Modelos fatoriais condicionais para arbitragem estatística em ações

Resumo

Este estudo desenvolve um método de arbitragem estatística baseado em um modelo fatorial condicional para uma carteira de ações US. Um modelo de espaço de estados trata os retornos como combinações ruidosas de valores fatoriais e prêmios de risco fatoriais latentes que variam no tempo. Filtragem e previsão online estimam esses prêmios, gerando retornos esperados que podem ser comparados aos retornos observados; desvios grandes são considerados candidatos à reversão à média.

Os autores avaliam uma estratégia de trading que considera custos de transação, usando versões lineares e não lineares do modelo de espaço de estados. Relatam resultados ao longo de um histórico de 29 anos e comparam o desempenho com benchmarks simples e outras abordagens publicadas, concluindo que o método é competitivo. Também relatam que o desempenho enfraqueceu ao longo do tempo, particularmente nos anos mais recentes, embora continue economicamente atraente em sua análise. O documento não informa aqui detalhes sobre seleção de ativos, limiares de negociação, premissas de custo ou controles de risco; portanto, os resultados relatados não bastam para avaliar se a estratégia seria aplicável a outro mercado ou período.

Ideias principais

• Um modelo fatorial de espaço de estados pode representar retornos de ações como exposições ruidosas a prêmios de risco fatoriais latentes.
• Estimativas online de prêmios variáveis no tempo adaptam o modelo a mudanças no comportamento dos retornos.
• Grandes diferenças entre retornos observados e filtrados são tratadas como possíveis operações de reversão à média.
• A estratégia avaliada inclui custos de transação e usa variantes lineares e não lineares do modelo.
• O desempenho relatado é competitivo em uma amostra longa, mas cai nos anos mais recentes.

Tags

# On statistical arbitrage under a conditional factor model of equity returns


# On statistical arbitrage under a conditional factor model of equity returns









We consider a conditional factor model for a multivariate portfolio of United States equities in the context of analysing a statistical arbitrage trading strategy. A state space framework underlies the factor model whereby asset returns are assumed to be a noisy observation of a linear combination of factor values and latent factor risk premia. Filter and state prediction estimates for the risk premia are retrieved in an online way. Such estimates induce filtered asset returns that can be compared to measurement observations, with large deviations representing candidate mean reversion trades. Further, in that the risk premia are modelled as time-varying quantities, non-stationarity in returns is de facto captured. We study an empirical trading strategy respectful of transaction costs, and demonstrate performance over a long history of 29 years, for both a linear and a non-linear state space model. Our results show that the model is competitive relative to the results of other methods, including simple benchmarks and other cutting-edge approaches as published in the literature. Also of note, while strategy performance degradation is noticed through time -- especially for the most recent years -- the strategy continues to offer compelling economics, and has scope for further advancement.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.