Chuyển đến nội dung
Tất cả tài liệu trong thư viện

Xây dựng danh mục hồi quy về trung bình thưa với hàm hợp lý có hạng phạt OU

Bài viết arXiv papers · Tác giả: Jize Zhang et al.

Tóm tắt

Bài báo trình bày một phương pháp tối ưu hóa để xây dựng danh mục hồi quy về trung bình từ một tập hợp tài sản lớn hơn. Phương pháp tìm các danh mục có chênh lệch được mô tả tốt bằng quá trình Ornstein–Uhlenbeck, với tham số quá trình được ước tính bằng hợp lý cực đại. Các mục tiêu lựa chọn kết hợp mức hồi quy trung bình mạnh hơn và phương sai thấp hơn với tính đơn giản, nhờ đó danh mục cuối cùng sử dụng ít tài sản hơn cho các vị thế mua và bán khống.

Các tác giả thiết lập bài toán tối ưu hóa và mô tả một thuật toán chuyên biệt sử dụng phép tối thiểu hóa từng phần. Họ minh họa phương pháp bằng các ví dụ số dựa trên dữ liệu giá mô phỏng và thực nghiệm. Phần tóm tắt không nêu dạng hàm phạt, tập hợp tài sản, quy tắc giao dịch, chi phí giao dịch hay hiệu quả ngoài mẫu. Do đó, các ví dụ cho thấy cách tiếp cận ước tính và lựa chọn được minh họa ra sao, nhưng phần mô tả hiện có chưa đủ để đánh giá tính ổn định hay khả năng sinh lời khi giao dịch thực.

Ý chính

  • Phương pháp chọn danh mục được thiết kế để tuân theo quá trình Ornstein–Uhlenbeck.
  • Các tham số được ước tính bằng phương pháp hợp lý cực đại OU.
  • Việc chọn danh mục hướng đến mức độ hồi quy về trung bình mạnh và phương sai thấp.
  • Mục tiêu đơn giản khuyến khích sử dụng ít tài sản hơn cho các vị thế mua và bán khống.
  • Một thuật toán chuyên biệt sử dụng phép tối thiểu hóa từng phần, với các ví dụ trên giá mô phỏng và thực nghiệm.

Thẻ

Toàn văn
# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation


# Mean Reverting Portfolios via Penalized OU-Likelihood Estimation









We study an optimization-based approach to con- struct a mean-reverting portfolio of assets. Our objectives are threefold: (1) design a portfolio that is well-represented by an Ornstein-Uhlenbeck process with parameters estimated by maximum likelihood, (2) select portfolios with desirable characteristics of high mean reversion and low variance, and (3) select a parsimonious portfolio, i.e. find a small subset of a larger universe of assets that can be used for long and short positions. We present the full problem formulation, a specialized algorithm that exploits partial minimization, and numerical examples using both simulated and empirical price data.

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.