본문으로 건너뛰기
라이브러리 문서 전체

동적 통계적 차익거래를 위한 유연 최소제곱법

기사 arXiv papers · 저자: Giovanni Montana et al.
원문 읽기

요약

이 논문은 시간에 따라 변하는 여러 데이터 흐름 간 관계를 모형화하는 방법을 다룹니다. 확률 의존성에 제한적인 모형을 요구하지 않고 회귀 계수가 변할 수 있도록 페널티를 더해 일반 최소제곱법을 수정하는 유연 최소제곱법(FLS)에 초점을 둡니다. 통계적 차익거래가 주요 금융 응용 분야입니다.

저자들은 FLS와 칼만 필터 방정식 사이의 대수적 동등성을 보이고, 이를 통해 방법을 설명하며 더 효율적인 알고리즘을 제안합니다. S&P 500 선물 지수에 적용한 알고리즘 트레이딩 시스템의 실험에서 유망한 결과를 보고합니다. 제공된 설명에는 트레이딩 규칙, 평가 기간, 비용, 벤치마크 또는 수치 성과가 명시되지 않아 실제 수익성의 근거는 제한적입니다. 설명에 따르면 핵심 기여는 동적 추정 접근법과 필터링 방법 간의 계산상 연결입니다.

핵심 아이디어

  • FLS는 회귀 계수가 시간에 따라 변하도록 허용해 변화하는 데이터 흐름 간 관계를 추정합니다.
  • 페널티가 적용된 최소제곱 정식화는 변화하는 의존성에 제한적인 확률 법칙을 부과하지 않습니다.
  • 논문은 FLS와 칼만 필터 방정식 사이의 대수적 동등성을 보입니다.
  • 이 동등성을 활용해 방법을 설명하고 더 효율적인 알고리즘을 제안합니다.
  • S&P 500 선물 지수 트레이딩 시스템의 실험은 유망하다고 설명되지만 상세한 성과 근거는 없습니다.

태그

통계차익 거래선물백테스트
전문
# Flexible least squares for temporal data mining and statistical arbitrage


# Flexible least squares for temporal data mining and statistical arbitrage









A number of recent emerging applications call for studying data streams, potentially infinite flows of information updated in real-time. When multiple co-evolving data streams are observed, an important task is to determine how these streams depend on each other, accounting for dynamic dependence patterns without imposing any restrictive probabilistic law governing this dependence. In this paper we argue that flexible least squares (FLS), a penalized version of ordinary least squares that accommodates for time-varying regression coefficients, can be deployed successfully in this context. Our motivating application is statistical arbitrage, an investment strategy that exploits patterns detected in financial data streams. We demonstrate that FLS is algebraically equivalent to the well-known Kalman filter equations, and take advantage of this equivalence to gain a better understanding of FLS and suggest a more efficient algorithm. Promising experimental results obtained from a FLS-based algorithmic trading system for the S&P 500 Futures Index are reported.

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

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