هم‌انباشتگی ماتریسی برای سری‌های زمانی ساختاریافته و معاملات زوجی
خلاصه
این سند یک مدل خودرگرسیو هم‌انباشتگی برای سری‌های زمانی با مشاهدات ماتریسی معرفی می‌کند. روابط هم‌انباشتگی آن دوخطی‌اند و ساختار میان هر دو ردیف و ستون را نمایش می‌دهند. هدف این صورت‌بندی حفظ سازمان ماتریسی و پشتیبانی از تفسیرهایی است که هم‌انباشتگی معمولی ممکن است به‌روشنی کمتری در بر بگیرد. نویسندگان برآوردگرهای حداقل مربعات و بیشینه درست‌نمایی را برای بردارهای هم‌انباشتگی و دیگر پارامترهای مدل شرح می‌دهند و در حضور روندها، توزیع‌های مجانبی را استخراج می‌کنند.
شواهد شرح‌داده‌شده شامل شبیه‌سازی‌هایی برای مقایسه روش با رویکردهای سنتی و کاربردی بر سبدهای فاما–فرنچ است که نویسندگان از آن یک استراتژی معاملات زوجی می‌سازند. خلاصه ادعا می‌کند عملکرد شبیه‌سازی بهتر بوده، اما جزئیاتی درباره تنظیم داده‌ها، سنجه‌ها یا نتایج معاملاتی ارائه نمی‌کند. همچنین انتخاب‌های پیاده‌سازی مانند ساخت سیگنال، هزینه‌های معاملاتی یا کنترل‌های ریسک مشخص نشده‌اند. بنابراین، این سند چارچوبی آماری و کاربردی معاملاتیِ نمونه‌وار ارائه می‌کند، نه اطلاعات کافی برای ارزیابی عملکرد استراتژی پس از هزینه‌ها یا تعمیم آن به سبدهای دیگر.
ایده‌های کلیدی
- مدل، هم‌انباشتگی در داده‌های ماتریسی را با روابط دوخطی میان ردیف‌ها و ستون‌ها نمایش می‌دهد.
- روش‌های حداقل مربعات و بیشینه درست‌نمایی، بردارهای هم‌انباشتگی و پارامترهای باقی‌مانده مدل را برآورد می‌کنند.
- نویسندگان نتایج مجانبی را برای خودرگرسیون‌های ماتریسیِ دارای روند به دست می‌آورند.
- شبیه‌سازی‌ها و کاربرد روش روی یک سبد فاما–فرنچ، از جمله با یک استراتژی معاملات زوجی، آن را نشان می‌دهند.
برچسب‌ها
متن کامل
# Cointegrated Matrix Autoregression Models # Cointegrated Matrix Autoregression Models We propose a novel cointegrated autoregressive model for matrix-valued time series, with bi-linear cointegrating vectors corresponding to the rows and columns of the matrix data. Compared to the traditional cointegration analysis, our proposed matrix cointegration model better preserves the inherent structure of the data and enables corresponding interpretations. To estimate the cointegrating vectors as well as other coefficients, we introduce two types of estimators based on least squares and maximum likelihood. We investigate the asymptotic properties of the cointegrated matrix autoregressive model under the existence of trend and establish the asymptotic distributions for the cointegrating vectors, as well as other model parameters. We conduct extensive simulations to demonstrate its superior performance over traditional methods. In addition, we apply our proposed model to Fama-French portfolios and develop a effective pairs trading strategy.
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.