Trading par paires sur les marchés de paris électoraux avec un modèle de probabilité à retour à la moyenne

Résumé

Cette étude de cas adapte la logique du trading par paires aux marchés de paris politiques en modélisant la probabilité implicite combinée des candidats investis par les deux grands partis. Un processus latent d’Ornstein-Uhlenbeck avec un niveau de retour à la moyenne variable dans le temps représente la probabilité sous-jacente, tandis qu’un bruit additif tient compte des cotes observées. Les paramètres sont estimés à partir de données échantillonnées à intervalles réguliers au moyen d’une vraisemblance en espace d’états ; les cotes répétées consécutives sont regroupées tout en préservant leur durée écoulée dans la transition en temps continu.

Des bornes supérieures de prévision par bootstrap paramétrique génèrent des signaux lorsque la probabilité combinée devrait baisser, et un modèle de type Bradley-Terry choisit la cote du candidat à utiliser. Le modèle de sélection des candidats est entraîné sur les données électorales de 2020 et évalué sur celles de 2024, produisant 130 signaux, une couverture à un pas de 95.1%, un rendement moyen du prix synthétique des cotes de 1.86% et un ratio de type Sharpe par transaction non annualisé de 1.12. Ces mesures descriptives supposent l’absence de frictions et ne correspondent pas à des profits de paris exécutables ; les auteurs présentent la méthode comme une preuve de concept pour les marchés à deux candidats.

Idées clés

• Le cadre modélise la probabilité implicite combinée de deux candidats par un processus bruité à retour à la moyenne variable dans le temps.
• Une vraisemblance en espace d’états estime les paramètres du modèle en tenant compte des durées irrégulières entre les observations conservées.
• Les bornes supérieures de prévision par bootstrap repèrent les baisses potentielles de la probabilité implicite combinée.
• Un modèle de type Bradley-Terry sélectionne la cote propre au candidat.
• Les résultats hors échantillon de 2024 sont descriptifs et excluent les frictions des plateformes de paris.

Étiquettes

# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election


# Adapting Pairs Trading to Gambling Markets A Case Study of the U.S. Presidential Election









Pairs trading exploits mean reversion in the relationship between related assets. We adapt this idea to political betting markets by modelling the combined implied probability of the two major-party nominees with a latent Ornstein-Uhlenbeck process whose mean-reversion level varies over time and whose observations contain additive noise. Model parameters are estimated from regularly sampled odds data using a state-space likelihood, with consecutive repeated values represented by a single retained observation and the elapsed number of sampling intervals preserved in the continuous-time transition. Parametric-bootstrap upper prediction bounds identify signal times at which the combined implied probability is likely to decline, and a no-intercept Bradley-Terry-type model selects the candidate-specific odds quote. The candidate-selection model is trained on 2020 U.S. presidential-election data and evaluated out of sample on 2024 data. The 2024 analysis produced 130 signals, empirical one-step coverage of 95.1%, a mean synthetic odds-price return of 1.86%, and an unannualized per-trade Sharpe-type ratio of 1.12. These returns are frictionless descriptive quantities rather than executable betting-exchange profits. The results support the integrated framework as a proof of concept for two-candidate electoral markets.

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.