Algoritmik ticaret - sayfa 7

[MetaQuotes]

Martin Scholl (Oxford Üniversitesi): "Etmen Tabanlı Modeller Kullanarak Piyasa Ekolojisini İncelemek"

Martin Scholl (Oxford Üniversitesi): "Etmen Tabanlı Modeller Kullanarak Piyasa Ekolojisini İncelemek"

Oxford Üniversitesi'nden bir araştırmacı olan Martin Scholl, etmen tabanlı modeller kullanarak pazar ekolojisi araştırmasını derinden inceledi. Etkili piyasa hipotezi gibi varsayımlara dayanan geleneksel yaklaşımlardan farklı olarak Scholl, neoklasik finansta yaygın olarak kullanılan rasyonel beklentiler dengesi teorisini ele alır. Bu teorinin, tüm katılımcıların gerçek dünyayı mükemmel bir şekilde anlamalarını talep ettiğine inanıyor ki bu, hem perakende yatırımcıların hem de fon yöneticilerinin bilişsel sınırlamaları göz önüne alındığında gerçekçi değil. Bunun yerine, finansal piyasaları anlamak için yeni bir bakış açısı sunarak, gerçek dünyadaki finansal verileri analiz etmek için biyolojiden gelen araçları kullanmayı savunuyor.

Scholl, pazar ekolojisini keşfetmek için yatırım stratejilerini, belirli bir türün bireylerini temsil eden bireysel yatırımcılarla biyolojideki türlere benzetiyor. Belirli bir strateji kullanılarak yatırılan toplam zenginlik, o türün bolluğu veya toplam popülasyon büyüklüğü ile karşılaştırılabilir. Bir yatırım oyununun oyuncak modelinde Scholl, temsilcilerin servetlerini bir para piyasası hesabında bırakmayı veya temettü ödeyen bir hisse senedine yatırım yapmayı seçebilecekleri basitleştirilmiş bir senaryo sunuyor. Bu model, çeşitli yatırım stratejilerinin incelenmesine ve neoklasik mükemmel rasyonellik varsayımına itirazlara izin verir.

Scholl, pazar ekolojisini incelemek için aracı tabanlı modellerde kullanılan farklı yatırım stratejilerini tanımlar. Birincisi, net varlık değerinin hisse senedi ve nakit arasında bölündüğü tamamen rasyonel bir stratejidir. Bir değer yatırımcısı, gelecek tahminleri yapmak ve hisse senedinin gelecekteki fiyatını anlamak için temettünün büyüme oranını tahmin eder. İkinci strateji, son fiyatları analiz eden ve trendleri tahmin eden trend takipçilerini içerir. Üçüncü strateji, likidite ihtiyaçlarını karşılamak için piyasaya giren ancak kısa vadede fiyata duyarlı olmayan gürültücü tüccarları kapsar. Bununla birlikte, ortalamayı tersine çeviren gürültü süreci, uzun bir zaman ölçeğinde temel değere bağlıdır.

Scholl ve ekibi, pazar mekanizmalarını simüle etmek ve pazar ekolojisini incelemek için yazılım paketlerinin yardımıyla aracı tabanlı modeller kullanıyor. Yetenekleri sabitleyerek ve ilk yetenekleri farklı türlerin bireyleri arasında bölerek, göreli payı takip ederek modelin farklı çalıştırmaları arasında karşılaştırılabilirliği sağlarlar. Simülasyonlar 200 yıl boyunca devam ediyor ve her bir türün ortalama yıllık getirisinin gözlemlenmesini sağlıyor. İlginç bir şekilde, bolluğu ne olursa olsun, her stratejinin en karlı olduğu en az bir bölgeye sahip olduğunu buluyorlar.

Scholl, deneylerinde trend takipçilerinin davranışlarını ve kârları yeniden yatırmanın etkisini inceliyor. Piyasanın zamanının çoğunu istikrarsız, büyük aykırı değerlere sahip kaotik bir bölgede geçirdiğini ve bunun da benekli gürültüye neden olduğunu gözlemliyor. Yatırımcılar kârlarını yeniden yatırdıklarında, yörüngeler belirlenmiş bir merkezi nokta etrafında dalgalanır, ancak tamamen ona doğru yakınsamaz. Trend takipçilerinin yoğunluğunun artması, getirilerde daha yüksek oynaklığa yol açar. Scholl, trend takipçilerinden hızlı uzaklaşmayı yatırımcıların rasyonalitesine ve temettü sürecindeki pozitif otokorelasyona bağlıyor.

Scholl, ajan tabanlı modellerin, biyolojide kullanılan avcı-av-Volterra denklemlerine benzer bir finansal topluluk matrisi oluşturmak için kullanılabileceğini açıklıyor. Belirli bir stratejinin getirisi nüfus büyüklüğüne eşittir ve geri dönüşün nüfus büyüklüğündeki değişikliklere duyarlılığı topluluk matrisini temsil eder. Finans piyasasında, farklı stratejiler arasındaki rekabet, fiyatlar denge noktalarından saptığında ortaya çıkar. Scholl, finansal piyasaların yoğunluk bağımlılığı sergilediğini ve tür etkileşimlerini biyolojik sistemlerden daha karmaşık hale getirdiğini vurguluyor. Bu yoğunluk bağımlılığı, balon benzeri fiyat artışları gibi senaryolara yol açar, ancak bu tür durumların gerçekçi olmadığını kabul eder.

Pazar ekolojisi bağlamında Scholl, bulgularının pratik sonuçlarını tartışıyor. Farklı avcı türleri arasındaki ilişkileri tanımlamak için türlerin bolluğunu kullanan ve böylece pazar sonuçlarını etkileyen doğrusal bir model sunuyor. Bu yaklaşım, yatırımların çok boyutlu doğasını vurgular ve yüksek oranda yoğunluğa bağımlı finansal piyasalarda kayıpları önlemek veya av haline gelmek için stratejileri uygun şekilde boyutlandırmanın önemini gösterir. Hisse senedi fiyatlarının mevcut tüm temel bilgileri yansıttığı şeklindeki geleneksel görüşe meydan okur ve finansal piyasaları çeşitli koşullardan etkilenen karmaşık sistemler olarak sunar.

Scholl, pazar ekolojisini incelemek için etmen tabanlı modeller içinde basit bir doğrusal model kullanmasını daha da detaylandırıyor. Piyasa faaliyetlerinin varlıklarını ve göreceli bolluğunu analiz ederek, bu yaklaşımın rasyonelliği varsayan ve temelleri otomatik olarak tercüme eden departmandan türetilen modellerden daha iyi performans gösterdiğini buldu. Ancak, modelinin sınırlarını kabul ediyor ve gerçekçiliğini artırmak için daha fazla araştırma yapılması gerektiğini vurguluyor. Ele aldığı bir husus, modelin özellikle trend takibi ile ilgili olarak farklı tariflere ve tanımlara duyarlılığıdır. Temettüler, modelinde önemli bir rol oynasa da, gerçek dünya finansal piyasaları için daha gerçekçi unsurların dahil edilmesi ek adımlar gerektirecektir.

Temsilcilerin modelindeki inançlarının uyarlanabilirliği ile ilgili olarak Scholl, piyasa operasyonlarının genellikle fon yöneticilerini uzun süreler boyunca prospektüslerde belirtilen stratejileri takip etmeyi içerdiğine dikkat çekiyor. Bu durum, mekanik varlık tahsis süreçlerine yönelik bir eğilimi göstermektedir. Sonuç olarak Scholl, daha az uyumlu davranışı ve daha az zekayı modellemeye yöneliyor. Bununla birlikte, Oxford Üniversitesi'ndeki grubundaki diğer araştırmacıların, parametreleri değiştirmek ve hatta yeni stratejiler geliştirmek için evrimsel algoritmaların uygulamalarını aktif olarak araştırdıklarının altını çiziyor.

Martin Scholl'un araştırması, ajan tabanlı modeller kullanarak pazar ekolojisini incelemeye odaklanıyor. Finansal piyasaları daha iyi anlamak için biyolojiden kavramları uygulayarak geleneksel finans teorilerine ve varsayımlarına meydan okuyor. Yatırım stratejilerini biyolojideki türlerle karşılaştırarak, farklı stratejileri analiz ederek ve piyasa mekanizmalarını simüle ederek Scholl, finansal piyasaların karmaşıklığını ve çeşitli stratejiler arasındaki etkileşimi ortaya çıkarıyor. Bulguları, finansal piyasaların yüksek oranda yoğunluğa bağlı olduğunu ve kayıpları önlemek ve bu dinamik ekosistemde av olmak için uygun yatırım stratejileri boyutunun çok önemli olduğunu gösteriyor. Scholl'un çalışması, hisse senedi fiyatlarının yalnızca temel bilgileri yansıttığı şeklindeki geleneksel görüşün aksine, karmaşık sistemler olarak piyasaların doğasına ilişkin değerli içgörüler sağlar.

• 00:00:00 Oxford Üniversitesi'nden Martin Scholl, aracı tabanlı modeller kullanarak pazar ekolojisi üzerine yaptığı çalışmayı tartışıyor. Etkin piyasa hipotezi gibi yaygın varsayımlara odaklanmak yerine, tüm katılımcıların anlayışının gerçek dünyayla eşleşmesini talep ettiği için neoklasik finansta kullanılan rasyonel beklentiler denge teorisine itiraz ettiğini açıklıyor. Ayrıca finans literatüründe 300'den fazla faktör modelinin bulunduğunu ve bunun en iyisinin belirlenmesini zorlaştırdığını ve hem bireysel yatırımcıların hem de fon yöneticilerinin bilişsel yetenekleri üzerinde fiziksel sınırlar olduğunu ortaya koymaktadır. Ayrıca, finansal piyasaları daha iyi anlamak için biyolojiden gerçek dünya verilerine araçların uygulanmasının önemini tartışıyor.
  
  
• 00:05:00 Martin, aracı tabanlı modeller kullanılarak piyasa ekolojisi çalışmasının nasıl yapılabileceğini tartışıyor. Yatırım stratejilerinin, belirli bir türün bireylerine karşılık gelen bireysel yatırımcılarla biyolojideki türlere benzetilebileceğini açıklıyor. Belirli bir strateji kullanılarak yatırılan toplam zenginlik, o türün bolluğu veya toplam popülasyon büyüklüğüdür. Scholl, acentelere servetlerini bir para piyasası hesabında bırakma veya temettü ödeyen bir hisse senedine yatırım yapma seçeneğinin verildiği bir yatırım oyununun oyuncak modelini sunar. Model, çoğu zaman benzersiz takas fiyatlarına izin veren basitleştirici bir varsayım olan tek bir hisse senedi ile çalışır. Scholl ayrıca mükemmel bir rasyonel yatırımcının neoklasik varsayımına da değinir ve bu yaklaşıma yönelik itirazları vurgular.
  
  
• 00:10:00 Martin Scholl, pazar ekolojisi kavramını biyolojiden metaforlar kullanarak açıklıyor. Pazardaki acenteleri katılma nedenlerine göre ayırır ve strateji tanımlamanın bir yolu olarak aşırı talep fonksiyonunu ortaya koyar. Yatırım sürecinde bir sinyal fonksiyonunun nasıl kullanıldığını ve farklı yatırım fonlarının bilgi ve analiz edinmeye dayalı olarak farklı şeylerde nasıl uzmanlaşma eğiliminde olduğunu açıklıyor. Bir şeyi optimize etmek için belirli bir nişte uzmanlaşmanın faydalı olduğu, gelişen pazarlarda stratejilerin bölünmesi çok önemlidir.
  
  
• 00:15:00 Martin Scholl, pazar ekolojisini incelemek için aracı tabanlı modellerde kullanılan farklı stratejileri tartışıyor. İlk strateji, net varlık değerinin hisse senedi ve nakit arasında bölündüğü tamamen rasyonel bir stratejidir. Bir değer yatırımcısı, bir tahminde bulunmak için temettünün büyüme oranını tahmin ederek hisse senedinin gelecekteki fiyatını anlamaya yardımcı olur. İkinci strateji, son fiyatlara bakan ve bu trendleri tahmin eden trend takipçilerine dayanmaktadır. Son olarak model, likidite ihtiyaçlarını karşılamak için piyasaya giren ancak fiyata duyarlı olmayan, bu nedenle sinyalleri kısa bir zaman ölçeğinde rastgele görünen gürültü tüccarlarını içerir. Bununla birlikte, ortalamayı tersine çeviren gürültü süreci, uzun bir zaman ölçeğinde temel değere bağlıdır ve Buscher ve meslektaşları tarafından tahmin edildiği gibi, yavaş yavaş ortalamaya geri dönecektir.
  
  
• 00:20:00 Martin, pazar ekolojisini incelemelerine olanak tanıyan aracı tabanlı modeller kullanarak pazar mekanizmalarını nasıl simüle ettiklerini açıklıyor. Olası çözümlerin çokluğu nedeniyle simülasyonu analitik olarak ele almak zordur. Bu nedenle, farklı piyasa mekanizmalarını simüle etmek için bir yazılım paketi kullanırlar. Sonuçların modelin farklı çalıştırmaları arasında karşılaştırılabilir olmasını sağlamak için donanımları düzeltirler. Ayrıca başlangıçtaki bağışları farklı türlerin bireylerine bölüştürürler ve göreli payın kaydını tutarlar. Simülasyonu 200 yıl çalıştırıyorlar ve türlerin her birinin ortalama yıllık getirisine bakıyorlar. Her üç strateji için de en karlı oldukları en az bir bölge olduğunu gözlemliyorlar, bu bölge türün en bol olduğu bölge olmasa bile.
  
  
• 00:25:00 Oxford Üniversitesi'nden Martin Scholl, fiyatların temel değerlerden saptığı, temettü sürecinin rastgele gerçekleşmesi ve ortaya çıkan gürültü nedeniyle büyük kar ve zararlara yol açan trend takipçilerini içeren bir deneyi tartışıyor. Sistem, tasarımının çoğunu kararsız, kaotik bir bölgede, benekli gürültü oluşturan büyük aykırı değerlerle geçirir. İkinci deneyde, yatırımcıların karlarını yeniden yatırım yapmalarına izin verildi ve yörüngeler, zenginliğin yeniden dağıtıldığı bir tek yönlü olarak izlendi, ancak bunlar, bir yandan diğer yana dalgalanarak, belirlenen merkezi noktaya doğru zayıf bir şekilde yakınsadı. Sistem, belirlenen çekici sabit noktanın etrafındaki bir bölgede bulunma eğilimindedir ve piyasa temizleme fiyatı, tüccarların ve fiyatların değerlemesini etkileyerek her işlem gününde duyurulur.
  
  
• 00:30:00 Martin, trend takipçileri, değer yatırımcıları ve gürültü tüccarları olan bir sistemdeki sabit bir noktayı analiz ederken Monte Carlo deneyleri yoluyla elde edilen farklı akış çizgilerini açıklıyor. Çizgilerin kalınlığı, yıllık bazda stratejiler arasında yeniden dağıtılan zenginlik miktarını gösterir; bu da, trend takipçilerinin bolluğunun sistemde nasıl büyük kayıplara neden olabileceğini gösterir. Scholl, kalabalığın trend takipçileri için değer yatırımcıları için olduğundan farklı çalıştığını ve trend takipçilerinin yoğunluğunu artırmanın getirilerde daha yüksek oynaklığa yol açtığını vurgulayarak devam ediyor. Sistemin trend takipçilerinden hızla uzaklaşmasının temel nedeni, yatırımcıların rasyonelliği ve temettü sürecindeki pozitif otokorelasyondur.
  
  
• 00:35:00 Martin Scholl, aracı tabanlı modellerin pazar ekolojisini incelemek için nasıl kullanılabileceğini ve finansal topluluk matrisinin nasıl oluşturulabileceğini açıklıyor. Scholl, biyolojide popülasyon dinamiklerinde kullanılan ve farklı popülasyonların dinamiklerini, yani popülasyon büyüklüğüne göre farklı türlerin nasıl etkileşime girdiğini açıklamak için kullanılan avcı-av-Volterra denklemlerine bir benzetme yapar. Bu kavramın, belirli bir stratejinin geri dönüşünün popülasyon büyüklüğü olarak kabul edileceği ve bir türün popülasyon büyüklüğündeki değişikliklere geri dönüşünün hassasiyetinin topluluk matrisini temsil edeceği finansal piyasalara da uygulanabileceğini belirtiyor.
  
  
• 00:40:00 Oxford Üniversitesi'nden Martin, finansal piyasa ekolojisindeki türlerin, tüm çapraz girişler negatif ve tüm pozitif girişler pozitif olduğu için denge noktasında kendileriyle nasıl rekabet ettiğini açıklıyor. Popülasyondaki belirli değişikliklere karşı dayanıklı bir topluluk matrisi ile sabit nokta kararlı olduğu için sistem kararlıdır. Ancak piyasa denge noktalarından oldukça uzaklaştığında, değer yatırımcısı oldukça azken trend takipçisi ile değer yatırımcısı arasında rekabet başlar. Yoğunluk bağımlılığı, türler arasındaki etkileşimleri biyolojik olandan daha karmaşık hale getirir ve finansta doğadan çok daha yaygındır. Fiyatların ayrıştığı istikrarsız bölgede trend takipçileri diğer trend takipçilerinden faydalanır ve fiyat balon gibi yükselmeye devam eder ancak bu senaryo oldukça gerçekçi değildir.
  
  
• 00:45:00 Martin Scholl, kısa bir zaman ölçeğinde trend takipçilerinin faydalarını tartışıyor, çünkü en üst seviyede veya en azından fiyat tamamen düşmeden satış yapamayacakları için kendilerinden biraz daha yavaş olan trend takipçilerinden faydalanabilecekler. Bununla birlikte, bu modelde, trend takipçileri basittir ve bireyin stratejisinden bağımsız olarak aynı zaman ölçeğinde çalışır. Scholl ayrıca, pasif bir fonun veya bir endeks izleyicinin, servetin belirli varlıklara konsensüs tahsisine sahip bir fon olarak nasıl temsil edilebileceğini tartışır. İndeksleyicilerin daha yüksek bir oranı, sistemi daha kararlı hale getirecek ve tüm sistemi sönümleyecektir. Son olarak Scholl, türler arasındaki ikili ilişkileri anlamak için tüm bu bilgileri hesapladığını ve bunun da besin ağı denen bir şeyle sonuçlandığını belirtiyor.
  
