Improving Pairs Trading

Исследование дополнительных фильтров, улучшающих парную торговлю. Сама базовая стратегия очень простая - формируем пары по секторам, считаем показатель sum((p1(t)/p1(1))-(p2(t)/p2(1))^2) за 250 дней. Полученные результаты ранжируем, торгуем если отклонение больше 2х сигм за 125 дней. Это все не очень интересно. Важнее другое, автор считает, что эффективнее принудительно закрывать торговлю после некоторого периода удержания - иначе вероятно отклонение носило обоснованный характер. Лучшие результаты получаются при лимите =25 дней. 

Кроме того, еще исследуется фильтр от объема - мерием объем по каждой бумаге за 250 дней, дальше если сейчас объем по одной превосходит средний на какой-то уровнень (к примеру  1стандартное отконение) - скорее всего есть шок в одной бумаге. Это не очень  хорошо - признак влияния локальной новости и т.п. А вот если объем растет в обеих бумагах (обоюдный шок) - отлично, есть шансы, что общее событие неверно оценено рынком. Вариант при 1 сигме обоюдного шока в тесте дает вдвое лучший результат, чем одинарный шок.

Profitable Momentum Trading Strategies for Individual Investors

В статье анализируется, каким образом лучше торговать моментумные стратегии розничному инвестору. Базовая стратегия - считаем доходность в период с февраля по конец июля, затем формируем портфели из (1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 30, 40, 50) лучших акций (не кросс-сектионал). Держим год, считаем доходность. Сам подход ничем не необычен, кроме пожалуй анализа влияния количества акций на результаты. Интересны результаты по шарпу: 

К-во лучших 1 2 3 4 5 6 7 8 9 10 15 20 30 40 50
Доходность, % мес 1.15 2.68 2.94 2.95 3.04 3.04 3.07 3.06 2.91 2.82 2.54 2.36 2.28 2.2 2.13
Std 0.7 0.44 0.34 0.29 0.24 0.22 0.2 0.19 0.18 0.17 0.14 0.12 0.11 0.1 0.1
Sharpe 0.057 0.211 0.299 0.352 0.439 0.479 0.532 0.558 0.560 0.574 0.628 0.681 0.718 0.762 0.738

В принципе, таблица показывает, что с точки зрения шарпа оптимальный размер портфеля 30 бумаг.

Кроме того, еще в статье анализируются косты и как влияет количество перетрясок портфеля (раз в месяц., в квартал,  в полугодие, в год, в два года, три года) на доходность портфеля. Ну мелкие портфели (5000-30000 долларов) с большим количеством бумаг множественные перетряски прогнозируемо убивают. Лучшие результаты для таких портфелей - держать 8-10 акций с перетрясками раз в год или два.

Investment Strategies with VIX and VSTOXX Futures

Половину статьи рассказывается о VIX и VXSTOXX. Вторую половину - анализируется спред VIX-VXSTOXX. Вроде он даже по ADF получается стационарным на уровне значимости 6%, а по Филипс-Перону даже на 1%. Дальше анализируется спред VIX-VXSTOXX  и делается попытка торговать арбитраж между ними. Загоняют в GARCH модель сам спред, пытаются прогнозировать его изменение. Результат визуально не очень, численные данные не приведены. Впрочем период теста очень небольшой, только 2012 год.

The Momentum Gap and Return Predictability

В статье определяется новый предиктор - размер гэпа по моментуму - разница средней доходности 1-го и 10-го дециле по моментуму (t-12:t-2). Соответственно, чем выше эта разница - тем хуже работает моментум. В статье приведена стратегия: измеряем этот гэп в каждый из месяцев за 30 месяцев, далее входим в моментум (покупка 10-го дециле, продажа 1-го) если гэп ниже чем 5-й квинтиль за 30 месяцев. Результат мерился на дневках с 1926 по 2012, при простом моментуме шарп 0.52, с добавкой гэпности 0.79. В принципе неплохо. Месячная доходность 1.28%, в принципе с некоторыми ухищрениями (в статье) может составить и 2%.

