Seleção de pares cointegrados por emparelhamento ponderado máximo
Resumo
O documento apresenta um método de construção de carteira para trading de pares que limita a sobreposição entre os pares selecionados. Representa os ativos como nós de um grafo e os pares candidatos cointegrados como arestas ponderadas, cujos pesos refletem a força da cointegração. A carteira é escolhida por um emparelhamento ponderado máximo, que seleciona pares fortes e garante que cada ativo apareça em apenas um par. Isso aborda uma desvantagem de selecionar pares apenas pela cointegração, método em que vários pares podem reutilizar os mesmos ativos e concentrar o risco.
Os autores relatam uma análise teórica e um estudo empírico com dados do S&P 500 de 2017 a 2023. A carteira obtida pelo emparelhamento teve variância inferior à referência baseada apenas em cointegração e índice de Sharpe bruto de 1.23, ante 0.48 para a referência e 0.59 para o mercado. Segundo o documento, também apresentou custos de trading relacionados ao giro menores e menos risco de ativo individual. O resumo não informa o desempenho líquido, as premissas de custos de transação ou detalhes necessários para avaliar a sensibilidade à amostra e às escolhas de seleção de pares.
Ideias principais
- O método modela ativos como nós de um grafo e pares cointegrados como arestas ponderadas.
- O emparelhamento ponderado máximo seleciona pares fortes e impede que um ativo apareça em vários pares.
- Os autores relatam variância de carteira inferior à de uma referência que seleciona pares apenas pela cointegração.
- No estudo declarado do S&P 500, a estratégia de emparelhamento teve índice de Sharpe bruto de 1.23 e custos menores relacionados ao giro.
Tags
Texto completo
# Pairs Trading Using a Novel Graphical Matching Approach # Pairs Trading Using a Novel Graphical Matching Approach Pairs trading, a strategy that capitalizes on price movements of asset pairs driven by similar factors, has gained significant popularity among traders. Common practice involves selecting highly cointegrated pairs to form a portfolio, which often leads to the inclusion of multiple pairs sharing common assets. This approach, while intuitive, inadvertently elevates portfolio variance and diminishes risk-adjusted returns by concentrating on a small number of highly cointegrated assets. Our study introduces an innovative pair selection method employing graphical matchings designed to tackle this challenge. We model all assets and their cointegration levels with a weighted graph, where edges signify pairs and their weights indicate the extent of cointegration. A portfolio of pairs is a subgraph of this graph. We construct a portfolio which is a maximum weighted matching of this graph to select pairs which have strong cointegration while simultaneously ensuring that there are no shared assets within any pair of pairs. This approach ensures each asset is included in just one pair, leading to a significantly lower variance in the matching-based portfolio compared to a baseline approach that selects pairs purely based on cointegration. Theoretical analysis and empirical testing using data from the S\&P 500 between 2017 and 2023, affirm the efficacy of our method. Notably, our matching-based strategy showcases a marked improvement in risk-adjusted performance, evidenced by a gross Sharpe ratio of 1.23, a significant enhancement over the baseline value of 0.48 and market value of 0.59. Additionally, our approach demonstrates reduced trading costs attributable to lower turnover, alongside minimized single asset risk due to a more diversified asset base.
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.