¿Cómo se puede distinguir entre las pérdidas que están dentro del rango normal para el día a día de los cambios y situaciones con un potencial real de la pérdida? La aplicación específica que tengo en mente es el reconocimiento de patrones basado en la negociación algorítmica.
Respuestas
¿Demasiados anuncios?
La medición de la reducción prevista (también conocido como condicional valor en riesgo) responde a la simple pregunta de "¿cuál es mi promedio de la pérdida esperada en el i-ésimo cuantil?" dada la distribución empírica de los rendimientos. Una variación es el valor en riesgo , que mide la pérdida en el i-ésimo cuantil.
Podría decirse que podría salir en esto y tienes tu respuesta.
Usted probablemente querrá una estimación más sólida de su riesgo.
En este caso se puede utilizar la metodología bootstrap. Al calcular los intervalos de confianza de una muestra aleatoria, las estadísticas de las mismas son variables aleatorias. De hecho, la muestra de los retornos en sí es una de las muchas posibles muestras. Cada muestra posible da un valor posible de Valor-en-Riesgo, la media de los retornos, etc. Aunque observamos un conjunto de estadísticas de uso de todos sus datos fue seleccionado al azar de muchos de los valores, de modo que es una variable aleatoria.
Basta con la teoría de que el procedimiento no es muy difícil.
A definir algunos de estadística(s) de interés. Digamos que es el valor en riesgo.
Crear un re-muestreo. Usted puede hacer esto por muestreo, a partir de su distribución de los rendimientos CON la sustitución. La muestra 'n' de veces, donde n es el número de observaciones. (Usted puede realmente muestra 2n, 3n,... si quieres)
Calcular la estadística de interés de la re-de la muestra.
Repita los pasos #2 y #3 un par de miles de veces.
Desde el re-muestras son independientes uno del otro (b/c que re-muestreados con reemplazo), el estadístico a calcular en el #4 es en sí misma una variable aleatoria. Ahora usted puede construir un intervalo de confianza para la estadística de interés de la medición del error estándar de la estimación y el t-estadístico.
El bootstrap vamos a responder a su calificación "dentro de un rango normal". El bootstrap reconoce que la distribución empírica es en sí mismo un ejemplo de un desconocido de la población.
Usted puede leer más acerca de los archivos de inicio aquí.
Kyle Cronin
Puntos
554
La mayoría de la estrategia básica es la beta-base de cuantiles. Es decir, primero el control de pérdidas en su acción individual versus el comportamiento general del mercado. (Su estrategia de negociación deseen o no de cubrir la distancia de mercado factor de, digamos, SPX futuros). A continuación, elige un cuantil, lo llaman el percentil 5, más allá de que se considere la posibilidad de un movimiento significativo.
Simbólicamente, usted está buscando en una acción individual de retorno de $r_S$, con una rentabilidad de mercado $r_M$, y un simple modelo lineal que usted típicamente se han equipado históricamente
$ r_S = \beta r_M + \epsilon $
En cualquier día dado, usted puede ahora calcular la idiosincrasia de un retorno de $ r_i = r_S - \beta r_M $ que provienen de la misma distribución que $ \epsilon $. Usted puede o no puede haber convertido su observados históricamente residuos de $ \epsilon_i $ en una normal (o de otros continuo) de distribución, pero ya sea empírica o normalmente ahora es trivial para ver si $ r_i $ está por debajo del percentil 5 para $ \epsilon $.
