Условные факторные модели для статистического арбитража акций

Сводка

В исследовании разработан метод статистического арбитража на основе условной факторной модели портфеля акций US. Модель пространства состояний рассматривает доходности как зашумлённые комбинации значений факторов и скрытых, меняющихся во времени премий за факторный риск. Онлайн-фильтрация и прогнозирование оценивают эти премии и формируют ожидаемые доходности, которые можно сравнить с наблюдаемыми; большие отклонения рассматриваются как возможные кандидаты на возврат к среднему.

Авторы оценивают торговую стратегию с учётом транзакционных издержек, используя линейную и нелинейную версии модели в пространстве состояний. Они приводят результаты за период длиной 29 лет и сравнивают их с простыми бенчмарками и другими опубликованными подходами, заключая, что метод конкурентоспособен. Также сообщается, что со временем результаты ухудшились, особенно в последние годы, хотя в анализе авторов они остаются экономически привлекательными. В документе не указаны выбор активов, пороги входа в сделки, предположения об издержках или меры контроля риска, поэтому по одним этим результатам нельзя судить, применима ли стратегия на другом рынке или в другой период.

Ключевые идеи

• Факторная модель в пространстве состояний представляет доходность акций как зашумлённую подверженность скрытым премиям за факторный риск.
• Онлайн-оценки меняющихся во времени премий позволяют модели адаптироваться к изменению характера доходностей.
• Большие расхождения между наблюдаемой и отфильтрованной доходностью рассматриваются как возможные сделки на возврате к среднему.
• В оцениваемой стратегии учтены транзакционные издержки и используются линейные и нелинейные варианты модели.
• Результаты стратегии конкурентоспособны на длинном историческом отрезке, но в последние годы ухудшаются.

Теги

# On statistical arbitrage under a conditional factor model of equity returns


# On statistical arbitrage under a conditional factor model of equity returns









We consider a conditional factor model for a multivariate portfolio of United States equities in the context of analysing a statistical arbitrage trading strategy. A state space framework underlies the factor model whereby asset returns are assumed to be a noisy observation of a linear combination of factor values and latent factor risk premia. Filter and state prediction estimates for the risk premia are retrieved in an online way. Such estimates induce filtered asset returns that can be compared to measurement observations, with large deviations representing candidate mean reversion trades. Further, in that the risk premia are modelled as time-varying quantities, non-stationarity in returns is de facto captured. We study an empirical trading strategy respectful of transaction costs, and demonstrate performance over a long history of 29 years, for both a linear and a non-linear state space model. Our results show that the model is competitive relative to the results of other methods, including simple benchmarks and other cutting-edge approaches as published in the literature. Also of note, while strategy performance degradation is noticed through time -- especially for the most recent years -- the strategy continues to offer compelling economics, and has scope for further advancement.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.