Sélectionner des paires cointégrées par appariement pondéré maximal

Résumé

Le document présente une méthode de construction de portefeuille pour le trading par paires qui limite le chevauchement entre les paires sélectionnées. Il représente les actifs comme des nœuds d’un graphe et les paires candidates cointégrées comme des arêtes pondérées, dont le poids reflète la force de la cointégration. Le portefeuille est choisi par appariement pondéré maximal, ce qui sélectionne les paires les plus fortes tout en garantissant que chaque actif n’apparaît que dans une seule paire. Cette méthode remédie à une limite de la sélection fondée uniquement sur la cointégration, où plusieurs paires peuvent réutiliser les mêmes actifs et concentrer le risque.

Les auteurs présentent une analyse théorique et une étude empirique utilisant des données du S&P 500 de 2017 à 2023. Le portefeuille obtenu par appariement avait une variance inférieure à celle de la référence fondée uniquement sur la cointégration et un ratio de Sharpe brut de 1.23, contre 0.48 pour la référence et 0.59 pour le marché. Selon le document, il présentait aussi des coûts de trading liés à la rotation plus faibles et un risque moindre associé à un actif unique. Le résumé ne fournit ni la performance nette, ni les hypothèses relatives aux coûts de transaction, ni les détails nécessaires pour évaluer la sensibilité aux choix d’échantillon et de sélection des paires.

Idées clés

• La méthode représente les actifs comme des nœuds de graphe et les paires cointégrées comme des arêtes pondérées.
• L’appariement pondéré maximal sélectionne les paires les plus fortes et empêche qu’un actif apparaisse dans plusieurs paires.
• Les auteurs indiquent que la variance du portefeuille est inférieure à celle d’une référence qui sélectionne les paires uniquement par cointégration.
• Dans l’étude indiquée sur le S&P 500, la stratégie d’appariement avait un ratio de Sharpe brut de 1.23 et des coûts liés à la rotation plus faibles.

Étiquettes

# Pairs Trading Using a Novel Graphical Matching Approach


# Pairs Trading Using a Novel Graphical Matching Approach









Pairs trading, a strategy that capitalizes on price movements of asset pairs driven by similar factors, has gained significant popularity among traders. Common practice involves selecting highly cointegrated pairs to form a portfolio, which often leads to the inclusion of multiple pairs sharing common assets. This approach, while intuitive, inadvertently elevates portfolio variance and diminishes risk-adjusted returns by concentrating on a small number of highly cointegrated assets. Our study introduces an innovative pair selection method employing graphical matchings designed to tackle this challenge. We model all assets and their cointegration levels with a weighted graph, where edges signify pairs and their weights indicate the extent of cointegration. A portfolio of pairs is a subgraph of this graph. We construct a portfolio which is a maximum weighted matching of this graph to select pairs which have strong cointegration while simultaneously ensuring that there are no shared assets within any pair of pairs. This approach ensures each asset is included in just one pair, leading to a significantly lower variance in the matching-based portfolio compared to a baseline approach that selects pairs purely based on cointegration. Theoretical analysis and empirical testing using data from the S\&P 500 between 2017 and 2023, affirm the efficacy of our method. Notably, our matching-based strategy showcases a marked improvement in risk-adjusted performance, evidenced by a gross Sharpe ratio of 1.23, a significant enhancement over the baseline value of 0.48 and market value of 0.59. Additionally, our approach demonstrates reduced trading costs attributable to lower turnover, alongside minimized single asset risk due to a more diversified asset base.

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.