The PnL Drivers of the Long-Short Trading Strategies

Abstract

Este trabajo es un estudio sobre las estrategias de trading por pares, la aplicación de una estrategia determinada y el análisis de su rendimiento. Este trabajo mejora el rendimiento de una estrategia de trading por pares basada en la cointegración mediante el perfeccionamiento de su aplicación y la ampliación de su universo de activos. Este perfeccionamiento se realiza en dos dimensiones. En la dimensión de la eficiencia computacional, que permite realizar el backtesting con menos tiempo y memoria, y en la dimensión de la precisión financiera, que traduce con mayor exactitud los principios financieros subyacentes al código. Mediante este detallado backtesting, se analizan por separado el rendimiento global de la estrategia y sus patas largas y cortas, y se comparan con el mercado y con un benchmark basado en la cointegración de Johansen. La estrategia muestra una rentabilidad ajustada al riesgo muy sólida en comparación con ambos benchmarks, con una beta negativa baja respecto al mercado. Los factores que impulsan su rendimiento se analizan mediante un modelo de cinco factores que amplía el modelo de cuatro factores de Carhart con la prima de volatilidad idiosincrásica de la renta variable, y se observa que están impulsados principalmente por el factor de tamaño y esta prima. Una regresión secundaria realizada sobre los rendimientos anormales de esta primera regresión identifica una alta capitalización de mercado, una alta rentabilidad según el ROC, y una alta valoración según el BTM y el EV EBITDA de sus activos como otros factores clave del rendimiento.

This work is a study on pairs trading strategies, the implementation of a given strategy and the analysis of its performance. This work improves the performance of a cointegration-based pairs trading strategy by refining its implementation and expanding its asset universe. This refinement is done along two dimensions. Along the dimension of computational efficiency, making it possible to perform the backtesting with less time and memory, and along the dimension of financial accuracy, by more accurately translating the underlying financial principles into the code. Through this detailed backtesting, the strategy’s overall performance and long and short legs are analyzed separately and compared to the market and a Johansen cointegration based benchmark. The strategy demonstrates very strong risk-adjusted performance compared to both benchmarks, with low negative beta to the market. Its performance drivers are analyzed through a five factor model which expands the Carhart four factor model with the Idiosyncratic Equity Volatility Premium, and it is found to be driven primarily by the size factor and the Idiosyncratic Equity Volatility Premium. A secondary regression performed on the abnormal returns of this first regression identifies high market capitalization, high profitability as per the ROC, and high valuation as per the BTM and EV EBITDA of its traded assets as other key performance drivers.