Optimización de Monte Carlo para ejecutar carteras multiactivo

Resumen

El documento plantea la ejecución de órdenes grandes como un equilibrio entre los costes de liquidez y el riesgo de precio. Operar rápido puede aumentar el impacto de mercado cuando la liquidez es limitada, mientras que operar despacio expone la orden a movimientos adversos de precios durante el horizonte de ejecución. Describe un enfoque de media-varianza para este problema y señala que un modelo anterior de un solo activo con liquidez y volatilidad estocásticas conduce a una ecuación diferencial parcial no lineal que debe resolverse numéricamente.

La alternativa propuesta utiliza métodos cuasi-Monte Carlo para optimizar ejecuciones con cualquier número de activos. Los autores también la describen como adecuada para uso en tiempo real, con parámetros del proceso estocástico ajustables durante la ejecución. El resumen proporcionado expone el enfoque y su flexibilidad declarada, pero no ofrece resultados numéricos, detalles de validación ni especificaciones de implementación, por lo que este texto por sí solo no permite evaluar su rendimiento comparativo ni sus limitaciones prácticas.

Ideas clave

• Las órdenes grandes plantean un equilibrio entre el impacto de mercado y la exposición a los movimientos de precios.
• El objetivo descrito equilibra los costes de liquidez y el riesgo de precio en un marco de media-varianza.
• Un modelo estocástico anterior de un solo activo requiere resolver numéricamente una ecuación diferencial parcial no lineal.
• El método cuasi-Monte Carlo propuesto pretende facilitar la ejecución en varios activos y los cambios de parámetros en tiempo real.

Etiquetas

# A Monte Carlo method for optimal portfolio executions


# A Monte Carlo method for optimal portfolio executions









Traders are often faced with large block orders in markets with limited liquidity and varying volatility. Executing the entire order at once usually incurs a large trading cost because of this limited liquidity. In order to minimize this cost traders split up large orders over time. Varying volatility however implies that they now take on price risk, as the underlying assets' prices can move against the traders over the execution period. This execution problem therefore requires a careful balancing between trading slow to reduce liquidity cost and trading fast to reduce the volatility cost. R. Almgren solved this problem for a market with one asset and stochastic liquidity and volatility parameters, using a mean-variance framework. This leads to a nonlinear PDE that needs to be solved numerically. We propose a different approach using (quasi-)Monte Carlo which can handle any number of assets. Furthermore, our method can be run in real-time and allows the trader to change the parameters of the underlying stochastic processes on-the-fly.

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.