2026-06-10T08:33:53Z https://journal.ibispb.ru/index.php/SciNotesIBI/en/oai
oai:events.ibispb.ru:article/105 2026-04-08T07:59:21Z SciNotesIBI:ST
SciNotesIBISciNotesIBIУченые записки Международного банковского институтаProceedings of the International Banking InstituteProceedings of the International Banking InstituteУченые записки Международного банковского институтаМеждународный банковский институтRUhttps://www.ibispb.ru/2413-3345105СтатьиПОСТРОЕНИЕ ПОРТФЕЛЯ АКЦИЙ С ПОСТОЯННЫМСРЕДНИМ МЕТОДОМ МАКСИМИЗАЦИИ ПАРАМЕТРАСКОРОСТИ ВОЗВРАЩЕНИЯ К СРЕДНЕМУ ПРОЦЕССАОРНШТЕЙНА  УЛЕНБЕКАBUILDING A MEAN-REVERTING PORTFOLIOBY MAXIMIZATION OF SPEED OF MEAN-REVERSIONOF ORNSTEIN-UHLENBECK PROCESSПРАВДУХИН М.МPRAVDUKHINMikhail


ITIVITI. Yakubovicha, 24, New St. Isaac Office Centre, 190000
St. Petersburg, Russia


ITIVITI. Якубовича, 24, Офисный особняк Ново-Исаакиевский, 190000
Санкт-Петербург, Россия

ШПОЛЯНСКИЙ Ю.АSHPOLYANSKIYYuri

ITMO University. Kronverksky 49, 197101
St Petersburg, Russia

Университет ИТМО. Кронверкский пр, 49, 197101
Санкт-Петербург, Россия

Университет ИТМО2020100320201 (31)254055Received: 642026Copyright (c) 2020 Scientific Notes of the International Banking Institute2020Scientific Notes of the International Banking Institute<a rel="license" href="https://creativecommons.org/licenses/by-nc/4.0/"><img alt="Лицензия Creative Commons" src="//i.creativecommons.org/l/by-nc/4.0/88x31.png" /></a><p>Это произведение доступно по <a rel="license" href="https://creativecommons.org/licenses/by-nc/4.0/">лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная</a>.</p>

Предложен метод построения портфеля акций c постоянным средним, основанный наоценке вектора стационарной линейной комбинации нестационарных случайных процессовпутем максимизации параметра скорости возвращения к среднему процесса Орнштейна Уленбека. По сравнению с ранее известными подходами исключена трудоемкая процедураопределения порядка векторной авторегрессии, что позволило упростить и сделать болеенадежным алгоритм построения стационарного портфеля. На основе предложенного методаразработана торговая стратегия статистического арбитража, которая была протестирована наданных о ценах отраслевых ETF за период 20092019 гг. Продемонстрирована работоспособность стратегии, достигнутые характеристики эффективности: CAGR 5.05%, Sharpe Ratio 1.32и CAGR 2.93%, Sharpe Ratio 9.15. Доходность стратегии обеспечивается независимо от состояния рынка, в качестве индикатора которого был рассмотрен индекс S&P500.

A method of building a mean-reverting portfolio is proposed, based on estimating thevector of a stationary linear combination of non-stationary random processes by maximizing thespeed of mean-reverting parameter of the Ornstein  Uhlenbeck process. Compared withpreviously known approaches, the laborious procedure for determining the order of vector autoregression is excluded, which simplified and made more reliable the algorithm for constructing a stationary portfolio. Based on the proposed method, a trading strategy for statistical arbitrage was developed, which was tested on data of industry ETF prices for the period20092019. The efficiency of the strategy and the achieved performance characteristics weredemonstrated: CAGR 5.05%, Sharpe Ratio 1.32 and CAGR 2.93%, Sharpe Ratio 9.15. Theprofitability of the strategy is ensured regardless of the state of the market, an indicator of whichthe S&P500 index was considered.

Ключевые словаТорговая стратегиястатистический арбитражпортфель с постоянным среднимпроцесс Орнштейна  Уленбекаскорость возвращения к среднемуKeywordsTradingstrategystatisticalarbitragemean-reverting portfolioOrnstein  Uhlenbeck process, speed of mean-reversionThis research received no external fundingНастоящее исследование не получило внешнего финансированияissue-coverproduction-ready-file-urlAvellaneda, M., Lee, J. H . Statistical arbitrage in the US equities market / /Avellaneda, M., Lee, J. H . Statistical arbitrage in the US equities market //Quantitative Finance. 2008. № 10(7).P. 761782.Quantitative Finance. 2008. № 10(7).P. 761782.Engle, Robert F., Granger, Clive W . J. Co-integration and error correction:Engle, Robert F., Granger, Clive W . J. Co-integration and error correction:Representation, estimation and testing // Econometrica. 1987. № 55 (2).Representation, estimation and testing // Econometrica. 1987. № 55 (2).P. 251–276.P. 251–276.Chan, Ernest P . Algorithmic trading: winning strategies and their rationale.Chan, Ernest P . Algorithmic trading: winning strategies and their rationale.Johansen, Søren Estimation and Hypothesis Testing of Cointegration VectorsJohansen, Søren Estimation and Hypothesis Testing of Cointegration Vectorsin Gaussian Vector Autoregressive Models // Econometrica. 1991. № 59 ( 6).in Gaussian Vector Autoregressive Models // Econometrica. 1991. № 59 ( 6).P. 1551– 1580.P. 1551– 1580.D’ Aspremont, A. Identifying Small Mean Reverting Portfolios // QuantitativeD’ Aspremont, A. Identifying Small Mean Reverting Portfolios // QuantitativeFinance. 2011. № 11 (3 ). P. 351364.Finance. 2011. № 11 (3 ). P. 351364.Fogarasi, M., Levendovszky, J. Sparse, mean reverting portfolio selection using simulated annealing // Algorithmic Finance. 2013. № 2:3  4. P. 197 211.Fogarasi, M., Levendovszky, J. Sparse, mean reverting portfolio selection using simulated annealing // Algorithmic Finance. 2013. № 2:3 - 4. P. 197 211.Hardle W. Applied Quantitative Finance 2002.Hardle W. Applied Quantitative Finance 2002.Uhlenbeck, G. E .,Ornstein, L. S. On the theory of Brownian Motion // Phys.Uhlenbeck, G. E .,Ornstein, L. S. On the theory of Brownian Motion // Phys.Rev. № 36. P. 823–841.Rev. № 36. P. 823–841.Б. Парлетт. Симметричная проблема собственных значений. ЧисленныеB. Parlett. Simmetrichnayaproblemasobstvennihznacheniy. Chislennieme -методы.  1983.todi.  1983 .