Nhân tố attention cho chênh lệch thống kê có tính đến chi phí

Tóm tắt

Bài báo phát triển khuôn khổ học các nhân tố tiềm ẩn có điều kiện để nhận diện cổ phiếu liên quan, phát hiện định giá sai tương đối và xây dựng chính sách giao dịch có tính đến chi phí giao dịch. Các nhân tố attention được tạo từ embedding đặc điểm doanh nghiệp, cho phép các đặc điểm này tương tác với nhau. Mô hình chuỗi trích xuất tín hiệu chuỗi thời gian từ các danh mục phần dư, còn việc ước tính nhân tố được tối ưu đồng thời với chiến lược kinh doanh chênh lệch giá nhằm hướng đến khả năng sinh lời đã điều chỉnh theo rủi ro sau chi phí.

Các tác giả báo cáo tỷ lệ Sharpe ngoài mẫu trên bốn đối với những cổ phiếu lớn nhất của Hoa Kỳ trong giai đoạn 24 năm, cùng một nghiệm một bước có tỷ lệ Sharpe là 2.3 sau chi phí giao dịch. Họ cũng cho rằng các nhân tố yếu hơn vẫn có thể quan trọng đối với quyết định kinh doanh chênh lệch giá. Phần trích dẫn không nêu cách xây dựng danh mục, giả định thực thi hay kiểm tra độ vững, nên cần hiểu các kết quả được báo cáo trong phạm vi tập tài sản và thiết kế đánh giá mà nghiên cứu nêu ra.

Ý chính

• Các nhân tố attention tiềm ẩn có điều kiện được học từ embedding đặc điểm doanh nghiệp.
• Danh mục nhân tố phần dư cung cấp tín hiệu chuỗi thời gian thông qua mô hình chuỗi.
• Việc học nhân tố và xây dựng chiến lược được tối ưu đồng thời để tính đến chi phí giao dịch.
• Nghiên cứu báo cáo kết quả Sharpe ngoài mẫu cao đối với cổ phiếu lớn của Hoa Kỳ và nhấn mạnh giá trị của các nhân tố yếu.

Thẻ

# Attention Factors for Statistical Arbitrage


# Attention Factors for Statistical Arbitrage









Statistical arbitrage exploits temporal price differences between similar assets. We develop a framework to jointly identify similar assets through factors, identify mispricing and form a trading policy that maximizes risk-adjusted performance after trading costs. Our Attention Factors are conditional latent factors that are the most useful for arbitrage trading. They are learned from firm characteristic embeddings that allow for complex interactions. We identify time-series signals from the residual portfolios of our factors with a general sequence model. Estimating factors and the arbitrage trading strategy jointly is crucial to maximize profitability after trading costs. In a comprehensive empirical study we show that our Attention Factor model achieves an out-of-sample Sharpe ratio above 4 on the largest U.S. equities over a 24-year period. Our one-step solution yields an unprecedented Sharpe ratio of 2.3 net of transaction costs. We show that weak factors are important for arbitrage trading.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.