Quantile recurrent forecasting in singular spectrum analysis for stock price monitoring

在日内交易员和黄牛党的开仓和平仓中，对近实时价格走势的监控对于数据驱动的决策是必要的。这可以通过基于股票价格的预测分布构建运动路径来有效实现。高频交易数据通常具有噪声、非线性和非平稳性。我们通过奇异谱分析的递归算法开发了一种分位数递归预测算法，该算法可用于任何类型的时间序列数据。当应用于确定性和短记忆和长记忆过程的中值预测时，我们的分位数递归预测与真实信号重叠。该方法只需估计参数的信号维数，就可以通过包含多个滞后周期来构造一个递推公式。我们应用此方法获得脸书、微软和SNAP日内和每日收盘价的中位数预测。与bootstrap中值预测相比，对于日内和每日收盘价，分位数重复预测产生的与原始价格的平均绝对偏差更低。我们还演示了预测分布上的价格运动跟踪，可用于监控股票价格以制定交易策略。