Dual Momentum TM A medida que las ventajas de la inversión de impulso se hacen más conocidas, naturalmente se están realizando más investigaciones para explorar su potencial. Algunas de esas investigaciones, como el papel de Moskowitz, Ooi y Pedersen Time Series Momentum, han sido excelentes. Preferimos señalar y discutir cosas positivas como eso, pero ya que este es un blog sobre el impulso, nos sentimos una obligación de hablar también sobre los productos de impulso y la investigación que puede ser un poco fuera de la base (ver aquí viene mercado Neutral Momentum8230sort de). A finales del año pasado, Keller y van Putten publicaron un documento llamado Generalized Momentum y Flexible Asset Allocation. Los autores aplicaron un impulso absoluto y relativo a los 3 principales activos utilizando datos de 1998 a 2012. Desarrollaron sus parámetros en 8 años de datos de 2005 a 2012 e indicaron que validaron sus resultados en 7 años de datos adicionales de 1998 a 2004.Ellos llaman a esto una validación fuera de muestra, sin embargo, mencionan en otra parte en su documento que determinaron el período de retroceso y el número de fondos para invertir en el examen de un período más largo de datos que incluye todo el período de 1998 a 2012 . Para dividir una cantidad modesta de datos por la mitad y llamar parte de ella una prueba fuera de la muestra no es correcta. El sesgo de snooping de datos y el ajuste excesivo del modelo son también prácticas comunes entre los practicantes. Con respecto a sus resultados, ocho años de datos es un tamaño de muestra muy pequeño para determinar los parámetros del modelo de inversión. Sus resultados en 7 años más de datos pueden parecer decentes porque el impulso es tan robusto que la mayoría de los parámetros sobre un cierto rango de trabajo a cabo bien. Sin embargo, la prueba posterior en ocho años de datos puede no dar cuáles son realmente los mejores valores de parámetro. En otros lugares, el trabajo de los autores puede ser bastante confuso. Aquí hay un ejemplo, a veces nuestro momento relativo se llama fuerza relativa (RS, véase Faber 2010) o momentum serie serie (véase Thomas 2012). También utilizaremos el término momento de retorno para contrastar mejor con la volatilidad y el momento de correlación. El impulso de la serie de tiempo es diferente del momentum relativo (véase mi post Whatchmacallit). Además, lo que llaman volatilidad y momento de correlación no tiene nada que ver con el impulso. Momentum consiste en seleccionar activos basados en la persistencia en su desempeño, ya sea contra sus pares (momentum relativo) o contra sí mismos en el tiempo (momentum absoluto). Esto no tiene sentido con respecto a la volatilidad o correlación. Los autores utilizan la volatilidad y la correlación como factores de clasificación. Hacen lo mismo con los retornos, pero después de seleccionarlos utilizando momentum relativo y absoluto. Los autores terminan clasificando activos usando pesos arbitrarios de 1,0, 0,5 y 0,5 para el momento de retorno, volatilidad y correlación, respectivamente. Ellos no explican cómo surgieron con estas ponderaciones. Sería prudente sobre el uso de la información en este documento sin hacer mucho más análisis y pruebas de espalda. Momentum de la serie temporal Versus Moving Average Trading Rules, de Marshall, Nguyen y Visaltanachoti es un documento académico que intenta determinar si las reglas de negociación de impulso de sólo largo tiempo superan las reglas de negociación del promedio móvil. Ellos hacen esto comparando el momentum absoluto (que llaman momentum serie de tiempo) a comparables (de acuerdo a ellos) los promedios móviles de quintiles basados en el tamaño de las acciones estadounidenses utilizando 10, 50, 100 y 200 días de negociación. Ellos tienen confianza en sus comparaciones debido a que sus correlaciones entre el impulso y los retornos promedio móvil son generalmente superiores a 0,8. Sin embargo, esto puede tener algo que ver con su uso diario, en lugar de mensual, los datos de retorno. Puesto que el momentum es una anomalía de término intermedio, la mayoría de los investigadores la estudian usando rendimientos mensuales. Tenemos correlaciones que van desde .45 a .47 al comparar los retornos mensuales de impulso absoluto de 12 meses a un rango de 4 a 32 meses de promedio móvil de los retornos mensuales del mercado de valores de EE. UU. en los últimos 38 años. Utilizamos una gama de longitudes móviles, porque uno no puede usar el mismo período de