Discusión sobre el artículo "Arbitraje estadístico mediante acciones cointegradas (Parte 5): Filtrado"

Nuevo comentario

Artículo publicado Arbitraje estadístico mediante acciones cointegradas (Parte 5): Filtrado:

Este artículo propone un proceso de filtrado de activos para una estrategia de arbitraje estadístico basada en acciones cointegradas. El sistema comienza con el filtrado habitual por factores económicos, como el sector y la industria de los activos, y concluye con una lista de criterios para un sistema de puntuación. Para cada prueba estadística utilizada en el filtrado, se desarrolló una clase de Python correspondiente: correlación de Pearson, cointegración de Engle-Granger, cointegración de Johansen y estacionariedad mediante ADF/KPSS. Estas clases de Python se incluyen junto con una nota personal del autor sobre el uso de asistentes de IA para el desarrollo de software.

Nuestra estrategia se basa en la reversión a la media, una forma de arbitraje estadístico que selecciona acciones del Nasdaq cointegradas con Nvidia y, a continuación, las compra y vende simultáneamente según las ponderaciones de la cartera, con el fin de alcanzar la neutralidad de mercado. Nuestra amplia gama de opciones disponibles incluye todas las acciones del Nasdaq. Los criterios específicos que deben cumplirse son:

  1. La intensidad de la cointegración, según indican la prueba de Engle-Granger y la prueba de Johansen
  2. La estabilidad de las ponderaciones de la cartera
  3. La calidad de la estacionariedad del spread, según indican las pruebas ADF y KPSS
  4. La liquidez de los activos

Estos cuatro criterios son suficientes para que podamos crear un sistema de puntuación. Un sistema de puntuación debería proporcionarnos una ventaja operativa derivada de la identificación de grupos de acciones cuyos precios evolucionan de forma conjunta, estable y predecible a largo plazo. Necesitamos un sistema de puntuación porque no todos los pares o grupos se ajustan a nuestros objetivos. Si nos limitáramos a analizar todas las combinaciones posibles de acciones —con cientos o miles de ellas—, el número de pares y cestas de acciones potenciales se dispararía. No debemos olvidar que estamos desarrollando este marco de arbitraje estadístico para el inversor minorista medio, con un portátil de consumo y un ancho de banda de red normal. Si empezamos a probar todas las combinaciones posibles, el proceso resulta costoso desde el punto de vista computacional desde el principio. Al contar con un sistema de puntuación, evitamos arriesgar nuestro dinero en pares o grupos que solo están correlacionados a corto plazo, o que no son negociables debido a su escasa liquidez o a los costes de transacción.

Quizá la mejor analogía para un proceso de filtrado con un sistema de puntuación sea la de un embudo: partimos de una base amplia y vamos eliminando gradualmente a los candidatos inadecuados, primero descartándolos por similitud de sector e industria, y luego puntuándolos según la correlación, la cointegración y la estacionariedad. Por último, descartamos los candidatos que no son negociables según nuestros criterios de gestión del riesgo y del capital. Este proceso aumenta la probabilidad de encontrar cestas de acciones que no solo sean estadísticamente significativas, sino también económicamente relevantes y negociables.


Autor: Jocimar Lopes

Nuevo comentario