طراحی پرتفوی‌های بازگشت به میانگین برای آربیتراژ آماری
خلاصه
این مقاله به ساخت پرتفویی از دارایی‌های پایه برای استفاده در آربیتراژ آماری، از جمله معامله جفتی، می‌پردازد. هدف طراحی، ایجاد پرتفویی با رفتار بازگشت به میانگینِ مطلوب و در عین حال کنترل واریانس آن، با رعایت محدودیت اهرم سرمایه‌گذاری است.
نویسندگان این اهداف را با هم صورت‌بندی می‌کنند و روش تقریب محدب متوالی را برای حل مسئله بهینه‌سازی حاصل پیشنهاد می‌دهند. آن‌ها شبیه‌سازی‌های عددی را برای ارزیابی مدل و الگوریتم‌های پیشنهادی گزارش می‌کنند. سند اهداف طراحی و رویکرد حل را شرح می‌دهد، اما دارایی‌های مشخص، نتایج شبیه‌سازی یا نتایج تجربی معاملات را ارائه نمی‌کند؛ بنابراین عملکرد روش را در بازارهای زنده یا مجموعه‌داده‌های مختلف اثبات نمی‌کند.
ایده‌های کلیدی
- مسئله طراحی پرتفوی هم قدرت بازگشت به میانگین و هم ویژگی‌های واریانس را هدف می‌گیرد.
- این رویکرد برای استراتژی‌های آربیتراژ آماری مانند معامله جفتی در نظر گرفته شده است.
- محدودیت اهرم سرمایه‌گذاری در صورت‌بندی گنجانده شده است.
- برای حل مسئله بهینه‌سازی از تقریب محدب متوالی استفاده می‌شود.
- شبیه‌سازی‌های عددی به‌عنوان ارزیابی روش گزارش شده‌اند، اما متن ارائه‌شده جزئیاتی ندارد.
برچسب‌ها
متن کامل
# Optimal Portfolio Design for Statistical Arbitrage in Finance # Optimal Portfolio Design for Statistical Arbitrage in Finance In this paper, the optimal mean-reverting portfolio (MRP) design problem is considered, which plays an important role for the statistical arbitrage (a.k.a. pairs trading) strategy in financial markets. The target of the optimal MRP design is to construct a portfolio from the underlying assets that can exhibit a satisfactory mean reversion property and a desirable variance property. A general problem formulation is proposed by considering these two targets and an investment leverage constraint. To solve this problem, a successive convex approximation method is used. The performance of the proposed model and algorithms are verified by numerical simulations.
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.