Giao dịch tối ưu có học trong mô hình alpha ẩn

Tóm tắt

Bài nghiên cứu khảo sát giao dịch tối ưu khi tín hiệu kinh doanh chênh lệch giá thống kê đến từ các nhân tố ẩn khiến giá vừa nhảy vừa khuếch tán. Lệnh của nhà giao dịch cũng có thể ảnh hưởng đến giá niêm yết và giá khớp lệnh, nên bài toán bao gồm cả trạng thái thị trường bất định lẫn tác động giá do chính nhà giao dịch gây ra. Phương pháp được đề xuất theo dõi phân phối hậu nghiệm của các trạng thái ẩn và dùng phân phối này để giải tường minh bài toán giao dịch. Một định lý xác minh hỗ trợ lời giải, trong khi một biến thể của thuật toán kỳ vọng-tối đa hóa cung cấp cách hiệu chỉnh mô hình.

Các mô phỏng so sánh chiến lược có tính đến quá trình học với các chiến lược bỏ qua việc học trạng thái ẩn; bài nghiên cứu cũng báo cáo kết quả hiệu chỉnh bằng cổ phiếu Intel. Những ví dụ này minh họa phương pháp, nhưng mô tả được cung cấp không nêu kết quả hiệu suất định lượng hay chi tiết giả định mô hình. Vì vậy, các phát hiện xác lập một khung mô hình hóa và lời giải, chứ không cho thấy hiệu suất trên nhiều thị trường hoặc trong điều kiện giao dịch thực.

Ý chính

• Các nhân tố ẩn có thể chi phối cả bước nhảy lẫn khuếch tán của giá dùng trong kinh doanh chênh lệch giá thống kê.
• Lệnh của nhà giao dịch có thể ảnh hưởng đến giá niêm yết và giá nhận được khi khớp lệnh.
• Chiến lược học phân phối hậu nghiệm của các trạng thái ẩn và dùng phân phối đó để chọn giao dịch.
• Một định lý xác minh và biến thể thuật toán kỳ vọng-tối đa hóa hỗ trợ việc giải và hiệu chỉnh mô hình.
• Các mô phỏng so sánh phương pháp này với những chiến lược không học trạng thái ẩn.

Thẻ

# Trading algorithms with learning in latent alpha models


# Trading algorithms with learning in latent alpha models









Alpha signals for statistical arbitrage strategies are often driven by latent factors. This paper analyses how to optimally trade with latent factors that cause prices to jump and diffuse. Moreover, we account for the effect of the trader's actions on quoted prices and the prices they receive from trading. Under fairly general assumptions, we demonstrate how the trader can learn the posterior distribution over the latent states, and explicitly solve the latent optimal trading problem. We provide a verification theorem, and a methodology for calibrating the model by deriving a variation of the expectation-maximization algorithm. To illustrate the efficacy of the optimal strategy, we demonstrate its performance through simulations and compare it to strategies which ignore learning in the latent factors. We also provide calibration results for a particular model using Intel Corporation stock as an example.

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.