Mise à l’échelle des rendements haute fréquence du S&P pour le trading intrajournalier fondé sur un modèle

Résumé

L’article s’appuie sur les propriétés d’échelle des rendements haute fréquence agrégés du S&P 500 pour construire un modèle stochastique de martingale. Le modèle vise à reproduire les espérances conditionnelles de la séance du matin, puis est étendu à la séance de l’après-midi. Ses prévisions génèrent des signaux intrajournaliers de suivi de tendance ; ces signaux proviennent du modèle et non de figures graphiques. La stratégie proposée cherche à exploiter les corrélations linéaires présentes dans les données du S&P mais absentes du modèle.

Des tests en échantillon et hors échantillon sont présentés comme montrant de meilleures performances qu’un modèle de référence fondé sur un processus GARCH asymétrique, ainsi que de faibles possibilités d’arbitrage. Les auteurs indiquent que les profits disparaîtraient en l’absence des corrélations linéaires et évoquent une utilisation possible pour couvrir le risque de volatilité de produits liés au S&P. La description fournie ne précise ni les dates des tests, ni les hypothèses de mise en œuvre, ni les coûts de transaction, ni les chiffres de performance, ce qui limite l’évaluation de la robustesse et de la possibilité de trading. L’avantage rapporté dépend des propriétés de données spécifiées et de la comparaison des modèles.

Idées clés

• Les propriétés d’échelle des rendements haute fréquence agrégés servent à construire un modèle de martingale des espérances conditionnelles.
• Le modèle est étendu de la séance du matin à celle de l’après-midi.
• Les prévisions du modèle génèrent des signaux intrajournaliers de suivi de tendance sans critères fondés sur les graphiques.
• Les profits rapportés pour la stratégie dépendent de corrélations linéaires présentes dans les données du S&P.
• Les tests rapportent un avantage sur un modèle de référence GARCH asymétrique, mais les détails de mise en œuvre ne sont pas fournis.

Étiquettes

# Ensemble properties of high frequency data and intraday trading rules


# Ensemble properties of high frequency data and intraday trading rules









Regarding the intraday sequence of high frequency returns of the S&P index as daily realizations of a given stochastic process, we first demonstrate that the scaling properties of the aggregated return distribution can be employed to define a martingale stochastic model which consistently replicates conditioned expectations of the S&P 500 high frequency data in the morning of each trading day. Then, a more general formulation of the above scaling properties allows to extend the model to the afternoon trading session. We finally outline an application in which conditioned forecasting is used to implement a trend-following trading strategy capable of exploiting linear correlations present in the S&P dataset and absent in the model. Trading signals are model-based and not derived from chartist criteria. In-sample and out-of-sample tests indicate that the model-based trading strategy performs better than a benchmark one established on an asymmetric GARCH process, and show the existence of small arbitrage opportunities. We remark that in the absence of linear correlations the trading profit would vanish and discuss why the trading strategy is potentially interesting to hedge volatility risk for S&P index-based products.

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.