중립적 헤지 통계적 중재 새로운 (Pure-Alpha dream version)

중립적인 헤지 상태 중재 새로운 (Pure-Alpha Dream Edition)

- 0 장과 짧은 노출과 함께 강력한 중재 전략

안녕하세요 모든 트레이더 여러분, 몇 달의 디버깅, 최적화 및 반복 후, 이 중립 헤지 통계적 중재가 보다 안정적인 수준에 도달하고 여러분들과 함께 볼 수 있어서 매우 기쁘게 생각합니다. 이것은 장기 단위 헤지에 기반한 시장 중립 전략입니다. 같은 계정에서 품종의 바구니에 장과 품종의 바구니에 단점을 가하면, 긴 값과 짧은 값이 동일합니다. 시장에서 베타 시스템적 위험을 피하기 위한 전제에서, 통계적 방법은 알파 안정적인 수익성의 저위험 중재 전략을 달성하기 위해 다양한 장기 단위 일치 조합을 찾기 위해 사용됩니다. 이 전략은 좋은 보유 경험을 가지고 있으며, 시장과 낮은 상관관계, 중립적 장기 단위 노출, 그리고 31/5219와 같은 극단적인 블랙 스완 아래 위험은 없습니다. 대신, 이러한 가격 오류가 혼란스러운 시점에 시장에서 번창할 것입니다. 이 전략은 완전히 상세하게 설명 될 것입니다.

안녕하세요~ 내 채널에 오신 것을 환영합니다!

내 채널에 모든 트레이더를 환영합니다. 나는 퀀트 개발자입니다. 그리고 나는 전체 스택 CTA & HFT & 중재 및 다른 거래 전략을 개발합니다. FMZ 플랫폼 덕분에, 저는 양적 채널에서 양적 개발과 관련된 더 많은 콘텐츠를 공유하고, 양적 커뮤니티의 번영을 유지하기 위해 모든 트레이더들과 함께 일할 것입니다.

더 많은 정보를 얻으려면 제 채널로 이동해 주세요~트레이드맨 홈

1. 통계적 중재에 대한 소개와 설명

통계적 중재 전략 (Statistical arbitrage strategy) 은 다른 바구니 품종 간의 가격 관계를 활용하여 거래하는 전략이다. 이 전략은 통계적 원리에 기초하여, 두 개 이상의 품종 사이의 역사적 가격 추세와 상관관계를 분석하고, 그 사이의 가격 차이를 찾아내고, 이러한 차이점을 거래에 사용한다. 역사적으로, 종목 간 커플링 통계적 중재 전략은 주식 시장에서 널리 사용되었다. 초기 종목 간 중재 전략은 주로 석유 회사 또는 통신 회사와 같은 같은 같은 산업 또는 관련 산업의 주식 사이에서 수행되었다. 이러한 전략은 종종 산업 상관관계의 가정에 기초하고 과평가 주식을 구매하고 과평가 주식을 판매함으로써 중재의 목적을 달성한다.

시장의 발전과 함께, 크로스-스피시스 매칭 통계적 중재 전략은 상품 선물, 외환 및 암호화폐와 같은 다른 금융 시장으로 점차 확대되었습니다. 이러한 시장에서 서로 상관 관계를 맺고 중재 거래를 할 수있는 다른 바구니 조합을 찾을 수 있습니다. 이 전략의 논리는 평균 회귀의 원칙에 기반합니다. 구성된 여러 바구니 조합 사이의 가격이 통계 범위를 벗어날 때 회귀 추세가 발생합니다. 이 추세에 따르면 가격이 크게 벗어날 때, 당신은 시장의 단기적 오차에 대비하기 위해 고가의 품종의 바구니를 판매하고 저가의 품종의 바구니를 구입할 수 있습니다. 이러한 방식으로, 멀티 바구니 쌍 조합의 확산에서 이익을 얻을 수 있습니다.

