Memprediksi pasar saham itu sulit! Bisakah TCS menjadikan sentimen ini lebih formal?
Baru-baru ini saya mulai berpikir sedikit tentang keuangan, dan bertanya-tanya bagaimana pengetahuan tentang TCS dapat membantu. Hedge fund dan perusahaan investasi tampaknya menggunakan perdagangan algoritmik, pembelajaran mesin, dan AI sepanjang waktu, tetapi hasil TCS tampaknya sedikit. Secara khusus, saya hanya tahu dua makalah:
Sanjeev Arora, Boaz Barak, Markus Brunnermeier, dan Rong Ge, Kompleksitas Komputasi dan Asimetri Informasi dalam Produk Keuangan , 2009.
Philip Z. Maymin, Pasar efisien jika dan hanya jika P = NP , 2011.
Makalah pertama menunjukkan bahwa turunan dapat memperkuat biaya asimetri informasi (bukan tujuan yang diinginkan untuk menguranginya) untuk agen yang terikat secara komputasi. Makalah kedua menantang kepercayaan populer pasar yang efisien dengan menunjukkan bahwa efisiensi pasar dapat digunakan untuk memecahkan masalah NP-hard.
Apakah ada buku / survei atau makalah tentang ide-ide terkait? Terutama hal-hal yang berkaitan dengan kesulitan memprediksi atau memperkirakan pasar atau berdagang secara optimal (atau mendekati secara optimal) di pasar tersebut?
Sebuah pertanyaan yang sedikit lebih meta: mengapa tampaknya tidak ada makalah tentang ini? Apakah tidak ada minat, atau apakah semua pihak yang berkepentingan menjadi pertanyaan yang tersembunyi di balik perjanjian tidak ada publikasi?
Pertanyaan terkait
Lensa algoritmik dalam ilmu sosial
Apa Klasifikasi Kompleksitas Teori Portofolio dalam Ekonomi Keuangan?
sumber
Jawaban:
Pertanyaan yang Anda mulai berkaitan dengan memprediksi pasar saham, tetapi Anda tampaknya memiliki kekhawatiran yang lebih luas. Saya akan berusaha mengatasi meta-pertanyaan Anda; permintaan maaf sebelumnya untuk generalisasi saya.
Sejauh yang saya tahu, ilmu komputer akademis jauh dari keprihatinan sebenarnya dari dana lindung nilai dan orang-orang yang mencoba membuat model dan memprediksi pasar.
Area fokus saat ini dalam teori permainan algoritmik jelas tidak relevan untuk praktisi keuangan. Secara khusus, hasil kasus terburuk tidak dilihat berguna sama sekali, dan analisis kasus rata-rata berdasarkan distribusi buatan tampaknya sebagian besar juga tidak relevan. Namun satu-satunya cara untuk mendapatkan informasi tentang distribusi nyata adalah dengan benar-benar terlibat dalam pasar, memperbarui informasi seseorang menggunakan berbagai teknik pembelajaran. Ini menciptakan model-model berantakan yang berubah secara dinamis dan tidak dapat menerima sebagian besar jenis analisis.
Sebagai contoh, telah ada fokus dalam keuangan pada pemahaman struktur mikro perdagangan . Mikrostruktur pasar adalah properti yang muncul dari mekanisme pasar tingkat rendah spesifik yang ada, seperti seberapa sering perdagangan yang tertunda dicocokkan, informasi yang diyakini pedagang ada dalam buku pesanan, teknik yang digunakan untuk mengaburkan informasi itu, mekanisme roll-back di tempatnya, pengaturan kontrak yang berkaitan dengan penyelesaian perdagangan, latensi jaringan dalam menerima pembaruan tentang keadaan terkini dari buku pesanan, dan banyak faktor lainnya. Pasar mikro adalah sistem yang sangat refleksif, sehingga model bersih khas TCS tampaknya tidak terjangkau.
Komunitas desain pasar sedang mencoba untuk menangani pertanyaan-pertanyaan seperti ini (misalnya, lihat Huang dan Stoll dan makalah Kirilenko et al. Baru-baru ini mengenai flash crash ), tetapi mereka tampaknya tidak memiliki banyak interaksi dengan TCS.
