Selección de pares cointegrados mediante emparejamiento ponderado

Resumen

El documento presenta un método de construcción de carteras para el trading por pares que limita el solapamiento entre los pares seleccionados. Representa los activos como nodos de un grafo y los pares candidatos cointegrados como aristas ponderadas, cuyos pesos reflejan la intensidad de la cointegración. La cartera se elige mediante un emparejamiento de peso total máximo, que selecciona pares sólidos y garantiza que cada activo aparezca en un solo par. Esto aborda una desventaja de seleccionar pares únicamente por cointegración, ya que varios pares pueden reutilizar los mismos activos y concentrar el riesgo.

Los autores presentan un análisis teórico y un estudio empírico con datos del S&P 500 de 2017 a 2023. La cartera de emparejamiento tuvo menor varianza que la referencia basada solo en cointegración y un ratio de Sharpe bruto de 1.23, frente a 0.48 para la referencia y 0.59 para el mercado. Según el documento, también mostró menores costes de trading relacionados con la rotación y menos riesgo de concentración en un solo activo. El resumen no aporta el rendimiento neto, los supuestos sobre costes de transacción ni los detalles necesarios para juzgar la sensibilidad a la muestra y a las decisiones de selección de pares.

Ideas clave

• El método representa los activos como nodos de un grafo y los pares cointegrados como aristas ponderadas.
• El emparejamiento de peso máximo selecciona pares sólidos e impide que un activo aparezca en varios pares.
• Los autores informan de una varianza de cartera inferior a la de una referencia que selecciona pares solo por cointegración.
• En el estudio indicado del S&P 500, la estrategia de emparejamiento obtuvo un ratio de Sharpe bruto de 1.23 y menores costes relacionados con la rotación.

Etiquetas

# Pairs Trading Using a Novel Graphical Matching Approach


# Pairs Trading Using a Novel Graphical Matching Approach









Pairs trading, a strategy that capitalizes on price movements of asset pairs driven by similar factors, has gained significant popularity among traders. Common practice involves selecting highly cointegrated pairs to form a portfolio, which often leads to the inclusion of multiple pairs sharing common assets. This approach, while intuitive, inadvertently elevates portfolio variance and diminishes risk-adjusted returns by concentrating on a small number of highly cointegrated assets. Our study introduces an innovative pair selection method employing graphical matchings designed to tackle this challenge. We model all assets and their cointegration levels with a weighted graph, where edges signify pairs and their weights indicate the extent of cointegration. A portfolio of pairs is a subgraph of this graph. We construct a portfolio which is a maximum weighted matching of this graph to select pairs which have strong cointegration while simultaneously ensuring that there are no shared assets within any pair of pairs. This approach ensures each asset is included in just one pair, leading to a significantly lower variance in the matching-based portfolio compared to a baseline approach that selects pairs purely based on cointegration. Theoretical analysis and empirical testing using data from the S\&P 500 between 2017 and 2023, affirm the efficacy of our method. Notably, our matching-based strategy showcases a marked improvement in risk-adjusted performance, evidenced by a gross Sharpe ratio of 1.23, a significant enhancement over the baseline value of 0.48 and market value of 0.59. Additionally, our approach demonstrates reduced trading costs attributable to lower turnover, alongside minimized single asset risk due to a more diversified asset base.

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.