. . . and the Cross-Section of Expected Returns

Макроанализ более чем 200 аномалий, исследованных на фондовом рынке. Можно использовать как некоторый классификатор этих аномалий, они все приведены в статье со ссылками на работы. В статье делается вывод, что для определения достоверности t-статистики на уровне 2 недостаточно. Надо использовать минимум уровень 3. Кроме того, из 296 факторов 158 по Bonferonni могут быть признаны нерабочими, 142, по Holm, 132 по BHY (1%) и 80 по BHY (5%) 

Selection of a Portfolio of Pairs Based on Cointegration: A Statistical Arbitrage Strategy

Собственно, ничего принципиально нового. Тест стат. арбтитража на бразильском рынке, дневки. Из 50 наиболее ликвидных бумаг формировались пары, затем они прогонялись через Энгла и Йохансена. Отбирались 20 лучших, затем тестировалась торговля. Доходность 16.4% годовых и шарп 1.34.

Insider Trading Patterns

С использованием данных о торговле инсайдеров определяются их разовые и серийные покупки (продажи). Серийные сделки могут быть использованы в построении лонг-шортовой стратегии - покупаем бумаги, по которым топы делали серийные покупки, продаем те, где были серийные продажи. По результатам в статье доходность может быть 20-30% годовых.

Investor Attention, Psychological Anchors, and Stock Return Predictability

Типа близость к 52-недельному хаю предсказывает будущую доходность. Механизм простой - инвесторы после ряда позитивных событий (которые подтягивают цену вверх) инвесторы менее склонны бидовать. Но кросс-сектионал доходность получается всего 0.4% в месяц.

Analytic solutions for optimal statistical arbitrage trading

Очень интересная статья в которой приведена модель оптимизации стат. арбитража - как параметры используются уровни открытия/закрытия, косты и риск-нейтральная ставка. 

Good Day Sunshine: Stock Returns and the Weather

Так, в порядке развлечения - стратегия торговли по погоде. Основная мысль в том, что при хорошей погоде и инвесторы более оптимистичны. Авторы взяли 26 городов, данные о погоде, сняли сезонность, посчитали регрессии. Даже получилось статистически значимо. Кроме того, затем взяли погоду с 5 до 8 утра в тех же городах и попробовали посчитать, что будет если покупать в солнечные дни и продавать в пасмурны (со снятой сезонностью). t-статистики получились ~-2..-3  в различных вариантах использования. "Денежных" данных нет.

Maximum bid-ask spreads and expected Stock returns

Анализ доходности от максимальных бид-аск спредов. Берем всю совокупность бумаг кроме как с ценой меньше 2доллара. Считаем MaxSpread как максимальный бид-аск спред за предшествующий месяц. Затем ранжируем в зависимости от MaxSpread на квантили. По результатам исследования cross-sectional доходность от 9% до 12.5% в год, более доходны акции с большим MaxSpread. Ну и кроме того в эту квантиль попадают бумаги с меньшей капитализацией, большим B/M, большим средним спредом и т.п. Это все конечно замечательно, только торговать это невозможно - как раз бид-аск и съест всю доходность.

Simple Ideas for a Mean Reversion Strategy with Good Results

Также простая техническая стратегия. 

Setup

  • Close greater than 100-day moving average
  • Close less than the 5-day moving average
  • 3 lower lows. (Not lower closes, I made this mistake the first time I wrote the code)
  • Member of the Russell 1000

Buy

  • Set a limit buy order for the next day if price falls another .5 times 10-day average true range

Sell

  • Close is greater than the previous day’s close
  • Sell on the next open

Результаты прилагаю, но весьма сомнительно, что это будет работать - как минимум из-за костов.

Adaptive Put Writing for the S&P-500 Index and Nasdaq Stocks: The Austrian- and Doberman Pinscher Strategy

В целом сходно с a_0306

Точно также

  • Каждую третью среду месяца продаем путы с экспирацией в следующем месяце и дельтой~0.2.
  • Но хеджируем не дальним фьючерсом на VIX, а покупкой пута с дельтой ~0.1
  • Если IVTS=VIX/VIXM>1, сделку не открываем.

Стоп лоссы и дополнительные фильтры те же:

  • Выходим из сделки если МА(5)  VIX/VXV>1.05
  • Выходим из сделки если SPX<1.01*price
  • Выходим из сделки если убыток больше 15% базовой суммы
  • Если IVTS=VIX/VIXM>1.05 закрываем
  • Если сработал стоп-лосс и до конца месяца больше 2х недель и появляется возможность входа (стоп-лоссы нормализуются) - входим снова в сделку.

