Education

Random Systems für Handel und Risikomanagement

9. Grundlagen des Preisverhaltens (Kann 2019).

Anonim

EINFÜHRUNG

Statistische Prinzipien und Werkzeuge, wie sie in Black-Scholes-Annahmen verwendet werden, die weltweit Eckpfeiler des Risikomanagements von Kleinhändlern bis hin zu großen Hedge-Fonds und Wall-Street-Banken bleiben, sind nicht so robust wie das oft angepriesene Risiko von seismischen Proportionen Die Ära von Algos und Hochfrequenzhandel, Ausreißer und schwarzen Schwänen sind zu häufig, weit verbreitet und häufig als früher angenommen und drohen Handelskonten in wenigen Sekunden auszulöschen. Der Komfort und das Vertrauen der statistischen Techniken werden stark erschüttert. Tatsächlich kann man irrtümlich Pennies direkt vor einer riesigen Straßenwalze pflücken - eine Katastrophe

In einem meiner Artikel über positive Feedback-Systeme habe ich ein Beispiel einer anglo-irischen Bank genommen, um zu zeigen, wie eine positive Feedback-System-getriebene Blase zum Kollaps der Bank führte. In der Gegenwart, die sich mit der Randomitätshypothese befasst, habe ich Zypern gewählt Bank, um Fallstricke des statistischen Modells des Risikomanagements zu demonstrieren. Statistische Grundsätze wie das zentrale Grenzwerttheorem, das Gesetz der Durchschnitte oder des Potenzgesetzes und statistische Hilfsmittel wie Normalverteilung, Standardabweichung, Varianz und Volatilität können Risikomanagement nicht handhaben und stattdessen möglicherweise fahren bis zum Rand einer Klippe …


Ausfall des Random-Systems

Nun, die großen zypriotischen Banken haben eine wirklich schlechte Investition getätigt. Sie liehen Griechenland Geld. Als die griechische Wirtschaft einbrach, nahmen die zypriotischen Banken ein größeres Risiko ein und kauften griechische Staatsanleihen in der Hoffnung auf Rettungspakete auf. Jetzt sind sie pleite. Die Banken schulden mehr Geld als sie haben. In der Tat schulden sie mehr Geld als das BIP des Landes. Der einzige Ort, an dem Zypern große Bargeldbeträge finden konnte, waren die persönlichen Sparkonten. Aus Angst, die Regierung würde ihr Geld holen, rannten die Zyprer zur Bank. Die Regierung erklärte einen Nationalfeiertag und schloss die Banken, sodass alle zum Bankautomaten vor der Bank liefen. Es gab Beschränkungen, wie viel Geld man abheben konnte, aber das hinderte die Menschen nicht daran, in langen Schlangen zu warten, um zu bekommen, was sie von ihrem Geld bekommen konnten.

Das obige Beispiel zeigt, dass die Bank aufgrund von Ausreißern im globalen Finanzökosystem an den Rand des Zusammenbruchs gerutscht ist, als die Ungeheuerlichkeit des Risikos den robusten Risikomanagement-Apparat der Bank überwältigte … Es ist ein schwarzes Schwan-Ereignis, ein auserlesenes Risikoverteilungsmodell das immer verwaltete Zufallsrisiko scheiterte ebenfalls und die Bank brach unter der Last der Ausfälle zusammen.

WIE IST DAS STATISTISCHE MODELL AUF DEN OPTIONSHANDEL ANGEWANDT?

Statistische Modelle wie die Normalverteilung des zentralen Grenzwertsatzes, die Standardabweichung usw. werden häufig auf Markt- oder Aktienrenditen angewandt, die zufällige Zeitreihen sind. Die Volatilität von Daten liefert sowohl den Risikocharakter als auch das Renditepotential eines Wertpapiers Risiko- und Renditeprofil von Portfolios erfolgreich.Ist diese Risikovorstellung ausreichend, obwohl sie notwendig ist? Nimmt man an, dass Risiko als identische Komponenten und daher vorhersagbar immer gültig sind? Ist ihre Wechselwirkung zwischen Komponenten nicht gegeben? Wird das Ganze einen anderen Charakter haben als die Komponenten? Werden die Komponenten zufällig und unabhängig sein, während das Ganze noch aufgebaut oder ein Kopplungsphänomen sein könnte?

