इक्विटी सांख्यिकीय आर्बिट्राज के लिए सशर्त फ़ैक्टर मॉडल
सारांश
यह अध्ययन US इक्विटी के पोर्टफ़ोलियो के लिए सशर्त फ़ैक्टर मॉडल पर आधारित सांख्यिकीय आर्बिट्राज विधि बनाता है। स्टेट-स्पेस मॉडल रिटर्न को फ़ैक्टर मानों और छिपे, समय के साथ बदलते फ़ैक्टर जोखिम प्रीमियम के शोरयुक्त संयोजन के रूप में देखता है। ऑनलाइन फ़िल्टरिंग और पूर्वानुमान इन प्रीमियम का अनुमान लगाते हैं और अपेक्षित रिटर्न बनाते हैं, जिनकी तुलना देखे गए रिटर्न से की जा सकती है; बड़े अंतर को औसत-वापसी के संभावित अवसर माना जाता है।
लेखक स्टेट-स्पेस मॉडल के रैखिक और अरैखिक, दोनों रूपों का उपयोग करके लेनदेन लागत को ध्यान में रखने वाली ट्रेडिंग रणनीति का मूल्यांकन करते हैं। वे 29 वर्षों के इतिहास के परिणाम देते हैं और सरल बेंचमार्क तथा अन्य प्रकाशित तरीकों से प्रदर्शन की तुलना करते हैं; उनके अनुसार यह तरीका प्रतिस्पर्धी है। वे यह भी बताते हैं कि समय के साथ, खासकर हाल के वर्षों में, प्रदर्शन कमज़ोर हुआ है, हालाँकि उनके विश्लेषण में यह आर्थिक रूप से आकर्षक बना हुआ है। यहाँ दस्तावेज़ परिसंपत्ति चयन, ट्रेडिंग सीमाओं, लागत मान्यताओं या जोखिम नियंत्रणों का विवरण नहीं देता; इसलिए केवल बताए गए निष्कर्षों से यह तय नहीं किया जा सकता कि रणनीति दूसरे बाज़ार या अवधि में भी लागू होगी।
मुख्य विचार
- स्टेट-स्पेस फ़ैक्टर मॉडल इक्विटी रिटर्न को अप्रेक्षित फ़ैक्टर जोखिम प्रीमियम के प्रति शोरयुक्त एक्सपोज़र के रूप में दर्शा सकता है।
- समय के साथ बदलते प्रीमियम के ऑनलाइन अनुमान रिटर्न व्यवहार में बदलाव के अनुसार मॉडल को ढालते हैं।
- देखे गए और फ़िल्टर किए गए रिटर्न के बड़े अंतर को संभावित औसत-वापसी ट्रेड माना जाता है।
- मूल्यांकित रणनीति में लेनदेन लागत शामिल है और मॉडल के रैखिक तथा अरैखिक रूप इस्तेमाल किए गए हैं।
- लंबे नमूने में प्रदर्शन प्रतिस्पर्धी बताया गया है, लेकिन हाल के वर्षों में कम हुआ है।
टैग
पूरा पाठ
# On statistical arbitrage under a conditional factor model of equity returns # On statistical arbitrage under a conditional factor model of equity returns We consider a conditional factor model for a multivariate portfolio of United States equities in the context of analysing a statistical arbitrage trading strategy. A state space framework underlies the factor model whereby asset returns are assumed to be a noisy observation of a linear combination of factor values and latent factor risk premia. Filter and state prediction estimates for the risk premia are retrieved in an online way. Such estimates induce filtered asset returns that can be compared to measurement observations, with large deviations representing candidate mean reversion trades. Further, in that the risk premia are modelled as time-varying quantities, non-stationarity in returns is de facto captured. We study an empirical trading strategy respectful of transaction costs, and demonstrate performance over a long history of 29 years, for both a linear and a non-linear state space model. Our results show that the model is competitive relative to the results of other methods, including simple benchmarks and other cutting-edge approaches as published in the literature. Also of note, while strategy performance degradation is noticed through time -- especially for the most recent years -- the strategy continues to offer compelling economics, and has scope for further advancement.
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।