Estratégia de negociação de pares neutros do mercado

Guia para negociação de pares.

A negociação de pares é uma estratégia de negociação neutra de mercado que corresponde a uma posição comprada com uma posição vendida em um par de instrumentos altamente correlacionados, como duas ações, fundos negociados em bolsa (ETFs), moedas, commodities ou opções. Os operadores de pares aguardam a fraqueza na correlação e, em seguida, perdem tempo com o sub-performer, ao mesmo tempo que vendem em curto, o super-performer, fechando as posições à medida que o relacionamento retorna às normas estatísticas.

O lucro da estratégia é derivado da diferença na mudança de preço entre os dois instrumentos, e não da direção que cada um move. Portanto, um lucro pode ser realizado se a posição longa subir mais do que a curta, ou a posição curta cair mais do que a longa (em uma situação perfeita, a posição longa sobe e a posição curta cai, mas isso não é um requisito para fazendo um lucro). É possível para os comerciantes de pares lucrarem durante uma variedade de condições de mercado, incluindo períodos em que o mercado sobe, desce ou de lado - e durante períodos de baixa ou alta volatilidade. (Veja também: 4 fatores que moldam as tendências do mercado.)

A origem da negociação de pares.

A origem da troca de pares é geralmente creditada a um grupo de cientistas da computação, matemáticos e físicos reunidos pelo Morgan Stanley & Wall Street de Wall Street. Co. no início a meados da década de 1980. A equipe, que incluiu os cientistas de computação Gerry Bamberger e David Shaw, e o comerciante de quantum Nunzio Tartaglia, foi reunida para estudar oportunidades de arbitragem nos mercados de ações, empregando modelagem estatística avançada e desenvolvendo um programa de negociação automatizado para explorar desequilíbrios de mercado.

Pares de Negociação: Investimento de Mercado Neutro.

O conceito de investimento neutro de mercado é relevante porque a negociação de pares é uma estratégia neutra de mercado. Em seu livro de 2000, intitulado “Investimentos Neutros no Mercado: Estratégias Long / Short Hedge Fund”, Joseph G. Nicholas, fundador e presidente do HFR Group, escreveu: “Investimento neutro de mercado refere-se a um grupo de estratégias de investimento que buscam neutralizar certos riscos de mercado. tomando posições longas e curtas de compensação em instrumentos com relações reais ou teóricas. Essas abordagens buscam limitar a exposição a mudanças sistêmicas no preço causadas por mudanças nas variáveis ​​macroeconômicas ou no sentimento do mercado. ”(Veja também: Top 5 Livros para Aprender sobre a Indústria de Fundos de Hedge).

As várias estratégias neutras de mercado investem em diferentes tipos de ativos; por exemplo, a arbitragem conversível assume posições compradas em títulos conversíveis e posições vendidas em ações ordinárias. Como outro exemplo, a arbitragem de fusões toma posições longas e curtas nas ações de empresas envolvidas em fusões. A neutralidade de mercado pode ser alcançada tanto no nível de instrumentos individuais quanto no nível da carteira. Embora as estratégias sejam muito diferentes - tanto em termos de ativos quanto de metodologia -, todas elas estão sob o guarda-chuva neutro do mercado. Isso ocorre porque cada um obtém retornos da relação entre um componente longo e um curto - no nível de instrumentos individuais ou no nível do portfólio. (Veja também: Introdução aos tipos de pedidos: negociações longas e curtas.)

Como o mercado neutro se relaciona com a negociação de pares.

Como uma posição é tomada em conjunto com outra posição para reduzir a exposição direcional, as estratégias neutras de mercado geralmente oferecem um hedge contra o risco de mercado. Desta forma, a exposição ao mercado é trocada pela exposição à relação entre as posições longa e curta. Isso não implica que o investimento neutro do mercado seja neutro ao risco ou até mesmo livre de risco (não é nenhum dos dois); no entanto, os riscos são diferentes daqueles associados ao investimento direcional de longo prazo. Uma abordagem neutra de mercado fornece uma fonte alternativa e não correlacionada de retornos quando usada como parte de (mas não como substituto) uma estratégia de investimento global. (Para mais, veja: Cobertura Básica: O que é uma cobertura?)

Pares de Negociação: Uma Estratégia de Negociação de Mercado Neutro.