2. 통계적 중재 의 장단점

이점:

• 시장 위험을 줄이는: 통계적 중재 전략은 다양한 상품 조합의 차이에 기초한 중재 거래를 기반으로 합니다. 단일 제품 거래와 비교하면 위험을 분산시키고 전략에 대한 시장 변동의 영향을 줄여줍니다. 시장 체계적 위험을 줄여줍니다.
• 안정적 수익: 통계적 중재 전략은 단기 시장 오차에 대항하여 회귀 중재 거래를 수행합니다. 방향 전략에 비해 더 안정적인 수익 특성을 가지고 있습니다. 방향 전략에 비해 낮은 위험, 낮은 변동성 및 안정적인 수익을 창출합니다.
• 다른 시장 환경에 적응할 수 있다: 통계적 중재 전략은 다른 시장 환경에서 작동할 수 있다. 왜냐하면 이 거래 전략은 시장과 방향적인 관계가 덜 있기 때문이다.

단점:

• 역사적 데이터는 과거의 관계를 반영할 수 있으며 미래를 완전히 표현할 수 없습니다. 따라서 특정 위험이 있습니다. 통계적 중재 전략의 구축은 역사적 빅 데이터에 기반한 바구니 품종의 조합과 상관관계를 채굴하기 위해 많은 수의 통계 테스트를 사용할 것입니다. 미래에는 변화가 발생할 수 있으며 특정 위험 관리 조치가 필요합니다.
• 시장에서 단기 가격 오류로 인해 균형 관계로 돌아가는 데 필요한 기간을 정확하게 판단하기가 어렵습니다. 거래 시간이 너무 길다면 자금을 사용하는 비용도 매우 높습니다.
• 매우 까다로운 데이터 분석 및 모델 구축 능력: 통계적 중재 전략은 다른 바구니 조합 간의 상관관계 및 공동 통합과 같은 통계 데이터의 심층 분석 및 모델링을 요구하며 높은 데이터 분석 및 모델 구축 능력을 요구합니다..
• 거래 실행 및 유동성 위험: 크로스-바이어티 트랜잭션이기 때문에 실행 가격과 거래 부피는 다른 종류에 의해 영향을 받을 수 있으며 거래 실행 위험이 있습니다. 더 정교한 전략 설계 및 아키텍처 구현이 필요합니다.

3. 이 알파 통계적 중재의 주요 내용

**1, 실시간으로 모든 종류의 데이터 정보를 모니터링하고, 빅 데이터 스캔을 수행하고, 긴 종류와 짧은 종류의 바구니 조합을 만듭니다. **

구체적으로, 바구니 조합이 구성됩니다: 예를 들어, 6 가지 품종 A, B, C, D, E 및 F가 있다면, 각각 3 가지 품종으로 구성 된 2 그룹으로 나눌 수 있습니다. 동시에 인덱스 중재가 구성됩니다: 일부 산업 및 부문 품종을 두 개로 나누고 두 가지 새로운 시장 인덱스를 구성하고 그 다음이 두 개의 인덱스에 대한 통계 데이터 분석을 수행합니다.

**2, 긴 바구니와 짧은 바구니 조합의 상관관계를 테스트하십시오. **

상관관계는 두 개 이상의 변수 사이의 연관성을 의미한다. 이는 한 변수와 다른 변수 사이의 변화를 측정하는 데 사용되며, 특정 대응이 있는지 여부를 결정하거나 다른 변수에 대한 변수의 변화의 영향을 예측하는 데 도움이됩니다. 상관관계 계수는 상관관계를 측정하는 일반적인 방법이다. 일반적인 방법에는 피어슨 상관관계 계수, 스피어먼의 순위 상관관계 계수 등이 포함됩니다. 피어슨 상관관계 계수는 두 연속 변수 사이의 관계를 평가하는 반면 스피어먼 순위 상관관계 계수는 두 정렬 변수 사이의 관계를 평가하는 데 적합합니다.

상관 계수의 값 범위는 [-1, 1], 여기서 -1은 부정적 상관 관계를 나타내고, 1은 긍정적 상관 관계를 나타내고, 0은 상관 관계가 없다는 것을 나타냅니다. 상관 계수가 -1 또는 1에 가까워질수록 상관 관계가 강해집니다. 0에 가까워질수록 상관 관계가 약해집니다. 상관 계수의 수학적 공식은 다음과 같습니다 (피어슨 상관 계수를 예로 들어):

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

그 중 r는 상관 계수, cov는 cov, std는 표준 편차, 그리고 X와 Y는 각각 두 변수를 나타냅니다. 상관을 테스트할 때 일반적인 접근법은 상관 계수의 통계적 의미를 계산하는 것입니다. 가정 테스트는 일반적으로 상관 계수가 의미 있는지 여부를 결정하는 데 사용할 수 있습니다. 가정 테스트의 무효 가설은 변수들 사이에 상관 관계가 없다는 것이며 null 가설을 거부할 것인지 여부를 결정하기 위해 상관 계수의 통계를 계산합니다.

