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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • 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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Time Series›Módulo 4 · Varias series y estados ocultos›Tema 4.1·~1 hAvanzado

Cointegración y pares

Posición en la rutaMódulo 4 de 5 · Tema 1 de 2
4.1 Cointegración y pares
—Puntuación del lab— / 100XP total—Racha—

Dos paseos que se mantienen juntos

Dos series de precios xtx_txt​ e yty_tyt​ integradas de orden uno pueden compartir un vínculo de largo plazo: si alguna combinación zt=yt−α−βxtz_t=y_t-\alpha-\beta x_tzt​=yt​−α−βxt​ es estacionaria, las series están cointegradas. Cada una deambula, pero deambulan juntas y la distancia ztz_tzt​ vuelve siempre a su media. Esta es la base estadística del pairs trading: cuando el diferencial es inusualmente ancho, se vende la pata cara y se compra la barata, esperando que se cierre. La cointegración trata de los niveles de precio a largo plazo. Difiere de la correlación, que mide si los rendimientos diarios se mueven juntos y no dice si los niveles se mantienen cerca.

zt=yt−α−βxt,Zt=zt−zˉsz,t1/2=ln⁡(1/2)ln⁡φ,Δyt=−λ zt−1+…z_t=y_t-\alpha-\beta x_t,\qquad Z_t=\frac{z_t-\bar z}{s_z},\qquad t_{1/2}=\frac{\ln(1/2)}{\ln\varphi},\qquad \Delta y_t=-\lambda\,z_{t-1}+\dotszt​=yt​−α−βxt​,Zt​=sz​zt​−zˉ​,t1/2​=lnφln(1/2)​,Δyt​=−λzt−1​+…(1)

La prueba de Engle-Granger tiene dos pasos. Primero se regresa yty_tyt​ sobre xtx_txt​ por mínimos cuadrados para estimar α\alphaα y la razón de cobertura β\betaβ. Luego se hace una prueba ADF a los residuos ztz_tzt​. Como los residuos vienen de una regresión ajustada, los valores críticos ADF habituales son demasiado indulgentes y se aplican los de Engle-Granger: unos −3,34-3{,}34−3,34 al 5 % para dos series con constante. Si se rechaza la raíz unitaria, el par está cointegrado y el diferencial revierte a la media con vida media ln⁡(1/2)/ln⁡φ\ln(1/2)/\ln\varphiln(1/2)/lnφ, donde φ\varphiφ es el coeficiente AR(1) del diferencial. La visión de corrección de error dice que si el diferencial de ayer fue positivo, hoy yyy baja o xxx sube. Para operar se estandariza el diferencial en un z-score, se entra cuando ∣Z∣|Z|∣Z∣ supera aproximadamente 2, se sale cerca de 0 y se dimensionan las patas con β\betaβ. Los riesgos son reales: la relación puede romperse, β\betaβ deriva, los costes se comen los diferenciales pequeños y probar miles de pares hallará muchos que pasan por azar; elija los pares por una razón económica y confirme fuera de muestra.

Un diferencial y su señalSupongamos que la regresión de yyy sobre xxx dio α=10\alpha=10α=10 y β=1,5\beta=1{,}5β=1,5. Con x=40x=40x=40 e y=73y=73y=73 el diferencial es z=73−10−1,5⋅40=3z=73-10-1{,}5\cdot40=3z=73−10−1,5⋅40=3. Si el diferencial tiene media 000 y desviación típica 1,51{,}51,5, el z-score es Z=2Z=2Z=2: yyy está caro respecto a xxx. La operación vende 100 unidades de yyy y compra 1,5⋅100=1501{,}5\cdot100=1501,5⋅100=150 unidades de xxx. Si el coeficiente AR(1) del diferencial es 0,950{,}950,95 por día, la vida media es ln⁡(0,5)/ln⁡(0,95)≈13,5\ln(0{,}5)/\ln(0{,}95)\approx13{,}5ln(0,5)/ln(0,95)≈13,5 días, así que hay que esperar semanas, no horas.
  • Cointegradas: cada serie deambula, pero una combinación lineal de ellas es estacionaria.
  • Engle-Granger: regresar y luego contrastar los residuos con ADF usando los valores críticos más estrictos de Engle-Granger.
  • Pairs trade: operar el z-score del diferencial, dimensionar las patas por β\betaβ y esperar que se cierre en aproximadamente una vida media.

Lab: qué se califica

  • El diferencial15 pts
  • El z-score10 pts
  • La vida media del diferencial15 pts
  • Dimensionar las patas10 pts
  • Leer la prueba15 pts
  • Emparejar el vocabulario15 pts
  • Construir un pairs trade10 pts
  • Correlación no es cointegración10 pts
0/ 8 respondidos
Ejercicios
1Respuesta numérica15 ptsSin responder

Una regresión dio α=10\alpha=10α=10 y β=1,5\beta=1{,}5β=1,5. Con x=40x=40x=40 e y=73y=73y=73, ¿cuál es el diferencial z=y−α−βxz=y-\alpha-\beta xz=y−α−βx?

z=z =z=aceptado: ± 0.01
2Respuesta numérica10 ptsSin responder

El diferencial es 333, su media 000 y su desviación típica 1,51{,}51,5. ¿Cuál es el z-score?

Z=Z =Z=aceptado: ± 0.01
3Respuesta numérica15 ptsSin responder

El diferencial sigue un AR(1) con φ=0,95\varphi=0{,}95φ=0,95 por día. ¿Cuál es su vida media ln⁡(0,5)/ln⁡(0,95)\ln(0{,}5)/\ln(0{,}95)ln(0,5)/ln(0,95) en días? Dé un decimal.

days=days =days=aceptado: ± 0.1
4Respuesta numérica10 ptsSin responder

La operación vende 100 unidades de yyy y la razón de cobertura es β=1,5\beta=1{,}5β=1,5. ¿Cuántas unidades de xxx compra?

units=units =units=aceptado: ± 0.5
5Elección15 ptsSin responder

En el procedimiento de Engle-Granger, ¿qué resultado indica que el par está cointegrado?

6Emparejar15 ptsSin responder

Empareje cada término con su significado.

Elige la pareja de cada elemento de la izquierda.

Correlación
Cointegración
Diferencial
Corrección de error
7Ordenar los pasos10 ptsSin responder

Ponga los pasos en orden.

Arrastra para reordenar, o enfoca un elemento, pulsa Espacio para levantarlo, las flechas para moverlo y Espacio para soltarlo.

  1. 1Operar el z-score con umbrales y revisar costes fuera de muestra
  2. 2Elegir un par con un vínculo económico
  3. 3Contrastar los residuos por una raíz unitaria y calcular la vida media
  4. 4Regresar un precio sobre el otro para obtener la razón de cobertura
8Explicar con palabras10 ptsSin responder

En una o dos frases, explique por qué dos acciones cuyos rendimientos diarios están muy correlacionados no tienen por qué estar cointegradas.

Modo matemáticasEntrada por teclado o LaTeXEjercicio 1 de 8 · Ctrl ⏎ para comprobar

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub