Aikasarjat: stationaarisuus, autokorrelaatio ja keskiarvoon palautuminen
Miksi kurssit vaeltavat mutta spreadit voivat palautua: stationaarisuus, autokorrelaatio, yksikköjuuret, keskiarvoon palautumisen puoliintumisaika ja Hurstin eksponentit – tilastotiede SurgeFlow'n koneoppimiseen perustuvan paritutkimuksen taustalla.
Luokka: Tilastotiede
Miksi kurssit vaeltavat mutta spreadit voivat palautua
Aikasarja on stationaarinen, kun sen tilastollinen luonne – keskimääräinen taso, vaihtelu ja tapa, jolla se heijastaa omaa menneisyyttään – ei muutu ajan kuluessa. Otettiinpa otos tänään tai ensi vuonna, se näyttää saman taustaprosessin tuottamalta. Stationaarisuudella on merkitystä, koska lähes jokainen tuttu tilastollinen työkalu (keskiarvot, keskihajonnat, korrelaatiot, regressiot) olettaa sen hiljaisesti. Osakekurssit eivät täytä vaatimusta: kurssilla ei ole kiinteää tasoa, jolle palata, sen varianssi kasvaa aikajänteen pidentyessä, eikä tämän vuoden keskiarvo kerro juuri mitään ensi vuoden keskiarvosta. Tuotot ovat lähempänä stationaarisuutta, minkä vuoksi analyysi tehdään yleensä tuotoista eikä kursseista. Kiinnostavampi tapaus on kahden kurssin erotus eli spreadi: kaksi saman toimialan osaketta, jotka ovat alttiita samoille asiakkaille ja kustannuksille, voivat kumpikin vaeltaa vapaasti, vaikka niiden välinen ero pysyy kuin talutushihnassa. Kun epästationaaristen kurssien yhdistelmä on itse stationaarinen, paria kutsutaan yhteisintegroituneeksi – ja juuri spreadin stationaarisuus, ei kummankaan kurssin, tekee keskiarvoon palautumisen tunnusluvuista mielekkäitä. Tämä ero on SurgeFlow'n paritutkimuksen koko perusta.
Mekaniikka: satunnaiskulut, AR(1) ja puoliintumisaika
Perusmalli on ensimmäisen kertaluvun autoregressio, AR(1): x_t = c + phi * x_(t-1) + e_t, jossa x_t on tämän päivän arvo, x_(t-1) eilisen arvo, c vakio, phi pysyvyyskerroin ja e_t satunnaiskohina. Kaikki riippuu phi:stä. Jos |phi| < 1, sarja on stationaarinen ja sokit vaimenevat; jos phi = 1, kyseessä on yksikköjuuri – satunnaiskulku x_t = x_(t-1) + e_t – jossa sokit eivät koskaan vaimene eikä sarjalla ole tasoa, jolle palata. Yksikköjuurimenettelyt, kuten laajennettu Dickey-Fuller-testisuure (ADF), testaavat, voidaanko hypoteesi phi = 1 hylätä aineiston perusteella. Tämän ytimen ympärillä on neljä läheistä käsitettä: - Autokorrelaatio viiveellä k: rho_k = Cov(x_t, x_(t-k)) / Var(x_t) – kuinka voimakkaasti sarja heijastaa itseään k askelta taaksepäin. Tuottojen positiivinen autokorrelaatio on momentumin tilastollinen runko; negatiivinen autokorrelaatio puolestaan käänteisilmiön (reversal) runko. - Keskiarvoon palautumisen puoliintumisaika: estimoidaan muutokselle malli Delta x_t = a + b * x_(t-1) + e_t. Jos b on lukujen -1 ja 0 välissä, pätee half_life = -ln(2) / ln(1 + b) – aika, jossa poikkeama supistuu puoleen. Tämä on diskreetti vastine Ornstein-Uhlenbeck-prosessille dx = theta * (mu - x) dt + sigma * dW, jonka puoliintumisaika on ln(2) / theta. - Hurstin eksponentti H: saadaan skaalauslaista, jonka mukaan Var(x_(t+tau) - x_t) on verrannollinen suureeseen tau^(2H). Lähellä arvoa 0.5 oleva H muistuttaa satunnaiskulkua; alle 0.5 oleva H viittaa keskiarvoon palautumiseen; yli 0.5 oleva H viittaa trendimäiseen käyttäytymiseen. - Näennäisregressio: kun yksi satunnaiskulku regressoidaan toisella, täysin riippumattomalla satunnaiskululla, tuloksena on usein korkea selitysaste (R-squared) ja vaikuttava t-testisuure – Granger ja Newbold osoittivat tämän vuonna 1974. Se on klassinen syy testata spreadien stationaarisuus sen sijaan, että ihailtaisiin kurssin regressiota toisella kurssilla.
