Stratégies haute fréquence sur options SPY et optimisation de portefeuille

Résumé

L’étude examine des stratégies haute fréquence sur options SPY à partir d’observations recueillies toutes les cinq minutes pendant un mois. Elle calcule les grecques des options et la volatilité implicite, valorise les options américaines avec un arbre binomial et estime la volatilité implicite par la méthode de Newton–Raphson. Elle constitue ensuite des univers d’investissement à partir des mesures de volatilité et des grecques, puis compare des méthodes d’optimisation de portefeuille, notamment moyenne-variance et robustes.

Les approches long-short de base axées sur la volatilité implicite et les grecques affichent généralement des performances inférieures dans l’étude rapportée. Les stratégies utilisant des expositions supplémentaires aux grecques, notamment Vega et Rho, ainsi qu’une optimisation dynamique du portefeuille, semblent plus prometteuses. Les données se limitent à un échantillon court et le document ne fournit ni chiffres de performance détaillés, ni traitement des coûts de transaction, ni description complète de la validation. Les résultats suggèrent donc des pistes pour des portefeuilles d’options adaptatifs, sans établir une rentabilité constante ; les auteurs proposent d’affiner les paramètres et d’étudier des options moins fréquemment négociées.

Idées clés

• L’étude analyse des options SPY à intervalles de cinq minutes sur une période d’un mois.
• Elle calcule les grecques et la volatilité implicite, et utilise un arbre binomial pour valoriser les options américaines.
• Dans les résultats rapportés, les stratégies long-short de base fondées sur la volatilité implicite et les grecques sont généralement moins performantes.
• Les stratégies intégrant Vega et Rho avec une optimisation dynamique montrent un potentiel.
• La brièveté de l’échantillon limite les conclusions sur la régularité des performances selon les conditions de marché.

Étiquettes

# High-Frequency Options Trading | With Portfolio Optimization


# High-Frequency Options Trading | With Portfolio Optimization









This paper explores the effectiveness of high-frequency options trading strategies enhanced by advanced portfolio optimization techniques, investigating their ability to consistently generate positive returns compared to traditional long or short positions on options. Utilizing SPY options data recorded in five-minute intervals over a one-month period, we calculate key metrics such as Option Greeks and implied volatility, applying the Binomial Tree model for American options pricing and the Newton-Raphson algorithm for implied volatility calculation. Investment universes are constructed based on criteria like implied volatility and Greeks, followed by the application of various portfolio optimization models, including Standard Mean-Variance and Robust Methods. Our research finds that while basic long-short strategies centered on implied volatility and Greeks generally underperform, more sophisticated strategies incorporating advanced Greeks, such as Vega and Rho, along with dynamic portfolio optimization, show potential in effectively navigating the complexities of the options market. The study highlights the importance of adaptability and responsiveness in dynamic portfolio strategies within the high-frequency trading environment, particularly under volatile market conditions. Future research could refine strategy parameters and explore less frequently traded options, offering new insights into high-frequency options trading and portfolio management.

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.