定常性を仮定しない統計的裁定のオンライン学習

サマリー

この文書は、統計的裁定のためのオンライン学習手法を紹介しています。一般的な非定常確率過程では成り立たない場合がある仮定に依存する平均回帰モデルベースの既存戦略と対比しています。提案する代替手法は、そうした仮定を必要とせずに運用することを意図しています。

この手法には強い学習保証があると文書は述べており、データの到着に応じて適応する理論的基盤を示唆しています。しかし説明には、アルゴリズム、保証の正確な内容、売買ルール、ポートフォリオや取引コストの扱いが示されていません。実証結果や比較もありません。したがって貢献は一般的な方法論上の代替案として提示されており、利用可能な情報だけでは実運用市場での収益性や頑健性を評価できません。

主なアイデア

• 従来の統計的裁定は、平均回帰モデルとその仮定に依存することが多くあります。
• 一般的な非定常確率過程では、そうした仮定が成り立たない場合があります。
• 提案手法はオンライン学習を用い、これらの仮定を必要としません。
• 強い学習保証があると文書は述べていますが、詳細や実証評価は示されていません。

タグ

# Online Learning Algorithms for Statistical Arbitrage


# Online Learning Algorithms for Statistical Arbitrage









Statistical arbitrage is a class of financial trading strategies using mean reversion models. The corresponding techniques rely on a number of assumptions which may not hold for general non-stationary stochastic processes. This paper presents an alternative technique for statistical arbitrage based on online learning which does not require such assumptions and which benefits from strong learning guarantees.

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。