Оптимизация портфеля с зависимостью от траектории и сигнатурами грубого пути
Сводка
В статье представлена Signature Trading — метод оптимизации портфеля, представляющий стратегию как линейную функцию сигнатуры траектории. Сигнатуры кодируют совместную историю сигналов и движений активов, позволяя учитывать зависимость от траектории и расширять традиционные факторные модели. Авторы выводят динамический средне-дисперсионный критерий и явное решение на конечном горизонте, учитывающее контроль просадки, а также связывают полученные стратегии с эффективной границей на основе сигнатур.
Подход иллюстрируется на примерах экзогенных сигналов, моментума и торговли парами с использованием синтетических и рыночных данных. Авторы утверждают, что метод сохраняет интерпретируемые формулы и при этом обрабатывает более сложные временные закономерности, чем классические модели. В представленном описании нет подробностей о наборах данных, схеме оценки или количественной доходности, поэтому по одному этому тексту нельзя оценить заявленные преимущества и их устойчивость. Примеры и модель описывают подход к моделированию, но не доказывают, что стратегии на основе сигнатур превзойдут другие при торговле на реальном счёте.
Ключевые идеи
- Сигнатура траектории позволяет кодировать совместную историю сигналов и движений активов в модели оптимизации.
- В Signature Trading стратегии представлены линейными функционалами от сигнатур траекторий.
- Модель расширяет динамическую средне-дисперсионную оптимизацию и включает контроль просадки на конечном горизонте.
- Примеры охватывают экзогенные сигналы, моментум и торговлю парами на синтетических и рыночных данных.
- Описание содержит мало сведений для оценки сравнительных результатов или устойчивости на реальном рынке.
Теги
Полный текст
# Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals # Signature Trading: A Path-Dependent Extension of the Mean-Variance Framework with Exogenous Signals In this article we introduce a portfolio optimisation framework, in which the use of rough path signatures (Lyons, 1998) provides a novel method of incorporating path-dependencies in the joint signal-asset dynamics, naturally extending traditional factor models, while keeping the resulting formulas lightweight and easily interpretable. We achieve this by representing a trading strategy as a linear functional applied to the signature of a path (which we refer to as "Signature Trading" or "Sig-Trading"). This allows the modeller to efficiently encode the evolution of past time-series observations into the optimisation problem. In particular, we derive a concise formulation of the dynamic mean-variance criterion alongside an explicit solution in our setting, which naturally incorporates a drawdown control in the optimal strategy over a finite time horizon. Secondly, we draw parallels between classical portfolio stategies and Sig-Trading strategies and explain how the latter leads to a pathwise extension of the classical setting via the "Signature Efficient Frontier". Finally, we give examples when trading under an exogenous signal as well as examples for momentum and pair-trading strategies, demonstrated both on synthetic and market data. Our framework combines the best of both worlds between classical theory (whose appeal lies in clear and concise formulae) and between modern, flexible data-driven methods that can handle more realistic datasets. The advantage of the added flexibility of the latter is that one can bypass common issues such as the accumulation of heteroskedastic and asymmetric residuals during the optimisation phase. Overall, Sig-Trading combines the flexibility of data-driven methods without compromising on the clarity of the classical theory and our presented results provide a compelling toolbox that yields superior results for a large class of trading strategies.
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.