σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
statsmodels-Skill›Modul 2 · Modelle für Zeitreihen›Thema 2.9·~1 Std.Fortgeschritten

Kointegration und die Falle der Paarsuche

Position in der SkillModul 2 von 3 · Thema 9 von 9
2.9 Kointegration und die Falle der Paarsuche
—Lab-Punkte— / 100XP gesamt—Serie—

Zwei Preise, die zusammenbleiben, und die Falle der Suche

Die Log-Preise aₜ und bₜ sind jeweils nichtstationär, aber kointegriert, wenn eine Kombination sₜ=aₜ-βbₜ-α stationär ist: Beide driften zusammen, und der Spread sₜ kehrt immer wieder zu null zurück. Die Hedge-Ratio stammt aus einer gewöhnlichen Regression von a auf b mit Konstante, sm.OLS(a, sm.add_constant(b)).fit(); ihre Steigung ist β, der Achsenabschnitt α. Wie schnell der Spread zurückkehrt, misst ein AR(1): sₜ=c+φsₜ₋₁+uₜ. Für 0<φ<1 ist die Halbwertszeit -ln 2/lnφ Perioden, die Zeit zum Schließen der Hälfte einer Lücke; φ nahe 1 bedeutet Random Walk und keinen Trade. Der Engle-Granger-Test coint(a, b) prüft die Nullhypothese einer Einheitswurzel im Spread, also ist ein kleiner p-Wert ein Hinweis auf Kointegration. Er benutzt besondere kritische Werte, weil der Spread aus einer Regression stammt und keine gewöhnliche Reihe ist.

Nun die Suche. Testet man 66 Paare zum 5-%-Niveau, bestehen etwa 3 rein zufällig; bei persistenten Preisen ist der Test noch großzügiger. Eine Bonferroni-Korrektur teilt das Niveau durch die Zahl der Tests, 0,05/66, und behält nur sehr kleine p-Werte. Hier haben auf den ersten 669 wöchentlichen Beobachtungen von 12 Aktien 13 der 66 Paare p<0,05 und 2 überstehen Bonferroni, und die besten sind ökonomisch nicht naheliegend: eine Bank (WFC) mit einem Getränkehersteller (PEP), p=0,0005. Die ehrliche Prüfung ist außerhalb der Stichprobe. Die Hedge-Ratio auf der ersten Hälfte festlegen, den Spread auf der zweiten Hälfte bilden und erneut testen. Keines der fünf besten Paare ist noch kointegriert (p-Werte 0,54 bis 0,86), und der AR(1)-Koeffizient des späteren Spreads ist 0,99: Er kehrt nicht mehr zurück. Eine Strategie, die aus einer Suche entsteht, braucht eine Korrektur für die Suche und einen Test auf Daten, die die Suche nie sah.

  • Kointegration heißt ein stationärer Spread a-βb-α; die Engle-Granger-Null ist eine Einheitswurzel, kleines p also = kointegriert.
  • Die Halbwertszeit -ln 2/lnφ aus dem AR(1)-Koeffizienten sagt, wie lange eine Lücke zum Schließen braucht; φ≥1 heißt nie.
  • Suchen, korrigieren, dann außerhalb der Stichprobe testen: 66 Paare finden Rauschen; Bonferroni hilft; erst spätere Daten entscheiden.

Lab: Was bewertet wird

  • Die Hedge-Ratio10 Pkt.
  • Der Spread5 Pkt.
  • Der AR(1)-Koeffizient10 Pkt.
  • Die Halbwertszeit10 Pkt.
  • Der Engle-Granger-Test5 Pkt.
  • Alle Paare scannen15 Pkt.
  • Entdeckungen zählen10 Pkt.
  • Außerhalb der Stichprobe15 Pkt.
  • Die Paarstudie20 Pkt.
Explorer · lab-sx-19
▾ lab-sx-19
▾ data
…
bash · im Browser
learner@quantcraft:~/lab-sx-19$
Python noch nicht geladenPythonLn 1, Col 1Spaces: 4UTF-8

Dieses Thema zurücksetzen?

Alles in lab-sx-19 wird auf die Startdateien zurückgesetzt und das Terminal geleert. Ihre aktuelle Lösung geht verloren – das lässt sich nicht rückgängig machen.

Wird zurückgesetzt
  • main.py → Startcode
  • Terminal-Verlauf und Testausgabe
  • Nicht eingereichte Änderungen
Bleibt erhalten
  • Beste Lab-Punktzahl
  • Ihre XP und Ihre Serie
  • Vorlesungsfortschritt und Notizen

Melde dich an, um deinen Code auszuführen.

Alle Lektionen kannst du kostenlos lesen. Erstelle ein Konto oder melde dich an, um Code auszuführen, Tests zu starten und dieses Lab abzugeben.

  • IDE im Browser mit Bash-Terminal — nichts zu installieren
  • Sofortige Bewertung, XP und dein Platz auf der Skill
Konto erstellenAnmelden
ODER
Weiter mit GitHub