  
• 00:50:00 Martin, etmen tabanlı modeller kullanarak pazar ekolojisini incelemeyi tartışıyor. Scholl, düğümlerin nasıl farklı türler olduğunu ve kenarların aralarındaki etkileşimler olduğunu açıklıyor. Trofik seviyeyi kullanarak, hangi türün en düşük kar düzeyine sahip olduğunu, yani diğer türleri avlamadığını ve hangisinin en yüksek trafik düzeyine sahip olduğunu, yani diğer tüm türleri avladığını ve onu zirve avcısı yaptığını belirleyebilirler. Scholl, trafik seviyelerinin yoğunluğa bağlı olarak nasıl dramatik bir şekilde değiştiğini ve değer yatırımcısının gürültü tüccarlarını avladığı ve trend takipçisinin korelasyonlardan yararlandığı bir temettü indirimi yöntemini nasıl izlediğini açıklıyor.
  
  
• 00:55:00 Martin Scholl, etmen tabanlı modeller kullanarak piyasa ekolojisini incelemenin pratik sonuçlarını açıklıyor. Pazar kalitesine ve yanlış fiyatlandırmaya dayalı bir deney, türlerin bolluğunu kullanan basit bir doğrusal modelin, farklı avcı türleri arasındaki ilişkiyi açıklamakta oldukça iyi çalıştığını ve pazar sonuçlarını etkilediğini gösteriyor. Geliştirilen model, yatırımların ne kadar çok boyutlu olduğunun gözlemlenmesine imkan vererek, stratejilerin piyasa kalitesi üzerinde farklı etkileri olduğunu vurgulamaktadır. Scholl'un araştırmasına göre, finansal piyasalar yüksek oranda yoğunluğa bağımlıdır, yani yatırımcılar kayıplara uğramaktan veya kendilerinin tuzağa düşmekten kaçınmak için stratejilerini uygun şekilde boyutlandırmalıdır. Bu yaklaşım, hisse senedi fiyatlarının mevcut tüm temel bilgileri yansıttığına inanılan geleneksel finansın aksine, piyasaların çeşitli koşullardan etkilenen karmaşık bir sistem olarak tanımlanmasına izin verir.
  
  
• 01:00:00 Videonun bu bölümünde, Martin Scholl aracı tabanlı modeller kullanarak pazar ekolojisini incelemek için basit bir doğrusal modeli nasıl kullandığını tartışıyor. Eldeki varlıklara ve piyasa faaliyetlerinin göreceli bolluğuna bakarak, bu yaklaşımın, rasyonaliteyi varsayan ve temelleri otomatik olarak tercüme eden departmandan türetilmiş modelleri kullanmaktan daha iyi bir tahminci sunduğunu gördü. Ayrıca, modelinin sınırlamalarını ve onu daha gerçekçi hale getirmek için daha fazla araştırma yapılması gerektiğini tartışıyor. Ele aldığı sorulardan biri, modelin, özellikle modelindeki temettüler tarafından yönlendirildiğini ancak gerçek dünya finansı için daha gerçekçi hale getirmek için daha fazla adım gerektireceğini açıkladığı trend takibi ile ilgili olarak, farklı tariflere ve tanımlara duyarlılığı hakkındadır. pazarlar.
  
  
• 01:05:00 Martin Scholl, etmen tabanlı modeller kullanarak pazar ekolojisini inceleme yaklaşımını tartışıyor. Scholl, etmenlerin inançlarını kendi modeline uyarlayabileceklerini varsaymaz. Piyasa operasyonları tipik olarak fon yöneticilerini onlarca yıldır bir prospektüste belirtilen stratejileri takip etmeyi içerir, bu da varlık tahsis sürecinin mekanik olma eğiliminde olduğunu gösterir. Scholl modellemesinde daha az uyarlanabilir davranışa ve daha az zekaya yönelme eğilimindedir. Bununla birlikte, Oxford Üniversitesi'ndeki araştırma grubundaki diğerleri, parametreleri stratejilere dönüştürmek ve hatta yenilerini icat etmek için evrimsel algoritmalar uygulamak üzerinde çalışıyor.

[MetaQuotes]

Kevin Webster: "Fiyat Etkisi Muhasebe Kar ve Zararını Nasıl Bozuyor"

Kevin Webster: "Fiyat Etkisi Muhasebe Kar ve Zararını Nasıl Bozuyor"

Bir YouTube videosunda Kevin Webster, fiyat etkisinin muhasebe kar ve zarar (P&L) tablolarını nasıl bozabileceği konusunu derinlemesine araştırıyor. Riski etkin bir şekilde yönetmek için fiyat etkisinin doğru bir şekilde modellenmesinin önemini vurguluyor ve likit olmayan bir pozisyonda kalmaktan kaçınmak için likidite riskini yönetmenin önemini vurguluyor. Webster, çeşitli fiyat etki modellerinin mevcut olduğunu kabul eder, ancak genellikle verilerin çoğunluğu üzerinde hemfikirdir.

Konuşma, fiyat etkisi ile likidite riski arasındaki kesişimi ele alarak başlıyor ve özellikle büyük piyasaların likiditesinin mali krizden önce genellikle doğal karşılandığına dikkat çekiyor. Webster, fiyat etkisinin nasıl bir kâr yanılsaması yarattığını ve fiyatların finansal değerlerden uzaklaşmasına yol açtığını gösteren güçlü alıntılar paylaşıyor. Konuşmanın amacı, kar yanılsamasını ortadan kaldırmak için tasfiyenin piyasa etkisini tahmin etmeye dayalı nicel bir çerçeve sağlayarak bu kavramı matematiksel olarak formüle etmektir.

Webster, fiyat etkisini, daha agresif ticaretin fiyatları daha da ileriye ittiği ve bunun tersinin geçerli olduğu ticaret için nedensel bir model olarak açıklıyor. Fiyat etki modelleri, işlem maliyeti analizinde ve optimum uygulamada yaygın olarak kullanılır ve beklenen işlem maliyetlerini tahmin etmek ve yürütme stratejilerini optimize etmek için ticaret öncesi araçlar olarak hizmet eder. Tüccarların, sipariş kaymasını en aza indirmeye odaklanarak ve hem mekanik hareketleri hem de alfa kaymasını göz önünde bulundurarak, algoritmalarının üç ayda bir nasıl performans gösterdiğini değerlendirmelerine olanak tanıyan sahte bir işlem maliyeti analizi raporu sergiliyor.

Konuşmacı, Avrupa Menkul Kıymetler ve Piyasalar Otoritesi (ESMA) tarafından piyasa stres dönemlerinde varlık tasfiyesinin simüle edilmesini içeren likidite stres testleriyle ilgili olarak yayınlanan yönergeleri tartışıyor. Fiyat kaymaları gibi piyasadan gelen tepkilerin simüle edilmesi ve riskten korunma stratejilerinin kullanılması, riske maruz kalmayı azaltmak için çok önemlidir. Webster, Cascioli, Boucheron, Farmer ve ESMA ve Baffled Committee gibi düzenleyici komitelerin çalışmaları da dahil olmak üzere, likidite stres testleri ve muhasebe K&Z üzerindeki fiyat etkisi hakkında çeşitli literatüre atıfta bulunur. Muhasebe kar ve zararını etkileyebilecek ve yüksek tasfiye maliyetleriyle sonuçlanabilecek durumları azaltmak için likidite stres testinin gerekliliğini vurgulamaktadır.

Fiyat etkisinin muhasebe K&Z üzerindeki bozucu etkisini ölçen ve farklı K&Z tanımlarını birbirine bağlayan bir ticaret ayak izi kavramı tanıtıldı. Webster, Casadio-Bouchard-Farmer makalesi tarafından çizilen P&Z muhasebesi ile ilgili önemli sonuçları göstermek için basit bir yangın satış modeli sunar. Tüccarların ve platform yöneticilerinin günlük olarak gözlemlediği sayının nihai K&Z'lerini nasıl olduğundan fazla tahmin ettiğini ve bunun da ticaret tamamlandığında deflasyona yol açtığını açıklıyor. Ancak, bu enflasyon özelliği gerçek zamanlı olarak ölçülebilir ve görüntülenebilir, bu da tacirler için işlem yapılabilir bilgiler sağlar. Webster, pozisyon enflasyon kayıplarının genellikle geçici olduğunu ve risk toleransına bağlı olduğunu belirtiyor.

Bir hisse senedi pozisyonunun değerlemesi ve bunun bir şirketin P&L'si üzerindeki etkisi ile ilgili konular tartışılır. Webster, hisse senedi pozisyonunu işaretlemek için hangi fiyatların kullanılacağını belirlemedeki belirsizliği ve muhasebe K&Z ile ticaret algoritmaları tarafından kullanılan temel K&Z arasındaki farkı vurgular. Alım satım ayak izi, muhasebe K&Z'si ile temel K&Z arasındaki fark olarak tanımlanır ve pozisyon kapatıldığında belirsizlik çözülür. Konuşmacı, bu özelliğin altında bulunduğu belirli varsayımlarda bulunarak konum enflasyonunu araştırıyor. Etki modeli ve onun iki durumu, orijinal OW köstebeği ve Fruehwirth ve Bond tarafından incelenen W köstebeği de ayrıca ele alınmıştır.

Webster, modelin mantıklı olması için, lambda ve beta arasında bir arbitrajsızlık koşulunun yanı sıra kendi kendini finanse eden bir denklem koşulunun sağlanması gerektiğini açıklıyor. Kapanış zamanında beklenen P&L'yi hesaplamayı ve ticaret ayak izinin muhasebe P&L'ye nasıl önyargı getirdiğini araştırıyor. Pozisyon şişirme özelliği, pozisyonun pozisyon girme aşaması sırasında şişmesine, tutma aşamasında kalmasına ve sonunda buharlaşmasına neden olur. Tüm bu yönler, bir ticaret ekranında gerçek zamanlı olarak gözlemlenebilir ve tüccarlara değerli içgörüler sağlar.

Webster ayrıca, fiyat etkisinin neden olduğu Kâr ve Zarar muhasebesindeki çarpıklıkları açıklıyor. Tüccarların alfa olmadan bile nasıl karlı işlemler yapabileceklerini tartışıyor, ancak işlem maliyetleri nedeniyle bu kârların kısa ömürlü olduğu konusunda uyarıda bulunuyor. Fiyat sapmalarını erkenden izlemek, kayıpları önlemek için çok önemlidir. Ek olarak Webster, portföy yöneticilerinin portföylerini bir bütün olarak görmeyi tercih ettiklerini belirtiyor ve matematiksel finans dünyasında bir portföyün büyüklüğünü ve cirosunu kontrol eden durağan bir portföy kavramını tanıtıyor.

Durağan bir portföy kavramı, devam eden işlem maliyetlerinin tahmin edilmesiyle bağlantılı olarak araştırılır. Yayıcının zaman ölçeğini anlayan tacirler, pozisyonlarının ne ölçüde şişirildiğini ve pozisyonlarını tasfiye ederken kaybedebilecekleri kar yanılsamasını tahmin edebilirler. Webster, ampirik verileri kullanarak çerçeveyi gösterir ve gerçek dünya senaryolarına uygulanabilirliğini gösterir. Çerçeveyi bir acil satış modeline uyguluyor ve muhasebe P&L ile temel P&L arasındaki farkları açıklıyor ve bir tüccarın riskten kaçınmasına dayalı olarak farklı amaç fonksiyonlarını nasıl bilgilendirdiklerini vurguluyor.

Konuşmacı, yangın satışlarının veya diğer piyasa katılımcılarının alım satım faaliyetlerinin bir tüccarın K&Z'si ve pozisyonu üzerindeki etkisini araştırıyor. Agresif riskten korunma, kalabalık etkilere ve pozisyon enflasyonuna yol açarak kalıcı kayıplara neden olabilir. Fiyat etkisinin doğru bir şekilde modellenmesi, etkin risk yönetimi için çok önemlidir ve likidite riskinin yönetilmesi, likit olmayan pozisyonlarla sonuçlanmamak için vurgulanır.

Webster, birçok farklı fiyat etkisi modeli mevcut olsa da, verilerin çoğunluğu üzerinde genellikle hemfikir olduklarını kabul ediyor. Ancak, etkinin kalıcılığının miktarı ve süresinde farklılıklar ortaya çıkabilir. Geçici çıkıklar birkaç günden bir aya kadar sürebilir. Risk yönetimi açısından bakıldığında, net bir hareket tarzı vardır, oysa tüccar ve performans açısından etkili iletişim anahtar hale gelir. P&L'nin mekanik olup olmadığını anlamak ve mekanik kısmı kaldırmak, tacirlerin işlemlerinde gerçek alfaya veya avantaja odaklanmalarına olanak tanır.

Konuşmacı, "fiyat manipülasyonu yok" ilkesini açıklıyor ve tacirler kar elde etseler bile, eninde sonunda buharlaşacakları için onları koruyamayacaklarını vurguluyor. Pozisyon enflasyonu, ticaret değerinin zaman içinde düşmesine veya anında tasfiyeye yol açarak sıfır veya hatta negatif P&L ile sonuçlanır. Bu nedenle, tüccarların sürdürülebilir karlar elde etmek için diğer değişkenlere güvenmeleri gerekir. Webster, ilk etki durumu, piyasanın geri kalanının neden olduğu etki ve tüccarın riskten korunma önlemleri ile piyasanın geri kalanının etkisi arasındaki ilişkiyi daha da araştırıyor.

Sonuç olarak Kevin Webster, fiyat etkisinin muhasebe Kâr ve Zararını nasıl bozabileceğine dair kapsamlı bir anlayış sunuyor. Yüksek oynaklıklı likidite rejimleri sırasındaki ekstra maliyetlere ve bunların önyargı üzerindeki etkilerini vurgulayarak daha geniş piyasa ile korelasyonlarına ışık tutuyor. Düzenleyici bir bakış açısıyla, şirket tahvilleri ve sigorta şirketlerinin bu önyargıdan daha fazla etkilenmesi muhtemeldir. Webster, hisse senetleri dışındaki piyasalar için ayrıntılı yanıtlara sahip olmadığını kabul etse de, fiyat etkisini ve bunun P&L'deki potansiyel bozulmasını anlamak için sağlam bir matematiksel temel sağlıyor.

• 00:00:00, fiyat etkisinin muhasebe K&Z'yi nasıl bozduğuna dair bu konuşmanın temelidir. Konuşma, fiyat etkisi ile likidite riski arasındaki kesişim ve büyük piyasaların likiditesinin genellikle mali krizden önce doğal karşılanması gerçeğiyle motive edildi. Konuşmacı, fiyat etkisinin neden olduğu kâr yanılsamasını ve bunun finansal değerlerden nasıl fiyat sapmalarına yol açtığını gösteren iki güçlü alıntı sunuyor. Konuşma, bu fikri matematiksel olarak formüle etmeyi ve bu kâr yanılsamasını ortadan kaldırmak için tasfiyenin tahmini piyasa etkisine dayanan nicel bir çerçeve sağlamayı amaçlıyor.
  
  
• 00:05:00 Konuşmacı, alım satım için nedensel bir model olarak fiyat etkisini ve bunun, daha agresif alım satım yapılırsa fiyatın nasıl daha fazla itilmesine neden olduğunu ve tersi de tartışıyor. Endüstri, işlem maliyeti analizi ve optimum uygulama için fiyat etki modellerini kullanır ve uygulayıcılar bunu, bir siparişin beklenen işlem maliyetini tahmin etmek ve uygulama stratejisini optimize etmek için bir ticaret öncesi araç olarak kullanır. Konuşmacı, tacirlerin algolarının üç aylık bazda nasıl performans gösterdiğini değerlendirmeleri için bu likidite perspektifini taklit eden sahte bir TCA raporu verir. Tüccarlar sipariş kaymasını en aza indirmeye çalışırlar ve mekanik hareketlerin veya alfanın neden olduğu sipariş kaymasının yüzdesine bağlı olarak fiyat etkisi ve alfa kayması devreye girer.
  
  
• 00:10:00 Kevin Webster, piyasa stres dönemlerinde varlıkların tasfiyesini simüle etmeyi içeren likidite stres testlerinin nasıl yürütüleceğine ilişkin Avrupa Menkul Kıymetler ve Piyasalar Otoritesi tarafından yayınlanan yönergeleri tartışıyor. Ayrıca, fiyat kaymaları gibi piyasa tepkilerini simüle etmenin önemini ve riskten korunmanın maruz kalınan riskleri nasıl azaltabileceğini açıklıyor. Ayrıca, Cascioli Boucheron Farmer ve Baffled Committee ve ESMA gibi düzenleyici kurumların çalışmaları da dahil olmak üzere, likidite stres testleri ve muhasebe K&Z üzerindeki fiyat etkisine ilişkin iki literatürü gözden geçiriyor. Son olarak, muhasebe K&Z'yi etkileyebilecek ve yüksek tasfiye maliyetlerine yol açabilecek durumlardan kaçınmak için likidite stres testine duyulan ihtiyacı vurgulamaktadır.
  
  
• 00:15:00 Konuşmacı, karar vericilerin bunları kullanma ihtiyacı ve simülasyon tabanlı yapıları da dahil olmak üzere, likidite stres testleriyle ilgili çeşitli belgelerden çıkarılabilecek sonuçları tartışıyor. OB modeli için alternatif bir kanıt sağlayan ve uygulanabilirliğini büyük ölçüde artıran Schweizer ve Urzua'nın bir çift makalesi ile birlikte, piyasa stresi sırasında fiyat sapmalarının simülasyonu hakkında Francelli'nin özel bir makalesini öneriyorlar. Konuşmacı ayrıca, farklı K&Z tanımlarını birbirine bağlayan ve fiyat etkisinin muhasebe K&Z üzerindeki bozucu etkisini ölçen bir ticari ayak izi kavramını da tanıtıyor. Son olarak, Casadio-Bouchard-Farmer makalesi tarafından yapılan P&Z muhasebesi hakkındaki güçlü sonuçları göstermek için basit bir satış modeli oluşturdular.
  