Muitas vezes, os comerciantes se deparam com o termo “negociação sem risco”. Embora, na realidade, seja virtualmente impossível negociar uma estratégia puramente livre de risco, certas estratégias podem definitivamente se encaixar na descrição de ter menos risco de queda do que outras. Sem dúvida, o Pairs Trading se enquadra nessa categoria.

O comércio de pares envolve a ideia de escolher dois produtos financeiros correlacionados (ou grupos de produtos), descobrir qual é a sua correlação histórica e fazer a suposição de que essa correlação será válida no futuro. Essencialmente, um corretor está apostando que é mais provável do que não que essa correlação seja verdadeira no futuro. Um profissional qualificado com conhecimento adequado do dimensionamento de posição pode aplicar efetivamente os conceitos de Pairs Trading em suas estratégias de day-trading.

Os benefícios da negociação de pares.

O comércio de pares pode ser benéfico porque protege o profissional de fontes de risco de mercado. Uma estratégia de negociação de pares que é neutra no mercado pode proteger o comerciante das flutuações do mercado. Por exemplo, se duas ações são altamente correlacionadas, um comerciante pode vender o estoque de alto desempenho e comprar o estoque com baixo desempenho. Se o trader mantiver a crença de que sua correlação relativa voltará ao normal, então ele estará protegido contra movimentos de todo o mercado; Eventualmente, quando as ações recuperarem sua proporção / correlação histórica, o trader poderá fechar suas duas posições e obter lucro.

Aqui está um exemplo básico. Aqui estão os preços diários de fechamento da Reliance Industries (NSE: RELIANCE) e da Essar Oil (NSE: ESSAROIL) nos últimos 7 dias de negociação:

A correlação pode ser calculada facilmente no Microsoft Excel usando a função CORREL.

Como os dois produtos parecem estar altamente correlacionados, um trader pode julgar que a relação entre os dois produtos deve estar entre 11 e 13. Suponha que, no dia seguinte, o trader perceba que a Reliance está negociando a 800, enquanto a EssarOil está negociando a 73. O comerciante calcula que a relação entre os dois produtos é inferior a 11 (800/73 = 10,95). Portanto, parece que esta é uma boa oportunidade para entrar em um comércio. Neste exemplo, o trader venderia a EssarOil e compraria a Reliance, já que a Reliance tem um desempenho relativamente baixo e o EssarOil tem um desempenho relativamente alto. Como o índice é de aproximadamente 11, o trader venderia 11 ações da EssarOil para cada ação da Reliance que ele comprasse.

Nesse ponto, surge o verdadeiro teste do trader: quando ele deve sair do negócio? A paciência pode ser o aspecto mais difícil da negociação! Eventualmente, o comerciante está olhando para sair do comércio uma vez que a relação se estabilize acima de 11 e o trader possa obter lucro. Geralmente, é uma boa ideia definir um objetivo de lucro (e, se possível, um stop loss) ao entrar em uma negociação. Em nosso exemplo, o negociador pode definir o objetivo de lucro como uma relação entre os dois produtos. Como o trader achava que 13 era a relação relativamente alta entre os dois produtos, ele pode definir 13 como a proporção que os produtos devem atingir para que ele saia do negócio.

Eventualmente, o trader percebe que a Reliance está negociando a 760 e a EssarOil está negociando a 58,45. A proporção violou 13! O comerciante vende imediatamente a Reliance e compra a EssarOil.

Se ele / ela tivesse executado 110 ações da EssarOil e 10 ações da Reliance, seu lucro líquido (antes dos custos) teria sido:

EssarOil: (73-58,45) x 110 = Rs. 1600. 50 lucro.

Confiança: (760-800) x 10 = Rs. 400 perda.

Como você pode ver, embora o mercado tenha caído entre suas duas séries de transações (tanto a Reliance quanto a EssarOil caíram de preço), o trader conseguiu lucrar com a cobertura de seus negócios. Este é o poder da negociação de pares!

Começando.

A negociação de pares, na sua forma mais simples, pode ser feita calculando a correlação entre dois instrumentos financeiros únicos. Semelhante ao exemplo acima, um trader pode usar o mesmo conceito exato para fazer a negociação de pares na arbitragem de Cash-Futures. É aqui que você colocaria o produto futuro de um título próximo do mês contra seu caixa subjacente.

