정상성 가정 없는 통계적 차익거래 온라인 학습

요약

이 문서는 통계적 차익거래를 위한 온라인 학습 접근법을 소개합니다. 일반적인 비정상 확률 과정에서는 성립하지 않을 수 있는 가정에 의존하는 평균 회귀 모형 기반의 익숙한 전략과 비교합니다. 제안된 대안은 그런 가정을 요구하지 않고 작동하도록 설계되었습니다.

문서는 이 방법에 강한 학습 보장이 있다고 밝혀, 데이터가 들어오는 대로 적응할 수 있는 이론적 기반을 시사합니다. 그러나 알고리즘, 구체적인 보장, 매매 규칙 또는 포트폴리오와 거래 비용의 처리 방법을 명시하지 않습니다. 실증 결과나 비교도 제공하지 않습니다. 따라서 이 기여는 일반적인 방법론적 대안으로 제시되며, 이용 가능한 정보만으로는 실거래 시장에서의 실용적 수익성이나 강건성을 평가하기 어렵습니다.

핵심 아이디어

• 전통적인 통계적 차익거래는 평균 회귀 모형과 그 가정에 의존하는 경우가 많습니다.
• 그러한 가정은 일반적인 비정상 확률 과정에서 성립하지 않을 수 있습니다.
• 제안된 대안은 온라인 학습을 사용하며 해당 가정이 필요하지 않습니다.
• 문서는 강한 학습 보장을 주장하지만 세부 사항이나 실증 평가는 제공하지 않습니다.

태그

# Online Learning Algorithms for Statistical Arbitrage


# Online Learning Algorithms for Statistical Arbitrage









Statistical arbitrage is a class of financial trading strategies using mean reversion models. The corresponding techniques rely on a number of assumptions which may not hold for general non-stationary stochastic processes. This paper presents an alternative technique for statistical arbitrage based on online learning which does not require such assumptions and which benefits from strong learning guarantees.

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

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