लागत-सचेत सांख्यिकीय आर्बिट्राज के लिए अटेंशन कारक
सारांश
यह शोधपत्र संबंधित इक्विटी पहचानने, सापेक्ष गलत मूल्य निर्धारण का पता लगाने और ट्रेडिंग लागतों को ध्यान में रखने वाली ट्रेडिंग नीति बनाने के लिए सशर्त गुप्त कारक सीखने का ढाँचा विकसित करता है। इसके अटेंशन कारक कंपनी की विशेषताओं के एम्बेडिंग से बनते हैं, जिससे उन विशेषताओं के बीच परस्पर प्रभाव संभव होता है। एक अनुक्रम मॉडल अवशिष्ट पोर्टफ़ोलियो से समय-श्रृंखला संकेत निकालता है और लागत के बाद जोखिम-समायोजित लाभप्रदता लक्ष्य करने के लिए कारक आकलन को आर्बिट्राज रणनीति के साथ संयुक्त रूप से अनुकूलित किया जाता है।
लेखक 24 वर्ष की अवधि में सबसे बड़ी अमेरिकी इक्विटी के लिए चार से अधिक का नमूने से बाहर शार्प अनुपात और लेनदेन लागत के बाद 2.3 शार्प अनुपात वाला एक-चरणीय समाधान बताते हैं। वे यह भी तर्क देते हैं कि कमज़ोर कारक आर्बिट्राज निर्णयों के लिए फिर भी मायने रख सकते हैं। अंश में पोर्टफ़ोलियो निर्माण, निष्पादन मान्यताएँ या मजबूती जाँच निर्दिष्ट नहीं हैं, इसलिए बताए गए परिणाम अध्ययन के निर्दिष्ट निवेश-समूह और मूल्यांकन डिज़ाइन के संदर्भ में समझे जाने चाहिए।
मुख्य विचार
- सशर्त गुप्त अटेंशन कारक कंपनी-विशेषता एम्बेडिंग से सीखे जाते हैं।
- अवशिष्ट कारक पोर्टफ़ोलियो अनुक्रम मॉडल के ज़रिये समय-श्रृंखला संकेत देते हैं।
- कारक सीखने और रणनीति निर्माण को ट्रेडिंग लागत ध्यान में रखने के लिए संयुक्त रूप से अनुकूलित किया जाता है।
- अध्ययन बड़ी अमेरिकी इक्विटी के लिए मज़बूत नमूने से बाहर शार्प परिणाम बताता है और कमज़ोर कारकों के महत्व पर ज़ोर देता है।
टैग
पूरा पाठ
# Attention Factors for Statistical Arbitrage # Attention Factors for Statistical Arbitrage Statistical arbitrage exploits temporal price differences between similar assets. We develop a framework to jointly identify similar assets through factors, identify mispricing and form a trading policy that maximizes risk-adjusted performance after trading costs. Our Attention Factors are conditional latent factors that are the most useful for arbitrage trading. They are learned from firm characteristic embeddings that allow for complex interactions. We identify time-series signals from the residual portfolios of our factors with a general sequence model. Estimating factors and the arbitrage trading strategy jointly is crucial to maximize profitability after trading costs. In a comprehensive empirical study we show that our Attention Factor model achieves an out-of-sample Sharpe ratio above 4 on the largest U.S. equities over a 24-year period. Our one-step solution yields an unprecedented Sharpe ratio of 2.3 net of transaction costs. We show that weak factors are important for arbitrage trading.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।