定量研究 - 交易

+

定量研究交易 隨機波動率模型 使用波動率預測市場方向 分解資產收益率 我們可以分解退貨流程 - [R T作為如下： 而等式的左手側是實質上不可預測的，這兩個返回的右手端組件的顯示持續動力學，因此是可預報。 兩者的回報和收益馬尼突地的跡象是條件均值依賴，因此可預報的，但他們的產品是條件均值獨立的，因此不可預測的。 這是在恩格爾和Kozicki（1993）意義上的非線性共同特徵的一個例子。 （ - - 的方向變化，即）儘管資產收益基本上是不可預測的，同樣是不正確的資產回流的跡象。 只要預期收益都為零，不要指望簽署的依賴，因為波動性依賴的大量證據。 即使在資產，其中預期回報是零，簽名依賴可以通過偏態的資產回報過程中引起的。 因此，市場擇時能力是一個非常現實的可能性，取決於資產收益過程的均值和其較高的時刻之間的關係。 關係的高度非線性特性意味著有條件的跡象依賴是不可能通過傳統的措施中找到，例如標誌自相關，運行測試或傳統市場的時間測試。 註冊的依賴可能是最強的，在1-3個月中間的視野，並且不太可能在非常低或高的頻率很重要。 實證檢驗表明，標誌依賴性非常多出現在美國實際股本回報率，有正收益的概率上升至65％或更高的不同點在過去的20年。 一個簡單的分對數回歸模型抓住了關係的要領很成功。 現在考慮的依賴，從而預測性的影響，資產收益的符號，或等效的的變化方向。 有可能開發有利可圖的交易策略，如果一個能夠成功市場時機，無論是否一個是能夠預測返回自己。 有大量證據表明，符號預測通常可以順利進行。 關於這一主題的相關研究包括布林，Glosten和Jaganathan（1989），利奇和坦納（1991），瓦格納，Shellans和保羅（1992），Pesaran和蒂默曼（1995），寬和劉（1995），拉森和沃茲尼亞克（10050 ，沃馬克（1996），岡賽（1998），梁Daouk和Chen（1999），埃利奧特和Ito（1999）白（2000年），Pesaran和蒂默曼（2000），及長，欽和帕斯誇爾（2003年）。 也有實證研究指向資產波動的條件依賴和預測性龐大的身軀。 Bollerslev，Chou和克雷默（1992）在GARCH框架，Ghysels，哈維和雷諾（1996）的隨機波動率模型的調查結果審查證據，而安德森，Bollerslev和迪堡（2003）從已實現波動率模型的調查結果。 登錄動力驅動的波動性動態 讓退貨流程 - [R T為正態分佈，均值為m和條件volatilit YST。 的正收益镨的概率[R T + 1> 0]由普通CDF F = 1-習題給出[0，F] 對於給定的平均收益，男。 的正返回的概率是條件波動ST的功能。 作為條件波動的增大，正收益的概率下降，如下面圖1其中m = 10％和ST = 5％和15％。 在前者的情況下，一個正回報的概率較大，因為更多的概率質量的位於原點的右邊。 儘管具有10％的相同，恆定預期回報，該方法具有產生在第一種情況下正收益比在第二的機會較大。 因此波動性動態駕駛跡象動態。 電子郵件我在jkinlayinvestment，分析閱讀全文的複印件。