Cointegration and pairs trading: a brief journey to statistical arbitrage

Abstract

Το εξαιρετικά αβέβαιο και ασταθές οικονομικό περιβάλλον που βιώνουν οι επενδυτές - σε παγκόσμιο επίπεδο - κατά την τελευταία εικοσαετία, οδήγησε το κοινό ενδιαφέρον προς ουδέτερες ως προς τον κίνδυνο επενδυτικές στρατηγικές που δεν εξαρτώνται από την κατεύθυνση των αγορών. Μεταξύ αυτών των στρατηγικών, η διαπραγμάτευση ζευγών παίζει σημαντικό ρόλο στην ατζέντα των σύγχρονων επενδυτών. Με απλά λόγια, η διαπραγμάτευση ζευγών είναι μια τεχνική στατιστικού αρμπιτράζ που έχει σχεδιαστεί για να εκμεταλλεύεται τις βραχυπρόθεσμες αποκλίσεις μεταξύ δύο περιουσιακών στοιχείων από μια μακροχρόνια ισορροπία. Παρόλο που υπάρχουν πολλές διαφορετικές μέθοδοι σύνθεσης ενός χαρτοφυλακίου διαπραγμάτευσης ζευγών (τόσο απλές, όπως η συσχέτιση, όσο και προηγμένες, όπως ειδικές τεχνικές μηχανικής μάθησης), σε αυτή την εργασία καταφεύγουμε σε μια πολύ γνωστή προσέγγιση που εμπίπτει στο πεδίο της ανάλυσης χρονολογικών σειρών και βασίζεται σε μεγάλο βαθμό στην παρουσία σχέσης συνολοκλήρωσης μεταξύ αυτών των δύο περιουσιακών στοιχείων (εδώ μετοχές). Για να είμαστε πιο ακριβείς, σε αυτή την εργασία επιχειρούμε να αξιολογήσουμε την αποτελεσματικότητα της στρατηγικής διαπραγμάτευσης ζευγών, χρησιμοποιώντας την τεχνική της συνολοκλήρωσης. Πιο συγκεκριμένα, εστιάζουμε στην εξέταση μετοχών που προέρχονται από τη βιομηχανία ηλεκτρονικών παιχνιδιών που είναι εισηγμένες στο χρηματιστήριο των Ηνωμένων Πολιτειών. Η ανάλυση πραγματοποιήθηκε περιβάλλον R.

The highly uncertain and volatile economic environment experienced by investors - worldwide - during the last twenty years, has led the common interest towards non-directional risk-neutral investment strategies. Among those strategies, pairs trading plays an important role in every investor’s agenda. In plain words, pairs trading is a statistical arbitrage technique that is designed to take advantage of short-term deviations from a long-run equilibrium between two assets. Although there exist many different methods of contracting a pairs trading portfolio (both simple, such as correlation, and advanced, such as special machine learning techniques), in this thesis we resort to a well-known time series approach that heavily relies on the presence of a cointegrating relationship between these two assets. To be more precise, in this paper, we attempt to evaluate the effectiveness of the pairs trading strategy using the technique of cointegration. Specifically, we focus on examining stocks originating from the electronic gaming industry and listed on the United States stock exchange. The analysis was conducted using the R environment.