Existem alguns conceitos importantes a serem lembrados se você quiser implementar uma estratégia de negociação de pares.

Certifique-se de que faz sentido para os dois produtos serem correlacionados! Por exemplo, um trader pode notar que uma Nifty Call Option parece estar altamente correlacionada com o USD / INR January Futures, conectando os dados e calculando a correlação. No entanto, só porque os dados mostram uma correlação não significa que haja uma causa para a correlação! Como diz o velho ditado, "correlação não implica causalidade!" Use um tamanho de amostra alto para calcular a correlação. No exemplo anterior, usamos apenas 7 dias de dados para calcular a correlação entre Reliance Cash e EssarOil Cash; um trader experiente deve procurar garantir que as ações tenham uma correlação constante e consistente por muitos meses antes de tomar suas decisões comerciais. Use o tamanho correto da posição! Em nosso exemplo anterior, executamos 11 ações da EssarOil para cada ação da Reliance. Em geral, é sensato garantir que o valor de mercado das duas transações seja o mais próximo possível. Use objetivos de lucro e pare perdas. Depois de entrar em uma negociação, implemente um objetivo de perda e lucro mental; isso mantém as adivinhações fora do jogo e permite que você negocie sem emoções. O objetivo de lucro e / ou stop loss podem ser preços difíceis ou baseados em taxas.

Conclusão.

Em conclusão, o Pairs Trading pode ser uma maneira altamente eficaz para você proteger seus riscos durante a negociação. Ele faz um bom trabalho ao eliminar o risco de mercado que permite que você permaneça neutro no mercado. Enquanto você provavelmente não vai ganhar uma grande quantia em qualquer negociação, seu risco de desvantagem também é minimizado, o que lhe dá paz de espírito. Se você estiver disposto a fazer alguma lição de casa, implementar o dimensionamento de posição adequado e conseguir permanecer paciente, a negociação de pares pode ser uma maneira eficaz de proteger seus riscos em todos os tipos de condições de mercado diferentes.

Ótimo artigo. Por favor, você pode dar mais alguns exemplos? É também funciona para a opção bacana de negociação? Se sim, por favor explique. Ou então, por favor, forneça um e-mail. Eu entrarei em contato com você. Ótimo & # 8230 ;.

A negociação de pares geralmente é feita em ações, mas também pode ser feita em futuros e opções. Teremos mais artigos sobre estratégias de negociação para Futuros e Opções no futuro!

No seu exemplo, se a sua outra maneira, como a confiança, subir mais do que o óleo essencial, qual será a quantidade de compra e venda?

A ideia é manter o valor de mercado dos dois negócios iguais. Portanto, mesmo se você está vendendo Reliance e comprando a Essar Oil, você usaria as quantidades apropriadas para garantir que a (Qtd x Preço) da Reliance seja igual (ou pelo menos, o mais próximo possível) de (Qtd x Preço) da Essar. Óleo. Espero que ajude!

bom senhor, mas você realmente fez dinheiro com isso.

e senhor podemos fazer hedge no mercado de moeda também.

sem saber em que mercado pode ir ..

Excelente artigo. Por favor, você pode dar mais alguns exemplos? É também funciona para a opção bacana de negociação? Se sim, por favor explique. Ou então, por favor, forneça um e-mail. Eu entrarei em contato com você. Ótimo…. por favor, esperando por seu feedback bcoa estamos fazendo apenas a opção de negociação.

Estaremos atualizando o blog com novos posts sobre Pair Trading no futuro - fique ligado! Até lá, sugiro ler o Pair Trading e testá-lo por si mesmo!

Pairs Trading: as coisas boas vêm em pares?

Ao procurar por uma estratégia neutra de mercado, considere esta técnica de emparelhar uma posição longa e curta em ações fortemente correlacionadas.

Prever a direção de movimentos curtos para intermediários no mercado é notoriamente difícil. É por isso que alguns traders gravitam em direção a estratégias mais neutras em relação ao mercado, que podem oferecer lucros potenciais, independentemente da maneira como o mercado se movimenta. Uma das mais populares dessas estratégias é a negociação de pares.

