Zeitreihen Momentum Versus Moving Average Trading Regeln

Trend-Following ist eine der ältesten Investitionsmethoden Etikettiert als technische Analyse, Trend-Following weitgehend von den Akademikern erforscht Die Forschung der Querschnittsdynamik explodierte nach Narasimhan Jegadeesh und Sheridan Titman veröffentlichte ihre Seminar 1992 Studie, aber Zeitreihe Momentum blieb Weitgehend ignoriert bis nach 2008 Preisgestützte Trend-Follow-Techniken, wie gleitende durchschnittliche Systeme, blieben getrennt von Return-basierten Zeitreihen-Impuls-Techniken. Neue Forschungen zeigen, dass bewegliche Durchschnittssysteme und Zeitreihenmomentum mathematisch verknüpfte Techniken sind Im Jahr 1838 veröffentlichte James Grant die Große Metropole, Band 2. Innerhalb von ihm sprach er von David Ricardo, einem englischen politischen Ökonomen, der auf den Londoner Märkten aktiv war Ende des 17. Jahrhunderts und Anfang des 18. Jahrhunderts. Ricardo sammelte ein großes Vermögen, das sowohl Anleihen als auch Aktien handelte. Nach Grant wurde Ricardos Erfolg auf drei goldene Regeln zurückgeführt: Wie ich den Namen von Herrn Ricardo erwähnt habe, kann ich bemerken, daß er sein unermessliches Vermögen durch eine gewissenhafte Aufmerksamkeit auf das, was er seine drei goldenen Regeln nannte, die Einhaltung von Die er auf seine privaten Freunde drängte. Diese waren, verweigern Sie nie eine Wahl, wenn Sie es erhalten können, schneiden Sie Ihre Verluste, lassen Sie Ihre Gewinne laufen auf. Durch das Abschneiden von kurzen Verlusten bedeutete Herr Ricardo, dass, wenn ein Mitglied einen Lagerbestand gemacht hatte, und die Preise fallen, sollte er sofort weiterverkaufen. Und wenn man die Gewinne ließ, so bedeutete er, daß, wenn ein Mitglied eine Bestandsaufnahme besaß und die Preise anstiegen, er nicht verkaufen solle, bis die Preise ihren höchsten erreichten, und fingen wieder an zu fallen. Dies sind in der Tat goldene Regeln, und können mit Vorteil auf unzählige andere Transaktionen als die mit der Börse verbunden angewendet werden. Schneiden Sie kurz Ihre Verluste und lassen Sie Ihre Gewinne laufen auf die Kernlehren der Trend-Following. Zu den weiteren prominenten frühen Trendfolgern gehören: Charles H. Dow, Gründer und erster Redakteur des Wall Street Journal sowie Mitbegründer von Dow Jones und Company Jesse Livermore, der von Edwin Lefvre zitiert wird, wie gesagt, das große Geld war Nicht in den einzelnen Schwankungen, sondern in den Hauptbewegungen. Die Größe des gesamten Marktes und seine Tendenz. Richard Wyckoff, dessen Methode es gab, lange Positionen zu betreten, nur wenn der Markt auftraten und kurzschloss, als sich der Markt nach unten entwickelte. Es gab sogar eine frühe akademische Studie der Trend-Follow von Alfred Cowles III und Herbert Jones im Jahr 1933 durchgeführt. In der Studie, betitelt einige A posteriori Wahrscheinlichkeiten in Aktienmarkt Aktion. Sie konzentrieren sich auf das Zählen der Anzahl der Sequenzen mal, wenn positive Renditen von positiven Renditen gefolgt wurden, oder negative Renditen wurden von negativen Renditen zu Umkehrzeiten gefolgt, wenn positive Renditen von negativen Renditen gefolgt sind und umgekehrt. Cowles und Jones bewerteten das Verhältnis dieser Sequenzen und Umkehrungen an Aktienkursen über Zeiträume von 20 Minuten bis 3 Jahren. Ihre Ergebnisse: Es wurde festgestellt, dass für jede Serie mit Intervallen zwischen Beobachtungen von 20 Minuten bis zu und einschließlich 3 Jahre, die Sequenzen out-nummeriert die Umkehrungen. Zum Beispiel, im Fall der