Tiefe neuronale Netze für robustes statistisches Arbitrage-Trading

Zusammenfassung

Das Dokument beschreibt eine datengestützte Methode zur Suche nach statistischen Arbitragestrategien, die bei Unsicherheit über das Marktmodell profitabel bleiben sollen. Es nutzt tiefe neuronale Netze, um viele Wertpapiere gemeinsam zu betrachten, ohne zunächst kointegrierte Paare identifizieren zu müssen. Das erweitert den Ansatz auf Märkte mit höherer Dimension und Situationen, in denen herkömmlicher Paarhandel möglicherweise nicht gut funktioniert.

Die Methode erstellt außerdem anhand beobachteter Marktdaten eine Menge plausibler Wahrscheinlichkeitsmaße, um die Modellunsicherheit abzubilden. Die Autoren bezeichnen den daraus entstehenden Ansatz als modellfrei. Sie berichten über empirische Untersuchungen mit profitabler Wertentwicklung bei Dimensionen bis zu 50, auch während Finanzkrisen und nachdem paarweise Kointegrationsbeziehungen nicht mehr fortbestanden. Der Auszug enthält keine Datensätze, Angaben zum Evaluationsdesign, Kostenannahmen oder detaillierte Leistungskennzahlen und reicht daher nicht aus, um die Robustheit unter realen Marktbedingungen zu beurteilen oder die Ergebnisse zu reproduzieren.

Kernaussagen

• Tiefe neuronale Netze dienen dazu, unter Modellunsicherheit statistische Arbitragestrategien zu identifizieren.
• Die Methode kann viele Wertpapiere berücksichtigen, ohne kointegrierte Paare vorauszusetzen.
• Aus beobachteten Daten wird eine Unsicherheitsmenge plausibler Wahrscheinlichkeitsmaße abgeleitet.
• Die berichteten empirischen Untersuchungen umfassen Krisenphasen und Fälle, in denen die Kointegration zusammenbricht.
• Dem Auszug fehlen Testdetails und Annahmen zu Handelskosten, die für eine Beurteilung der praktischen Leistung nötig wären.

Schlagwörter

# Detecting data-driven robust statistical arbitrage strategies with deep neural networks


# Detecting data-driven robust statistical arbitrage strategies with deep neural networks









We present an approach, based on deep neural networks, that allows identifying robust statistical arbitrage strategies in financial markets. Robust statistical arbitrage strategies refer to trading strategies that enable profitable trading under model ambiguity. The presented novel methodology allows to consider a large amount of underlying securities simultaneously and does not depend on the identification of cointegrated pairs of assets, hence it is applicable on high-dimensional financial markets or in markets where classical pairs trading approaches fail. Moreover, we provide a method to build an ambiguity set of admissible probability measures that can be derived from observed market data. Thus, the approach can be considered as being model-free and entirely data-driven. We showcase the applicability of our method by providing empirical investigations with highly profitable trading performances even in 50 dimensions, during financial crises, and when the cointegration relationship between asset pairs stops to persist.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.