Modelos factoriales condicionales para el arbitraje estadístico en acciones

Resumen

Este estudio construye un método de arbitraje estadístico en torno a un modelo factorial condicional para una cartera de acciones de US. Un modelo de espacio de estados trata los rendimientos como combinaciones ruidosas de valores factoriales y primas de riesgo factoriales latentes y variables en el tiempo. El filtrado y la predicción en línea estiman esas primas y generan rendimientos esperados que pueden compararse con los observados; las desviaciones grandes se consideran candidatas a reversión a la media.

Los autores evalúan una estrategia de trading que tiene en cuenta los costes de transacción y utiliza versiones lineales y no lineales del modelo de espacio de estados. Presentan resultados de un historial de 29 años y comparan el rendimiento con referencias sencillas y otros enfoques publicados; concluyen que el método es competitivo. También indican que el rendimiento se ha debilitado con el tiempo, sobre todo en los últimos años, aunque en su análisis sigue siendo económicamente atractivo. El documento no ofrece aquí detalles sobre la selección de activos, los umbrales de trading, los supuestos sobre costes ni los controles de riesgo; por tanto, los resultados por sí solos no bastan para determinar si la estrategia se trasladaría a otro mercado o periodo.

Ideas clave

• Un modelo factorial de espacio de estados puede representar los rendimientos de las acciones como exposiciones ruidosas a primas de riesgo factoriales latentes.
• Las estimaciones en línea de primas variables en el tiempo adaptan el modelo a cambios en el comportamiento de los rendimientos.
• Las grandes diferencias entre los rendimientos observados y los filtrados se tratan como posibles operaciones de reversión a la media.
• La estrategia evaluada incluye costes de transacción y variantes lineales y no lineales del modelo.
• El rendimiento analizado es competitivo en una muestra larga, pero disminuye en los años más recientes.

Etiquetas

# On statistical arbitrage under a conditional factor model of equity returns


# On statistical arbitrage under a conditional factor model of equity returns









We consider a conditional factor model for a multivariate portfolio of United States equities in the context of analysing a statistical arbitrage trading strategy. A state space framework underlies the factor model whereby asset returns are assumed to be a noisy observation of a linear combination of factor values and latent factor risk premia. Filter and state prediction estimates for the risk premia are retrieved in an online way. Such estimates induce filtered asset returns that can be compared to measurement observations, with large deviations representing candidate mean reversion trades. Further, in that the risk premia are modelled as time-varying quantities, non-stationarity in returns is de facto captured. We study an empirical trading strategy respectful of transaction costs, and demonstrate performance over a long history of 29 years, for both a linear and a non-linear state space model. Our results show that the model is competitive relative to the results of other methods, including simple benchmarks and other cutting-edge approaches as published in the literature. Also of note, while strategy performance degradation is noticed through time -- especially for the most recent years -- the strategy continues to offer compelling economics, and has scope for further advancement.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.