सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

कोइंटीग्रेटेड शेयरों के लिए HJB-अनुकूलित सांख्यिकीय आर्बिट्राज

लेख arXiv papers · लेखक: T. N. Li et al.
मूल स्रोत पढ़ें

सारांश

यह लेख कई कोइंटीग्रेटेड शेयरों के लिए सांख्यिकीय आर्बिट्राज पोर्टफ़ोलियो विकसित करता है और ईजेनपोर्टफ़ोलियो को फ़ैक्टर के रूप में इस्तेमाल करता है। इसमें पोर्टफ़ोलियो चयन को स्टोकेस्टिक नियंत्रण समस्या के रूप में प्रस्तुत किया गया है और Hamilton-Jacobi-Bellman समीकरण हल करके इष्टतम भार निर्धारित किए गए हैं। विश्लेषण में अप्रतिबंधित पोर्टफ़ोलियो और बाज़ार-तटस्थ रहने के लिए बाध्य पोर्टफ़ोलियो, दोनों शामिल हैं; साथ ही हलों और पोर्टफ़ोलियो वृद्धि दरों की दीर्घकालिक स्थिरता सुनिश्चित करने के उद्देश्य वाली पैरामीटर शर्तें दी गई हैं।

2000 से 2021 तक के S&P 500 घटकों पर ऐतिहासिक बैकटेस्ट से संकेत मिलता है कि मॉडल लंबे समय में कई कोइंटीग्रेटेड शेयर पहचान सकता है। बताई गई रणनीतियों ने समग्र बाज़ार अस्थिरता अधिक होने की अवधियों में बेहतर प्रदर्शन किया, लेकिन उनके परिणाम पैरामीटर अनुमानों के प्रति संवेदनशील थे। इन निष्कर्षों से संकेत मिलता है कि कार्यान्वयन में अनुमान की गुणवत्ता और बाज़ार व्यवस्था का काफी महत्व हो सकता है। दस्तावेज़ में लेनदेन लागत, बेंचमार्क तुलना या नमूने से बाहर के सुरक्षा उपाय निर्दिष्ट नहीं हैं; इसलिए केवल बैकटेस्ट यह स्थापित नहीं करते कि लाइव ट्रेडिंग में रणनीतियाँ लाभदायक बनी रहेंगी।

मुख्य विचार

  • यह रूपरेखा कई कोइंटीग्रेटेड शेयरों का मॉडल बनाती है और ईजेनपोर्टफ़ोलियो को फ़ैक्टर मानती है।
  • पोर्टफ़ोलियो भार Hamilton-Jacobi-Bellman समीकरण हल करके निकाले जाते हैं।
  • अध्ययन अप्रतिबंधित और बाज़ार-तटस्थ, दोनों प्रकार के पोर्टफ़ोलियो चयन का विश्लेषण करता है।
  • S&P 500 घटकों पर बैकटेस्ट 2000 से 2021 तक की अवधि को कवर करते हैं।
  • बताई गई लाभप्रदता अस्थिर अवधियों में अधिक है, जबकि परिणाम पैरामीटर अनुमानों के प्रति संवेदनशील हैं।

टैग

इक्विटीआर्बिट्राज
पूरा पाठ
# Statistical Arbitrage for Multiple Co-Integrated Stocks


# Statistical Arbitrage for Multiple Co-Integrated Stocks









In this article, we analyse optimal statistical arbitrage strategies from stochastic control and optimisation problems for multiple co-integrated stocks with eigenportfolios being factors. Optimal portfolio weights are found by solving a Hamilton-Jacobi-Bellman (HJB) partial differential equation, which we solve for both an unconstrained portfolio and a portfolio constrained to be market neutral. Our analyses demonstrate sufficient conditions on the model parameters to ensure long-term stability of the HJB solutions and stable growth rates for the optimal portfolios. To gauge how these optimal portfolios behave in practice, we perform backtests on historical stock prices of the S&P 500 constituents from year 2000 through year 2021. These backtests suggest three key conclusions: that the proposed co-integrated model with eigenportfolios being factors can generate a large number of co-integrated stocks over a long time horizon, that the optimal portfolios are sensitive to parameter estimation, and that the statistical arbitrage strategies are more profitable in periods when overall market volatilities are high.

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।