استراتژي آربيتراژ آماري بر مبناي مدل‌هاي عاملي قيمت سهام در بورس تهران

Statistical Arbitrage Strategy Based on Factor Models of Prices in Iran's stock exchange market

استراتژي‌هاي آربيتراژ آماري به دنبال كشف فرصت‌هاي سودده با استفاده از روش‌هاي آماري هستند. ما در اين مقاله از رويكرد جديدي براي طراحي يك استراتژي آربيتراژ آماري متناسب با بورس تهران استفاده مي‌كنيم. در اين رويكرد پيشنهادي جديد، بجاي اينكه قيمت سهام مختلف به صورت مستقل مدل‌سازي و پيش‌بيني شود، آن‌ها را به صورت يك كل در نظر مي‌گيريم و الگوهاي حركتي مشترك بين آن‌ها كه مي‌تواند بيانگر حركات كلي بازار باشد، را با استفاده از روش تحليل اجزاي اصلي شناسايي مي‌كنيم. بعد از آن رفتار اين الگوها (عامل‌ها) را مدل‌سازي و پيش‌بيني كرده و از طريق آن‌ها، بازدهي سهام را در آينده پيش‌بيني مي‌كنيم. در نهايت سبدي از سهام منتخب در هر دوره تشكيل مي‌دهيم. نتايج تجربي حاصل از اين مقاله نشان‌دهنده سودده بودن اين استراتژي‌ها است به طوري كه استراتژي منتخب با پنجره زماني 100 روزه و افق پيش‌بيني 1 روزه، بدون در نظر گرفتن هزينه معاملاتي توانست بازدهي متوسط ساليانه 115% را فراهم كند.

Statistical Arbitrage Strategies are looking for profitable opportunities using statistical methods. In this paper, we use a new approach to devise a statistical arbitrage strategy in Iran’s stock exchange market. In this new approach, instead of model and forecast stock prices independently, we take them as a whole and extract their common movement patterns, which can represent the general market movements, with principal component analysis. After that, we model and forecast these patterns (factors) and through them, we forecast the stock returns. Ultimately, we construct portfolios from chosen stocks in each period. Empirical result of this paper show the profitability of these strategies. chosen strategy, with time window of 100 days and forecasting horizon of 1 day could made the average annual return of 115%, without considering the transaction costs.