Miten SurgeFlow soveltaa tätä
Osio /ml sisältää SurgeFlow'n paritutkimuksen. Kullakin markkinalla seulotaan saman sektorin parit, ja taulukko raportoi tässä artikkelissa rakennetut tunnusluvut: Engle-Grangerin p-arvon (kaksivaiheinen menettely – yksi kurssisarja regressoidaan toisella, minkä jälkeen jäännöksenä saatavalle spreadille tehdään yksikköjuuritesti), kyseiselle spreadille Ornstein-Uhlenbeck-tyyppisellä mallilla estimoidun puoliintumisajan, spreadin Hurstin eksponentin sekä spreadin nykyisen z-pistemäärän eli sen, kuinka monen keskihajonnan päässä spreadi on historiallisesta keskiarvostaan. Rajaus saman sektorin pareihin on tarkoituksellinen: yhteisintegraatio tarvitsee taloudellisen syyn olemassaololleen, ja yhteinen sektorialtistus on niistä ilmeisin. Muualla sivustolla momentumnäkymät ovat saman kolikon kääntöpuoli – momentum on pohjimmiltaan havainto siitä, että suhteellisten tuottojen positiivinen autokorrelaatio on yleensä jatkunut. Mitä SurgeFlow ei tee: se ei väitä, että spreadi supistuu, eikä ota kantaa siihen, milloin tai kuinka paljon; se ei toteuta eikä suosittele kauppoja; ja jokainen sivun tunnusluku on historiallisiin kursseihin perustuva otoksen sisäinen estimaatti. Pari voi läpäistä jokaisen testin tänään ja erkaantua huomenna. Tämä on tutkimusinfrastruktuuria, ei sijoitusneuvontaa.
Mitä SurgeFlow-dataa tässä käytetään
Pari- ja momentumtunnusluvut lasketaan päivittäisestä oikaistusta kurssi- ja vaihtohistoriasta neljällä SurgeFlow'n kattamalla markkinalla: Yhdysvallat, Kiina, Japani ja Hongkong. Alkuperä: FMP toimittaa Yhdysvaltain kurssit; Tushare kattaa Kiinan ja Hongkongin; Japanin osalta J-Quantsin kurssidata yhdistetään EDINET-ilmoituksiin. Kaksi dataa koskevaa varaumaa painaa spreadien tunnusluvuissa enemmän kuin lähes missään muualla sivustolla. Ensinnäkin yhtiötapahtumat: oikaisematon osakesplit tai osinko näkyy spreadissa näennäisenä hyppynä ja voi tekaista tai tuhota "yhteisintegraation". Toiseksi yksiköiden johdonmukaisuus: Ison-Britannian osakkeet noteerataan penneissä, ja pennien sekoittaminen puntiin skaalaa sarjan huomaamatta satakertaiseksi – juuri sellainen virhe, josta yhteisintegraatiotunnusluku ei varoita. SurgeFlow pitää yhtenäistä kurssi- ja vaihtohistoriaa pakollisena jokaiselle listatulle tunnukselle; fundamenttitiedoissa saa olla aukkoja, kurssihistoriassa ei.
