چارچوب بازگشت به میانگین از معامله جفتی تا بهینه‌سازی مقید

خلاصه

این یادداشت‌ها رویکردی کمی به بازگشت به میانگین ارائه می‌کنند که با معامله جفتی آغاز می‌شود و سپس به حذف میانگین، رگرسیون، رگرسیون وزنی، بهینه‌سازی مقید و مدل‌های عاملی می‌رسد. این توالی نشان می‌دهد چگونه می‌توان از روش‌های هرچه عمومی‌تر برای ساخت استراتژی‌ها و پرتفوی‌های بازگشت به میانگین استفاده کرد.

یادداشت‌ها به مسائل عملی پیاده‌سازی نیز می‌پردازند، ازجمله اینکه چرا بیشینه‌سازی نسبت شارپ، هنگامی که هزینه‌های معاملاتی منظور می‌شوند، معادل کمینه‌سازی تابع هدف نیست. الگوریتم‌های بهینه‌سازی با هزینه‌های خطی، قیدها و کران‌ها را شرح می‌دهند و به دام‌های رایج کاربردی اشاره می‌کنند. شرح ارائه‌شده الگوریتم‌ها، فرض‌ها یا شواهد عملکرد را در اختیار نمی‌گذارد؛ بنابراین چارچوبی آموزشی ترسیم می‌کند، نه اینکه سودآوری استراتژی خاصی را اثبات کند.

ایده‌های کلیدی

• یادداشت‌ها روش‌های بازگشت به میانگین را از معامله جفتی تا مدل‌های عاملی گسترش می‌دهند.
• حذف میانگین، رگرسیون و رگرسیون وزنی به بهینه‌سازی مقید می‌رسند.
• وقتی هزینه‌های معاملاتی اهمیت دارند، بیشینه‌سازی نسبت شارپ می‌تواند با کمینه‌سازی تابع هدف تفاوت داشته باشد.
• چارچوب، بهینه‌سازی با هزینه‌های خطی، قیدها و کران‌ها را پوشش می‌دهد.
• شرح، عملکرد تجربی را گزارش نمی‌کند یا الگوریتم‌ها را مشخص نمی‌سازد.

برچسب‌ها

# Mean-Reversion and Optimization


# Mean-Reversion and Optimization









The purpose of these notes is to provide a systematic quantitative framework - in what is intended to be a "pedagogical" fashion - for discussing mean-reversion and optimization. We start with pair trading and add complexity by following the sequence "mean-reversion via demeaning -> regression -> weighted regression -> (constrained) optimization -> factor models". We discuss in detail how to do mean-reversion based on this approach, including common pitfalls encountered in practical applications, such as the difference between maximizing the Sharpe ratio and minimizing an objective function when trading costs are included. We also discuss explicit algorithms for optimization with linear costs, constraints and bounds.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.