मज़बूत सांख्यिकीय आर्बिट्राज के लिए डीप न्यूरल नेटवर्क
सारांश
दस्तावेज़ बाज़ार मॉडल की अनिश्चितता के बीच लाभदायक बने रहने की कोशिश करने वाली सांख्यिकीय आर्बिट्राज रणनीतियाँ खोजने की डेटा-आधारित विधि बताता है। यह कई प्रतिभूतियों पर एक साथ विचार करने के लिए डीप न्यूरल नेटवर्क का उपयोग करता है, जिससे पहले सह-एकीकृत युग्मों की पहचान करने की ज़रूरत नहीं रहती। इससे उच्च-आयामी बाज़ारों और उन स्थितियों तक तरीका विस्तृत होता है जहाँ पारंपरिक पेयर ट्रेडिंग ठीक से काम न करे।
यह विधि मॉडल की अस्पष्टता दर्शाने के लिए देखे गए बाज़ार डेटा से संभावित प्रायिकता मापों का एक समूह भी बनाती है। लेखक इस तरीके को मॉडल-मुक्त बताते हैं। वे 50 तक के आयामों में लाभदायक प्रदर्शन वाली अनुभवजन्य जाँचों की रिपोर्ट देते हैं, जिनमें वित्तीय संकटों के दौरान और द्विपक्षीय सह-एकीकरण संबंध कायम न रहने के बाद की स्थितियाँ शामिल हैं। अंश में डेटासेट, मूल्यांकन डिज़ाइन, लागत मान्यताएँ या विस्तृत प्रदर्शन माप नहीं हैं, इसलिए लाइव ट्रेडिंग में मज़बूती आँकने या नतीजों को दोहराने के लिए यह पर्याप्त नहीं है।
मुख्य विचार
- मॉडल की अस्पष्टता के बीच सांख्यिकीय आर्बिट्राज रणनीतियाँ पहचानने के लिए डीप न्यूरल नेटवर्क उपयोग किए जाते हैं।
- यह विधि सह-एकीकृत युग्मों की आवश्यकता के बिना कई प्रतिभूतियों पर विचार कर सकती है।
- संभावित प्रायिकता मापों का अस्पष्टता समूह देखे गए डेटा से निकाला जाता है।
- रिपोर्ट की गई अनुभवजन्य जाँचों में संकट अवधियाँ और सह-एकीकरण टूटने की स्थितियाँ शामिल हैं।
- व्यावहारिक प्रदर्शन आँकने के लिए ज़रूरी परीक्षण विवरण और ट्रेडिंग लागत मान्यताएँ अंश में नहीं हैं।
टैग
पूरा पाठ
# Detecting data-driven robust statistical arbitrage strategies with deep neural networks # Detecting data-driven robust statistical arbitrage strategies with deep neural networks We present an approach, based on deep neural networks, that allows identifying robust statistical arbitrage strategies in financial markets. Robust statistical arbitrage strategies refer to trading strategies that enable profitable trading under model ambiguity. The presented novel methodology allows to consider a large amount of underlying securities simultaneously and does not depend on the identification of cointegrated pairs of assets, hence it is applicable on high-dimensional financial markets or in markets where classical pairs trading approaches fail. Moreover, we provide a method to build an ambiguity set of admissible probability measures that can be derived from observed market data. Thus, the approach can be considered as being model-free and entirely data-driven. We showcase the applicability of our method by providing empirical investigations with highly profitable trading performances even in 50 dimensions, during financial crises, and when the cointegration relationship between asset pairs stops to persist.
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।