  
• 00:20:00 Kevin Webster, fiyat etkisinin muhasebe Kâr ve Zararını nasıl bozabileceğini tartışıyor. Tüccarların ve platform yöneticilerinin günlük bazda baktığı sayıların nihai K&Z'lerini nasıl olduğundan fazla tahmin ettiğini ve ticareti bitirdiklerinde bunun sönmesine neden olduğunu açıklıyor. Bununla birlikte, enflasyon özelliği gerçek zamanlı olarak ölçülebilir ve görüntülenebilir, bu da tüccarlar için işlem yapılabilir hale getirir. Webster, kayıpların pozisyon şişirme kısmının genellikle geçici olduğunu ve risk toleransına bağlı olduğunu belirtiyor. Yatırımcıların P&L'yi hesaplarken göz önünde bulundurması gereken matematiksel kurulum, değişkenler ve miktarlara bir girişle bitiriyor.
  
  
• 00:25:00 Bu bölümde, Kevin Webster bir hisse senedi pozisyonunun değerlemesi ile ilgili konuları ve bunun bir şirketin Kar ve Zararını (P&L) nasıl etkilediğini açıklıyor. Hisse senedi pozisyonunu işaretlemek için hangi fiyatların kullanılacağını belirlemedeki belirsizlikten ve muhasebe K&Z'si ile ticaret algoritmasının kullandığı temel K&Z arasındaki farktan bahsediyor. Ticaret ayak izini, muhasebe K&Z'si ile temel K&Z arasındaki fark olarak tanımlıyor ve pozisyon kapatıldığında belirsizliğin nasıl ortadan kaldırıldığını açıklıyor. Ayrıca, pozisyon enflasyonunu tartışır ve bu özelliğin altında bulunduğu bazı varsayımlar sağlar. Son olarak, etki modelinden ve onun iki durumundan, Fruehwirth ve Bond'un üzerinde çalıştığı orijinal OW köstebeği ve W köstebeğinden bahseder.
  
  
• 00:30:00 Kevin Webster, modelin mantıklı olması için, lambda ve beta arasında bir arbitraj olmaması koşulunun yanı sıra karşılanması gereken kendi kendini finanse eden bir denklem koşulu olması gerektiğini açıklıyor. Ayrıca, kapanış zamanında beklenen P&L'nin nasıl hesaplanacağını ve ticari ayak izinin muhasebe P&L'ye nasıl yanlılık getirdiğini de açıklıyor. Son olarak, pozisyon şişirme özelliğinin, pozisyonun pozisyona girme aşamasında şişmesine, tutma aşamasında kalmasına ve sonunda buharlaşmasına nasıl neden olduğunu tartışır. Tüm bunlar gerçek zamanlı olarak ve bir işlem ekranında gözlemlenebilir.
  
  
• 00:35:00 Bu bölümde, bir finans uzmanı olan Kevin Webster, P&L muhasebesinde meydana gelen fiyat etkisi çarpıklıklarını açıklıyor. Tüccarların, işlem maliyetleri nedeniyle bu kârların uzun sürmeyeceği ve tüccarların kayıpları önlemek için bu fiyat konumlarını erken izlemeleri gerektiği konusunda uyarıda bulunurken, alım satımlarında alfa olmadığında bile nasıl karlı alım satımlar yapabileceklerini tartışıyor. Ayrıca portföy yöneticilerinin portföylerini bir bütün olarak düşünmeyi tercih ettiklerini açıklıyor ve matematik finans dünyasında bir portföyün büyüklüğünü ve cirosunu kontrol etmek için durağan bir portföy tanımlıyor.
  
  
• 00:40:00 Kevin Webster, durağan bir portföy kavramını ve bunun devam eden işlem maliyetlerini tahmin etmek için nasıl kullanılabileceğini tartışıyor. Yayıcının zaman ölçeğini bilen tüccarlar, pozisyonlarının ne kadar şişirildiğini ve pozisyonlarını tasfiye etmeye başlarlarsa kaybedebilecekleri kar yanılsamasını tahmin edebilirler. Webster daha sonra ampirik veriler üzerinde çerçeveyi simüle eder ve bu formüllerin gerçek dünya senaryolarına uygulanabileceğinin altını çizer. Son olarak, çerçeveyi bir acil satış modeline uygular ve muhasebe P&L ile temel P&L arasındaki farkları ve bunların bir tüccarın riskten kaçınmasına bağlı olarak farklı amaç fonksiyonlarını nasıl bilgilendirebileceklerini açıklar.
  
  
• 00:45:00 Kevin, yangın satışlarının veya diğer piyasa katılımcılarının alım satım faaliyetlerinin bir tüccarın kar ve zararını ve pozisyonunu nasıl etkileyebileceğini tartışıyor. Agresif riskten korunmanın, kalıcı kayıplarla sonuçlanabilecek kalabalık etkilere ve pozisyon enflasyonuna yol açabileceğini gösteriyor. Ek olarak, riski etkin bir şekilde yönetmek için fiyat etkisinin doğru bir şekilde modellenmesinin önemini vurguluyor ve likit olmayan bir pozisyonla sonuçlanmadan önce likidite riskini yönetmenin önemini vurguluyor. Son olarak, birçok farklı fiyat etkisi modeli olsa da, verilerin çoğunluğu üzerinde genellikle hemfikir olduklarını belirtiyor.
  
  
• 00:50:00 Konuşmacı, farklı etki modellerinin yalnızca fiyat etkisinin miktarı veya değişimi konusunda değil, aynı zamanda etkinin ortadan kalkma süresi konusunda da nasıl karşı çıkabileceğini tartışıyor. Birkaç günden bir aya kadar sürebilen geçici bir yer değiştirme örneği veriyorlar. Bununla birlikte, tacirler veya performans yöneticileri pozisyonlarının önyargısını ortadan kaldırmak veya risk yönetimi gerçekleştirmek istiyorsa, herhangi bir etki modeli yeterli olmalıdır ve paydaşlarla etkili bir şekilde iletişim kurmak için eyleme geçirilebilir bir dizi vardır. Risk yönetimi açısından bakıldığında, net bir eylem seti vardır. Buna karşılık, bir tüccar ve performans perspektifinden bakıldığında, çoğunlukla bir iletişim meselesidir, p/l'nin mekanik olup olmadığını anlayarak, p/l'nin mekanik kısmını kaldırarak, işlemde gerçek alfaya veya gerçek kenara odaklanılabilir. .
  
  
• 00:55:00 Kevin Webster, fiyat manipülasyonu olmaması ilkesinin, tacirlerin kâr elde etseler bile, sonunda buharlaşacakları için onları kilitleyemeyecekleri anlamına geldiğini açıklıyor. Kanıt pozisyonu enflasyonu, ticari değerin zaman içinde deflasyonuyla veya anında tasfiyeyle sonuçlanır, bu da sıfır veya hatta negatif P&L'ye yol açar. Pozisyon enflasyonu kârın kalıcı olmasına izin vermediğinden, tacirlerin kâr elde etmek için diğer değişkenlere güvenmeleri gerekir. Webster, ilk etki durumu, piyasanın geri kalanının neden olduğu ilk etki ve tacirin riskten korunma önlemleri ile piyasanın geri kalanı arasındaki korelasyonu ayrıca tartışıyor.
  
  
• 01:00:00 Kevin Webster, fiyat etkisinin K&K muhasebesini nasıl bozduğunu tartışıyor. Yüksek volatilite likidite rejimleri sırasındaki ekstra maliyetlerin ve piyasanın geri kalanıyla olan korelasyonun sapmaya oldukça katkıda bulunabileceğini açıklıyor. Düzenleme açısından bakıldığında, şirket tahvilleri ve sigorta şirketleri muhtemelen bu önyargıdan daha fazla etkilenecektir. Ancak kendisinin de itiraf ettiği gibi hisse senetleri dışında bazı sorulara nasıl cevap vereceğinden emin olmadığı için çok detaylı bir cevabı yok. Genel olarak, fiyat etkisine ve bunun P&L'yi nasıl bozabileceğine dair matematiksel bir anlayış sağlar.

[MetaQuotes]

Laura Leal (Princeton Üniversitesi) - "Yüksek Frekanslı Finans için Fonksiyonel Kontrolü Öğrenmek"

Laura Leal (Princeton Üniversitesi) - "Yüksek Frekanslı Finans için Fonksiyonel Kontrolü Öğrenmek"

Princeton Üniversitesi'nden bir araştırmacı olan Laura Leal, derin sinir ağlarının yüksek frekanslı finansta uygulanması hakkında bilgilendirici bir sunum yaptı. Geleneksel çözümlerin sınırlamalarını vurguladı ve bu alanda sinir ağlarını kullanmanın avantajlarını araştırdı. Leal, geleneksel modellerin mücadele ettiği otokorelasyon ve gün içi mevsimsellik gibi karmaşık faktörlere uyum sağlama yeteneklerinin altını çizdi. Tüccarlar, sinir ağlarından yararlanarak, piyasa etkisini en aza indirerek ve sorunsuz bir şekilde ticaret yaparak optimum yürütme elde edebilir.

Sinir ağlarının kara kutu doğasıyla ilgili endişeleri gidermek için Leal, açıklanabilirlik kavramını tanıttı. İlişkili risklerin ve bilinen risk sektörlerinden sapmanın daha iyi anlaşılmasını sağlayan sinir ağı kontrolünün daha düşük boyutlu bir manifolda yansıtılmasını tartıştı. Ekip, sinir ağı kontrolünün performansını klasik kapalı biçimli PDE (kısmi diferansiyel denklem) çözümüyle karşılaştırarak değerlendirdi. Sinir ağı yaklaşımının doğruluğunu ve etkinliğini değerlendirmek için değer işlevini, piyasaya göre değerleme zenginliğini ve projeksiyonlardaki göreli hataları incelediler.

Leal, gerçek dünya verilerini ve doğru dinamikleri birleştirmenin önemini vurgulayarak sinir ağını eğitmenin inceliklerini araştırdı. Ayrıca, tacirlerin risk tercihlerini girmelerine izin veren ve yeni piyasa koşullarına daha hızlı adapte olmalarını sağlayan bir çoklu tercih denetleyicisi önerdi. Sinir ağı, riskten kaçınma parametrelerini göz önünde bulundurarak ve bir tüccarın tercihlerini dahil ederek, yüksek frekanslı finansta stokastik optimizasyon problemine bir çözüm üretebilir.

Sunucu, risk kontrolü için kullanılan sinir ağının yapısını tartıştı ve tekrarlayan doğasını vurguladı. Ağ aşırı derecede derin olmamakla birlikte, ağırlıkları eş zamanlı olarak güncelleyerek her zaman adımında yinelenen bir yapı kullanır. Ağın girdileri zaman ve envanteri içerirken, çıktı kontrolün kendisidir - her zaman adımında ticaret için en uygun hisse senedi miktarını belirler. Sınırlı finansal veri mevcudiyetinin zorluğunun üstesinden gelmek için, verileri Monte Carlo yöntemleri kullanarak simüle eden transfer öğrenimi kullanılır.

Leal, sinir ağı kontrolünü doğrusal regresyon kullanarak doğrusal bir fonksiyon alanına yansıtma sürecini özetledi. Bu projeksiyon tekniği, sinir ağının doğrusal olmayan işlevlerinin ve bunların kapalı form kontrol çözümleriyle hizalanmasının daha iyi anlaşılmasını kolaylaştırır. Sonuçlar, mevsimsellik ve riskten kaçınma parametrelerini birleştirmenin modelin piyasaya tepkisi üzerindeki etkisini gösterdi. Buna ek olarak sunum yapan kişi, literatürde tipik olarak ikiye ayarlanan ancak ikiye üç olarak alındığında doğrusal olmayan bir çözüm gösteren gama'nın önemini vurguladı.

Yüksek frekanslı finans için işlemlerin yürütülmesinde sinir ağı kontrolünün performansı ve doğruluğu kapsamlı bir şekilde değerlendirildi. Leal, farklı senaryolar ve gama değerleri genelinde değer işlevini, piyasa değerinden elde edilen serveti ve tahminlerdeki göreli hataları karşılaştırdı. Sinir ağı üstün performans sergilerken, işlemleri bilinen kontrol çözümünden saparak doğrusal olmayan bir şekilde gerçekleştirdi. Bu, sinir ağını kullanarak ticaret yapma kararı ve yerleşik çözümden farklılığına dayalı olarak uygun marj seviyelerini belirleme hakkında soruları gündeme getirdi.

Leal, tüccarların risk dönüştürme parametrelerini girmelerine ve önceden eğitilmiş bir modelle hemen ticarete başlamalarına olanak tanıyan çoklu tercih denetleyicisi yaklaşımının faydalarını araştırdı. Sinir ağı çözümünün yürütülmesi PDE çözümünden daha uzun sürse de, farklı risk tercihlerine göre daha fazla esneklik ve uyarlanabilirlik sunuyordu. Açıklanabilirliği artırmak için Leal, doğrusal regresyon kullanan ve çoklu tercih kabiliyetini korurken hesaplama yükünü azaltan bir projeksiyon fikri önerdi. Ayrıca sinir ağı yaklaşımı kavramının daha geniş uygulamalarının altını çizdi ve riskten korunma gibi diğer finansal sorunlarla ilişkisini öne sürdü.

Yüksek frekanslı finansta nöral ağ için eğitim süreci tartışıldı ve çevrimiçi pekiştirmeli öğrenmeyle ilişkili gecikme sorunlarını önlemek için çevrimdışı eğitim vurgulandı. Ağ, girdi olarak zaman, envanter ve potansiyel olarak riskten kaçınma parametrelerini alır ve çıktı olarak bir oran üretir. Leal ayrıca, ağ yakınsadığında simüle edilmiş verilerden Toronto Menkul Kıymetler Borsası'ndan elde edilen gerçek veri artımlarına geçiş, aktarım öğrenimindeki ince ayar prosedürünü de açıkladı. Sunucu, ağın yüksek frekanslı finansın karmaşıklıklarını yakalama yeteneğini geliştirdiği için, eğitim sürecinde gerçek dünya verilerini ve doğru dinamikleri kullanmanın önemini vurguladı.

Sonraki bölümde Laura Leal, yüksek frekanslı finans için sinir ağında kullanılan girdiler ve amaç işlevi hakkında bilgiler verdi. Sinir ağı, envanteri, bir gün boyunca belirli bir stok için ortalama hacmin bir oranı olarak dahil ederek normalleştirilmiş bir temsile izin verir. Amaç fonksiyonu, çıktının optimal yürütme için kontrol işlevi gördüğü bir maksimizasyon problemi olarak çerçevelenir. Sinir ağının yapısı, altta yatan ilişkileri yakalamak için iki giriş düğümü ve dört gizli katman kullanan fonksiyon yaklaşımına dayanmaktadır.

İki kontrol çözümü arasındaki tutarsızlıkla ilgili bir soruyu ele alan Leal, bunun yatırımcının değişen faydasının bir yansıması olarak yorumlanabileceğini açıkladı. Gama parametresini ayarlayarak, kontrol çözümlerinde varyasyonlara yol açan farklı yardımcı işlevler kullanılabilir. Ekip, araştırmalarında, tatmin edici performansla sonuçlanan gerçek tüccarlarla yapılan ampirik testlere dayalı olarak üç yarının gama değerini seçti.

Leal ayrıca sinir ağının çıktısının gözlemlenebilir ve analiz edilebilir olduğunun altını çizdi. Ağ tarafından alınan pozisyonları ve bunların işlem günü boyunca nasıl geliştiğini izleyerek karar verme sürecine şeffaflık ve içgörü sağlayabilirler. Bu düzeyde yorumlanabilirlik ve anlayış, tüccarların sinir ağının yürütme stratejilerine güven duymasını sağlar.

Yüksek frekanslı finans için işlevsel kontroller geliştirmeyle ilgili zorluklar da Leal tarafından tartışıldı. Ortalama bir kontrol süreci, ticaretin yürütülmesine ilişkin genel bilgiler sağlayabilse de, bireysel yörüngelerin davranışını doğru bir şekilde temsil etmeyebilir. Meme stoklarının ortaya çıkması gibi pazarın dinamikleri, gelişen koşulları etkili bir şekilde yakalamak için kontrol yöntemlerinin uyarlanmasını zorunlu kılar.

Sonuç olarak, Laura Leal'in sunumu, yüksek frekanslı finans alanında etkili kontroller oluşturmanın karmaşıklığına ışık tutuyor. Araştırmacılar ve tüccarlar, derin sinir ağlarından yararlanarak geleneksel modellerin sınırlamalarının üstesinden gelebilir ve bu alanın karmaşık dinamiklerine uyum sağlayabilir. Risk tercihlerinin, açıklanabilirlik ölçütlerinin ve gerçek dünya verilerinin birleştirilmesi, sağlam ve uyarlanabilir kontrol çözümlerinin geliştirilmesine katkıda bulunur. Leal ve ekibi, çalışmaları aracılığıyla, yüksek frekanslı finansta daha verimli ve bilgiye dayalı karar vermenin yolunu açan değerli içgörüler ve çözümler sunuyor.

• 00:00:00 Laura Leal, Matthias ve Charlotte ile yüksek frekanslı finansta optimum yürütme sorununu çözmek için derin bir sinir ağı kullanma konusundaki ortak çalışmasını sunuyor. Amaç, büyük piyasa etkisinden kaçınmak ve mümkün olduğunca sorunsuz ve gizli bir şekilde ticaret yapmaktır. Ekip, riski daha iyi anlamak ve sinir ağı çözümünün bilinen riskten ne kadar uzakta olduğunu anlamak için sinir ağı kontrolünü daha düşük boyutlu bir manifolda yansıttıkları sinir ağlarının bir kara kutu olma endişesini ele almak için açıklanabilirlik fikrini ortaya koyuyor. sektör. Değer işlevine, servet işaretli pazara ve projeksiyonlardaki göreli hatalara bakarak performansı değerlendiriyorlar ve sinir ağı çözümünü klasik kapalı biçimli PDE çözümüyle karşılaştırıyorlar.
  
