Tijdreeksen: stationariteit, autocorrelatie en mean reversion
Waarom koersen zwerven maar spreads kunnen terugkeren: stationariteit, autocorrelatie, eenheidswortels, de halfwaardetijd van mean reversion en Hurst-exponenten — de statistiek achter het ML-paaronderzoek van SurgeFlow.
Categorie: Statistiek
Waarom koersen zwerven maar spreads kunnen terugkeren
Een tijdreeks is stationair (stationary) wanneer haar statistische karakter — het gemiddelde niveau, de beweeglijkheid en de manier waarop ze haar eigen verleden weerspiegelt — niet verschuift naarmate de tijd verstrijkt. Of u haar nu vandaag of volgend jaar bemonstert, ze oogt als trekkingen uit hetzelfde onderliggende proces. Stationariteit is van belang omdat vrijwel elk bekend statistisch instrument (gemiddelden, standaarddeviaties, correlaties, regressies) haar stilzwijgend veronderstelt. Aandelenkoersen voldoen niet aan die eis: een koers heeft geen vast niveau om naar terug te keren, de variantie groeit met de horizon, en het gemiddelde van dit jaar zegt weinig over dat van volgend jaar. Rendementen komen dichter bij stationariteit, en daarom wordt een analyse doorgaans op rendementen uitgevoerd in plaats van op koersen. Interessanter is het geval van een spread: twee aandelen in dezelfde sector, blootgesteld aan dezelfde klanten en kosten, kunnen elk vrij rondzwerven terwijl het verschil tussen beide aan een lijn blijft. Wanneer een combinatie van niet-stationaire koersen zelf stationair is, heet het paar gecointegreerd (cointegrated) — en het is de stationariteit van de spread, niet van een van beide koersen, die mean-reversionstatistiek zinvol maakt. Dat onderscheid vormt het volledige fundament van het paaronderzoek van SurgeFlow.
De mechaniek: random walks, AR(1) en halfwaardetijd
Het werkpaard is de autoregressie van de eerste orde, AR(1): x_t = c + phi * x_(t-1) + e_t, waarbij x_t de waarde van vandaag is, x_(t-1) die van gisteren, c een constante, phi de persistentiecoëfficiënt en e_t willekeurige ruis. Alles draait om phi. Als |phi| < 1, is de reeks stationair en doven schokken uit; als phi = 1, is er sprake van een eenheidswortel (unit root) — de random walk x_t = x_(t-1) + e_t — waarbij schokken nooit uitdoven en de reeks geen thuisbasis heeft om naar terug te keren. Eenheidswortelprocedures zoals de augmented Dickey-Fuller-statistiek (ADF) gaan na of de gegevens phi = 1 kunnen verwerpen. Rond die kern liggen vier verwante begrippen: - Autocorrelatie bij vertraging k: rho_k = Cov(x_t, x_(t-k)) / Var(x_t) — hoe sterk de reeks zichzelf k stappen terug weerspiegelt. Positieve autocorrelatie in rendementen is het statistische skelet van momentum; negatieve autocorrelatie dat van omkering (reversal). - Halfwaardetijd van mean reversion (half-life): schat de verandering Delta x_t = a + b * x_(t-1) + e_t. Ligt b tussen -1 en 0, dan geldt half_life = -ln(2) / ln(1 + b) — de tijd die een afwijking nodig heeft om voor de helft terug te krimpen. Dit is de discrete tegenhanger van een Ornstein-Uhlenbeck-proces dx = theta * (mu - x) dt + sigma * dW, met een halfwaardetijd van ln(2) / theta. - Hurst-exponent H: volgt uit de schaalwet Var(x_(t+tau) - x_t) evenredig met tau^(2H). Een H rond 0.5 lijkt op een random walk; een H onder 0.5 wijst op mean reversion; een H boven 0.5 wijst op trendmatig gedrag. - Schijnregressie (spurious regression): regresseer de ene random walk op een andere, volledig ongerelateerde, en u ziet vaak een hoge R-kwadraat en een indrukwekkende t-statistiek — Granger en Newbold toonden dit in 1974 aan. Het is de klassieke reden om spreads op stationariteit te toetsen in plaats van een regressie van koers op koers te bewonderen.
