Trend-following er en av de eldste investeringsmetodene. Merket som teknisk analyse, trenden fulgte stort sett unforsket av akademikere. Forskning i tverrsnittsmoment eksploderte etter at Narasimhan Jegadeesh og Sheridan Titman publiserte sin seminal 1992-studie, men tids-seriens momentum forblir i stor grad ignorert til etter 2008 Prisbaserte trend-teknikker, som å flytte gjennomsnittlige systemer, holdt seg skilt fra returbaserte tidsseriemomentteknikker. Ny forskning viser at bevegelige gjennomsnittssystemer og tidsseriemoment er matematisk koblede teknikker. I 1838 publiserte James Grant The Great Metropolis, bind 2. Innen snakket han om David Ricardo, en engelsk politisk økonom som var aktiv i London-markedene i på slutten av 1700-tallet og tidlig på 1800-tallet. Ricardo samlet en stor formuehandel både obligasjoner og aksjer. Ifølge Grant ble Ricardos suksess tilskrevet tre gyldne regler: Som jeg har nevnt navnet på Ricardo, kan jeg observere at han samlet sin enorme formue med en omhyggelig oppmerksomhet til det han kalte sine egne tre gyldne regler, overholdelse av som han pleide å trykke på sine private venner. Disse var, Aldri nekte et alternativ når du kan få det, Klipp kort dine tap, La fortjenesten gå på. Ved å kutte korte tap, mente Ricardo at når et medlem hadde kjøpt aksjer, og prisene falt, burde han videreselge umiddelbart. Og ved å la den fortjeneste løpe, mente han at når et medlem hadde aksjer og prisene økte, burde han ikke selge før prisene hadde nådd sitt høyeste, og begynte igjen å falle. Disse er faktisk gyldne regler, og kan brukes til fordel for utallige andre transaksjoner enn de som er knyttet til børsen. Kutt kort dine tap og la fortjenesten gå på ble kjernebegrepene i trend-følgende. Andre fremtredende tidlige trender følger med: Charles H. Dow, grunnlegger og første redaktør i Wall Street Journal, samt medstifter av Dow Jones og Company Jesse Livermore, som er sitert av Edwin Lefvre som sagt, de store pengene var ikke i de enkelte svingninger, men i hovedbevegelsene. sizing opp hele markedet og dens trend. Richard Wyckoff, hvis metode involverte å gå inn i lange stillinger bare da markedet var trending opp og shorting da markedet var trending ned. Det var til og med en tidlig akademisk studie av trend-følge utført av Alfred Cowles III og Herbert Jones i 1933. I studien, med tittelen Noen A Posteriori Sannsynligheter i Stock Market Action. De fokuserer på å telle antall sekvenser når positiv avkastning ble fulgt av positiv avkastning, eller negativ avkastning ble fulgt av negativ avkastning til reverseringstider når positiv avkastning følges av negativ avkastning og omvendt. Cowles og Jones evaluerte forholdet mellom disse sekvensene og reverseringer i aksjekurser over perioder på 20 minutter til 3 år. Resultatene deres: Det ble funnet at for hver serie med intervaller mellom observasjoner fra 20 minutter til og med 3 år, var sekvensene utallige reverseringene. For eksempel i tilfelle av månedsserien fra 1835 til 1935, totalt 1200 observasjoner, var det 748 sekvenser og 450 reverseringer. Det var så sannsynligheten at .625 at hvis markedet hadde steget i en gitt måned, ville det stige i den kommende måneden, eller hvis den hadde falt, at den ville fortsette å avta i en annen måned. Standardavviket for en så lang serie konstruert av tilfeldig ørekastning ville være 17,3 Derfor er avviket på 149 fra den forventede verdien på 599 over 8 ganger standardavviket. Sannsynligheten for å oppnå et slikt resultat i en penny-tossing-serie er uendelig. Til tross for lovende empiriske og teoretiske resultater for trenden følger, ville de neste faglige studiene ikke komme til nesten et århundre senere. I 1934 publiserte Benjamin Graham og David Dodd Security Analysis. Senere, i 1949, publiserte de The Intelligent Investor. I disse viktige tomene skisserer de deres metoder for vellykket investering. Graham og Dodds-metoden fokuserer på å vurdere økonomien til den underliggende virksomheten. Målet var å identifisere en selskaps egenverdi og