Die statistische Analyse hilft, das Risiko zu messen. Finden Sie die Volatilität der Bestandteile und extrapolieren Sie sie für zukünftige Komponente rechts vom Diagramm. Und Sie kennen jetzt Ihr Risiko im Voraus. Der Prozess ignoriert Ausreißer. Schwarze Schwäne gemäß diesem Modell ist gerecht eine Einsicht, die dich nur vorsichtig macht, dich aber nicht davor bewahrt, ein Opfer zu sein.

GEMEINSAME VERWENDUNG VON STATISTIKEN IM VOLATILITY BASED STOCK TRADING

Wenn Sie eine gehebelte Position einnehmen, spekulieren Sie nicht nur über die Richtung des Marktes, Sie treffen auch eine Marktentscheidung und eine Position zur Volatilität. Sie begrenzen, wie weit der Markt gegen Sie gehen kann, bevor Sie aufgrund der Volatilität bailen müssen. Wenn sich der Preis um zwei Standardabweichungen in unsere Richtung bewegt, nehmen wir Gewinne mit und initiieren einen entgegengesetzten Handel. Wenn sich der Markt um eine Standardabweichung gegen uns bewegt, nehmen wir einen Verlust und leiten einen Handel in die entgegengesetzte Richtung ein. Unsere Strategie zielt darauf ab, unsere Gewinne und Verluste zu managen, um unsere Ziele zu erreichen … Das Ziel dieser Strategie ist, dass wir zwei Standardabweichungen machen, wenn wir gewinnen. Wenn wir verlieren, verlieren wir eine Standardabweichung. (Eine Standardabweichung ist ein statistisches Maß für die Preisbewegung oder Volatilität, und praktisch alle Charting-Programme bieten es an.) Dies ist das Prinzip von Handelssystemen basierend auf statistischen Eigenschaften von Zeitreihendaten und Konzepten von Standardabweichung oder Volatilität und Gewinnrand Wenn sich der Preis um zwei Standardabweichungen in unsere Richtung bewegt, nehmen wir Gewinne und initiieren einen gegenläufigen Handel. Wenn sich der Markt um eine Standardabweichung gegen uns bewegt, nehmen wir einen Verlust und leiten einen Handel in die entgegengesetzte Richtung ein. Unsere Strategie zielt darauf ab, unsere Gewinne und Verluste zu verwalten, um unsere Ziele zu erreichen. Der erste Münzwurf bringt uns einfach auf den Markt. Das Ziel dieser Strategie ist, dass wir zwei Standardabweichungen machen, wenn wir gewinnen. Wenn wir verlieren, verlieren wir eine Standardabweichung. (Eine Standardabweichung ist ein statistisches Maß für Preisbewegungen oder Volatilität, und praktisch alle Charting-Programme bieten dies an.)

Beispiele der Zufälligkeit

1. Jährliche Regenverteilung in einem Land über einen bestimmten Zeitraum.

2. Häufigkeitsverteilung von Verkehrsunfällen für Versicherungszwecke über einen bestimmten Zeitraum.

3.Frequenz oder monatliche Verteilung der TV-Verkäufe eines Unternehmens oder eines Händlers über ein Jahr.

4.Verteilung von Versicherungsansprüchen über einen bestimmten Zeitraum.

