Houksa process un tā pielietojumi finanšu nozarē

Abstract

Houksa process ir uz intensitāti bāzēts pašierosinošs process, kurš mūsdienas tiek plaši izmantots finanšu nozarē, analizējot akciju cenu mikrostruktūru. Darbā apkopota būtiskākā informācija par Houksa procesu. Apskatīti pamatprocesi, kas ir Houksa procesa pamatā (punktu process, skaitīšanas process, Puasona process). No diviem dažādiem skatpunktiem definēts Houksa process - kā intensitātes process un kā klasteru process. Īpaša vērība pievērsta Houksa procesa modeļa piemērotības novērtējumam. Apskatītas vairākas metodes gan grafiskas, gan kvantitatīvas. Aprakstīta vienkāršākā metode Houksa procesa parametru noteikšanai - vislielākās ticamības funkcijas metode. Darbā tiek uzrādīts, ka Houksa process ir noderīgs instruments akciju analīzē. Tas tiek piemērots Bitcoin cenas svārstību analīzei. Tiek noteikti Bitcoin Houksa procesa parametri un salīdzināti ar citām akcijām. Papildus tiek izstrādāta tirdzniecības stratēģija Amazon akciju datiem, izmantojot pirkšanas procesa zarošanās koeficientu, kā arī pirkšanas procesa un pārdošanas procesa zarošanās koeficienta attiecību.

The Hawkes process is an intensity based, self-exciting process that is now widely used in financial sector by analyzing microstructure of stock prices. Thesis summarizes the most essential information about the Hawkes process. The basic processes underlying the Hawkes process are reviewed (point process, counting process, Poisson process). The Hawkes process is defined from two different perspectives - as intensity process and as cluster process. Particular attention is paid to the assessment of the goodness of fit of the Hawkes model. Various methods are considered both graphical and quantitative. The simplest method for estimating Hawkes process parameters - maximum likelihood estimation method - is described. The paper shows that Hawkes process is a useful tool for stock analysis. It is applied to the Bitcoin price fluctuation analysis. The parameters of the Bitcoin Hawkes process is estimated and compared with other stocks. Additionally, a trading strategy for Amazon stock data is developed using the branching ratio of the buying process, as well as the ratio of buying process branching ratio to selling process branching ratio.