跳至正文
返回文库全部文档

抗噪声 Ornstein–Uhlenbeck 估计与日内配对交易

文章 arXiv papers · 作者: Vladimír Holý et al.
阅读原文

总结

本文研究如何根据高频观测估算均值回归价格动态，其中市场微观结构噪声可能使参数估计产生偏差。文章提出一种适用于 Ornstein–Uhlenbeck 过程的最大似然估计量，能够处理噪声并适应时间间隔不规则的观测。文章还证明，等间隔采样且包含独立高斯白噪声的 OU 过程具有 ARMA(1,1) 表示。

作者将该估计量用于采用均值—方差优化的日内配对策略。在一项涉及七家大型石油公司的实证研究中，他们报告称，使用所提估计量提高了策略盈利能力。所提供的描述没有给出样本期、实施成本、详细基准比较，也没有说明提升幅度及其统计可靠性。因此，该结果提示了噪声感知估计的价值，但并未证明此方法可推广至其他资产或交易环境。

核心观点

  • 高频市场微观结构噪声可能使均值回归价格过程的估计产生偏差。
  • 所提最大似然 OU 估计量能够处理噪声和不规则间隔的观测。
  • 离散观测且带有独立高斯噪声的 OU 过程具有 ARMA(1,1) 形式。
  • 论文将该估计量与均值—方差优化结合，用于日内配对交易。
  • 一项涉及七家大型石油公司的研究报告称盈利能力有所提高，但摘要未提供实施和稳健性详情。

标签

股票配对交易均值回归高频交易统计学
全文
# 1811.09312


# Estimation of Ornstein-Uhlenbeck Process Using Ultra-High-Frequency Data with Application to Intraday Pairs Trading Strategy









When stock prices are observed at high frequencies, more information can be utilized in estimation of parameters of the price process. However, high-frequency data are contaminated by the market microstructure noise which causes significant bias in parameter estimation when not taken into account. We propose an estimator of the Ornstein-Uhlenbeck process based on the maximum likelihood which is robust to the noise and utilizes irregularly spaced data. We also show that the Ornstein-Uhlenbeck process contaminated by the independent Gaussian white noise and observed at discrete equidistant times follows an ARMA(1,1) process. To illustrate benefits of the proposed noise-robust approach, we introduce a novel intraday pairs trading strategy based on the mean-variance optimization. In an empirical study of 7 Big Oil companies, we show that the use of the proposed estimator of the Ornstein-Uhlenbeck process leads to an increase in profitability of the 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。