Матричная коинтеграция структурированных временных рядов и парный трейдинг

Сводка

В документе представлена коинтегрированная авторегрессионная модель для временных рядов, наблюдениями в которых служат матрицы. Коинтеграционные связи в ней билинейны и отражают структуру как строк, так и столбцов. Такая формулировка призвана сохранять матричную структуру данных и поддерживать интерпретации, которые обычная коинтеграция может передавать менее непосредственно. Авторы описывают оценки коинтеграционных векторов и других параметров модели методом наименьших квадратов и максимального правдоподобия, а также выводят асимптотические распределения при наличии трендов.

В описанные свидетельства входят симуляции, сравнивающие метод с традиционными подходами, и применение к портфелям Fama-French, на основе которого авторы разрабатывают стратегию парного трейдинга. В резюме заявлено о более высоких результатах симуляций, но подробности об исходных данных, метриках и результатах торговли не приводятся. Не указаны также практические решения, например построение сигналов, торговые издержки или контроль риска. Таким образом, в документе представлены статистическая модель и иллюстративное применение в торговле, но недостаточно информации, чтобы оценить результаты стратегии после учета издержек или возможность ее переноса на другие портфели.

Ключевые идеи

• Модель представляет коинтеграцию в матричных данных через билинейные связи между строками и столбцами.
• Для оценки коинтеграционных векторов и остальных параметров модели используются методы наименьших квадратов и максимального правдоподобия.
• Авторы устанавливают асимптотические результаты для матричных авторегрессий с трендами.
• Метод иллюстрируется симуляциями и применением к портфелям Fama-French, включая стратегию парного трейдинга.

Теги

# Cointegrated Matrix Autoregression Models


# Cointegrated Matrix Autoregression Models









We propose a novel cointegrated autoregressive model for matrix-valued time series, with bi-linear cointegrating vectors corresponding to the rows and columns of the matrix data. Compared to the traditional cointegration analysis, our proposed matrix cointegration model better preserves the inherent structure of the data and enables corresponding interpretations. To estimate the cointegrating vectors as well as other coefficients, we introduce two types of estimators based on least squares and maximum likelihood. We investigate the asymptotic properties of the cointegrated matrix autoregressive model under the existence of trend and establish the asymptotic distributions for the cointegrating vectors, as well as other model parameters. We conduct extensive simulations to demonstrate its superior performance over traditional methods. In addition, we apply our proposed model to Fama-French portfolios and develop a effective pairs trading strategy.

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.