ہرست ایکسپوننٹ سے مومینٹم اور اوسط کی طرف واپسی میں تبدیلی

خلاصہ

یہ مطالعہ ہرست ایکسپوننٹ سے ٹائم سیریز کو رجحان پذیر یا اوسط کی طرف لوٹنے والی قرار دیتا ہے، پھر اس رویے کے مطابق اسٹریٹیجی منتخب کرتا ہے۔ رجحان پذیر حالات میں مومینٹم موزوں ہے، جبکہ قیمتوں میں اوسط کی طرف واپسی کا رویہ ہو تو اوسط کی طرف واپسی کی اسٹریٹیجی استعمال ہوتی ہے۔ بنیادی خیال یہ ہے کہ دونوں طریقے مسلسل لاگو کرنے کے بجائے مارکیٹ نظام کے اندازے کے مطابق اسٹریٹیجی کا انتخاب بدلا جائے۔

دستاویز کے مطابق ہرست پر مبنی یہ انتخاب زیادہ منافع دے سکتا ہے، مگر اس کے ساتھ خطرہ بھی زیادہ ہوتا ہے۔ اثاثے، نمونے کی مدت، حدیں، ٹریڈنگ قواعد، لین دین کی لاگت یا کارکردگی کے مقداری اعداد و شمار نہیں دیے گئے، اس لیے خلاصے سے نتیجے کا آزادانہ فیصلہ نہیں ہو سکتا۔ مطالعہ اپنی حدود بھی بتاتا ہے اور اسٹریٹیجی اور اس کے اجزا کے الگورتھم کے نفاذ کو بہتر بنانے کے ممکنہ طریقے کے طور پر کیو لرننگ تجویز کرتا ہے۔ یہ مستقبل کی تجویز ہے؛ یہاں کیو لرننگ کے نتائج رپورٹ نہیں ہوئے۔ لہٰذا یہ طریقہ نظام کے انتخاب کا تصور واضح کرتا ہے، مگر اس کی مضبوطی اور عملی کارکردگی غیر طے شدہ رہتی ہے۔

اہم خیالات

• ہرست ایکسپوننٹ رجحان پذیر اور اوسط کی طرف لوٹنے والے رویے میں فرق کرنے کے لیے استعمال ہوتا ہے۔
• طریقہ رجحان میں مومینٹم اور اوسط کی طرف واپسی والے حالات میں اسی نوع کی اسٹریٹیجی منتخب کرتا ہے۔
• مطالعے میں ہرست پر مبنی اسٹریٹیجی انتخاب سے زیادہ منافع کے ساتھ زیادہ خطرہ رپورٹ کیا گیا ہے۔
• دستاویز کیو لرننگ کو ممکنہ بہتری کے طور پر تجویز کرتی ہے، مگر اس کے نتائج نہیں دیتی۔
• لاگت، حدوں اور نمونے سے باہر مضبوطی جانچنے کے لیے ضروری تفصیلات فراہم نہیں کی گئیں۔

ٹیگز

# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies


# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies









Momentum and mean reversion trading strategies have opposite characteristics. The former is generally better with trending assets, and the latter is generally better with mean reverting assets. Using the Hurst exponent, which classifies time series as trending or mean reverting, we attempt to trade with each strategy when it is advantageous to generate higher returns on average. We ultimately find that trading with the Hurst exponent can achieve higher returns, but it also comes at a higher risk. Finally, we consider limitations of our study and propose a method using Q-learning to improve our strategy and implementation of individual algorithms.

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۔