kjøpe aksjer da markedet tilbød en betydelig rabatt på den verdien. For Graham og Dodd var alt annet bare spekulasjon. Graham og Dodd ga grunnleggende investorer og verdsatt investorer sin bibel. Alt, det var ikke grunnleggende å investere, var teknisk analyse. Og siden trenden fulgte bare ved å vurdere tidligere priser, ble det merket teknisk analyse. Dessverre avviste akademikere i stor grad teknisk analyse gjennom 1900-tallet. Dette skyldes sannsynligvis at det var vanskelig å studere og teste. Utøvere følger et stort antall forskjellige teknikker. Noen ganger kan disse forskjellige teknikkene føre til motstridende spådommer mellom teknikere. Men i 1993 publiserte Narasimhan Jegadeesh og Sheridan Titman Returns to Buying Winners og selger tapere: Implikasjoner for aksjemarkedseffektivitet. I deres papir skisserte de en investeringsstrategi som kjøpte aksjer som hadde overgått sine jevnaldrende og solgte aksjer som hadde underprestert. Jegadeesh og Titman kalte sin tilnærming relativ styrke et begrep som hadde vært lenge brukt av teknikere. Nå kalles det noen ganger tverrsnittsmoment. relativ momentum, eller ofte bare momentum. Denne enkle metoden skissert av Jegadeesh og Titman skaper statistisk signifikant positiv avkastning som ikke kunne forklares av vanlige risikofaktorer. Dette papiret førte inn i en tid med momentforskning, med akademikere å utforske hvordan teknikken gikk over geografiske områder, tidsrammer og aktivaklasser. Resultatene var at momentet var overraskende robust. Til tross for suksessen til relativ styrke. interessen for sin nære kusin trend-følge var fortsatt ingensteds å bli funnet. Frem til finanskrisen i 2008. Teknisk sett ble en av de mest populære forskningsdokumentene om trend-Mebane Fabers A Quantitative Approach til Tactical Asset Allocation publisert i 2006. Men størstedelen av interesse fra akademikere skjedde etter 2008. Vi tilskriver denne interessen til trend-followings risikoreduserende egenskaper. Studiene faller vanligvis inn i to leire. I den første leiren var studiet av trend-følge, som pleide å følge enkle mekaniske systemer, som å flytte gjennomsnitt. Faber (2006) falt i denne leiren ved hjelp av en 10 måneders glidende gjennomsnittsovergang. Det er flere variasjoner av disse systemene. For eksempel kan man bruke krysset over prisen over det bevegelige gjennomsnittet som et signal. En annen kan bruke korset av et kortere glidende gjennomsnitt over en lengre periode. Til slutt kan noen til og med bruke retningsendringer i det bevegelige gjennomsnittet som signalet. Andre hadde en tendens til å fokusere på det som skulle bli kjent som tidsseriemoment. I tidsseriemomentet genereres handelssignalet når den totale avkastningen over en gitt periode krysser over nulllinjen. En av de mest fremtredende studiene for tidsseriemomentet var Moskowitz, Ooi og Pedersen (2011), som viste at avviket var signifikant i 58 likviditetsindekser, valuta, råvare og obligasjons futures. Trend-påfølgende bevegelige gjennomsnittlige regler ble fortsatt ansett som tekniske handelsregler i forhold til den kvantitative tilnærmingen til tidsseriemomentet. Kanskje den største forskjellen er at den trend-følgende leiren har en tendens til å fokusere på teknikker som bruker priser mens momentumleiren fokuserer på avkastning. Imidlertid viser forskning i løpet av det siste halve tiåret faktisk at de er matematisk relaterte strategier. Bruder-, Dao-, Richard - og Roncallis 2011 Trendfiltreringsmetoder for Momentum Strategies Forenklede gjennombruddsstrategier og tidsserie-momentum ved å vise at kryssoverføringer var egentlig bare et alternativ vektingssystem for retur i tidsseriemomentet. For å sitere, danner vekten av hver retur en trekant, og den største vektingen er gitt i horisonten av det minste bevegelige gjennomsnittet. Derfor, avhengig av horisonten n 2 av det korteste glidende gjennomsnittet, kan indikatoren fokuseres mot den nåværende trenden (hvis n 2 er liten) eller mot tidligere trender (hvis n 2 er så stor som n 1 2 for eksempel). I