Ước lượng chênh lệch hồi quy về trung bình trực tuyến bằng mô hình không gian trạng thái cho giao dịch chênh lệch thống kê

Tóm tắt

Bài nghiên cứu phát triển cách tiếp cận không gian trạng thái để mô hình hóa các chênh lệch hồi quy về trung bình dùng trong giao dịch chênh lệch thống kê, bao gồm giao dịch theo cặp. Phương pháp xem các chênh lệch quan sát được là những giá trị đo nhiễu của trạng thái ẩn, rồi dùng ước lượng trạng thái theo thời gian thực để xác định những điểm kém hiệu quả tạm thời của thị trường. Khuôn khổ này mở rộng các mô hình không gian trạng thái tuyến tính Gaussian trước đó bằng cách cho phép tham số thay đổi theo thời gian, giúp các ước lượng thích ứng khi quá trình tạo dữ liệu dịch chuyển.

Các tác giả còn giới thiệu một thuật toán ước lượng trực tuyến được thiết kế để chạy liên tục, kể cả với dữ liệu tần suất cao, và tạo ra thước đo độ bất định cho các tham số ước lượng. Họ thảo luận các thử nghiệm dùng mô phỏng Monte Carlo và dữ liệu cổ phiếu lịch sử, bao gồm mối quan hệ đồng liên kết giữa hai quỹ hoán đổi danh mục. Tài liệu không đưa số liệu hiệu suất hay phân tích chi phí giao dịch, nên không chứng minh rằng các điểm kém hiệu quả được phát hiện chuyển thành lợi nhuận vượt trội có thể thực hiện. Bằng chứng chỉ được mô tả khái quát, chưa đủ chi tiết để đánh giá độ vững.

Ý chính

• Khuôn khổ mô hình hóa các chênh lệch quan sát được như những giá trị hiện thực hóa có nhiễu của trạng thái ẩn trong quá trình không gian trạng thái tuyến tính Gaussian.
• Cho phép tham số mô hình thay đổi theo thời gian giúp mô hình thích ứng với dữ liệu biến động.
• Thuật toán trực tuyến ước lượng chênh lệch tiềm ẩn và các tham số theo thời gian thực.
• Thước đo độ bất định của tham số có thể hỗ trợ theo dõi tính hồi quy về trung bình.
• Nghiên cứu mô tả các ví dụ từ mô phỏng Monte Carlo và dữ liệu cổ phiếu lịch sử, trong đó có mối quan hệ đồng liên kết giữa hai quỹ ETF.

Thẻ

# Dynamic modeling of mean-reverting spreads for statistical arbitrage


# Dynamic modeling of mean-reverting spreads for statistical arbitrage









Statistical arbitrage strategies, such as pairs trading and its generalizations, rely on the construction of mean-reverting spreads enjoying a certain degree of predictability. Gaussian linear state-space processes have recently been proposed as a model for such spreads under the assumption that the observed process is a noisy realization of some hidden states. Real-time estimation of the unobserved spread process can reveal temporary market inefficiencies which can then be exploited to generate excess returns. Building on previous work, we embrace the state-space framework for modeling spread processes and extend this methodology along three different directions. First, we introduce time-dependency in the model parameters, which allows for quick adaptation to changes in the data generating process. Second, we provide an on-line estimation algorithm that can be constantly run in real-time. Being computationally fast, the algorithm is particularly suitable for building aggressive trading strategies based on high-frequency data and may be used as a monitoring device for mean-reversion. Finally, our framework naturally provides informative uncertainty measures of all the estimated parameters. Experimental results based on Monte Carlo simulations and historical equity data are discussed, including a co-integration relationship involving two exchange-traded funds.

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.