מסגרת לחזרה לממוצע: ממסחר בזוגות לאופטימיזציה עם אילוצים

סיכום

הערות אלה מפתחות ניתוח כמותי של חזרה לממוצע, החל ממסחר בזוגות ובהמשך דרך הסרת הממוצע, רגרסיה, רגרסיה משוקללת, אופטימיזציה עם אילוצים ומודלי גורמים. הרצף מראה כיצד אפשר להשתמש בשיטות כלליות יותר ויותר לבניית אסטרטגיות ותיקים של חזרה לממוצע.

ההערות עוסקות גם בסוגיות יישום מעשיות, ובהן הסיבה לכך שמקסום יחס שארפ אינו שקול למזעור פונקציית מטרה כאשר מביאים בחשבון עלויות מסחר. הן מתארות אלגוריתמים לאופטימיזציה עם עלויות ליניאריות, אילוצים וגבולות, ומצביעות על מלכודות יישום נפוצות. התיאור שסופק אינו מציג את האלגוריתמים, ההנחות או ראיות הביצועים, ולכן הוא מתווה מסגרת לימוד ולא מוכיח שאסטרטגיה מסוימת רווחית.

רעיונות מרכזיים

• ההערות מפתחות שיטות לחזרה לממוצע ממסחר בזוגות ועד מודלי גורמים.
• הסרת ממוצע, רגרסיה ורגרסיה משוקללת מובילות לאופטימיזציה עם אילוצים.
• מקסום יחס שארפ עשוי להיות שונה ממזעור פונקציית מטרה כאשר עלויות המסחר חשובות.
• המסגרת כוללת אופטימיזציה עם עלויות ליניאריות, אילוצים וגבולות.
• התיאור אינו מדווח על ביצועים אמפיריים ואינו מפרט את האלגוריתמים.

תגיות

# Mean-Reversion and Optimization


# Mean-Reversion and Optimization









The purpose of these notes is to provide a systematic quantitative framework - in what is intended to be a "pedagogical" fashion - for discussing mean-reversion and optimization. We start with pair trading and add complexity by following the sequence "mean-reversion via demeaning -> regression -> weighted regression -> (constrained) optimization -> factor models". We discuss in detail how to do mean-reversion based on this approach, including common pitfalls encountered in practical applications, such as the difference between maximizing the Sharpe ratio and minimizing an objective function when trading costs are included. We also discuss explicit algorithms for optimization with linear costs, constraints and bounds.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.