Marshall, Nguyen og Visaltanachotis Time-Series Momentum versus Moving Average Trading Rules. utgitt i 2012, vises tidsseriemomentet for å være relatert til endringer i retning av et bevegelige gjennomsnitt. Faktisk vil tidsseriemomentalsignaler ikke forekomme før den bevegelige gjennomsnittlige endringsretningen. Derfor er det sannsynlig at bevegelige gjennomsnittlige regler som er avhengig av prisovergang, beveger gjennomsnittet, oppstår før en endring i signal fra tidsseriemomentet. I likhet med Bruder, Dao, Richard og Roncalli, Levine og Pedersen viser at tidsseriemomentet og de bevegelige gjennomsnittsoverskridelsene er svært relaterte i deres 2015-papir Hvilken trend er din venn. De finner også at tidsseriemomentet og overgangsstrategier med gjennomsnittlig overføring utfører tilsvarende på 58 likvide futures og terminkontrakter. Beekhuizen og Hallerbach lenker også flytteverdier med avkastning i sine 2015-papir, Uncovering Trend Rules, men undersøker videre trendreglene med hoppeperioder og den populære MACD-konvensjonen. Ved hjelp av den underforståtte lenken av bevegelige gjennomsnittsverdier og avkastninger, viser de at MACD er like mye trend som det er gjennomsiktig reversering. Disse studiene er viktige fordi de bidrar til å validere tilnærmingen til prisbaserte systemer. Å være matematisk knyttet, kan tekniske tilnærminger som glidende gjennomsnitt nå knyttes til samme teoretiske grunnlag som den voksende arbeidsformen i tidsseriemomentet. Markedsutøvere har lenge holdt fast at trenden er at vennen din og faglitteraturen endelig har begynt å bli enige. Men kanskje viktigst, nå vet vi at det ikke betyr noe om du bruker den tekniske tilnærmingen ved å bruke bevegelige gjennomsnitt eller kvantitativ tilnærming til måling av avkastning. På slutten av dagen, de er mer eller mindre det samme. Corey er medstifter og Chief Investment Officer i Newfound Research, en kvantitativ eiendomsforvalter som tilbyr en rekke separate administrerte kontoer og verdipapirfond. På Newfound er Corey ansvarlig for porteføljestyring, investeringsforskning, strategiutvikling og kommunikasjon av bedriftens syn på klienter. Før du tilbyr eiendomsadministrasjonstjenester, har Newfound lisensiert forskning fra de kvantitative investeringsmodellene utviklet av Corey. På toppen bidro denne forskningen til å styre taktiske tildelingsbeslutninger på opptil 10 mrd. Corey er en hyppig høyttaler på industripaneler og bidrar til ETF, ETF Trends og Forbess Great Speculations blog. Han ble kåret til ETF All Star i 2014 av ETF. Corey har en Master of Science i Computational Finance fra Carnegie Mellon University og en Bachelor of Science i datavitenskap, cum laude, fra Cornell University. Du kan koble til Corey på LinkedIn eller Twitter. Om Newfound Grunnlagt i august 2008, er Newfound Research et kvantitativt kapitalforvaltningsselskap basert på Boston, MA. Investering i krysset mellom kvantitativ og atferdsfinansiering, er Newfound Research dedikert til å hjelpe kundene med å nå sine langsiktige mål med forskningsdrevne, kvantitativt forvaltede porteføljer, samtidig som man anerkjenner at reisekvaliteten er like viktig som destinasjonen. Du kan lære mer om våre eiendomsadministrasjonstjenester her. Siste innlegg Visualisering av angsten av aktive strategier Misattributing dårlig oppførsel 27. februar 2017 Krise Alpha: En enkel ETF-tilnærming 21. februar 2017 Dekomponering av egenkapitalavkastning 13. februar 2017 Anatomi av et oksekjøttmarked 13. februar 2017 Investering i skjæringspunktet mellom kvantitative og atferdsmessige finans, er Newfound Research dedikert til å hjelpe kundene med å nå sine langsiktige mål med forskningsdrevne, kvantitativt forvaltede porteføljer, samtidig som de anerkjenner at reisekvaliteten er like viktig som destinasjonen. Tidsserien Momentum versus Moving Average Trading Regler Massey University - Institutt for økonomi og finans Dato skrevet: 22. desember 2014 Tidsserie momentum (TSMOM) og glidende gjennomsnittlig (MA) handelsregler er nært beslektet, men