米国株の複数ペア統計的裁定取引に向けたグラフクラスタリング
記事 arXiv papers · 著者: Adam Korniejczuk et al.
サマリー
この研究は、グラフクラスタリングで銘柄間の関係を特定する、米国株向けの複数ペア統計的裁定取引の枠組みを提案しています。定量手法、機械学習分類器、ケリー基準を組み合わせ、シグナル検出、リスク管理、取引コストへの耐性の向上を目指します。また、日次取引の利確と損切りルールの設定方法も検証します。
著者らは、現実的と仮定した取引コストのもとで、テストしたすべての手法が対応するベンチマークを上回ったと報告しています。最も成績の高い手法とパラメーターの組み合わせでは、性能指標が大幅に改善しました。また、一部の主要パラメーターの変化に対する感度も指摘しています。文書には銘柄、評価期間、具体的なベンチマーク、コストの仮定、感度の範囲が明記されていないため、独立した評価や検証設定を超えた性能の判断には限界があります。
主なアイデア
- グラフクラスタリングを用いて、複数ペア統計的裁定取引戦略向けに銘柄を整理します。
- 機械学習分類器、定量手法、ケリー基準を組み合わせます。
- 日次の利確・損切りルールを最適化し、シグナル検出とリスク管理を行います。
- 現実的と仮定した取引コストのもとで、ベンチマークを上回ったと著者らは報告しています。
- 報告された性能は一部のパラメーター変更に敏感ですが、詳細は示されていません。
タグ
全文
# Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market # Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market The study seeks to develop an effective strategy based on the novel framework of statistical arbitrage based on graph clustering algorithms. Amalgamation of quantitative and machine learning methods, including the Kelly criterion, and an ensemble of machine learning classifiers have been used to improve risk-adjusted returns and increase immunity to transaction costs over existing approaches. The study seeks to provide an integrated approach to optimal signal detection and risk management. As a part of this approach, innovative ways of optimizing take profit and stop loss functions for daily frequency trading strategies have been proposed and tested. All of the tested approaches outperformed appropriate benchmarks. The best combinations of the techniques and parameters demonstrated significantly better performance metrics than the relevant benchmarks. The results have been obtained under the assumption of realistic transaction costs, but are sensitive to changes in some key parameters.
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。