رفتن به محتوا
همه اسناد کتابخانه

مدیریت سبد مارکویتز برای آربیتراژهای آماری با باند متحرک

مقاله arXiv papers · نویسنده: Kasper Johansson et al.

خلاصه

این پژوهش بررسی می‌کند که چگونه می‌توان سبدی متغیر از آربیتراژهای آماری با باند متحرک را با استفاده از ایده‌های چارچوب بهینه‌سازی سبد مارکویتز مدیریت کرد. به‌جای بررسی یک آربیتراژ به‌تنهایی، مدیریت مجموعه پویایی از این استراتژی‌ها را شرح می‌دهد و ساخت سبد را مسئله اصلی قرار می‌دهد.

نویسندگان این روش را با داده‌های تاریخی اخیر نمایش می‌دهند و گزارش می‌کنند که سبد حاصل می‌تواند به بازده تعدیل‌شده بر حسب ریسک بالایی برسد و در عین حال اساساً با بازار همبسته نباشد. گزیده مشخص نمی‌کند باندهای متحرک چگونه تعریف می‌شوند، دارایی‌ها یا آربیتراژها چگونه انتخاب می‌شوند، چه محدودیت‌هایی در بهینه‌سازی اعمال می‌شود، یا دوره نمونه و سنجه‌های عملکرد چیست. بنابراین نتیجه گزارش‌شده یک نمونه‌نمایی است و شواهد کافی برای اثبات پایداری در رژیم‌های گوناگون بازار یا شرایط معامله زنده فراهم نمی‌کند.

ایده‌های کلیدی

  • این روش مدیریت سبد به سبک مارکویتز را برای مجموعه پویایی از آربیتراژهای آماری با باند متحرک به کار می‌گیرد.
  • این رویکرد مدیریت مجموعه را مسئله‌ای در ساخت سبد می‌داند.
  • نمونه‌نمایی بر پایه داده‌های تاریخی، بازده تعدیل‌شده بر حسب ریسک بالایی را گزارش می‌کند.
  • سبد نمونه‌نمایی‌شده اساساً بدون همبستگی با بازار توصیف می‌شود.
  • گزیده جزئیات پیاده‌سازی و شواهد لازم برای ارزیابی پایداری خارج از نمونه را ارائه نمی‌کند.

برچسب‌ها

متن کامل
# A Markowitz Approach to Managing a Dynamic Basket of Moving-Band Statistical Arbitrages


# A Markowitz Approach to Managing a Dynamic Basket of Moving-Band Statistical Arbitrages









We consider the problem of managing a portfolio of moving-band statistical arbitrages (MBSAs), inspired by the Markowitz optimization framework. We show how to manage a dynamic basket of MBSAs, and illustrate the method on recent historical data, showing that it can perform very well in terms of risk-adjusted return, essentially uncorrelated with the market.

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.