Протестировано для SPX (sharpt=1.05; ret=15.2%)  , AAPL(sharpe= 0.79; ret=22.5%)  , EBAY (sharpe=0.98; ret=24.8%) , GOOG (sharpe=0.34; ret=7.44%)  .

Кроме того, так как хеж лонгом пута жрет доходность из-за улыбки, протестирован вариант без этого хеджа (все остальное неизменно). На индексе и EBAY показал даже лучшие результаты (для SPX: sharpe=1.13, ret=35.4%). Но на GOOG и AAPL результат ужасны.

 

Adaptive Strategies for High Frequency Trading

Статья о стратегии маркет-мейкинга. С использованием векторов параметров книги продаж (цен бидов и асков, объемы, доп показатели?) формирются коэффициенты регрессии, или предсказаение осуществляется нейронными сетями. Прогнозируются цены лучших бидов и асков. Сама статья не очень информативная - не раскрывается какие параметры использованы.

Does Academic Research Destroy Stock Return Predictability?

Анализ как ведут себя 72 аномалии после публикации - снижается ли альфа по ним. Вроде как снижается. Но более интересна библиография - там как раз работы по этим 72 аномалиям, можно использовать для формирования стратегий и структурирования таблицы аномалий.

Machine Learning Techniques to Improve Your Strategy

Использование random forest и hiden markov model для торговли валютой. Базовая стратегия на буленджере сделана, ее сильно улучшает использование этих моделей. В статье есть ссылки на код на R. 

Computational Modeling of Crude Oil Price Forecasting: A Review of Two Decades of Research

Обзор моделей, используемых для прогнозирования цен на нефть. Масса параметров - от потребления и производства нефти до цен на золото, ВВП, доходности фондового рынка и т.п. В принципе все это может загоняться в нейронные сетки для анализа, но в статье каких-то результатов прогнозов указанных моделей не приведено

Optimal Placement in a Limit Order Book

Небольшой, но интересный обзор статей по оптимальному размещению ордеров.

Dispersion trading: Empirical evidence from U.S. 1 options markets

Еще одна статья по торговле дисперсией корзины бумаг против индекса. В этот раз SnP 500 и корзина из всех входящих бумаг. Бэктеста тут нет, только немного статистики по полученным зависимостям. Как обычно, считаем волу корзины по Марковитцу и сравниваем с SnP.

Trading in the Presence of Cointegration

Интересный способ торговли стат. арбитража  - практически без параметров, только размеры окон. В статье использован для торговли 4-мя индексами одновременно (AEX, CAC, DAX, FTSE). По модели определяются коэффициенты для приблежния к ожидаемому коинтеграционному вектору. По результатам дневного бэкстеста на разных периодах шарп от 0.9 до 1.5.

Forecasting Volatility with Empirical Similarity and Google Trends

Анализируется есть ли влияение поисковых запросов гугл на будущую реализованную волатильность. Добавляют в обычные модели (HAR, ARFIMA, AR и т.п.). Вроде как корреляция достаточно высокая, плюс есть неожиданный паттерн - рост корреляции на сравнительно дальних лагах - ок. 20.

Но если ошибки анализировать (MSE) out-of-sample ничего особо хорошего не видно - примерно на уровне обычных моделей.

Energy Stat Arb

Пример стат арбитража на энергетических етф (минутки): OIL и UNG:   

и XLE и OIL:  Для тестирования используется обычный OLS, спред нормализуем (вычитаем среднее и делим на стандартное отклонение). Из текста не очень понятно, возможно используется для каждого дня только внутридневные данные или просто скользящее окно. Размер окна тоже не очень понятен, возможно 60 точек.

Adding a VIX Signal to Momentum

Некоторая совокупность моментума (по МА(200)) и VIX. Автор разбил все имеющиеся данные по виксу и SPX на 4 диапазона:

  1. SPX>MA(200), VIX<20
  2. SPX>MA(200), VIX>20
  3. SPX<MA(200), VIX<20
  4. SPX<MA(200), VIX>20

На ситуацию (1) приходится 51%, если торговать только их, то шарп =1.34, доходность 18.2%. Во всех остальных результат хуже, так для (2) шарп =0.44, доходность 8%. Для остальных еще хуже.

Harvesting the Downside Beta Premium with the Implied Volatility Term Structure: The Cinderella Strategy.

