평균회귀와 최적화

기사 arXiv papers · 저자: Zura Kakushadze

요약

이 노트는 페어 트레이딩에서 시작해 평균 제거, 회귀, 가중 회귀, 제약 최적화, 요인 모형으로 나아가며 평균회귀를 정량적으로 다룹니다. 이 순서는 점차 일반화된 방법을 사용해 평균회귀 전략과 포트폴리오를 구성하는 방식을 보여줍니다.

노트는 트레이딩 비용을 포함하면 샤프 비율을 최대화하는 것이 목적 함수를 최소화하는 것과 같지 않은 이유 등 실제 구현 문제도 다룹니다. 선형 비용, 제약, 경계가 있는 최적화 알고리즘을 설명하고 흔히 발생하는 적용상의 함정을 짚습니다. 제공된 설명에는 알고리즘, 가정 또는 성과 근거가 없으므로, 특정 전략의 수익성을 입증하는 대신 학습을 위한 틀을 제시합니다.

핵심 아이디어

이 노트는 페어 트레이딩에서 요인 모형까지 평균회귀 방법을 발전시킵니다.
평균 제거, 회귀, 가중 회귀에서 제약 최적화로 이어집니다.
트레이딩 비용이 중요할 때는 샤프 비율 최대화와 목적 함수 최소화가 달라질 수 있습니다.
이 프레임워크는 선형 비용, 제약, 경계를 포함한 최적화를 다룹니다.
설명에는 실증 성과가 보고되지 않았고 알고리즘도 명시되어 있지 않습니다.

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

페어 트레이딩에서 제약 최적화까지: 평균회귀 프레임워크

요약

핵심 아이디어

태그