Simplificando, a negociação em pares envolve encontrar duas ações cujas movimentações de preço foram altamente correlacionadas, e então, quando a correlação é percebida como temporariamente enfraquecida, assumindo uma posição comprada em uma e uma posição curta simultânea na outra. O lucro é feito se a correlação reverter de volta para a média observada.

Escolhendo o par.

O primeiro passo na escolha do par é encontrar duas ações que historicamente demonstraram um forte grau de correlação no movimento dos preços. Como ponto de partida, muitos traders procurarão ações no mesmo setor ou até melhor, no mesmo grupo da indústria. Ações em indústrias não relacionadas tendem a ter correlações mais fracas do que as do mesmo setor.

Um exame superficial de um gráfico pode limitar os pares que podem ou não funcionar. Por exemplo, a Figura 1 mostra QRS, a linha vermelha, sobreposta a XYZ, a linha preta. Embora essas empresas estejam no mesmo setor, elas obviamente não se movem sempre na mesma direção.

Figura 1. (Origem, StreetSmart Edge ®)

Agora, dê uma olhada na Figura 2. Ela mostra BBB, a linha vermelha sobreposta ao JJJ, a linha preta. A correlação é claramente muito mais forte.

Figura 2. (Origem, StreetSmart Edge ®)

Ao olhar para gráficos pode ajudar a diminuir o que pode ou não funcionar como um par, o próximo passo é encontrar a correlação numérica real entre os dois estoques. Correlação é um termo da análise de regressão que procura ver com que proximidade uma variável dependente e independente está relacionada. O coeficiente de correlação é um número que varia de -1 a 1. Um valor de -1 significa que duas variáveis ​​têm uma correlação negativa perfeita - uma variável sobe, a outra se move para baixo. Um valor de 0 significa que não há correlação estatística e um valor de 1 significa uma correlação positiva perfeita. Em nosso exemplo atual, no último ano, o par JJJ / BBB apresentou um coeficiente de correlação de 0,94, enquanto o coeficiente para o par XYZ / QRS foi de apenas 0,25. Muitos comerciantes querem que o coeficiente seja 0,80 ou superior antes de considerar a negociação do par.

O próximo passo é calcular o que é chamado de razão de preço do par. Este é simplesmente o preço do Stock A dividido pelo Stock B. Olhando para a Figura 3, vemos que neste dia em particular o JJJ estava negociando 91.22 enquanto o BBB estava no 100.90 para um índice de 0.90 arredondado para duas casas decimais.

Figura 3. (Origem, StreetSmart Edge ®)

O Estudo relativo ao preço da Schwab pode calcular e traçar essa relação automaticamente (Figura 4).

Figura 4. (Origem, StreetSmart Edge ®)

Assim que tivermos a relação de preço traçada, procuramos ver se a relação é a reversão da média. Na Figura 4, este parece ser o caso. A proporção variou de cerca de 0,98 a cerca de 0,84; a média desses dois números é de cerca de 0,91, o ponto médio do intervalo. Quando o rácio ascende a cerca de 0,98, tende a diminuir e, quando cai para cerca de 0,84, tende a aumentar. A estratégia de negociação para este par seria vender JJJ curto e comprar uma quantia em dólar igual a BBB quando a relação estiver em 0,98, ou comprar JJJ e vender a descoberto uma quantia em dólar igual a BBB quando a relação estiver em torno de 0,84.

Alguns traders adicionarão mais rigor a essa técnica realizando modelagem histórica. Por exemplo, eles podem baixar anos de dados de preços e fazer uma análise mais profunda do intervalo da relação de preços, procurando descobrir quantos desvios-padrão se afastam da média que a proporção precisa mudar para aumentar a probabilidade de uma negociação lucrativa.

Uma consideração final ao escolher o par é que ambos os estoques devem ser facilmente abreviados.

Vantagens da negociação de pares.

Uma grande vantagem da negociação de pares é a capacidade de gerar lucros, independentemente do modo como o mercado se movimentar. Por exemplo, se o mercado ou o setor de energia sofrer um grande declínio, tanto a Chevron quanto a Exxon provavelmente cairão também. Se um comerciante é um curto e longo o outro, a posição global é basicamente coberta. Se a negociação foi feita quando a relação de preço estava em um extremo e a relação de preço, em seguida, reverte para a média, o comerciante ainda pode lucrar.

