Indicateurs spectraux de crise financière pour le trading systématique

Résumé

Ce travail décrit des stratégies de trading systématique pilotées par des indicateurs de crise dérivés des spectres de matrices de covariance ou de corrélation. Une famille d’indicateurs compare la distribution des valeurs propres de chaque date à une distribution de référence correspondant à des marchés calmes ou agités. Une autre suit certaines statistiques spectrales, dont la trace, le rayon spectral ou la norme de Frobenius. La décomposition en valeurs singulières sert à calculer efficacement les spectres.

Les signaux des indicateurs sont combinés pour réduire les faux positifs, puis convertis en décisions d’investissement au moyen de règles discrètes. Les auteurs comparent les stratégies actives à des références passives et aléatoires et revendiquent une rentabilité reproductible ainsi qu’un pouvoir prédictif hors échantillon dans le cadre et avec les données étudiés. Le document ne précise ni les actifs couverts, ni les dates de l’échantillon, les performances chiffrées ou suffisamment de détails méthodologiques pour évaluer la robustesse indépendamment ; ses affirmations sont explicitement limitées au cadre et aux données utilisés.

Idées clés

• Les indicateurs de crise sont construits à partir des spectres de matrices de covariance ou de corrélation.
• Une approche compare les distributions de valeurs propres à des références de marchés calmes ou agités.
• D’autres indicateurs suivent des propriétés spectrales comme la trace, le rayon spectral et la norme de Frobenius.
• Les signaux sont agrégés pour limiter les faux positifs avant l’application de règles de trading discrètes.
• L’étude compare des stratégies actives à des références passives et aléatoires, mais l’extrait omet les résultats chiffrés et les détails sur les données.

Étiquettes

# Winning Investment Strategies Based on Financial Crisis Indicators


# Winning Investment Strategies Based on Financial Crisis Indicators









The aim of this work is to create systematic trading strategies built upon several financial crisis indicators based on the spectral properties of market dynamics. Within the limitations of our framework and data, we will demonstrate that our systematic trading strategies are able to make money, not as a result of pure luck but, in a reproducible way and while avoiding the pitfall of over fitting, as a result of the skill of the operators and their understanding and knowledge of the financial market. Using singular value decomposition (SVD) techniques in order to compute all spectra in an efficient way, we have built two kinds of financial crisis indicators with a demonstrable power of prediction. Firstly, there are those that compare at every date the distribution of the eigenvalues of a covariance or correlation matrix to a distribution of reference representing either a calm or agitated market reference. Secondly, we have those that merely compute at every date a chosen spectral property (trace, spectral radius or Frobenius norm) of a covariance or correlation matrix. Aggregating the signals provided by all the indicators in order to minimize false positive errors, we then build systematic trading strategies based on a discrete set of rules governing the investment decisions of the investor. Finally, we compare our active strategies to a passive reference as well as to random strategies in order to prove the usefulness of our approach and the added value provided by the out-of-sample predictive power of the financial crisis indicators upon which our systematic trading strategies are built.

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.