ماڈل پر مبنی انٹراڈے ٹریڈنگ کے لیے ایس اینڈ پی منافع کی اسکیلنگ

خلاصہ

مقالہ جمع شدہ ایس اینڈ پی 500 ہائی فریکوئنسی ریٹرنز کی اسکیلنگ خصوصیات استعمال کرکے مارٹنگیل احتمالی ماڈل بناتا ہے۔ ماڈل صبح کے سیشن کی مشروط توقعات کو دوبارہ پیش کرنے کے لیے بنایا گیا ہے، پھر اسے دوپہر کی ٹریڈنگ کے لیے بھی بڑھایا گیا ہے۔ ماڈل کی پیش گوئیاں انٹراڈے رجحان کی پیروی کے اشارے بناتی ہیں؛ یہ اشارے چارٹ کے نمونوں کے بجائے ماڈل سے آتے ہیں۔ مجوزہ اسٹریٹیجی ایس اینڈ پی ڈیٹا میں موجود مگر ماڈل میں غیر موجود خطی باہمی تعلقات سے فائدہ اٹھانے کی کوشش کرتی ہے۔

نمونے کے اندر اور نمونے سے باہر کے ٹیسٹس میں غیر متناسب GARCH عمل پر مبنی معیار سے بہتر کارکردگی اور چھوٹے آربٹریج مواقع رپورٹ کیے گئے ہیں۔ مصنفین کہتے ہیں کہ خطی باہمی تعلقات کے بغیر منافع ختم ہو جائے گا، اور ایس اینڈ پی سے منسلک مصنوعات میں اتار چڑھاؤ کے خطرے سے بچاؤ کے ممکنہ استعمال پر بات کرتے ہیں۔ فراہم کردہ وضاحت میں ٹیسٹ کی تاریخیں، عمل درآمد کے مفروضے، لین دین کی لاگت یا کارکردگی کے عددی نتائج نہیں، اس لیے مضبوطی اور قابلِ عمل ہونے کا اندازہ محدود ہے۔ رپورٹ کردہ برتری مخصوص ڈیٹا خصوصیات اور ماڈل کے موازنے سے وابستہ ہے۔

اہم خیالات

• جمع شدہ ہائی فریکوئنسی ریٹرنز کی اسکیلنگ سے مشروط توقعات کے لیے مارٹنگیل ماڈل بنایا گیا ہے۔
• ماڈل صبح کے سیشن سے بڑھا کر دوپہر کی ٹریڈنگ کا احاطہ کرتا ہے۔
• ماڈل کی پیش گوئیاں چارٹ پر مبنی معیار کے بغیر انٹراڈے رجحان کی پیروی کے اشارے بناتی ہیں۔
• اسٹریٹیجی کے رپورٹ کردہ منافع کا انحصار ایس اینڈ پی ڈیٹا میں موجود خطی باہمی تعلقات پر ہے۔
• ٹیسٹس غیر متناسب GARCH معیار کے مقابلے میں برتری بتاتے ہیں، مگر عمل درآمد کی تفصیلات فراہم نہیں کی گئیں۔

ٹیگز

# Ensemble properties of high frequency data and intraday trading rules


# Ensemble properties of high frequency data and intraday trading rules









Regarding the intraday sequence of high frequency returns of the S&P index as daily realizations of a given stochastic process, we first demonstrate that the scaling properties of the aggregated return distribution can be employed to define a martingale stochastic model which consistently replicates conditioned expectations of the S&P 500 high frequency data in the morning of each trading day. Then, a more general formulation of the above scaling properties allows to extend the model to the afternoon trading session. We finally outline an application in which conditioned forecasting is used to implement a trend-following trading strategy capable of exploiting linear correlations present in the S&P dataset and absent in the model. Trading signals are model-based and not derived from chartist criteria. In-sample and out-of-sample tests indicate that the model-based trading strategy performs better than a benchmark one established on an asymmetric GARCH process, and show the existence of small arbitrage opportunities. We remark that in the absence of linear correlations the trading profit would vanish and discuss why the trading strategy is potentially interesting to hedge volatility risk for S&P index-based products.

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۔