Outra vantagem da negociação de pares é que ela tende a ter um pico menor através de declínios no patrimônio da conta, em seguida, uma estratégia curta líquida ou longa líquida.

Riscos e desvantagens da negociação de pares.

O maior risco da negociação de pares é que, quando a negociação é usada para aproveitar uma correlação fraca, não há garantia de que a correlação voltará à média. Isso pode ser devido a vários fatores, desde eventos específicos da empresa a reações diferentes a eventos ou condições externas. Além disso, o comerciante tem riscos potencialmente ilimitados por causa da posição de estoque curto.

Outra desvantagem óbvia é o nível mais alto de comissões pagas para implementar a estratégia. Uma vez que duas ações estão envolvidas em cada negociação, o total de comissões é duas vezes maior do que uma única estratégia de ações e pode aumentar rapidamente ao longo do tempo.

Existem também vários riscos de execução associados à estratégia. Para permanecer no mercado, tanto as posições longas quanto as curtas precisam ser colocadas simultaneamente. Enchimentos parciais de um lado ou de outro, ou a incapacidade de encontrar ações em curto prazo, irão prejudicar a postura neutra do mercado. Além disso, como a estratégia busca explorar pequenas mudanças no preço, os preços desfavoráveis ​​- que podem ocorrer especialmente quando os estoques têm amplos spreads bid-ask - podem afetar drasticamente a lucratividade.

Em suma.

O comércio de pares é uma abordagem de negociação popular que agrada a muitos, especialmente àqueles que gostam da idéia de ter uma estratégia mais neutra em relação ao mercado. Assim como com qualquer estratégia, sugiro que o trader tenha um plano de negociação com regras de entrada e saída pré-definidas e tenha a disciplina para segui-las, independente do mercado.

Pares de Negociação usando Técnicas Orientadas a Dados: Estratégias de Negociação Simples Parte 3.

A negociação de pares é um bom exemplo de uma estratégia baseada em análise matemática. Demonstraremos como aproveitar os dados para criar e automatizar uma estratégia de negociação de pares.

Princípio Subjacente.

Digamos que você tenha um par de títulos X e Y que tenham algum elo econômico subjacente, por exemplo, duas empresas que fabricam o mesmo produto, como a Pepsi e a Coca-Cola. Você espera que a relação ou diferença nos preços (também chamada de spread) desses dois permaneça constante com o tempo. No entanto, de tempos em tempos, pode haver uma divergência no spread entre esses dois pares causada por mudanças temporárias de oferta / demanda, grandes ordens de compra / venda de um título, reação a notícias importantes sobre uma das empresas etc. , um estoque sobe enquanto o outro se move para baixo um em relação ao outro. Se você espera que essa divergência volte ao normal com o tempo, você pode fazer uma troca de pares.

Quando há uma divergência temporária, os pares negociariam a venda do estoque de melhor desempenho (o estoque que subia) e comprariam o estoque de baixo desempenho (o estoque que descia). Você está apostando que o spread entre os dois estoques acabaria por convergir tanto pelo estoque de alto desempenho que recuou quanto pelo estoque de baixo desempenho, ou ambos - seu negócio vai ganhar dinheiro em todos esses cenários. Se ambas as ações subirem ou descerem juntas sem alterar o spread entre elas, você não ganha nem perde dinheiro.

Assim, a negociação de pares é uma estratégia de negociação neutra de mercado que permite aos comerciantes lucrar com praticamente qualquer condição de mercado: tendência de alta, tendência de baixa ou movimento lateral.

Explicando o Conceito: Começamos gerando dois títulos falsos.

Vamos gerar uma segurança falsa X e modelar os retornos diários, desenhando a partir de uma distribuição normal. Em seguida, realizamos uma soma cumulativa para obter o valor de X em cada dia.

Agora nós geramos Y, que tem um link econômico profundo para X, então o preço de Y deve variar de maneira muito semelhante a X. Modelamos isso pegando X, deslocando-o e adicionando algum ruído aleatório extraído de uma distribuição normal.

Cointegração

Cointegração, muito semelhante à correlação, significa que a relação entre duas séries irá variar em torno de uma média. As duas séries, Y e X seguem o seguinte:

onde ⍺ é a relação constante e e é ruído branco. Leia mais aqui.

