Mạng nơ-ron sâu cho chênh lệch thống kê vững chắc

Tóm tắt

Tài liệu mô tả phương pháp dựa trên dữ liệu để tìm các chiến lược chênh lệch thống kê nhằm duy trì khả năng sinh lời khi mô hình thị trường chưa chắc chắn. Phương pháp dùng mạng nơ-ron sâu để xem xét đồng thời nhiều chứng khoán, không cần xác định trước các cặp đồng liên kết. Điều này mở rộng cách tiếp cận sang thị trường có số chiều cao hơn và những bối cảnh mà giao dịch cặp thông thường có thể không hiệu quả.

Phương pháp còn xây dựng một tập các thước đo xác suất khả dĩ từ dữ liệu thị trường quan sát được để biểu diễn sự mơ hồ của mô hình. Các tác giả mô tả cách tiếp cận thu được là không phụ thuộc mô hình. Họ báo cáo các nghiên cứu thực nghiệm có hiệu suất sinh lời ở số chiều lên tới 50, kể cả trong khủng hoảng tài chính và sau khi các quan hệ đồng liên kết từng cặp không còn duy trì. Phần trích dẫn không nêu tập dữ liệu, thiết kế đánh giá, giả định chi phí hay thước đo hiệu suất chi tiết, nên chưa đủ để đánh giá độ vững trong giao dịch thực hoặc tái lập kết quả.

Ý chính

• Mạng nơ-ron sâu được dùng để xác định chiến lược chênh lệch thống kê khi mô hình còn mơ hồ.
• Phương pháp có thể xem xét nhiều chứng khoán mà không cần các cặp đồng liên kết.
• Một tập các thước đo xác suất khả dĩ được suy ra từ dữ liệu quan sát.
• Các nghiên cứu thực nghiệm được báo cáo gồm giai đoạn khủng hoảng và trường hợp đồng liên kết bị phá vỡ.
• Phần trích dẫn thiếu chi tiết kiểm thử và giả định chi phí giao dịch cần thiết để đánh giá hiệu suất thực tế.

Thẻ

# Detecting data-driven robust statistical arbitrage strategies with deep neural networks


# Detecting data-driven robust statistical arbitrage strategies with deep neural networks









We present an approach, based on deep neural networks, that allows identifying robust statistical arbitrage strategies in financial markets. Robust statistical arbitrage strategies refer to trading strategies that enable profitable trading under model ambiguity. The presented novel methodology allows to consider a large amount of underlying securities simultaneously and does not depend on the identification of cointegrated pairs of assets, hence it is applicable on high-dimensional financial markets or in markets where classical pairs trading approaches fail. Moreover, we provide a method to build an ambiguity set of admissible probability measures that can be derived from observed market data. Thus, the approach can be considered as being model-free and entirely data-driven. We showcase the applicability of our method by providing empirical investigations with highly profitable trading performances even in 50 dimensions, during financial crises, and when the cointegration relationship between asset pairs stops to persist.

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.