Correção da variância de mercado em simulações de ações com múltiplos ativos | Stratmill

Resumo

Este estudo aborda um problema de dupla contagem da variância em dados sintéticos de ações multiativos. Quando geradores completos de retornos de ativos são combinados com um fator de mercado, os retornos simulados podem incluir duas vezes a variância de mercado. A correção proposta centraliza e redimensiona as amostras de cada gerador ao longo de um horizonte fixo antes de adicionar o componente de mercado, evitando a necessidade de ajustar um gerador separado aos resíduos da regressão.

Testes em um universo de ações e fundos negociados em bolsa dos Estados Unidos constataram que as trajetórias corrigidas mantiveram caudas pesadas e recuperaram exposições calibradas ao mercado com baixo erro. Em históricos de 2025 reservados para teste, o método melhorou a taxa média de aprovação nos testes distributivos em relação à composição ingênua e aproximou de um a variância sintética mediana em relação à observada. A taxa relatada de excedência do Value-at-Risk da cauda esquerda em um dia permaneceu acima da taxa nominal. Uma extensão de duração de saltos melhorou o agrupamento de volatilidade para SPY em uma configuração, mas a transferência de seus parâmetros piorou o ajuste temporal no conjunto de teste. A dependência residual não é modelada e pode inflar os retornos simulados de rebalanceamento; a restrição de soma zero também elimina a incerteza residual terminal.

Ideias principais

• Combinar geradores completos de retornos com um fator de mercado pode contar a variância de mercado duas vezes.
• A correção centraliza e redimensiona as amostras do gerador em um horizonte fixo antes de adicionar o fator de mercado.
• Os testes constataram a preservação de caudas pesadas e exposições calibradas ao mercado, com melhor ajuste distributivo em históricos reservados para teste.
• A taxa relatada de excedência do risco de cauda ficou acima da taxa nominal, e a transferência dos parâmetros de saltos piorou o ajuste temporal no conjunto de teste.
• A dependência não modelada entre resíduos de ativos pode superestimar os retornos simulados de rebalanceamento.

Tags

# Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals


# Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals









Synthetic multi-asset equity data must reproduce each asset's return distribution and its relationship with the market. Reusing a generator fitted to full asset returns creates a problem: adding its draws to a market factor counts market variance twice. We derived a correction that centers and rescales each draw over a fixed horizon before adding the market factor, allowing reuse without fitting a second generator to regression residuals. We tested the correction on 423 non-market assets in a 424-asset United States equity and exchange-traded-fund universe, using hidden Markov generators with heavy-tailed emissions. The corrected paths retained heavy tails and recovered the calibrated market loadings with low error. On 416 complete asset histories held out from 2025, the correction improved the mean Kolmogorov-Smirnov pass rate over naive composition and brought the median ratio of synthetic to observed variance close to one. Its one-day left-tail 99% Value-at-Risk exceedance rate, using thresholds pooled across separate simulated paths, was 1.12%, compared with 1.16% for the residual-fit hidden Markov comparator and a nominal rate of 1%. We also tested a jump-duration mechanism that extended visits to extreme-return states and improved volatility clustering for the broad-market exchange-traded fund with ticker SPY. The multi-asset correction remained effective with jumps enabled, but transferring the SPY jump settings improved temporal fit in training and worsened it in the 2025 holdout. The method provides a way to reuse fitted asset generators for daily-fit comparisons. Its zero-sum residual constraint removes terminal residual uncertainty, and unmodeled dependence among asset-specific residuals can lead to overstated rebalancing returns. Code, cached inputs, result summaries, and instructions for fitting the per-asset models accompany the paper.

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.