In allen obigen Beispielen sind die erzeugten Daten Zufallsvariablen mit geringer oder keiner Korrelation zu vorhergehenden oder nachfolgenden Daten. Sie stellen einfache Zeitreihen dar. Daher müssen sie angeordnet werden, um eine Ordnung oder ein Muster mit Konsistenz und Wiederholbarkeit hervorzubringen Sinn aus zufälligen Zeitreihen, die sich dann für die Prognosezwecke interpretieren lassen. Die Musterverteilung für den täglichen Verkauf von Geschäften unterscheidet sich nicht von der Verteilung der täglichen Renditen einer Aktie oder eines Index, da beide ähnliche Merkmale und Dynamiken aufweisen. Die Verteilung oder das Auftragsmuster gibt nicht nur Hinweise auf zukünftige Verkäufe oder Erträge, sondern zeigt auch signifikant die Höhe des Risikos und Auswirkungen der Lebensfähigkeit des Unternehmens, da sich dieses Muster voraussichtlich auch in Zukunft wiederholen wird. Zeitreihendaten oder Zufallsdaten sind unabhängig und heterogen, genau wie das Rollen von Würfeln. Diese Eigenschaft zufälliger Reihen heißt Ordnungsparameter oder Sequenzierungsverhalten von Daten.

GEMEINSAME RANDOM EVENTS

1.Rollen von Würfeln

2. Roulette spielen

3. Münze werfen

WAS IST ORDNUNG ODER STÖRUNG IN UNSEREM TÄGLICHEN LEBEN?

Stellen Sie sich große Geschäfte vor, wie zum Beispiel ein Einkaufszentrum, wo eine riesige Menge von Gegenständen per LKW angeliefert wird und die zufällig auf den Boden fallen und in einem Zustand der Unordnung landen. Anschließend werden diese Gegenstände in Gestellen nach einer bestimmten Strategie geordnet für den Speicher.Exactly ähnliche Art und Weise Zufallsdaten generiert werden können, um eine statistische Reihenfolge namens Bell Kurvenform angeordnet.Dies ist statistische Eigenschaft einer zufälligen Zeitreihe nach zentralen Grenzwertsatz.Wenn riesige Menge von Materialien in einem Geschäft, Ladenbesitzer geliefert werden dann gehen Sie los, um alles zu ordnen, um gute Haushaltung und effiziente Lenkbarkeit sicherzustellen. Dies wird erreicht, indem die Gesamtlieferung in homogene Komponenten aufgeteilt und jedes Mal in eine Art Reihenfolge oder Reihenfolge arrangiert wird. So werden Störungen im täglichen Geschäftsleben behandelt, um ein Gefühl für Rationalität, Konsistenz und Effizienz zu schaffen. Ein ähnlicher Ansatz ist in der Statistik verwendet, um ungeordnete und zufällige Datenreihen zu behandeln … Aus der Marktperspektive, die hier relevanter ist, nehmen die Renditen der Aktien die Form einer Glockenkurve über einen Zeitraum an, und diese zentrale Tendenz tendiert dazu, sich zu wiederholen.Die Standardabweichung der Kurve gibt die Volatilität an der Bestand, der das damit verbundene Risiko beinhaltet. Und Mittelwert steht für die erwartete Rendite. In der Tat eignen sich statistische Methoden für eine Vielzahl von wertvollen Daten Interpretation in Bezug auf Risiko und Ertrag in der Zukunft und nimmt den vorherrschenden Platz in Finanzen und Business.Risk ist im Voraus quantifiziert und kontrolliert und es hört auf zu überraschen und Händler dann.Risk mit statistischer Behandlung von Daten kann erfolgreich verwendet werden, um zu antizipieren, planen und kontrollieren, was sonst als Risikomanagement bekannt ist.

WARUM WIRD DAS VERTEILUNGSMODELL IN ZUKUNFT WIEDERHOLT?

Die Annahme der Wiederholung von Mustern wie Normalverteilung, auch Standardabweichung genannt, für Renditen einer Aktie oder eines Index und Volatilität basiert auf dem zentralen Grenzwertsatz und Potenzgesetz. Der zentrale Grenzwertsatz wurde ursprünglich für typische Zufallsereignisse wie Münzwurf oder Münzwurf konzipiert Rollen von Würfeln. Es gibt Gründe hinter der Anwendung von Prinzipien auf eine Zeitreihe zufälliger Daten wie tägliche Renditen der Aktie oder Index. Um es einfach zu machen, ist es möglich, tägliche Renditen einer Aktie über eine Woche als fünf Gesichter eines Würfels vorzustellen. Mit anderen Worten, wir rollen hier einen Würfel mit fünf Gesichtern mit verschiedenen Zahlen, die auf seinen fünf Gesichtern gesichtet sind. Nun, vom ersten Prinzip an gilt die zentrale Grenze für Aktienrenditen und damit verbundene Schlussfolgerungen des Theorems.

