למידה מקוונת לארביטראז׳ סטטיסטי ללא הנחות על יציבות

סיכום

המסמך מציג גישת למידה מקוונת לארביטראז׳ סטטיסטי. הוא משווה אותה לאסטרטגיות מוכרות המבוססות על מודלים של חזרה לממוצע, שהטכניקות שלהן נשענות על הנחות שעשויות שלא להתקיים בתהליכים סטוכסטיים כלליים שאינם יציבים. החלופה המוצעת נועדה לפעול ללא צורך בהנחות האלה.

המסמך טוען שלשיטה יש ערבויות למידה חזקות, המצביעות על בסיס תאורטי להתאמה לנתונים עם הגעתם. עם זאת, התיאור אינו מפרט את האלגוריתם, את הערבויות המדויקות, את כללי המסחר או את אופן ההתחשבות בתיק ובעלויות עסקה. כמו כן, אין בו תוצאות אמפיריות או השוואות. התרומה מוצגת אפוא כחלופה מתודולוגית כללית; המידע הזמין אינו מספיק כדי להעריך את הרווחיות המעשית שלה או את עמידותה בשווקים חיים.

רעיונות מרכזיים

• ארביטראז׳ סטטיסטי מסורתי נשען לעיתים קרובות על מודלים של חזרה לממוצע ועל ההנחות שלהם.
• ייתכן שהנחות אלה אינן מתקיימות בתהליכים סטוכסטיים כלליים שאינם יציבים.
• החלופה המוצעת משתמשת בלמידה מקוונת ואינה דורשת את ההנחות האלה.
• המסמך טוען לערבויות למידה חזקות, אך אינו מספק פרטים או הערכה אמפירית.

תגיות

# Online Learning Algorithms for Statistical Arbitrage


# Online Learning Algorithms for Statistical Arbitrage









Statistical arbitrage is a class of financial trading strategies using mean reversion models. The corresponding techniques rely on a number of assumptions which may not hold for general non-stationary stochastic processes. This paper presents an alternative technique for statistical arbitrage based on online learning which does not require such assumptions and which benefits from strong learning guarantees.

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.