Описывается несколько стратегий. Базовая из логики, что бумаги с высокой ковариацией на падающем рынке в целом обгоняют рынок (компенсация за риск). Соответственно считаем cov(ri,rm|rm<tm)/ var(rm|rm<tm) для Nasdaq-100, исключив бумаги с очень высокой волатильностью (>1.9*volatQQQ). Получаем портфель с доходность 37% годовых на бэктесте. Но с довольно сильным дродауном (24%). 

Следующий вариант стратегии - добавляем фильтр по IVTS=VIX/VIX30 (VIX30 - сконструированный из двух фьючерсов комплекс с постоянной maturity=30дней), считаем его MA за 5 дней  - покупаем полученный портфель только в случае спокойного рынка (если IVTS<0.97). Если 0.97<IVTS<1.1 то половина - портфель, половина-  TLT, если IVTS>1.1 - только TLT. Среднегодовая доходсть 44%: 

Ну и в качестве сравнения еще приведена аналогичная стратегия с IVTS, только вместо портфеля используем ETF широкого рынка VBK. Визуально шарп даже получше: 

Boosting the SPY with the VXX The Daiquiri Strategy

Хеджирование покупки индекса покупкой VXX. В статье несколько вариантов, самым нормальным кажется следующий:

Считаем IVTS=VIX/VX30. VX30 - это фьючерс с maturity=30 дней, делаем его из комбинации фьючерсов, первый из которых меньше 30 дней, второй больше (веса ставим чтоб средняя maturity =30).  И определяем какую долю в портфеле составляет SPY или VXX в зависимости от IVTS

  • IVTS<0.91   SPY=90% VXX=-10%
  • 0.91<=IVTS<1 SPY=100% VXX=0
  • IVTS>1  SPY=70 VXX=30%

Результат тестирования: 

Таблица корреляции разных активов

В таблице представлены корреляции разных активов за период 1995-2014 год. Откопал где-то в интернете. Стабильно высокие корреляции между рынками акций разных стран и энергетическими коммодами. Иногда также металлы. Можно использовать как идеи для статарбитража.

Stock Returns over the FOMC Cycle

Паттерн поведения рынка акций после объявления FOMC. В 0 (начинается с дня перед объявлением),2,4,6 недели нашли что рынок растет. Средний рост ~0.5%  в неделю. Если торговать эти периоды - шарп=0.8, средняя доходность 8.5%. Каких-то вразумительных объяснений почему это работает не представлено.

Optimal Trading Strategies in a Limit Order Market with Imperfect Liquidity

Модель выбора оптимального способа постановки ордера (лимит или маркет). В зависимости от времени за которое должен быть исполнен ордер, цен бидов и асков, стандартных отклонений их изменений.

Statistical Arbitrage in the U.S. Equities Market

Стат. арбтираж в двух версиях: 1. через PCA-анализ (используем корреляционную матрицу доходности набора ETF); 2. Используя сам отраслевой ETF как фактор риска, торгуем бумагу из индекса с хеджем ETF.

Результаты средние, шарп около 1. С дополнительными ухищрениями поднимается до 1.5. Данные только за период 1997-2007 год.

Simple and Efficient Portfolio Construction with implicit Covariance Estimation: The Ant Strategy

Несложная стратегия формированию оптимального портфеля. Используется 12 етф: 

  • U.S. Stocks SPY
  • International REITs RWX 
  • European Stocks VGK
  • U.S. Intermediate Treasuries IEF 
  • Japanese Stocks EWJ
  • U.S. Long-Term Treasuries TLT 
  • Emerging Markets Stocks VWO
  • Commodities DBC
  • U.S. REITs VNQ
  • Gold GLD
  • U.S. Technology* QQQ
  • U.S. High-Yield Bonds* HYG

Далее формируем случайным образом 20 портфелей с весами акций [0.02...0.25] или 0. Сумма весов д.б. равна 1. Затем максимизируем шарп каждого портфеля с использованием генетических алгоритмов. Шарп измеряем на диапазоне полгода. На ETF получаются шарп 1.01. 

Кроме ETF был протестирован примерно аналогичный подход для акций NASDAQ-100 плюс QQQ, только с базовым периодом= месяц. Шарп получился 1.18.  Автор еще рекомендует использовать в качестве фильтра VIX/VIXMT или схожий механизм, чтобы находиться в позиции во время спокойного рынка, но особого увеличения шарпа нет.

Страницы