det er viktige forskjeller. TSMOM-signaler forekommer på punkter som sammenfaller med en MA-retningsendring, mens MA-kjøpssalgssignaler bare krever at prisen flyttes over (under) en MA. Våre empiriske resultater viser at MA-regler ofte gir tidligere signaler som fører til meningsfylte avkastningsgevinster. Begge reglene fungerer best utenfor store aksjeserier som kan forklare puslespillet deres popularitet med investorer, men mangel på støttende bevis i akademiske studier. JEL-klassifisering: Teknisk analyse, tidsseriemoment, glidende gjennomsnitt, returforutsigbarhet. Foreslått henvisning: Foreslått referanse Marshall, Ben R. og Nguyen, Nhut H. og Visaltanachoti, Nuttawat, Time Series Momentum versus Moving Average Trading Rules (22. desember, 2014). Tilgjengelig på SSRN: ssrnabstract2225551 eller dx. doi. org10.2139ssrn.2225551 Massey University - School of Economics and Finance (e-post) Private Bag 11-222 Palmerston North, 30974 New Zealand 64 6 350 5799 (Telefon) 64 6 350 5651 ) Dual Momentum TM Fordelene med momentuminvestering blir mer kjent, det er naturlig nok mer forskning som gjøres for å utforske sitt potensial. En del av den forskningen, som Moskowitz, Ooi og Pedersen papir Time Series Momentum, har vært utmerket. Vi foretrekker å påpeke og diskutere positive ting som det, men siden dette er en blogg om momentum, føler vi oss forpliktet til å snakke om momentumprodukter og forskning som kan være litt utenfor basen (Se Her kommer Market Neutral Momentum8230sort of). Ved utgangen av fjoråret utstedte Keller og van Putten et papir med navnet Generalized Momentum og Flexible Asset Allocation. Forfatterne brukte absolutt og relativ momentum til de tre øverste av 7 aktivaene ved å bruke data fra 1998 til 2012. De utviklet sine parametere på 8 års data fra 2005 til 2012, og indikerer at de validerte resultatene sine på 7 års tilleggsdata fra 1998 til 2004.De kaller dette en utvalgt validering, men de nevner andre steder i deres papir at de bestemte utseendetiden og antall midler til å investere i ved å se på et lengre spekter av data som inkluderer hele perioden 1998-2012 . For å dele en beskjeden mengde data i halvparten og ringe en del av det, er en test uten prøving ikke korrekt. Data snooping bias og modell over-montering er også vanlig praksis blant utøvere. Med hensyn til resultatene er åtte års data en svært liten prøvestørrelse for å bestemme investeringsmodellparametere. Resultatene deres på 7 år med data kan se anstendig fordi momentet er så robust at de fleste parametere over et bestemt område går ut OK. Imidlertid kan tilbakestesting på åtte års data ikke gi hva som egentlig er de beste parameterverdiene. Andre steder kan forfatterens papir være ganske forvirrende. Her er et eksempel, Noen ganger blir vår relative momentum kalt relativ styrke (RS, se Faber 2010) eller tidsserie momentum (se Thomas 2012). Vi vil også bruke termens returmoment for å bedre kontrast med volatilitet og korrelasjonsmoment. Tidsserie momentum er forskjellig fra relativ momentum (Se mitt innlegg Whatchmacallit). Videre, hva de kaller volatilitet og korrelasjonsmoment har ingenting å gjøre med momentum. Momentum handler om å velge eiendeler basert på utholdenhet i ytelsen, enten mot sine jevnaldrende (relative momentum) eller mot seg selv over tid (absolutt momentum). Dette gir ingen mening med hensyn til volatilitet eller korrelasjon. Forfatterne bruker faktisk volatilitet og korrelasjon som rangeringsfaktorer. De gjør det samme med retur, men etter at de velger dem ved hjelp av relativ og absolutt momentum. Forfatterne ende opp med å rangere eiendeler ved hjelp av vilkårlig vekt på henholdsvis 1,0, 0,5 og 0,5 for returmoment, volatilitet og korrelasjon. De forklarer ikke hvordan de kom opp med disse vektene. Jeg vil være forsiktig med å bruke informasjonen i dette papiret uten å gjøre betydelig mer analyse og tilbakestesting. Time Series Momentum Versus Moving Gjennomsnittlig Trading Rules, av Marshall, Nguyen, og Visaltanachoti er et akademisk papir som