Обсуждение статьи "Статистический арбитраж на основе коинтегрированных акций (заключительная часть): Анализ данных с помощью специализированной БД"

Новый комментарий
 

Опубликована статья Статистический арбитраж на основе коинтегрированных акций (заключительная часть): Анализ данных с помощью специализированной БД:

В статье рассказывается, как объединить SQLite (OLTP) с DuckDB (OLAP) для обработки данных статистического арбитража. Колоночный движок DuckDB, оператор ASOF JOIN и встроенные функции для работы с массивами ускоряют выполнение основных задач, таких как сопоставление котировок со сделками и RWEC, при этом зафиксировано увеличение скорости от 2 до 23 раз по сравнению с SQLite при работе с большими массивами данных. Вы получаете более простые запросы и более быструю аналитику, при этом исполнение операций по-прежнему осуществляется в SQLite.

Для любой торговой деятельности необходимы данные. Как минимум, для совершения сделки на покупку или продажу необходимо знать текущую цену актива. Как правило, нам потребуется немного больше данных; по крайней мере, история цен поможет понять, как менялась стоимость актива с течением времени. Вскоре мы начнём рассчитывать максимумы и минимумы, диапазоны, средние значения, средние истинные диапазоны, средние значения с учетом объёма, а также формировать графики ценовой истории. Имея больше данных, мы сможем лучше понять, как цена достигла своего нынешнего уровня. Если у нас будет достаточно данных, возможно, мы сможем также предположить, как цена может измениться в ближайшие часы, дни или месяцы. Мы можем использовать данные о ценах активов для построения и анализа свечных моделей, а также для создания более или менее сложных индикаторов, облегчающих визуализацию ценовой истории. Нередко бывает так, что для одного актива нам приходится собирать исторические данные о ценах за десятки месяцев.

Когда речь заходит о парной торговле, нам требуется как минимум вдвое больше данных. Нам необходимо постоянно рассчитывать средний спред, и нам потребуется ещё больше исторических данных, если мы хотим проверить, достаточно ли устойчива связь между двумя инструментами. Возможно, нам нужно рассчитать динамический порог стандартного отклонения с учетом волатильности. Таким образом, помимо увеличения объема данных, нам также требуется больше вычислительных ресурсов для загрузки данных по обоим символам, расчета спреда, среднего значения, порога стандартного отклонения, а теперь ещё и волатильности в режиме реального времени.

Объем данных и вычислительные мощности, необходимые для стратегий парной торговли, обычно составляют лишь небольшую часть того, что требуется для стратегий статистического арбитража. У нас есть корзины, состоящие из неограниченного числа акций, для которых необходимо рассчитать вектор коинтеграции и соответствующие веса портфеля; провести сравнение собственных векторов на скользящих окнах (RWEC) для проверки стабильности весов портфеля; выполнить тест Чоу с использованием кумулятивной суммы квадратов для выявления структурных разрывов; при этом все эти вычисления должны выполняться в режиме реального времени для мониторинга текущих торговых операций. В конечном итоге нам потребуется выполнять все эти расчёты параллельно для нескольких корзин, то есть нам нужно будет получать данные о ценах по десяткам инструментов и обрабатывать их как можно быстрее, чтобы успевать своевременно реагировать на сигналы, прорывы и рыночные сбои.


Автор: Jocimar Lopes

Новый комментарий