Neutral-Hedge Statistical Arbitrage Baru (Pure-Alpha versi mimpi)

Neutral Hedge Stat Arbitrage Baru (Pure-Alpha Dream Edition)

-Strategi arbitrage yang kuat dengan 0 eksposur panjang dan pendek

Halo semua trader, setelah beberapa bulan debugging, optimasi dan iterasi, saya sangat senang bahwa arbitrage statistik hedging netral ini telah mencapai tingkat yang lebih stabil dan dapat dilihat dengan Anda. Ini adalah strategi netral pasar berdasarkan hedging short-panjang. Jika Anda pergi panjang pada keranjang varietas dan pendek pada keranjang varietas di akun yang sama, nilai panjang dan pendek sama. Dengan premis menghindari risiko sistemik beta di pasar, metode statistik digunakan untuk menemukan berbagai kombinasi pencocokan long-short untuk mencapai strategi arbitrage risiko rendah yang memiliki profitabilitas alfa yang stabil. Strategi ini memiliki pengalaman memegang yang baik, korelasi rendah dengan pasar, eksposur panjang dan pendek netral, dan tidak ada risiko di bawah angsa hitam ekstrim seperti 31/5219. Sebaliknya, strategi ini akan berkembang pada saat pasar ketika kesalahan harga seperti itu kacau. Strategi ini akan dijelaskan secara rinci di bawah ini.

Halo ~ Selamat datang ke saluran saya!

Selamat datang semua trader ke saluran saya. saya seorang Quant Developer, dan saya mengembangkan full-stack CTA & HFT & Arbitrage dan strategi trading lainnya. Berkat platform FMZ, saya akan berbagi lebih banyak konten yang berkaitan dengan pengembangan kuantitatif di saluran kuantitatif saya, dan bekerja dengan semua pedagang untuk menjaga kemakmuran komunitas kuantitatif.

Untuk informasi lebih lanjut, silakan pindah ke saluran saya ~ Aku menunggu Anda di sini untuk menggodaTradeMan Home

1. Pengantar dan penjelasan tentang arbitrase statistik

Strategi arbitrase statistik adalah strategi yang memanfaatkan hubungan harga antara varietas keranjang yang berbeda untuk perdagangan. Strategi ini didasarkan pada prinsip statistik, dengan menganalisis tren harga sejarah dan korelasi antara dua atau lebih varietas, menemukan perbedaan harga di antara mereka, dan menggunakan perbedaan ini untuk perdagangan. Secara historis, strategi arbitrase statistik perpasangan lintas spesies telah banyak digunakan di pasar saham. Strategi arbitrase lintas spesies paling awal terutama dilakukan antara saham di industri yang sama atau industri terkait, seperti perusahaan minyak atau perusahaan telekomunikasi. Strategi ini sering didasarkan pada asumsi korelasi industri dan mencapai tujuan arbitrase dengan membeli saham yang undervalued dan menjual saham yang overvalued.

Dengan perkembangan pasar, strategi arbitrase statistik pencocokan lintas spesies secara bertahap telah berkembang ke pasar keuangan lainnya, seperti komoditas berjangka, valuta asing, dan cryptocurrency. Di pasar ini, kombinasi keranjang yang berbeda dapat ditemukan yang berkorelasi dan perdagangan arbitrase dapat dilakukan menggunakan perbedaan harga. Logika strategi ini didasarkan pada prinsip reversi rata-rata. Ketika harga di antara kombinasi keranjang ganda yang dibangun menyimpang dari ruang lingkup statistik mereka, ada tren regresi. Menurut tren ini, ketika harga menyimpang sangat, Anda dapat menjual keranjang varietas dengan harga tinggi dan membeli keranjang varietas dengan harga rendah untuk lindung nilai terhadap kesalahan harga jangka pendek pasar. Dengan cara ini, keuntungan dapat diperoleh dari penyebaran kombinasi multi-keranjang berpasangan.