forsøker å avgjøre om langsiktige momentum trading regler slå sammenlignbare bevegelige gjennomsnittlige handelsregler. De gjør dette ved å sammenligne absolutt momentum (som de kaller tidsseriemoment) til sammenlignbare (i henhold til dem) flytte gjennomsnitt av størrelsesbaserte kvintiler av amerikanske aksjer ved bruk av 10, 50, 100 og 200 handelsdagers utseende. De har tillit til sine sammenligninger fordi deres korrelasjoner mellom momentum og flytende gjennomsnittlig avkastning generelt overskrider .8. Dette kan imidlertid ha noe å gjøre med bruk av daglig, i stedet for månedlig, returdata. Siden momentum er en mellomliggende anomali, studerer de fleste forskere ved å bruke månedlig avkastning. Vi får korrelasjoner som spenner fra .45 til .47 når vi sammenligner 12 måneders absolutt momentum månedlig avkastning til en rekkevidde på 4 til 32 måneders flytende gjennomsnittlig månedlig avkastning på det amerikanske aksjemarkedet de siste 38 årene. Vi bruker en rekke bevegelige gjennomsnittslengder fordi man ikke bare kan bruke samme tilbaketrukket periode for momentum og glidende gjennomsnitt og forventer sammenlignbare resultater. Forfatterne hint på dette selv når de sier at glidende gjennomsnitt går inn og ut av aksjer før. Deres papir identifiserer også gjennomsnittlige holdingsperioder for returintervaller på 10, 50, 100 og 200 handelsdager som 8, 22, 31 og 47 dager for å flytte gjennomsnittlige regler og 10, 32, 46 og 83 dager for momentumregler. Raskere oppføringer og utganger med bevegelige gjennomsnitt betyr at lengdene deres skal være lengre dersom man forventer at ytelsen tilsvarer ytelsen til absolutt momentum. Å velge samme utseende periode gjør ikke absolutt momentum og bevegelige gjennomsnitt er sammenlignbare. En gammel investeringskonsept er at glidende gjennomsnitt bør tegnes halvparten av deres lengde bak gjeldende pris på et lagerdiagram. En halvtidsforsinkelse betyr at tilbaketrukket perioden for et bevegelige gjennomsnitt vil være dobbelt så lang som tilbaketrekningsperioden for momentum for at de to skal være omtrent sammenlignbare. Det følgende diagrammet skal gjøre dette klart. Lar oss måle absolutt momentum fra midtpunktet til denne linjen ved 30 til sluttpunktet ved 50. Absolut momentum måler forskjellen mellom start - og sluttverdien, som i dette tilfellet er 20. Den beregnede glidende gjennomsnittsverdien fra begynnelsen av 30 til slutten av 50 er 40. Forskjellen mellom den bevegelige gjennomsnittsverdien på 40 og sluttverdien på 50 er bare 10, hvilket indikerer en svakere trend enn det ble identifisert ved hjelp av absolutt momentum. Hvis vi imidlertid begynner vårt bevegelige gjennomsnitt to ganger så langt tilbake til punktet 10, blir den beregnede glidende gjennomsnittsverdien 30 i stedet for 40, og forskjellen mellom den og sluttverdien er nå 20, det samme som med absolutt momentum. Tallene trener ikke alltid akkurat slik. Tilsvarende glidende gjennomsnittlig tilbaketrukket periode avhenger av prishandlingen langs lengden på det bevegelige gjennomsnittet. Det er imidlertid trygt å si at ved å bruke to ganger den absolutte momentum-kollisjonstiden, får vi en bedre, tilsvarende, glidende gjennomsnittlig lengde. Vi ser det i panel D fra tabell 2 i papiret: Tidsserier Momentum og teknisk analyse Ytelse og sammenligning Q1 (liten) Q2 Q3 Q4 Q5 (stor) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Panel D: Sharpe-forhold 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Lagrene er i størrelse kvintiler fra Q1 (liten) til Q5 (stor). Look-back perioder fra 10 til 200 dager er i første kolonne. Leser på tvers av radene, er Sharpe-tallene for å flytte gjennomsnittlige (MA) og absolutte momentum (TSMOM) strategier med samme tilbaketrukne periode. Vi ser at, med unntak av Q5 (stor), hvis vi skifter MA-strategiene opp ett nivå slik at deres tilbakevirkningsperioder er dobbelt så lange (eller lengre når de går fra 50 til 10) som TSMOM-tilbakevirkningsperioder, få en nesten nøyaktig kamp av Sharpe-tallene. Basert på bruk av