  
• 00:05:00 Princeton Üniversitesi'nden Laura Leal, sinir ağlarının oto-korelasyon, ağır kuyruklar gibi yüksek frekanslı finansın karmaşıklıklarına uyum sağlamaya çalışan PD (kısmi diferansiyel) modelleri gibi geleneksel çözümlerin sınırlamalarını nasıl iyileştirebileceğini tartışıyor ve gün içi mevsimsellik. Bununla birlikte, sinir ağlarının çalıştırılması zaman alıcı olabilir, bu nedenle, stokastik optimizasyon sorununa bir çözüm üreterek, yeni günlere daha hızlı uyum sağlamak için bir tüccarın risk tercihlerini giren bir çoklu tercih denetleyicisi önerir. Leal daha sonra optimum uygulama modelleri de dahil olmak üzere literatüre genel bir bakış sunar ve sinir ağının yüksek frekanslı finansta öğrenebileceği envanter, kontrol ve fiyat gibi durum değişkenlerini açıklar.
  
  
• 00:10:00 Laura, yüksek frekanslı finansta fiyat sürecinin evrimini ve ticaret hızından nasıl etkilendiğini tartışıyor. Ne kadar hızlı ticaret yaparsanız, o kadar fazla likidite tükettiğinizi ve bunun da fiyatı yukarı iterek kalıcı bir piyasa etkisi yarattığını açıklıyor. En aza indirilecek nesnel kriter, ticaretin hızı olan ve bir terminal bileşenine ve bir işletme maliyeti bileşenine sahip olan kontrole bağlıdır. Terminal maliyeti, nakit olarak nihai serveti, envanter tutma cezası ve nihai envanterin ne kadara satılabileceğini içeren üç bölüme ayrılmıştır. İşletme maliyeti, gün boyunca stok tutmanın bir cezasıdır ve bu iki parametre, risk yönetimi için çok önemlidir. Leal ayrıca sinir ağı çözümü için gammanın ne kadar önemli olduğunu ve literatürde genellikle ikiye eşit olarak alındığını tartışıyor.
  
  
• 00:15:00 Princeton Üniversitesi'nden bir konuşmacı olan Laura Leal, değer fonksiyonunun envanterde ikinci dereceden bir terime sahip olduğu yüksek frekanslı bir finans probleminde yaklaşıklığı öğrenmek için bir sinir ağının kullanımını açıklıyor. Bir nöral metrik kullanırken eşdeğer çözüm, nöral ağ parametrelerinin seçilmesi gerektiğinden kontrol mu'yu optimize etmekten farklıdır. Sinir ağı, tüm zaman adımları için kullanılır ve aracının fiyatına, envanterine ve zenginliğine göre nasıl tepki vereceğini öğrenmesini sağlar. Süreç, zaman ve envanter girdileri ile ileri beslemeli, tamamen bağlantılı bir sinir ağı yapısı kullanır. Ancak girdiler, videoda açıklama amacıyla kullanılan risk tercihi parametrelerinden daha fazla girdi içerecek şekilde birçok şekilde genelleştirilebilir.
  
  
• 00:20:00 Laura Leal, yüksek frekanslı finansta risk kontrolü için kullanılan sinir ağının yapısını açıklıyor. Ağ çok derin değildir, ancak ağırlıkları aynı anda güncellemek için her zaman adımında aynı yapıyı yeniden kullanarak tekrarlanır. Ağa girdi, zaman ve envanterdir ve çıktı, sinir ağının kendisi olan kontroldür ve her zaman adımı için ticaret için belirli miktarda hisse senedi çıkarır. Transfer öğrenimi, pahalı veya seyrek finansal veriler kullanmak yerine Monte Carlo kullanarak verileri simüle etmek için kullanılır. Kullanılan veriler, Ocak 2008'den Aralık 2009'a kadar Toronto Menkul Kıymetler Borsası'ndan alınmıştır ve sinir ağı, yoğun kuyruklar, otokorelasyon ve gün içi mevsimsellik konularını ele almak için kullanılır.
  
  
• 00:25:00 Bu bölümde Laura Leal, sinir ağı tarafından elde edilen kontrolü, r kareyi belirlemek için doğrusal regresyon kullanarak beta1 ve beta2 terimlerini kullanarak q'nun doğrusal fonksiyonlarının uzayına yansıtma sürecini açıklıyor. sinir ağının doğrusal olmayan işlevleri, kapalı biçimli kontrollerin alanına yansıtılabilir. Sonuçlar, koda mevsimsellik ve aracının riskten kaçınma parametrelerini öğrenme gibi işlevsellik eklerken, modelin piyasaya tepkisi üzerinde önemli bir etki olduğunu, ancak gamma eşittir 3 bölü 2 düşünüldüğünde, -sinir ağı için doğrusal çözüm.
  
  
• 00:30:00 Laura, yüksek frekanslı finans işlemlerinin yürütülmesinde sinir ağı kontrolünün performansını ve doğruluğunu inceliyor. Farklı senaryolar ve gama değerleri için değer işlevini ve işareti piyasa zenginliğiyle karşılaştırır. Ayrıca projeksiyondaki göreli hatayı da değerlendiriyor ve sinir ağının daha iyi bir performansa sahip olmasına rağmen, bilinen kontrolden farklı olarak doğrusal olmayan bir şekilde yürütüldüğünü not ediyor. Bu, sinir ağı kullanılarak ticaret yapılıp yapılmayacağına ve bilinen rahat çözümden uzaklığına göre ne kadar marj belirleneceğine dair soruları gündeme getiriyor.
  
  
• 00:35:00 Bu bölümde Laura, yüksek frekanslı finansta optimum uygulama için çoklu tercih denetleyicisi hakkındaki bulgularını tartışıyor. Leal, sinir ağı çözümünün yürütülmesinin tüm parametre kümeleri için PDE çözümünden daha uzun sürdüğünü, çünkü öncekinin mevsimselliğe tepki verdiğini buldu. Ancak, bu yaklaşımla, tacirler mevcut risk dönüştürme parametrelerini girebilir ve önceden eğitilmiş bir şeyle hemen işlem yapmaya başlayabilir. Leal ayrıca hesaplama yükünün bir kısmını ortadan kaldırmak için doğrusal bir regresyon ve aynı sorunun çok tercihli bir versiyonunu kullanan bir projeksiyon fikri aracılığıyla açıklanabilirlik önerir. Ek olarak, Leal tezindeki diğer makaleleri ve bu sinir ağı yaklaşımı fikrinin riskten korunma da dahil olmak üzere diğer birçok finansal soruna nasıl uygulanabileceğini tartışıyor.
  
  
• 00:40:00 Laura Leal, yüksek frekanslı finansta kullanılan sinir ağı için eğitim sürecini tartışıyor. Gecikme sorunlarını önlemek için ağın çevrimiçi takviyeli öğrenme yerine çevrimdışı olarak eğitildiğini açıklıyor. Ağ eğitildikten sonra, potansiyel olarak riskten kaçınma parametreleriyle zaman ve envanter girdilerini alır ve bir oran verir. Son kullanıcının ağın iç işleyişini anlaması gerekmez. Leal ayrıca, ağ birleştikten sonra Toronto Menkul Kıymetler Borsasından gerçek veri artımlarına geçmeyi içeren transfer öğreniminde kullanılan ince ayar prosedürünü de açıklıyor. Son olarak, eğitim sürecinde gerçek dünya verilerini ve doğru dinamikleri kullanmanın önemini vurgulayarak ön işleme ve optimizasyonla ilgili soruları ele alıyor.
  
  
• 00:45:00 Videonun bu bölümünde Laura Leal, sinir ağında yüksek frekanslı finans için kullanılan girdileri ve amaç fonksiyonunu tartışıyor. Sinir ağı, eksi bir ile bir arasında bir değer olarak alınan bir gün boyunca o stok için ortalama hacmin bir oranı olarak envanteri alır. Amaç fonksiyonu, çıktının bir kontrol olduğu bir maksimizasyon problemidir ve sinir ağının yapısı, fonksiyon yaklaşımına dayalıdır. Leal ayrıca sinir ağının yapısında iki giriş düğümü ve dört gizli katman olduğunu açıklıyor. Son olarak, iki kontrol çözümü arasındaki farkla ilgili bir soruyu ele alıyor ve bunun yatırımcının faydasının değişmesinin bir sonucu olarak yorumlanabileceğini açıklıyor.
  
  
• 00:50:00 Laura, gama 2 ve üç yarım modelleri arasındaki farkları ve bunların yardımcı fonksiyonlarını tartışıyor. Gama 2 ile çözümün artık kapalı formda bir çözüm olmadığını ve bunun yerine bir sinir ağı aracılığıyla yaklaşık bir çözüm üretildiğini açıklıyor. Gama üç yarısının seçilmesinin nedeni, bir firma içindeki gerçek tüccarlarla test edilmesiydi ve iyi bir performansla sonuçlandı. Ek olarak Leal, sinir ağı çıktısının gözlemlenebileceğini ve analiz edilebileceğini ve hangi pozisyonları aldığını ve gün boyunca nasıl değiştiğini bildiklerini doğruluyor.
  
  
• 00:55:00 Bu bölümde, Laura Leal yüksek frekanslı finans için işlevsel bir kontrol yapmanın zorluklarını tartışıyor. Ortalama bir kontrol süreci, bir ticaretin yürütülmesinin nasıl görüneceğine dair fikir verebilirken, tek bir yörüngeye bakıldığında tamamen doğru olmayabilir. Ayrıca optimizasyon için iki bloklu bir yöntemin kullanılmasıyla ilgili bir soruyu ele alıyor ve yöntemin meme stokları gibi değişen dinamiklere nasıl uyum sağlaması gerektiğini açıklıyor. Genel olarak, Leal'in sunumu, yüksek frekanslı finans için işlevsel kontroller oluşturmanın inceliklerine ışık tutuyor.

[MetaQuotes]

Zihao Zhang (Oxford-Man Enstitüsü) - "Sipariş Verilerine Göre Pazar İçin Derin Öğrenme"

Zihao Zhang (Oxford-Man Enstitüsü) - "Sipariş Verilerine Göre Pazar İçin Derin Öğrenme"

Oxford-Man Enstitüsü'nde doktora sonrası araştırmacı ve makine öğrenimi araştırma grubunun bir parçası olan Zihao Zhang, ekibinin derin öğrenmeyi sipariş verilerine göre pazarlamak için son çalışmasını sunuyor. Odak noktaları, piyasa mikro yapı verilerine, özellikle de belirli bir finansal araç için genel talep ve arz dinamiklerine ilişkin değerli bilgiler sağlayan limit emir defterine odaklanır. Zhang ve ekibi, piyasayı emir bazında ve limit emir defteri verilerini birleştirerek, sinyal varyansını azaltabileceklerini ve daha iyi tahmine dayalı sinyaller elde edebileceklerini keşfettiler. Modellerinin bu uygulaması, ticaret yürütme ve piyasa oluşturma stratejilerini geliştirme potansiyeline sahiptir.

Zhang, sunumuna pazar mikroyapı verilerine kısa bir giriş yaparak, özellikle sipariş verilerine göre pazarın önemini vurgulayarak başlar. Bu veri kaynağı, mevcut literatürde daha fazla dikkat çeken limit emir defteri verilerine kıyasla sık güncellemeler ve olaylar sağlayarak oldukça ayrıntılı bilgiler sunar. Pazarı sipariş verilerine göre analiz etmek için tasarladıkları ağ mimarilerini açıklayarak derin öğrenme modellerini tanıtıyor. Zhang, çalışmalarının, yüksek frekanslı hareketi tahmin etmek için siparişe göre pazar verilerini kullanan ve alfa keşfi olasılıklarını genişleten alternatif bir bilgi kaynağı sunan ilk tahmine dayalı modeli temsil ettiğini vurguluyor.

Daha sonra Zhang, belirli bir zamanda bir finansal araç için ödenmemiş tüm limit emirlerinin kapsamlı bir kaydı olarak hizmet eden limit emir defteri kavramını araştırıyor. Grafik verileri düşük frekanslı bilgi sunarken, bir hisse senedinin fiyatının aslında çok değişkenli bir zaman serisi olan limit emir defteri tarafından temsil edildiğini vurguluyor. Zhang, limit emir defterinin, gönderilen emirlere göre farklı fiyat seviyelerinde nasıl düzenlendiğini ve her bir fiyat seviyesinin farklı tacirler tarafından bölümlere ayrılmış çok sayıda küçük emirden oluştuğunu açıklıyor. Ayrıca, yeni pozisyonlar getirebilen, mevcut emirleri iptal edebilen veya mevcut emirleri değiştirebilen yeni mesajlar geldiğinde emir defterinin nasıl güncellendiğini tartışıyor. Zhang, limit emir defterinden elde edilen verilerin belirli bir finansal araç için genel talep ve arz ilişkisini ortaya koyduğuna ve amacının, emir verme ve iptal etme hakkında bilgiler içeren emir bazında piyasa verilerinin kullanılmasının ek bilgiler sağlayıp sağlayamayacağını belirlemek olduğuna dikkat çekiyor. tahminler yapmak için.

İlerlerken Zhang, piyasa hareketlerini tahmin etmek için derin öğrenmede sipariş bazında piyasa verilerinin nasıl kullanılabileceğini araştırıyor. Piyasa emri verilerindeki mesaj dizileri, limit emir defterine göre daha düşük boyutlara sahip olsa da, tahminler için kullanılabilecek ek bilgiler sunar. Zhang, geçmiş olayların tahmin için bir sinir ağına beslenebilen görüntüler oluşturarak 2B matrislere nasıl dönüştürülebileceğini açıklıyor. Evrişim katmanından elde edilen özellikler daha sonra yapıyı öğrenmek ve ek bağımlılıkları yakalamak için tekrarlayan nöral katmanlara entegre edilebilir. Son katman, eşik getirilerini kullanan bir sınıflandırma kurulumuna dayalı tahminler üretir.

Zhang, limit emir defteri verilerini kullanarak tahminler yapmak için kullanılan ağ mimarisini tartışmaya devam ediyor. Bu durumda, ilk iki bileşen, bireysel tacirlerden gelen mesajlarla değiştirilir ve evrişimli katmanlar, bir LSTM katmanı veya dikkat katmanı ile değiştirilir. Zhang, tek nokta tahminini kolaylaştıran ve kodlayıcı-kod çözücü yapısını içeren dikkat mekanizmasını kısaca açıklıyor. Kodlayıcı, giriş sürelerinden anlamlı özellikleri çıkarır ve bunları gizli bir duruma özetler, kod çözücü ise tahmini oluşturur. Normalizasyon, bir emrin orta fiyata göre alış mı yoksa satış mı olduğunu belirlemek için kullanılır.

Sonraki bölümde Zhang, bir grup varlıkla eğitilmiş, benzer bir ölçeğe göre normalleştirilmiş ve basit doğrusal model, çok katmanlı algılayıcı, LSTM ve her iki limit sırasını da içeren dikkat modeli gibi farklı modeller kullanılarak test edilmiş modellerinin sonuçlarını sunuyor. kitap verileri ve saf ortam verileri. Sonuçlar, ortam verilerinden gelen tahmine dayalı sinyallerin, limit emir defterinden gelen sinyallerle daha az korelasyon gösterdiğini gösterir; bu, bu iki kaynağın bir kombinasyonunun sinyal varyansını azaltabileceğini, çeşitlendirmeden fayda sağlayabileceğini ve üstün tahmine dayalı sinyaller verebileceğini düşündürür. Bu nedenle, her iki veri türünden tahmine dayalı sinyallerin ortalamasını alan bir topluluk modeli en iyi performansı gösterir.

Zhang, sipariş bazında (MBO) verileri tahminlere dahil etmenin potansiyel faydalarını tartışmaya devam ediyor ve bu verilerle özellik mühendisliği gerçekleştirme yeteneğinin altını çiziyor. 50 ve 100 tik ileride gözlemlenen benzer davranışlara dikkat çekerek, iki ila 20 tik arası değişen tahmin ufukları için sonuçları sunuyor. Zhang ayrıca, daha iyi genelleme için tüm araçları kullanarak tek bir modeli eğitme olasılığı ve Londra Menkul Kıymetler Borsası'ndan MBO verilerinin kaynağı dahil olmak üzere izleyicilerden gelen soruları da yanıtlıyor. Bir izleyici üyesinin PNL yerine NF1'e odaklanma konusundaki sorusuna yanıt olarak Zhang, PNL'nin daha alakalı bir başarı ölçüsü olduğunu kabul ediyor ve kabul ediyor.

Zhang ayrıca tahmine dayalı sinyallerin kullanımını ve ham bir sinyal kullanmak veya softmax olasılıklarına dayalı bir eşik ayarlamak gibi bunları tanımlamanın çeşitli yollarını tartışıyor. Sınırlı sipariş defteri verileri yerine siparişe göre piyasa modelleme (MBO) verileri öneren ve LSTM tutma mekanizması da dahil olmak üzere derin öğrenme modellerini test eden makalenin temel noktalarını özetliyor. Sonuçlar, MBO ve limit emir defteri verilerinin bir kombinasyonunun en iyi sonuçları verdiğini göstermektedir. Zhang, piyasa hareketleri arasındaki otokorelasyon, gürültü ticaretini filtreleme ve limit sipariş resimlerini modellemede CNN katmanlarını kullanma motivasyonu ile ilgili izleyicilerin sorularını ele alıyor.

Bir sonraki bölümde Zhang, sipariş defterinin evrişimli sinir ağları (CNN'ler) kullanılarak etkili bir şekilde keşfedilebilen bir uzamsal yapı olarak nasıl ele alınabileceğini açıklıyor. Her fiyat seviyesinden bilgi çıkarmak için bir CNN kullanmanın tahminler için değerli olduğu kanıtlanmıştır. Uzun kısa süreli bellek (LSTM) katmanı, verilerin zamansal akışını koruduğu ve tahminler yapmak için geçmiş olayları özetlediği için çok katmanlı algılayıcılar yerine seçilir. Zhang, finansal zaman serilerinin doğası gereği bir dikkat mekanizması kullanmanın faydalarının sınırlı olduğunu belirtiyor. Makale, modellerinde kullanılan hiperparametrelerin ayrıntılı bir açıklamasını içerir.