2. Keuntungan dan Kerugian Arbitrase Statistik

Keuntungan:

• Mengurangi risiko pasar: Strategi arbitrase statistik didasarkan pada transaksi arbitrase berdasarkan perbedaan antara berbagai kombinasi produk keranjang. Dibandingkan dengan transaksi produk tunggal, hal ini menyebarkan risiko dan mengurangi dampak fluktuasi pasar pada strategi. Mengurangi risiko sistemik pasar.
• Pendapatan stabil: Strategi arbitrage statistik melakukan transaksi arbitrage regresi terhadap kesalahan harga pasar jangka pendek. Dibandingkan dengan strategi arah, mereka memiliki karakteristik pendapatan yang lebih stabil. Dibandingkan dengan strategi arah, ini menghasilkan risiko yang lebih rendah, volatilitas yang lebih rendah, dan pengembalian yang stabil.
• Dapat beradaptasi dengan lingkungan pasar yang berbeda: Strategi arbitrage statistik dapat beroperasi di lingkungan pasar yang berbeda karena strategi perdagangan ini memiliki hubungan arah yang kurang dengan pasar.

kekurangan:

• Data historis hanya dapat mencerminkan hubungan masa lalu dan tidak dapat sepenuhnya mewakili masa depan, sehingga ada risiko tertentu. Konstruksi strategi arbitrase statistik akan menggunakan sejumlah besar tes statistik untuk menambang kombinasi dan korelasi varietas keranjang berdasarkan data besar historis. Perubahan dapat terjadi di masa depan dan memerlukan langkah-langkah pengendalian risiko tertentu.
• Sulit untuk menilai secara akurat rentang waktu yang diperlukan untuk kembali ke hubungan keseimbangan karena kesalahan harga jangka pendek di pasar.
• Analisis data dan kemampuan membangun model yang sangat menuntut: Strategi arbitrase statistik membutuhkan analisis dan pemodelan data statistik yang mendalam seperti korelasi dan kointegrasi antara kombinasi keranjang yang berbeda, dan membutuhkan analisis data dan kemampuan membangun model yang tinggi..
• Eksekusi transaksi dan risiko likuiditas: Karena ini adalah transaksi lintas varietas, harga eksekusi dan volume perdagangan dapat dipengaruhi oleh varietas yang berbeda, dan ada risiko eksekusi transaksi.

3. isi utama dari ini Alpha arbitrase statistik

**1, memantau semua varietas informasi data secara real time, melakukan pemindaian data besar, dan membangun kombinasi keranjang varietas panjang dan pendek. **

Secara khusus, kombinasi keranjang akan dibangun: misalnya, jika ada 6 varietas A, B, C, D, E, dan F, mereka dapat dibagi menjadi 2 kelompok masing-masing 3 varietas untuk membangun kombinasi keranjang. Pada saat yang sama, arbitrase indeks akan dibangun: membagi beberapa industri dan varietas sektor menjadi dua, membangun dua indeks pasar baru, dan kemudian melakukan analisis data statistik berikutnya pada dua indeks ini.

**2, uji korelasi kombinasi keranjang panjang dan pendek. **

Korélasi mengacu pada tingkat asosiasi antara dua atau lebih variabel. Hal ini digunakan untuk mengukur hubungan antara perubahan dalam satu variabel dan perubahan dalam variabel lain, membantu menentukan apakah ada korespondensi tertentu atau memprediksi dampak perubahan dalam satu variabel pada variabel lain. Koefisien korelasi adalah metode umum untuk mengukur korelasi. Yang umum termasuk koefisien korelasi Pearson, koefisien korelasi peringkat Spearman, dll. Koefisien korelasi Pearson mengevaluasi hubungan antara dua variabel berkelanjutan, sementara koefisien korelasi peringkat Spearman cocok untuk mengevaluasi hubungan antara dua variabel ordinal.

