Cointegração matricial para séries temporais estruturadas e negociação de pares

Resumo

O documento apresenta um modelo autorregressivo cointegrado para séries temporais cujas observações são matrizes. As relações de cointegração são bilineares e representam estruturas entre linhas e colunas. Essa formulação busca preservar a organização matricial e permitir interpretações que a cointegração comum talvez não capture tão diretamente. Os autores descrevem estimadores de mínimos quadrados e de máxima verossimilhança para os vetores de cointegração e outros parâmetros do modelo, além de derivarem distribuições assintóticas na presença de tendências.

As evidências descritas incluem simulações que comparam o método com abordagens tradicionais e uma aplicação a carteiras Fama-French, a partir da qual os autores desenvolvem uma estratégia de pairs trading. O resumo afirma que o desempenho nas simulações foi superior, mas não fornece detalhes sobre a configuração dos dados, as métricas ou os resultados de trading. Também não especifica escolhas de implementação, como a construção de sinais, os custos de transação ou os controles de risco. Assim, o documento apresenta uma estrutura de modelagem estatística e uma aplicação ilustrativa de trading, mas não informações suficientes para avaliar se a estratégia teria desempenho após custos ou se poderia ser generalizada para outras carteiras.

Ideias principais

• O modelo representa a cointegração em dados matriciais por meio de relações bilineares entre linhas e colunas.
• Métodos de mínimos quadrados e máxima verossimilhança estimam os vetores de cointegração e os demais parâmetros do modelo.
• Os autores estabelecem resultados assintóticos para autorregressões matriciais com tendência.
• Simulações e uma aplicação a carteiras Fama-French ilustram o método, incluindo uma estratégia de pairs trading.

Tags

# Cointegrated Matrix Autoregression Models


# Cointegrated Matrix Autoregression Models









We propose a novel cointegrated autoregressive model for matrix-valued time series, with bi-linear cointegrating vectors corresponding to the rows and columns of the matrix data. Compared to the traditional cointegration analysis, our proposed matrix cointegration model better preserves the inherent structure of the data and enables corresponding interpretations. To estimate the cointegrating vectors as well as other coefficients, we introduce two types of estimators based on least squares and maximum likelihood. We investigate the asymptotic properties of the cointegrated matrix autoregressive model under the existence of trend and establish the asymptotic distributions for the cointegrating vectors, as well as other model parameters. We conduct extensive simulations to demonstrate its superior performance over traditional methods. In addition, we apply our proposed model to Fama-French portfolios and develop a effective pairs trading strategy.

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.