एक सिमुलेशन आधारित bayes - जोड़े व्यापारिक रणनीतियों की मजबूत भविष्यवाणी के लिए प्रक्रिया

+

का पूरा-पाठ को देखने के लिए क्लिक करें मजबूत के लिए एक सिमुलेशन आधारित Bayes 'प्रक्रिया जोड़े व्यापारिक रणनीतियों की भविष्यवाणी लुकाज़ टी Gatarek *, Lennart एफ Hoogerheide और हरमन लालकृष्ण Van Dijk 8 फ़रवरी 2011 हम साथ cointegration मॉडल अनुमान लगाने के लिए एक नए सिमुलेशन विधि का प्रस्ताव एक पेश करने के क्रम में nonparametric बायेसियन ढांचे में nonnormal गड़बड़ी कुछ वैकल्पिक व्यापारिक रणनीतियों की मजबूत भविष्यवाणी। हम Dirich - का सिद्धांत लागू प्रक्रियाओं अनंत मिश्रण के रूप में गड़बड़ी का वितरण अनुमान लगाने के लिए जाने परिचय सांख्यिकीय आर्बिट्रेज तकनीकों के लिए प्रेरणा का प्रचार करते हैं कि इस कार्य में अपनी जड़ों की है शेयर कीमतों और शेयर बाजारों में लंबी अवधि के संबंधों के अस्तित्व का पूर्वानुमान। यह साहित्य का कहना है कि जो वित्तीय अर्थशास्त्र में शैली तथ्य को चुनौती दी शेयर कीमतों स्वतंत्र यादृच्छिक चल प्रक्रियाओं द्वारा वर्णित किया जाएगा; क्या au - होगा tomatically शेयर की कीमतों में कोई predictability मतलब। इस क्षेत्र में कुंजी संदर्भ कर रहे हैं [लो और Mackinlay, 1988], [लो, 1991], [लो और Mackinlay, 1992] और [Guidolin, 2009]। इन प्रायोगिक जांच के आधार पर व्यापार रणनीतियों का पता लगाने के लिए गठित किया जा सकता है शेयर बाजारों की inefficiences। [Khadani, 2007] पहले [लेहमेन, 1990] और द्वारा प्रस्तावित एक विशेष रणनीति पर विचार [लो और Mackinlay, 1990] व्यक्ति अमेरिका के शेयरों का उपयोग कर सीधे विश्लेषण किया जा सकता है कि रिटर्न। प्रतिभूतियों के एक संग्रह को देखते हुए, वे एक लंबे / लघु बाजार तटस्थ इक्विटी पर विचार प्रत्येक में जहां लंबी और छोटी पदों की एक समान डॉलर की राशि से मिलकर रणनीति पुनर्संतुलन अंतराल, लंबे समय से पदों के सापेक्ष हारे (खराब प्रदर्शन के शेयरों से मिलकर बनता है वापस शून्य है जो संतुलन में आने के लिए। [Gatev एट अल। 2006] का प्रदर्शन दिखाने 40 वर्ष की अवधि में इस आर्बिट्रेज नियम है कि वे और पक्ष में विशाल अनुभवजन्य सबूत मिल जोड़े ट्रेडिंग रणनीति के निर्माण में महत्वपूर्ण कदम दोनों के स्थानीय अनुमान है वर्तमान और उम्मीद फैलता है। Cointegration विश्लेषण प्रसार के ढांचे में मॉडलिंग की है समय श्रृंखला के बीच में लंबी अवधि के संतुलन से स्थानीय विचलन के रूप में। इसलिए परिसंपत्तियों betwenn वर्तमान प्रसार वेक्टर cointegrating के उत्पाद के रूप में गणना की जाती है और मौजूदा स्टॉक की कीमतों। दूसरी ओर, उम्मीद प्रसार उत्पाद के रूप में अनुमान लगाया गया है वेक्टर cointegrating और शेयर की कीमतों की भविष्यवाणी की। प्रसार भविष्यवाणी पर आधारित है परिसंपत्तियों की जोड़ी के बीच ध्वनि cointegration संबंध की धारणा है। योग करने के लिए, जोड़े व्यापार तकनीक धारणा पर आधारित है कि कीमतों के रैखिक संयोजन (Cointegrating वेक्टर द्वारा बढ़ाया) शून्य में बदल जाती है और एक ट्रेडिंग नियम निर्माण किया जा सकता उम्मीद अस्थायी विचलन का दोहन करने के लिए। इस तकनीक के कार्यान्वयन से संबंधित समस्याओं के दो मुख्य हो सकता है इस प्रकार के रूप में कागज का निर्माण किया है। 1Preliminaries जोड़े ट्रेडिंग रणनीति के मुनाफे का परीक्षण करने के लिए हम लंबे समय तक रिश्ते की पहचान करने की जरूरत है शेयर की कीमतों में माहौल। इसलिए हम [Juselius, 2006] देखते हैं, cointegration मॉडल लागू होते हैं। शेयर बाजार में रिटर्न का वितरण आम तौर पर nonnormal हैं। इस प्रकार आमतौर पर टी-वितरण और अन्य fattailed वितरण लागू कर रहे हैं। जोड़े व्यापार के मामले में, हम पता लगाने की कोशिश संपत्ति का एक विशाल ब्रह्मांड में संबंधों cointegrating। यह कॉम ग्रहण करने के लिए गलत हो सकता है विभिन्न शेयरों भर में रिटर्न की सोम वितरण। हम करने के लिए एक सामान्य एल्गोरिथ्म का प्रस्ताव nonnormality के तहत एक Bayesian रास्ते में cointegration मॉडल का अनुमान है। की रूपरेखा इस प्रकार के रूप में इस तरह के एक एल्गोरिथ्म बना है 4. बच मानकीकरण और करने के लिए ytaccording कृत्रिम timeseries का निर्माण YT = YT (+ εt, जम्मू μt, ​​जम्मू) /? VT, जे। 5. कृत्रिम timeseries का उपयोग कर एक कदम है। इस तरह के एक कलन विधि का निर्माण करने की चुनौती का चयन करने के लिए एक सटीक तरीका खोजने में निहित है सामान्य वितरण के मिश्रण में घटकों की संख्या। के घटक इस मिश्रण एल्गोरिथ्म के प्रत्येक पुनरावृत्ति में अलग हैं। के लिए इस प्रकार एक लचीला तरीका इस मिश्रण का आकलन करने की जरूरत है। हम एक Dirichlet प्रक्रिया के मिश्रण (डीपीएम) के रूप में इस वितरण मॉडल का प्रस्ताव - एक mix - घटकों के एक countably अनंत संख्या के साथ संरचना। इस वजह से यह संपत्ति इस तकनीक के लिए नंबर निर्दिष्ट करता है जो पूर्व पूर्व एक परिमित आदेश दिया मिश्रण मॉडल की तुलना में अधिक लचीला है घटकों की। Dirichlet प्रक्रियाओं के माध्यम से मॉडलिंग करने के लिए एक सामान्य परिचय के लिए उल्लेख