Kisaran nilai koefisien korelasi adalah [-1, 1], di mana -1 menunjukkan korelasi negatif, 1 menunjukkan korelasi positif, dan 0 menunjukkan tidak ada korelasi. Semakin dekat koefisien korelasi adalah -1 atau 1, semakin kuat korelasi; semakin dekat ke 0, semakin lemah korelasi. Rumus matematika koefisien korelasi adalah sebagai berikut (mengambil koefisien korelasi Pearson sebagai contoh):

r = cov ((X, Y) / (std ((X) * std ((Y)).

Di antara mereka, r adalah koefisien korelasi, cov adalah kovarian, std adalah standar deviasi, dan X dan Y mewakili dua variabel masing-masing. Ketika menguji korelasi, pendekatan umum adalah menghitung signifikansi statistik koefisien korelasi. Pengujian hipotesis biasanya dapat digunakan untuk menentukan apakah koefisien korelasi signifikan. Hipotesis nol pengujian hipotesis adalah bahwa tidak ada korelasi antara variabel, dan statistik koefisien korelasi dihitung untuk menentukan apakah menolak hipotesis nol.

**3, uji kointegrasi kombinasi keranjang panjang dan pendek. **

Kointegrasi mengacu pada hubungan jangka panjang antara dua atau lebih variabel deret waktu, yaitu kombinasi linier mereka stabil. Dibandingkan dengan korelasi, kointegrasi lebih memperhatikan hubungan keseimbangan jangka panjang daripada hanya tingkat korelasi jangka pendek. Ketika mereka menyimpang dari hubungan keseimbangan ini, ada mekanisme koreksi untuk mengembalikan penyimpangan ke kisaran yang wajar. Konsep kointegrasi awalnya diusulkan oleh Spiegelman (SG Engle) dan CWJ Granger (CWJ Granger) pada tahun 1987 untuk memecahkan masalah regresi palsu yang ada dalam analisis deret waktu. Masalah regresi palsu disebabkan oleh kemungkinan adanya akar unit antara variabel.

Teori kointegrasi dimulai dari menganalisis non-stabilitas deret waktu dan mengeksplorasi hubungan keseimbangan jangka panjang yang terkandung dalam variabel non-stabilitas. Jika variabel yang terlibat tetap tetap setelah perbedaan pertama, dan kombinasi linier tertentu dari variabel ini tetap, maka kointegrasi dikatakan ada di antara variabel ini. Kointegrasi digunakan untuk menggambarkan hubungan stasioner antara dua atau lebih seri. Untuk setiap urutan secara individu, itu mungkin tidak tetap. Saat-saat dari urutan ini, seperti rata-rata, varians atau kovarian, berubah seiring waktu, sementara urutan kombinasi linier dari seri waktu ini mungkin memiliki sifat yang tidak berubah seiring waktu. Ketika harga dua aset mematuhi hubungan kointegrasi, maka kombinasi linier mereka memenuhi sifat mean reverting. Rumus matematika kointegrasi dinyatakan sebagai berikut (mengambil dua variabel seri waktu sebagai contoh):

Y_t = β_0 + β_1 * X_t + ε_t

Di antara mereka, Y_t dan X_t mewakili nilai yang diamati dari dua variabel deret waktu masing-masing, β_1 adalah koefisien regresi, dan ε_t adalah istilah kesalahan. Jika ada hubungan kointegrasi antara Y_t dan X_t, maka kombinasi linier dari kedua variabel akan stabil, yaitu ε_t tetap. Memenuhi distribusi normal dengan rata-rata 0. Saat menguji kointegrasi, pengujian stabilitas biasanya diperlukan. Metode yang umum digunakan termasuk tes Johansen dan tes Engle-Granger.

