Redes neuronales profundas para arbitraje estadístico robusto

Resumen

El documento describe un método basado en datos para encontrar estrategias de arbitraje estadístico que buscan seguir siendo rentables bajo la incertidumbre sobre el modelo de mercado. Utiliza redes neuronales profundas para considerar muchos valores a la vez, sin necesidad de identificar primero pares cointegrados. Esto amplía el enfoque a mercados de mayor dimensión y situaciones en las que el trading convencional de pares puede no funcionar bien.

El método también construye un conjunto de medidas de probabilidad plausibles a partir de datos de mercado observados para representar la ambigüedad del modelo. Los autores describen el enfoque resultante como libre de modelo. Informan de estudios empíricos con resultados rentables en dimensiones de hasta 50, incluso durante crisis financieras y después de que las relaciones de cointegración por pares dejan de persistir. El extracto no ofrece conjuntos de datos, diseño de evaluación, supuestos de costes ni medidas detalladas de rendimiento, por lo que no basta para evaluar la robustez en el trading en vivo ni reproducir los resultados.

Ideas clave

• Se utilizan redes neuronales profundas para identificar estrategias de arbitraje estadístico bajo ambigüedad del modelo.
• El método puede considerar muchos valores sin exigir pares cointegrados.
• A partir de datos observados se deriva un conjunto de medidas de probabilidad plausibles para representar la ambigüedad del modelo.
• Los estudios empíricos descritos incluyen periodos de crisis y casos en los que la cointegración deja de funcionar.
• El extracto omite detalles de las pruebas y supuestos sobre costes de negociación necesarios para evaluar el rendimiento práctico.

Etiquetas

# Detecting data-driven robust statistical arbitrage strategies with deep neural networks


# Detecting data-driven robust statistical arbitrage strategies with deep neural networks









We present an approach, based on deep neural networks, that allows identifying robust statistical arbitrage strategies in financial markets. Robust statistical arbitrage strategies refer to trading strategies that enable profitable trading under model ambiguity. The presented novel methodology allows to consider a large amount of underlying securities simultaneously and does not depend on the identification of cointegrated pairs of assets, hence it is applicable on high-dimensional financial markets or in markets where classical pairs trading approaches fail. Moreover, we provide a method to build an ambiguity set of admissible probability measures that can be derived from observed market data. Thus, the approach can be considered as being model-free and entirely data-driven. We showcase the applicability of our method by providing empirical investigations with highly profitable trading performances even in 50 dimensions, during financial crises, and when the cointegration relationship between asset pairs stops to persist.

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.