AI Summary & Key Takeaways
AI InsightAs a result, these modeling approaches showed real time efficiency for catching the dyssymetric patterns over separate quantile regions, which provided by the combinations of Monte Carlo simulations with Garch-based volatility values that can improve the validity of derived price channels, particularly at chaotic market cases.
📌 3 Key Takeaways
Abstract
The main goal of the research is defined as designing an agile decision support framework for determination of optimal valuation intervals in the USD/CHF currency couple to optimize profit and cost. Therefore, the pricing ranges are tried to be defined by the utilizations of Quantile Regression Model with the integration of Monte Carlo simulations for testing the price actions for the next day. The computed intervals are respectively implemented for expected returns with risk-based approaches by the adoption of time series data from United States Central Bank’s official website. Then as well, GARCH models are utilized to grab volatility swarming, and scenario simulations are processed to evaluate the risks and effectiveness of multiple trading formations. Consequently, an optimization engine based on grid search and evolutionary algorithms are occupied picked out to define varying formations that maximize expected utility while minimizing drawdown and transaction charges. As a result, these modeling approaches showed real time efficiency for catching the dyssymetric patterns over separate quantile regions, which provided by the combinations of Monte Carlo simulations with Garch-based volatility values that can improve the validity of derived price channels, particularly at chaotic market cases.
Özet
Çalışmanın amacı, USD/CHF döviz paritesinde kârı maksimize ederken maliyeti minimize etmeye yönelik optimal fiyat aralıklarının belirlenmesi için karar destek çerçevesi geliştirmektir. Geleneksel nokta-tahminine dayalı modellerden farklı olarak, önerilen yaklaşım aralık-temelli öngörü ve optimizasyona odaklanmaktadır. Bu doğrultuda öncelikli olarak, bir sonraki günün oynaklık bandını olasılıksal modelleme tekniiği ile ön görebilmek için, volatilite harmonizasyonu ile bütünleştirilmiş Kuantil Regresyon ve Monte Carlo simülasyonları uygulanmıştır. Elde edilen bu aralıklar, beklenen getiriler ve birbirine bağlı riskler doğrultusunda dinamik olarak işlem açma, kâr alma ve zarar durdurma seviyelerini belirleyen bir kâr optimizasyon modeline girdi olarak hizmet etmektedir. Buna paralel olarak, volatilite kümelenmesini yakalayabilmek için GARCH modelleri kurulmuş ve çeşitli işlem senaryolarının performansını değerlendirmek amacıyla senaryo simülasyonları gerçekleştirilmiştir. Sonuç olarak, bu modelleme yaklaşımları, Monte Carlo simülasyonlarının Garch tabanlı oynaklık değerleriyle birleştirilmesiyle sağlanan ayrı kantil bölgeleri üzerindeki dissimetrik örüntülerin yakalanmasında gerçek zamanlı verimlilik sunarken, özellikle kaotik piyasa durumlarında türetilmiş fiyat kanallarının geçerliliğinin iyileştirilmesinde de kullanılabileceğini gösterdi.