Zhang, sinir ağı yöntemlerinde kullanılan çok sayıda parametreye ve bunların borsayı tahmin etmedeki etkinliğine ilişkin endişeyi ele alıyor. Parametre bolluğunun bir eleştiri konusu olabileceğini kabul ediyor, ancak ekibinin modellerine özgü yalnızca birkaç parametrede ince ayar yaptığını vurguluyor. Al-sat dağılımını başarı için bir kriter olarak kullanmayı henüz düşünmediler, ancak daha fazla araştırma için potansiyelini kabul ettiler. Zhang, modellerinin ticaret yürütme ve piyasa oluşturma stratejileri için pratik değere sahip olduğuna inanıyor. Bununla birlikte, emir defteri verilerindeki sık güncellemeler ticaretin yürütülmesini zorlaştırabileceğinden, yayılmayı aşmak istenirse, verilerin alt örneklemesinin gerekli olabileceğinden bahseder. Son olarak, Elo limit emir defterini modellerken, bireysel emir büyüklükleri hakkında bilgi dahil etmek yerine her bir fiyat seviyesindeki toplam büyüklüğü toplarlar.

Sonuç bölümünde Zhang, siparişe göre pazar ile fiyat verilerine göre pazar arasındaki farkları açıklıyor. Siparişe göre pazar verileri, fiyata göre pazar verileriyle mümkün olmayan bireysel siparişlerin izlenmesine olanak tanır. Uygun özellik mühendisliği ile siparişe göre pazar verileri ek bilgi sağlayabilir ve alfa oluşturabilir. Zhang ayrıca, modelinin boyutu değiştirmeden belirli bir limit emrinin fiyatındaki değişiklikleri nasıl ele aldığını tartışıyor. Fiyatları güncellenen her yeni mesaj, veri setini zenginleştiren yeni bir güncelleme olarak ele alınır.

Genel olarak, Zihao Zhang'ın sunumu, derin öğrenmenin pazar mikroyapı verilerinden değerli bilgiler elde etme potansiyelini vurgulayarak, sipariş verilerine göre pazara uygulanmasını sergiliyor. Zhang'ın ekibi, piyasayı emir bazında ve limit emir defteri verilerini birleştirerek, sinyal varyansının azaldığını ve gelişmiş tahmine dayalı sinyallerin üretildiğini gösterdi. Çalışmaları, finansal piyasa analizi alanına değerli bir katkı sunarak ticaret yürütme ve piyasa oluşturma stratejilerini geliştirme konusunda umut vaat ediyor.

• 00:00:00 Oxford Man Enstitüsü'nde postdoc ve makine öğrenimi araştırma grubunun bir parçası olan Zihao Zhang, Brian Ling ve Stefan Loren ile birlikte sipariş verilerine göre pazara derin bir öğrenme modeli uygulama konusundaki son çalışmasını sunuyor. Zhang, limit emir defteri ve emir verilerine göre piyasa dahil olmak üzere piyasa mikro yapı verilerinin kısa bir tanıtımıyla başlar. İkincisinin, limit sipariş defteri verilerine kıyasla daha fazla güncelleme ve olay sağlayan, tartışmasız en ayrıntılı bilgi kaynağı olduğunu ve yine de mevcut literatürde büyük ölçüde ihmal edildiğini vurguluyor. Zhang, derin öğrenme modelini tanıtıyor ve bu tür veriler için tasarladıkları ağ mimarilerini tartışıyor. Ayrıca çalışmalarının, yüksek frekanslı hareketi tahmin etmek için siparişe göre pazar verilerini kullanan ilk tahmine dayalı model olduğunu ve alfa keşfi evrenini genişleten ortogonal bir bilgi kaynağı sağladığını vurguluyor.
  
  
• 00:05:00 Zihao, belirli bir zamanda bir finansal araç için ödenmemiş tüm limit emirlerinin kaydı olan limit emir defteri kavramını açıklıyor. Grafik verileri düşük frekanslı bilgi sağlarken, bir hisse senedinin fiyatının aslında limit emir defteri tarafından temsil edilen çok değişkenli bir zaman serisi olduğunun altını çiziyor. Zhang, limit emir defterinin gönderilen emirlere göre nasıl farklı fiyat seviyelerine ayrıldığını ve her bir fiyat seviyesinin, farklı tacirler tarafından bölümlere ayrılan çok sayıda küçük emirden oluştuğunu açıklıyor. Ayrıca, yeni bir pozisyon ekleyebilen, mevcut bir emri iptal edebilen veya mevcut emirleri güncelleyebilen yeni bir mesaj geldiğinde emir defterinin nasıl güncellendiğini tartışıyor. Zhang, limit emir defterinden elde edilen verilerin belirli bir finansal araç için genel talep ve arz ilişkisini gösterdiğini ve emirlerin verilmesi ve iptali hakkında bilgiler içeren siparişe göre piyasa verilerinin kullanılmasının mümkün olup olmadığını görmeye odaklandığını belirtiyor. tahminler yapmak için ek bilgi sağlar.
  
  
• 00:10:00 Zihao Zhang, piyasa hareketi hakkında tahminler yapmak için piyasa emri verilerinin derin öğrenme için nasıl kullanılabileceğini tartışıyor. Piyasa emri verilerindeki mesaj dizileri, limit emir defterine göre daha düşük boyutlu olmakla birlikte, tahminler için kullanılabilecek ek bilgiler sağlar. Zhang, geçmiş olayların görüntülerinin 2 boyutlu bir matris olarak oluşturulabileceğini ve tahmin için bir sinir ağına girilebileceğini açıklıyor. Evrişim katmanından elde edilen özellikler daha sonra yapıyı ve ek bağımlılıkları öğrenmek için tekrarlayan nöral katmanlara konulabilir. Son katman, eşik getirilerini kullanan bir sınıflandırma kurulumuna dayalı olarak tahminler verir.
  
  
• 00:15:00 Oxford-Man Enstitüsü'nden Zihao Zhang, limit emir defteri verilerinden tahminler yapmak için kullanılan ağ mimarisini açıklıyor; burada ilk iki bileşen bireysel tüccarlardan gelen mesajlarla ve evrişimli katmanlar bir LSTM katmanı veya dikkat ile değiştiriliyor. katman. Zhang ayrıca, bu durumda tek nokta tahmini için kullanılan ve bir kodlayıcı ve kod çözücü yapısını içeren, kodlayıcının giriş sürelerinden anlamlı özellikleri çıkarması ve bunları gizli bir duruma özetlemesi ve kod çözücünün tahmini oluşturması ile dikkat mekanizmasını da kısaca açıklıyor. . Normalizasyon, bir emrin orta fiyata göre alış mı yoksa satış mı olduğunu belirlemek için kullanılır.
  
  
• 00:20:00 Videonun bu bölümünde Zihao Zhang, bir grup varlıkla eğitilmiş, benzer bir ölçeğe göre normalleştirilmiş ve basit doğrusal model, çok katmanlı algılar, LSTM ve hem limit sıralı grup verilerini hem de saf ortam verilerini kullanan dikkat modeli. Sonuçlar, ortam verilerinden gelen tahmine dayalı sinyallerin limit emir defterinden gelen sinyallerle daha az ilişkili olduğunu göstermektedir; bu, bu iki sinyalin bir kombinasyonunun sinyal varyansını azaltabileceğini, çeşitlendirmeden fayda sağlayabileceğini ve daha iyi tahmine dayalı sinyaller verebileceğini düşündürür. Bu nedenle, her iki veri türünden tahmin sinyallerinin ortalamasını alan topluluk modeli en iyi performansı verir.
  
  
• 00:25:00 Zihao Zhang, sipariş bazında (MBO) verileri tahminlere dahil etmenin potansiyel faydalarını tartışıyor ve verilerle özellik mühendisliği yapma yeteneğinden bahsediyor. İki ila 20 adım ilerideki tahmin ufku için sonuçlar gösterildi ve benzer davranışlar 50 ve 100 adım ileri için görüldü. Zhang ayrıca, gelişmiş genelleme için tüm araçları kullanarak tek bir model eğitme yeteneği ve Londra Menkul Kıymetler Borsası'ndan MBO verilerinin kaynağı dahil olmak üzere hedef kitle uygulama sorularını yanıtlıyor. Bir izleyici üyesi, PNL yerine NF1'e odaklanan sorular soruyor ve Zhang, PNL'nin daha alakalı bir başarı ölçüsü olduğunu kabul ediyor ve kabul ediyor.
  
  
• 00:30:00 Zihao Zhang, tahmin sinyallerinin kullanımını ve ham bir sinyal kullanmak veya softmax'tan olasılık için bir eşik ayarlamak gibi tanımlanabilecekleri farklı yolları tartışıyor. Sınırlı sipariş defteri verileri yerine siparişe göre pazar (MBO) verilerinin modellenmesini ve LSTM tutma mekanizması da dahil olmak üzere derin öğrenme modellerinin test edilmesini öneren makaleyi özetliyor. Sonuçlar, hem MBO hem de limit emir defteri verilerinin bir kombinasyonunun en iyi sonuçları verdiğini göstermektedir. Zhang ayrıca, piyasa hareketleri arasındaki otomatik korelasyon, gürültü ticaretini filtreleme ve limit sipariş resimlerini modellemede CNN katmanlarını kullanma motivasyonu hakkında izleyicilerin sorularını yanıtlıyor.
  
  
• 00:35:00 Videonun bu bölümünde, Oxford-Man Enstitüsünden Zihao Zhang, sipariş defterinin aynı katmanlar kullanılarak keşfedilebilen uzamsal bir yapı olarak nasıl ele alınabileceğini açıklıyor. Her fiyat seviyesinden bilgi çıkarmak için bir evrişimli sinir ağının (CNN) kullanılmasının tahminler için faydalı olduğu bulundu. Uzun kısa süreli bellek (LSTM) katmanı, zaman akışını bozmaması ve geçmiş olayları özetleyerek tahminler yapması nedeniyle çok katmanlı algılar yerine seçilmiştir. Bir dikkat mekanizması kullanmanın faydaları, finansal zaman serilerinin özelliğinden dolayı sınırlı bulunmuştur. Makale, kullanılan hiperparametrelerin ayrıntılı bir açıklamasını içerir.
  
  
• 00:40:00 Zihao Zhang, sinir ağı yöntemlerinde kullanılan parametrelerin sayısını ve bunların borsa tahminindeki etkinliğini tartışıyor. Çok sayıda parametre sinir ağı yöntemlerinin bir eleştirisi olabilirken, kendisinin ve ekibinin kendi özel modelleri için yalnızca birkaç parametreyi ayarladığını belirtiyor. Al-sat dağılımını bir başarı kriteri olarak kullanmayı düşünmediler, ancak bunun daha fazla araştırılabileceğini kabul ettiler. Zhang, modellerinin uygulanmasının ticaret yürütme ve piyasa yapıcı stratejiler için yararlı olduğuna inanıyor, ancak biri yayılmayı aşmak istiyorsa, defter verileri genellikle çok fazla güncellemeye sahip olabileceğinden, ticaret yapmak için verileri altörneklemeleri gerekebilir. Ticaret yapmak. Son olarak, Elo limit emir defterini modellerken, bireysel emir büyüklükleri hakkında bilgi dahil etmek yerine her bir fiyat seviyesindeki toplam büyüklüğü toplarlar.
  
  
• 00:45:00 Bu bölümde Oxford-Man Enstitüsü'nden Zihao Zhang, siparişe göre pazar ile fiyat verilerine göre pazar arasındaki farkları açıklıyor. Siparişe göre pazar, fiyat verilerine göre pazarda mümkün olmayan bireysel siparişlerin izlenmesine olanak tanır. Uygun özellik mühendisliği ile, piyasadan siparişe göre alınan veriler ek bilgi sağlayabilir ve alfa üretebilir. Ek olarak Zhang, modelinin boyutu değiştirmeden belirli bir limit emrinin fiyatındaki değişiklikleri nasıl ele aldığını tartışıyor. Güncellenen fiyatlara sahip her yeni mesajın yeni bir güncelleme olarak ele alındığını açıklıyor.

[MetaQuotes]

Vineel Yellapantula (Cornell MFE '20): "SEC Dosyalarında Metni Ölçme"

Vineel Yellapantula (Cornell MFE '20): "SEC Dosyalarında Metni Ölçme"

Vineel Yellapantula, özellikle MD&A bölümüne odaklanarak, SEC dosyalamalarında bulunan metinsel bilgilere dayalı hisse senedi ticaretinde doğal dil işleme (NLP) tekniklerinin uygulanmasını içeren yaz projesini sunuyor. Projenin amacı, ABD pazarında bulunan 430 hisse senedinin her bir raporuna bir puan atamak ve puana göre bunları beş dilime ayırarak performanslarını analiz etmektir. Yellapantula, metinler arasındaki benzerlik puanını belirlemek için kosinüs ve Jaccard benzerliği gibi geleneksel yöntemleri kullanır ve Jaccard benzerliği zaman içinde daha tutarlı hale gelir. Ayrıca, bir metin veri kümesi üzerinde Keras ile tekrarlayan sinir ağlarını (RNN'ler) kullanarak bir duyarlılık analizi modeli oluşturmayı araştırıyor ve modeliyle %87,5'lik etkileyici bir doğruluk elde ediyor.

Sunum sırasında Yellapantula, her özel sorun için uygun yöntemi seçmenin ve sonuçları iyileştirmek için ek veriler eklemenin önemini vurguluyor. Metin verileri aracılığıyla, özellikle 10-K dosyalarında mevcut olan bilgilerin bolluğunun altını çiziyor ve önceki belgeler kullanılarak geliştirilen faktörlerin, yalnızca mevcut belgeye dayananlardan daha etkili olabileceğinden bahsediyor. Yellapantula, eldiven, word2vec, BERT ve RNN'ler dahil olmak üzere metin verileriyle derin öğrenme tekniklerini kullanmak için çeşitli alternatiflere dikkat çekiyor. Ayrıca, modellerin öngörü gücünü artırmak için 8-K dosyaları ve haber döngüleri gibi daha fazla veri kaynağının dahil edilmesini öneriyor. Ancak, 2007'den 2020'ye kadar endekste yer alan iyi performans gösteren hisse senetlerine odaklandığı için çalışmasında seçim yanlılığının varlığını kabul ediyor.

Duyarlılık analizine ayrılan bölümde Yellapantula, Keras ile RNN'leri kullanarak bir model oluşturma sürecini açıklıyor. Adımlar, anlamını anlamak için metnin tokenleştirilmesini, yerleştirmeler yoluyla boyutsallığın azaltılmasını ve duygu sınıflandırması için bir LSTM katmanı ve sigmoid işlevli yoğun bir katman kullanılmasını içerir. Bu yaklaşımın uygulanmasını, IMDB incelemelerini kullanarak, inceleme uzunluğunu 500 kelimeyle sınırlayarak ve tutarlılığı korumak için daha kısa incelemeleri sıfırlarla doldurarak gösterir. Titiz değerlendirmeler sonucunda Yellapantula, duyarlılık analizi modeliyle %87,5'lik bir doğruluk oranına ulaşıyor.

Ayrıca Yellapantula, faktörlerin etkinliğini ve zaman içindeki tutarlılığını belirlemede bilgi korelasyonunun önemini vurgulamaktadır. İstikrarlı raporlamaya sahip şirketlerin iyi performans gösterme eğiliminde olduğunu öne süren ve bunun keşfedilecek umut verici bir faktör olduğunu gösteren bir araştırmaya atıfta bulunuyor. Sonuç olarak Yellapantula, izleyicilere gösterdikleri ilgi için minnettarlığını ifade ediyor ve gelecekte daha fazla katılım sağlamayı dört gözle bekliyor.

Vineel Yellapantula'nın projesi, SEC dosyalarındaki metinsel bilgilerden değerli içgörüler çıkarmak için NLP tekniklerinin uygulanmasını gösteriyor. Çalışmaları, raporlara puanlar atayarak ve performanslarını analiz ederek, dilin hisse senedi ticaretini nasıl etkileyebileceğinin anlaşılmasına katkıda bulunuyor. Dahası, RNN'leri kullanarak duygu analizi araştırması, metinsel verilerden duygu yakalamada derin öğrenmenin potansiyelini ortaya koyuyor. Dikkatli metodoloji seçimi ve ek veri kaynaklarının dahil edilmesi yoluyla Yellapantula, bu tür modellerin doğruluğunu ve etkililiğini artırma fırsatının altını çiziyor.

• 00:00:00 Bu bölümde, Vineel Yellapantula, SEC dosyalarında, özellikle de MD&A bölümünde bulunan metin bilgilerine dayalı olarak hisse senedi ticareti yapmak için doğal dil işleme (NLP) tekniklerini kullanmayı içeren yaz projesini anlatıyor. Proje, ABD pazarında bulunan 430 hisse senedinin her bir raporu için bir puan bulmaya ve puana göre bunları beş dilime ayırdıktan sonra performanslarını analiz etmeye odaklandı. Vineel, metinler arasındaki benzerlik için bir puan bulmak için kosinüs ve jakar benzerliği gibi geleneksel yöntemleri kullandı ve jakar benzerliğinin zaman içinde daha tutarlı olduğu kanıtlandı. Vineel, RNN'ler gibi derin öğrenme tekniklerinin de bu amaçla kullanılabileceğinden bahsediyor.
  
  
• 00:05:00 Bu bölümde, Vineel Yellapantula, bir metin veri kümesinde keras içeren tekrarlayan sinir ağlarını (RNN'ler) kullanarak bir duyarlılık analizi modelinin nasıl oluşturulacağını açıklıyor. Süreç, anlamını anlamak için metni tokenleştirmeyi, katıştırmaları kullanarak boyutsallığı azaltmayı ve ardından metnin duygusunu sınıflandırmak için bir LSTM katmanı ve sigmoid işlevli yoğun bir katman kullanmayı içerir. Vineel, IMDB incelemelerini kullanarak verileri nasıl işlediğini, incelemelerin uzunluğunu 500 kelimeyle sınırladığını ve uzunluk tutarlılığını korumak için daha kısa olanları sıfırlarla doldurduğunu gösteriyor. Modeli ile %87.5 doğruluk elde edebildi.
  
