Торговля на отклонениях: почему мы вернулись к тесту Дики-Фуллера (ADF)

Вот важная новость с фронта ИИ: LehausIT 21 минуту назад Торговля на отклонениях: почему мы вернулись к тесту Дики-Фуллера (ADF) 8 мин 646 Финансы в IT Python * Математика * Алгоритмы * Криптовалюты Как бы мы ни пытались отказаться от этого инструмента в поисках более изящных алгоритмических решений, каждый раз мы к нему возвращаемся. В прошлой статье про Гамма-флип я вскользь касался механики работы с отклонениями (Mean Reversion), но не раскрыл тему до конца. К тому же, в комментариях справедливо заметили, что текст вышел перегруженным терминологией, применимой скорее к американскому опционному рынку.

В этой статье мы углубимся в стохастический анализ и рассмотрим методы определения стационарности временных рядов в реальном времени. Разберем математический аппарат расширенного теста Дики-Фуллера (ADF), причины его интеграции в ядро нашей торговой системы и особенности реализации на Python при работе с большими массивами данных. Проблема двух режимовРазработка алгоритмических торговых стратегий неизбежно сталкивается с фундаментальной проблемой архитектуры рынка.

Технические детали

Ценовые ряды нелинейны и попеременно находятся в двух базовых состояниях:Флэт (консолидация): цена колеблется в определенном диапазоне, демонстрируя тенденцию к возврату к среднему значению. Тренд: направленное движение цены, при котором происходит смещение математического ожидания без существенных откатов. Если алгоритм, эксплуатирующий возврат к средней (Mean Reversion), работает во время флэта, он показывает стабильный рост PnL.

Однако при переходе рынка в фазу направленного тренда такие стратегии начинают накапливать убыток, пытаясь усреднять позицию против движения. Классический подход к фильтрации трендов с помощью технических осцилляторов (RSI, MACD) имеет критический недостаток - фатальное запаздывание. Они констатируют факт тренда постфактум, опираясь на сглаженные исторические данные.

Нам требуется математически строгое обоснование текущего состояния ценового ряда. Необходимо понимать, обладает ли рынок прямо сейчас статистической «памятью» (возвратом к среднему), или эта структура нарушена. В математической статистике это свойство называется стационарностью.

Отраслевые последствия

Математический смысл стационарности и ADF-тестВременной ряд считается слабо стационарным (ковариационно стационарным), если его математическое ожидание и дисперсия остаются неизменными во времени, а ковариация зависит только от величины лага, но не от самого времени. Если ценовой ряд актива стационарен, любые отклонения, вызванные микроструктурными шоками или локальным дисбалансом ликвидности, со временем компенсируются. Если ряд нестационарен (например, является процессом случайного блуждания, ), дисперсия растет пропорционально времени, возврат к исходному уровню не гарантирован, и модель Mean Reversion неприменима.

Для выявления стационарности мы применяем Расширенный тест Дики-Фуллера (Augmented Dickey-Fuller, ADF). Суть метода сводится к проверке нулевой гипотезы () о наличии единичного корня в авторегрессионной модели.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.