Внутреннее время изменения направления

Внутреннее время изменения направления — это основанный на событиях оператор, позволяющий разбить ряд данных на последовательность чередующихся тенденций определенного размера. $\delta$ .

Оператор внутреннего времени изменения направления был разработан для анализа рядов данных финансового рынка. Это альтернативная методология концепции непрерывного времени. ^[1] Оператор внутреннего времени с изменением направления разбивает ряд данных на набор графиков и спадов или трендов вверх и вниз, которые чередуются друг с другом. Устоявшийся тренд заканчивается, как только наблюдается его разворот. Движение цены, которое расширяет тренд, называется перерегулированием и приводит к новым ценовым экстремумам.

На рисунке 1 представлен пример ценовой кривой, разделенной оператором внутреннего времени изменения направления.

Частота внутренних событий изменения направления отображает (1) волатильность изменений цен, обусловленную (2) выбранным порогом. $\delta$ . Стохастическая . природа основного процесса отражается в неравном количестве внутренних событий, наблюдаемых в течение равных периодов физического времени

Оператор внутреннего времени изменения направления — это метод фильтрации шума . Он выявляет изменения режима, когда происходят изменения тренда определенного размера, и скрывает колебания цен, меньшие порогового значения. $\delta$ .

Приложение

Оператор внутреннего времени изменения направления использовался для анализа высокочастотных данных валютного рынка и привел к открытию большого набора законов масштабирования , которые ранее не наблюдались. ^[2] Законы масштабирования определяют свойства базовых рядов данных, такие как размер ожидаемого отклонения цены после внутреннего временного события или количество ожидаемых изменений направления в пределах физического интервала времени или ценового порога. Например, масштабирование, связывающее ожидаемое количество изменений направления $N(\delta )$ наблюдается в течение фиксированного периода до размера порога $\delta$ :

$N(\delta )=\left({\frac {\delta }{C_{N,DC}}}\right)^{E_{N,DC}}$ ,

где $C_{N,DC}$ и $E_{N,DC}$ – коэффициенты закона масштабирования . ^[3]

Другие применения внутреннего времени направленного изменения в финансах включают:

торговая стратегия, характеризующаяся годовым коэффициентом Шарпа 3,04 ^[4]
инструменты, предназначенные для мониторинга ликвидности в различных масштабах тенденций. ^[5]

Методологию также можно использовать для приложений, выходящих за рамки экономики и финансов. Его можно применять и к другим научным областям, и он открывает новые возможности для исследований в области больших данных .

Ссылки

Текст в этом черновике был скопирован с Петров Владимир; Голуб, Антон; Олсен, Ричард (2019). «Мгновенная сезонность волатильности высокочастотных рынков во время внутреннего изменения направления» . Журнал риска и финансового менеджмента . 12 (2): 54. doi : 10.3390/jrfm12020054 . hdl : 10419/239003 . , который доступен по международной лицензии Creative Commons Attribution 4.0 .

^ Гийом, Доминик М.; Дакоронья, Мишель М.; Даве, Рахал Р.; Мюллер, Ульрих А.; Олсен, Ричард Б.; Пикте, Оливье В. (1 апреля 1997 г.). «С высоты птичьего полета в микроскоп: обзор новых стилизованных фактов внутридневных валютных рынков» . Финансы и стохастика . 1 (2): 95–129. дои : 10.1007/s007800050018 . ISSN 0949-2984 .
^ Глаттфельдер, Дж.Б.; Дюпюи, А.; Олсен, РБ (1 апреля 2011 г.). «Закономерности в высокочастотных данных о валютных парах: открытие 12 эмпирических законов масштабирования». Количественные финансы . 11 (4): 599–614. arXiv : 0809.1040 . дои : 10.1080/14697688.2010.481632 . ISSN 1469-7688 . S2CID 154979612 .
^ Гийом, Доминик М.; Дакоронья, Мишель М.; Даве, Рахал Р.; Мюллер, Ульрих А.; Олсен, Ричард Б.; Пикте, Оливье В. (1 апреля 1997 г.). «С высоты птичьего полета в микроскоп: обзор новых стилизованных фактов внутридневных валютных рынков» . Финансы и стохастика . 1 (2): 95–129. дои : 10.1007/s007800050018 . ISSN 0949-2984 .
^ Голуб, Антон; Глаттфельдер, Джеймс Б.; Олсен, Ричард Б. (февраль 2018 г.). «Альфа-движок: разработка алгоритма автоматической торговли». В Демпстере, Массачусетс; Канниайнен, Юхо; Кин, Джон; Винкер, Эрик (ред.). Высокопроизводительные вычисления в финансах . Чепмен и Холл/CRC. стр. 49–76. дои : 10.1201/9781315372006-3 . ISBN 9781315372006 . ССНР 2951348 .
^ Голуб, Антон; Хлямович, Грегор; Дюпюи, Александр; Шопард, Бастьен (01 января 2016 г.). «Многомасштабное представление высокочастотной рыночной ликвидности» . Алгоритмические финансы . 5 (1–2): 3–19. arXiv : 1402.2198 . дои : 10.3233/AF-160054 . ISSN 2158-5571 .

[1] Гийом, Доминик М.; Дакоронья, Мишель М.; Даве, Рахал Р.; Мюллер, Ульрих А.; Олсен, Ричард Б.; Пикте, Оливье В. (1 апреля 1997 г.). «С высоты птичьего полета в микроскоп: обзор новых стилизованных фактов внутридневных валютных рынков» . Финансы и стохастика . 1 (2): 95–129. дои : 10.1007/s007800050018 . ISSN 0949-2984 .

[2] Глаттфельдер, Дж.Б.; Дюпюи, А.; Олсен, РБ (1 апреля 2011 г.). «Закономерности в высокочастотных данных о валютных парах: открытие 12 эмпирических законов масштабирования». Количественные финансы . 11 (4): 599–614. arXiv : 0809.1040 . дои : 10.1080/14697688.2010.481632 . ISSN 1469-7688 . S2CID 154979612 .

[3] Гийом, Доминик М.; Дакоронья, Мишель М.; Даве, Рахал Р.; Мюллер, Ульрих А.; Олсен, Ричард Б.; Пикте, Оливье В. (1 апреля 1997 г.). «С высоты птичьего полета в микроскоп: обзор новых стилизованных фактов внутридневных валютных рынков» . Финансы и стохастика . 1 (2): 95–129. дои : 10.1007/s007800050018 . ISSN 0949-2984 .

[4] Голуб, Антон; Глаттфельдер, Джеймс Б.; Олсен, Ричард Б. (февраль 2018 г.). «Альфа-движок: разработка алгоритма автоматической торговли». В Демпстере, Массачусетс; Канниайнен, Юхо; Кин, Джон; Винкер, Эрик (ред.). Высокопроизводительные вычисления в финансах . Чепмен и Холл/CRC. стр. 49–76. дои : 10.1201/9781315372006-3 . ISBN 9781315372006 . ССНР 2951348 .

[5] Голуб, Антон; Хлямович, Грегор; Дюпюи, Александр; Шопард, Бастьен (01 января 2016 г.). «Многомасштабное представление высокочастотной рыночной ликвидности» . Алгоритмические финансы . 5 (1–2): 3–19. arXiv : 1402.2198 . дои : 10.3233/AF-160054 . ISSN 2158-5571 .

[1]

[2]

[3]

[4]

[5]