본문으로 건너뛰기
라이브러리 문서 전체

견고한 통계적 차익거래를 위한 심층 신경망

기사 arXiv papers · 저자: Ariel Neufeld et al.
원문 읽기

요약

이 문서는 시장 모형에 대한 불확실성 속에서도 수익성을 유지하고자 하는 통계적 차익거래 전략을 찾는 데이터 기반 방법을 설명합니다. 심층 신경망으로 여러 증권을 함께 분석해 공적분 쌍을 먼저 찾을 필요를 없앱니다. 이에 따라 더 고차원인 시장과 기존 페어 트레이딩이 잘 작동하지 않을 수 있는 환경으로 접근 범위를 넓힙니다.

이 방법은 관측 시장 데이터에서 모형의 모호성을 나타내는 그럴듯한 확률 측도 집합도 구성합니다. 저자들은 이를 모형 자유 접근법이라고 설명합니다. 금융위기 중과 쌍별 공적분 관계가 더 이상 지속되지 않은 이후를 포함해 최대 50차원까지 수익성 있는 성과를 보인 실증 조사를 보고합니다. 발췌문에는 데이터셋, 평가 설계, 비용 가정 또는 상세한 성과 지표가 없어 실거래에서의 견고성을 평가하거나 결과를 재현하기 어렵습니다.

핵심 아이디어

  • 심층 신경망은 모형 모호성 아래 통계적 차익거래 전략을 찾는 데 사용됩니다.
  • 공적분 쌍을 요구하지 않고 여러 증권을 함께 고려할 수 있습니다.
  • 관측 데이터에서 그럴듯한 확률 측도의 모호성 집합을 도출합니다.
  • 보고된 실증 조사는 위기 기간과 공적분 관계가 깨지는 사례를 포함합니다.
  • 발췌문에는 실용 성과를 평가하는 데 필요한 테스트 세부 사항과 트레이딩 비용 가정이 없습니다.

태그

차익 거래페어 트레이딩머신러닝통계리스크 관리
전문
# 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.

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

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