Apprentissage en ligne pour l’arbitrage statistique sans hypothèse de stationnarité

Résumé

Ce document présente une approche d’apprentissage en ligne pour l’arbitrage statistique. Il la compare aux stratégies courantes fondées sur des modèles de retour à la moyenne, dont les méthodes reposent sur des hypothèses susceptibles d’échouer pour des processus stochastiques non stationnaires généraux. L’alternative proposée vise à fonctionner sans ces hypothèses.

Le document indique que la méthode offre de solides garanties d’apprentissage, ce qui suggère une base théorique pour s’adapter à mesure que les données arrivent. Toutefois, la description ne précise ni l’algorithme, ni les garanties exactes, ni les règles de trading, ni la prise en compte du portefeuille et des coûts de transaction. Elle ne présente pas non plus de résultats empiriques ni de comparaisons. La contribution est donc présentée comme une alternative méthodologique générale ; les informations disponibles ne suffisent pas à évaluer sa rentabilité pratique ou sa robustesse sur les marchés en réel.

Idées clés

• L’arbitrage statistique traditionnel repose souvent sur des modèles de retour à la moyenne et leurs hypothèses.
• Ces hypothèses peuvent ne pas tenir pour des processus stochastiques non stationnaires généraux.
• L’alternative proposée utilise l’apprentissage en ligne et ne nécessite pas ces hypothèses.
• Le document affirme de solides garanties d’apprentissage, mais ne fournit ni détails ni évaluation empirique.

Étiquettes

# Online Learning Algorithms for Statistical Arbitrage


# Online Learning Algorithms for Statistical Arbitrage









Statistical arbitrage is a class of financial trading strategies using mean reversion models. The corresponding techniques rely on a number of assumptions which may not hold for general non-stationary stochastic processes. This paper presents an alternative technique for statistical arbitrage based on online learning which does not require such assumptions and which benefits from strong learning guarantees.

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.