Historical Coefficient Fields: A Controlled Evaluation of Geometric Market-Memory Representations for Financial Forecasting
Dit artikel presenteert een gecontroleerde evaluatie van het Historical Coefficient Field (HCF), een geometrische representatie van de marktgeschiedenis, en concludeert dat het, ondanks de theoretische fundering in delay-coordinate reconstructie en topologische analyse, er niet in slaagt de nauwkeurigheid van directionele voorspellingen te verbeteren ten opzichte van eenvoudige baselines over diverse financiële instrumenten heen, waarmee wordt aangetoond dat een dergelijke geometrische organisatie geen voorspellend signaal bevat dat verder gaat dan bestaande eenvoudige statistieken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je het weer probeert te voorspellen. Eeuwenlang hebben meteorologen naar de kalender gekeken, gecontroleerd of het dinsdag is of dat het al drie dagen achter elkaar heeft geregend. Dit is hoe de meeste mensen proberen de toekomst te raden: door te kijken naar wat er vlak vóór gebeurde in een rechte lijn van de tijd. Maar wat als het weer niets geeft om de kalender? Wat als een storm op een dinsdag in juli precies lijkt op een storm op een vrijdag in oktober, ook al liggen ze maanden uit elkaar? Wetenschappers die financiële markten bestuderen — plekken waar mensen dingen kopen en verkopen zoals aandelen, goud en digitale valuta — zijn een soortgelijke vraag gaan stellen. In plaats van alleen naar de prijs van gisteren te kijken, vroegen zij zich af: zouden we de geschiedenis kunnen organiseren op basis van "vorm" in plaats van op basis van "datum"? Als twee dagen er geometrisch hetzelfde uitzien, zelfs als ze ver uit elkaar liggen in de tijd, gedragen ze zich dan morgen misschien ook op dezelfde manier? Dit idee wordt "geometrisch marktgeheugen" genoemd, en het klinkt als een superkracht voor het voorspellen van de toekomst.
Dit artikel, geschreven door Said El Qotbi en Rajaa Filali, besluit deze superkracht op de proef te stellen. Ze bouwden een nieuwe manier om naar de financiële geschiedenis te kijken, genaamd het "Historical Coefficient Field". Stel je voor dat je de dagelijkse prijsbewegingen van een aandeel van de afgelopen paar maanden omzet in een wolk van punten in de ruimte. In plaats van ze achter elkaar te zetten als kralen aan een snoer, verspreidden ze ze op basis van hoe sterk ze op elkaar lijken. Vervolgens voegden ze een paar "beschrijvers" toe — zoals het meten van hoe druk de wolk is, hoe verspreid de punten zijn, of hoe stabiel de vorm is. Ze voerden deze chique, geometrische wolk in computerprogramma's (zoals logistische regressie en random forests) om te zien of het kon voorspellen of een aandeel morgen in waarde zou stijgen of dalen.
Het resultaat? De geometrische wolk bleef stil.
Ondanks de slimme opzet werkte de nieuwe methode niet beter dan de simpelste mogelijke gok. Sterker nog, het was iets slechter. Wanneer de auteurs dit testten op vier zeer verschillende financiële instrumenten — Goud, de S&P 500-index, de Euro/Dollar-wisselkoers en Bitcoin — slaagde de nieuwe "geometrische" aanpak er niet in om de "majority-class base rate" te verslaan. Dat is een deftige manier om te zeggen: als je elke keer gewoon "omhoog" zou gokken omdat aandelen vaker stijgen dan dat ze dalen, dan zou je net zo goed gepresteerd hebben als het complexe geometrische model. De computermodellen die de nieuwe geometrische data gebruikten, behaalden een nauwkeurigheid van ongeveer 51% tot 52%, wat in feite hetzelfde is als het opgooien van een muntje.
De auteurs waren zeer zorgvuldig om er zeker van te zijn dat dit geen fout was. Ze testten het idee met verschillende tijdsvensters (terugblikken van 6 maanden, 1 jaar of 2 jaar) en met verschillende computerlezers, en het resultaat was telkens hetzelfde. Ze probeerden de methode zelfs toe te passen op een ander doel: het voorspellen wanneer de markt "onrustig" zou worden (volatiliteit). Zelfs daar, waar signalen makkelijker te vinden zijn, werd de geometrische methode verslagen door eenvoudige, ouderwetse wiskunde die alleen naar recente gemiddelden kijkt.
Dus, wat betekent dit? Het artikel concludeert dat het simpelweg reorganiseren van de marktgeschiedenis in een geometrische vorm niet magisch verborgen patronen onthult die eenvoudige methoden missen. Het suggereert dat voor het voorspellen van de dagelijkse prijsrichtingen de "vorm" van het verleden geen extra geheime informatie bevat die we niet al weten. De auteurs presenteren dit als een waardevol negatief resultaat: het voorkomt dat we complexe theorieën bouwen op een fundament dat uiteindelijk leeg blijkt te zijn. Hoewel het geometrische idee creatief en wiskundig prachtig is, hielp het in de echte wereld van de handel niet om de toekomst duidelijker te zien dan een eenvoudige blik op de algemene trend.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.