Pular para o conteúdo
Todos os documentos da biblioteca

Agrupamento em grafos para arbitragem estatística com múltiplos pares de ações dos EUA

Artigo arXiv papers · Autor: Adam Korniejczuk et al.
Ler o original

Resumo

Este estudo propõe uma estrutura de arbitragem estatística com múltiplos pares de ações dos EUA, usando agrupamento em grafos para identificar relações entre ações. Combina métodos quantitativos com classificadores de aprendizado de máquina e o critério de Kelly, buscando aprimorar a detecção de sinais, a gestão de risco e a resiliência aos custos de transação. A abordagem também testa formas de definir regras de realização de lucro e stop-loss para trading diário.

Os autores relatam que todas as abordagens testadas superaram seus respectivos benchmarks sob premissas de custos de transação considerados realistas, e que as combinações mais fortes de técnica e parâmetros produziram métricas de desempenho significativamente melhores. Também observam sensibilidade a mudanças em alguns parâmetros importantes. O documento não especifica as ações, o período de avaliação, os benchmarks exatos, as premissas de custos nem a faixa de sensibilidade, o que limita a avaliação independente e as conclusões sobre desempenho fora do cenário testado.

Ideias principais

  • O agrupamento em grafos organiza ações para uma estratégia de arbitragem estatística com múltiplos pares.
  • A estrutura combina classificadores de aprendizado de máquina, métodos quantitativos e o critério de Kelly.
  • A detecção de sinais e os controles de risco incluem a otimização de regras diárias de realização de lucro e stop-loss.
  • Os autores relatam desempenho superior aos benchmarks sob premissas de custos de transação considerados realistas.
  • O desempenho relatado é sensível a mudanças em alguns parâmetros, cujos detalhes não são fornecidos.

Tags

AçõesTrading de paresArbitragemAprendizado de máquinaGestão de riscoMercados dos EUA
Texto completo
# Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market


# Statistical arbitrage in multi-pair trading strategy based on graph clustering algorithms in US equities market









The study seeks to develop an effective strategy based on the novel framework of statistical arbitrage based on graph clustering algorithms. Amalgamation of quantitative and machine learning methods, including the Kelly criterion, and an ensemble of machine learning classifiers have been used to improve risk-adjusted returns and increase immunity to transaction costs over existing approaches. The study seeks to provide an integrated approach to optimal signal detection and risk management. As a part of this approach, innovative ways of optimizing take profit and stop loss functions for daily frequency trading strategies have been proposed and tested. All of the tested approaches outperformed appropriate benchmarks. The best combinations of the techniques and parameters demonstrated significantly better performance metrics than the relevant benchmarks. The results have been obtained under the assumption of realistic transaction costs, but are sensitive to changes in some key parameters.

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.