Spektrale Krisenindikatoren für systematisches Trading

Zusammenfassung

Diese Arbeit beschreibt systematische Handelsstrategien, die von Krisenindikatoren auf Basis der Spektren von Kovarianz- oder Korrelationsmatrizen gesteuert werden. Eine Indikatorfamilie vergleicht die Eigenwertverteilung jedes Datums mit einer Referenzverteilung für ruhige oder turbulente Märkte. Eine andere verfolgt ausgewählte spektrale Kennzahlen wie Spur, Spektralradius oder Frobeniusnorm. Zur effizienten Berechnung der Spektren wird die Singulärwertzerlegung verwendet.

Die Indikatorsignale werden kombiniert, um Fehlalarme zu reduzieren, und mithilfe diskreter Regeln in Anlageentscheidungen übersetzt. Die Autoren vergleichen aktive Strategien mit passiven und zufälligen Benchmarks und beanspruchen im Rahmen ihres Modells und ihrer Daten reproduzierbare Profitabilität sowie Prognosewert außerhalb der Stichprobe. Das Dokument nennt weder die abgedeckten Assets noch die Stichprobendaten oder die numerische Performance und enthält nicht genügend methodische Details für eine unabhängige Robustheitsbewertung. Die Aussagen sind ausdrücklich auf den verwendeten Rahmen und die Daten beschränkt.

Kernaussagen

• Krisenindikatoren werden aus den Spektren von Kovarianz- oder Korrelationsmatrizen gebildet.
• Ein Ansatz vergleicht Eigenwertverteilungen mit Referenzen für ruhige oder turbulente Märkte.
• Andere Indikatoren erfassen spektrale Eigenschaften wie Spur, Spektralradius und Frobeniusnorm.
• Signale werden zusammengeführt, um Fehlalarme zu begrenzen, bevor diskrete Handelsregeln angewandt werden.
• Die Studie vergleicht aktive Strategien mit passiven und zufälligen Benchmarks, doch der Auszug lässt numerische Ergebnisse und Datendetails aus.

Schlagwörter

# Winning Investment Strategies Based on Financial Crisis Indicators


# Winning Investment Strategies Based on Financial Crisis Indicators









The aim of this work is to create systematic trading strategies built upon several financial crisis indicators based on the spectral properties of market dynamics. Within the limitations of our framework and data, we will demonstrate that our systematic trading strategies are able to make money, not as a result of pure luck but, in a reproducible way and while avoiding the pitfall of over fitting, as a result of the skill of the operators and their understanding and knowledge of the financial market. Using singular value decomposition (SVD) techniques in order to compute all spectra in an efficient way, we have built two kinds of financial crisis indicators with a demonstrable power of prediction. Firstly, there are those that compare at every date the distribution of the eigenvalues of a covariance or correlation matrix to a distribution of reference representing either a calm or agitated market reference. Secondly, we have those that merely compute at every date a chosen spectral property (trace, spectral radius or Frobenius norm) of a covariance or correlation matrix. Aggregating the signals provided by all the indicators in order to minimize false positive errors, we then build systematic trading strategies based on a discrete set of rules governing the investment decisions of the investor. Finally, we compare our active strategies to a passive reference as well as to random strategies in order to prove the usefulness of our approach and the added value provided by the out-of-sample predictive power of the financial crisis indicators upon which our systematic trading strategies are built.

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.