Para pares negociando para trabalhar entre duas séries temporais, o valor esperado da relação ao longo do tempo deve convergir para a média, ou seja, eles devem ser cointegrados.

As séries temporais que construímos acima são cointegradas. Vamos traçar a relação entre os dois agora para que possamos ver como isso se parece.

Testes para cointegração.

Existe um teste conveniente que mora em statsmodels. tsa. stattools. Devemos ver um valor p muito baixo, pois criamos artificialmente duas séries que são tão cointegradas quanto fisicamente possíveis.

Nota: Correlação vs. Cointegração.

Correlação e cointegração, embora teoricamente semelhantes, não são as mesmas. Vejamos exemplos de séries correlacionadas, mas não cointegradas, e vice-versa. Primeiro, vamos verificar a correlação das séries que acabamos de gerar.

Isso é muito alto, como seria de esperar. Mas como duas séries correlacionadas, mas não cointegradas, se parecem? Um exemplo simples são duas séries que apenas divergem.

Valor de p do teste de cointegração: 0,258.

Um exemplo simples de cointegração sem correlação é uma série normalmente distribuída e uma onda quadrada.

Valor de p do teste de cointegração: 0.0.

A correlação é incrivelmente baixa, mas o valor p mostra uma perfeita cointegração!

Como fazer um comércio de pares?

Como duas séries temporais cointegradas (como X e Y acima) se movem na direção e afastam-se uma da outra, haverá momentos em que a propagação será alta e quando a propagação estiver baixa. Fazemos um comércio de pares comprando um título e vendendo outro. Dessa forma, se ambos os valores mobiliários forem juntos ou juntos, não faremos nem perderemos dinheiro - somos neutros em relação ao mercado.

Voltando para X e Y acima que seguem Y = ⍺ X + e, tal que a razão (Y / X) se move em torno do valor médio ⍺, ganhamos dinheiro na proporção dos dois revertendo para a média. Para fazer isso, observaremos quando X e Y estão distantes, ou seja, é muito alto ou muito baixo:

Indo Longo na Relação Isto é quando a relação ⍺ é menor do que o usual e esperamos que aumente. No exemplo acima, apostamos nisso comprando Y e vendendo X. Reduzindo a taxa É quando a proporção ⍺ é grande e esperamos que ela se torne menor. No exemplo acima, apostamos nisso vendendo Y e comprando X.

Tenha em mente que sempre temos uma "posição protegida": uma posição vendida ganha dinheiro se a segurança vendida perde valor e uma posição comprada ganhará dinheiro se uma segurança ganhar valor, por isso estamos imunes ao movimento geral do mercado. Nós só ganhamos ou perdemos dinheiro se os títulos X e Y se movem em relação um ao outro.

Usando dados para encontrar valores mobiliários que se comportam assim.

A melhor maneira de fazer isso é começar com títulos que você suspeita serem cointegrados e realizar um teste estatístico. Se você acabou de executar testes estatísticos sobre todos os pares, será vítima de viés de várias comparações.

O viés de múltiplas comparações é simplesmente o fato de que há uma chance maior de gerar incorretamente um valor p significativo quando muitos testes são executados, porque estamos executando muitos testes. Se 100 testes forem executados em dados aleatórios, devemos esperar ver 5 valores p abaixo de 0,05. Se você estiver comparando n títulos para co-integração, você realizará n (n-1) / 2 comparações, e você deve esperar ver muitos valores p incorretamente significativos, que aumentarão conforme você aumenta. Para evitar isso, escolha um pequeno número de pares que você tenha motivos para suspeitar que possam ser cointegrados e teste cada um individualmente. Isso resultará em menos exposição ao viés de múltiplas comparações.

Então, vamos tentar encontrar algumas ações que exibam cointegração. Vamos trabalhar com uma cesta de ações da US cap tech de grande porte - no S & P 500. Essas ações operam em um segmento semelhante e poderiam ter preços cointegrados. Examinamos uma lista de títulos e testamos a cointegração entre todos os pares. Ele retorna uma matriz de pontuação do teste de cointegração, uma matriz de valor p e quaisquer pares para os quais o valor de p é menor que 0,05. Este método é propenso a viés de comparação múltipla e, na prática, os títulos devem estar sujeitos a uma segunda etapa de verificação. Vamos ignorar isso por causa deste exemplo.

