跳至正文
返回文库全部文档

股票订单流的贝叶斯在线变点检测

文章 arXiv papers · 作者: Ramzi Jebali
阅读原文

总结

本报告考察如何实时检测较稳定与较不稳定市场状态之间的变化。重点是贝叶斯在线变点检测（BOCPD），这是一种随着观测数据到来而识别可能结构性断点的方法，并探讨了先前研究提出的两种扩展。其应用对象是NASDAQ上市股票的带符号订单流，因此与需要应对市场行为变化的高频交易和风险系统相关。

现有描述说明了研究问题和数据重点，但没有提供实施细节、方法间比较或实证结果。因此，它无法证明这些方法检测断点的速度或可靠性，也无法说明它们在不同股票或市场条件下的表现，或能否改善交易或风险结果。评估实际适用性还需要这些细节。

核心观点

  • 市场可能在相对稳定和不稳定的状态之间切换。
  • 结构性断点是市场状态之间的转变。
  • 研究考察了BOCPD及文献中的两种扩展方法，用于在线断点检测。
  • 该应用使用来自NASDAQ上市股票的带符号订单流。

标签

股票高频交易市场微观结构统计学风险管理
全文
# Regimes in the Order Flow


# Regimes in the Order Flow









Financial markets alternate between periods of relative stability and instability, with structural breaks marking the transitions between these regimes. Identifying such breaks in real time is a central requirement for any trading or risk system operating at high frequency. This report studies Bayesian Online Changepoint Detection (BOCPD) and two extensions proposed in the literature, and applies them to the signed order flow of NASDAQ-listed equities.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。