retroceso para el momento y las medias móviles y esperar resultados comparables. Los autores sugieren esto cuando dicen que los promedios móviles entran y salen de las existencias antes. Su artículo también identifica los períodos de retención medios de 10, 50, 100 y 200 días de negociación como 8, 22, 31 y 47 días para reglas de media móvil, y 10, 32, 46 y 83 días para reglas de impulso. Entradas y salidas más rápidas con medias móviles significa que sus longitudes deberían ser más largas si se espera que su rendimiento coincida con el rendimiento de momento absoluto. Elegir el mismo período de retroceso no hace que el momento absoluto y los promedios móviles sean comparables. Un viejo adagio de la inversión es que las medias móviles se deben trazar mitad de su longitud detrás del precio actual en una carta común. Un retraso de medio intervalo significa que el período de retroceso para una media móvil sería el doble de largo que el período de retroceso para el momento para que los dos sean aproximadamente comparables. El siguiente cuadro debe dejar esto claro. Vamos a medir el momento absoluto desde el punto medio de esta línea en 30 hasta el punto final en 50. Momento absoluto mide la diferencia entre el valor inicial y final, que en este caso es 20. El valor promedio móvil calculado desde el inicio de 30 hasta el final De 50 es 40. La diferencia entre el valor medio móvil de 40 y el valor final de 50 es sólo 10, indicando una tendencia más débil que la identificada usando impulso absoluto. Sin embargo, si comenzamos nuestra media móvil dos veces más atrás en el punto de 10, el valor promedio móvil calculado se convierte en 30 en lugar de 40, y la diferencia entre él y nuestro valor final es ahora 20, igual que con momento absoluto. Los números no siempre funcionan exactamente de esta manera. El período de retroceso promedio móvil equivalente depende de la acción del precio a lo largo de la duración de la media móvil. Sin embargo, es seguro decir que el uso de dos veces el período de retroalimentación momentum absoluto nos da una longitud media móvil mejor equivalente. Podemos ver que en el Panel D de la Tabla 2 del artículo: Momentum de la Serie de Tiempo y Análisis Técnico Rendimiento y Comparación Q1 (Pequeño) Q2 Q3 Q4 Q5 (Large) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Panel D: Sharpe Ratios 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 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 Las existencias están basadas en tamaños Quintiles de Q1 (pequeño) a Q5 (grande). Los períodos de revisión de 10 a 200 días se encuentran en la primera columna. Leyendo a través de las filas, las proporciones de Sharpe son para la media móvil (MA) y el momento absoluto (TSMOM) estrategias utilizando el mismo período de retroceso. Vemos que, a excepción de Q5 (grande), si cambiamos las estrategias de MA hasta un nivel para que sus períodos de revisión sean dos veces más largos (o más largos al pasar de 50 a 10) como los períodos de revisión de TSMOM, Obtener una coincidencia casi exacta de los ratios de Sharpe. Basado en el uso de estos períodos de retroceso cambiado que hacen que las estrategias de MA y TSMOM sean aproximadamente equivalentes, ya no se puede decir que las reglas de calendario de cartera basadas en los promedios móviles superan claramente a sus contrapartes de momento absoluto. Para comparar momentum absoluto a las reglas de negociación de media móvil, uno debe examinar un rango de valores para cada uno. Hicimos esto y encontramos que los mejores parámetros de impulso de ejecución aplicados a diferentes activos y diferentes períodos de tiempo tienen menos dispersión que el mejor desempeño promedio móvil parameters. The rendimiento real de la sincronización del mercado con el promedio móvil y las series de tiempo de las reglas de impulso En línea: 14 de julio de 2014 Recibido: 14 de julio de 2014 Revisado: 14 de julio de 2014 Citar este artículo: Zakamulin, V. J Asset Manag (2014) 15: 261. doi: 10.1057 / jam.2014.25 2 Citas 1 Acciones 14 Descargas Resumen En este artículo, Revisamos los mitos con respecto al rendimiento superior de las estrategias de tiempo de mercado basadas en el promedio móvil y las series de tiempo de las reglas de impulso. Estas estrategias de tiempo activo son muy atractivas para los inversores debido a su extraordinaria sencillez y porque prometen ventajas sustanciales sobre sus contrapartes pasivas. Sin embargo, el demasiado bueno para ser verdadero rendimiento