Escala de retornos do S&P em alta frequência para trading intradiário

Resumo

O artigo usa propriedades de escala dos retornos agregados de alta frequência do S&P 500 para construir um modelo estocástico de martingal. O modelo foi projetado para reproduzir expectativas condicionais do pregão da manhã e depois é estendido para cobrir as negociações da tarde. As previsões do modelo geram sinais intradiários de seguimento de tendência; os sinais vêm do modelo, e não de padrões gráficos. A estratégia proposta busca explorar correlações lineares encontradas nos dados do S&P, mas ausentes do modelo.

São relatados testes dentro e fora da amostra que mostram desempenho superior a uma referência baseada em um processo GARCH assimétrico, além de pequenas oportunidades de arbitragem. Os autores afirmam que os lucros desapareceriam sem as correlações lineares e discutem um possível uso para proteger contra o risco de volatilidade em produtos ligados ao S&P. A descrição fornecida não informa datas dos testes, premissas de implementação, custos de transação nem detalhes numéricos de desempenho, o que limita a avaliação da robustez e da viabilidade de negociação. A vantagem relatada depende das propriedades especificadas dos dados e da comparação entre modelos.

Ideias principais

• A escala dos retornos agregados de alta frequência é usada para criar um modelo de martingal para expectativas condicionais.
• O modelo é estendido do pregão da manhã para as negociações da tarde.
• Previsões do modelo geram sinais intradiários de seguimento de tendência sem critérios baseados em gráficos.
• Os lucros relatados da estratégia dependem de correlações lineares presentes nos dados do S&P.
• Os testes relatam vantagem sobre uma referência GARCH assimétrica, mas não são fornecidos detalhes de implementação.

Tags

# Ensemble properties of high frequency data and intraday trading rules


# Ensemble properties of high frequency data and intraday trading rules









Regarding the intraday sequence of high frequency returns of the S&P index as daily realizations of a given stochastic process, we first demonstrate that the scaling properties of the aggregated return distribution can be employed to define a martingale stochastic model which consistently replicates conditioned expectations of the S&P 500 high frequency data in the morning of each trading day. Then, a more general formulation of the above scaling properties allows to extend the model to the afternoon trading session. We finally outline an application in which conditioned forecasting is used to implement a trend-following trading strategy capable of exploiting linear correlations present in the S&P dataset and absent in the model. Trading signals are model-based and not derived from chartist criteria. In-sample and out-of-sample tests indicate that the model-based trading strategy performs better than a benchmark one established on an asymmetric GARCH process, and show the existence of small arbitrage opportunities. We remark that in the absence of linear correlations the trading profit would vanish and discuss why the trading strategy is potentially interesting to hedge volatility risk for S&P index-based products.

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.