Statistische Arbitrage bei Volatilitätsflächen gehebelter ETF-Optionen

Zusammenfassung

Die Arbeit prüft, ob eine Skalierung nach der Moneyness die impliziten Volatilitätssmile von gehebelten und nicht gehebelten ETF-Optionen statistisch vergleichbar macht. Sie erstellt gleichmäßige Bootstrap-Konfidenzbänder, um die Smile-Kurven nach der Skalierung zu vergleichen, und findet weiterhin Unterschiede. Das deutet darauf hin, dass die Transformation sie nicht vollständig angleicht.

Für eine Handelsanwendung entwickeln die Autoren ein Verfahren für statistische Arbitrage auf Basis eines dynamischen semiparametrischen Faktormodells. Es vergleicht beobachtete implizite Volatilitätsflächen gehebelter ETF-Optionen mit Modellschätzungen, um Handelsempfehlungen abzuleiten. Die Arbeit berichtet, dass die Renditen mit hoher Wahrscheinlichkeit positiv sind, und untersucht außerdem Prognosen außerhalb der Stichprobe sowie die Dynamik latenter Volatilitätsflächen. Diese Befunde deuten auf mögliche Chancen im untersuchten Markt hin; die Zusammenfassung nennt jedoch weder Performancezahlen noch Einzelheiten zu Transaktionskosten, Umsetzung oder Umfang der Daten. Außerdem überträgt sie die Skalierungsmethode auf ein stochastisches Volatilitätsmodell von Heston, um die Berechnung zu vereinfachen.

Kernaussagen

• Gleichmäßige Bootstrap-Konfidenzbänder zeigen, dass die Moneyness-Skalierung statistische Unterschiede zwischen den Volatilitätssmile gehebelter und nicht gehebelter ETF-Optionen nicht beseitigt.
• Ein dynamisches semiparametrisches Faktormodell vergleicht beobachtete und modellierte implizite Volatilitätsflächen, um Handelsempfehlungen zu erzeugen.
• Die Autoren berichten, dass die Strategie mit hoher Wahrscheinlichkeit positive Renditen erzielte.
• Die Analyse umfasst Prognosen außerhalb der Stichprobe und eine Untersuchung der Dynamik impliziter Volatilitätsflächen.
• Die Skalierungsmethode wird um eine Formulierung mit dem stochastischen Volatilitätsmodell von Heston ergänzt.

Schlagwörter

# Model-driven statistical arbitrage on LETF option markets


# Model-driven statistical arbitrage on LETF option markets









In this paper, we study the statistical properties of the moneyness scaling transformation by Leung and Sircar (2015). This transformation adjusts the moneyness coordinate of the implied volatility smile in an attempt to remove the discrepancy between the IV smiles for levered and unlevered ETF options. We construct bootstrap uniform confidence bands which indicate that the implied volatility smiles are statistically different after moneyness scaling has been performed. An empirical application shows that there are trading opportunities possible on the LETF market. A statistical arbitrage type strategy based on a dynamic semiparametric factor model is presented. This strategy presents a statistical decision algorithm which generates trade recommendations based on comparison of model and observed LETF implied volatility surface. It is shown to generate positive returns with a high probability. Extensive econometric analysis of LETF implied volatility process is performed including out-of-sample forecasting based on a semiparametric factor model and uniform confidence bands' study. It provides new insights into the latent dynamics of the implied volatility surface. We also incorporate Heston stochastic volatility into the moneyness scaling method for better tractability of the model.

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.