Modèles espace-état non linéaires et non gaussiens pour le trading par paires

Résumé

Cet article modélise l’écart de prix entre deux actifs comme un état caché suivant un processus de retour à la moyenne. Le modèle autorise des innovations de l’écart non gaussiennes et hétéroscédastiques, tout en rendant le retour à la moyenne non linéaire. Il utilise l’estimation filtrée de l’écart comme signal de trading et présente une stratégie dont la règle de trading est choisie par simulations de Monte-Carlo.

Les auteurs présentent des applications à PEP/KO et EWT/EWH, ainsi qu’à des combinaisons de paires parmi les cinq plus grandes et les cinq plus petites banques américaines cotées au NYSE US. Ils indiquent que l’approche a amélioré les rendements et les ratios de Sharpe dans presque tous les cas de paires bancaires, avec des comparaisons en échantillon et hors échantillon. La description donne également les rendements annualisés des deux paires illustratives, mais ne précise ni les périodes d’échantillonnage, ni les coûts de transaction, ni les contrôles du risque, ni les procédures de robustesse. Ces omissions limitent les conclusions quant à la persistance des résultats rapportés en trading réel.

Idées clés

• L’écart entre les actifs est traité comme un état latent suivant un retour à la moyenne non linéaire.
• Les innovations de l’écart peuvent être à la fois non gaussiennes et hétéroscédastiques.
• L’écart filtré sert de signal pour les transactions d’arbitrage statistique.
• Des simulations de Monte-Carlo servent à choisir une règle de trading.
• Les applications présentent des résultats sur des paires et des comparaisons avec des méthodes existantes, mais ne précisent pas les coûts pratiques ni les détails de robustesse.

Étiquettes

# Pairs Trading with Nonlinear and Non-Gaussian State Space Models


# Pairs Trading with Nonlinear and Non-Gaussian State Space Models









This paper studies pairs trading using a nonlinear and non-Gaussian state-space model framework. We model the spread between the prices of two assets as an unobservable state variable and assume that it follows a mean-reverting process. This new model has two distinctive features: (1) The innovations to the spread is non-Gaussianity and heteroskedastic. (2) The mean reversion of the spread is nonlinear. We show how to use the filtered spread as the trading indicator to carry out statistical arbitrage. We also propose a new trading strategy and present a Monte Carlo based approach to select the optimal trading rule. As the first empirical application, we apply the new model and the new trading strategy to two examples: PEP vs KO and EWT vs EWH. The results show that the new approach can achieve a 21.86% annualized return for the PEP/KO pair and a 31.84% annualized return for the EWT/EWH pair. As the second empirical application, we consider all the possible pairs among the largest and the smallest five US banks listed on the NYSE. For these pairs, we compare the performance of the proposed approach with that of the existing popular approaches, both in-sample and out-of-sample. Interestingly, we find that our approach can significantly improve the return and the Sharpe ratio in almost all the cases considered.

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.