Arbitragem estatística otimizada por HJB para ações cointegradas

Resumo

O artigo desenvolve carteiras de arbitragem estatística para várias ações cointegradas, usando eigenportfolios como fatores. Formula a escolha da carteira como um problema de controle estocástico e determina os pesos ótimos resolvendo uma equação de Hamilton-Jacobi-Bellman. A análise considera carteiras sem restrições e carteiras que devem permanecer neutras ao mercado, além de apresentar condições para os parâmetros que pretendem garantir a estabilidade de longo prazo das soluções e das taxas de crescimento da carteira.

Backtests históricos de componentes do S&P 500 entre 2000 e 2021 sugerem que o modelo pode identificar muitas ações cointegradas em horizontes longos. As estratégias relatadas tiveram desempenho melhor em períodos de maior volatilidade geral do mercado, mas seus resultados foram sensíveis às estimativas dos parâmetros. Essas conclusões indicam que a qualidade das estimativas e o regime de mercado podem ser bastante relevantes na implementação. O documento não especifica custos de transação, comparações com referências nem salvaguardas fora da amostra; portanto, os backtests, por si só, não estabelecem que as estratégias continuariam rentáveis no trading ao vivo.

Ideias principais

• A estrutura modela várias ações cointegradas usando eigenportfolios como fatores.
• Os pesos da carteira são derivados pela resolução de uma equação de Hamilton-Jacobi-Bellman.
• O estudo analisa escolhas de carteira sem restrições e neutras ao mercado.
• Os backtests de componentes do S&P 500 abrangem o período de 2000 a 2021.
• A rentabilidade relatada é maior em períodos voláteis, enquanto os resultados são sensíveis às estimativas dos parâmetros.

Tags

# Statistical Arbitrage for Multiple Co-Integrated Stocks


# Statistical Arbitrage for Multiple Co-Integrated Stocks









In this article, we analyse optimal statistical arbitrage strategies from stochastic control and optimisation problems for multiple co-integrated stocks with eigenportfolios being factors. Optimal portfolio weights are found by solving a Hamilton-Jacobi-Bellman (HJB) partial differential equation, which we solve for both an unconstrained portfolio and a portfolio constrained to be market neutral. Our analyses demonstrate sufficient conditions on the model parameters to ensure long-term stability of the HJB solutions and stable growth rates for the optimal portfolios. To gauge how these optimal portfolios behave in practice, we perform backtests on historical stock prices of the S&P 500 constituents from year 2000 through year 2021. These backtests suggest three key conclusions: that the proposed co-integrated model with eigenportfolios being factors can generate a large number of co-integrated stocks over a long time horizon, that the optimal portfolios are sensitive to parameter estimation, and that the statistical arbitrage strategies are more profitable in periods when overall market volatilities are high.

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.