Mô hình không gian trạng thái phi tuyến, phi Gaussian cho giao dịch cặp

Tóm tắt

Bài viết mô hình hóa chênh lệch giá giữa hai tài sản như một trạng thái ẩn tuân theo quá trình hồi quy về trung bình. Mô hình cho phép các biến động của chênh lệch có phân phối phi Gaussian và phương sai không đồng nhất, đồng thời mô hình hóa hồi quy về trung bình theo cách phi tuyến. Mô hình dùng ước lượng đã lọc của chênh lệch làm tín hiệu giao dịch và giới thiệu một chiến lược có quy tắc giao dịch được lựa chọn bằng mô phỏng Monte Carlo.

Các tác giả báo cáo ứng dụng phương pháp cho PEP/KO và EWT/EWH, cùng các cặp kết hợp giữa năm ngân hàng US niêm yết trên NYSE có quy mô lớn nhất và nhỏ nhất. Họ cho biết phương pháp này cải thiện lợi nhuận và tỷ lệ Sharpe trong gần như mọi trường hợp cặp ngân hàng, cả trong mẫu lẫn ngoài mẫu. Phần mô tả cũng nêu lợi nhuận thường niên của hai cặp minh họa, nhưng không chỉ rõ các giai đoạn lấy mẫu, chi phí giao dịch, biện pháp kiểm soát rủi ro hay quy trình kiểm tra độ vững. Những thiếu sót đó hạn chế khả năng kết luận liệu kết quả được báo cáo có duy trì trong giao dịch thực hay không.

Ý chính

• Chênh lệch tài sản được xem là trạng thái tiềm ẩn tuân theo quá trình hồi quy về trung bình phi tuyến.
• Các biến động của chênh lệch có thể vừa phi Gaussian vừa có phương sai không đồng nhất.
• Chênh lệch đã lọc đóng vai trò tín hiệu cho các giao dịch kinh doanh chênh lệch giá thống kê.
• Mô phỏng Monte Carlo được dùng để chọn quy tắc giao dịch.
• Các ứng dụng báo cáo kết quả giao dịch cặp và so sánh với phương pháp hiện có, nhưng không cung cấp chi tiết về chi phí thực tế và độ vững chắc.

Thẻ

# Pairs Trading with Nonlinear and Non-Gaussian State Space Models


# Pairs Trading with Nonlinear and Non-Gaussian State Space Models









This paper studies pairs trading using a nonlinear and non-Gaussian state-space model framework. We model the spread between the prices of two assets as an unobservable state variable and assume that it follows a mean-reverting process. This new model has two distinctive features: (1) The innovations to the spread is non-Gaussianity and heteroskedastic. (2) The mean reversion of the spread is nonlinear. We show how to use the filtered spread as the trading indicator to carry out statistical arbitrage. We also propose a new trading strategy and present a Monte Carlo based approach to select the optimal trading rule. As the first empirical application, we apply the new model and the new trading strategy to two examples: PEP vs KO and EWT vs EWH. The results show that the new approach can achieve a 21.86% annualized return for the PEP/KO pair and a 31.84% annualized return for the EWT/EWH pair. As the second empirical application, we consider all the possible pairs among the largest and the smallest five US banks listed on the NYSE. For these pairs, we compare the performance of the proposed approach with that of the existing popular approaches, both in-sample and out-of-sample. Interestingly, we find that our approach can significantly improve the return and the Sharpe ratio in almost all the cases considered.

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.