Последние научные исследования - Крипто-опционы, высокочастотная торговля, ИИ - прогнозирование, парадигма DC и влияние возраста на показатели портфеля. Alpha in Academia.
Перевод статьи из блога Alpha in Academia.
Больше переводов в телеграмм-канале:
https://t.me/holyfinance
Криптовалютные опционы
Эксплуатация притока средств в Ethereum с помощью опционов
Название статьи: Прогнозирование доходности и волатильности с помощью он-чейн активности на криптовалютном рынке
В данной работе исследуется связь между активностью он-чейн, в частности чистым притоком ETH на криптовалютные биржи, и доходностью и волатильностью ETH. Авторы обнаружили статистически значимую отрицательную связь между чистым притоком ETH и будущей доходностью ETH. Это говорит о том, что когда на биржи поступает большой объем ETH, это сигнализирует о желании продавать, создавая медвежьи настроения на рынке, которые ведут к снижению цен.
Кроме того, высокий чистый приток ETH связан с более низкой волатильностью ETH. Ключевым выводом для трейдеров является то, что эти медвежьи настроения можно использовать, продавая опционы колл 0DTE ETH при высоком чистом притоке, что оказывается прибыльной стратегией с коэффициентом выигрыша не менее 81,82% в различных сценариях.
Первая криптовалютная статья в рассылке. Я сам довольно нейтрально отношусь к криптовалютам, но дико, насколько этот класс активов разделен. Про-крипто, анти-крипто... споры бесконечны. Может быть, это фактор новичка?
В любом случае, эта статья привлекла мое внимание, потому что в ней описывается успешная стратегия торговли криптоопционами. И если вы хоть что-то знаете об опционах, вы поймете, что продажа «голого» колла - это не шутка: по сути, это смелость рынка испортить вам день (неограниченные потери, если цена криптовалюты резко взлетит).
Учитывая, что биткоин сейчас стоит более 90 000 долларов, ставить против рынка на долгосрочную перспективу кажется ужасной идеей. К счастью, эта стратегия использует суперкороткие внутридневные временные рамки - от 1 до 6 часов.
Интересно, что эта магия, похоже, не работает для BTC, что говорит о том, что эта альфа может быстро исчезнуть. Однако если вы торгуете опционами на ETH, то, возможно, стоит изучить эту стратегию, пока преимущество не исчезло.
Коммерческие ипотечные ценные бумаги и REITs
Торговля относительной стоимостью - REITs и индекс CMBX
Название работы: 15 секунд до альфы: Высокочастотная оценка рисков для ценных бумаг коммерческой недвижимости
В данной работе представлена модель оценки рисковых разделов CMBX в 15-секундных интервалах, которая используется для разработки прибыльных торговых стратегий. Эти стратегии используют взаимосвязь между сигналами риска и ценообразованием на REIT для генерирования сигналов на покупку и продажу REIT.
Объединив сигналы риска CMBX с ценообразованием REIT в 24 различных торговых стратегиях, исследователи добились статистически значимой альфы в 88% (21/24) стратегий. Более того, 90% (19/21) стратегий со значительной альфой обеспечили положительную кумулятивную доходность в диапазоне от 9,09% до 41,37% в течение первого года пандемии COVID-19. Коэффициент Шарпа для этих успешных стратегий варьировался от 2 до 5.
Исследование также показало, что разделы риска ликвидности и избыточной ликвидности являются наиболее ценными и надежными индикаторами для успешных торговых стратегий. Успех этих стратегий был неизменным в течение всего периода выборки, охватывая различные классы кредитных рейтингов.
CMBX и REITs могут быть нишевыми, но данная статья доказывает, что малозаметные рынки могут предложить огромные возможности. Использование сигналов с 15-секундным интервалом - свидетельство того, как технологии меняют трейдинг, особенно в плане извлечения альфы из микронеэффективности. Сигналы ликвидности были явными победителями, подтверждая, что ликвидность - или ее отсутствие - определяет доходность во время рыночного стресса.
А эти коэффициенты Шарпа? Все, что выше 2, является исключительным, но 5 - почти неслыханное явление, свидетельствующее не только о высокой доходности, но и о низком стандартном отклонении портфеля. Для тех, кто ищет неиспользованные преимущества, это исследование - мастер-класс по сочетанию детализации данных и разработки надежных стратегий.
Большие языковые модели
Название работы: Количественная оценка качественных данных: использование LLM для прогнозирования рынка
В данной работе исследуется использование LLM для прогнозирования движения фондового рынка на основе качественных данных из отчетов фирм, занимающихся ценными бумагами. Авторы разрабатывают метод количественной оценки качественных факторов и их интеграции с числовыми данными. Чтобы оценить эффективность этого подхода, исследователи сравнили производительность LLM, в частности LLaMA2 и GPT-4-Turbo, с традиционными моделями временных рядов, ARIMA и LSTM.
