Temat: algorithmic trading

Skocz do pozycji: 1.

Tytuł:: Algorithmic trading, liquidity and volatility : evidence from Poland
Autorzy:: Syrek, Robert
Gurgul, Henryk
Opis:: The aim of this paper is to examine the causality between pairs of measures that describe the intensity of algorithmic trading, market liquidity and volatility for selected blue-chip companies from the Warsaw Stock Exchange, which were permanently included in the WIG20 index from January 1, 2020, to August 31, 2023. In the study, both daily and high-frequency intraday data are used. The research is based on fundamental concepts of information theory, namely entropy and transfer entropy. Additionally, Rényi entropy is used to examine the causal relationships between extreme values of the variables. Our results, based on Shannon’s transfer entropy, suggest that algorithmic trading affects liquidity and volatility. The main finding is that if the frequency increases, the number of companies for which information transfer is significant also grows. However, this relationship is not observed for extreme values, for which Rényi entropy is applied.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Algorithmic Trading and Efficiency of the Stock Market in Poland
Autorzy:: Jóźwicki, Rafał
Trippner, Paweł
Kłos, Karolina
Tematy:: algorithmic trading
market efficiency
trading system
investing
technical analysis; Pokaż więcej
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Powiązania:: https://bibliotekanauki.pl/articles/1368020.pdf Link otwiera się w nowym oknie
Opis:: The aim of the article is to investigate the impact of algorithmic trading on the returns obtained in the context of market efficiency theory. The research hypothesis is that algorithmic trading can contribute to a better rate of return than when using passive investment strategies. Technological progress can be observed in many different aspects of our lives, including investing in capital markets where we can see changes resulting from the spread of new technologies. The methodology used in this paper consists in confronting a sample trading system based on classical technical analysis tools with a control strategy consisting in buying securities at the beginning of the test period and holding them until the end of this period. The results obtained confirm the validity of the theory of information efficiency of the capital market, as the active investment strategy based on algorithmic trading did not yield better results than the control strategy.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: The potential for real-time testing of high-frequency trading strategies through a developed tool during volatile market conditions
Autorzy:: Vaitonis, Mantas
Korovkinas, Konstantinas
Tematy:: high frequency trading
cryptocurrencies
algorithmic trading
multidimensional matrice
parallelization
simulation; Pokaż więcej
Wydawca:: Polskie Towarzystwo Promocji Wiedzy
Powiązania:: https://bibliotekanauki.pl/articles/30148245.pdf Link otwiera się w nowym oknie
Opis:: This study presents a method for testing high-frequency trading (HFT) for algorithms on GPUs using kernel parallelization, code vectorization, and multidimensional matrices. The research evaluates HFT strategies within algorithmic cryptocurrency trading in volatile market conditions, particularly during the COVID-19 pandemic. The study's objective is to provide an efficient and comprehensive approach to assessing the efficiency and profitability of HFT strategies. The results show that the method effectively evaluates the efficiency and profitability of HFT strategies, as demonstrated by the Sharp ratio of 2.29 and the Sortino ratio of 2.88. The authors suggest that further study on HFT testing methods could be conducted using a tool that directly connects to electronic marketplaces, enabling real-time receipt of high-frequency trading data and simulation of trade decisions. Finally, the study introduces a novel method for testing HFT algorithms on GPUs, offering promising results in assessing the efficiency and profitability of HFT strategies during volatile market conditions.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Automatyczny handel na rynkach towarowych
Automated trading in commodity markets
Autorzy:: Piaskowska, Monika
Tematy:: commodity market
automated trading
algorithmic trading
rynek towarowy
automatyczny handel
algorytmiczny handel; Pokaż więcej
Wydawca:: Uniwersytet im. Adama Mickiewicza w Poznaniu
Powiązania:: https://bibliotekanauki.pl/articles/692792.pdf Link otwiera się w nowym oknie
Opis:: In the paper we analyse structural changes in commodity markets, their financialisation and consequently growing automation. The main factors which foster the development of algorithmic trading are explained and the common methods and strategies used in trading processes and required investments in technology reviewed.
