Stat Arbitrage Pairs Screener

Tool zum Finden stationärer synthetischer Paare.

Erscheinungsbild des Widgets.

Beschreibung des Modells

Die Prüfung der Assets auf Stationarität im Widget erfolgt mit dem erweiterten Dickey-Fuller-Test (ADF-Test).

Der erweiterte Dickey-Fuller-Test hat im Quasi-Arbitrage-, Paare- und Basket-Trading weite Verbreitung gefunden, um kointegrierte Paare zu finden.

tipp

Kointegration ist eine Eigenschaft, bei der eine Preisreihe, die aus mehreren nichtstationären Reihen in einem bestimmten Verhältnis besteht, stationär wird.

Betrachten wir die Kointegration an einem praktischen Beispiel.

BAT ist ein Ethereum-Token, der die blockchainbasierte digitale Werbeplattform Brave Software unterstützt. Internetnutzer, die mit dem kostenlosen Webbrowser Brave surfen (verfügbar auf Brave.com), können die Werbung, die sie sehen, durch Werbung aus dem Werbenetzwerk von Brave ersetzen. Die Nutzer erhalten dann BAT von den Werbetreibenden als Vergütung für ihre Aufmerksamkeit.

Quelle: Coinbase

Die Preisreihe von BAT ist nicht stationär.

BAT

Balancer (BAL) ist ein Ethereum-Token, der dem Balancer-Protokoll zugrunde liegt. Dieses Protokoll dient als automatisierter Market Maker, mit dem jeder Handelspools erstellen und ihnen Liquidität hinzufügen kann, wobei er anpassbare Handelsgebühren erhält. In Balancer-Pools können bis zu 8 Token enthalten sein. Für jeden Token lässt sich ein individuelles Gewicht festlegen, das auf nur 2 % der Gesamtsumme begrenzt werden kann.

Quelle: Coinbase

Die Preisreihe von BAL ist wie bei BAT nicht stationär.

BAL

Nimmt man jedoch den Korb BAT gegen BAL (BINANCE:BATUSDT/BINANCE:BALUSDT), zeigt die synthetische Reihe über einen bestimmten Zeitraum Eigenschaften der Stationarität.

BAT/BAL

Der Handel mit stationären Reihen hat eine Reihe von Vorteilen:

1. Vorhersagbarkeit:
   • Geringere Wahrscheinlichkeit plötzlicher Änderungen: Stationäre Assets haben über die Zeit stabile statistische Eigenschaften (Mittelwert, Varianz), wodurch ihre künftigen Werte besser vorhersagbar sind.
   • Historische Daten haben Gewicht: Da sich die Parameter im Zeitverlauf nicht ändern, lassen sich vergangene Daten zur Prognose künftiger Preise nutzen.
2. Vorhandensein einer bestimmten Struktur:
   • Rückkehr zum Mittelwert: Stationäre Assets neigen dazu, zu einem langfristigen Mittelwert zurückzukehren. So können Trader Strategien nutzen, die auf diesem Prinzip beruhen (zum Beispiel Paare-Trading).
   • Gewisse Autokorrelation: Stationäre Assets können Gesetzmäßigkeiten in den Preisänderungen zeigen, wodurch sich genauere Prognosemodelle aufbauen lassen.
3. Einfachheit der Modellierung und Analyse:
   • Weniger Komplexität bei der Modellschätzung: Für stationäre Assets lassen sich einfache Zeitreihenmodelle wie ARIMA (autoregressiver integrierter gleitender Durchschnitt) für Analyse und Prognose einsetzen.
   • Stabilität der Parameter: Die Parameter von Modellen, die auf stationären Daten aufbauen, bleiben über die Zeit stabil, was die Zuverlässigkeit und Genauigkeit der Prognosen erhöht.
4. Geringeres Risiko:
   • Kontrollierbare Risiken: Da stationäre Assets weniger extremen Schwankungen unterliegen, können Trader Risiken genauer einschätzen und steuern.
   • Geringere Volatilität: Stabile Volatilitätskennzahlen machen den Handel besser vorhersagbar und weniger stressig.
5. Möglichkeiten für Arbitrage-Strategien:
   • Kointegration: Bei Kointegration von zwei oder mehr stationären Assets können Trader eine Arbitrage-Strategie nutzen, um aus Preisungleichgewichten Gewinn zu ziehen.
   • Geringere Abhängigkeit von Trends: Stationäre Assets bieten mehr Möglichkeiten für den Handel auf Reversionen als in Trendmärkten, was die Handelsstrategien vielfältiger macht.
6. Erkennung saisonaler und zyklischer Veränderungen:
   • Mustererkennung: Der Einsatz stationärer Variablen hilft, Gesetzmäßigkeiten wie saisonale oder zyklische Veränderungen zu erkennen, was für die Entwicklung von Handelsstrategien nützlich sein kann.
7. Effektives Kapitalmanagement:
   • Bessere datenbasierte Entscheidungen: Dank der Vorhersagbarkeit und Stabilität stationärer Assets können Trader fundiertere Entscheidungen zum Kapitalmanagement und zur Positionsgestaltung treffen.