Monatsreihe von 1835 bis 1935, insgesamt 1200 Beobachtungen gab es 748 Sequenzen und 450 Umkehrungen. Das heißt, die Wahrscheinlichkeit schien zu sein, daß, wenn der Markt in einem gegebenen Monat gestiegen wäre, es im darauffolgenden Monat steigen würde, oder wenn es gefallen wäre, daß es für einen weiteren Monat weiter sinken würde. Die Standardabweichung für solch eine lange Reihe, die durch zufälliges Penny-Werfen konstruiert wird, wäre 17,3 also ist die Abweichung von 149 vom erwarteten Wert von 599 mehr als das Achtfache der Standardabweichung. Die Wahrscheinlichkeit, ein solches Ergebnis in einer Penny-tossing-Serie zu erhalten, ist infinitesimal. Trotz vielversprechender empirischer und theoretischer Ergebnisse für die Trendfolge folgten die nächsten akademischen Studien erst fast ein Jahrhundert später. 1934 veröffentlichten Benjamin Graham und David Dodd die Sicherheitsanalyse. Später, 1949, veröffentlichten sie den intelligenten Investor. In diesen gewichtigen Tieren skizzieren sie ihre Methoden für eine erfolgreiche Investition. Graham und Dodds Methode konzentrierte sich auf die Bewertung der finanziellen Zustand des zugrunde liegenden Geschäfts. Ihr Ziel war es, einen Unternehmen intrinsischen Wert und Kauf Lager zu identifizieren, wenn der Markt einen erheblichen Rabatt auf diesen Wert angeboten. Für Graham und Dodd war alles andere nur Spekulation. Graham und Dodd gaben grundlegende Investoren und schätzen die Investoren ihre Bibel. Alles war dann, das war nicht grundlegende Investition war technische Analyse. Und da sich die Trendfolgen nur auf die Bewertung der vergangenen Preise stützten, wurde sie als technische Analyse bezeichnet. Leider haben die Akademiker die technische Analyse bis in die 1900er Jahre weitgehend abgelehnt. Dies ist wahrscheinlich aufgrund der Tatsache, dass es schwierig war zu studieren und zu testen. Praktizierende folgen einer Vielzahl von verschiedenen Techniken. Manchmal können diese verschiedenen Techniken zu widersprüchlichen Vorhersagen zwischen Technikern führen. Aber im Jahr 1993 veröffentlichten Narasimhan Jegadeesh und Sheridan Titman Rückkehr zum Kauf von Gewinnen und Verkaufen Verlierer: Implikationen für Börseneffektivität. In ihrer Arbeit dokumentierten sie eine Anlagestrategie, die Aktien erwarb, die ihre Altersgenossen übertroffen hatten und verkaufte Aktien, die unterdurchschnittlich waren. Jegadeesh und Titman nannten ihre Annäherung relative Stärke ein Begriff, der lange von Technikern verwendet wurde. Jetzt wird es manchmal auch als Querschnittsimpuls bezeichnet. Relativer Impuls, oder oft nur Impuls. Diese einfache Methode, die von Jegadeesh und Titman umrissen wurde, erzeugte statistisch signifikante positive Renditen, die nicht durch gemeinsame Risikofaktoren erklärt werden konnten. Dieses Papier führte in eine Ära der Impulsforschung ein, wobei die Akademiker erforschten, wie die Technik über Geographien, Zeitrahmen und Assetklassen hinwegging. Die Ergebnisse waren, dass die Dynamik überraschend robust war. Trotz des Erfolges der relativen Stärke. Das Interesse an seinem engen Cousin-Trend war noch nicht zu finden. Bis zur Finanzkrise von 2008. Technisch gesehen wurde eine der populärsten Forschungsarbeiten über den Trend nach Mebane Fabers Ein quantitativer Ansatz zur taktischen Asset Allocation wurde im Jahr 2006 veröffentlicht. Aber die Mehrheit der Interessenten von Akademikern trat nach 2008 auf. Wir weisen dieses Interesse an risikomindernde Risikominderungseigenschaften auf. Die Studien fallen