Paritaulukon lukeminen itseään pettämättä
Paritaulukko on jo rakenteensa puolesta kone, joka tuottaa monivertailuongelmia, joten sitä kannattaa lukea varovaisesti: - Valikoitumisvaikutukset: kun riittävän monta paria seulotaan 5%:n p-arvorajalla, osa läpäisee seulan pelkän sattuman ansiosta. Pieni Engle-Grangerin p-arvo on tutkimisen arvoinen vihje, ei tuomio. - Otoksen sisäinen harha: puoliintumisaika ja Hurstin eksponentti estimoidaan samasta historiasta, joka nosti parin esiin. Otoksen ulkopuolella kumpikin tavallisesti heikkenee. - Rakennemurrokset: yritysjärjestelyt, indeksimuutokset, liiketoiminnan suunnanmuutokset ja regiimimuutokset voivat päättää yhteisintegroituneen suhteen ilman ennakkovaroitusta; tunnusluvut kuvaavat edelleen suhdetta, jota ei enää ole, kunnes estimointi-ikkuna on liukunut sen ohi. - Z-pistemäärän oletukset: z-pistemäärä olettaa, että spreadin keskiarvo ja varianssi ovat vakaita. Jos suhde on katkennut, "kolme keskihajontaa keskiarvosta" mittaa etäisyyttä keskiarvoon, jota ei enää ole. - Puoliintumisajan kohina: OU-malleista saatujen puoliintumisaika-arvioiden luottamusvälit ovat realistisilla otoskoilla leveitä; niitä on pidettävä suuruusluokan kuvauksina (päiviä vai kuukausia), ei tarkkoina lukuina.
Tutki itse
Kaikki näiden tunnuslukujen taustalla olevat sarjat ovat saatavilla SurgeFlow'n julkisen API:n kautta. Maksuton (beta-)avain osoitteesta /account sallii 2,000 pyyntöä päivässä, ja koko päätepisteluettelo on dokumentoitu OpenAPI-määrittelyssä osoitteessa /api/public/openapi.json. Luonteva harjoitus: hae kahden saman sektorin yhtiön päivittäiset oikaistut päätöskurssit, muodosta logaritmisten kurssien spreadi, tee oma ADF-testi ja OU-estimointi ja vertaa tuloksia paritaulukkoon osoitteessa /ml. Lukujen toistaminen – ja sen seuraaminen, miten ne muuttuvat estimointi-ikkunaa siirrettäessä – opettaa näiden tunnuslukujen hauraudesta enemmän kuin mikään kirjallinen kuvaus. Data tarjotaan tutkimukseen ja opetukseen, ei neuvonnaksi.
Lähteet ja lisälukemista
Ensisijaiset, akateemiset ja SurgeFlow'n datalähteet edellä esitetyille väitteille: - Engle, R. F. and Granger, C. W. J. (1987), "Co-integration and Error Correction: Representation, Estimation, and Testing", Econometrica. - Dickey, D. A. and Fuller, W. A. (1979), "Distribution of the Estimators for Autoregressive Time Series with a Unit Root", Journal of the American Statistical Association. - Granger, C. W. J. and Newbold, P. (1974), "Spurious Regressions in Econometrics", Journal of Econometrics. - Uhlenbeck, G. E. and Ornstein, L. S. (1930), "On the Theory of the Brownian Motion", Physical Review. - Hurst, H. E. (1951), "Long-Term Storage Capacity of Reservoirs", Transactions of the American Society of Civil Engineers. - Lo, A. W. and MacKinlay, A. C. (1988), "Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test", Review of Financial Studies. - Gatev, E., Goetzmann, W. N. and Rouwenhorst, K. G. (2006), "Pairs Trading: Performance of a Relative-Value Arbitrage Rule", Review of Financial Studies. - Jegadeesh, N. and Titman, S. (1993), "Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency", Journal of Finance. - SurgeFlow: paritutkimuksen taulukot osoitteessa /ml; API-avain osoitteessa /account; OpenAPI-määrittely osoitteessa /api/public/openapi.json.