**3, 길고 짧은 바구니 조합의 공동 통합을 테스트하십시오. **

코인테그레이션은 두 개 이상의 시간 계열 변수들 사이의 장기적인 관계를 의미하며, 즉, 그들의 선형 조합이 안정적이다. 상관관계와 비교했을 때, 코인테그레이션은 단기적인 상관관계보다 장기적인 균형관계에 더 많은 관심을 기울인다. 이 균형관계로부터 벗어날 때, 합리적인 범위로 오차를 되돌리는 교정 메커니즘이 있다. 코인테그레이션의 개념은 원래 1987년 스피겔만 (S.G. 앵글) 과 C.W.J. 그랜저 (C.W.J. 그랜저) 에 의해 시간 계열 분석에서 존재하는 거짓 회귀 문제를 해결하기 위해 제안되었다. 위조 회귀 문제는 변수들 사이의 단위 뿌리의 가능한 존재로 인해 발생합니다. 단위 원수는 변수들 사이의 회귀 관계를 단기적 균형 뿌리에서 중요하게 보이지만, 실제 장기적 관계에는 없습니다.

통합 이론은 시간 계열의 비정형성을 분석하는 것에서 시작하여 비정형 변수들에 포함된 장기적 균형 관계를 탐구한다. 관련 변수가 첫 차이 이후 정형이고, 이러한 변수들의 특정 선형 조합이 정형이라면, 이러한 변수들 사이에 통합이 존재한다고 한다. 통합은 두 개 이상의 일련 사이의 정형 관계를 설명하기 위해 사용된다. 각 순서 개별적으로, 그것은 비정형일 수 있다. 이러한 일련의 순간들, 즉 평균, 변수 또는 공동변수,는 시간이 지남에 따라 변화하지만, 이러한 시간 계열의 선형 조합 순서는 시간이 지남에 따라 변하지 않는 특성을 가질 수 있다. 두 자산의 가격이 통합 관계를 준수할 때, 그들의 선형 조합은 평균 회귀의 특성을 만족시킨다. 통합의 수학적 공식은 다음과 같이 표현된다 (이번 변수들을 예로 들면):

Y_t = β_0 + β_1 * X_t + ε_t

그 중 Y_t와 X_t는 각각 두 개의 시간 계열 변수의 관찰 값을 나타냅니다. β_1은 회귀 계수이며 ε_t는 오류 용어입니다. Y_t와 X_t 사이에 코인테그레이션 관계가 있으면 두 변수의 선형 조합이 안정적일 것입니다. 즉 ε_t는 정지적입니다. 평균 0.로 정상적인 분포를 만족시킵니다. 코인테그레이션을 테스트할 때 일반적으로 안정성 테스트가 필요합니다. 일반적으로 사용되는 방법에는 Johansen 테스트와 Engle-Granger 테스트가 포함됩니다. Johansen 테스트는 고유값에 기반한 방법이며, 여러 변수 사이의 관계를 직접 테스트 할 수 있습니다. Engle-Granger 2 단계 테스트는 수정 된 OLS 추정 (평범 최소 제곱) 에 기반한 방법이며 두 변수 사이의 코인테그레이션 관계를 테스트하는 데 적합합니다.