slike skiftede tilbaketrukket perioder som gjør MA og TSMOM strategier omtrent likeverdige, kan man ikke lenger si at porteføljestimuleringsregler basert på glidende gjennomsnitt klart overgår de absolutte momentummodellene. For å sammenligne absolutt momentum med å flytte gjennomsnittlige handelsregler, bør man undersøke en rekke verdier for hver. Vi gjorde dette og fant ut at de mest effektive momentumparametrene som ble brukt på forskjellige eiendeler og forskjellige tidsperioder, har mindre spredning enn de beste resultatene i gjennomsnitt. Parametrene for momentum. Da fordelene med momentuminvestering blir mer kjent, er det naturlig nok mer forskning å være gjort for å utforske sitt potensial. En del av den forskningen, som Moskowitz, Ooi og Pedersen papir Time Series Momentum, har vært utmerket. Vi foretrekker å påpeke og diskutere positive ting som det, men siden dette er en blogg om momentum, føler vi oss forpliktet til å snakke om momentumprodukter og forskning som kan være litt utenfor basen (Se Her kommer Market Neutral Momentum8230sort of). Ved utgangen av fjoråret utstedte Keller og van Putten et papir med navnet Generalized Momentum og Flexible Asset Allocation. Forfatterne brukte absolutt og relativ momentum til de tre øverste av 7 aktivaene ved å bruke data fra 1998 til 2012. De utviklet sine parametere på 8 års data fra 2005 til 2012, og indikerer at de validerte resultatene sine på 7 års tilleggsdata fra 1998 til 2004.De kaller dette en utvalgt validering, men de nevner andre steder i deres papir at de bestemte utseendetiden og antall midler til å investere i ved å se på et lengre spekter av data som inkluderer hele perioden 1998-2012 . For å dele en beskjeden mengde data i halvparten og ringe en del av det, er en test uten prøving ikke korrekt. Data snooping bias og modell over-montering er også vanlig praksis blant utøvere. Med hensyn til resultatene er åtte års data en svært liten prøvestørrelse for å bestemme investeringsmodellparametere. Resultatene deres på 7 år med data kan se anstendig fordi momentet er så robust at de fleste parametere over et bestemt område går ut OK. Imidlertid kan tilbakestesting på åtte års data ikke gi hva som egentlig er de beste parameterverdiene. Andre steder kan forfatterens papir være ganske forvirrende. Her er et eksempel, Noen ganger blir vår relative momentum kalt relativ styrke (RS, se Faber 2010) eller tidsserie momentum (se Thomas 2012). Vi vil også bruke termens returmoment for å bedre kontrast med volatilitet og korrelasjonsmoment. Tidsserie momentum er forskjellig fra relativ momentum (Se mitt innlegg Whatchmacallit). Videre, hva de kaller volatilitet og korrelasjonsmoment har ingenting å gjøre med momentum. Momentum handler om å velge eiendeler basert på utholdenhet i ytelsen, enten mot sine jevnaldrende (relative momentum) eller mot seg selv over tid (absolutt momentum). Dette gir ingen mening med hensyn til volatilitet eller korrelasjon. Forfatterne bruker faktisk volatilitet og korrelasjon som rangeringsfaktorer. De gjør det samme med retur, men etter at de velger dem ved hjelp av relativ og absolutt momentum. Forfatterne ende opp med å rangere eiendeler ved hjelp av vilkårlig vekt på henholdsvis 1,0, 0,5 og 0,5 for returmoment, volatilitet og korrelasjon. De forklarer ikke hvordan de kom opp med disse vektene. Jeg vil være forsiktig med å bruke informasjonen i dette papiret uten å gjøre betydelig mer analyse og tilbakestesting. Time Series Momentum Versus Moving Gjennomsnittlig Trading Rules, av Marshall, Nguyen, og Visaltanachoti er et akademisk papir som forsøker å avgjøre om langsiktige momentum trading regler slå sammenlignbare bevegelige gjennomsnittlige handelsregler. De gjør dette ved å sammenligne absolutt momentum (som de kaller tidsseriemoment) til sammenlignbare (i henhold til dem) flytte gjennomsnitt av størrelsesbaserte kvintiler av amerikanske aksjer ved bruk av 10, 50, 100 og 200 handelsdagers utseende. De har tillit til sine sammenligninger fordi deres korrelasjoner mellom