结构化时间序列的矩阵协整与配对交易
文章 arXiv papers · 作者: Zebang Li et al.
总结
该文提出一种协整自回归模型，用于观测值为矩阵的时间序列。其协整关系为双线性形式，表示行与列两个维度的结构。这种建模方式旨在保留矩阵组织结构，并支持普通协整不易直接捕捉的解读。作者介绍了协整向量及其他模型参数的最小二乘估计和极大似然估计，并推导了存在趋势时的渐近分布。
所述证据包括将该方法与传统方法进行比较的模拟，以及一项 Fama-French 投资组合应用；作者据此构建了配对交易策略。摘要声称模拟表现更强，但没有提供数据设置、指标或交易结果的细节，也没有说明信号构建、交易成本或风险控制等实施选择。因此，该文展示了一个统计建模框架和示例性交易应用，但信息不足以评估该策略在计入成本后的表现，或其能否推广到其他投资组合。
核心观点
- 该模型通过行与列之间的双线性关系，表示矩阵数据中的协整结构。
- 最小二乘和极大似然方法用于估计协整向量及其余模型参数。
- 作者为存在趋势的矩阵自回归模型建立了渐近结果。
- 模拟和 Fama-French 投资组合应用展示了该方法，其中包括配对交易策略。
标签
全文
# Cointegrated Matrix Autoregression Models # Cointegrated Matrix Autoregression Models We propose a novel cointegrated autoregressive model for matrix-valued time series, with bi-linear cointegrating vectors corresponding to the rows and columns of the matrix data. Compared to the traditional cointegration analysis, our proposed matrix cointegration model better preserves the inherent structure of the data and enables corresponding interpretations. To estimate the cointegrating vectors as well as other coefficients, we introduce two types of estimators based on least squares and maximum likelihood. We investigate the asymptotic properties of the cointegrated matrix autoregressive model under the existence of trend and establish the asymptotic distributions for the cointegrating vectors, as well as other model parameters. We conduct extensive simulations to demonstrate its superior performance over traditional methods. In addition, we apply our proposed model to Fama-French portfolios and develop a effective pairs trading strategy.
在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。