Statistical arbitrage with fuzzy logic


Thesis Type: Doctorate

Institution Of The Thesis: Marmara Üniversitesi, Turkey

Approval Date: 2019

Thesis Language: English

Student: Mehmet Bayram

Co-Supervisor: SEROL BULKAN, Serol Bulkan

Abstract:

Modern altyapıya sahip borsaların varoluşundan bugüne, piyasa aktörlerinin en önemli hedeflerinden bir tanesi hisse senedi piyasalarının fiyat hareketlerini öngörmek olmuştur. Fiyatlandırma, bir araştırma alanı olarak incelendiğinde, oldukça özel ve görece dar bir alandır ve günümüze kadar finans uzmanları, ekonomistler, matematikçiler ve son yıllarda mühendisler tarafından incelenmiştir. Hisse senedi fiyatlarının martingale oldukları varsayılır. Bu nedenle öngörüde bulunmak güçtür. Market nötral olmayı hedefleyen istatistiksel arbitraj stratejileri, çeşitli istatistiksel teknikler kullanarak bu öngörülemez olma problemini çözmeye gayret ederler. Bu usullerden bir tanesi de görece fiyat yaklaşımıdır. Bu tezde, istatistiksel arbitraj alanında ilk olarak bulanık mantık ile karar verme sistemi kurularak, önerilen algoritma gerçek piyasa fiyatları ile test edilmiştir. Hisse senedi piyasaları, doğaları gereği karmaşık ve bulanık bir yapıya sahiptirler. Önerilen strateji, klasik modellerin tespitinde güçlük çekebileceği ve bu nedenle kaçırabilecekleri fırsatları yakalamakta, ve potansiyel olarak daha düşük getiri sağlayabilecek fırsatlarda ise işlem maliyetlerinden kaçınmak için çekimser kalmaktadır. Bu alanda ilk çalışma olarak nitelendirilebilecek bu tezin amaçlanan katkısı önerilen bulanık mantık temelli stratejinin, piyasa verileri ve uzman görüşlerini linguistik girdiler olarak kullanarak, halihazırda piyasalarda kabul görmüş ve yaygın kullanılan istatistiksel arbitraj stratejilerinden üstünlüğünü gözlemlemektir. Sayısal sonuçların sunulmasının ardından sonuç bölümünde de tartışıldığı üzere, piyasa genelinde kullanılan stratejinin üzerinde performans gösterdiği görülmüştür. -------------------- Since the introduction of modern stock markets, main endeavor of the market actors had been predicting the future price movements in the stock markets. The domain of stock pricing, being quite specific and relatively narrow, had been explored mainly by finance experts, economists, mathematicians and finally, engineers. Stock prices are assumed to be martingales. Therefore, prediction is a hard task. Statistical arbitrage strategies, which aim to be market neutral, attempts to resolve the unpredictability and yield returns employing several statistical techniques one of which is the idea of relative pricing. In this thesis, a new approach to the domain of statistical arbitrage with a fuzzy inference is constructed via proposed algorithm and tested with real market price data. Stock markets are good candidates for fuzzy decision-making due to the inherent vague and complex structure they have. The proposed strategy takes advantage of the arbitrage opportunities that the classical models may miss to acquire, or stand back for the potentially low-profit opportunities to avoid transaction costs, namely make the optimal decision to open and wind out respective positions. The first in its domain, in this thesis main contribution aimed to be reached was observing superiority of the proposed fuzzy methodology, using market data and expert recommendations as linguistic inputs, to the existing classical statistical arbitrage strategies based on the historical spread measure. As discussed in the end of the thesis following empirical results of the simulated case study, enhancement on the performance of the market-wide accepted method is reported.