**4. strategi ini akan menguji hubungan kointegrasi deret waktu untuk sejumlah besar kombinasi. standar khusus adalah sebagai berikut: **

• Deret harga waktu dari keranjang gabungan yang terpisah adalah vektor integral orde pertama, yaitu, deret harga waktu tidak stasioner (memiliki tren yang jelas).
• Serial (yaitu turunan) setelah perbedaan pertama dari keranjang gabungan individu adalah stasioner. Gunakan akar unit ADF untuk menguji dua rangkaian harga waktu keranjang. Gunakan akar unit ADF untuk menguji stasioneritas perbedaan pertama dari rangkaian harga waktu dari dua keranjang.
• Kombinasi linier tertentu dari seri harga waktu kombinasi berpasangan adalah statis, yaitu residu dari persamaan linier yang dibangun dari dua seri adalah statis.

**5, melakukan sejumlah besar tes indeks Hurst. **

Indeks Hurst digunakan untuk mengukur memori jangka panjang deret waktu untuk menentukan sifat-sifat reversi rata-rata deret. Nilai indeks Hurst adalah antara 0 dan 1, dengan nilai dekat 0,5 menunjukkan bahwa deret menunjukkan berjalan acak, dan nilai dekat 1 menunjukkan tren berkelanjutan. Prinsip: Indeks Hurst memperkirakan tingkat memori jangka panjang deret dengan menghitung hubungan antara rentang dispersi sub-sekuens yang tumpang tindih dari deret dan panjangnya. Rumus matematika: Salah satu cara untuk menghitung indeks Hurst adalah menggunakan hubungan antara rentang dispersi dan panjang sub-sekuens yang tumpang tindih untuk menetapkan hubungan yang sesuai dari berjalan acak.

**6, estimasi paruh waktu reversi rata-rata. **

Rata-rata waktu paruh reversi adalah metrik yang digunakan untuk memperkirakan waktu yang dibutuhkan untuk seri harga untuk kembali ke rata-ratanya. Semakin kecil waktu paruh, semakin cepat rata-ratanya reversi. Prinsip: Perhitungan rata-rata waktu paruh reversi diperkirakan dengan menyesuaikan model rata-rata bergerak perataan eksponensial konvergen (EMA). Ketika seri harga menyimpang dari rata-ratanya lebih dari waktu paruh, dapat dianggap bahwa ada kesempatan untuk rata-rata reversi. Rumus matematika: Rumus perhitungan rata-rata waktu paruh reversi adalah sebagai berikut:

(H = -\frac{\ln(0.5)}{\ln(\frac{P_t}{P_t - P_{t-1}})})

Metode pengujian: Anda dapat menghitung EMA dari seri harga, dan kemudian menghitung waktu paruh berdasarkan EMA.

**7. Membangun strategi perdagangan berdasarkan sejumlah besar data statistik. **

Filter kombinasi produk keranjang berdasarkan pengelompokan indeks Hurst, memperkirakan parameter yang relevan berdasarkan rata-rata waktu paruh reversi, dan membangun kombinasi strategi perdagangan berdasarkan kointegrasi statistik.

Setelah pengujian kointegrasi, ditemukan bahwa ada hubungan kointegrasi antara harga waktu aset X dan Y. Penyimpangan standar dari istilah residual c adalah σ, dan konstanta λ dipilih sebagai nilai batas.

• Ketika lny- ((a+blnx) > λσ, harga keranjang Y relatif terbebani dan harga keranjang X relatif terbebani.
• Ketika lny- ((a+blnx) < -λσ, harga keranjang X relatif terbebani dan harga keranjang Y relatif terbebani.
• Ketika perbedaan harga lny-(a+blnx) kembali ke kisaran tertentu, seperti kisaran [-0.5λσ, 0.5λσ], posisi ditutup;

**8, lebih banyak yang akan datang. **

Logika yang lebih eksklusif dan inovatif, arsitektur yang lebih rinci dan pemrosesan detail adalah daya saing inti uniknya. Saat ini, likuiditas akan diperkirakan secara statistik dan transaksi akan diselesaikan menggunakan harga pasar. Di masa depan, itu akan secara bertahap ditingkatkan ke arbitrase statistik frekuensi tinggi dari jenis pesanan yang sedang menunggu. Kami berharap untuk memperhatikan dan tumbuh bersama.