Keuangan menjadi semakin kompleks karena TI telah merambah pasar. Ini berarti bahwa sebagian besar pasar sekarang terdiri dari beberapa sistem yang saling terkait yang mungkin tidak dapat dibuat modelnya secara terpisah. Selain itu, ketika pasar bergerak lebih dekat ke perdagangan berkelanjutan, saya tidak yakin lensa perhitungan TCS saat ini semuanya berguna dalam keuangan; teori kontrol, model grafis, dinamika fluida, dan banyak bidang matematika terapan lainnya tampaknya lebih bermanfaat secara langsung.
Metode TCS bisa bermanfaat, tetapi orang perlu mengeluarkan upaya untuk memahami apa yang terjadi dalam keuangan, untuk menemukan tempat untuk menerapkan tuas, dan untuk memperoleh perangkat matematika yang sesuai. Secara pribadi saya ingin melihat lebih banyak pekerjaan di sepanjang garis Arora / Barak / Brunnermeier / Ge, yang terlibat dengan pertanyaan mendalam. Misalnya, apakah menambahkan lebih banyak derajat kebebasan ke sistem keuangan menghasilkan hasil yang baik bagi pengguna sistem ini? Atau apakah menambah kompleksitas terutama berfungsi untuk membantu perantara mengatur game zero-sum asimetris melawan pengguna? Mungkin ada argumen berbasis kompleksitas yang rapi yang menunggu untuk ditemukan ...
Singkatnya: Anda belum melihat banyak penelitian TCS / keuangan karena sulit untuk menerapkan TCS untuk membiayai.
sumber
Saya pikir subfield dari Algorithmic Game Theory adalah apa yang Anda cari. Lihatlah versi online dari buku terbaru tentang topik ini oleh N. Nisan (yang berkunjung ke sini!), T. Roughgarden, E. Tardos, dan V. Vazirani. Yang menarik adalah bab-bab berikut:
[5] Algoritma Kombinatorial untuk Kesetaraan Pasar (oleh Vijay V. Vazirani)
[6] Perhitungan Ekuilibria Pasar oleh Convex Programming (oleh Bruno Codenotti dan Kasturi Varadarajan)
[17] Pengantar Ketidakefisienan Kesetimbangan (oleh Tim Roughgarden dan Eva Tardos)
[26] Aspek Komputasi Pasar Prediksi (oleh David M. Pennock dan Rahul Sami)
sumber
Dari SSRN, dua makalah terkait dengan kompleksitas optimasi portofolio:
Walter Murray, Howard Howan Stephen Shek, Metode Relaksasi Lokal untuk Kardinalitas Terkendala dengan Masalah Pengoptimalan Portofolio , 15 Oktober 2011.
Marcos Lopez de Prado, Optimalisasi Portofolio Multi-Periode Integer Menggunakan Quantum Annealer , 6 Oktober 2015.
Dari arXiv:
Dan A. Iancu, Marek Petrik, Dharmashankar Subramanian, Perkiraan Ketat Pengukuran Risiko Dinamis , arXiv: 1106.6102.
Raphael Hauser, Vijay Krishnamurthy, Reha Tütüncü, Optimasi Portofolio Kuat Relatif , arXiv: 1305.0144.
sumber
Jika saham dimodelkan sebagai variabel acak seperti gerakan Brown geometris maka prediksi menjadi perhatian para ahli statistik, saya kira.
Tetapi ada juga psikologi pasar. Bidang yang dikenal sebagai analisis teknis adalah semua tentang mencoba mengekstrapolasi dari harga sebelumnya. Seberapa keras mungkin --- seberapa sulit untuk mengenali pola yang relevan, jika ada?
The Kompleksitas Option Permainan mengundang Anda untuk menguji keberanian Anda mengenali pola gerakan saham dan menguangkan ketika salah satu muncul, dengan hasil hingga $ 11 imajiner dolar Internet dan meja skor tinggi publik. Dan ada kertas yang menyertainya dengan beberapa hasil tentatif.
sumber