Trouver des portefeuilles d’arbitrage statistique à bande mobile par optimisation convexe-concave

Résumé

Le document présente une méthode d’optimisation pour repérer des arbitrages statistiques pouvant inclure plus de deux actifs. Il formule le problème comme la recherche d’un portefeuille à forte volatilité dont le prix reste dans une bande définie et qui respecte une contrainte de levier. La bande définit une trajectoire de prix bornée, et la méthode étend le cadre habituel à bande fixe aux cas où son point médian évolue dans le temps.

Comme l’optimisation du portefeuille est non convexe, la solution proposée utilise la procédure convexe-concave, une méthode séquentielle qui résout à plusieurs reprises des approximations convexes. Le document décrit la méthode et sa généralisation, mais ne fournit ni résultats empiriques, ni comparaisons de performance, ni détails sur les coûts de transaction ou la robustesse. Il établit donc une formulation et une approche de calcul, sans démontrer que les portefeuilles obtenus soient rentables en négociation en conditions réelles. Toute utilisation pratique dépendrait de la définition et de la validation de la bande, de la limite de levier et du point médian variable.

Idées clés

• La méthode recherche des arbitrages statistiques pouvant combiner plus de deux actifs.
• Elle maximise la volatilité du portefeuille sous contrainte de bande de prix et de limite de levier.
• Le problème d’optimisation obtenu est non convexe et résolu approximativement par programmation convexe séquentielle.
• La variante à bande mobile permet au point médian de la bande de prix de varier au fil du temps.
• Le document ne rapporte aucun résultat de trading ni aucune évaluation des coûts de mise en œuvre en conditions réelles.

Étiquettes

# Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization


# Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization









We propose a new method for finding statistical arbitrages that can contain more assets than just the traditional pair. We formulate the problem as seeking a portfolio with the highest volatility, subject to its price remaining in a band and a leverage limit. This optimization problem is not convex, but can be approximately solved using the convex-concave procedure, a specific sequential convex programming method. We show how the method generalizes to finding moving-band statistical arbitrages, where the price band midpoint varies over time.

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.