  
• 00:10:00 Videonun bu bölümünde, Vineel Yellapantula, metin verileri aracılığıyla, özellikle 10-K dosyalarında mevcut olan bilgi bolluğunu tartışıyor. Bu dosyalamalar aracılığıyla birçok faktörün geliştirilebileceğini ve önceki belgeleri kullanan faktörlerin, yalnızca mevcut belgeye odaklananlardan daha etkili olabileceğini belirtiyor. Ayrıca Yellapantula, derin öğrenmeyi metin verileriyle kullanmak için eldiven, word2vec, BERT ve RNN'ler gibi çeşitli alternatifler olduğuna dikkat çekiyor. Belirli bir sorun için doğru yöntemi seçmenin çok önemli olduğunu ve 8-K dosyaları ve haber döngüleri gibi daha fazla veriyi dahil etmenin daha iyi sonuçlara yol açabileceğini vurguluyor. Son olarak Yellapantula, 2007'den 2020'ye kadar endekste yer alan iyi performans gösteren hisse senetlerine odaklandığından, çalışmasında bir miktar seçim yanlılığı olduğunu kabul ediyor.
  
  
• 00:15:00 Bu bölümde, Vineel Yellapantula, bir faktörün çalışıp çalışmadığını ve faktörlerin zaman içindeki tutarlılığını belirlemede bilgi korelasyonunun önemini tartışıyor. Ayrıca, istikrarlı raporlamaya sahip şirketlerin iyi performans gösterdiğini bulan ve bunun keşfedilmesi gereken iyi bir faktör olduğunu gösteren bir çalışmadan bahsediyor. İzleyicilere ilgileri için teşekkür ederek sözlerini bitiriyor ve onları sonbaharda görmeyi dört gözle bekliyor.

[MetaQuotes]

Peter Carr (NYU) "Stoptions" feat. Lorenzo Torricelli (Parma Üniversitesi)

Peter Carr (NYU) "Stoptions" feat. Lorenzo Torricelli (Parma Üniversitesi)

Peter Carr, vadeli işlem sözleşmelerinin ve satım opsiyonlarının özelliklerini birleştiren "durdurma" adlı bir finansal ürün sunar. Durdurmalar, mal sahibinin bir Bermuda satış opsiyonu unsuru ekleyerek olumsuz fiyat değişikliklerinden kaçınmasına olanak tanır. Carr, seçenekler kavramını açıklıyor ve farklı katlarla ilişkili üç günlük bir seçenek örneği sunuyor. Daha sonra, bir günlük ve iki günlük molaların değerlemesini tartışmaya devam eder, ikincisi iki katlıdır ve birinci veya ikinci gün egzersiz yapma esnekliği vardır.

Carr ayrıca, geriye doğru özyinelemeye, evli bir satımın değerlemesine ve sözde toplamların kullanımına girerek daha uzun süreler için durma değerlemesini araştırır. Evli satış opsiyonlarındaki fiyat değişikliklerini temsil etmek için lojistik dağılımın kullanılmasını önerir. Durdurmaların değeri, "başabaşa" opsiyonlar için basit formüller kullanılarak elde edilebilir ve değerleme ve riskten korunma analitik olarak yapılabilir.

Carr, bu tür seçeneklerin piyasa tarafından benimsenmesiyle ilgili zorlukları tartışarak makaleyi sonlandırıyor. Bu ürünler için alıcı ve satıcı bulmanın önemini vurguluyor ve potansiyel alıcı ve satıcılarla sohbetlerini paylaşıyor. Ayrıca Carr, stoptions modelinin Black-Scholes ve Bachelier gibi mevcut modellere bir alternatif olduğunu, ancak her duruma en iyi şekilde uymayabileceğini kabul ediyor. Bununla birlikte, modellerinin finansta özel bir öneme sahip çok sayıda ikili işlemi yakalamayı amaçladığını vurguluyor.

Daha sonraki bir bölümde, Carr ve Lorenzo Torricelli eşlenik bir paradigma ve lojistik dağıtım kullanan bir "durdurma" modeli önermektedir. Bu model, tek bir parametre ile terim yapısında esneklik sunarak, çeşitli terim yapılarının tek vuruşta uyum sağlamasına olanak tanır. Bununla birlikte, aşağı doğru eğimli zımni oynaklık grafiği nedeniyle piyasaya tam olarak uymayabilir. Yazarlar, modellerinin sınırlamalarını kabul ediyor ve modellerinin yakalamayı amaçladığı finans alanındaki sayısız ikili işlemin farkında. Bir grev ve tek bir seçenek arasındaki isteğe bağlılığın yanı sıra sözde toplama yoluyla tekrarlanan isteğe bağlılığı tartışırlar. Bölüm, karşılıklı takdir ve birbirlerinin seminerlerine katılma beklentisiyle sona eriyor.

• 00:00:00 Peter Carr, vadeli işlem sözleşmesi ile satım opsiyonu arasında melez olan yeni bir finansal ürün olan "stoptions"ı piyasaya sürüyor. Durdurmanın dayanak varlığı, sabit vadesi ve sahibi dayanak varlıktaki her fiyat değişimini tahakkuk ettirecek şekilde günlük izlemesi vardır. Durdurma, vadeli işlem sözleşmesinden farklıdır, çünkü mal sahibi, satım opsiyonu unsuru sayesinde olumsuz bir fiyat değişikliğinden kaçınabilir. Satış Bermudan'dır, yani mal sahibi, herhangi bir günün sonunda, o günün fiyat değişikliğini, zamanın herhangi bir işlevi olabilen, sözleşmeyle belirlenmiş bir sabit olan bir taban ile değiştirerek onu kullanabilir.
  
  
• 00:05:00 Peter Carr, opsiyon kavramını ve bunların finansal anlaşmalarda nasıl işlediğini açıklıyor. Opsiyon, çekim durdurma sözleşmesinde bir günden fazla süre olduğu sürece fiyat değişikliklerine maruz kalmanın ne zaman durdurulacağının seçimine izin veren ve esneklik sağlayan bir finansal üründür. Kişi bir seçeneği yalnızca bir kez kullanabilir ve bu noktada egzersiz yapmalıdır. Seçenek terimi, egzersiz yaparak altta yatana maruz kalmanın ne zaman durdurulacağını ifade eder. Carr, bu konsepti üç günlük bir seçenek örneğiyle açıklıyor ve bu seçenekle ilişkili üç farklı katın ana hatlarını çiziyor. Sözleşme daha sonra, yalnızca bir kez olması gereken seçeneği uyguladığınızda sona erer. Bu tür sözleşmeler şu anda ticaret yapmasa da, birçok finansal anlaşmaya dahil edilmiştir.
  
  
• 00:10:00 Peter Carr, Bermuda egzersiz tarzıyla "durma" adı verilen bir sözleşme örneğini tartışıyor. Kesin olarak işlem yapmasa da stoplar, Bermuda takaslarını ve fiyat seviyelerinde yazılan seçeneklerden farklılıklarını anlamaya yardımcı olabilir. İid fiyat değişiklikleri varsayılarak, durma değerlemesi, işlev yinelemesine indirgenir ve fiyat değişikliklerine belirli bir dağıtım varsayımı dayatılarak, değerleme sözde toplamaya indirgenir. Durdurmalardan elde edilen içgörüler, likit işlem gören Bermuda opsiyonları için kullanılabilir ve Carr, bir günlük ve iki günlük stopajların değerlemesini açıklamaya devam ediyor. Bir günlük duraklamalar sabit bir kat öderken, iki günlük duraklamalar iki katlıdır ve birinci veya ikinci gün kullanılabilir.
  
  
• 00:15:00 Bu bölümde, Peter Carr egzersizin o anda ve orada yapılması durumunda ikinci günün sonundaki getirisini tartışıyor. u1 olarak bilinen, ilk günün sonunda hesaplanır. Carr, u1'in birinci günün sonunda bilinen bir sabit olduğu için, birinci günün sonunda da kabul edilebileceğini belirtiyor. Ek olarak Carr, u1'i sıfır anında çarpanlara ayırmayı ve a1 getirisini a1 - u1 olarak değiştirmeyi önerir. Bu, getiriyi evli bir satıma veya u1'de yazılan bir satıma benzer hale getirir ve u1, satım getirisine eklenir. Carr, bir vanilya opsiyonunu değerlemeye yönelik bir model mevcut olduğunda, 2 günlük bir opsiyon da dahil olmak üzere çok günlük bir opsiyonun gömülü satış değeri hesaplanarak değerlenebileceğini açıklıyor.
  
  
• 00:20:00 Bu bölümde, NYU'dan Peter Carr ve Parma Üniversitesi'nden Lorenzo Torricelli, fiyat artışlarının istatistiksel olarak birbirinden bağımsız olduğunu ve aynı dağılıma sahip olduğunu varsayarak iki günlük ve üç günlük seçeneklerin nasıl değerlendirileceğini tartışıyorlar. Bir rastgele değişken dizisi için iid (bağımsız ve aynı şekilde dağıtılmış) olarak bilinen istatistiklerde ortak bir varsayım kullanırlar. İki günlük bir opsiyon için evli bir satıma değer biçmek için, a1 adı verilen ödemenin bilinen bir kısmını ve a2 adı verilen dayanak varlığın bugünkü fiyatını içeren bir gösterim kullanırlar. Üç günlük bir opsiyon için, cv ile gösterdikleri bir devam değeri sunarlar ve değerini hesaplamak için dinamik programlamayı kullanırlar.
  
  
• 00:25:00 Peter Carr, geriye doğru özyineleme sürecini ve evli bir koymanın değerini açıklıyor. İkinci gün başlıyor çünkü problemde ihtiyaç duyulan tüm belirsizlikler ikinci günün sonunda çözülüyor. Devam değerini, üçüncü gün kalan bir egzersiz fırsatıyla ikinci günde belirler ve ardından getiri değerini ve devam değerini hesaplamak için birinci güne geri döner. Daha sonra, değerleme tarihinde sıfır zamanına geri döner ve devam değerini ve evli bir satışın değeri olan getiriyi hesaplar. Rastgele ödemenin ortalaması, daha önce hesaplanan evli koyma değeridir ve fiyat değişikliklerinin dağılımına katkıda bulunan parametreler sıfır anında bilinmektedir.
  
  
• 00:30:00 Bu bölümde, Peter Carr A1 ihtarlı bir evli satımın değerlemesini tartışıyor ve bunun temelinde A2 ihtarlı başka bir evli satım var. Bu değerlemenin, farklı zamanlarda farklılık gösterebilen bir parametreyle bir işlevi yinelemeyi ve işlevin kendi kendini oluşturmasına izin vermeyi içerdiğini açıklıyor. Yinelenmekte olan işlev, bir günlük vanilya evli Avrupa tarzı değer işlevidir ve Carr, bu değeri tanımlayan ve kapalı biçimde yinelenen bir işlevin, ilişkisel işlevsel denklem adı verilen bir şeyden yararlanılarak bulunabileceğini belirtiyor. Evli koyma değeri işlevine doğrudan değer vererek ve bunun ilişkilendirilebilirlik işlevsel denklemini çözmesini talep ederek, Breeden-Litzenberger sonuçları kullanılarak risk-nötr dağılım belirlenebilir. Bu bölüm, bir bağımsız değişkenin ve tersinir bir g'nin fonksiyonu ile evli değerin belirlenebileceğinin açıklanmasıyla sona erer.
  
  
• 00:35:00 Peter Carr, bir işlevdeki iki bağımsız değişkenin birleşimi olan sözde toplam kavramını açıklıyor. Tersine çevrilebilir bir fonksiyon kullanılarak, bu nicelik, katların tekrarlanan sözde toplamları aracılığıyla n tabanlı bir seçeneğin değerini bulmak için kullanılabilir. Bu yöntemi arbitrajsız yapmak için, fonksiyon dikkatli bir şekilde seçilmeli ve getirisinin riskten bağımsız bir beklentisi olarak sunulmalıdır. Carr, bu yöntemin oluşturucusunun herhangi bir tabanın logu olması gerektiğini ve b skalerinin pozitif olması gerektiğini ortaya koyuyor. Dağılım fonksiyonunu elde etmek için vuruşa göre iki kez farklılaşmayı gerektiren doğal log g tersleri kullanılarak evli koymanın da uygun şekilde değerlendirilmesi gerekir. Nihayetinde, bu yöntem, standart sapma olmayan, ancak onunla orantılı olan b'nin orantılı bir faktörüne geri dönmeyi içerir.
  
  
• 00:40:00 Peter Carr, evli satım opsiyonundaki fiyat değişikliklerini temsil etmek için lojistik dağılımın kullanımını tartışıyor. Altta yatan iki bileşene sahip bir finansal ürünün üstel değerini kullanarak a1 doğrultusu ve altta yatan ortalama a2 ile evli koymak için bir formül türetiyor. Bunu sözde toplam olarak ifade eder ve gerçek sayılar kümesini nötr öğe olarak eksi sonsuzluğu içerecek şekilde genişletir. Bunun, yalnızca arbitrajsız bir seçenek değerlemesi ve üstel kuyruklu simetrik bir lojistik dağıtımla mümkün olan değişmeli bir monoid yapı oluşturduğunu açıklıyor. Lojistik dağıtım, açık bir kümülatif dağıtım işlevine izin verir ve normal dağıtımdan daha dostça kabul edilir. Carr, lojistik dağılımın ölçeğinin, opsiyonun vadeye kalan süresinin artan bir fonksiyonu olduğunu ileri sürer.
  
  
• 00:45:00 Peter, opsiyonların ve takasların özelliklerini birleştiren bir sözleşme olan "durdurmaları" tartışıyor. Durdurmalar, bir lojistik rasgele değişkenin, değişkenlerin bağımsız ve aynı şekilde dağıtıldığı bir başkasıyla değişimini içerir. Bir durmayı n gün ile değerlemek için, lojistik dağılımın genişliğini zaman ufkunun uzunluğuna bağlayan b (t) fonksiyonunun belirtilmesi gerekir. Katlı bir bermuda durağının değeri basit formüllerle verilir ve değerleme ve riskten korunma analitik olarak yapılabilir. "Başarılı" bir duruş için değer, zamanın logaritmasına göre basit bir şekilde artar.
  
  
• 00:50:00 Peter Carr, iid artışlarını varsayan ve değerlemeyi yinelenen işlev değerlendirmesine indirgeyen "duraklar" fiyatlandırma modelini tartışıyor. Ortak artışlar için bir lojistik dağılım varsayarak, model, log toplamı üstel işlevi adı verilen belirli bir türdeki sözde toplamı daha da basitleştirir. Sınırlı yükümlülük nedeniyle, dayanak menkul kıymet fiyatlarının gerçek olması ve negatif olmaması gerekir. Model, fiyat artışları eklemek yerine fiyat akrabalarını çoğaltmak için opsiyon sözleşmesini yeniden tanımlayarak hisse senetlerine genişletilebilir. Pozitif bir rasgele değişkeni desteklemek için ortaya çıkan dağılım, negatif çarpıklığa sahip ağır kuyruk dağılımı olan eşlenik güç digum olarak adlandırılır ve bu, onu iyi bir seçim yapar. Bu model için gelecekte araştırma fırsatları var ve Federal Rezerv toplantılarıyla senkronize sözleşmeler gibi pratik kullanımlara uygulanabilir.
  
  
• 00:55:00 NYU'da profesör olan Peter Carr, piyasa tarafından bir tür opsiyonun benimsenmesini ve bir alıcı ve satıcı bulma sürecini tartışıyor. Opsiyonu satın almakla ilgilenen Bank of America'nın baş egzotik tüccarı ve bir sigorta şirketi veya emeklilik planı gibi olası satıcılarla yaptığı konuşmadan bahsediyor. Sahiplenme süreci bir alıcı bulmayı içerir ve Peter, bu konuda bir sigorta şirketinde çalışan bir arkadaşıyla planladığı bir Zoom görüşmesi olduğunu paylaşır. Sohbet, Lorenzo Torricelli'nin lojistik dağıtım ve ilgili süreçlere dayalı finansal modeller hakkındaki tartışmasıyla sona eriyor.
  
  
• 01:00:00 Bu bölümde Peter Carr, pozitif modelin günlük getirilerinin vergi yapısının teknik ayrıntılarını ve logistik, çarpık lojistik ve lojistik iade süreçlerini içeren modellerdeki getirileri tartışıyor. Bu süreçlerin saf sıçrama olduğunu ve bir teoremin bağımsız artışlarla stokastik olarak sürekli olan bir toplama işleminin varlığını garanti ettiği sonsuz bölünebilir bir zaman ailesi olarak kabul edilebileceğini açıklıyor. Ayrıca, bu ek işlem, menkul kıymet dağıtım formülünün altında yatan zımni fiyat dağıtımını destekler. Carr daha sonra bu sürecin nasıl doğal olarak bir pazar olduğunu ve basit fiyatlandırma formüllerini destekleyen arzu edilen iyi özelliklere nasıl sahip olduğunu açıklıyor. Son olarak, sayısal testlerin sonuçlarını ve lojistik fiyatlandırma modellerinin standart normal modellerle yoğunluk karşılaştırmasını sunar.
  
  
• 01:05:00 Peter Carr, CPDA modelindeki normal ve lojistik dağılımın şekli arasındaki farkları tartışıyor. CPDA modelinde dağılımın çarpıklığının ve şeklinin zamanla değiştiğini, normal dünyada bunun olmadığını belirtiyor. Normal ve lojistik dağılım arasındaki karşılaştırmaya bakıldığında, dağılımların oldukça benzer olduğunu ancak basıklığın açıkça takdir edilebileceğini belirtiyor. Ayrıca, patlayan bir değişken ve kısa vadeli, çok keskin bir çarpıklık artışı gibi çok daha esnek şekiller oluşturabildiğini gözlemlediği kümülatif sistem yapısının sonuçlarını da gösteriyor. Son olarak, cpda modelleri için ima edilen oynaklık yüzeylerini tartışıyor ve burada oynaklık yüzeyinin sadece birkaç parametre ile esnek olabileceğini belirtiyor.
  