Artykuł przedstawia analizę zmian strukturalnych na rynkach towarowych, ich finansyzację, a w konsekwencji zwiększoną automatyzację. Autorka omówiła główne czynniki sprzyjające rozwojowi algorytmicznego handlu, jak również dokonała przeglądu stosowanych metod i strategii optymalizujących proces handlowy i wymagających inwestycji w rozwój technologii.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Application of ensemble gradient boosting decision trees to forecast stock price on WSE
Autorzy:: Dadej, Mateusz
Tematy:: equity investments
artificial intelligence
machine learning
algorithmic trading strategy
gradient boosting; Pokaż więcej
Wydawca:: Uniwersytet Gdański. Wydział Ekonomiczny
Powiązania:: https://bibliotekanauki.pl/articles/518035.pdf Link otwiera się w nowym oknie
Opis:: The main purpose of this article is to apply machine learning model based on ensemble of gradient boosted decision trees to forecast direction of share prices of Bank Handlowy S.A listed on WSE. In the introduction, the author presented the context of machine learning and its application in forecasting stock prices. Afterwards, the author describes the process of building classification model which uses XGboost framework from data preprocessing to model evaluation. The input features of the model were technical analysis indicators, like stochastic oscillators or moving averages. Output of the model was a direction of stock price after one week. The accuracy of the model based on testing dataset is 72%. The author also performed a simulation, based on the model. The simulation was made with the Monte Carlo method which stochastic process had a Laplace distribution. During interpretation, at the end, the author pointed limitations of model and algorithmic trading strategy evaluation techniques based on backtest.
Celem niniejszego artykułu jest wykorzystanie modelu z dziedziny uczenia maszynowego opartego na algorytmie zespołu wzmocnionych gradientowo drzew decyzyjnych do prognozowania kierunku zmian kursu akcji Banku Handlowego S.A. notowanego na GPW. We wstępie został przedstawiony kontekst uczenia maszynowego oraz wykorzystania go do prognozowania cen akcji. Następnie, przedstawiono proces tworzenia modelu klasyfikacyjnego wykorzystujący strukturę XGboost od etapu przetwarzania danych do jego ewaluacji. Danymi wejściowymi modelu były wskaźniki wykorzystywane w analizie technicznej, m.in. oscylatory stochastyczne oraz średnie ruchome, natomiast danymi wyjściowymi były kierunki zmian kursu na przestrzeni następnego tygodnia. Skuteczność modelu na danych testowych wyniosła 72%. Na końcu przeprowadzono symulacje portfela inwestycyjnego, podejmującego decyzje o transakcjach na podstawie wcześniej stworzonego modelu, wykorzystując metodę Monte Carlo w której dynamika procesów stochastycznych miała rozkład Laplace’a. Przy interpretacji wyników portfela inwestycyjnego wskazano ograniczenia ewaluacji modelu i strategii inwestycyjnej opartej o backtest.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Zastosowanie drapieżnych strategii w handlu o wysokiej częstotliwości
Autorzy:: Lenczewski Martins, Carlos Jorge
Tematy:: High-Frequency Trading
predatory strategies
algorithmic trading
handel o wysokiej częstotliwości
strategie drapieżne
handel algorytmiczny; Pokaż więcej
Wydawca:: Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Powiązania:: https://bibliotekanauki.pl/articles/610061.pdf Link otwiera się w nowym oknie
Opis:: The development of High-Frequency Trading since the 1990s has been so dynamic, that one may say it certainly will be present in every country, sooner or later. Most of the research dedicated to High-Frequency Trading is dedicated to show how detrimental it may be to the financial system, other present business models and integration with other entities of the financial market, some try to research how profitable this type of trading may be, and finally some research is dedicated to the risk analysis – although these papers are very limited. This paper is aimed to expand the topic of business models by showing selected strategies of High-Frequency Trading. This is very important since these strategies may be also implemented in conditions of lower liquidity and have a direct influence on the stability of large institutions.