Hoe SurgeFlow dit toepast
De sectie /ml bevat het paaronderzoek van SurgeFlow. Binnen elke markt worden paren uit dezelfde sector gescreend, en de tabel rapporteert de statistieken die dit artikel zojuist heeft opgebouwd: een Engle-Granger-p-waarde (de tweestapsprocedure — regresseer de ene koersreeks op de andere en voer daarna een eenheidswortelcontrole uit op de resterende spread), een halfwaardetijd uit een Ornstein-Uhlenbeck-achtige schatting op die spread, een Hurst-exponent op de spread, en de huidige z-score van de spread, oftewel het aantal standaarddeviaties dat deze van haar historische gemiddelde af ligt. De beperking tot paren uit dezelfde sector is bewust: cointegratie vraagt om een economische reden om te bestaan, en een gedeelde sectorblootstelling is daarvan de meest voor de hand liggende. Elders op de site vormen de momentumoverzichten de keerzijde van dezelfde medaille — momentum is in de kern de waarneming dat positieve autocorrelatie in relatieve rendementen de neiging heeft gehad aan te houden. Wat SurgeFlow niet doet: het zegt niet dat een spread zal convergeren, wanneer of in welke mate; het voert geen transacties uit en beveelt er geen aan; en elke statistiek op de pagina is een in-sample-schatting op basis van historische koersen. Een paar kan vandaag elke controle doorstaan en morgen loskoppelen. Dit is onderzoeksinfrastructuur, geen beleggingsadvies.
Welke SurgeFlow-gegevens dit gebruikt
De paar- en momentumstatistieken worden berekend uit de dagelijkse gecorrigeerde koers- en omzethistorie in de vier markten die SurgeFlow dekt: de Verenigde Staten, China, Japan en Hongkong. Herkomst: FMP levert de Amerikaanse koersen; Tushare dekt China en Hongkong; en voor Japan worden koersgegevens van J-Quants gecombineerd met EDINET-deponeringen. Twee kanttekeningen bij de gegevens wegen voor spreadstatistieken zwaarder dan voor vrijwel al het andere op de site. Ten eerste corporate actions: een niet-gecorrigeerde splitsing of dividenduitkering verschijnt als een schijnsprong in een spread en kan "cointegratie" verzinnen of tenietdoen. Ten tweede consistentie van eenheden: Britse aandelen noteren in pence, en het vermengen van pence met ponden schaalt een reeks ongemerkt met een factor honderd — precies het soort fout waarvoor een cointegratiestatistiek u niet waarschuwt. SurgeFlow beschouwt een doorlopende koers- en omzethistorie als verplicht voor elk genoteerd ticker; fundamentele gegevens mogen hiaten hebben, de koershistorie niet.
De paartabel lezen zonder uzelf voor de gek te houden
Een paartabel is per definitie een machine die problemen met meervoudige vergelijkingen voortbrengt, dus lees haar defensief: - Selectie-effecten: screen genoeg paren met een drempel voor de p-waarde van 5% en sommige komen er puur door toeval doorheen. Een kleine Engle-Granger-p-waarde is een aanwijzing die onderzoek verdient, geen oordeel. - In-sample-vertekening: halfwaardetijd en Hurst worden geschat op dezelfde historie die het paar heeft voorgedragen. Out-of-sample verslechteren beide doorgaans. - Structurele breuken: fusies, indexwijzigingen, strategische koerswijzigingen en regimeverschuivingen kunnen een cointegrerende relatie zonder aankondiging beëindigen; de statistieken blijven een relatie beschrijven die niet meer bestaat totdat het schattingsvenster eraan voorbij is geschoven. - Aannames achter de z-score: een z-score veronderstelt dat het gemiddelde en de variantie van de spread stabiel zijn. Is de relatie verbroken, dan meet "drie standaarddeviaties van het gemiddelde" de afstand tot een gemiddelde dat er niet meer is. - Ruis in de halfwaardetijd: schattingen van de halfwaardetijd uit OU-modellen hebben bij realistische steekproefgroottes brede betrouwbaarheidsbanden; behandel ze als beschrijvingen van de orde van grootte (dagen tegenover maanden), niet als precieze cijfers.
Zelf verkennen
Alle reeksen achter deze statistieken zijn beschikbaar via de publieke API van SurgeFlow. Een gratis (bèta-)sleutel via /account geeft recht op 2,000 verzoeken per dag, en de volledige catalogus van endpoints is gedocumenteerd in de OpenAPI-specificatie op /api/public/openapi.json. Een voor de hand liggende oefening: haal de dagelijkse gecorrigeerde slotkoersen op van twee namen uit dezelfde sector, vorm de spread van de log-koersen, voer uw eigen ADF-controle en OU-schatting uit en vergelijk de uitkomsten met de paartabel op /ml. De cijfers reproduceren — en vervolgens zien hoe ze veranderen wanneer u het schattingsvenster verschuift — leert meer over de kwetsbaarheid van deze statistieken dan welke beschrijving ook. De gegevens worden aangeboden voor onderzoek en educatie, niet als advies.
Bronnen en verdere literatuur
Primaire, academische en SurgeFlow-gegevensbronnen voor de bovenstaande beweringen: - 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: de paaronderzoekstabellen op /ml; API-sleutel via /account; OpenAPI-specificatie op /api/public/openapi.json.