typischerweise in zwei Lager. Im ersten Lager war das Studium der Trendfolgen, die dazu tendierten, einfache mechanische Systeme zu folgen, wie gleitende Durchschnitte. Faber (2006) fiel in dieses Camp, mit einem 10-monatigen gleitenden durchschnittlichen Cross-Over. Es gibt mehrere Variationen dieser Systeme. Zum Beispiel könnte man das Kreuz des Preises über den gleitenden Durchschnitt als Signal verwenden. Ein anderes könnte das Kreuz eines kürzeren gleitenden Durchschnitts über einen längeren benutzen. Schließlich können einige sogar Richtungsänderungen im gleitenden Durchschnitt als das Signal verwenden. Andere tendierten dazu, sich auf das zu konzentrieren, was als Zeitreihen-Impuls bekannt werden würde. Im Zeitreihenmomentum wird das Handelssignal erzeugt, wenn die Gesamtrendite über einen gegebenen Zeitraum die Nulllinie überquert. Eines der prominentesten Studien für Zeitreihenmomentum waren Moskowitz, Ooi und Pedersen (2011), die die Anomalie in 58 liquiden Aktienindex-, Währungs-, Rohstoff - und Anleihe-Futures signifikant zeigten. Trend-Following gleitenden durchschnittlichen Regeln wurden immer noch als technische Handelsregeln im Vergleich zu den quantitativen Ansatz der Zeitreihe Momentum. Vielleicht ist der größte Unterschied, dass das Tendenz-Camp auf Techniken mit Preisen konzentriert, während das Impulslager auf Renditen fokussiert war. Allerdings zeigt die Forschung im letzten Halbjahrzehnt tatsächlich, dass es sich um mathematisch verwandte Strategien handelt. Bruder, Dao, Richard und Roncallis 2011 Trend Filtering Methoden für Momentum Strategien vereint gleitende durchschnittliche Cross-Over-Strategien und Zeitreihen-Impuls, indem sie zeigten, dass Cross-Overs wirklich nur ein alternatives Gewichtungsschema für Renditen in Zeitreihen-Impuls waren. Zu zitieren, Die Gewichtung jeder Rückkehr bildet ein Dreieck, und die größte Gewichtung wird am Horizont des kleinsten gleitenden Durchschnitts gegeben. Daher kann der Indikator je nach Horizont n 2 des kürzesten gleitenden Durchschnitts auf den aktuellen Trend (wenn n 2 klein) oder auf vergangene Trends fokussiert werden (wenn n 2 so groß ist wie n 1 2). In Marshall, Nguyen und Visaltanachotis Zeit-Serie Momentum versus Moving Average Trading Regeln. Veröffentlicht im Jahr 2012, Zeit-Zeit-Impuls zeigt sich in Bezug auf Richtungsänderungen eines gleitenden Durchschnitts. Tatsächlich treten keine Zeitreihen-Impuls-Signale auf, bis der gleitende Durchschnitt die Richtung ändert. Daher werden wahrscheinlich gleitende Durchschnittsregeln, die sich auf den Preis beziehen, der den gleitenden Durchschnitt überschreitet, vor einer Änderung des Signals aus dem Zeitreihenmoment auftreten. Ähnlich wie bei Bruder, Dao, Richard und Roncalli zeigen Levine und Pedersen, dass Zeitreihen-Impuls und gleitende durchschnittliche Cross-Overs in ihrem 2015-Papier sehr verbunden sind. Welcher Trend ist dein Freund. Sie finden auch, dass Zeitreihen-Impuls und gleitende durchschnittliche Cross-Over-Strategien ähnlich über 58 flüssige Futures und Terminkontrakte durchführen. In ihrem Jahrgang 2015 veröffentlichen Beekhuizen und Hallerbach auch die bewegten Durchschnitte mit Renditen, sondern erforschen auch Trendregeln mit Sprungperioden und die populäre MACD-Regel (gleitende durchschnittliche Konvergenzdivergenz). Mit der implizierten Verknüpfung von bewegten Durchschnitten und Rückkehr zeigen sie, dass die MACD so viel Trend folgt, wie es Mittel-Reversion ist. Diese Studien sind wichtig, weil sie helfen, den Ansatz der preisbasierten