Cointégration matricielle des séries temporelles structurées et trading par paires

Résumé

Le document présente un modèle autorégressif cointégré pour des séries temporelles dont les observations sont des matrices. Les relations de cointégration sont bilinéaires et représentent une structure à la fois entre les lignes et entre les colonnes. Cette formulation vise à préserver l’organisation matricielle et à faciliter des interprétations que la cointégration ordinaire ne saisit pas aussi directement. Les auteurs décrivent des estimateurs des moindres carrés et du maximum de vraisemblance pour les vecteurs de cointégration et les autres paramètres du modèle, et déduisent les distributions asymptotiques en présence de tendances.

Les éléments présentés comprennent des simulations comparant la méthode aux approches traditionnelles et une application à des portefeuilles Fama-French, à partir de laquelle les auteurs élaborent une stratégie de trading par paires. Le résumé affirme que les résultats des simulations sont meilleurs, mais ne fournit aucun détail sur les données, les mesures ou les résultats de trading. Il ne précise pas non plus les choix d’implémentation, comme la construction des signaux, les coûts de transaction ou les contrôles du risque. Le document présente donc un cadre de modélisation statistique et une application illustrative au trading, sans fournir assez d’informations pour évaluer la performance de la stratégie après coûts ou sa généralisation à d’autres portefeuilles.

Idées clés

• Le modèle représente la cointégration de données matricielles au moyen de relations bilinéaires entre lignes et colonnes.
• Les méthodes des moindres carrés et du maximum de vraisemblance estiment les vecteurs de cointégration et les autres paramètres du modèle.
• Les auteurs établissent des résultats asymptotiques pour les autorégressions matricielles avec tendance.
• Des simulations et une application à des portefeuilles Fama-French illustrent la méthode, notamment une stratégie de trading par paires.

Étiquettes

# 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.

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.