Prognozowanie rynku akcji jest trudne! Czy TCS może uczynić ten sentyment bardziej formalnym?
Ostatnio zacząłem trochę myśleć o finansach i zastanawiałem się, w jaki sposób wiedza TCS może pomóc. Fundusze hedgingowe i firmy inwestycyjne wydają się cały czas korzystać z handlu algorytmicznego, uczenia maszynowego i sztucznej inteligencji, ale wyniki TCS wydają się nieliczne. W szczególności znam tylko dwa artykuły:
Sanjeev Arora, Boaz Barak, Markus Brunnermeier i Rong Ge, Złożoność obliczeniowa i asymetria informacji w produktach finansowych , 2009.
Philip Z. Maymin, Rynki są skuteczne wtedy i tylko wtedy, gdy P = NP , 2011.
Pierwszy artykuł pokazuje, że pochodne mogą zwiększyć koszt asymetrii informacyjnej (zamiast pożądanego celu jej zmniejszenia) dla czynników ograniczonych obliczeniowo. Drugi artykuł kwestionuje powszechne przekonanie o wydajnych rynkach, pokazując, że efektywność rynku można wykorzystać do rozwiązania problemów trudnych dla NP.
Czy są jakieś książki / ankiety lub artykuły z seminarium na temat powiązanych pomysłów? Zwłaszcza rzeczy związane z trudnością przewidywania lub zbliżania rynków lub optymalnego handlu (lub bliskiego optymalnego) na takich rynkach?
Nieco bardziej meta pytanie: dlaczego wydaje się, że jest na ten temat absurd dokumentów? Czy nie ma zainteresowania, czy też wszystkie zainteresowane strony stają się kwantami ukrytymi za umowami o niepublikowaniu?
Powiązane pytanie
Soczewka algorytmiczna w naukach społecznych
Jaka jest klasyfikacja złożoności teorii portfela w ekonomii finansowej?
źródło
Odpowiedzi:
Pytanie, które zaczynasz, dotyczy przewidywania rynku akcji, ale wydaje się, że masz szersze obawy. Spróbuję rozwiązać twoje meta-pytanie; z góry przepraszam za moje szerokie uogólnienia.
O ile mogę powiedzieć, informatyka akademicka jest daleka od faktycznych obaw funduszy hedgingowych i ludzi, którzy próbują modelować i przewidywać rynki.
Obecne obszary tematyczne w algorytmicznej teorii gier nie są oczywiście istotne dla praktyków finansów. W szczególności wyniki najgorszych przypadków nie są wcale postrzegane jako przydatne, a średnia analiza przypadków oparta na sztucznych rozkładach wydaje się również w dużej mierze nieistotna. Jednak jedynym sposobem na uzyskanie informacji o rzeczywistych dystrybucjach wydaje się być faktyczne zaangażowanie się w rynek, aktualizacja informacji przy użyciu różnych technik uczenia się. Tworzy to niechlujne modele, które zmieniają się dynamicznie i nie podlegają większości typów analiz.
Jako przykład skoncentrowano się w finansach na zrozumieniu mikrostruktury transakcji . Mikrostruktura rynku jest wyłaniającą się właściwością określonych mechanizmów rynkowych niskiego poziomu, takich jak częstotliwość dopasowywania transakcji oczekujących, jakie zdaniem handlowców informacje istnieją w księdze zamówień, techniki stosowane do zaciemniania tych informacji, mechanizmy wycofywania na miejscu, ustalenia umowne dotyczące rozliczania transakcji, opóźnienia sieci w otrzymywaniu aktualizacji na temat aktualnego stanu księgi zamówień i wiele innych czynników. Mikrostruktura rynkowa to wysoce refleksyjny system, więc czyste modele typowe dla TCS wydają się poza zasięgiem.
Społeczność zajmująca się projektowaniem rynku próbuje zmierzyć się z takimi pytaniami (na przykład Huang i Stoll oraz najnowszy artykuł Kirilenko i wsp. Na temat awarii flash ), ale wydaje się, że nie mają zbyt dużej interakcji z TCS.