Systeme zu validieren. Mathematisch verknüpft werden technische Ansätze wie gleitende Mittelwerte nun mit der gleichen theoretischen Basis wie die wachsende Arbeit im Zeitreihenmoment verbunden. Marktpraktiker haben längst gehalten, dass der Trend ist Ihr Freund und akademische Literatur hat endlich begonnen zu vereinbaren. Aber vielleicht, am wichtigsten, wissen wir jetzt, dass es egal ist, ob Sie den technischen Ansatz mit gleitenden Durchschnitten oder dem quantitativen Ansatz der Messung von Renditen nehmen. Am Ende des Tages sind sie mehr oder weniger das Gleiche. Corey ist Mitbegründer und Chief Investment Officer von Newfound Research, ein quantitativer Asset Manager, der eine Suite von separat verwalteten Konten und Investmentfonds anbietet. Bei Newfound ist Corey verantwortlich für Portfolio Management, Investitionsforschung, Strategieentwicklung und Kommunikation der Firmen Ansichten zu Kunden. Vor der Bereitstellung von Asset Management Services hat Newfound die Forschung von den von Corey entwickelten quantitativen Investitionsmodellen lizenziert. Auf dem Höhepunkt, diese Forschung geholfen, die taktischen Allokation Entscheidungen für aufwärts von 10 Mrd. zu steuern. Corey ist ein häufiger Redner auf Industrie-Panels und trägt zu ETF, ETF Trends und Verbot Great Spekulationen Blog. Er wurde zum 2014 ETF All Star von ETF benannt. Corey hält einen Master of Science in Computational Finance von der Carnegie Mellon University und einem Bachelor of Science in Informatik, cum laude, von der Cornell University. Du kannst mit Corey auf LinkedIn oder Twitter verbinden. Über Newfound Im August 2008 gegründet, ist Newfound Research quantitative Asset Management Firma aus Boston, MA. An der Schnittstelle von quantitativen und Verhaltensfinanzierungen investiert, ist Newfound Research darauf ausgerichtet, Kunden dabei zu helfen, ihre langfristigen Ziele mit forschungsorientierten, quantitativ verwalteten Portfolios zu erreichen und gleichzeitig zu erkennen, dass die Qualität der Reise genauso wichtig ist wie das Ziel. Hier erfahren Sie mehr über unsere Asset Management Services. Aktuelle Beiträge Visualisierung der Angst der aktiven Strategien Misattribute Bad Behavior 27. Februar 2017 Crisis Alpha: Ein einfacher ETF-Ansatz 21. Februar 2017 Zersetzung von Eigenkapitalrenditen 13. Februar 2017 Anatomie eines Bullenmarktes 13. Februar 2017 Investition an der Kreuzung von quantitativen und Verhaltensweisen Finanzen, Newfound Research ist es gewidmet, Kunden dabei zu helfen, ihre langfristigen Ziele mit forschungsorientierten, quantitativ verwalteten Portfolios zu erreichen, während gleichzeitig anerkannt wird, dass die Qualität der Reise genauso wichtig ist wie das Ziel. Time-Serie Momentum versus Moving Average Trading Regeln Massey University - Department of Economics and Finance Datum Geschrieben: 22. Dezember 2014 Zeitreihe Impuls (TSMOM) und gleitende Durchschnitt (MA) Handelsregeln sind eng verwandt, aber es gibt wichtige Unterschiede. TSMOM-Signale treten an Punkten auf, die mit einer MA-Richtungsänderung übereinstimmen, während MA-Kauf - (Verkaufs-) Signale nur den Preis benötigen, um über (MA) ein MA zu bewegen. Unsere empirischen Ergebnisse zeigen, dass MA-Regeln häufig frühere Signale liefern, die zu sinnvollen Renditen führen. Beide Regeln führen am besten außerhalb der großen Aktien-Serie, die das Puzzle ihrer Popularität mit Investoren noch fehlende unterstützende Beweise in akademischen Studien erklären können. JEL Klassifikation: Technische