Indicadores Espectrais de Crise Financeira para Trading Sistemático

Resumo

Este trabalho descreve estratégias de trading sistemático guiadas por indicadores de crise derivados dos espectros de matrizes de covariância ou correlação. Uma família de indicadores compara a distribuição de autovalores de cada data com uma distribuição de referência para mercados calmos ou agitados. Outra acompanha estatísticas espectrais selecionadas, incluindo traço, raio espectral ou norma de Frobenius. A decomposição em valores singulares é usada para calcular os espectros com eficiência.

Os sinais dos indicadores são combinados para reduzir falsos positivos e convertidos em decisões de investimento por regras discretas. Os autores comparam estratégias ativas com benchmarks passivos e aleatórios e alegam rentabilidade reproduzível e valor preditivo fora da amostra dentro de sua estrutura e de seus dados. O documento não informa a cobertura de ativos, as datas da amostra, o desempenho numérico nem detalhes metodológicos suficientes para avaliar a robustez de forma independente; as alegações são explicitamente limitadas à estrutura e aos dados usados.

Ideias principais

• Indicadores de crise são construídos a partir dos espectros de matrizes de covariância ou correlação.
• Uma abordagem compara distribuições de autovalores com referências de mercados calmos ou agitados.
• Outros indicadores acompanham propriedades espectrais como traço, raio espectral e norma de Frobenius.
• Os sinais são agregados para limitar falsos positivos antes da aplicação de regras discretas de trading.
• O estudo compara estratégias ativas com benchmarks passivos e aleatórios, mas o trecho omite resultados numéricos e detalhes dos dados.

Tags

# Winning Investment Strategies Based on Financial Crisis Indicators


# Winning Investment Strategies Based on Financial Crisis Indicators









The aim of this work is to create systematic trading strategies built upon several financial crisis indicators based on the spectral properties of market dynamics. Within the limitations of our framework and data, we will demonstrate that our systematic trading strategies are able to make money, not as a result of pure luck but, in a reproducible way and while avoiding the pitfall of over fitting, as a result of the skill of the operators and their understanding and knowledge of the financial market. Using singular value decomposition (SVD) techniques in order to compute all spectra in an efficient way, we have built two kinds of financial crisis indicators with a demonstrable power of prediction. Firstly, there are those that compare at every date the distribution of the eigenvalues of a covariance or correlation matrix to a distribution of reference representing either a calm or agitated market reference. Secondly, we have those that merely compute at every date a chosen spectral property (trace, spectral radius or Frobenius norm) of a covariance or correlation matrix. Aggregating the signals provided by all the indicators in order to minimize false positive errors, we then build systematic trading strategies based on a discrete set of rules governing the investment decisions of the investor. Finally, we compare our active strategies to a passive reference as well as to random strategies in order to prove the usefulness of our approach and the added value provided by the out-of-sample predictive power of the financial crisis indicators upon which our systematic trading strategies are built.

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.