Yüksek frekanslı fiyat-hacim korelasyon trend faktörü
factor.formula
1. Günlük hisse senedi dakika düzeyindeki kapanış fiyatı ve işlem hacmi arasındaki Pearson korelasyon katsayısını hesaplayın:
2. Her işlem günü için, o gün hesaplanan 20 ardışık zaman penceresine karşılık gelen korelasyon katsayısı \( p_t \), zaman \( t \) bağımsız değişken olmak üzere doğrusal olarak regresyona tabi tutulur ve regresyon katsayısı \( \beta \) elde edilir:
3. Tüm hisse senetleri için günlük olarak hesaplanan regresyon katsayısı \( \beta \), kesitler arasında standartlaştırılır ve piyasa değeri ile geleneksel fiyat-hacim faktörlerinin (20 günlük geri dönüş, 20 günlük ciro oranı, 20 günlük oynaklık vb.) etkisi ortadan kaldırılarak nihai yüksek frekanslı fiyat-hacim korelasyon trend faktörü elde edilir.
Formülde:
- :
Hisse senedinin dakika kapanış fiyatı ile dakika işlem hacmi arasındaki, her gün içindeki ( t ). zaman penceresi (örneğin, ( t ). dakika) için hesaplanan Pearson korelasyon katsayısı. Bu korelasyon katsayısı, belirli bir zaman penceresi boyunca fiyat ve hacmin ne kadar senkronize veya ayrıştığını ölçer. Pozitif bir korelasyon, fiyatlar yükseldiğinde işlem hacminin artma eğiliminde olduğu ve bunun tersi anlamına gelir; negatif bir korelasyon, fiyatlar yükseldiğinde işlem hacminin düşme eğiliminde olduğu ve bunun tersi anlamına gelir.
- :
Doğrusal regresyon ile elde edilen regresyon katsayısı, günlük fiyat-hacim korelasyon katsayısı ( p_t )'nin zaman ( t ) içinde değişme trendini ve gücünü yansıtır. ( \beta )'nın pozitif bir değeri, günlük fiyat-hacim korelasyonunun zaman içinde artma eğiliminde olduğunu gösterir; ( \beta )'nın negatif bir değeri, günlük fiyat-hacim korelasyonunun zaman içinde azalma eğiliminde olduğunu gösterir; ( \beta )'nın mutlak değeri ne kadar büyük olursa, trend o kadar belirgindir.
- :
Regresyon modelindeki hata terimi, gerçek korelasyon katsayısı ( p_t ) ile regresyon modelinin tahmin edilen değeri arasındaki sapmayı temsil eder. Hata teriminin varlığı, gerçek verilerdeki gürültü ve rastgele dalgalanmaların varlığından kaynaklanır.
- :
1'den 20'ye kadar değişen zaman penceresinin sıra numarası. Örneğin, dakika verileri kullanılıyorsa, ( t=1 ) ilk dakikayı, ( t=2 ) ikinci dakikayı vb. temsil eder. Burada ( t )'nin günler arası değil, her gün içindeki zaman serisini ifade ettiği unutulmamalıdır. Zaman pencerelerinin spesifik bölünmesi, fiili veri frekansına ve araştırma ihtiyaçlarına göre ayarlanabilir.
factor.explanation
Bu faktörün temel mantığı, piyasa mikro yapısındaki fiyat ve hacim arasındaki ilişkideki dinamik değişiklikleri yakalamaktır. ( \beta )'nın negatif bir değeri (yani, PV_corr_trend ne kadar küçükse), gün içinde fiyat ve hacim arasındaki korelasyonun giderek zayıfladığını gösterir, bu da piyasa duyarlılığının giderek ayrıştığını ve fiyat artışlarına hacimde etkin bir artışın eşlik etmeyebileceğini ve bunun tersinin de geçerli olabileceğini ima edebilir. Bu genellikle uzun ve kısa tarafların güçleri arasındaki bir dengesizliğin başlangıcının bir göstergesi olarak kabul edilir ve potansiyel bir geri dönüş fırsatını gösterebilir. Öte yandan, ( \beta )'nın pozitif bir değeri (yani, PV_corr_trend ne kadar büyükse), gün içinde fiyat ve hacim arasındaki korelasyonun giderek arttığını gösterir, bu da piyasa duyarlılığının tutarlılığını ima edebilir ve fiyat ve hacim aynı anda büyütülür veya küçültülür, bu da genellikle güçlenen piyasa trendlerinin bir sinyali olarak kabul edilir. Bu nedenle, bu faktör, hisse senedi seçimine yardımcı olmak için günlük fiyat-hacim ilişkisindeki değişikliklerin trendini analiz ederek kısa vadeli piyasa duyarlılığını ve mikro yapı özelliklerini yakalamak için öncelikle yüksek frekanslı verileri kullanır. Genel olarak, negatif trendler (( \beta ) negatiftir) daha yüksek öngörü gücüne sahip olabilir.