4. Kinerja historis parsial (data biaya 50.000 pesanan setelah memperkirakan harga transaksi nyata)

Neutral Hedging Statistical Arbitrage New High-Risk Supernova Neutral Hedging Statistical Arbitrage BaruRisiko rendah dan stabil

5. Menantikan kerjasama, pertukaran, dan pembelajaran bersama dan kemajuan

Setiap strategi memiliki metodologi dan kesesuaiannya sendiri. Sebagai contoh, strategi reversi rata-rata didasarkan pada market random walk dan teori lainnya, dan strategi tren momentum didasarkan pada berbagai teori keuangan perilaku, seperti fluktuasi ekor lemak di pasar. Kita harus memahami prinsipnya, beradaptasi dengan fluktuasinya berdasarkan karakteristiknya. Pada saat yang sama, pengguna strategi harus memperhatikan sumber keuntungan dan kerugian yang sama. Pengembalian yang lebih tinggi harus disertai dengan risiko yang lebih tinggi. Strategi yang matang memiliki keuntungan dan kerugian. Mereka harus menggunakannya secara wajar dan memaksimalkan kekuatan mereka dan menghindari kelemahan. Tahu apakah mereka benar atau salah, dan apakah mereka sesuai atau tidak sesuai dengan situasi pasar. Kinerja yang lengkap, yakin dan jangan terkejut.

Kuantifikasi bukanlah mesin perpetual motion, juga tidak mahakuasa, tetapi itu harus menjadi arah perdagangan masa depan dan layak dipelajari dan digunakan oleh setiap pedagang! Pedagang dipersilakan untuk datang dan menunjukkan kekurangan, berdiskusi bersama, belajar dan membuat kemajuan bersama, naik angin dan ombak di pasar yang megah, dan maju.

● Rencana sewa: XXXU/XU/bulan, periode preferensi saat ini gratis untuk disewa, dan dapat dihentikan kapan saja.

● Rencana pembagian: Jumlah besar dapat dimulai secara gratis, dan 20% keuntungan akan diekstrak setiap bulan.

●Komitmen Strategis: Jika pengguna menghasilkan keuntungan pada akhir periode sewa dan tidak menutupi biaya (konfigurasi dan parameter benar, dan itu bukan angsa hitam force majeure), satu bulan akan diberikan tanpa syarat sampai keuntungan dibuat.

● Lebih banyak pilihan kerja sama: untuk setiap individu dan lembaga yang membutuhkan. Kami semua mempertahankan sikap terbuka dan menang-menang terhadap kerja sama dan berharap diskusi dan kerja sama yang disesuaikan berdasarkan kebutuhan, preferensi risiko, dll.

Jika Anda memiliki nafsu risiko yang lebih tinggi, seperti keuntungan dan kerugian jangka pendek, dan memiliki kebutuhan perdagangan jangka pendek, Anda dapat memeriksa strategi frekuensi tinggi yang stabil dengan pengembalian bulanan 3%-50% dan tidak ada risiko likuidasi: High Frequency Hedging Market Making Grid Baru (HFT Market-Making Mining Machine Version)

**Jika Anda memiliki sejumlah besar dana, Anda dapat mengamati sistem perdagangan komposit CTA berkapasitas besar dengan frekuensi menengah dan rendah lainnya, yang berlangsung selama 900 hari perdagangan nyata, hujan atau sinar matahari.Komposisi CTA Trading System Baru(Multi-faktor + multi-varietas + multi-strategi versi publik)

Informasi kontak (selamat datang untuk berkomunikasi dan mendiskusikan, belajar dan maju bersama) Haiyanyydss Telegram:https://t.me/JadeRabbitcmInformasi lebih berguna TradeMan Home:https://www.fmz.com/market-offer/512 Sistem perdagangan CTA & HFT & Arbitrage yang sepenuhnya otomatis @2018 - 2024

Lebih banyak