Pairs Trading auf Wahlmärkten mit einem mean-revertierenden Wahrscheinlichkeitsmodell

Zusammenfassung

Diese Fallstudie überträgt die Logik des Pairs Trading auf politische Wettmärkte, indem sie die kombinierte implizite Wahrscheinlichkeit der Kandidaten der beiden großen Parteien modelliert. Ein latenter Ornstein-Uhlenbeck-Prozess mit zeitvariablem Mean-Reversion-Niveau bildet die zugrunde liegende Wahrscheinlichkeit ab, während additives Rauschen die beobachteten Quoten berücksichtigt. Die Parameter werden anhand regelmäßig abgetasteter Daten mit einer Zustandsraum-Likelihood geschätzt; wiederholte aufeinanderfolgende Quotierungen werden komprimiert, wobei ihre verstrichene Zeit im zeitkontinuierlichen Übergang erhalten bleibt.

Obere Prognosegrenzen aus einem parametrischen Bootstrap erzeugen Signale, wenn ein Rückgang der kombinierten Wahrscheinlichkeit erwartet wird. Ein Modell vom Bradley-Terry-Typ wählt aus, welche Kandidatenquote verwendet wird. Das Modell zur Kandidatenauswahl wird anhand von Wahldaten aus 2020 trainiert und mit Daten aus 2024 bewertet. Dabei entstehen 130 Signale, eine Ein-Schritt-Abdeckung von 95.1%, eine mittlere synthetische Quotenpreisrendite von 1.86% und eine nicht annualisierte Sharpe-Kennzahl je Wette von 1.12. Dies sind deskriptive Messwerte ohne Friktionen, keine ausführbaren Wettgewinne; die Autoren stellen die Methode als Machbarkeitsnachweis für Märkte mit zwei Kandidaten dar.

Kernaussagen

• Der Rahmen modelliert die kombinierte implizite Wahrscheinlichkeit zweier Kandidaten mit einem verrauschten, zeitvariablen Mean-Reversion-Prozess.
• Eine Zustandsraum-Likelihood schätzt die Modellparameter und berücksichtigt die unregelmäßigen Zeitabstände zwischen beibehaltenen Beobachtungen.
• Obere Prognosegrenzen aus dem Bootstrap erkennen mögliche Rückgänge der kombinierten impliziten Wahrscheinlichkeit.
• Ein Modell vom Bradley-Terry-Typ wählt die kandidatspezifische Quote aus.
• Die Ergebnisse außerhalb der Stichprobe für 2024 sind deskriptiv und schließen Friktionen an Wettbörsen aus.

Schlagwörter

# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election


# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election









Pairs trading exploits mean reversion in the relationship between related assets. We adapt this idea to political betting markets by modelling the combined implied probability of the two major-party nominees with a latent Ornstein-Uhlenbeck process whose mean-reversion level varies over time and whose observations contain additive noise. Model parameters are estimated from regularly sampled odds data using a state-space likelihood, with consecutive repeated values represented by a single retained observation and the elapsed number of sampling intervals preserved in the continuous-time transition. Parametric-bootstrap upper prediction bounds identify signal times at which the combined implied probability is likely to decline, and a no-intercept Bradley-Terry-type model selects the candidate-specific odds quote. The candidate-selection model is trained on 2020 U.S. presidential-election data and evaluated out of sample on 2024 data. The 2024 analysis produced 130 signals, empirical one-step coverage of 95.1%, a mean synthetic odds-price return of 1.86%, and an unannualized per-trade Sharpe-type ratio of 1.12. These returns are frictionless descriptive quantities rather than executable betting-exchange profits. The results support the integrated framework as a proof of concept for two-candidate electoral markets.

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.