본문으로 건너뛰기
라이브러리 문서 전체

희소 평균회귀 포트폴리오 구성: OU 우도에 벌점 적용

기사 arXiv papers · 저자: Jize Zhang et al.
원문 읽기

요약

이 논문은 더 큰 자산 집합에서 평균회귀 포트폴리오를 구성하는 최적화 방법을 제시합니다. 스프레드가 오른슈타인-울렌벡 과정을 잘 따르는 포트폴리오를 찾고, 최대우도법으로 과정 매개변수를 추정합니다. 제시된 선택 목표는 강한 평균회귀와 낮은 분산, 간결성을 함께 추구해 매수 및 공매도 포지션에 더 적은 자산을 사용하도록 합니다.

저자들은 최적화 문제를 정식화하고 부분 최소화를 사용하는 특화 알고리즘을 설명합니다. 모의 및 실증 가격 데이터를 바탕으로 수치 예시를 제시합니다. 초록은 벌점 형태, 자산군, 트레이딩 규칙, 거래 비용, 표본 외 성과를 명시하지 않습니다. 따라서 예시는 추정 및 선정 접근법을 어떻게 보여주는지 설명할 뿐, 이용 가능한 내용만으로 실거래에서의 안정성이나 수익성을 판단하기는 어렵습니다.

핵심 아이디어

  • 오른슈타인-울렌벡 과정을 따르도록 설계된 포트폴리오를 선정합니다.
  • OU 매개변수를 최대우도법으로 추정합니다.
  • 포트폴리오 선정은 높은 평균회귀와 낮은 분산을 목표로 합니다.
  • 간결성 목표에 따라 매수 및 공매도 포지션에 적은 자산을 사용합니다.
  • 특화 알고리즘은 부분 최소화를 사용하며, 모의 및 실증 가격 데이터로 예시를 제시합니다.

태그

평균 회귀페어 트레이딩포트폴리오 구성통계
전문
# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

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

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