informado de estas reglas de tiempo de mercado plantea una preocupación legítima sobre si este rendimiento es realista y si los inversores pueden esperar que el rendimiento futuro será el mismo que el historial de rendimiento documentado. Sostenemos que el rendimiento informado de las estrategias de tiempo de mercado por lo general contiene un considerable sesgo de minería de datos e ignora las fricciones importantes del mercado. Para abordar estos problemas, realizamos pruebas fuera de muestra de estos dos modelos de temporización en los que contabilizamos los costos de transacción realistas. Nuestros hallazgos revelan que el desempeño de las estrategias de tiempo de mercado es muy exagerado, por decir lo menos. Palabras clave análisis técnico mercado calendario simple movimiento promedio de tiempo serie impulso fuera de la muestra de pruebas Referencias Anderson, R. M. Bianchi, S. W. Y Goldberg, L. R. Aronson, D. (2006) Análisis Técnico Basado en la Evidencia: Aplicando el Método Científico y la Inferencia Estadística a las Señales de Negociación, New Jersey: John (2012) ¿Mi estrategia de paridad de riesgo superará a la Opinión de analistas financieros 68 (6) Wiley amp Sons. CrossRef Google Académico Asness, C. S. Frazzini, A. y Pedersen, L. H. (2012) Apalancar la aversión y la paridad de riesgo. Analistas Financieros Diario 68 (1): 4759. CrossRef Google Scholar Bauer, R. J. Y Dahlquist, J. R. (2001) La sincronización del mercado y las ruedas de la ruleta. Analistas Financieros Journal 57 (1): 2840. CrossRef Google Scholar Berkowitz, S. A. Logue, D. E. Y Noser, E. A. (1988) El costo total de las transacciones en la Bolsa de Nueva York. Revista de Finanzas 43 (1): 97112. CrossRef Google Scholar Bessembinder, H. (2003) Asuntos en la evaluación de los costos de ejecución del comercio. Journal of Financial Markets 6 (3): 233257. CrossRef, Google Scholar Bodie, Z. Kane, A. y Marcus, A. J. (2007) Inversiones, Nueva York: McGraw Hill. Brock, W. Lakonishok, J. y LeBaron, B. (1992) Las reglas técnicas simples del comercio y las características estocásticas de las vueltas comunes. Chakravarty, S. y Sarkar, A. (2003) Costos de operaciones en tres mercados de bonos de los Estados Unidos. Diario de la renta fija 13 (1): 3948. CrossRef Google Scholar Chan, L. K.C. Y Lakonishok, J. (1993) Operaciones institucionales y comportamiento intradía del precio de las acciones. Journal of Financial Economics 33 (2): 173199. CrossRef Google Scholar Dermody, J. C. y Prisman, E. Z. (1993) No arbitraje y valoración en mercados con costos de transacción realistas. Diario de Análisis Financiero y Cuantitativo 28 (1): 6580. CrossRef Google Scholar Edwards, A. K. Harris, L. E. Y Piwowar, M. S. (2007) Costos de transacción del mercado de bonos corporativos y transparencia. Journal of Finance 62 (3): 14211451. CrossRef Google Scholar Faber, M. T. (2007) Un enfoque cuantitativo para la asignación táctica de activos. Revista de Gestión de Patrimonio 9 (4): 6979. CrossRef Google Scholar Freyre-Sanders, A. Guobuzaite, R. y Byrne, K. (2004) Una revisión del modelo de costo de negociación: Reducción de los costos de transacción. Revista de Inversiones 13 (3): 93116. CrossRef Google Scholar Gartley, H. M. (1935) Ganancias en el mercado de valores, Pomeroy (Washington): Lambert Gann Pub. Google Scholar Gwilym, O. Clare, A. Seaton, J. y Thomas, S. (2010) Precio e impulso como enfoques tácticos robustos a la inversión de capital global. Revista de Inversiones 19 (3): 8091. CrossRef Google Scholar Hansen, P. R. y Timmermann, A. (2013) Elección de la división de la muestra en la evaluación de pronósticos fuera de la muestra. Instituto Universitario Europeo, Universidad de Stanford y CREATES. Hoja de trabajo. Hudson, R. Dempsey, M. y Keasey, K. (1996) Una nota sobre la forma débil de la eficiencia de los mercados de capitales: La aplicación de normas técnicas comerciales simples a los precios de las acciones del Reino Unido 1935 a 1994. Journal of Banking and Finance 20 (6 ): 11211132. CrossRef Google Scholar Jegadeesh, N. y Titman, S. (1993) Devuelve a los ganadores de la compra y la venta de los perdedores: Implicaciones para la eficiencia del mercado de valores. Prueba de la media móvil simple entre las materias primas, los índices bursátiles globales y las monedas. Journal of Wealth Management 15 (1): 82100. CrossRef Google Académico Knez, P. J. and Ready, M. J. (1996) La estimación de los beneficios de las estrategias de negociación. Revisión de los