Rozwój handlu o wysokiej częstotliwości, który powstał w latach 90. XX w., jest tak dynamiczny, że można stwierdzić, iż z pewnością będzie obecny w każdym kraju. Większość opracowań poświęconych handlowi o wysokiej częstotliwości można podzielić na: starające się wykazać, jak szkodliwy jest on dla systemu finansowego; opisujące modele biznesowe i współdziałanie z pozostałymi podmiotami rynku finansowego; wykazujące opłacalność handlu i podmiotów stosujących ten rodzaj handlu; poświęcone zagadnieniom zarządzania ryzykiem transakcji o wysokiej częstotliwości, chociaż ich liczba jest bardzo ograniczona. Niniejsze opracowanie ma na celu rozwijać zagadnienia związane z modelami biznesowymi, omawiając wybrane drapieżne techniki w handlu o wysokiej częstotliwości. Jest to dość istotne, ponieważ mogą one być zastosowane w warunkach o niskiej płynności oraz mogą wpływać bezpośrednio na działalność i stabilność pojedynczych, a także znaczących instytucji finansowych.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: Machine Learning Methods in Algorithmic Trading Strategy Optimization – Design and Time Efficiency
Autorzy:: Ryś, Przemysław
Ślepaczuk, Robert
Tematy:: Algorithmic trading
investment strategy
machine learning
optimization
differential evolutionary method
cross-validation
overfitting; Pokaż więcej
Wydawca:: Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
Powiązania:: https://bibliotekanauki.pl/articles/1356900.pdf Link otwiera się w nowym oknie
Opis:: The main aim of this paper was to formulate and analyse the machine learning methods, fitted to the strategy parameters optimization specificity. The most important problems are the sensitivity of a strategy performance to little parameter changes and numerous local extrema distributed over the solution space in an irregular way. The methods were designed for the purpose of significant shortening of the computation time, without a substantial loss of strategy quality. The efficiency of methods was compared for three different pairs of assets in case of moving averages crossover system. The problem was presented for three sets of two assets’ portfolios. In the first case, a strategy was trading on the SPX and DAX index futures; in the second, on the AAPL and MSFT stocks; and finally, in the third case, on the HGF and CBF commodities futures. The methods operated on the in-sample data, containing 16 years of daily prices between 1998 and 2013 and was validated on the out-of-sample period between 2014 and 2017. The major hypothesis verified in this paper is that machine learning methods select strategies with evaluation criterion near the highest one, but in significantly lower execution time than the brute force method (Exhaustive Search).
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: High-Frequency Trading of agricultural commodities as a source of additional income in agriculture
High Frequency Trading w handlu towarami pochodzenia rolniczego jako źródło dodatkowego dochodu w rolnictwie
Autorzy:: Sporysz, M.
Godula, Ł.
Tabor, S.
Kuboń, M.
Szczuka, M.
Tematy:: statistical arbitrage
High Frequency Trading
commodity stock exchange
algorithmic trading
arbitraż statystyczny
giełda towarowa
handel algorytmiczny; Pokaż więcej
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Powiązania:: https://bibliotekanauki.pl/articles/94019.pdf Link otwiera się w nowym oknie
Opis:: The paper verifies usefulness of the high frequency trading model developed by Marco Avellaneda and Sasha Stoikov, used in simulation of turnover with futures contract securities of one of agricultural commodities on the selected commodity stock exchange. Accuracy of provided signals of purchase and sale signals was verified on authentic quotations – the futures contract for coffee prices of the London Stock Exchange. Results of ten subsequent session days was analysed in detail. Quality of the assumed investment algorithm was determined with the use of stock exchange ratios: Information Ratio and Maximum Drawdown. A short discussion was conducted, which compared a standard investing method and the analysed model of algorithmic trading. In conclusion, all most important statements and conclusions were made, which confirmed usefulness of the HFT model developed by Marco Avellaneda and Sasha Stoikov for turnover of futures contract securities for agricultural commodities.
