Un Bayes Basada En La Simulación - Procedimiento Para La Predicción Robusta De Las Estrategias De Pares Comerciales

Haga clic para ver el texto completo en: Un procedimiento de Bayes basada en la simulación de robusta predicción de estrategias de pares comerciales Lukasz T. Gatarek *, Lennart F. Hoogerheide y Herman K. Van Dijk 08 de febrero 2011 Proponemos un nuevo método de simulación para estimar el modelo de cointegración con perturbaciones no normales en marco bayesiano no paramétrico con el fin de presentar un predicción robusta de algunas estrategias comerciales alternativas. Aplicamos la teoría de Dirichlet permiten procesos para estimar la distribución de las perturbaciones en forma de mezcla infinita Introducción La motivación de las técnicas de arbitraje estadístico tiene sus raíces en las obras que predican previsibilidad de los precios de las acciones y la existencia de relaciones de largo plazo en los mercados de valores. Esta literatura cuestiona el hecho estilizado en la economía financiera que dice que el precios de las acciones se encuentran descritos por procesos paseo aleatorio independientes; lo que au - ticamente implica ninguna previsibilidad en los precios de las acciones. Las referencias clave en este campo son [Lo y MacKinlay, 1988], [Lo, 1991], [Lo y MacKinlay, 1992] y [Guidolin, 2009]. Sobre la base de estas investigaciones empíricas podrían formarse estrategias de negociación para explorar la ineficiencias de los mercados de valores. [Khadani, 2007] consideran una estrategia específica primero propuesto por [Lehmann, 1990] y [Lo y MacKinlay, 1990] que se puede analizar directamente a través de las acciones individuales de Estados Unidos devoluciones. Dada una colección de valores, que consideran un patrimonio incidencia en el mercado de larga / corta estrategia que consiste en un monto en dólares igual de posiciones largas y cortas, donde en cada intervalo de reequilibrio, las posiciones largas se componen de perdedores (acciones de bajo rendimiento, en relación volver al equilibrio que es cero. [Gatev et al. 2,006] mostrar el rendimiento de esta regla de arbitraje en un periodo de 40 años y encuentran gran evidencia empírica a favor Los pasos cruciales en la construcción de la estrategia de pares de comercio es la estimación local tanto diferenciales actuales y esperados. En el marco del análisis de cointegración propagación se modela como la desviación local desde el equilibrio a largo plazo entre las series de tiempo. Por tanto, el difusión actual betwenn los activos se calcula como el producto de cointegración vectorial y precios de las acciones actuales. Por otra parte, la propagación esperado se calcula como el producto de cointegración vector y predijo precios de las acciones. La predicción propagación se basa en la asunción de la relación de cointegración de sonido entre el par de activos. En resumen, el técnica de pares de comercio se basa en la suposición de que la combinación lineal de los precios (escalado por el vector de cointegración) vuelve a cero y una regla de comercio se puede construir para explotar las desviaciones temporales esperados. Los problemas relativos a la aplicación de esta técnica pueden tener dos principales El papel se construyó como sigue. 1Preliminaries Con el fin de probar la rentabilidad de pares estrategia de negociación tenemos que identificar relación a largo plazo ciones en los precios de las acciones. Por lo tanto, aplicamos el modelo de cointegración, ver [Juselius, 2006]. los distribuciones de los rendimientos del mercado de valores son típicamente no normal. Así suele distribución t y otras distribuciones fattailed se aplican. En caso de pares de comercio, tratamos de identificar cointegración relaciones en un enorme universo de activos. Puede ser que sea incorrecto suponer com - distribución lun de los rendimientos a través de diferentes acciones. Proponemos un algoritmo general para estimar el modelo de cointegración de una manera bayesiana bajo no normalidad. El contorno de tal algoritmo se compone de la siguiente manera 4. Estandarizar los residuales y la construcción de series de tiempo artificiales ytaccording a yt = yt + (εt, mT j-, j) /? Vt, j. 5. Vaya al paso 1, utilizando series de tiempo artificiales. El desafío de construir un algoritmo radica en encontrar un método preciso para seleccionar el número de componentes en la mezcla de distribuciones normales. Los componentes de esta mezcla son diferentes en cada repetición del algoritmo. Por lo tanto un método flexible para la estimación de esta mezcla es necesaria. Proponemos para modelar esta distribución como una mezcla de procesos de Dirichlet (DPM) - una mezcla tura con un número infinito numerable de los componentes. Debido a esta propiedad esta técnica es más flexible que un modelo de mezcla ordenada finita que ex ante especifica el número de los componentes. Para una introducción general al modelado a través de procesos de Dirichlet consulte