Mô hình nhân tố có điều kiện cho giao dịch chênh lệch thống kê cổ phiếu

Tóm tắt

Nghiên cứu này xây dựng phương pháp chênh lệch thống kê dựa trên mô hình nhân tố có điều kiện cho danh mục cổ phiếu US. Mô hình không gian trạng thái xem lợi suất là tổ hợp nhiễu của giá trị nhân tố và phần bù rủi ro nhân tố tiềm ẩn, thay đổi theo thời gian. Bộ lọc trực tuyến và dự báo ước tính các phần bù đó, tạo ra lợi suất kỳ vọng để so sánh với lợi suất quan sát; các chênh lệch lớn được xem là ứng viên cho giao dịch hồi quy về trung bình.

Các tác giả đánh giá một chiến lược giao dịch có tính đến chi phí giao dịch, sử dụng cả phiên bản tuyến tính và phi tuyến của mô hình không gian trạng thái. Họ báo cáo kết quả trong lịch sử 29 năm và so sánh hiệu quả với các chuẩn đối chiếu đơn giản cùng những phương pháp đã công bố khác, nhận thấy phương pháp có tính cạnh tranh. Họ cũng cho biết hiệu quả đã suy yếu theo thời gian, đặc biệt trong những năm gần đây, dù theo phân tích của họ phương pháp vẫn có sức hấp dẫn về mặt kinh tế. Tài liệu không nêu chi tiết về lựa chọn tài sản, ngưỡng giao dịch, giả định chi phí hay kiểm soát rủi ro, nên riêng các phát hiện được báo cáo chưa đủ để đánh giá liệu chiến lược có áp dụng được sang thị trường hoặc giai đoạn khác hay không.

Ý chính

• Mô hình nhân tố không gian trạng thái có thể biểu diễn lợi suất cổ phiếu thành các mức độ phơi nhiễm nhiễu trước phần bù rủi ro nhân tố tiềm ẩn.
• Ước tính trực tuyến các phần bù thay đổi theo thời gian giúp mô hình thích ứng với đặc tính lợi suất biến động.
• Chênh lệch lớn giữa lợi suất quan sát và lợi suất đã lọc được xem là cơ hội giao dịch hồi quy về trung bình tiềm năng.
• Chiến lược được đánh giá có tính đến chi phí giao dịch và sử dụng các biến thể mô hình tuyến tính, phi tuyến.
• Hiệu quả được báo cáo có tính cạnh tranh trong mẫu dài nhưng suy giảm trong những năm gần đây.

Thẻ

# On statistical arbitrage under a conditional factor model of equity returns


# On statistical arbitrage under a conditional factor model of equity returns









We consider a conditional factor model for a multivariate portfolio of United States equities in the context of analysing a statistical arbitrage trading strategy. A state space framework underlies the factor model whereby asset returns are assumed to be a noisy observation of a linear combination of factor values and latent factor risk premia. Filter and state prediction estimates for the risk premia are retrieved in an online way. Such estimates induce filtered asset returns that can be compared to measurement observations, with large deviations representing candidate mean reversion trades. Further, in that the risk premia are modelled as time-varying quantities, non-stationarity in returns is de facto captured. We study an empirical trading strategy respectful of transaction costs, and demonstrate performance over a long history of 29 years, for both a linear and a non-linear state space model. Our results show that the model is competitive relative to the results of other methods, including simple benchmarks and other cutting-edge approaches as published in the literature. Also of note, while strategy performance degradation is noticed through time -- especially for the most recent years -- the strategy continues to offer compelling economics, and has scope for further advancement.

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.