Nota: Incluímos o benchmark de mercado (SPX) em nossos dados - o mercado impulsiona o movimento de tantos títulos que muitas vezes você pode encontrar dois títulos aparentemente cointegrados; mas na realidade eles não estão cointegrados um com o outro, mas ambos conintegrados com o mercado. Isso é conhecido como uma variável de confusão e é importante verificar o envolvimento do mercado em qualquer relacionamento que você encontrar.

Agora vamos tentar encontrar pares cointegrados usando nosso método.

Parece que o "ADBE" e o "MSFT" estão cointegrados. Vamos dar uma olhada nos preços para garantir que isso realmente faça sentido.

A taxa parece que se deslocou em torno de uma média estável. A taxa absoluta não é muito útil em termos estatísticos. É mais útil normalizar nosso sinal tratando-o como um escore z. A pontuação Z é definida como:

Pontuação Z (Valor) = (Valor - Média) / Desvio Padrão.

Na prática, isso geralmente é feito para tentar dar alguma escala aos dados, mas isso pressupõe uma distribuição subjacente. Normalmente normal. No entanto, muitos dados financeiros normalmente não são distribuídos, e devemos ter muito cuidado para não simplesmente assumir a normalidade ou qualquer distribuição específica ao gerar estatísticas. A verdadeira distribuição das proporções poderia ser muito gorda e propensa a valores extremos, atrapalhando nosso modelo e resultando em grandes perdas.

É mais fácil observar agora que a proporção agora se move em torno da média, mas às vezes é propensa a grandes divergências da média, das quais podemos tirar vantagens.

Como falamos sobre os fundamentos da estratégia de negociação em pares e identificamos títulos co-integrados com base no preço histórico, vamos tentar desenvolver um sinal de negociação. Primeiro, vamos recapitular os passos no desenvolvimento de um sinal de negociação usando técnicas de dados:

Colete dados confiáveis ​​e limpe os recursos de criação de dados dos dados para identificar um sinal de negociação / lógica Os recursos podem ser médias móveis ou taxas de dados de preços, correlações ou sinais mais complexos - combine-os para criar novos recursos Gerar um sinal de negociação usando esses recursos, ou seja, instrumentos são uma compra, uma venda ou neutra.

Etapa 1: configure seu problema.

Aqui estamos tentando criar um sinal que nos diz se a proporção é uma compra ou uma venda no próximo instante, ou seja, nossa variável de previsão Y:

Y = Razão é comprar (1) ou vender (-1) Y (t) = Sinal (Proporção (t + 1) - Razão (t))

Note que não precisamos prever os preços reais das ações, ou mesmo o valor real da proporção (embora possamos), apenas a direção do próximo movimento na proporção.

Etapa 2: colete dados confiáveis ​​e precisos.

A Auquan Toolbox é sua amiga aqui! Você só precisa especificar o estoque que deseja negociar e usar a fonte de dados, e extrai os dados necessários e os limpa para dividendos e desdobramentos. Então nossos dados aqui já estão limpos.

Estamos usando os seguintes dados do Yahoo em intervalos diários para os dias de negociação nos últimos 10 anos (

2500 pontos de dados): Aberto, Fechado, Alto, Baixo e Volume de Negociação.

Etapa 3: dividir dados.

Não se esqueça deste passo super importante para testar a precisão dos seus modelos. Estamos usando o seguinte Treinamento / validação / teste dividido.

Idealmente, devemos também fazer um conjunto de validação, mas vamos ignorar isso por enquanto.

Etapa 4: engenharia de recursos.

Quais poderiam ser as características relevantes? Queremos prever a direção do movimento da razão. Vimos que nossos dois títulos estão cointegrados, então a proporção tende a se mover e voltar à média. Parece que nossas características devem ser determinadas medidas para a média da razão, a divergência do valor atual da média para gerar nosso sinal de negociação.

Vamos usar os seguintes recursos:

Média Móvel de 60 Dias de Proporção: Medida de média móvel de 5 dias Média Móvel de Proporção: Medida do valor atual de média de 60 dias Desvio Padrão z pontuação: (5d MA - 60d MA) / 60d SD.

O Z Score do rolamento realmente destaca a natureza de reversão da razão!

Etapa 5: Seleção do Modelo.

