ペアトレードから制約付き最適化まで：平均回帰の枠組み
記事 arXiv papers · 著者: Zura Kakushadze
サマリー
このノートは、平均回帰を定量的に扱い、ペアトレードから始めて、平均除去、回帰、加重回帰、制約付き最適化、ファクターモデルへと進みます。この流れを通じて、より一般的な手法を使って平均回帰戦略やポートフォリオを構築する方法を示します。
ノートでは実装上の課題も扱います。取引コストを含めた場合に、シャープレシオの最大化が目的関数の最小化と同じではない理由などです。線形コスト、制約、上下限を伴う最適化アルゴリズムを説明し、応用時によくある落とし穴も挙げています。提供された説明にはアルゴリズム、仮定、パフォーマンスの根拠がありません。そのため、特定の戦略の収益性を示すものではなく、学習の枠組みを示しています。
主なアイデア
- ペアトレードからファクターモデルまで、平均回帰手法を展開します。
- 平均除去、回帰、加重回帰から、制約付き最適化へと進みます。
- 取引コストを考慮すると、シャープレシオの最大化と目的関数の最小化は異なることがあります。
- 線形コスト、制約、上下限を伴う最適化を扱います。
- 説明には実証パフォーマンスの報告も、アルゴリズムの詳細もありません。
タグ
全文
# Mean-Reversion and Optimization # Mean-Reversion and Optimization The purpose of these notes is to provide a systematic quantitative framework - in what is intended to be a "pedagogical" fashion - for discussing mean-reversion and optimization. We start with pair trading and add complexity by following the sequence "mean-reversion via demeaning -> regression -> weighted regression -> (constrained) optimization -> factor models". We discuss in detail how to do mean-reversion based on this approach, including common pitfalls encountered in practical applications, such as the difference between maximizing the Sharpe ratio and minimizing an objective function when trading costs are included. We also discuss explicit algorithms for optimization with linear costs, constraints and bounds.
出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0
この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。