Chênh lệch thống kê tối ưu HJB cho cổ phiếu đồng liên kết

Tóm tắt

Bài viết xây dựng danh mục chênh lệch thống kê cho nhiều cổ phiếu đồng liên kết, dùng danh mục riêng làm nhân tố. Bài viết mô hình hóa việc lựa chọn danh mục thành một bài toán điều khiển ngẫu nhiên và xác định tỷ trọng tối ưu bằng cách giải phương trình Hamilton-Jacobi-Bellman. Phân tích xét cả danh mục không bị ràng buộc lẫn danh mục phải duy trì trung lập với thị trường, đồng thời đưa ra các điều kiện tham số nhằm bảo đảm tính ổn định dài hạn của nghiệm và tốc độ tăng trưởng danh mục.

Các kiểm thử lịch sử trên các thành phần của S&P 500 từ 2000 đến 2021 cho thấy mô hình có thể xác định nhiều cổ phiếu đồng liên kết trong các khoảng thời gian dài. Các chiến lược được báo cáo hoạt động tốt hơn trong những giai đoạn biến động chung của thị trường cao hơn, nhưng kết quả nhạy cảm với các ước tính tham số. Những phát hiện này cho thấy chất lượng ước tính và chế độ thị trường có thể ảnh hưởng đáng kể đến quá trình triển khai. Tài liệu không nêu chi phí giao dịch, so sánh với chuẩn đối chiếu hay biện pháp bảo vệ ngoài mẫu, nên riêng các kiểm thử lịch sử chưa chứng minh được rằng những chiến lược này sẽ tiếp tục sinh lời trong giao dịch thực.

Ý chính

• Khung này mô hình hóa nhiều cổ phiếu đồng liên kết, dùng danh mục riêng làm nhân tố.
• Tỷ trọng danh mục được xác định bằng cách giải phương trình Hamilton-Jacobi-Bellman.
• Nghiên cứu phân tích cả lựa chọn danh mục không bị ràng buộc lẫn danh mục trung lập với thị trường.
• Các kiểm thử lịch sử trên thành phần S&P 500 bao quát giai đoạn từ 2000 đến 2021.
• Lợi nhuận được báo cáo cao hơn trong các giai đoạn biến động, nhưng kết quả nhạy cảm với ước tính tham số.

Thẻ

# Statistical Arbitrage for Multiple Co-Integrated Stocks


# Statistical Arbitrage for Multiple Co-Integrated Stocks









In this article, we analyse optimal statistical arbitrage strategies from stochastic control and optimisation problems for multiple co-integrated stocks with eigenportfolios being factors. Optimal portfolio weights are found by solving a Hamilton-Jacobi-Bellman (HJB) partial differential equation, which we solve for both an unconstrained portfolio and a portfolio constrained to be market neutral. Our analyses demonstrate sufficient conditions on the model parameters to ensure long-term stability of the HJB solutions and stable growth rates for the optimal portfolios. To gauge how these optimal portfolios behave in practice, we perform backtests on historical stock prices of the S&P 500 constituents from year 2000 through year 2021. These backtests suggest three key conclusions: that the proposed co-integrated model with eigenportfolios being factors can generate a large number of co-integrated stocks over a long time horizon, that the optimal portfolios are sensitive to parameter estimation, and that the statistical arbitrage strategies are more profitable in periods when overall market volatilities are high.

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.