بناء محافظ مرتدة إلى المتوسط ومتفرقة باستخدام الاحتمال الأعظم المعاقب OU

الملخص

تعرض هذه الورقة طريقة تحسين لبناء محفظة مرتدة إلى المتوسط انطلاقًا من مجموعة أصول أكبر. وتسعى إلى محافظ يوصف فارقها جيدًا بعملية أورنشتاين–أولنبيك، مع تقدير معلمات العملية بطريقة الاحتمال الأعظم. وتجمع أهداف الاختيار المذكورة بين تعزيز الارتداد إلى المتوسط وخفض التباين والاقتصاد في عدد الأصول، بحيث تستخدم المحفظة الناتجة مجموعة أصغر من الأصول للمراكز الطويلة والقصيرة.

يصوغ المؤلفون مسألة التحسين ويصفون خوارزمية متخصصة تستخدم التصغير الجزئي. ويوضحون الطريقة بأمثلة عددية تستند إلى بيانات أسعار محاكاة وتجريبية. ولا يحدد الملخص شكل العقوبة أو مجموعة الأصول أو قواعد التداول أو تكاليف المعاملات أو الأداء خارج العينة. لذلك توضح الأمثلة كيفية عرض منهج التقدير والاختيار، لكن الوصف المتاح لا يكفي للحكم على استقراره أو ربحيته في التداول الفعلي.

الأفكار الرئيسية

• تختار الطريقة محافظ يُراد لها اتباع عملية أورنشتاين–أولنبيك.
• تُقدّر معلمات OU بطريقة الاحتمال الأعظم.
• يستهدف اختيار المحفظة ارتدادًا أقوى إلى المتوسط وتباينًا أقل.
• يشجع هدف الاقتصاد في عدد الأصول على استخدام أصول أقل للمراكز الطويلة والقصيرة.
• تستخدم خوارزمية متخصصة التصغير الجزئي، مع أمثلة على أسعار محاكاة وتجريبية.

الوسوم

# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.