اوسط کی طرف لوٹنے والے امکانی ماڈل کے ساتھ انتخابی شرطی مارکیٹوں میں پیئرز ٹریڈنگ

مضمون arXiv papers · مصنف: Haoyu Liu et al.

خلاصہ

یہ کیس اسٹڈی دو بڑی جماعتوں کے نامزد امیدواروں کے مجموعی ضمنی امکان کی ماڈلنگ کے ذریعے سیاسی شرطی مارکیٹوں کے لیے پیئرز ٹریڈنگ کی منطق ڈھالتی ہے۔ وقت کے ساتھ بدلتی اوسط واپسی کی سطح والا پوشیدہ اورن اسٹائن-اوہلن بیک عمل بنیادی امکان کی نمائندگی کرتا ہے، جبکہ اضافی شور مشاہدہ شدہ شرطی شرحوں کو ظاہر کرتا ہے۔ پیرامیٹرز کا تخمینہ باقاعدہ وقفوں سے لیے گئے ڈیٹا پر حالت-فضا لائکلی ہڈ سے لگایا جاتا ہے؛ لگاتار دہرائے گئے نرخوں کو ان کے گزرے ہوئے وقت کو مسلسل وقت کی منتقلی میں برقرار رکھتے ہوئے یکجا کیا جاتا ہے۔

پیرامیٹرک بوٹسٹریپ کی بالائی پیش گوئی حدود اس وقت سگنل بناتی ہیں جب مجموعی امکان میں کمی متوقع ہو، اور بریڈلی-ٹیری قسم کا ماڈل طے کرتا ہے کہ کس امیدوار کا شرطی نرخ استعمال کیا جائے۔ امیدوار کے انتخاب کا ماڈل 2020 کے انتخابی ڈیٹا پر تربیت یافتہ اور 2024 کے ڈیٹا پر جانچا گیا، جس سے 130 سگنل، 95.1% یک مرحلہ کوریج، 1.86% اوسط مصنوعی شرطی قیمت کا منافع، اور 1.12 غیر سالانہ فی ٹریڈ شارپ قسم کا تناسب حاصل ہوا۔ یہ بے لاگت وضاحتی پیمانے ہیں، قابلِ عمل شرطی منافع نہیں؛ مصنفین اس طریقے کو دو امیدواروں والی مارکیٹوں کے لیے تصور کے ثبوت کے طور پر پیش کرتے ہیں۔

اہم خیالات

فریم ورک شور والے، وقت کے ساتھ بدلتے اوسط کی طرف لوٹنے والے عمل سے دو امیدواروں کے مجموعی ضمنی امکان کی ماڈلنگ کرتا ہے۔
حالت-فضا لائکلی ہڈ ماڈل کے پیرامیٹرز کا تخمینہ لگاتا ہے اور برقرار رکھے گئے مشاہدات کے درمیان غیر مساوی گزرے وقت کو بھی مدنظر رکھتا ہے۔
بوٹسٹریپ کی بالائی پیش گوئی حدود مجموعی ضمنی امکان میں ممکنہ کمی کی نشاندہی کرتی ہیں۔
بریڈلی-ٹیری قسم کا ماڈل امیدوار کے مخصوص شرطی نرخ کا انتخاب کرتا ہے۔
نمونے سے باہر 2024 نتائج وضاحتی ہیں اور شرطی تبادلے کی رکاوٹیں شامل نہیں کرتے۔

ٹیگز

اوسط کی جانب واپسی شماریات واقعات پر مبنی

مکمل متن

# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election

Pairs trading exploits mean reversion in the relationship between related assets. We adapt this idea to political betting markets by modelling the combined implied probability of the two major-party nominees with a latent Ornstein-Uhlenbeck process whose mean-reversion level varies over time and whose observations contain additive noise. Model parameters are estimated from regularly sampled odds data using a state-space likelihood, with consecutive repeated values represented by a single retained observation and the elapsed number of sampling intervals preserved in the continuous-time transition. Parametric-bootstrap upper prediction bounds identify signal times at which the combined implied probability is likely to decline, and a no-intercept Bradley-Terry-type model selects the candidate-specific odds quote. The candidate-selection model is trained on 2020 U.S. presidential-election data and evaluated out of sample on 2024 data. The 2024 analysis produced 130 signals, empirical one-step coverage of 95.1%, a mean synthetic odds-price return of 1.86%, and an unannualized per-trade Sharpe-type ratio of 1.12. These returns are frictionless descriptive quantities rather than executable betting-exchange profits. The results support the integrated framework as a proof of concept for two-candidate electoral markets.

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۔