CAVEAT-EMPTOR

Allerdings haben die statistischen Modelle basierend auf Zufälligkeit, obwohl handlich und narrensicher und finden breite Anwendung in Option Preisgestaltung und Optionshandel hat auch ernsthafte Fallstricke .Bell Kurven haben selten sehende finster Schwester namens BLACK SWANS.Some Times neigen sie dazu, häufig erscheinen. Sie sind allgemein bekannt wie fette Schwänze, lange Schwänze oder Ausreißer und Sprüche für Trader. Random-Systeme und Normalverteilung scheitern ebenfalls. Eine Gans, die auch goldene Eier legt, stirbt letztendlich. Statistische Höhenwege mit Scheinwerfern und Straßenmarkierungen haben auch Rätsel, die zu keiner Stelle oder Sackgasse führen.


PERSPEKTIVE MIT BLACK SWANS BEHALTEN

Black Swans sind nicht selten, aber gemeinsame Realität.Sie ​​neigen dazu, mehr als Wahrscheinlichkeitsvorhersagen von Black Sholes.Well Gaussian Kurve ist nicht genau Falschheit, sondern sollte mit Vorsicht gehandelt werden.Fat Schwänze, wenn nicht berücksichtigt, kann den Rand zu zerstören.Viele Menschen neigen dazu Spielen Sie, weil sie entweder schwarzen Schwan nicht glauben oder unterschätzen. Erinnern Sie sich an Ranbaxy, das einmal in einigen Tagen von über 20% oder so tanked wurde …

ORGANISATIONEN DER SCHWARZEN SCHWÄNE

Organisation oder Vorkommen von schwarzen Schwanenereignissen sind anders als kleinere Geschwister. Kleinere Geschwister sind heterogen und unabhängig. Aber schwarze Schwanenereignisse sind das Produkt eines langen Aufbauprozesses oder einer Kopplung, die mit einem statistischen Risikomodell nicht vorhergesagt werden kann. Diese Verzweigungen führen dazu, dass Ingenieure, Praktiker und Studenten aufgrund der allgegenwärtigen Tendenz, neues Verhalten von früheren zu extrapolieren, überrascht sind. Solche Schlüsse sind bei Phasenübergängen grundsätzlich falsch, da sich die neue kollektive Organisation im Allgemeinen völlig von der vorherigen unterscheidet. Es wird auch fälschlicherweise als unzusammenhängend betrachtet. Es braucht ein anderes Modell und eine andere Hypothese, um verstanden zu werden. Über dem Konzept kann man besser verstehen, wenn man parallel zu Erdbeben schaut.

Gutenberg-Richter-Gesetz und charakteristische Erdbeben.

Wie oben erwähnt, können Erdbeben als Relaxationsereignisse von gekoppelten heterogenen Fehlern betrachtet werden, wobei jeder Fehler als ein Schwellwertoszillator der Entspannung unter dem Einfluss einer insgesamt langsamen tektonischen Belastung wirkt

: Verteilung der Erdbeben Magnituden … Die charakteristischen Erdbeben würden mit den Clustern, die sichtbar OUTLIERS in der obigen Tabelle sind zugeordnet werden. Extrapolation funktioniert im Extremfall eindeutig nicht.

