Период полураспада Орнштейна—Уленбека: возврат к среднему в трейдинге

Предположим, спред выше оцененного долгосрочного среднего. Модель возврата к среднему говорит, что ожидаемый спред со временем движется обратно к этому уровню. Период полураспада отвечает на узкий вопрос: сколько времени нужно, чтобы ожидаемое отклонение по подогнанной модели стало вдвое меньше? Если начальное отклонение составляет 100 базисных пунктов, четырехпериодный период полураспада означает, что через четыре периода условное ожидание отклонения будет около 50 базисных пунктов.

Речь идет об ожидании по множеству возможных траекторий. Реализованный спред может сначала вырасти, быстро пересечь среднее или оставаться от него далеко гораздо дольше. Период полураспада зависит и от единицы наблюдения: оценка по дневным данным выражается в днях, а по часовым — в часах. Всегда указывайте интервал выборки и модель, по которой оценивалась скорость возврата.

Однофакторный процесс OU можно записать так:

\[ dX_t = \kappa(\mu-X_t)\,dt + \sigma\,dW_t, \]

где \(\mu\) — долгосрочное среднее, \(\kappa>0\) — скорость возврата к среднему, \(\sigma\) задает мгновенный масштаб случайных колебаний, а \(W_t\) — броуновское движение. Дрейф направлен к \(\mu\): выше среднего его условное направление вниз, ниже — вверх.

Условное ожидаемое отклонение меняется по закону

\[ \mathbb{E}[X_{t+\tau}-\mu\mid X_t] = e^{-\kappa\tau}(X_t-\mu). \]

Приравняем множитель к половине: \(e^{-\kappa h}=1/2\). Решив уравнение относительно прошедшего времени, получим

\[ h_{1/2}=\frac{\ln 2}{\kappa}. \]

В формулу периода полураспада не входит \(\sigma\). Волатильность определяет, насколько широко отдельные траектории отклоняются от условного ожидания, тогда как \(\kappa\) задает скорость ожидаемого затухания в этой модели. Исследование броуновского движения Уленбека и Орнштейна заложило классическую основу такого стохастического процесса; позднее Васичек использовал процесс типа OU для моделирования краткосрочной процентной ставки.

Если наблюдения разделены одинаковым интервалом \(\Delta\), точная дискретная выборка процесса OU имеет вид

\[ X_{t+\Delta}-\mu = \phi(X_t-\mu)+\eta_{t+\Delta}, \qquad \phi=e^{-\kappa\Delta}. \]

Для скалярной модели OU с \(\kappa>0\) выполняется \(0<\phi<1\). Период полураспада в числе наблюдений равен

\[ h_{1/2}=\frac{\ln(1/2)}{\ln(\phi)}, \]

а прошедшее календарное время получается умножением этого значения на \(\Delta\). Если оцененный коэффициент AR(1) равен нулю или отрицателен либо не меньше единицы, это простое преобразование в положительную скорость OU неприменимо. Вместо того чтобы подгонять интерпретацию под OU, возможно, потребуется другая модель динамики.

Ту же зависимость можно оценить в форме первых разностей: \(\Delta X_t=a+bX_{t-1}+\epsilon_t\). Для стационарного AR(1), где также выполняется \(0<1+b<1\), положите \(\phi=1+b\), \(\kappa=-\ln(\phi)/\Delta\); подразумеваемое долгосрочное среднее равно \(-a/b\), если \(b\ne0\). При преобразовании учитывайте интервал выборки: переход от дневных данных к недельным меняет временной масштаб коэффициента.

Шкала времени задается \(\Delta\). Для дневного ряда акций один шаг наблюдения обычно означает одну торговую сессию, а не 24 календарных часа; поэтому период полураспада в четыре наблюдения не следует автоматически называть четырьмя календарными днями, если промежуток включает выходные или биржевой праздник. Если длительность баров неодинакова, например при событийной выборке или выборке по объему, преобразование с постоянным интервалом может быть неприменимо. Укажите актив, расписание выборки и единицу результата: наблюдение, торговая сессия или прошедшее время. Даже четыре 15-минутных бара при наличии пробелов в данных не обязательно составляют ровно один час по настенным часам.

Предположим, что модель дневного спреда по равноотстоящим наблюдениям оценила \(\phi=0.84\). Это условное учебное число, а не актуальная оценка. Скорость возврата к среднему за день равна \(\kappa=-\ln(0.84)\approx0.1744\), поэтому

\[ h_{1/2}=\frac{\ln(0.5)}{\ln(0.84)}\approx3.98\text{ торгового дня}. \]

Через четыре дня ожидаемый разрыв составит \(0.84^4\approx0.498\) от исходного размера. Значит, при начальном отклонении в 100 базисных пунктов модель дает условное ожидание около 49.8 базисного пункта через четыре наблюдения — до учета неопределенности оценки или изменений процесса.

На рисунке плавно затухающее условное среднее отделено от выборочных траекторий, которые продолжают колебаться вокруг него. Это концептуальная иллюстрация, а не история цен и не утверждение, что любой спред следует модельному среднему.

Сначала определите \(X_t\). Остаток коинтеграционной регрессии, разница цен, спред логарифмов цен, сигнал с поправкой на волатильность и спред доходностей — разные ряды с разными единицами измерения и динамикой. Результат теста на коинтеграцию при заданных предпосылках может поддерживать стационарность линейной комбинации, но сам по себе не доказывает, что остаток следует процессу OU с постоянными параметрами.

До оценки затухания задайте частоту выборки, окно формирования, спецификацию среднего и структуру лагов. Обычный AR(1) может скрывать автокорреляцию, меняющуюся волатильность, скачки, внутридневные эффекты микроструктуры рынка или сдвиги режима. Проверьте остатки и стабильность параметров, а также укажите, зависит ли результат от конкретной выборки. Эмпирическое сравнение Чана, Кароли, Лонгстаффа и Сандерса показывает, почему свидетельства возврата к среднему могут быть слабыми и зависеть от модели даже для краткосрочных ставок.

