Tiempo intrínseco de cambio de dirección

El tiempo intrínseco de cambio de dirección es un operador basado en eventos para diseccionar una serie de datos en una secuencia de tendencias alternas de tamaño definido . ${\displaystyle \delta }$

Figura 1: Curva de precios de un mercado financiero (gris) diseccionada por un conjunto de cambios de dirección (cuadrados grises). El tamaño del umbral del operador se muestra en el centro de la figura. Los extremos locales están marcados con círculos grises. La línea de tiempo contiene intervalos de igual longitud en tiempo físico y la longitud de los intervalos en función del operador de cambio de dirección.

El operador de tiempo intrínseco de cambio de dirección fue desarrollado para el análisis de series de datos del mercado financiero. Es una metodología alternativa al concepto de tiempo continuo. ^[1] El operador de tiempo intrínseco de cambio de dirección disecciona una serie de datos en un conjunto de subidas y bajadas o tendencias ascendentes y descendentes que se alternan entre sí. Una tendencia establecida llega a su fin tan pronto como se observa una reversión de la tendencia. Un movimiento de precios que extiende una tendencia se denomina sobreimpulso y conduce a nuevos extremos de precios.

La figura 1 proporciona un ejemplo de una curva de precios diseccionada por el operador de tiempo intrínseco de cambio direccional.

La frecuencia de los eventos intrínsecos de cambio de dirección representa (1) la volatilidad de los cambios de precio condicionados a (2) el umbral seleccionado . La naturaleza estocástica del proceso subyacente se refleja en la cantidad desigual de eventos intrínsecos observados durante períodos iguales de tiempo físico. ${\displaystyle \delta }$

El operador de tiempo intrínseco de cambio de dirección es una técnica de filtrado de ruido . Identifica cambios de régimen cuando se producen cambios de tendencia de un tamaño particular y oculta fluctuaciones de precios que son menores que el umbral . ${\displaystyle \delta }$

Solicitud

El operador de tiempo intrínseco de cambio de dirección se utilizó para analizar datos de alta frecuencia del mercado de divisas y ha llevado al descubrimiento de un gran conjunto de leyes de escala que no se habían observado anteriormente. ^[2] Las leyes de escala identifican propiedades de la serie de datos subyacente, como el tamaño del sobreimpulso de precio esperado después de un evento de tiempo intrínseco o el número de cambios de dirección esperados dentro de un intervalo de tiempo físico o umbral de precio. Por ejemplo, un escalamiento que relaciona el número esperado de cambios de dirección observados durante el período fijo con el tamaño del umbral : ${\displaystyle N(\delta )}$ ${\displaystyle \delta }$

${\displaystyle N(\delta )=\left({\frac {\delta }{C_{N,DC}}}\right)^{E_{N,DC}}}$,

donde y son los coeficientes de la ley de escala . ^[3] ${\displaystyle C_{N,DC}}$ ${\displaystyle E_{N,DC}}$

Otras aplicaciones del tiempo intrínseco de cambio de dirección en finanzas incluyen:

• Estrategia comercial caracterizada por un ratio de Sharpe anual de 3,04 ^[4]
• herramientas diseñadas para monitorear la liquidez en múltiples escalas de tendencia. ^[5]

La metodología también puede utilizarse para aplicaciones que van más allá de la economía y las finanzas. Puede aplicarse a otros dominios científicos y abre una nueva vía de investigación en el área de Big Data .

Referencias

• El texto de este borrador fue copiado de Petrov, Vladimir; Golub, Anton; Olsen, Richard (2019). "Estacionalidad de la volatilidad instantánea de los mercados de alta frecuencia en el tiempo intrínseco de cambio direccional". Journal of Risk and Financial Management . 12 (2): 54. doi : 10.3390/jrfm12020054 . hdl : 10419/239003 ., que está disponible bajo una licencia Creative Commons Atribución 4.0 Internacional.

1. Guillaume, Dominique M.; Dacorogna, Michel M.; Davé, Rakhal R.; Müller, Ulrich A.; Olsen, Richard B.; Pictet, Olivier V. (1997-04-01). "Del ojo de pájaro al microscopio: un estudio de nuevos hechos estilizados de los mercados de divisas intradiarios". Finanzas y estocásticos . 1 (2): 95–129. doi : 10.1007/s007800050018 . ISSN  0949-2984.
2. Glattfelder, JB; Dupuis, A.; Olsen, RB (1 de abril de 2011). "Patrones en datos de divisas de alta frecuencia: descubrimiento de 12 leyes de escalamiento empírico". Finanzas cuantitativas . 11 (4): 599–614. arXiv : 0809.1040 . doi :10.1080/14697688.2010.481632. ISSN  1469-7688. S2CID  154979612.
3. Guillaume, Dominique M.; Dacorogna, Michel M.; Davé, Rakhal R.; Müller, Ulrich A.; Olsen, Richard B.; Pictet, Olivier V. (1997-04-01). "Del ojo de pájaro al microscopio: un estudio de nuevos hechos estilizados de los mercados de divisas intradiarios". Finanzas y estocásticos . 1 (2): 95–129. doi : 10.1007/s007800050018 . ISSN  0949-2984.
4. Golub, Anton; Glattfelder, James B.; Olsen, Richard B. (febrero de 2018). "El motor Alpha: diseño de un algoritmo de negociación automatizado". En Dempster, MAH; Kanniainen, Juho; Keane, John; Vynckier, Erik (eds.). Computación de alto rendimiento en finanzas . Chapman y Hall/CRC. págs. 49–76. doi :10.1201/9781315372006-3. ISBN 9781315372006.SSRN2951348  .​
5. Golub, Anton; Chliamovitch, Gregor; Dupuis, Alexandre; Chopard, Bastien (1 de enero de 2016). "Representación multiescala de la liquidez del mercado de alta frecuencia". Finanzas algorítmicas . 5 (1–2): 3–19. arXiv : 1402.2198 . doi : 10.3233/AF-160054 . ISSN  2158-5571.