Utilisation des chaînes Markov pour aider à extraire les bénéfices de DPZ, AKAM et DOCU

Share on facebook
Share on twitter
Share on linkedin
Share on email
Achetez le bouton Entrée par Ardasavasciogullari via istock
Achetez le bouton Entrée par Ardasavasciogullari via istock

Bien que l’utilisation des chaînes de Markov – un cadre statistique pour déchiffrer la probabilité d’un événement qui passe à un autre – en finance n’est pas un concept nouveau, il n’est pas déployé efficacement. Dans mes recherches, j’ai rencontré deux articles analysant les principes markoviens en bourse: «Analyse boursière avec une approche Markovienne» par le Kth Royal Institute of Technology et «Prévision des cours des actions à l’aide de chaînes de Markov: preuves de la Bourse irakienne» par l’Université de Sumer.

Conceptuellement, les deux articles tentent de déchiffrer l’utilité des chaînes de Markov pour prédire les trajectoires futures du marché, ce qui devrait donner des résultats convaincants. Après tout, le concept provenait du mathématicien russe Andrey Markov, l’un des esprits scientifiques et des leaders d’opinion les plus brillants. Malheureusement, les chercheurs des établissements universitaires susmentionnés ont été extraits négligeables aux métriques de performance marginales par rapport à un tirage au sort – alors, que diable se passe ici?

Fondamentalement, le problème se concentre sur le déploiement par les chercheurs d’une chaîne de Markov «littérale» – une unité unique dans le passé pour déterminer une unité à l’avenir. Pour être juste, KTH a mené une étude mettant en vedette deux unités dans le passé, mais le même problème s’applique – l’analyse ne capturerait qu’une action de prix isolée sans tenir compte du contexte sous-jacent ou du régime de sentiment.

En bref, la contribution des documents académiques est de nature gaussienne; Par conséquent, nous ne devrions pas être surpris si la sortie est également gaussienne. Afin de générer un véritable cadre Markovien, l’entrée doit également être Markovien.

Pour réaliser un cadre approprié, il est essentiel d’appliquer l’esprit de la loi plutôt que la lettre de la loi. Ma solution est de discrétiser les 10 dernières semaines d’action des prix et de séparer les profils en états comportementaux distincts et discrets. De cette façon, nous ne capturons pas seulement l’action des prix isolés mais des comportements soutenus – des comportements qui peuvent mieux prédire les résultats basés sur la dynamique situationnelle sous-jacente.

En utilisant des chaînes Markov modifiées optimisées pour le marché boursier, ci-dessous trois idées statistiquement convaincantes à considérer cette semaine.

Alors que les actions de Domino’s Pizza (DPZ) ont augmenté de près de 8% jusqu’à présent cette année, ils ont baissé de près de 3% au cours du mois de fuite. Au cours des deux derniers mois, l’action des prix de l’action DPZ peut être convertie en tant que séquence «3-7-D»: trois semaines en hausse, sept semaines en baisse, avec une trajectoire négative sur la période de 10 semaines.

(TagStotranslate) Markov Chains (T) DPZ Stock (T) Marché boursier (T) Action des prix (T) Andrey Markov (T) Kth Royal Institute of Technology (T) Metrics de performance

À suivre