Analyse, Zeitreihen-Impuls, gleitender Durchschnitt, Rückkehr-Vorhersagbarkeit Vorgeschlagenes Zitat: Vorgeschlagene Zitat Marshall, Ben R. und Nguyen, Nhut H. und Visaltanachoti, Nuttawat, Zeitreihen-Momentum gegenüber beweglichen durchschnittlichen Handelsregeln (Dezember 22, 2014). Erhältlich bei SSRN: ssrnabstract2225551 oder dx. doi. org10.2139ssrn.2225551 Massey University - School of Economics and Finance (email) Private Bag 11-222 Palmerston North, 30974 Neuseeland 64 6 350 5799 (Telefon) 64 6 350 5651 (Fax ) Dual Momentum TM Da die Vorteile der Impulsinvestitionen weit verbreitet sind, gibt es natürlich mehr Forschung, um sein Potenzial zu erforschen. Einige dieser Forschungen, wie die Moskowitz, Ooi und Pedersen Papier Zeitreihe Momentum, war ausgezeichnet. Wir bevorzugen es, darauf hinzuweisen und darüber zu diskutieren, aber da dies ein Blog über Impuls ist, fühlen wir uns verpflichtet, auch über Impulsprodukte und Forschung zu sprechen, die ein bisschen off Basis sein können (siehe hier kommt Marktneutrale Momentum8230sort). Ende letzten Jahres haben Keller und van Putten ein Papier mit dem Titel "Generalized Momentum" und "Flexible Asset Allocation" herausgegeben. Die Autoren haben die absoluten und relativen Impulse an die Top 3 von 7 Assets mit Daten von 1998 bis 2012 angewendet. Sie entwickelten ihre Parameter auf 8 Jahre Daten von 2005 bis 2012 und zeigen, dass sie ihre Ergebnisse auf 7 Jahre zusätzliche Daten von 1998 bis bestätigt haben 2004. Sie nennen dies eine Out-of-Sample-Validierung, aber sie erwähnen anderwohin in ihrer Zeitung, dass sie die Rückblickzeit und die Anzahl der zu investierenden Mittel bestimmt haben, indem sie eine längere Datenspanne betrachteten, die den gesamten Zeitraum von 1998 bis 2012 umfasst . Um eine bescheidene Menge an Daten in der Hälfte zu teilen und einen Teil davon zu benennen, ist ein Nicht-Test-Test nicht korrekt. Data Snooping Bias und Modell über-passende sind auch gängige Praktiken bei den Praktikern. In Bezug auf ihre Ergebnisse sind acht Jahre Daten eine sehr kleine Stichprobengröße für die Bestimmung von Investitionsmodellparametern. Ihre Ergebnisse auf 7 weitere Jahre von Daten können anständig aussehen, weil Impuls ist so robust, dass die meisten Parameter über einen bestimmten Bereich funktionieren OK. Allerdings können Rücktests auf acht Jahre Daten nicht geben, was wirklich die besten Parameterwerte sind. Ansonsten kann das Autorenpapier ziemlich verwirrend sein. Hier ist ein Beispiel, Manchmal wird unsere relative Dynamik als relative Stärke bezeichnet (RS, siehe Faber 2010) oder Zeitreihenmomentum (siehe Thomas 2012). Wir werden auch den Begriff return momentum verwenden, um besser mit Volatilität und Korrelationsdynamik zu kontrastieren. Zeitreihen-Impuls unterscheidet sich von relativer Dynamik (siehe mein Beitrag Whatchmacallit). Darüber hinaus hat das, was sie Volatilität und Korrelationsdynamik nennen, nichts mit Impuls zu tun. Momentum geht es darum, Vermögenswerte auszuwählen, die auf Persistenz in ihrer Aufführung basieren, entweder gegen ihre Altersgenossen (relativer Impuls) oder gegen sich selbst über die Zeit (absolute Dynamik). Das macht keinen Sinn in Bezug auf Volatilität oder Korrelation. Die Autoren verwenden tatsächlich Volatilität und Korrelation als Rangfaktoren. Sie tun das gleiche mit Rückkehr, aber nachdem sie sie mit relativer und absoluter Dynamik auswählen. Die Autoren beenden das Ranking mit beliebigen Gewichten von 1,0, 0,5 und 0,5 für Rücklaufdynamik, Volatilität und Korrelation. Sie erklären