W pracy sprawdzono przydatność modelu szybkiego kupna i sprzedaży (High Frequency Trading) Marco Avellanedy i Sashy Stoikov'a, użytego w symulacji obrotu walorami kontraktu terminowego na towar pochodzenia rolniczego na wybranej giełdzie towarowej. Zbadano trafność podawanych sygnałów transakcji kupna i sprzedaży na autentycznych notowaniach - kontrakt terminowy na ceny kawy londyńskiej giełdy papierów wartościowych (London Stock Exchange). Szczegółowo zanalizowano wyniki dziesięciu kolejnych dni sesyjnych. Jakość przyjętego algorytmu inwestycyjnego określono za pomocą wskaźników giełdowych: Information Ratio oraz Maximum Drawdown. Przeprowadzono krótką dyskusję porównującą standardową metodę inwestowania oraz analizowany model handlu algorytmicznego. Na zakończenie zebrano najważniejsze stwierdzenia i wyciągnięto wnioski potwierdzające przydatność modelu HFT Marco Avellanedy i Sashy Stoikov'a do obrotu walorami kontraktów terminowych na towary pochodzenia rolniczego o dużej płynności oraz możliwość jego praktycznego zastosowania.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Robustness of Support Vector Machines in Algorithmic Trading on Cryptocurrency Market
Autorzy:: Ślepaczuk, Robert
Zenkova, Maryna
Tematy:: Machine learning
support vector machines
investment algorithm
algorithmic trading
strategy
optimization
cross-validation
overfitting
cryptocurrency market
technical analysis
meta parameters; Pokaż więcej
Wydawca:: Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
Powiązania:: https://bibliotekanauki.pl/articles/1356913.pdf Link otwiera się w nowym oknie
Opis:: This study investigates the profitability of an algorithmic trading strategy based on training SVM model to identify cryptocurrencies with high or low predicted returns. A tail set is defined to be a group of coins whose volatility-adjusted returns are in the highest or the lowest quintile. Each cryptocurrency is represented by a set of six technical features. SVM is trained on historical tail sets and tested on the current data. The classifier is chosen to be a nonlinear support vector machine. The portfolio is formed by ranking coins using the SVM output. The highest ranked coins are used for long positions to be included in the portfolio for one reallocation period. The following metrics were used to estimate the portfolio profitability: %ARC (the annualized rate of change), %ASD (the annualized standard deviation of daily returns), MDD (the maximum drawdown coefficient), IR1, IR2 (the information ratio coefficients). The performance of the SVM portfolio is compared to the performance of the four benchmark strategies based on the values of the information ratio coefficient IR1, which quantifies the risk-weighted gain. The question of how sensitive the portfolio performance is to the parameters set in the SVM model is also addressed in this study.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Handel algorytmiczny jako przejaw aktywności sztucznej inteligencji na rynku kapitałowym
Algorithmic trading as a manifestation of artificial intelligence activity in the capital market
Autorzy:: Drgas, Adam
Opis:: Artificial intelligence is an extremely rapidly developing technology that affects every aspect of life. It remains especially crucial in the field of finance, where any error of it could significantly shake economies. Currently, the most popular form of artificial intelligence activity in the capital market is so-called algorithmic trading, along with its special type - high-frequency trading. This is a technology used by investment firms, in which intelligent algorithms determine order parameters and trade financial instruments without any human intervention.The topic of algorithmic trading, although widely discussed in the economic community, still remains niche from a legal perspective, especially in Poland. Therefore, this thesis is an attempt to look at algorithmic trading from a legal and regulatory perspective, indicating the place of algorithmic trading in the EU and Polish legal system, analyzing existing solutions and giving them an evaluation.The first part of the thesis is focused on characterizing algorithmic trading from a pre-regulatory perspective, the history of stock market automation in general and the benefits and risks associated with the use of this technology, answering the question of why it required regulation.Further on, the author analyzes algorithmic trading under the regime of MiFID II - points out the circumstances determining algorithmic trading and obligations imposed on investment firms, market makers and organizers of trading venues associated with its application. He also addresses the topic of direct electronic access in the same time. To this end, the provisions of MiFID II, the Financial Instruments Trading Act, a number of delegated regulations and guidelines and positions of supervisory authorities have been interpreted.Subsequently, the author analyzes what algorithmic trading strategies may constitute market abuse and who ultimately bears criminal responsibility for their occurrence.The author also brings up global jurisprudence on algorithmic trading, highlighting judgments that have revolutionized the legal approach to this type of trading or had the potential to do so.Finally, the author attempts to answer the question of what future awaits the regulation of algorithmic trading, given its intensive development, as well as new EU regulations such as DORA and the Artificial Intelligence Act.