momentum og flytende gjennomsnittlig avkastning generelt overskrider .8. Dette kan imidlertid ha noe å gjøre med bruk av daglig, i stedet for månedlig, returdata. Siden momentum er en mellomliggende anomali, studerer de fleste forskere ved å bruke månedlig avkastning. Vi får korrelasjoner som spenner fra .45 til .47 når vi sammenligner 12 måneders absolutt momentum månedlig avkastning til en rekkevidde på 4 til 32 måneders flytende gjennomsnittlig månedlig avkastning på det amerikanske aksjemarkedet de siste 38 årene. Vi bruker en rekke bevegelige gjennomsnittslengder fordi man ikke bare kan bruke samme tilbaketrukket periode for momentum og glidende gjennomsnitt og forventer sammenlignbare resultater. Forfatterne hint på dette selv når de sier at glidende gjennomsnitt går inn og ut av aksjer før. Deres papir identifiserer også gjennomsnittlige holdingsperioder for returintervaller på 10, 50, 100 og 200 handelsdager som 8, 22, 31 og 47 dager for å flytte gjennomsnittlige regler og 10, 32, 46 og 83 dager for momentumregler. Raskere oppføringer og utganger med bevegelige gjennomsnitt betyr at lengdene deres skal være lengre dersom man forventer at ytelsen tilsvarer ytelsen til absolutt momentum. Å velge samme utseende periode gjør ikke absolutt momentum og bevegelige gjennomsnitt er sammenlignbare. En gammel investeringskonsept er at glidende gjennomsnitt bør tegnes halvparten av deres lengde bak gjeldende pris på et lagerdiagram. En halvtidsforsinkelse betyr at tilbaketrukket perioden for et bevegelige gjennomsnitt vil være dobbelt så lang som tilbaketrekningsperioden for momentum for at de to skal være omtrent sammenlignbare. Det følgende diagrammet skal gjøre dette klart. Lar oss måle absolutt momentum fra midtpunktet til denne linjen ved 30 til sluttpunktet ved 50. Absolut momentum måler forskjellen mellom start - og sluttverdien, som i dette tilfellet er 20. Den beregnede glidende gjennomsnittsverdien fra begynnelsen av 30 til slutten av 50 er 40. Forskjellen mellom den bevegelige gjennomsnittsverdien på 40 og sluttverdien på 50 er bare 10, hvilket indikerer en svakere trend enn det ble identifisert ved hjelp av absolutt momentum. Hvis vi imidlertid begynner vårt bevegelige gjennomsnitt to ganger så langt tilbake til punktet 10, blir den beregnede glidende gjennomsnittsverdien 30 i stedet for 40, og forskjellen mellom den og sluttverdien er nå 20, det samme som med absolutt momentum. Tallene trener ikke alltid akkurat slik. Tilsvarende glidende gjennomsnittlig tilbaketrukket periode avhenger av prishandlingen langs lengden på det bevegelige gjennomsnittet. Det er imidlertid trygt å si at ved å bruke to ganger den absolutte momentum-kollisjonstiden, får vi en bedre, tilsvarende, glidende gjennomsnittlig lengde. Vi ser det i panel D fra tabell 2 i papiret: Tidsserier Momentum og teknisk analyse Ytelse og sammenligning Q1 (liten) Q2 Q3 Q4 Q5 (stor) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Panel D: Sharpe-forhold 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Lagrene er i størrelse kvintiler fra Q1 (liten) til Q5 (stor). Look-back perioder fra 10 til 200 dager er i første kolonne. Leser på tvers av radene, er Sharpe-tallene for å flytte gjennomsnittlige (MA) og absolutte momentum (TSMOM) strategier med samme tilbaketrukne periode. Vi ser at, med unntak av Q5 (stor), hvis vi skifter MA-strategiene opp ett nivå slik at deres tilbakevirkningsperioder er dobbelt så lange (eller lengre når de går fra 50 til 10) som TSMOM-tilbakevirkningsperioder, få en nesten nøyaktig kamp av Sharpe-tallene. Basert på bruk av slike skiftede tilbaketrukket perioder som gjør MA og TSMOM strategier omtrent likeverdige, kan man ikke lenger si at porteføljestimuleringsregler basert på glidende gjennomsnitt klart overgår de absolutte momentummodellene. For å sammenligne absolutt momentum med å flytte gjennomsnittlige handelsregler, bør man undersøke en rekke verdier for hver. Vi gjorde dette, og fant ut at de beste resultatmomentparametrene som ble brukt på forskjellige eiendeler og forskjellige tidsperioder, har mindre spredning enn de beste resultatene for bevegelige gjennomsnittsparametere. 