본문으로 건너뛰기
라이브러리 문서 전체

거친 경로 시그니처를 활용한 경로 의존 포트폴리오 최적화

기사 arXiv papers · 저자: Owen Futter et al.
원문 읽기

요약

이 글은 전략을 경로 시그니처의 선형 함수로 나타내는 포트폴리오 최적화 방법인 Signature Trading을 소개한다. 시그니처는 신호와 자산 움직임의 결합된 이력을 인코딩하므로, 전통적 팩터 모델을 확장하면서 경로 의존성을 포함할 수 있다. 저자들은 드로다운 제어를 포함하는 동적 평균-분산 기준과 명시적 유한 기간 해를 도출하고, 그 결과 전략을 시그니처 기반 효율적 프런티어와 연결한다.

이 글은 외생 신호, 모멘텀, 페어 트레이딩을 이용하고 합성 데이터와 시장 데이터 사례로 접근법을 설명한다. 이 방법은 고전적 모델보다 풍부한 시계열 패턴을 다루면서도 해석 가능한 수식을 유지할 수 있다고 주장한다. 제공된 설명에는 데이터셋, 평가 설계, 정량적 성과가 구체적으로 제시되지 않아, 이 글만으로는 주장된 장점이나 견고성을 평가할 수 없다. 사례와 프레임워크는 모델링 접근법을 설명할 뿐, 시그니처 기반 전략이 실거래에서 더 나은 성과를 낼 것임을 입증하지 않는다.

핵심 아이디어

  • 경로 시그니처는 최적화 모델에서 신호와 자산 움직임의 결합된 이력을 인코딩할 수 있다.
  • Signature Trading은 전략을 경로 시그니처의 선형 함수로 표현한다.
  • 이 프레임워크는 동적 평균-분산 최적화를 확장하고 유한 기간 드로다운 제어를 포함한다.
  • 사례는 합성 데이터와 시장 데이터에서 외생 신호, 모멘텀, 페어 트레이딩을 다룬다.
  • 설명에 성과 비교나 실거래 견고성을 판단할 정보가 충분하지 않다.

태그

포트폴리오 구성평균 회귀모멘텀페어 트레이딩리스크 관리
전문
# Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals


# Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals









In this article we introduce a portfolio optimisation framework, in which the use of rough path signatures (Lyons, 1998) provides a novel method of incorporating path-dependencies in the joint signal-asset dynamics, naturally extending traditional factor models, while keeping the resulting formulas lightweight and easily interpretable. We achieve this by representing a trading strategy as a linear functional applied to the signature of a path (which we refer to as "Signature Trading" or "Sig-Trading"). This allows the modeller to efficiently encode the evolution of past time-series observations into the optimisation problem. In particular, we derive a concise formulation of the dynamic mean-variance criterion alongside an explicit solution in our setting, which naturally incorporates a drawdown control in the optimal strategy over a finite time horizon. Secondly, we draw parallels between classical portfolio stategies and Sig-Trading strategies and explain how the latter leads to a pathwise extension of the classical setting via the "Signature Efficient Frontier". Finally, we give examples when trading under an exogenous signal as well as examples for momentum and pair-trading strategies, demonstrated both on synthetic and market data. Our framework combines the best of both worlds between classical theory (whose appeal lies in clear and concise formulae) and between modern, flexible data-driven methods that can handle more realistic datasets. The advantage of the added flexibility of the latter is that one can bypass common issues such as the accumulation of heteroskedastic and asymmetric residuals during the optimisation phase. Overall, Sig-Trading combines the flexibility of data-driven methods without compromising on the clarity of the classical theory and our presented results provide a compelling toolbox that yields superior results for a large class of trading strategies.

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

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