Я пытался найти некоторые количественные/статистические аргументы, которые могли бы пролить некоторый свет на вопрос о том, оправдано ли ожидать одновременного применения краткосрочной модели к набору инструментов, которые с качественной точки зрения считаются сильно коррелированными. , т. е. корзина фьючерсов на фондовый индекс, металлы, энергоносители и так далее.

Вопросы были подняты несколькими «долгосрочными» фондами, такими как традиционные CTA, где общепринятой практикой является использование одной и той же долгосрочной модели для большого набора инструментов. По моему личному опыту, довольно маловероятно найти «универсальную» краткосрочную модель, и портфель стратегий, который я определил до сих пор, подтверждает этот факт.

Моя цель — попытаться понять, связано ли это с какими-то более фундаментальными фактами о краткосрочном распределении доходности, а не просто с потенциальной недостаточной надежностью.

Методология:

  1. Я рассматривал 1_часовой бар OHCL для всех инструментов, которые есть в моем наборе данных.
  2. Я рассмотрел распределение возврата набора данных с учетом разных временных горизонтов: Ret(time_horizon) = [close(t)-close(t-time_horizon)]/close(t-time_horizon).
  3. Я нормализовал все эти распределения, чтобы иметь среднее значение = 0 и стандартное отклонение = 1. Цель состоит в том, чтобы показать, что для пары инструментов, которые обычно считаются сильно коррелированными или «похожими», это сходство менее выражено, если мы принимаем во внимание временные рамки, связанные с типичный период владения краткосрочными систематическими торговыми стратегиями. Чтобы количественно оценить сходство между двумя распределениями, я решил использовать среднеквадратичную ошибку или евклидово расстояние в качестве метрики.

Давайте покажем пример, возьмем Dax и Cac.

Мы также можем визуализировать, как корреляция между парой имеет тенденцию к исчезновению на графике, где я накладываю диаграмму рассеяния на разных временных горизонтах:

Если я затем измерю «расстояние» между нормализованным распределением доходностей DAX и CAC и построю график зависимости от временного горизонта, я получу следующее:

Есть также случаи, когда расстояние между распределениями следует обратному пути по сравнению с вышеупомянутым, например, золото и платина:

Интересно отметить, что лично у меня действительно есть краткосрочная модель, которая может совершенно не меняться между Золотым и Платиновым. Это навело меня на мысль, что этот подход может быть подходящим для оценки случая, в котором можно разумно ожидать, что краткосрочная модель будет валидной, поскольку она применима к целому ряду инструментов, и когда вместо этого ее непрямую расширяемость можно с уверенностью отнести к внутренняя краткосрочная разница между историческими вероятностными распределениями доходов.

Спасибо!

Больше контента на plainenglish.io