對交易的白人現實檢查
我想使用 Aronsons 書中基於證據的技術分析中描述的蒙地卡羅方法來測試給定的配對交易策略是否無用。第一步是隨機化基礎工具的回報。第二步是計算策略的每日對數回報作為績效衡量標準。
第一步：隨機化已經計算的利差是否足夠，或者是否需要隨機化基礎工具並重複對沖係數估計？
對於第二步：點差的對數回報不適合，因為點差可以有負值。那麼使用今天的點差減去昨天的點差可能會更好？
Aronson 的書中描述了兩種測試方法；懷特的現實檢驗和置換檢驗。兩者的核心是“位置向量”的概念，例如一系列 1、-1 或 0 的數字向量，它們對應於多頭、空頭或中性頭寸。例如，一個向量
[ 1 1 1 1 1 0 0 0 -1 -1 -1 -1 ]代表做多 5 天，退出市場 3 天，最後做空 4 天。這可以直接應用於一對交易，例如多頭股票 A，空頭股票 B 5 天，無頭寸 3 天，最後是空頭 A 和多頭 B 3 天。所討論的測試的蒙特卡羅方面本質上是該位置向量的n個隨機排列。
兩個檢驗的區別在於原假設抽樣分佈如何定義和創建對於兩者中較簡單的置換檢驗，空值是“規則”沒有預測能力，因此將隨機位置向量與“返回”相乘，得出“沒有預測能力返回”的分佈。在賬簿日誌中使用了回報，但可以使用任何回報；例如，在最小大小的貨幣對頭寸上每天賺取的美元，點差曲線的刻度值等。這將只是用於比較目的的測試統計，並且測試將比較蘋果與蘋果。
對於懷特的現實檢查，空值是“規則的回報”為零，因此必須對返迴向量進行去趨勢化，以使連續多頭或空頭頭寸在測試期間的回報為零。本書從每個每日日誌收益中減去平均每日日誌收益來實現這一點，因為日誌收益是選擇的測試統計量。然而，如果選擇了另一個測試統計，也必須以適當的方式去趨勢化，例如從相同大小頭寸的每個單獨的每日美元回報中減去最小大小對頭寸每天賺取的平均美元。
因此，應用書中的標準測試似乎非常簡單：
i) 創建你的位置向量
ii）創建您選擇的測試統計返迴向量（必要時去除趨勢）
iii) 應用測試
然而，寫完所有這些，我認為配對交易更相關的問題是數據探勘偏差，其中股票 A 和股票 B 的搜尋過程應該接受測試，而不是在 A 和 B 之後在上述框架中測試 A 和 B B 已被選中。
你可能會發現瀏覽我的數據窺探 Github很有趣，它有與這個一般領域相關的程式碼和各種下載的論文。
我不熟悉你提到的書，所以這可能沒有幫助或相關。但是你的問題的措辭對我來說很奇怪。
配對交易的數量吸引力是通過分析股票的歷史時間序列來確定的。隨機化股票價格或點差也會隨機化時間順序，這使我所知道的任何分析配對交易的方法都無效。所以我不確定這應該證明什麼。
此外，股票價格的自然對數經常用於評估配對交易的過程中，取價差的對數是沒有意義的。