**4. 이 전략은 많은 수의 조합에 대한 시간 일련의 공동 통합 관계를 테스트 할 것입니다. 구체적인 표준은 다음과 같습니다: **

• 별도의 결합 바구니의 시간 가격 시리즈는 1차 순위의 통합 벡터이며, 즉 시간 가격 시리즈는 정지적이지 않습니다 (명확한 추세를 가지고 있습니다). 여러 시간 가격 시간의 정지성을 테스트하기 위해 ADF 단위 뿌리를 사용하십시오.
• 개별 결합된 바구니의 첫 번째 차이에 따른 일련 (즉, 파생) 은 정지적입니다. 두 바구니 시간 가격 시리즈를 테스트하기 위해 ADF 단위 뿌리를 사용하십시오. 두 바구니의 시간 가격 시리즈의 첫 번째 차이의 정지성을 테스트하기 위해 ADF 단위 뿌리를 사용하십시오.
• 짝이 된 조합 시간 가격 시리즈의 특정 선형 조합은 정지 상태이며, 즉 두 개의 일련에서 구성된 선형 방정식의 잔액은 정지 상태입니다. 같은 순위의 두 개의 순서에 대해 OLS 회귀를 수행하고 잔액의 정지 상태를 테스트합니다.

**5, 많은 수의 허스트 인덱스 테스트를 수행합니다. **

허스트 인덱스는 일련의 평균 회귀 특성을 결정하기 위해 일련의 장기기억을 측정하는 데 사용됩니다. 허스트 인덱스 값은 0에서 1 사이이며, 0.5에 가까운 값은 순서가 무작위 행보를 나타내고 있으며 1에 가까운 값은 지속적인 추세를 나타냅니다. 원리: 허스트 인덱스는 연속의 중복 하위 계열의 분산 범위와 그 길이의 관계를 계산하여 일련의 장기기억의 정도를 추정합니다. 수학 공식: 허스트 인덱스를 계산하는 한 가지 방법은 중복 하위 계열의 분산 범위와 길이의 관계를 사용하여 무작위 행보의 대응 관계를 설정하는 것입니다. 허스트 인덱스는 중복 하위 계열의 분산 범위와 길이의 관계를 사용하여 선형 회귀를 추정 할 수 있습니다.

**6, 반감 반감시기의 평균 추정치. **

평균 반감 반감시기는 가격 시리즈가 평균으로 돌아오는 데 걸리는 시간을 추정하는 데 사용되는 메트릭이다. 반감시기가 작을수록 평균 반감시기가 빨라진다. 원리: 평균 반감시기의 계산은 컨버전스 기하급수 평형 이동 평균 모델 (EMA) 에 맞추어 추정된다. 가격 시리즈가 평균에서 반감시기가 더 이상 떨어져있을 때 평균 반감시기가 가능하다고 간주 될 수 있다. 수학적 공식: 평균 반감시기의 계산 공식은 다음과 같습니다:

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

테스트 방법: 가격 시리즈의 EMA를 계산하고 EMA를 기반으로 반감기를 계산할 수 있습니다.

**7. 많은 양의 통계 자료를 기반으로 거래 전략을 구축하십시오. **

허스트 지수 정렬을 기반으로 필터 바구니 제품 조합, 평균 반감 반감기를 기반으로 관련 매개 변수를 추정하고 통계적 통합에 기반한 거래 전략 조합을 구성합니다. x와 y가 자산의 가격 시간 시리즈라고 가정합니다.

동결합 테스트 후, 자산 X와 Y의 시간 가격 사이에 동결합 관계가 있다는 것이 밝혀집니다. 잔류 용어의 표준편차 c는 σ이며, 상수 λ는 경계 값으로 선택됩니다.

• lny- ((a+blnx) > λσ, 바구니 Y의 가격은 상대적으로 과평가되고 바구니 X의 가격은 상대적으로 과평가됩니다. 바구니 X를 구입하고 바구니 Y를 판매하십시오.
• lny- ((a+blnx) < -λσ, 바구니 X의 가격은 상대적으로 과대평가되고 바구니 Y의 가격은 상대적으로 과대평가됩니다. 바구니 Y를 구입하고 바구니 X를 판매합니다.
• 가격차가 lny-(a+blnx) 가 특정 범위, 예를 들어 [-0.5λσ, 0.5λσ] 범위로 돌아왔을 때, 포지션은 종료됩니다.