Результаты показали, что LLM постоянно превосходят базовые модели в прогнозировании рыночных движений, достигая более высокой точности и коэффициента корреляции Мэтьюса (MCC), особенно при рассмотрении однодневного периода. Такое улучшение показателей говорит о том, что LLM могут лучше учитывать качественную информацию и улавливать нюансы рыночных тенденций.
Исследовательские работы по ИИ и LLM в наши дни встречаются повсюду, но эта статья выделяется среди других. Тот факт, что LLM превзошел устоявшиеся модели временных рядов в прогнозировании цен на акции, подчеркивает, как быстро развиваются эти модели. Судя по моему анекдотическому опыту, на стороне покупателей они принимаются по-разному: некоторые компании погружаются в них, а другие продолжают осторожничать.
По мере того как LLM становятся все более точными, мы можем увидеть значительный отход от традиционных статистических методов анализа рынка. Главный вопрос заключается в том, как быстро эти модели станут арбитражными, когда они станут массовыми. Пока же они предлагают интересный взгляд на будущее предиктивной аналитики в финансах.
Торговля на изменении направления
Восемь стратегий направленной торговли
Название работы: Оптимизация многопороговых торговых стратегий в парадигме направленных изменений
В статье описывается торговая модель MSTGAM, которая использует парадигму Directional Changes (DC) для прогнозирования фондового рынка. Парадигма DC анализирует движение цен на основе значительных изменений, определяемых как движения, превышающие заранее определенный порог (θ). Эти значительные изменения обозначают события DC, в то время как колебания цен в рамках тренда, которые превышают порог, но движутся против тренда, считаются событиями Overshoot (OS).
MSTGAM включает в себя восемь торговых стратегий: две основаны на законах масштабирования, наблюдаемых в парадигме DC, и шесть, использующих индикаторы, полученные из событий DC и OS. Примечательно, что модель использует несколько пороговых значений и генетический алгоритм для оптимизации весов, присвоенных различным стратегиям и пороговым значениям, в конечном итоге стремясь к максимизации прибыли.
MSTGAM продемонстрировала значительно лучшую производительность по сравнению с традиционными стратегиями технического анализа и рыночными индексами, показав высокий коэффициент Шарпа 5,59 и доходность 22%. Эти результаты подчеркивают потенциал парадигмы DC и эффективность MSTGAM в получении прибыли при одновременном снижении риска при торговле на фондовом рынке.
Это еще одна оптимизационная работа, поэтому успех стратегии следует воспринимать с долей скепсиса. Однако за время моей работы в финансовой сфере я еще не слышал о парадигме направленных изменений.
Этот подход может быть особенно интригующим для тех, кто при разработке стратегий опирается на исторические ценовые модели, поскольку он предлагает новый взгляд на поведение рынка. Здесь есть много интересного, и если вы любите инновационные подходы к торговле, эта статья определенно стоит того, чтобы в нее погрузиться.
Поведенческая экономика
Старость и худшая производительность
Название работы: Пожилые инвесторы в убытке: когнитивное старение и доходность фондов
Авторы статьи исследовали влияние когнитивного старения на доходность индивидуальных инвесторов в паевые инвестиционные фонды, используя данные по китайским инвесторам с 2006 по 2011 год. Они обнаружили, что когнитивное старение негативно влияет на доходность инвесторов, что подтверждает их гипотезу о том, что когнитивное старение отрицательно коррелирует с доходностью. Эта отрицательная связь между возрастом и доходностью имеет перевернутую U-образную форму с уплощением правого хвоста, что означает, что когнитивное старение действительно оказывает негативное влияние, но по мере достижения инвесторами пенсионного возраста это влияние ослабевает.
Авторы обнаружили, что выход на пенсию может смягчить негативные последствия когнитивного старения, возможно, потому, что у пенсионеров больше времени на управление своими инвестициями и эффективную обработку информации. Авторы пришли к выводу, что когнитивное старение - это фактор, который следует учитывать при принятии инвестиционных решений.
Вы можете сказать: «Но конечно, нужно учитывать возраст и умственные способности управляющего фондом, прежде чем инвестировать в него!» И хотя я полностью согласен с этим утверждением, психический упадок человека может быть не так заметен, поэтому важно понимать последствия этой работы.
Авторы подчеркивают, что выход на пенсию помогает смягчить последствия когнитивного старения, возможно, благодаря тому, что у них есть больше времени для анализа инвестиций и стратегий. Но не стоит упускать из виду и другие факторы: снижение стресса, смену приоритетов или даже устранение когнитивных предубеждений, которые возникают при управлении чужими деньгами. Это увлекательное напоминание о том, что эффективность зависит не только от стратегии, но и от ума, который за ней стоит.