Sztuczna inteligencja to niezwykle dynamicznie rozwijająca się technologia, która oddziałuje na każdy aspekt życia. Szczególnie istotna pozostaje w dziedzinie finansów, w której każdy jej błąd mógłby znacząco wstrząsnąć gospodarkami. Aktualnie najpopularniejszą formą aktywności sztucznej inteligencji na rynku kapitałowym jest tzw. handel algorytmiczny wraz ze swoim szczególnym rodzajem - handlem wysokich częstotliwości. Jest to technologia wykorzystywana przez firmy inwestycyjne, w której inteligentne algorytmy określają parametry zleceń i obracają instrumentami finansowymi bez jakiejkolwiek ingerencji człowieka.Temat handlu algorytmicznego, choć szeroko poruszany w branży ekonomicznej, wciąż pozostaje niszowy z perspektywy prawnej, szczególnie w Polsce. Niniejsza praca magisterska jest zatem próbą spojrzenia na handel algorytmiczny z perspektywy prawno-regulacyjnej, wskazując miejsce handlu algorytmicznego w unijnym i polskim systemie prawnym, dokonując analizy istniejących rozwiązań i podając je ocenie.Pierwsza część pracy poświęcona jest scharakteryzowaniu handlu algorytmicznego w ujęciu przedregulacyjnym, historii ogólnej automatyzacji obrotu giełdowego oraz korzyściom i zagrożeniom wiążącym się z zastosowaniem tej technologii, odpowiadając na pytanie dlaczego wymagała ona regulacji.Następnie autor analizuje handel algorytmiczny pod reżimem dyrektywy MiFID II - wskazuje na okoliczności determinujące handel algorytmiczny i obowiązki spoczywające na firmach inwestycyjnych, animatorach rynku i organizatorach systemów obrotu, które wiążą się z jego stosowaniem. Podejmuje również przy tym temat bezpośredniego dostępu elektronicznego. W tym celu poddaje interpretacji przepisy MiFID II, ustawy o obrocie instrumentami finansowymi, szeregu rozporządzeń delegowanych oraz wytycznych i stanowisk organów nadzorczych.W dalszej kolejności autor analizuje jakie strategie handlowe z użyciem algorytmów mogą stanowić nadużycia rynkowe i kto ostatecznie ponosi odpowiedzialność karną za ich wystąpienie.Autor przytacza również światowe orzecznictwo dotyczące handlu algorytmicznego, wskazując na wyroki, które zrewolucjonizowały podejście prawne do tego rodzaju handlu lub miały ku temu potencjał.Wreszcie autor próbuje odpowiedzieć na pytanie jaka przyszłość czeka regulacje handlu algorytmicznego, mając na uwadze jego intensywny rozwój, a także nowe unijne rozporządzenia, takie jak DORA czy akt o sztucznej inteligencji.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Informacja

Wyszukujesz frazę "algorithmic trading" wg kryterium: Temat