Vamos começar com um modelo realmente simples. Observando o gráfico de pontuação z, podemos ver que sempre que o recurso z-score fica muito alto ou muito baixo, ele tende a reverter. Vamos usar + 1 / -1 como nossos limites para muito alto e muito baixo, então podemos usar o modelo a seguir para gerar um sinal de negociação:

Proporção é comprar (1) sempre que o escore z for inferior a -1,0 porque esperamos que o escore z volte até 0, portanto, o rácio para aumentar Rácio é vender (-1) quando o escore z é superior a 1,0 porque esperamos z pontuação para voltar a 0, daí relação para diminuir.

Etapa 6: Treine, valide e otimize.

Por fim, vamos ver como nosso modelo realmente funciona com dados reais? Vamos ver como esse sinal se parece nas proporções reais.

O sinal parece razoável, parece que nós vendemos a proporção (pontos vermelhos) quando está alto ou aumentando e compramos de volta quando está baixo (pontos verdes) e diminuindo. O que isso significa para as ações reais que estamos negociando? Vamos dar uma olhada.

Observe como às vezes ganhamos dinheiro com a perna curta e às vezes com a perna longa e às vezes com as duas.

Estamos felizes com nosso sinal nos dados de treinamento. Vamos ver que tipo de lucros esse sinal pode gerar. Podemos fazer um backtester simples que compra 1 rácio (comprar 1 stock de ADBE e rácio de venda x stock de MSFT) quando o rácio é baixo, vender 1 rácio (vender 1 stock de ADBE e rácio de compra x stock de MSFT) quando é alto e calcular PnL destes comércios.

Então essa estratégia parece lucrativa! Agora podemos otimizar ainda mais, alterando as janelas de média móvel, alterando os limites para as posições de compra / venda e saída, etc. e verifique se há melhorias de desempenho nos dados de validação.

Poderíamos também tentar modelos mais sofisticados como Regressão Logística, SVM, etc. para fazer nossas previsões de 1 / -1.

Por enquanto, digamos que decidimos seguir adiante com esse modelo, isso nos leva a.

Etapa 7: Backtest nos dados de teste.

O backtesting é simples, podemos apenas usar nossa função acima para ver o PnL nos dados de teste.

O modelo faz muito bem! Isso torna o nosso primeiro modelo de negociação de pares simples.

Evite Overfitting.

Antes de terminar a discussão, gostaríamos de mencionar o superajuste. Overfitting é a armadilha mais perigosa de uma estratégia de negociação. Um algoritmo overfit pode funcionar maravilhosamente em um backtest, mas falha miseravelmente em novos dados invisíveis - isso significa que realmente não descobriu qualquer tendência nos dados e nenhum poder preditivo real. Vamos dar um exemplo simples.

Em nosso modelo, usamos estimativas de parâmetros de rolamento e podemos desejar otimizar o tamanho da janela. Podemos decidir simplesmente fazer uma iteração em toda a extensão de janela razoável e possível e escolher o tamanho com base no desempenho do nosso modelo. Abaixo, escrevemos um loop simples para marcar os comprimentos das janelas com base no pnl de dados de treinamento e encontrar o melhor.

Agora, verificamos o desempenho do nosso modelo nos dados de teste e descobrimos que esse tamanho de janela está longe de ser ideal! Isso ocorre porque nossa escolha original foi claramente ajustada aos dados da amostra.

Claramente adequado aos nossos dados de amostra não dá sempre bons resultados no futuro. Apenas por diversão, vamos mapear as pontuações de comprimento calculadas a partir dos dois conjuntos de dados.

Podemos ver que qualquer coisa entre 20 e 50 seria uma boa escolha para a janela.

Para evitar o overfitting, podemos usar o raciocínio econômico ou a natureza do nosso algoritmo para escolher o tamanho da nossa janela. Também podemos usar filtros de Kalman, que não nos obrigam a especificar um tamanho; esse método será abordado em outro caderno posteriormente.

Próximos passos.

Neste post, apresentamos algumas abordagens introdutórias simples para demonstrar o processo de desenvolvimento de uma estratégia de negociação de pares. Na prática, deve-se usar estatísticas mais sofisticadas, algumas das quais estão listadas aqui.

Expoente de Hurst Meia-vida de reversão à média inferida de um processo de Ornstein-Uhlenbeck de filtros de Kalman.