التعلم العميق للمراجحة الإحصائية في الأسهم المتشابهة

الملخص

تعرض الوثيقة إطاراً للمراجحة الإحصائية يجمع بين تسعير الأصول ونمذجة السلاسل الزمنية وتحسين المحافظ. ويستخدم أولاً عوامل تسعير كامنة مشروطة لتحديد الأصول المتشابهة وبناء محافظ البواقي، ثم يستخرج إشارات التداول باستخدام محوّل التفافي. وتغذي هذه الإشارات سياسة مقيدة تهدف إلى تعظيم العوائد المعدلة حسب المخاطر.

تستخدم الدراسة التجريبية بيانات أسهم أمريكية يومية US وتذكر متوسط عوائد ونسب شارب قوية باستمرار خارج العينة مقارنة بأساليب مرجعية. ولا يقدم الملخص تواريخ العينة أو معالجة تكاليف المعاملات أو تفاصيل المخاطر أو نتائج مرجعية محددة، لذلك لا يمكن تقييم الادعاءات بالكامل من هذا الوصف. وتتعلق الأدلة المذكورة بأداء تاريخي خارج العينة؛ ولا تثبت استمرار العوائد في التداول الفعلي أو بعد تكاليف التنفيذ.

الأفكار الرئيسية

• تُستخدم محافظ بواقي مبنية على عوامل تسعير كامنة مشروطة لتمثيل فرص المراجحة بين الأصول المتشابهة.
• يستخرج محوّل التفافي إشارات السلاسل الزمنية من محافظ البواقي.
• تحدد الإشارات سياسة تداول مقيدة تستهدف عوائد معدلة حسب المخاطر.
• يستخدم التقييم المذكور أسهماً أمريكية يومية US ويصف الأداء خارج العينة مقارنة بمعايير مرجعية.
• لا يتضمن الوصف الموجز تفاصيل التنفيذ اللازمة للحكم على الربحية في الواقع.

الوسوم

# Deep Learning Statistical Arbitrage


# Deep Learning Statistical Arbitrage









Statistical arbitrage exploits temporal price differences between similar assets. We develop a unifying conceptual framework for statistical arbitrage and a novel data driven solution. First, we construct arbitrage portfolios of similar assets as residual portfolios from conditional latent asset pricing factors. Second, we extract their time series signals with a powerful machine-learning time-series solution, a convolutional transformer. Lastly, we use these signals to form an optimal trading policy, that maximizes risk-adjusted returns under constraints. Our comprehensive empirical study on daily US equities shows a high compensation for arbitrageurs to enforce the law of one price. Our arbitrage strategies obtain consistently high out-of-sample mean returns and Sharpe ratios, and substantially outperform all benchmark approaches.

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.