Pfadabhängige Portfoliooptimierung mit Rough-Path-Signaturen
Zusammenfassung
Dieser Artikel stellt Signature Trading vor, eine Portfoliooptimierungsmethode, die eine Strategie als lineare Funktion einer Pfadsignatur darstellt. Signaturen codieren die Historie gemeinsamer Signal- und Vermögensbewegungen. So kann das Framework Pfadabhängigkeit berücksichtigen und zugleich herkömmliche Faktormodelle erweitern. Die Autoren leiten ein dynamisches Mean-Variance-Kriterium und eine explizite Lösung mit endlichem Zeithorizont her, die eine Drawdown-Kontrolle umfasst, und ordnen die resultierenden Strategien einer signaturbasierten effizienten Grenze zu.
Der Artikel veranschaulicht den Ansatz anhand exogener Signale, Momentum und Pair-Trading mit Beispielen aus synthetischen Daten und Marktdaten. Die Methode soll interpretierbare Formeln bewahren und zugleich umfangreichere Zeitreihenmuster als klassische Modelle verarbeiten können. Die bereitgestellte Beschreibung nennt weder Einzelheiten zu Datensätzen und Auswertungsdesign noch quantitative Leistungswerte. Daher lassen sich die behaupteten Vorteile oder ihre Robustheit allein anhand dieses Textes nicht beurteilen. Beispiele und Framework beschreiben einen Modellierungsansatz; sie belegen nicht, dass signaturbasierte Strategien im Live-Handel besser abschneiden werden.
Kernaussagen
- Eine Pfadsignatur kann die Historie gemeinsamer Signal- und Vermögensbewegungen in einem Optimierungsmodell codieren.
- Signature Trading stellt Strategien als lineare Funktionale von Pfadsignaturen dar.
- Das Framework erweitert die dynamische Mean-Variance-Optimierung und umfasst eine Drawdown-Kontrolle mit endlichem Zeithorizont.
- Beispiele behandeln exogene Signale, Momentum und Pair-Trading mit synthetischen Daten und Marktdaten.
- Die Beschreibung liefert nur begrenzte Informationen zur Beurteilung der vergleichenden Leistung oder Robustheit im Live-Handel.
Schlagwörter
Volltext
# Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals # Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals In this article we introduce a portfolio optimisation framework, in which the use of rough path signatures (Lyons, 1998) provides a novel method of incorporating path-dependencies in the joint signal-asset dynamics, naturally extending traditional factor models, while keeping the resulting formulas lightweight and easily interpretable. We achieve this by representing a trading strategy as a linear functional applied to the signature of a path (which we refer to as "Signature Trading" or "Sig-Trading"). This allows the modeller to efficiently encode the evolution of past time-series observations into the optimisation problem. In particular, we derive a concise formulation of the dynamic mean-variance criterion alongside an explicit solution in our setting, which naturally incorporates a drawdown control in the optimal strategy over a finite time horizon. Secondly, we draw parallels between classical portfolio stategies and Sig-Trading strategies and explain how the latter leads to a pathwise extension of the classical setting via the "Signature Efficient Frontier". Finally, we give examples when trading under an exogenous signal as well as examples for momentum and pair-trading strategies, demonstrated both on synthetic and market data. Our framework combines the best of both worlds between classical theory (whose appeal lies in clear and concise formulae) and between modern, flexible data-driven methods that can handle more realistic datasets. The advantage of the added flexibility of the latter is that one can bypass common issues such as the accumulation of heteroskedastic and asymmetric residuals during the optimisation phase. Overall, Sig-Trading combines the flexibility of data-driven methods without compromising on the clarity of the classical theory and our presented results provide a compelling toolbox that yields superior results for a large class of trading strategies.
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.