Finanse stają się coraz bardziej złożone, ponieważ IT przenikało rynki. Oznacza to, że większość rynków składa się obecnie z wielu powiązanych ze sobą systemów, których osobne modelowanie może nie być możliwe. Ponadto, ponieważ rynki zbliżają się do ciągłego handlu, nie jestem pewien, czy soczewka obliczeniowa TCS jest obecnie tak przydatna w finansach; teoria sterowania, modele graficzne, dynamika płynów i wiele innych dziedzin matematyki stosowanej wydają się bardziej bezpośrednio przydatne.
Metody TCS mogą być przydatne, ale trzeba poświęcić wysiłek, aby zrozumieć, co dzieje się w finansach, aby znaleźć miejsce na zastosowanie dźwigni i zdobyć odpowiedni zestaw narzędzi matematycznych. Osobiście chciałbym zobaczyć więcej prac w stylu Arora / Barak / Brunnermeier / Ge, które zajmują się głębokimi pytaniami. Na przykład, czy zwiększenie stopnia swobody systemów finansowych prowadzi do dobrych wyników dla użytkowników tych systemów? Czy też zwiększanie złożoności służy głównie pośrednikom w tworzeniu asymetrycznych gier o zerowej sumie przeciwko użytkownikom? Prawdopodobnie istnieje zgrabny argument oparty na złożoności, który czeka na odkrycie ...
Krótko mówiąc: nie widziałeś zbyt wielu badań dotyczących TCS / finansów, ponieważ trudno jest zastosować TCS do finansowania.
źródło
Wydaje mi się, że właśnie tego podpoddziału Algorytmicznej teorii gier jest to, czego szukasz. Zobacz internetową wersję najnowszej książki na ten temat autorstwa N. Nisana (który tutaj odwiedza!), T. Roughgarden, E. Tardos i V. Vazirani. Szczególnie interesujące mogą być następujące rozdziały:
[5] Algorytmy kombinatoryczne dla równowagi rynkowej (autor: Vijay V. Vazirani)
[6] Obliczanie równowagi rynkowej przez programowanie wypukłe (Bruno Codenotti i Kasturi Varadarajan)
[17] Wprowadzenie do nieefektywności równowagi (Tim Roughgarden i Eva Tardos)
[26] Obliczeniowe aspekty rynków predykcyjnych (David M. Pennock i Rahul Sami)
źródło
Z SSRN dwa artykuły dotyczące złożoności optymalizacji portfela:
Walter Murray, Howard Howan Stephen Shek, Lokalna metoda relaksacyjna dla problemu ograniczonej kardynalności Optymalizacja portfela , 15 października 2011 r.
Marcos Lopez de Prado, Multi-Period Integer Portfolio Optimization using a Quantum Annealer , 6 października 2015 r.
Z arXiv:
Dan A. Iancu, Marek Petrik, Dharmashankar Subramanian, Ciasne aproksymacje dynamicznych miar ryzyka , arXiv: 1106.6102.
Raphael Hauser, Vijay Krishnamurthy, Reha Tütüncü, Relative Solidust Optimization Portfolio , arXiv: 1305.0144.
źródło
Jeśli zapasy są modelowane jako zmienne losowe, takie jak geometryczne ruchy Browna, to przewidywanie staje się problemem statystów, jak sądzę.
Ale jest też psychologia rynku. Dziedzina znana jako analiza techniczna polega na próbie ekstrapolacji z wcześniejszych cen. Jak trudne to może być - jak trudne jest rozpoznanie odpowiednich wzorców, jeśli takie istnieją?
Opcja Gra Złożoność zaprasza do sprawdzenia swych sił w rozpoznawaniu wzorców ruchów giełdowych i zarabiają, kiedy się pojawi, z wypłat w wysokości do $ 11 dolarów wyimaginowanych internetowych i publicznych wysokiej tabeli najlepszych wyników. Jest też dokument towarzyszący z pewnymi wstępnymi wynikami.
źródło