مارکیٹ کی سرگرمی کے نمونے ڈھونڈنے کے لیے غیر منفی ٹینسر فیکٹرائزیشن

خلاصہ

یہ کام آن لائن مالیاتی مارکیٹوں میں مختلف زمانی پیمانوں پر ٹریڈنگ سرگرمی کے نمونے شناخت کرنے کے لیے غیر منفی ٹینسر فیکٹرائزیشن (NTF) استعمال کرتا ہے۔ پہلے مصنوعی ڈیٹا سے طریقہ دکھایا جاتا ہے، پھر اٹلی کی ای-MID آن لائن مارکیٹ کے بین بینک لین دین پر لاگو کیا جاتا ہے۔ اس کا مقصد ٹریڈنگ سرگرمی کے پوشیدہ نمونے سامنے لانا اور بینکوں کے ایسے گروہوں میں فرق کرنا ہے جن کے رویوں میں معمول کی، قبل از وقت یا فلیش ٹریڈنگ شامل ہے۔

مصنفین اخذ کردہ نمونوں سے یہ بھی جانچتے ہیں کہ نظامی خلل، بشمول 2008 مالیاتی بحران، کے دوران مارکیٹ کی سرگرمی کیسے بدلتی ہے۔ ان کے مطابق، داخلی اور خارجی جھٹکوں سے وابستہ بے قاعدگیاں سامنے آئیں اور وہ بحران سے متعلق ٹریڈنگ کے طریقوں کی وضاحت کرتے ہیں۔ یہ ایک مخصوص بین بینک مارکیٹ اور تاریخی ڈیٹا سیٹ کا تحقیقی تجزیہ ہے؛ اقتباس ٹریڈنگ اسٹریٹیجیز کی کارکردگی کے پیمانے فراہم نہیں کرتا اور نہ یہ ثابت کرتا ہے کہ دریافت شدہ نمونے دوسری مارکیٹوں یا ادوار میں بھی لاگو ہوتے ہیں۔

اہم خیالات

• غیر منفی ٹینسر فیکٹرائزیشن مختلف زمانی پیمانوں کے ٹریڈنگ ڈیٹا پر لاگو کی گئی ہے۔
• حقیقی لین دین پر اطلاق سے پہلے طریقہ دکھانے کے لیے مصنوعی ڈیٹا استعمال کیا گیا ہے۔
• ای-MID تجزیہ بینکوں کے گروہوں میں سرگرمی کے الگ الگ نمونے شناخت کرتا ہے۔
• اس فریم ورک سے 2008 بحران کے دوران غیر معمولی ٹریڈنگ رویوں کی خصوصیات بیان کی گئی ہیں۔
• نتائج ایک مارکیٹ کے نمونوں کی وضاحت کرتے ہیں اور ٹریڈنگ اسٹریٹیجی کا منافع ثابت نہیں کرتے۔

ٹیگز

# Extracting the multi-timescale activity patterns of online financial markets


# Extracting the multi-timescale activity patterns of online financial markets









Online financial markets can be represented as complex systems where trading dynamics can be captured and characterized at different resolutions and time scales. In this work, we develop a methodology based on non-negative tensor factorization (NTF) aimed at extracting and revealing the multi-timescale trading dynamics governing online financial systems. We demonstrate the advantage of our strategy first using synthetic data, and then on real-world data capturing all interbank transactions (over a million) occurred in an Italian online financial market (e-MID) between 2001 and 2015. Our results demonstrate how NTF can uncover hidden activity patterns that characterize groups of banks exhibiting different trading strategies (normal vs. early vs. flash trading, etc.). We further illustrate how our methodology can reveal "crisis modalities" in trading triggered by endogenous and exogenous system shocks: as an example, we reveal and characterize trading anomalies in the midst of the 2008 financial crisis.

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۔