9. mars 2013 Det er et nytt forskningspapir ut av Wes Gray og Jack Vogel som er interessant ikke bare for momentum investorer, men for alle investorer og forskere. Papiret bruker Maksimal Drawdown til Capture Tail Risk. I det viser Wes og Jack at akademiske uregelmessigheter, identifisert av lineære faktormodeller (alpha), ofte ikke er store handelsstrategier. Wes og Jack velger elleve longshort-anomalier fra akademisk litteratur og viser at en rekke av dem, til tross for positive alfaer og attraktive Sharpe-forhold, viser svært store drawdowns som trolig ville utløse marginsamtaler og tilbakekalling av investorer på uoppnåelige tider. Seks av de elleve strategiene har drawdowns over 50, hvor de tre verste er 86,1, 84,7 og 83,5. (Longshort lager momentum er den med en 86 drawdown. Kanskje QuantShares bør revurdere å ringe sine longshort momentum aksje ETF, det amerikanske markedet Neutral Momentum Fund). Noen forskere ser på Sortino-forholdet, som fordeler meravkastning med nedadrettelsesvariabilitet, i stedet for total variabilitet, som Sharpe-forholdet. Inkluderende oppadgående variabilitet kan imidlertid være nyttig, spesielt når man evaluerer investeringsmuligheter med tilsvarende ulemper volatilitet. Verken Sharpe eller Sortino-forholdet vurderer hele omfanget av ulemper eksponering i ekstrem venstre hale av en distribusjon. Wes og Jack sier det er viktig for forskere og investorer å vurdere harerisiko. De foreslår å se på maksimal topp-til-dal tap (drawdown) knyttet til en tidsserie som en relativt enkel måte å gjøre dette på. De har en forklarende video på deres nøkkelferdige analytikerblogg, sammen med Excel VBA-makrokoden og et regneark for å beregne maksimal drawdown. (Det finnes også andre gode videoer der, og viser hvordan du bruker Excel for å bruke gjennomsnittlig variansoptimalisering og hvordan du beregner 3 eller 4 faktor alpha.) Selvfølgelig er maksimal drawdown ikke perfekt som et risikomåling. Det er ikke egnet til tradisjonell statistisk analyse, for eksempel konfidensintervaller. (På grunn av finansmarkedernes stokastiske karakter kan det hende at tradisjonell statistisk analyse ikke er så nøyaktig.) Maksimal drawdown er tidsavhengig 8211 jo lenger en track record, desto mer sannsynlig vil maksimal drawdown øke. Drawdown frekvens, samt størrelsen, er også viktig. Videre viser maksimal drawdown bare en enkelt hendelse som kan være en tilfeldig forekomst og ikke være representativ for hva fremtiden kan medføre. Andre måter å se på halerisikoforsøk på å håndtere disse bekymringene. Variabel betinget verdi (CVAR) forsøker å vise hva en drawdown vil mest sannsynlig se ut som en ekstrem hendelse. Ekstremt verdi teori (EVT) forsøker å identifisere store avvik fra medianene av sannsynlighetsfordelinger. Begge disse tilnærmingene er beregnende utfordrende og finnes sjelden i finanslitteratur. (Jeg pleide å beregne CVAR selv, men fant ikke det så intuitivt tiltalende som maksimal drawdown.) Wes og Jack har gjort en tjeneste for å vise hvordan de vanlige måtene å vurdere investeringsmuligheter, som alfa - og Sharpe-forhold, kan være alvorlig mangelfull. Hverken alfa, standardavvik eller maksimal nedtelling representerer et komplett mål for investeringsrisiko. Maksimal drawdown er god fordi den gir noen indikasjon på ekstrem hale risiko. Imidlertid ser jeg også bredere på strategidraksjon mot benchmarks drawdown under en rekke negative forhold. Jeg undersøker også interkvartile områder og ekstreme utelukkere ved hjelp av boksplott av dataene. Du kan se alle fire av disse metodene på jobben i mitt to-moment papir. Jeg håper andre forskere tar på seg snart og begynner å presentere mer enn bare Sharpe-forhold eller alfa som deres objektive funksjon. Disse betyr ofte lite alene når det gjelder ekte risikoeksponering. Halsrisiko er viktig for investorer, og det bør også ha betydning for forskere.
No comments:
Post a Comment