COEXISTANCE ZUFÄLLIGER UND POSITIVER FEED BACK SYSTEME

Tendenz der mittleren Umkehrung, Umkehrung der überkauften oder überverkauften Bedingungen. Zyklisches Verhalten oder Kanalisierung von Aktien sind konsistent mit dem Gesetz der Mittelwerte oder dem Prinzip der linearen Regression usw. Die Extrapolation des Verhaltens zufälliger Komponenten ist gültig, um das Verhalten des Ganzen vorherzusagen zufällige Komponenten entwickeln sich zu einer Trend- oder mehrwöchigen Rallye bei Ausbrüchen, wenn die Volatilität tendenziell sehr hoch ist. Überkauft oder überverkauft Zustand verlängert werden, so tut der Preis. Preis Kerzen neigen dazu, Seiten des Bollinger-Band oder Standardabweichung Kanal zu markieren. Dies ist Kombinationsstufe, wo Extrapolation nicht wirklich funktioniert.

Nehmen wir ein Beispiel. Der zukünftige Preis hängt davon ab, was in der Vergangenheit passiert ist und hängt auch davon ab, welche Nachrichten in der Zukunft auftreten. Je nach Wahlergebnis könnte sich der Markt nach oben oder unten bewegt haben. Dies ist Unsicherheitselement und ist nicht im Chart enthalten ist, weil vergangenes Preisverhalten nicht nützlich ist, um das Ergebnis der Wahl vorherzusagen. So wird vergangenes Preisverhalten nicht vorhersagen, was mit dem Markt passiert, wenn Wahlergebnisse bekannt gegeben werden …

Immer wenn es wenig oder keine Nachrichten gibt, können sich die Märkte immer noch beträchtlich bewegen. Viele Marktbewegungen in Abwesenheit dieser charakteristischen Binomialereignisse haben sich wiederholende Muster, die meistens ausgenutzt werden können. Wenn es keine wichtigen Nachrichten gibt und es viele Spekulationen über die Zukunft gibt Nachrichten, Vergangenheit funktioniert am besten in diesen Szenarien.

FAZIT

Börsencrashs sind bedeutsame finanzielle Ereignisse, die Akademiker und Praktiker gleichermaßen faszinieren. Laut der Standard-Lehrmeinung des akademischen Lehrbuchs, dass Märkte effizient sind, kann nur die Offenbarung einer dramatischen Information einen Absturz verursachen, doch in Wirklichkeit sind selbst die gründlichsten Post-Mortem-Analysen typischerweise nicht schlüssig, was diese Information gewesen sein könnte . Für Händler und Investoren ist die Angst vor einem Crash eine ständige Quelle von Stress, und der Beginn der Veranstaltung selbst ruiniert immer das Leben einiger von ihnen. Die meisten Ansätze zur Erklärung von Abstürzen suchen nach möglichen Mechanismen oder Effekten, die in sehr kurzen Zeitskalen (Stunden, Tage oder Wochen) arbeiten. Andere Forscher haben vorgeschlagen, dass Marktcrashs endogene Ursachen haben könnten. Verbunden mit diesen Fragen ist das Problem zu bestimmen, ob es in den statistischen Eigenschaften von Zeitreihen von Kursrückgängen, die Abstürze und allgemein große Verluste geben, andere qualifizierende Signaturen gibt als im Rest der Bevölkerung? . Finanzmärkte sind eines von vielen anderen Systemen, die eine komplexe Organisation und Dynamik mit ähnlichem Verhalten aufweisen. Aktienmärkte sind sowohl effizient als auch unberechenbar. Die wichtigsten Konzepte, die benötigt werden, um Aktienmärkte zu verstehen, sind Imitation, Herdenhaltung, selbstorganisierte Kooperativität und positive Rückkopplungen, die zur Entwicklung endogener Instabilitäten führen. Nach dieser Theorie sind lokale Effekte wie Zinsen, neue Steuergesetze, neue Regulierungen usw., die als Ursache für den Ausbruch einer bestimmten Blase, die zu einem Absturz führt, angeführt werden, nur einer der auslösenden Faktoren, aber nicht die fundamentale Ursache der Blase zusammenbrechen. Es wird vorgeschlagen, dass der wahre Ursprung einer Blase und ihres Zusammenbruchs im nicht nachhaltigen Tempo des Aktienmarktwachstums liegt, das auf einer sich selbst verstärkenden überoptimistischen Erwartung beruht. Wenn sich eine spekulative Blase entwickelt, wird sie immer instabiler und sehr anfällig.