Estudios Financieros 9 (4): 11211163. CrossRef Google Scholar Lukac, L. P. y Brorsen, B. W. (1990) Una prueba comprensiva del desequilibrio del mercado de futuros. Financial Review 25 (4): 593622. CrossRef Google Scholar Lukac, L. P. Brorsen, B. W. Y Irwin, S. H. (1988) Una prueba del desequilibrio del mercado de futuros utilizando doce sistemas técnicos diferentes de comercio. Applied Economics 20 (5): 623639. CrossRef Google Scholar Marcellino, M. Stock, J. H. Y Watson, M. W. (2006) Una comparación de los métodos directos e iterados de AR multietapas para pronosticar series temporales macroeconómicas. Journal of Econometrics 135 (12): 499526. CrossRef Google Scholar Modigliani, F. y Modigliani, L. (1997) Rendimiento ajustado al riesgo. Diario de la gerencia de la cartera 23 (2): 4554. CrossRef Google Scholar Moskowitz, T. J. Ooi, Y. H. Y Pedersen, L. H. (2012) Momento de serie de tiempo. Revista de Economía Financiera 104 (2): 228250. CrossRef Google Scholar Okunev, J. y White, D. (2003) Las estrategias basadas en el momento aún funcionan en los mercados de divisas extranjeras Journal of Financial Financial and Quantitative Analysis 38 (2): 425447. CrossRef Google Scholar Park, C.-H. Y Irwin, S. H. (2007) ¿Qué sabemos sobre la rentabilidad del análisis técnico Journal of Economic Surveys 21 (4): 786826. CrossRef Google Scholar Pesaran, M. H. Pick, A. y Timmermann, A. (2011) Selección de variables, estimación e inferencia para problemas de predicción de varios periodos. Rossi, B. e Inoue, A. (2012) Las pruebas de pronóstico fuera de la muestra son robustas a la elección del tamaño de la ventana. Shin, S. y Soydemir, G. (2010) Los fondos negociados en bolsa, la persistencia en los errores de seguimiento y la difusión de información. Revista de Gestión Financiera Multinacional 20 (45): 214234. CrossRef Google Scholar Siegel, J. (2002) Stocks para el largo plazo, Nueva York: McGraw-Hill Companies. Google Académico Sortino, F. A. and Price, L. N. (1994) Medición del desempeño en un marco de riesgo a la baja. Journal of Investing 3 (3): 5965. Crossref Google Scholar Sullivan, R. Timmermann, A. y White, H. (1999) Data-snooping, rendimiento técnico de la regla de negociación, y el bootstrap. Welch, I. y Goyal, A. (2008) Una mirada comprensiva en el funcionamiento empírico de la predicción de la prima de la equidad. Revisión de Estudios Financieros 21 (4): 14551508. CrossRef Google Scholar White, H. (2000) Una comprobación de la realidad para el snooping de datos. Econometrica 68 (5): 10971126. CrossRef Google Scholar Información sobre los derechos de autor Palgrave Macmillan, una división de Macmillan Publishers Ltd 2014 Autores y afiliaciones Valeriy Zakamulin 1 Correo electrónico autor 1. School of Business and Law, Universidad de Agder Kristiansand Noruega Acerca del artículo ISSN 1470 -8272 En línea ISSN 1479-179X Nombre del editor Palgrave Macmillan UKTime-Series Momentum versus media móvil Reglas comerciales Nhut H. Nguyen Nuttawat Visaltanachoti Universidad Massey - Departamento de Economía y Finanzas 22 de diciembre de 2014 Momento de la serie de tiempo (TSMOM) ) Las reglas comerciales están estrechamente relacionadas, sin embargo, hay diferencias importantes. Las señales TSMOM ocurren en puntos que coinciden con un cambio de dirección MA, mientras que las señales MA buy (sell) sólo requieren un precio para moverse por encima (por debajo) de un MA. Nuestros resultados empíricos muestran que las reglas MA suelen dar señales anteriores que conducen a ganancias significativas de retorno. Ambas reglas se desempeñan mejor fuera de la serie de acciones grandes que pueden explicar el rompecabezas de su popularidad con los inversores, pero la falta de pruebas de apoyo en los estudios académicos. Número de páginas en archivo PDF: 45 Palabras clave: G11, G12 Clasificación JEL: Análisis técnico, momento de serie, promedio móvil, previsibilidad de retorno Fecha publicada: 27 de febrero de 2013 Última revisión: 26 de febrero de 2015 Cita sugerida Marshall, Ben R. Y Nguyen, Nhut H. y Visaltanachoti, Nuttawat, Time-Series Momentum versus Moving Average Trading Rules (22 de diciembre de 2014). Disponible en SSRN: ssrn / abstract2225551 o dx. doi. org/10.2139/ssrn.2225551 Información de Contacto Ben R. Marshall (Autor de Contacto) Massey University - Escuela de Economía y Finanzas (correo electrónico) Private Bag 11-222 Palmerston North, 30974 Nuevo Zelandia 64 6 350 5799 (Teléfono) 64 6 350 5651 (Fax)
No comments:
Post a Comment