Trading dinámico de pares con cointegración en criptomonedas

Resumen

Este estudio evalúa una estrategia dinámica de trading de pares de criptomonedas que selecciona activos y adapta su ventana de análisis mediante pruebas de cointegración y una estimación de la velocidad de reversión a la media. Aplica las pruebas de Engle-Granger, Kapetanios-Snell-Shin y Johansen en distintos escenarios. Utiliza un proceso de Ornstein-Uhlenbeck para estimar la semivida del diferencial, que sirve para elegir los activos y la ventana.

Los autores informan de que la estrategia superó a una estrategia ingenua de compra y mantenimiento en BitMEX y logró un drawdown máximo relativamente bajo. También concluyen que combinar varias monedas en el diferencial modelizado mejoró la rentabilidad ajustada al riesgo, y que algunos grupos de monedas parecían ofrecer mejores oportunidades de arbitraje. El backtest utiliza datos de formación agrupados por minuto y simula operaciones con las mejores cotizaciones de compra y venta y operaciones de mercado. Solo contempla ejecuciones cuando hay suficiente volumen cotizado disponible y deja un intervalo tras las señales. Estas decisiones de diseño tienen en cuenta la microestructura del mercado, pero los resultados comunicados siguen limitados al exchange, los activos, los escenarios y los datos históricos analizados.

Ideas clave

• La estrategia utiliza varias pruebas de cointegración para identificar relaciones entre criptomonedas en distintos escenarios.
• La estimación de la semivida de Ornstein-Uhlenbeck orienta la selección de activos y el tamaño de la ventana de análisis.
• El estudio informa de mejores rendimientos que la estrategia de compra y mantenimiento en BitMEX y de un drawdown máximo relativamente bajo.
• Según el estudio, incluir varias monedas en el diferencial mejora la rentabilidad ajustada al riesgo.
• El backtest modeliza la ejecución basada en cotizaciones y el volumen disponible después de generar señales.

Etiquetas

# Evaluation of Dynamic Cointegration-Based Pairs Trading Strategy in the Cryptocurrency Market


# Evaluation of Dynamic Cointegration-Based Pairs Trading Strategy in the Cryptocurrency Market









This research aims to demonstrate a dynamic cointegration-based pairs trading strategy, including an optimal look-back window framework in the cryptocurrency market, and evaluate its return and risk by applying three different scenarios. We employ the Engle-Granger methodology, the Kapetanios-Snell-Shin (KSS) test, and the Johansen test as cointegration tests in different scenarios. We calibrate the mean-reversion speed of the Ornstein-Uhlenbeck process to obtain the half-life used for the asset selection phase and look-back window estimation. By considering the main limitations in the market microstructure, our strategy exceeds the naive buy-and-hold approach in the Bitmex exchange. Another significant finding is that we implement a numerous collection of cryptocurrency coins to formulate the model's spread, which improves the risk-adjusted profitability of the pairs trading strategy. Besides, the strategy's maximum drawdown level is reasonably low, which makes it useful to be deployed. The results also indicate that a class of coins has better potential arbitrage opportunities than others. This research has some noticeable advantages, making it stand out from similar studies in the cryptocurrency market. First is the accuracy of data in which minute-binned data create the signals in the formation period. Besides, to backtest the strategy during the trading period, we simulate the trading signals using best bid/ask quotes and market trades. We exclusively take the order execution into account when the asset size is already available at its quoted price (with one or more period gaps after signal generation). This action makes the backtesting much more realistic.

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.