  
• 01:10:00 NYU'dan Peter Carr ve Parma Üniversitesi'nden Lorenzo Torricelli, yalnızca bir parametreyle tamamen esnek bir terim yapısı oluşturmak için eşlenik bir paradigma ve lojistik dağılım kullanan önerilen "duraklar" modelini tartışıyorlar. one parametresi aynı anda daha fazla genişlik ve daha fazla negatif çarpıklık oluşturur, ancak moment ortalamasının olmamasını önlemek için sıfır ile bir arasında olmalıdır. Model, tek vuruşta herhangi bir terim yapısını barındırabilir, ancak greve karşı zımni oynaklığın yukarı eğimli grafiklerinin aksine, aşağı eğimli bir grafik ürettiği için piyasaya her zaman en uygun şekilde uymayabilir. Carr ve Torricelli, modellerinin Black-Scholes ve Bachelier modellerine bir alternatif olduğunu kabul ediyor ancak modellerinin her durum için yeterince iyi olmayacağını tahmin ediyor. Modellerinin yakalamayı amaçladığı, finans için özel öneme sahip, toplama ve çarpma gibi benzer özelliklere sahip sayılamayan bir ikili işlem sonsuzluğu olduğunu savunuyorlar.
  
  
• 01:15:00 Bu bölümde, Peter Carr ve Lorenzo Torricelli, bir Avrupa seçeneği gibi bir grev ile bir single arasındaki isteğe bağlılık fikrini ve ayrıca Bermuda remutants seçeneği olan tekrarlanan sözde toplam olarak tekrarlanan isteğe bağlılığı tartışıyorlar. Bir dağıtım seçerken ikiden fazla ikili işlem oranı olduğunu akılda tutmanın öneminden bahsediyorlar ve tartışmayı birbirlerine teşekkür ederek ve birbirlerinin seminerlerine katılmayı dört gözle bekleyerek bitiriyorlar.

[MetaQuotes]

Lorenzo Torricelli (Parma Üniversitesi) - "Opsiyon Fiyatlandırmasında Ek Lojistik Süreçler"

Lorenzo Torricelli (Parma Üniversitesi) - "Opsiyon Fiyatlandırmasında Ek Lojistik Süreçler"

Parma Üniversitesi'nde seçkin bir profesör olan Lorenzo Torricelli, eklemeli lojistik modeli ve kendine benzer spesifikasyonu keşfederek opsiyon fiyatlandırmasının inceliklerini araştırıyor. Aydınlatıcı sunumunda, bu yenilikçi modelleri kullanarak vanilya opsiyonlarını fiyatlandırma formülünü açıklıyor ve lojistik fiyatlandırma modeli ile geleneksel normal modeller arasında bir yoğunluk karşılaştırması sergileyerek bunların uygulamasını örneklendiriyor.

Ayrıca Torricelli, homojen modeller için terim yapısının doğrusal dönüşüne karşı lojistik model için kümülatif terim yapısının bir kıyaslama analizini yürütür. Anlayışlı gözlemleri, lojistik modelin terim yapısını şekillendirmede önemli ölçüde daha fazla esneklik sunduğunu ve böylece geleneksel yaklaşımlara göre kayda değer bir avantaj sağladığını ortaya koyuyor.

Kapsamlı bir anlayış sağlamak için Torricelli, bu modellerle ilişkili uçuculuk yüzeylerini de inceler. Log getirilerin çarpık dağılımından ve lojistik dağılımın basıklığından kaynaklanan modelde pozitif bir çarpıklığın varlığına dikkat çeker. Bununla birlikte, simetri sergilediği için lojistik dağılımın kendisinde çarpıklık olmadığının altını çiziyor. Torricelli, modal parametrelerin oynaklık terim yapısı üzerindeki etkisini daha ayrıntılı tartışarak, seçilen parametrelendirmedeki iyileştirme potansiyelini kabul ediyor.

Sonuç olarak Torricelli, bu modellerden türetilen seçenek formüllerinin açık ve iyi bilindiğini ve pratik uygulamalarını kolaylaştırdığını vurgulamaktadır. Özellikle, performans testi sırasında gösterilen etkileyici hızı övüyor. Şeffaflığın ve akademik işbirliğinin bir kanıtı olarak Torricelli, bu modellerle ilişkili kodu herkesin erişimine açık hale getirerek hem araştırmacılara hem de uygulayıcılara fayda sağlamayı planlıyor.

• 00:00:00 Parma Üniversitesi'nden Lorenzo Torricelli, seçenek fonksiyonelleri için değerleme denklemleri ve liyakat kabinini değerlemeye yönelik fonksiyonlarla başlayarak, lojistik dağıtıma dayalı finansal modelleri tanıtıyor. k'ye göre türev alınarak, zımni menkul kıymet fiyat dağılımı elde edilir ve lojistik fonksiyonun altta yatan gerçek değerli ile ilişkili olduğu görülürken, çarpık lojistik dağılımı, liyakat değerlemesinden gelen pozitif fiyat süreci ile ilişkilendirilir. . Dağılımların sonsuz bölünebilir yapısı bir zaman ailesi olarak kabul edilir ve bir toplamsal sürecin varlığı doğrulanır, bu da zımni fiyat dağılımını destekleyen ve ifadenin formülünü belirleyen bağımsız artışlarla stokastik olarak sürekli süreçlerle sonuçlanır.
  
  
• 00:05:00 Parma Üniversitesi'nde profesör olan Lorenzo Torricelli, eklemeli lojistik modeli ve opsiyon fiyatlandırmasında kendine benzer özellikleri tartışıyor. Modelleri kullanarak vanilya opsiyonlarını fiyatlandırma formülünü açıklıyor ve bunları terim fonksiyonunun fiyatı açısından örnekliyor. Lojistik fiyatlandırma modeli ile normal modeller arasında bir yoğunluk karşılaştırması gösterir ve lojistik modelin dağılım şeklinin zamanla değiştiğini, normal dağılımın şeklinin ise değişmediğini gözlemler. Ayrıca, lojistik model için kümülatif terim yapısını, homojen modeller için terim yapısının lineer dönüşüne karşı kıyaslar ve birincisiyle çok daha esnek şekiller gözlemler.
  
  
• 00:10:00 Lorenzo Torricelli, CPDA modeli için çizimleri ve SLA ve CPDA modelleri için ima edilen oynaklık yüzeylerini tartışıyor. Oynaklık yüzeyleri, log getirilerinin çarpık dağılımı ve lojistik dağılımın basıklığı nedeniyle pozitif modelde bir çarpıklık olduğunu göstermektedir. Ancak simetrik olduğu için lojistik dağılımda bir çarpıklık yoktur. Torricelli, modal parametrelerin de oynaklık terimi yapısını benzer şekilde etkilediğinden ve seçilen parametrelendirmede iyileştirme alanı olduğundan bahseder. Genel olarak, seçenek formülleri açık ve biliniyor ve hız testi çok hızlıydı. Kod ayrıca herkese açık hale getirilecek.

[MetaQuotes]

Yumeng Ding (Cornell MFE '20) - "Makine Öğrenimi Modellerini Yorumlama"

Yumeng Ding (Cornell MFE '20) - "Makine Öğrenimi Modellerini Yorumlama"

Uzman bir araştırmacı olan Yumeng Ding, hisse senedi fiyatı tahminleri için makine öğrenimi modellerini yorumlama alanını araştırıyor. Kapsamlı analizinde, bu modellerin iç işleyişine ışık tutmak için kısmi bağımlılık grafikleri, permütasyon özellik önemi, kenar istatistikleri ve LIME dahil olmak üzere bir dizi yorumlanabilirlik yöntemini araştırıyor. Ding, bu yöntemleri kullanarak, bireysel faktörlerin katkısını ve bunların hisse senedi fiyatlarını tahmin etmedeki etkileşimli etkilerini çözmeyi amaçlamaktadır.

Ding'in çalışması üç tür faktör etrafında dönüyor: sınıflandırıcılar ve regresyonlar gibi çeşitli makine öğrenimi modellerinde girdi olarak kullanılan teknik, kalite ve değer. Daha önce bahsedilen yorumlanabilirlik yöntemlerinden yararlanarak, bu faktörler ile hisse senedi fiyatı tahminleri arasındaki karmaşık ilişkileri çözüyor. Ding, zorlu geriye dönük testler sonucunda doğrusal olmayan modellerin performans açısından doğrusal modelleri geride bıraktığını keşfeder. Ayrıca, farklı faktörlerin etkilerinin zamansal değişimler gösterdiğini gözlemleyerek, hisse senedi fiyatı tahmininin dinamik doğasını vurgulamaktadır. Nihayetinde Ding, AdaBoost'u kendi özel senaryosu için en uygun model olarak tanımlar.

Daha da önemlisi Ding, makine öğrenimi modellerini anlamada yorumlanabilirlik yöntemlerinin öneminin altını çiziyor. Vektör yaklaşımı, en tahmine dayalı etkileşimlere ilişkin hızlı içgörüler sağlarken, bu etkileşimlerin kalitesini ortaya çıkarmada yetersiz olduğunun altını çiziyor. Ding, daha basit etkileşimleri etkili bir şekilde görselleştirmek için iki boyutlu kısmi bağımlılık çizimleri kullanmanın değerini vurgular. Ek olarak, veriler gürültüden yeterince temiz olduğu sürece, bireysel etkileşimlerin inceliklerini araştırmak ve yerel etkileri görselleştirmek için çizgi çizimi yöntemini önerir.

Bulgularını özetleyen Ding, projesinden çıkarılacak iki önemli sonucu vurguluyor. İlk olarak, makine öğrenimi modellerinin, karmaşık etkileşim etkilerini yakalama kapasiteleri nedeniyle senaryoların çoğunda doğrusal saf regresyonlardan daha iyi performans gösterdiğini doğruluyor. İkinci olarak, çeşitli yorumlanabilirlik yöntemlerinden yararlanarak makine öğrenimi modellerini yorumlamanın uygulanabilirliğini vurguluyor. Bu teknikler, araştırmacıların faktörlerin bireysel katkılarını aydınlatmasına ve tahminler üzerindeki etkileşimli etkilerini kavramasına olanak tanır.

• 00:00:00 Yumeng Ding, hisse senedi fiyatı tahminleri yapmak için kullanılan makine öğrenimi modellerini yorumlama yaklaşımlarını tartışıyor. Sınıflandırıcılar ve regresyonlar gibi çeşitli makine öğrenimi modellerini kullanarak tahminlerde bulunmak için teknik, kalite ve değer olmak üzere üç tür faktör kullandılar. Modellerini yorumlamak için kısmi bağımlılık grafikleri, permütasyon özellik önemi, kenar istatistikleri ve bireysel özellik etkilerinin ve bunların etkileşimlerinin dökümüne izin veren LIME gibi yorumlanabilirlik yöntemleri kullandılar. Geriye dönük testleri sayesinde, doğrusal olmayan modellerin doğrusal modellerden daha iyi performans gösterdiğini ve faktör etkilerinin zaman içinde değiştiğini buldular. AdaBoost'un senaryoları için en iyi model olduğu sonucuna vardılar.
  
  
• 00:05:00 Yumeng Ding, makine öğrenimi modellerini yorumlamak için çeşitli yöntemleri tartışıyor. Vektör yaklaşımının en tahmine dayalı etkileşimleri bulmada hızlı ve verimli olmasına rağmen, etkileşimlerin kalitesinden çok gücünü gösterdiğini vurguluyor. Bazı kolay etkileşimleri görselleştirmek için iki boyutlu kısmi bağımlılığın gerekli olduğunun altını çiziyor. Ding, çizgi grafiği yönteminin, verilerin çok gürültülü olmaması koşuluyla, bireysel etkileşimlerin ayrıntılarına dalmak ve yerel etkileşimleri görselleştirmek için uygun olduğunu öne sürüyor. Projelerinin iki çıkarımı öne çıkardığını belirterek sözlerini bitiriyor: Birincisi, makine öğrenimi modelleri, etkileşim etkilerini yakalama yetenekleri nedeniyle çoğu senaryoda doğrusal naif regresyonlardan daha iyi performans gösteriyor. İkinci olarak, makine öğrenimi modellerini yorumlamak, bireysel faktörlerin hem bireysel hem de etkileşimli olarak tahminlere nasıl katkıda bulunduğunu açıklamamıza izin veren çeşitli yorumlanabilirlik yöntemleriyle mümkündür.

[MetaQuotes]

Silvia Ruiz (Cornell MFE '20): "NLP Tekniklerini Kullanarak Hisse Hareketlerini Tahmin Etme"

Silvia Ruiz (Cornell MFE '20): "NLP Tekniklerini Kullanarak Hisse Hareketlerini Tahmin Etme"

Cornell MFE programından yeni mezun olan Silvia Ruiz, NLP (Doğal Dil İşleme) tekniklerini kullanarak hisse senedi fiyatlarını tahmin etmeye odaklanan projesinin içgörülerini paylaşıyor. Ekibinin araştırmasının amacı, 10-K ve 10-Q raporları gibi kurumsal dosyalamalar ile hisse senedi fiyatları üzerindeki müteakip etki arasındaki ilişkiyi keşfetmekti. Bunu başarmak için, EDGAR web sitesinden S&P 500'ün beş sektöründen 50 şirketi kapsayan 1.095 rapordan oluşan önemli bir veri seti topladılar.

Başlangıçta, Ruiz ve ekibi sözlük tabanlı modeller üzerinde deneyler yaptı ancak etkinliklerinde sınırlamalarla karşılaştı. Bunu ele almak için, kurumsal dosyalara gömülü bağlamsal nüansları anlamada çok önemli olduğu kanıtlanan kelime arkası model ve Finberg gibi gelişmiş yöntemleri dahil ettiler. Ek olarak, hisse senedi fiyat hareketlerini tahmin etmek için kelime kutupluluğu ve karmaşıklığının yanı sıra bir xg artırma modeli dahil olmak üzere çeşitli duyarlılık ölçütleri kullandılar.

Tahminlerinin doğruluğu iki farklı zaman diliminde değerlendirildi. Kısa vadede, modelleri %61 gibi dikkate değer bir doğruluk elde ederken, uzun vadede %53 gibi saygın bir doğruluk gösterdi. Bu tahminleri yatırım kararları için sinyal olarak kullanarak, eşit ağırlıklı bir portföyden daha iyi performans gösterdiler. Ancak Ruiz, bulgularının kesinliğini ve genellenebilirliğini artırmak için farklı sektörlerde daha fazla araştırma yapılması gerektiğinin altını çiziyor.

Silvia Ruiz, iletişim bilgilerini cömertçe sunarak ve projesinin Github'daki deposuna bir bağlantı sağlayarak tartışmasını sonlandırıyor. Bu jest, takip sorgulamalarını teşvik eder ve hisse senedi fiyatı tahmini alanında NLP tekniklerinin anlaşılmasını ve uygulanmasını ilerletmede işbirliğini teşvik eder.

• 00:00:00 Cornell MFE'den yeni mezun olan Silvia Ruiz, hisse senedi fiyatlarının NLP teknikleri kullanılarak tahmin edilip edilemeyeceği konusundaki projesinden bahsediyor. Sylvia ve ekibi, 10k ve 10q gibi kurumsal dosyaların bir şirketin hisse senedi fiyatları üzerindeki etkisini araştırmayı amaçladı ve beş sektördeki S&P 500'deki 50 şirketin edgar web sitesinden 1095 raporunun verilerini topladı. Sözlük tabanlı modellerin kullanılmasının etkili olmadığını ve bağlamı anlamak için kelime arka arkaya model ve Finberg yöntemlerinin gerekli olduğunu buldular. Son olarak, kelime kutupluluğu ve karmaşıklığı da dahil olmak üzere çeşitli duygu ölçümleri kullandılar ve hisse senedi fiyatlarını tahmin etme değişkeniyle bir xg boost modeli çalıştırdılar.
  
  
• 00:05:00 Silvia Ruiz, NLP tekniklerini kullanarak hisse senedi hareketlerini nasıl tahmin etmeye çalıştığını açıklıyor. Ekibinin, raporun yayınlanmasından önceki ve beş gün sonraki hisse senedi fiyatlarını alıp piyasa getirisiyle karşılaştırarak piyasa getirilerini hesaba kattığından bahseder. Uzun vadede doğruluk oranı %61, uzun vadede ise %53 olarak gerçekleşti ve tahminlerini hisse senetlerine yatırım yapmak için sinyal olarak kullandılar. Stratejileri, eşit ağırlıklı portföyden daha etkiliydi, ancak daha doğru sonuçlar için özellikle farklı sektörlerde daha fazla araştırma yapılması gerekiyor. Daha fazla soru için iletişim bilgilerini ve Github bağlantısını paylaşıyor.

[MetaQuotes]

Charles-Albert Lehalle: "Doğal Dil İşlemeyi Anlama Girişimi"

Charles-Albert Lehalle: "Doğal Dil İşlemeyi Anlama Girişimi"

Bu video sunumunda Charles-Albert Lehalle ve ekibi, finans alanındaki Doğal Dil İşleme (NLP) uygulamalarını derinlemesine inceliyor. Tartışmaları üç temel alan etrafında dönüyor: duyarlılık analizi, hisse senedi fiyatı tahmini ve işlem maliyeti modellemesi. Yerleştirmelerde aşırı uyum ve önyargı riski gibi NLP ile ilgili zorlukları kabul ediyorlar ve çoklu görev öğrenimi ve sözlükleri genişletme dahil olmak üzere potansiyel çözümler öneriyorlar. Ekip, farklı sektörlerde bağlam ve dil kalıplarını anlamanın önemini vurgulayarak, finans sektöründe NLP'nin hem potansiyelini hem de sınırlamalarını araştırıyor.