Для торгового спреда оценивайте параметры только по данным, которые были доступны на каждую дату формирования. Повторная оценка спреда или среднего с использованием будущих наблюдений создает смещение заглядывания вперед. Если связь калибруется заново во времени, опишите расписание обновления и проверяйте всю процедуру на более поздних данных, а не считайте оцененный коэффициент известным заранее.

Преобразование \(\phi\) в период полураспада нелинейно. Когда \(\phi\) приближается к единице снизу, \(\ln(\phi)\) стремится к нулю, а подразумеваемый период полураспада быстро растет. Поэтому небольшое изменение оцененного коэффициента может сильно изменить полученное время. Например, условные оценки \(\phi=0.80\), \(0.84\) и \(0.88\) означают примерно 3.11, 3.98 и 5.42 наблюдения на один период полураспада.

Оценивайте неопределенность скорости или преобразованного периода полураспада методом, подходящим для конкретного оценивателя и выборки. Если доверительный интервал для \(\phi\) достигает единицы или пересекает ее, он может не подтверждать конечный положительный период полураспада стационарного OU-процесса. Не приводите только точечную оценку и не выбирайте самое быстрое на вид поведение из большого числа проверенных рядов без учета отбора. Вблизи единичного корня ошибка оценки может перевесить кажущуюся точность одного числа.

Для масштаба предположим, что условный 95%-й интервал для коэффициента дискретной модели равен \( [0.78,0.92] \). В стационарном диапазоне OU преобразованный период полураспада растет вместе с \(\phi\), поэтому интервал соответствует примерно 2.79–8.31 наблюдения, хотя точечная оценка \(0.84\) дает 3.98. Это иллюстрация, а не эмпирический результат. Если интервал коэффициента достигает единицы, верхняя граница периода полураспада может стать неограниченной; значения, равные единице или превышающие ее, вне области этого стационарного преобразования. Не отсекайте их ради искусственно конечного интервала. Метод оценки неопределенности должен учитывать серийную зависимость и оцененное построение спреда, а поиск по множеству пар или окон — этап отбора.

Период полураспада отслеживает условное ожидаемое расстояние до среднего. Время пересечения отвечает на вопрос, когда случайная траектория впервые достигнет уровня, например оцененного среднего или порога выхода. Распределение времени первого достижения зависит и от дрейфа, и от волатильности и может быть очень широким. В анализе оптимального статистического арбитража Уильям Бертрам рассматривает длительность сделки и доходность через расчеты времени первого достижения — это отдельная величина, а не экспоненциальная формула периода полураспада.

Торговой системе по-прежнему нужны явные правила входа и выхода, размер позиции, лимиты риска и действия при нарушении связи. Спред может сначала уйти дальше от среднего и может не вернуться в пределах нужного горизонта. Расчет ожидаемого затухания не задает стоп-уровень, не дает вероятность достижения цели прибыли раньше стопа и не оценивает доходность после комиссий.

В парной сделке обычно моделируют сконструированный спред, а не каждый актив по отдельности. На реализованную позицию влияют коэффициент хеджирования, валюта, поправки на корпоративные действия, финансирование, доступность займа и правила ребалансировки. Проверяйте, сохраняется ли долгосрочная связь спреда на хронологических валидационных интервалах: короткий оцененный период полураспада не исправит структурный сдвиг.

Учитывайте спред между ценами покупки и продажи, рыночное воздействие, комиссии, стоимость финансирования или займа, а также время исполнения обеих ног. Эти издержки возникают вдоль реализованной траектории, а не только за ожидаемый период полураспада. Поиск среди множества пар, окон наблюдения и частот выборки также может придать случайно короткой оценке незаслуженную надежность. Эмпирические результаты Чана и соавторов по моделям процентных ставок напоминают: знакомая форма возврата к среднему не гарантирует убедительных свидетельств на конкретных данных.

Модель OU помогает сформулировать гипотезу об ожидаемой динамике спреда. Работает ли торговое правило — отдельный эмпирический вопрос, зависящий от стабильности, неопределенности, исполнения и результатов вне выборки.

Приводите определение ряда, способ расчета цены или доходности, интервал выборки, окно наблюдений, оцененное среднее, параметр скорости и параметр волатильности. Уточните, задано ли уравнение OU в непрерывном времени или выведено из дискретной авторегрессии. Покажите оценку коэффициента и ее неопределенность, объясните преобразование в период полураспада и проверьте чувствительность к разумному альтернативному окну или интервалу выборки.

Для торгового применения также опишите построение спреда, обновление параметров, доступную на каждом решении информацию и учет транзакционных издержек и несостоявшегося схождения. Представляйте период полураспада как модельное обобщение ожидаемого затухания с указанием единиц и неопределенности. Не используйте его как самостоятельный сигнал входа или выхода либо как доказательство прибыльности.

В статье Уленбека и Орнштейна 1930 года о броуновском движении заложена основа рассматриваемого процесса возврата к среднему. Модель структуры процентных ставок Васичека90016-2) использует краткосрочную ставку типа OU. Чан, Кароли, Лонгстафф и Сандерс сравнивают спецификации краткосрочных ставок в непрерывном времени и показывают, что результаты зависят от выбора модели. Бертрам выводит результаты оптимального статистического арбитража с использованием времени первого достижения, показывая, что длительность сделки — отдельная величина. См. также материалы о коинтеграции и корреляции в парном трейдинге, единичных корнях и возврате к среднему и тесте коинтеграции Энгла—Грейнджера.