Insgesamt erlaubt der Handel mit stationären Assets den Tradern, die statistischen Eigenschaften von Zeitreihen zu nutzen, um vorhersagbare, steuerbare und weniger riskante Handelsstrategien zu entwickeln.

Beispiel für die einfachste Handelslogik einer synthetischen stationären Reihe.

Quasi-Arbitrage mit stationären Reihen sollte man jedoch nicht als den Heiligen Gral betrachten. Wie jede spekulative Tätigkeit ist statistische Arbitrage mit einer Reihe von Risiken und Aufgaben verbunden, die der Trader lösen muss.

1. Das erste Problem besteht in der Suche nach zusammenhängenden Assets. Befindet sich der Kryptomarkt zum Beispiel in einer Flat-Phase, lässt sich mit klassischen Kointegrationstests eine recht große Zahl zusammenhängender Assets finden. Beginnt Bitcoin jedoch eine Trendbewegung nach oben oder unten, zeigt sich sehr schnell, dass der Zusammenhang nicht so gut ist, und das Wort Hedge verliert zusammen mit dem Depotstand des Traders rasch an Bedeutung.
2. Daraus und nicht nur daraus ergibt sich das zweite Problem: den Bruch der Kointegration, also den Verlust des Zusammenhangs zwischen den Assets, rechtzeitig zu erkennen.
3. Das dritte Problem ist die Ermittlung des Durchschnittspreises, da es dafür viele Methoden gibt. Alle liefern unterschiedliche Ergebnisse.
4. Das vierte Problem ist die Suche nach dem Einstiegspunkt. In der Regel werden Standardabweichungen vom gewichteten fairen Preis verwendet. Die Abweichungen lassen sich jedoch auf unterschiedliche Weise berechnen.
5. Das fünfte Problem ist das Fehlen von Infrastruktur und Software, mit der sich Risiko- oder Gewinnlimits setzen lassen. Und überhaupt, um bequem zu handeln und Assets auszuwählen. Trotz dieser Probleme verschaffen aber selbst die einfachsten Oberflächen und der Handel in dieser Richtung einen klaren Vorteil gegenüber den meisten Tradern mit klassischem Ansatz.

Position des Widgets

Um das Tool „Pair screener“ zum Arbeitsbereich hinzuzufügen, klicken Sie zuerst auf die Schaltfläche „Widget menu“ in der Kopfzeile der Plattform. Klicken Sie dann im Abschnitt „Correlation“ auf die gleichnamige Schaltfläche.

Position des Widgets.

Funktionen des Tools

In der Tabelle werden angezeigt:

• Sigma – Anzahl der Standardabweichungen, um die das synthetische Paar von seinem Durchschnittspreis abgewichen ist.
• zScore – Z-Score-Bewertung der Preisreihe des synthetischen Paares.
• MA – Wert in Prozent, um den das synthetische Paar von seinem Durchschnittspreis abgewichen ist.

Funktionen des Widgets.