Fondements de l'arbitrage statistique: Pairs Trading et Mean Reversion

L’arbitrage statistique ressemble à une garantie de profit – trouver deux actifs qui évoluent ensemble, vendre le cher, acheter le bon marché et attendre qu’ils convergent. La réalité est plus exigeante: la relation doit être statistiquement valide, stable dans le temps et suffisamment importante pour tirer profit des coûts de transaction. De nombreux traders quantitatifs en herbe ne découvrent cela qu’après avoir testé une stratégie qui semble excellente sur le papier et qui fonctionne mal sur les marchés en direct. À la fin de ce cours, vous serez en mesure d'expliquer la différence entre la corrélation et la cointégration et pourquoi la cointégration est le test correct pour une relation de trading de paires, décrire ce qu'est une série temporelle stationnaire et pourquoi la stationnarité est requise pour les signaux de réversion moyenne, interpréter un signal de spread de score Z et comprendre ce que les seuils représentent statistiquement, identifier les principales hypothèses derrière le trading de paires et les conditions dans lesquelles ces hypothèses sont violées, et comprendre comment les coûts de transaction, le glissement et les exigences de capital affectent la viabilité de l'arbitrage statistique. Ce que vous apprendrez: - Corrélation vs. cointégration : pourquoi deux actifs peuvent être corrélés sans avoir un spread moyen-reversant - Stationnarité : le test Augmented Dickey-Fuller expliqué conceptuellement et son rôle dans la sélection des paires - Le spread: construction d'un ratio de couverture par régression des moindres carrés ordinaires et interprétation des résidus - Signaux Z-score: calcul des seuils d'entrée et de sortie et du niveau de confiance qu'ils impliquent - Critères de sélection des paires: relation économique, validation statistique et considérations de liquidité - Vitesse de réversion moyenne : demi-vie de la réversion moyenne et son effet sur la période de détention de la stratégie et l'efficacité du capital - Modes de défaillance courants: changement de régime, divergence de spread et nouvelles fondamentales comme déclencheurs de rupture d'arbitrage - Propriétés neutres sur le marché : pourquoi l'arbitrage statistique est conçu pour être neutre sur le dollar et quels risques résiduels subsistent Le cours est structuré comme une série de lectures conceptuelles avec des exemples numériques illustrant chaque concept statistique. Chaque module se termine par un exercice d'auto-évaluation.Le matériel progresse à partir des concepts de base des séries temporelles à travers la construction de paires et la génération de signaux. Ce cours est conçu pour les personnes qui sont nouvelles à l'arbitrage statistique et aux stratégies quantitatives et qui veulent une base conceptuelle rigoureuse. Aucune expérience préalable en statistique au-delà de la probabilité de base n'est requise - tous les concepts clés sont introduits à partir des premiers principes.