پیشبینی ریسک یکی از موضوعات مهمی است که توجه بسیاری از دانشگاهها و صنایع را به خود جلب میکند. و نوسان-ارزش مطلق تغییر قیمت, یکی از شاخص های خطر است. در این مقاله به رابطه بین نوسانات و حجم سفارش می پردازیم. بر اساس مشاهداتی که قیمت با تغییر حجم سفارش حرکت می کند می توان پیش بینی نوسانات قیمت را به پیش بینی حجم سفارش تبدیل کرد. مدل سازی رفتار معامله گر-قرار دادن سفارش و لغو سفارش, ما پیشنهاد می کنیم یک مدل پیش بینی نوسانات مبتنی بر سفارش. و مدل ما بهتر از خط پایه در مجموعه داده های اوک کوین و بیت کوین عمل می کند.
نقل قول: شی اف, سان ایکس س, گاو جی, وانگ ز, شن اچ دبلیو, چنگ ایکس س (2021) پیش بینی نوسانات در بازار مالی مبتنی بر سفارش. پلاس یک 16 (11): الکترونیکی0259598. https://doi. org/10.1371/journal. pone.0259598
تدوینگر: جی ژانگ, دانشگاه نیوکاسل, انگلستان
دریافت شده: 14 جولای 2021; پذیرفته شده: 21 اکتبر 2021; منتشر شده: 18 نوامبر 2021
کپی رایت: © 2021 شیعه و همکاران. این یک مقاله دسترسی باز است که تحت شرایط مجوز انتساب کریتیو کامنز توزیع شده است که اجازه استفاده بدون محدودیت و توزیع و تولید مثل در هر رسانه ای را می دهد به شرطی که نویسنده و منبع اصلی اعتبار داده شود.
بودجه: این کار توسط بنیاد ملی علوم طبیعی چین تحت شماره کمک مالی 91746301, 61802370. سرمایه گذاران هیچ نقشی در طراحی مطالعه بود, مجموعه داده ها و تجزیه و تحلیل, تصمیم به انتشار, و یا تهیه مقاله.
منافع رقابتی: نویسندگان اعلام کرده اند که هیچ منافع رقابتی وجود ندارد.
مقدمه
پیشبینی ریسک یکی از موضوعات مهمی است که توجه بسیاری از دانشگاهها و صنایع را به خود جلب میکند. این عنصر کلیدی برای تصمیم گیری مالی است و نقش فزاینده ای در بازار مالی دارد. نوسان-ارزش مطلق تغییر قیمت, که یکی از شاخص های خطر است. در این مقاله به پیش بینی نوسانات می پردازیم.
در امور مالی, روش های سنتی اعمال شده برای پیش بینی بازار شامل تجزیه و تحلیل بنیادی و تجزیه و تحلیل فنی. تجزیه و تحلیل بنیادی شامل ارزیابی ارزش سهام شرکت بر اساس تجزیه و تحلیل عوامل اقتصادی و مالی مرتبط است [1]. محققان بنیادی همه چیزهایی را که می توانند بر ارزش امنیت تاثیر بگذارند از عوامل اقتصاد خرد مانند اثربخشی مدیریت شرکت گرفته تا عوامل اقتصاد کلان مانند وضعیت اقتصاد و شرایط صنعت مطالعه می کنند. تحلیل تکنیکال برخلاف تحلیل بنیادی یک روش تحلیل برای پیشبینی جهت قیمتها با تحلیل روندهای جمع شده از فعالیتهای تجاری مانند حرکت قیمت و حجم است. این در الگوهای حرکات قیمت تمرکز, سیگنال های معاملاتی, و دیگر ابزارهای مختلف نمودار تحلیلی برای ارزیابی قدرت امنیت و یا ضعف.
مدلهای سری زمانی مالی بیان شده توسط نظریههای مالی روشهای پیشبینی کلاسیک را فراهم کردهاند. برای سری زمانی ثابت, جشن میلاد عیسی مسیح [2] پیشنهاد مدل اتورگرسیو(علیرضا) که فرض می کند که حالت فعلی خطی به حالت قبلی است. به طور مشابه, واکر [3] پیشنهاد مدل میانگین متحرک (کارشناسی ارشد). تفاوت در این است که کارشناسی ارشد مربوط به واریانس. مدل میانگین متحرک رگرسیون اتوماتیک یک مدل ترکیبی است که ترکیبی از مزایای علیرضا و کارشناسی ارشد است. در مورد سری زمانی غیر ساکن, مدل هتروسداستیسیته شرطی خود رگرسیو (قوس) اتخاذ شده توسط انگل [4] معمولا استفاده می شود که مشکل ناشی از این فرضیه را حل می کند که واریانس ثابت است. در قوس, واریانس بی قید و شرط مدل یک ثابت است, اما واریانس شرطی با گذشت زمان تغییر می کند. بعلاوه, راه های بسیاری برای بهبود وجود دارد [5-7], مانند مدل هتروسداستیسیته شرطی خود رگرسیون تعمیم یافته(گارچ) [8], مدل هتروسداستیسیته شرطی خود رگرسیون قدرت نامتقارن(9].
در سال های اخیر با توسعه هوش مصنوعی بسیاری از محققان روش های یادگیری ماشین به زمینه مالی اعمال می شود [10-20] از جمله الگوریتم ژنتیک پیچشی شبکه عصبی و ماشین بردار پشتیبانی. حماد [21] دریافت که شبکه عصبی مصنوعی در مقایسه با روشهای تحلیل اقتصادسنجی از توانایی پیش بینی قوی و دقت بالایی برخوردار است. علاوه بر این, محققان تلاش برای ادغام شبکه های عصبی مصنوعی, در حال حرکت مدل اتورگرسیو متوسط, مدل انتروپی حداکثر, الگوریتم های بهینه سازی ازدحام ذرات, و الگوریتم های ژنتیک به یک مدل مخلوط [22-26]. حسن [27] ترکیب مدل پنهان مارکوف, شبکه های عصبی مصنوعی, و الگوریتم های ژنتیک برای پیش بینی قیمت سه سهام. نتایج نشان می دهد که روش های خود را به طور قابل توجهی بیش از مدل های دیگر در دقت بهبود یافته است.
اما این مدل ها رابطه بین نظم و قیمت را نادیده می گیرند. مطالعات زیادی وجود دارد که در نظریه به این موضوع مربوط می شود [28-36]. شیعه [37] یافت تغییر قیمت معکوس حجم بهترین بپرسید و بهترین پیشنهاد است. یورا [38] دریافت که تغییر قیمت بخشی از تغییر سفارش بین سفارشات درخواست و سفارشات پیشنهاد است. همه از این نشان می دهد که منظور کلیدی برای پیش بینی نوسانات است که نمی توان نادیده گرفت. در این مقاله به پیش بینی نوسانات با استفاده از داده های کتاب سفارش می پردازیم. در می یابیم که حجم سفارش را تغییر دهید زمانی که قیمت نقل مکان کرد. بر اساس این مشاهدات می توان پیش بینی تغییر قیمت را به پیش بینی حجم سفارش تبدیل کرد. مدل سازی قرار دادن رفتار سفارش معامله گر و لغو سفارش, ما انجام یک مدل پیش بینی نوسانات مبتنی بر سفارش. نتایج تجربی ما نشان می دهد که مدل پیشنهادی از سایر روش ها در مجموعه داده های اوک کوین و بیت کوین بهتر عمل می کند.
