التداول الأمثل مع التعلم في نماذج ألفا الكامنة

الملخص

تدرس هذه الورقة التداول الأمثل عندما تأتي إشارة المراجحة الإحصائية من عوامل خفية تجعل الأسعار تقفز وتنتشر. ويمكن لأوامر المتداول أن تؤثر أيضًا في الأسعار المعروضة وأسعار التنفيذ، لذا تشمل المسألة حالات السوق غير المؤكدة وأثر أسعار المتداول نفسه. وتتتبع الطريقة المقترحة التوزيع اللاحق للحالات الكامنة وتستخدمه لحل مسألة التداول صراحةً. وتدعم الحل مبرهنة تحقق، بينما يتيح تعديل لطريقة تعظيم التوقعات تعاير النموذج.

تقارن المحاكاة الاستراتيجية التي تراعي التعلم باستراتيجيات تتجاهل التعلم بالحالات الكامنة، وتعرض الورقة نتائج معايرة باستخدام سهم Intel. توضح هذه الأمثلة المنهج، لكن الوصف المقدم لا يورد نتائج أداء رقمية ولا تفاصيل افتراضات النموذج. لذلك تؤسس النتائج إطارًا للنمذجة والحل، ولا تبين أداءه عبر الأسواق أو في ظروف التداول الفعلي.

الأفكار الرئيسية

• يمكن للعوامل الكامنة أن تؤدي إلى قفزات وانتشار في الأسعار المستخدمة للمراجحة الإحصائية.
• قد تؤثر أوامر المتداول في الأسعار المعروضة والأسعار التي يحصل عليها أثناء التنفيذ.
• تتعلم الاستراتيجية توزيعًا لاحقًا للحالات الخفية وتستخدمه لاختيار الصفقات.
• تدعم مبرهنة التحقق وتعديل لطريقة تعظيم التوقعات الحل والمعايرة.
• تقارن المحاكاة المنهج باستراتيجيات تستبعد التعلم بالحالات الكامنة.

الوسوم

# Trading algorithms with learning in latent alpha models


# Trading algorithms with learning in latent alpha models









Alpha signals for statistical arbitrage strategies are often driven by latent factors. This paper analyses how to optimally trade with latent factors that cause prices to jump and diffuse. Moreover, we account for the effect of the trader's actions on quoted prices and the prices they receive from trading. Under fairly general assumptions, we demonstrate how the trader can learn the posterior distribution over the latent states, and explicitly solve the latent optimal trading problem. We provide a verification theorem, and a methodology for calibrating the model by deriving a variation of the expectation-maximization algorithm. To illustrate the efficacy of the optimal strategy, we demonstrate its performance through simulations and compare it to strategies which ignore learning in the latent factors. We also provide calibration results for a particular model using Intel Corporation stock as an example.

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.