط نظریاتی ضمانتوں کا دعویٰ کرتی ہے، مگر تفصیل یا تجرباتی جانچ پیش نہیں کرتی۔

ٹیگز

# Online Learning Algorithms for Statistical Arbitrage


# Online Learning Algorithms for Statistical Arbitrage









Statistical arbitrage is a class of financial trading strategies using mean reversion models. The corresponding techniques rely on a number of assumptions which may not hold for general non-stationary stochastic processes. This paper presents an alternative technique for statistical arbitrage based on online learning which does not require such assumptions and which benefits from strong learning guarantees.

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۔