מסחר אופטימלי עם למידה במודלי אלפא חבויים
סיכום
מאמר זה חוקר מסחר אופטימלי כאשר אות ארביטראז' סטטיסטי נובע מגורמים חבויים הגורמים למחירים לקפוץ ולהתפזר. פקודות הסוחר עשויות להשפיע גם על המחירים המצוטטים ועל מחירי הביצוע, ולכן הבעיה כוללת גם מצבי שוק לא ודאיים וגם את השפעת המחיר של הסוחר עצמו. השיטה המוצעת עוקבת אחר ההתפלגות האחורית של המצבים החבויים ומשתמשת בה כדי לפתור את בעיית המסחר במפורש. משפט אימות תומך בפתרון, ואילו וריאציה של אלגוריתם הציפייה-מקסום מספקת דרך לכייל את המודל.
סימולציות משוות בין האסטרטגיה המתחשבת בלמידה לבין אסטרטגיות שמתעלמות מלמידת המצבים החבויים, והמאמר מדווח על תוצאות כיול באמצעות מניית Intel. הדוגמאות ממחישות את הגישה, אך התיאור שסופק אינו כולל תוצאות ביצועים מספריות או פירוט של הנחות המודל. לכן, הממצאים מציגים מסגרת למידול ולפתרון, ולא מראים כיצד היא מתפקדת בשווקים שונים או בתנאי מסחר חי.
רעיונות מרכזיים
- גורמים חבויים עשויים לחולל גם קפיצות וגם תנועה רציפה במחירים המשמשים לארביטראז' סטטיסטי.
- פקודות של סוחר עשויות להשפיע על המחירים המצוטטים ועל המחירים המתקבלים בביצוע.
- האסטרטגיה לומדת התפלגות אחורית של מצבים חבויים ומשתמשת בה לבחירת עסקאות.
- משפט אימות וגרסה של אלגוריתם הציפייה-מקסום תומכים בפתרון ובכיול.
- סימולציות משוות את הגישה לאסטרטגיות המתעלמות מלמידת מצבים חבויים.
תגיות
הטקסט המלא
# Trading algorithms with learning in latent alpha models # Trading algorithms with learning in latent alpha models Alpha signals for statistical arbitrage strategies are often driven by latent factors. This paper analyses how to optimally trade with latent factors that cause prices to jump and diffuse. Moreover, we account for the effect of the trader's actions on quoted prices and the prices they receive from trading. Under fairly general assumptions, we demonstrate how the trader can learn the posterior distribution over the latent states, and explicitly solve the latent optimal trading problem. We provide a verification theorem, and a methodology for calibrating the model by deriving a variation of the expectation-maximization algorithm. To illustrate the efficacy of the optimal strategy, we demonstrate its performance through simulations and compare it to strategies which ignore learning in the latent factors. We also provide calibration results for a particular model using Intel Corporation stock as an example.
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.