레비 점프 평균회귀 스프레드의 몬테카를로 페어 트레이딩

기사 arXiv papers · 저자: Tim Leung et al.

요약

이 연구는 점프가 있는 평균회귀 Ornstein–Uhlenbeck 과정에 따라 스프레드가 움직일 때 페어 트레이딩에 적용하는 몬테카를로 방법을 개발합니다. 무한 활동을 허용하고 고전적 모형보다 유연하게 스프레드 동학을 표현하는 분산 감마 과정을 사용합니다. 일반화된 모형에는 해석적 공식이 없으므로 시뮬레이션으로 최적 트레이딩 수준을 찾습니다.

이 방법은 몬테카를로 분산을 줄이기 위해 제어 변량도 도입합니다. 저자들은 모형 매개변수가 결과 트레이딩 전략에 미치는 영향을 수치적으로 조사한 뒤, 약분산 알파-감마 과정으로 구동되는 이변량 스프레드로 틀을 확장하고 상관관계의 역할을 살펴봅니다. 이 문서는 실거래나 과거 거래의 수익성 근거가 아니라 모델링 및 수치적 접근법을 설명합니다. 결론은 선택한 과정과 매개변수 가정에 좌우되며, 본문에는 구체적인 성과 수치가 제시되지 않습니다.

핵심 아이디어

스프레드는 레비 점프가 있는 평균회귀 Ornstein–Uhlenbeck 과정으로 모델링됩니다. 분산 감마 구동 과정은 고전적 모형보다 유연한 스프레드 동학을 허용합니다. 해석적 공식이 없는 경우 몬테카를로 시뮬레이션으로 최적 트레이딩 수준을 추정합니다. 시뮬레이션 분산을 줄이기 위해 제어 변량을 사용합니다. 이변량 확장에서는 약분산 알파-감마 구동 과정에서 상관관계가 거래에 미치는 영향을 살펴봅니다.

# Monte Carlo Simulation for Trading Under a Lévy-Driven Mean-Reverting Framework


# Monte Carlo Simulation for Trading Under a Lévy-Driven Mean-Reverting Framework









We present a Monte Carlo approach to pairs trading on mean-reverting spreads modeled by Lévy-driven Ornstein-Uhlenbeck processes. Specifically, we focus on using a variance gamma driving process, an infinite activity pure jump process to allow for more flexible models of the price spread than is available in the classical model. However, this generalization comes at the cost of not having analytic formulas, so we apply Monte Carlo methods to determine optimal trading levels and develop a variance reduction technique using control variates. Within this framework, we numerically examine how the optimal trading strategies are affected by the parameters of the model. In addition, we extend our method to bivariate spreads modeled using a weak variance alpha-gamma driving process, and explore the effect of correlation on these trades.

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

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

레비 점프 평균회귀 스프레드의 몬테카를로 페어 트레이딩

요약

핵심 아이디어

태그