잠재 알파 트레이딩과 학습

기사 arXiv papers · 저자: Philippe Casgrain et al.

요약

이 논문은 가격의 점프와 확산을 일으키는 숨은 요인에서 통계적 차익거래 신호가 나올 때의 최적 트레이딩을 연구합니다. 트레이더의 주문은 호가와 체결 가격에도 영향을 줄 수 있어, 문제에는 불확실한 시장 상태와 트레이더 자신의 가격 충격이 모두 포함됩니다. 제안된 방법은 잠재 상태의 사후 분포를 추적해 트레이딩 문제를 명시적으로 풉니다. 검증 정리가 해를 뒷받침하고, 기댓값-최대화 방법의 변형을 모형 보정에 활용합니다.

시뮬레이션은 학습을 반영한 전략과 잠재 상태 학습을 무시하는 전략을 비교하며, 논문은 Intel 주식으로 보정한 결과를 보고합니다. 이 예시들은 접근법을 보여주지만, 제공된 설명에는 수치 성과나 모형 가정의 세부 사항이 없습니다. 따라서 결과는 시장 전반이나 실거래 상황에서의 성과를 보여주기보다 모형화 및 해법의 프레임워크를 제시합니다.

핵심 아이디어

잠재 요인은 통계적 차익거래에 쓰이는 가격의 점프와 확산을 모두 유발할 수 있습니다.
트레이더의 주문은 호가와 체결 시 받는 가격에 영향을 줄 수 있습니다.
전략은 잠재 상태에 대한 사후 분포를 학습하고 이를 활용해 거래를 선택합니다.
검증 정리와 기댓값-최대화 방법의 변형으로 해법과 보정을 뒷받침합니다.
시뮬레이션에서 잠재 상태 학습을 생략한 전략과 이 접근법을 비교합니다.

# Trading algorithms with learning in latent alpha models


# Trading algorithms with learning in latent alpha models









Alpha signals for statistical arbitrage strategies are often driven by latent factors. This paper analyses how to optimally trade with latent factors that cause prices to jump and diffuse. Moreover, we account for the effect of the trader's actions on quoted prices and the prices they receive from trading. Under fairly general assumptions, we demonstrate how the trader can learn the posterior distribution over the latent states, and explicitly solve the latent optimal trading problem. We provide a verification theorem, and a methodology for calibrating the model by deriving a variation of the expectation-maximization algorithm. To illustrate the efficacy of the optimal strategy, we demonstrate its performance through simulations and compare it to strategies which ignore learning in the latent factors. We also provide calibration results for a particular model using Intel Corporation stock as an example.

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

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

잠재 알파 모형에서 학습을 반영한 최적 트레이딩

요약

핵심 아이디어

태그