頑健な統計的裁定取引を目指す深層ニューラルネットワーク
記事 arXiv papers · 著者: Ariel Neufeld et al.
サマリー
この文書は、市場モデルの不確実性のもとでも収益性の維持を目指す統計的裁定取引戦略を見つける、データ駆動型の手法を説明しています。深層ニューラルネットワークで多数の証券をまとめて扱うため、最初に共和分するペアを特定する必要がありません。これにより、従来のペアトレードがうまく機能しない場合や、より高次元の市場にも手法を広げられます。
この手法は、市場モデルの曖昧さを表すため、観測した市場データから妥当な確率測度の集合も構築します。著者らは、これをモデルフリーのアプローチと位置付けています。最大50次元までの実証調査で、金融危機の最中やペア間の共和分関係が持続しなくなった後も、収益性のあるパフォーマンスを報告しています。抜粋にはデータセット、評価設計、コストの仮定、詳細なパフォーマンス指標がなく、実運用での頑健性の評価や結果の再現には不十分です。
主なアイデア
- 市場モデルの曖昧さのもとで統計的裁定取引戦略を特定するため、深層ニューラルネットワークを用います。
- 共和分するペアを必要とせず、多数の証券をまとめて扱える手法です。
- 観測データから、妥当な確率測度の曖昧さ集合を導きます。
- 報告された実証調査には、危機期間と共和分が崩れるケースが含まれています。
- 実用上のパフォーマンスを評価するために必要な検証の詳細と取引コストの仮定が、抜粋にはありません。
タグ
全文
# 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.
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。