# 8, 더 많이 올거야 #

보다 독점적이고 혁신적인 논리, 보다 상세한 아키텍처 및 세부 처리 방식은 그 고유한 핵심 경쟁력이다. 현재 유동성은 통계적으로 추정되고 거래는 시장 가격을 사용하여 완료 될 것입니다. 미래에는 대기 주문 유형의 고주파 통계적 중재로 점진적으로 업그레이드 될 것입니다. 우리는 관심을 기울이고 함께 성장하기를 기대합니다.

부분적 역사적 성과 (실제 거래 가격 추산 후 50,000 주문의 비용 데이터)

중립적 헤지 통계적 중재 New-Super Star

5. 협력, 교류, 공동 학습 및 발전을 기대합니다.

모든 전략은 그 자체의 방법론과 적합성을 가지고 있다. 예를 들어, 평균회귀 전략은 시장의 무작위 행보와 다른 이론을 기반으로 하고, 동력 트렌드 전략은 시장의 지방 꼬리 변동과 같은 다양한 행동 금융 이론을 기반으로 한다. 우리는 그 원리를 이해해야 하며, 그 특성에 따라 변동에 적응해야 한다. 동시에 전략의 사용자들은 같은 이익과 손실의 출처에 주의를 기울여야 한다. 높은 수익률은 더 높은 위험과 동반되어야 한다. 성숙한 전략은 장단점이 있다. 합리적으로 사용해야 하며 강점을 극대화하고 약점을 피해야 한다. 그들이 옳는지 틀렸는지, 그리고 시장 상황에 따라 적절한지 아닌지 알아야 한다. 완벽한 성과, 자신감을 가져야 하며 놀라지 않아야 한다.

수치화 는 영구적 인 운동 기계 가 아니라 만능적 이기도 하지만, 미래 거래 의 방향 이 되어야 하며, 모든 거래자 들 이 배우고 사용 할 만한 가치가 있다! 거래자 들 은 와서 단점 을 지적 하고, 함께 토론 하고, 함께 배우고, 함께 발전 하고, 웅장 한 시장 에서 바람 과 물결 을 타고, 앞으로 나아갈 수 있다.

● 임대 계획: XXXU/XU/달, 현재 임대 기간은 임대료가 무료이며 언제든지 종료 될 수 있습니다.

● 나눔 계획: 큰 금액 을 무료로 시작 할 수 있으며, 매월 이윤 의 20% 를 추출 할 것 이다. 이윤 이 없으면 이윤 이 나뉘지 않을 것 이다.

●전략적 약속: 이용자가 임대 기간이 끝날 때 수익을 창출하고 비용을 충당하지 않으면 (구성 및 매개 변수는 정확하며 불가항력적인 블랙 스완이 아닙니다) 수익이 발생하기 전까지 한 달이 무조건적으로 주어집니다.

● 더 많은 협력 옵션: 필요한 개인과 기관을 위해. 우리는 모두 협력에 대해 개방적이고 이득이 되는 태도를 유지하고 있으며 귀하의 필요, 위험 선호도 등을 기반으로 귀하의 토론과 맞춤형 협력을 기대합니다.

단기 이익과 손실과 같은 더 높은 위험 욕구가 있고 단기 거래 필요성이 있다면 월 3~50%의 수익률과 청산 위험이없는 다른 안정적인 고주파 전략을 확인할 수 있습니다. High Frequency Hedging Market Making Grid New (HFT 시장 제작 광산 기계 버전)

** 당신이 많은 자금을 가지고 있다면, 당신은 실제 거래의 900 일 동안 지속되는 다른 큰 용량 중저주기 복합 CTA 거래 시스템을 관찰 할 수 있습니다. 비가 오든 햇빛이든. 그것은 중장기 및 장기간에 걸쳐 안정적인 성장을 달성하기 위해 현재 발표 된 가장 긴 역사, 높은 안정성 및 강력한 보편성을 가진 CTA 전략 조합 시스템입니다: **복합 CTA 거래 시스템 새 ((다중 인자 + 다중 다양성 + 다중 전략 공개 버전)

연락처 (공동으로 소통하고 토론하고 배우고 발전할 수 있습니다.) 위트: haiyanyydss 텔레그램:https://t.me/JadeRabbitcm더 유용한 정보 트레이드맨 홈:https://www.fmz.com/market-offer/512 완전 자동 CTA & HFT & 중재 거래 시스템 @2018 - 2024

더 많은