Lehalle ve ekibi, NLP tekniklerini kullanarak kendi deneylerini sunarak, NLP'nin bilgileri nasıl sıkıştırabileceği ve finansal analistler için bilgilendirici göstergeler sunabileceği konusunda değerli bilgiler sağlıyor. Alana özgü bilgi gerekliliği ve yapılandırılmamış metin verilerinden anlamlı bilgiler çıkarmanın zorluğu da dahil olmak üzere finansta NLP kullanmanın zorluklarını vurguluyorlar. Ticaret amacıyla sosyal medya verilerinden yararlanmak gibi finansta NLP kullanımını çevreleyen etik kaygılar da tartışılmaktadır.

Sunum boyunca Charles-Albert Lehalle, çeşitli NLP konularındaki uzmanlığını ve bilgisini paylaşıyor. Metin verilerindeki sözcüksel ve olasılıksal özellikleri yakalamak için her iki yaklaşımın bir kombinasyonunu önererek, finansta sözlük tabanlı ve yerleştirme tabanlı NLP yöntemlerinin kullanımını açıklıyor. Yerleştirmelerdeki eşanlamlılar ve zıt anlamlılar arasında ayrım yapmanın zorlukları ele alınıyor ve Lehalle'nin ekibi, metnin yapısını ve duygusunu kontrol etmek için üretken modelleri araştırıyor. Ortak sözcük dağılımlarını temsil eden matrisler gibi, yerleştirmeleri ve referans modellerini anlamanın önemi vurgulanır.

Lehalle, NLP'de bağlamın önemini daha fazla araştırıyor ve bağlamaların bağlama dayalı olarak olumlu ve olumsuz kelimeler için nasıl önyargılı olabileceğini tartışıyor. Referans matris modellerini yapılandırmak için Markov zincirlerinin kullanımını açıklıyor ve gömmelerdeki eşanlamlıları belirlemeye yönelik deneyler sunuyor. NLP'nin şirket adlarını ve bunlarla ilişkili kutupları yakalamadaki sınırlamaları, denetimli yerleştirmeler için çoklu görev öğrenme önerisiyle birlikte kabul edilmektedir. Konuşmacılar ayrıca Loughran-McDonald Lexicon'un olumlu ve olumsuz kelimeler arasındaki dengesizliğine ve finansal metinlerdeki ironiyi işlemenin zorluklarına da değiniyor.

Sunum, Cornell Finans Mühendisliğinden yeni mezun olan Sylvia Ruiz'in bir projesine genel bir bakışla sona eriyor. Proje, özellikle 50 S&P 500 şirketinin 10-K ve 10-Q dosyalamalarından yönetim tartışma bölümlerini kazıyarak ve hisse senedi fiyatları üzerindeki etkisini değerlendirmek için duyarlılığı analiz ederek NLP tekniklerini kullanarak hisse senedi fiyatlarını tahmin etmeye odaklanıyor. Lehalle, sözlük tabanlı modellerin sınırlamalarını tartışıyor ve ekiplerinin sözlüğü nasıl genişlettiğini, bağlamı anlamak için FinBERT'i nasıl kullandığını ve duyarlılığı ölçmek için çeşitli özellikleri nasıl kullandığını açıklıyor. Hem kısa hem de uzun vadede eşit ağırlıklı bir portföyden daha iyi performans elde ettiler.

Özetle, Charles-Albert Lehalle ve ekibi, NLP'nin finans alanındaki potansiyeline ve zorluklarına ışık tutuyor. NLP tekniklerini etkili bir şekilde uygulamak için içgörüler, deneyler ve stratejiler sunarken, sorumlu kullanımın önemini ve hem teknoloji hem de finansal alanın derinlemesine anlaşılmasını vurgularlar.

• 00:00:00 Konuşmacı, NLP üzerine 40 dakikalık bir sunum yapan, niceliksel finans uzmanı Charles-Albert Lehalle'i takdim ediyor. Konuşmacı, Lehalle'nin niceliksel finans üzerine NLP ile ilgili birçok konuyu kapsayan geçmiş yayınlarından bahsediyor. Konuşmacı ayrıca Cornell'den yeni mezun olan ve Rebellion Research ile bir NLP projesinde çalışan Sylvia Ruiz'i de tanıtıyor. Konuşma, insanların veri kazıma ve paketleri uygulama ihtiyacı nedeniyle genellikle göz korkutucu gelebilen NLP'ye başlamasına yardımcı olmayı amaçlıyor. Konuşmacı, finansta NLP kullanımına kısaca değiniyor ve Lehalle'nin ekibinin, üretimde bazı öngörüler ve stratejilerle birlikte bir yılı aşkın süredir NLP kullandığından bahsediyor. Konuşma, Mengedar'ın devam etmekte olan bir çalışmasına dayanmaktadır ve konuşmacı, izleyicileri sunuma dahil edilmesi gerektiğini düşündükleri bağlantıları veya makaleleri göndermeye teşvik eder.
  
  
• 00:05:00 Charles-Albert Lehalle, finansal ticarette Doğal Dil İşlemeyi (NLP) kullanma olasılıklarını tartışıyor. Tüccarlar, NLP'yi kullanarak, kazanç duyurularının dökümleri, sosyal medya ve finans haberleri gibi metin biçimindeki bilgilere hızlı bir şekilde erişebilirler. Bu bilgi, tüccarlara diğerlerinden önce satın alma konusunda hız avantajı sağlayabilir ve böylece fiyatı yukarı doğru hareket ettirebilir. Ek olarak, tüccarlar NLP'yi kullanarak birçok şirketle ilgili büyük miktarda metni çaprazlayabilir ve bunları beklenen getirilere göre sıralayabilir. Ancak Lehalle, olası parametrelerin miktarı nedeniyle NLP'nin aşırı beslenme riskinin yüksek olduğunu belirtiyor. Bununla birlikte, tüccarlar alınan bilgileri anlayarak stratejilerini potansiyel kar için buna göre ayarlayabilirler.
  
  
• 00:10:00 Charles-Albert Lehalle, sözlük tabanlı ve katıştırma tabanlı doğal dil işleme (NLP) yöntemlerinin finansta kullanımını tartışıyor. Sözlüğe dayalı sistemlerin, hisse senetleri üzerindeki olumlu veya olumsuz duyguları belirlemek için çok sayıda metne açıklama ekleyen insan analistleri tarafından nasıl oluşturulduğunu, oysa gömme tabanlı sistemlerin kelimelerin olasılık bağlamını modellediğini açıklıyor. Lehalle, finansal piyasalardaki metin verilerinin hem sözcüksel hem de olasılıksal özelliklerini yakalamak için bu iki yöntemin birleştirilmesi gerektiğini önermektedir. Ayrıca, yerleştirmelerin eşanlamlıları ve zıt anlamlıları nasıl yakalayabildiğini keşfetmeye yönelik yaklaşımının ana hatlarını çiziyor; bu, finansta tahmine dayalı analiz için pratik çıkarımlara sahip olabilir.
  
  
• 00:15:00 Bu bölümde Charles-Albert Lehalle, doğal dil işleme (NLP) ile ilgili zorlukları tartışıyor. Eşanlamlıları yakalamak bir metnin karmaşıklığını azaltabilirken, yerleştirmeler eşanlamlıları ve zıt anlamlıları ayırt etmekte zorluk çekebilir. Sözlüğünüzü aralarında ayrım yapamayan bir sisteme enjekte etmek istiyorsanız, bu bir zorluk yaratır. Lehalle'nin ekibi, metnin ve duygunun yapısını kontrol etmek ve dile koyduklarını kurtarabileceklerini görmek için üretken bir metin modeli geliştirmeye çalışıyor. Bu teknikleri uygulamak ve nasıl çalıştıklarını analiz etmek için büyük bir finans haberleri külliyatını kullanmayı planlıyorlar. Bu sürecin teorik yönleri, kelime 2x keygram yönteminin ve bir stokastik matrisin kullanımını içerir.
  
  
• 00:20:00 Bu bölümde Charles-Albert Lehalle, atlama-gram word2vec modelini kullanarak doğal dil işlemeyi açıklıyor. Gömmeler için matrisin düşük dereceli ayrışmasını ve yumuşak maksimum çıktı ile bir sinir ağı olarak nasıl yeniden yazılabileceğini tartışıyor. Ayrıca BERT gibi modellerdeki dikkat başlıklarının bağlama hitap eden pek çok yerel yerleşimle nasıl daha yerel olduğunu açıklıyor. Kayıp fonksiyonunu optimize etmek için kullanılan büyük bir gizli matris olan referans modeli ve gömmeleri anlamanın önemini vurguluyor.
  
  
• 00:25:00 Charles-Albert Lehalle, doğal dil işlemede referans modeller kavramını açıklıyor. Tüm kelimelerin ortak dağılımını temsil eden büyük bir matris, gerçek referans modelinin istatistiksel bir tahmini ve metni oluşturan gizli referans modeli dahil olmak üzere farklı referans model türlerini tartışıyor. Ayrıca, bir derlemde aynı konumda sık sık görünmeleri nedeniyle semantik açıdan zıt anlamlı olmalarına rağmen, aynı gömülmeye sahip kelimeler olan frekansçı eşanlamlılardan da bahseder. Bu anlayış, doğal dil işlemede etik tartışmasında önemlidir.
  
  
• 00:30:00 Bu bölümde Lehalle, doğal dil işlemede bağlamın önemini tartışıyor ve bağlama bağlı olarak olumlu ve olumsuz kelimeler için yerleştirmelerin nasıl önyargılı olabileceğine dair örnekler veriyor. Ayrıca, bir Markov zinciri kullanarak bir derlem oluşturmanın, sözcükler için büyük referans matris modelinin yapılandırılmasına nasıl yardımcı olabileceğini ve bir sözcüğün doğru bir şekilde gömülmesi için kayıp işlevinin, iki dağılım arasında bir çapraz entropi olduğunu da açıklıyor. Sunulan ilk deney, sentetik dilleri eşanlamlılarla tasarlamayı ve eşanlamlıları gömmelerdeki bloklar olarak kurtarmaya çalışmayı içerir. Bununla birlikte, gömmelerin tanımlanabilirlik açısından zayıf olduğu, bu da büyük bir gömmeden düşük boyutlu bir alanın kurtarılmasını zorlaştırdığı bulunmuştur. Son olarak, eşanlamlıların gömülmeleri arasındaki kosinüs benzerlikleri hesaplanır.
  
  
• 00:35:00 Charles-Albert Lehalle, pozitif ve negatif finansal haber başlıkları arasında bir ayrım yapmak için Lung Hand Micro Lexicon'u kullanmayı tartışıyor. Gömmelerin, başlıklardaki kelimeler gibi sıklıkla birlikte görünen eşanlamlıları ayırt etmek için tasarlanmadığını, bu nedenle pozitif ve negatif kelimeleri belirlemek için başlıklarda gömme kullanmanın zor olduğunu belirtiyor. Bununla birlikte, zaman içinde finans haberlerinin gövdesine bakıldığında, kosinüs benzerliği ölçümleri, pozitif ve negatif kelimelerin birbirinden açıkça ayırt edilebildiğini göstermektedir. Lehalle ayrıca bir mali kriz sırasında bankalar gibi şirket adlarının olumlu sözcüklerden çok olumsuz sözcüklere yakın olduğunu gösteriyor. Genel olarak, kelime dağarcığının yerleştirmeler içindeki konumu, finans haberlerindeki olumlu ve olumsuz kelimeleri ayırt etme becerilerini büyük ölçüde etkiler.
  
  
• 00:40:00 Konuşmacı Charles-Albert Lehalle, doğal dil işlemenin (NLP) şirket adları ve ilişkili kutupları söz konusu olduğunda sınırlamalarının yanı sıra yerleştirmelerin durağan olmamasını tartışıyor. Gömmelerin, komşu kelimelerin dağılımına öncelik vermeye odaklandığını, bu da onların sıklık ve eşanlamlılar arasında ayrım yapmasını zorlaştırdığını öne sürüyor. Lehalle, çoklu görev öğrenmenin, kutuplaşmış bir sözlük tarafından denetlenen bir görevle aynı anda yerleştirme eğitiminin iyi bir fikir olabileceğini önermeye devam ediyor. Ek olarak, şirket adlarının itibarın yararlı bir göstergesi olabileceğini ve NLP tarafından üretilen haberlerin, NLP algoritmalarını kandırmaya çalışan şirketlerden daha büyük bir endişe kaynağı olduğunu belirtiyor. Son olarak, NLP algoritmalarının potansiyel olarak bilgi çıkarmak ve onu yeni bir değerle etiketlemek için kullanılabileceğini ve fiyatlardan ziyade analist tahminlerinin çıkarılmasına izin verdiğini açıklıyor.
  
  
• 00:45:00 Videonun bu bölümünde konuşmacılar, insanlar tarafından kurulan ve finansal metin analizi için doğal dil işlemede (NLP) kullanılan Loughran-McDonald Lexicon'daki negatif ve pozitif kelimelerin dengesizliğini tartışıyorlar. Dengesizliğin, koruyucu olma eğiliminde olan avukatlar tarafından yazılan mali belgelerin yasal ve yapılandırılmış doğasından kaynaklanabileceğini öne sürüyorlar. Konuşmacılar ayrıca NLP'nin işlem maliyeti modellemesinde kullanımına ve uzun finansal metinlerdeki ironiyi işlemenin zorluklarına da değiniyor. Ardından Cornell Finans Mühendisliği programından yeni mezun olan ve ekibinin NLP tekniklerini kullanarak hisse senedi fiyatlarını tahmin etme projesini sunan Sylvia Ruiz'i tanıtırlar. Proje, S&P 500'deki 50 şirketin 10.000 ve 10. Çeyrek dosyalarından yönetim tartışması bölümleri çıkarmaya ve hisse senedi fiyatları üzerindeki etkiyi belirlemek için duyarlılığı analiz etmeye odaklandı.
  
  
• 00:50:00 Charles-Albert Lehalle, doğal dil işleme (NLP) için sözlük tabanlı modellerin kullanılmasıyla ilgili sorunları ve kendisinin ve ekibinin modellerini geliştirmek için NLP tekniklerini nasıl kullandığını tartışıyor. Bağlamı anlamak için bir atlama grafiği modeli ve FinBERT modeli kullanarak sözcüklerin daha dengeli bir sınıflandırmasına sahip olmak için sözlüklerini nasıl genişlettiklerini açıklıyor. Daha sonra, bir hisse senedi fiyatının yükselip düşmeyeceğini tahmin etmek için bir xg artırma modeli çalıştırmadan önce, duyarlılığı ve kelime karmaşıklığını ölçmek için çeşitli özellikler kullandılar. Doğrulukları nispeten düşük olsa da, hem kısa hem de uzun vadede eşit ağırlıklı bir portföyden daha iyi performans gösteren bir strateji oluşturmayı başardılar.
  
  
• 00:55:00 Charles-Albert Lehalle finans sektöründe doğal dil işlemenin (NLP) potansiyelini tartışıyor. Daha fazla araştırmaya ihtiyaç olduğunu ve her sektörün farklı bir dil kalıbı olduğu için sektörü sektörlere ayırmanın faydalı olabileceğini öne sürüyor. Ayrıca, NLP bilgileri sıkıştırmak ve bilgilendirici göstergeler sağlamak için daha iyi kullanılabileceğinden, metni aynı anda anlamaya ve beklentiler gibi şeyleri tahmin etmeye çalışmamanızı tavsiye ediyor. Bunun yerine analistler, tahminleri beklentilerle karşılaştırmak ve bir "sürpriz tahmin edici" oluşturmak için kendi muhakemelerini kullanabilirler. Genel olarak Lehalle, finansal analize entegre etmeye çalışmadan önce NLP'nin sınırlamalarını ve güçlü yanlarını anlama ihtiyacını vurgular.
  
  
• 01:00:00 Bu bölümde konuşmacılar, NLP modellerinin sağlamlığını artırmak için çekişmeli eğitimin kullanımını tartışıyor. Bu teknik, cinsiyet tarafsızlığı gibi dildeki önyargıyı ele almak için uygulanabilir. Konuşmacılar ayrıca olumlu ve olumsuz kelimeler arasındaki tarafsızlığı kırmak için çekişmeli eğitim kullanmayı düşünüyor, ancak bunun ticaret stratejileri oluşturmak için uygun olmayabileceği konusunda uyarıyorlar. Ardından tartışma, şirketlerin kendi bölümlerini etiketleme ve biçimlendirme biçimlerindeki farklılıklar nedeniyle, 10K dosyalama gibi finansal belgelerden bölümler çıkarmanın zorluklarına geçer.
  
  
• 01:00:00 Konuşmacılar, NLP modellerinin sağlamlığını artırmak için çekişmeli eğitimin kullanımını tartışıyor. Bu teknik, cinsiyet tarafsızlığı gibi dildeki önyargıyı ele almak için uygulanabilir. Konuşmacılar ayrıca olumlu ve olumsuz kelimeler arasındaki tarafsızlığı kırmak için çekişmeli eğitim kullanmayı düşünüyor, ancak bunun ticaret stratejileri oluşturmak için uygun olmayabileceği konusunda uyarıyorlar. Ardından tartışma, şirketlerin kendi bölümlerini etiketleme ve biçimlendirme biçimlerindeki farklılıklar nedeniyle, 10K dosyalama gibi finansal belgelerden bölümler çıkarmanın zorluklarına geçer.
  
  
• 01:05:00 Videonun bu bölümünde Charles-Albert Lehalle, çalışmanın amacı olmadığı için kendi yerleştirmeleri ile Bloomberg'in duygu endeksini karşılaştırmadığını açıklıyor. Bloomberg'in öngörücülerinin muhtemelen kıyaslama yapılması zor olan endeksler yerine tahmin ediciler oluşturmaya çalıştıklarına inanıyor. NLP kullanarak ampirik varlık fiyatlandırma faktörlerinin oluşturulmasına ilişkin makaleler olduğunu ortaya koyuyor ve NLP'nin, 10k faktörü veya risk bölümü faktörü gibi derlemde yer alan bilgilere dayalı olarak çok sayıda faktör oluşturmak için kullanılabileceğini açıklıyor. Dolayısıyla NLP sadece bir tekniktir ve bu durumda külliyat en önemli faktördür.