Construire des portefeuilles parcimonieux à retour à la moyenne avec une vraisemblance pénalisée OU

Résumé

Cet article présente une méthode d’optimisation pour construire un portefeuille à retour à la moyenne à partir d’un ensemble plus vaste d’actifs. Il recherche des portefeuilles dont l’écart est bien décrit par un processus d’Ornstein–Uhlenbeck, dont les paramètres sont estimés par maximum de vraisemblance. Les objectifs de sélection énoncés associent un retour à la moyenne plus marqué et une variance plus faible à la parcimonie, afin que le portefeuille final utilise un sous-ensemble réduit d’actifs en positions longues et courtes.

Les auteurs formulent le problème d’optimisation et décrivent un algorithme spécialisé reposant sur une minimisation partielle. Ils illustrent la méthode par des exemples numériques fondés sur des prix simulés et empiriques. Le résumé ne précise ni la forme de la pénalité, ni l’univers d’actifs, ni les règles de trading, les coûts de transaction ou les performances hors échantillon. Les exemples montrent donc comment la méthode d’estimation et de sélection est illustrée, mais la description disponible ne suffit pas à évaluer sa stabilité ou sa rentabilité en trading réel.

Idées clés

• La méthode sélectionne des portefeuilles destinés à suivre un processus d’Ornstein–Uhlenbeck.
• Les paramètres OU sont estimés par maximum de vraisemblance.
• La sélection du portefeuille vise un retour à la moyenne élevé et une faible variance.
• Un objectif de parcimonie encourage l’utilisation de moins d’actifs en positions longues et courtes.
• Un algorithme spécialisé utilise une minimisation partielle, avec des exemples fondés sur des prix simulés et empiriques.

Étiquettes

# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.