Межрыночные импульсные связи и сетевая торговля фьючерсами

Сводка

В работе изучается, может ли информация об импульсе на одном фьючерсном рынке помочь предсказать импульс на других. На основе производных от цен характеристик импульса строится сеть для 64 постоянно торгуемых контрактов на сырьевые товары, акции, облигации и валюты; при этом заранее задавать связи между компаниями или другие экономические взаимосвязи не требуется.

Линейный интерпретируемый метод обучения графовых моделей оценивает связи между контрактами, а полученная сеть используется в мультиактивной стратегии импульсной торговли. Согласно сообщению в работе, после масштабирования по волатильности стратегия достигла коэффициента Шарпа 1.5 и годовой доходности 22% за период 2000–2022. Эти результаты приводятся как эмпирическое подтверждение использования межрыночных импульсных связей в портфельных сигналах. В документе представлены только основные показатели эффективности; транзакционные издержки, детали реализации и проверки устойчивости не описаны, поэтому по одной этой сводке оценить практические ограничения результатов нельзя.

Ключевые идеи

• Премии за риск импульса могут распространяться между активами с похожей динамикой импульса.
• Обученная сеть может описывать межрыночные импульсные связи, используя только ценовые характеристики.
• В анализ входят 64 фьючерсных контрактов из четырёх крупных классов активов.
• Для сохранения интерпретируемости выявленных связей используется линейная модель обучения на графах.
• На основе сети строится стратегия, масштабированная с учётом волатильности; её результаты за период 2000–2022 приводятся в работе.

Теги

# Network Momentum across Asset Classes


# Network Momentum across Asset Classes









We investigate the concept of network momentum, a novel trading signal derived from momentum spillover across assets. Initially observed within the confines of pairwise economic and fundamental ties, such as the stock-bond connection of the same company and stocks linked through supply-demand chains, momentum spillover implies a propagation of momentum risk premium from one asset to another. The similarity of momentum risk premium, exemplified by co-movement patterns, has been spotted across multiple asset classes including commodities, equities, bonds and currencies. However, studying the network effect of momentum spillover across these classes has been challenging due to a lack of readily available common characteristics or economic ties beyond the company level. In this paper, we explore the interconnections of momentum features across a diverse range of 64 continuous future contracts spanning these four classes. We utilise a linear and interpretable graph learning model with minimal assumptions to reveal the intricacies of the momentum spillover network. By leveraging the learned networks, we construct a network momentum strategy that exhibits a Sharpe ratio of 1.5 and an annual return of 22%, after volatility scaling, from 2000 to 2022. This paper pioneers the examination of momentum spillover across multiple asset classes using only pricing data, presents a multi-asset investment strategy based on network momentum, and underscores the effectiveness of this strategy through robust empirical analysis.

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.