볼록-오목 최적화로 이동 밴드 통계적 차익거래 포트폴리오 찾기

요약

이 문서는 두 개를 초과하는 자산을 포함할 수 있는 통계적 차익거래를 찾는 최적화 방법을 제시합니다. 레버리지 제약을 지키면서 가격을 지정된 밴드 안에 두고 포트폴리오 변동성을 높이는 문제로 설정합니다. 밴드는 가격 경로를 제한하며, 이 방법은 고정 밴드 설정을 밴드의 중간값이 시간에 따라 변하는 경우로 확장합니다.

포트폴리오 최적화가 비볼록 문제이므로 제안된 해법은 볼록 근사를 반복해서 푸는 순차적 방법인 볼록-오목 절차를 사용합니다. 문서는 방법과 일반화를 설명하지만 실증 결과, 성과 비교, 거래 비용과 강건성 세부 정보는 제시하지 않습니다. 따라서 실제 거래에서 포트폴리오가 수익성이 있다는 증거가 아니라 수식화와 계산 접근법을 제시합니다. 실용적 활용은 밴드와 레버리지 한도, 변하는 중간값을 어떻게 설정하고 검증하는지에 따라 달라집니다.

핵심 아이디어

• 이 방법은 두 개를 초과하는 자산을 결합할 수 있는 통계적 차익거래를 찾습니다.
• 가격 밴드 조건과 레버리지 한도 아래에서 포트폴리오 변동성을 극대화합니다.
• 최적화 문제는 비볼록이며 순차적 볼록 프로그래밍으로 근사해 풉니다.
• 이동 밴드 버전은 가격 밴드의 중간값이 시간에 따라 바뀌도록 합니다.
• 문서에는 보고된 트레이딩 결과나 실제 구현 비용 평가가 없습니다.

태그

# Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization


# Finding Moving-Band Statistical Arbitrages via Convex-Concave Optimization









We propose a new method for finding statistical arbitrages that can contain more assets than just the traditional pair. We formulate the problem as seeking a portfolio with the highest volatility, subject to its price remaining in a band and a leverage limit. This optimization problem is not convex, but can be approximately solved using the convex-concave procedure, a specific sequential convex programming method. We show how the method generalizes to finding moving-band statistical arbitrages, where the price band midpoint varies over time.

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

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