معامله جفتی مونت‌کارلو با فاصله‌های بازگشت‌به‌میانگینِ لِوی‌محور
خلاصه
این مطالعه روشی مونت‌کارلو برای معامله جفتی توسعه می‌دهد که در آن فاصله از فرایند اورنشتاین–اولنبکِ بازگشت‌به‌میانگین با محرک جهش پیروی می‌کند. از فرایند گاما واریانس استفاده می‌کند که فعالیت نامتناهی و پویایی فاصله انعطاف‌پذیرتری نسبت به مدل کلاسیک دارد. چون مدل تعمیم‌یافته فرمول‌های تحلیلی ندارد، برای یافتن سطوح معاملاتی بهینه از شبیه‌سازی استفاده می‌شود.
این روش همچنین متغیرهای کنترلی را برای کاهش واریانس مونت‌کارلو معرفی می‌کند. نویسندگان اثر پارامترهای مدل بر استراتژی‌های معاملاتی حاصل را به‌صورت عددی بررسی می‌کنند، سپس چارچوب را به فاصله‌های دومتغیره با محرک فرایند آلفاگامای واریانس ضعیف تعمیم می‌دهند و نقش همبستگی را می‌سنجند. این سند رویکردی مدل‌سازی و عددی را شرح می‌دهد، نه شواهدی از سودآوری معامله زنده یا تاریخی. نتیجه‌گیری‌ها به فرایندهای انتخاب‌شده و فرض‌های پارامتری وابسته‌اند و متن رقم مشخصی از عملکرد ارائه نمی‌کند.
ایده‌های کلیدی
- فاصله با فرایند اورنشتاین–اولنبکِ بازگشت‌به‌میانگین و جهش‌های لِوی مدل‌سازی می‌شود. محرک گاما واریانس، پویایی فاصله‌ای انعطاف‌پذیرتر از مدل کلاسیک فراهم می‌کند. شبیه‌سازی مونت‌کارلو در جایی که فرمول تحلیلی وجود ندارد، سطوح معاملاتی بهینه را برآورد می‌کند. برای کاهش واریانس شبیه‌سازی از متغیرهای کنترلی استفاده می‌شود. تعمیم دومتغیره بررسی می‌کند همبستگی چگونه بر معاملات تحت محرک آلفاگامای واریانس ضعیف اثر می‌گذارد.
برچسب‌ها
متن کامل
# Monte Carlo Simulation for Trading Under a Lévy-Driven Mean-Reverting Framework # Monte Carlo Simulation for Trading Under a Lévy-Driven Mean-Reverting Framework We present a Monte Carlo approach to pairs trading on mean-reverting spreads modeled by Lévy-driven Ornstein-Uhlenbeck processes. Specifically, we focus on using a variance gamma driving process, an infinite activity pure jump process to allow for more flexible models of the price spread than is available in the classical model. However, this generalization comes at the cost of not having analytic formulas, so we apply Monte Carlo methods to determine optimal trading levels and develop a variance reduction technique using control variates. Within this framework, we numerically examine how the optimal trading strategies are affected by the parameters of the model. In addition, we extend our method to bivariate spreads modeled using a weak variance alpha-gamma driving process, and explore the effect of correlation on these trades.
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.