Arbitraje estadístico en terna de activos con redes neuronales

Abstract

Proponemos medir la posibilidad de realizar arbitraje estadístico con tres activos empleando una original estructura de red neuronal entrenada con tres series de precios. Las predicciones representan al valor de precios sintéticos producto de una combinación lineal entre un par de ellos que replican al otro en la terna. Las tres series de precios sintéticas resultantes representan un sistema de equilibrio. Encontrado el sistema de equilibrio, cada precio observado sería comparado con el del precio sintético que lo representa. Para obtener ganancias proponemos vender un activo si este presenta un precio estadísticamente mayor al sintético. Con el monto vendido compramos una cartera formada por los otros dos activos. Por otro lado, si un activo presenta un precio menor a su esperado compraremos el mismo con lo obtenido de vender a los otros dos. La estrategia concluye cuando los tres activos revierten a su situación histórica de equilibrio, momento en el que los activos comprados presentarán mayor rendimiento que los vendidos. La hipótesis de la tesis es que se obtendrían sistemáticamente excesos de retornos sólo si las ternas revierten a un equilibrio. El objetivo principal de la tesis es sistematizar un método que mida el potencial que presenta una terna de precios para explotar oportunidades de arbitraje estadístico. Para determinar la validez del método, proponemos realizar diferentes pruebas con ternas de activos simulados con y sin reversión a un equilibrio. Los resultados evidencian que el método diferencia las características de cada grupo. Cuando observa datos que revierten a un equilibrio, detecta las oportunidades de ganancias. De esta forma, formalizamos una técnica para encontrar un sistema de equilibrio, emitir alarmas cuando en los precios se observen discrepancias y explotarlas a los fines de obtener mayores ganancias.