nicht, wie sie mit diesen Gewichtungen gekommen sind. Ich wäre vorsichtig, die Informationen in diesem Papier zu verwenden, ohne wesentlich mehr Analysen und Rückversuche durchzuführen. Zeitreihe Momentum versus Moving Average Trading Rules, von Marshall, Nguyen und Visaltanachoti ist ein akademisches Papier, das versucht zu bestimmen, ob langfristige Impulshandelsregeln vergleichbare gleitende durchschnittliche Handelsregeln schlagen. Sie tun dies durch Vergleich der absoluten Dynamik (die sie Zeitreihen-Impuls nennen) zu vergleichbaren (nach ihnen) bewegten Mittelwerten von Größen-basierten Quintilen von US-Aktien mit 10, 50, 100 und 200 Trading-Day-Look-Back-Perioden. Sie haben Vertrauen in ihre Vergleiche, weil ihre Korrelationen zwischen Impuls und gleitenden durchschnittlichen Renditen im Allgemeinen über .8 liegen. Allerdings kann dies etwas mit ihrer Verwendung von täglichen, anstatt monatlichen, Rückgabe Daten zu tun haben. Da Impuls eine Zwischenzeit Anomalie ist, studieren die meisten Forscher es mit monatlichen Renditen. Wir erhalten Korrelationen von 0,45 bis 0,47 beim Vergleich von 12-monatigen absoluten Momentum monatlichen Renditen auf eine Bandbreite von 4 bis 32 Monate gleitenden durchschnittlichen monatlichen Renditen der US-Börse für die letzten 38 Jahre. Wir verwenden eine Reihe von gleitenden durchschnittlichen Längen, weil man nicht einfach die gleiche Rückblickperiode für Impuls und Bewegungsdurchschnitte verwenden kann und vergleichbare Ergebnisse erwarten kann. Die Autoren deuten darauf hin, wenn sie sagen, dass sich die Durchblutungen früher ein - und aussteigen. In ihrem Papier werden auch die durchschnittlichen Halteperioden für Rückblickintervalle von 10, 50, 100 und 200 Handelstagen als 8, 22, 31 und 47 Tage für gleitende Durchschnittsregeln und 10, 32, 46 und 83 Tage für Impulsregeln identifiziert. Schnellere Einsendungen und Ausgänge mit bewegten Durchschnitten bedeutet, dass ihre Längen länger sein sollten, wenn man davon ausgeht, dass ihre Leistung mit der Leistung des absoluten Impulses übereinstimmt. Die Wahl der gleichen Rückblickperiode macht keine absolute Dynamik und gleitende Durchschnitte vergleichbar. Ein altes Investitions-Sprichwort ist, dass gleitende Mittelwerte die Hälfte ihrer Länge hinter dem aktuellen Preis auf einer Aktienkarte gezeichnet werden sollten. Eine Halbspannenverzögerung bedeutet, dass die Rückblickperiode für einen gleitenden Durchschnitt doppelt so lang wäre wie die Rückblickperiode für Impuls, damit die beiden grob vergleichbar sind. Die folgende Tabelle soll dies deutlich machen. Läßt den absoluten Impuls vom Mittelpunkt dieser Linie bei 30 bis zum Endpunkt bei 50 messen. Der absolute Impuls misst die Differenz zwischen dem Anfangs - und Endwert, der in diesem Fall 20 ist. Der berechnete gleitende Mittelwert vom Anfang von 30 bis zum Ende Von 50 ist 40. Die Differenz zwischen dem gleitenden Mittelwert von 40 und dem Endwert von 50 beträgt nur 10, was einen schwächeren Trend anzeigt, als mit dem absoluten Moment identifiziert wurde. Wenn wir also den gleitenden Durchschnitt zweimal so weit zurück an der Stelle von 10 beginnen, wird der berechnete gleitende Mittelwert 30 statt 40, und der Unterschied zwischen ihm und unserem Endwert ist jetzt 20, genauso wie bei absoluter Dynamik. Die Zahlen funktionieren nicht immer genau so. Die äquivalente gleitende durchschnittliche Rückblickzeit hängt von der Preiswirkung entlang der Länge des gleitenden Durchschnitts ab. Allerdings ist es sicher zu sagen, dass mit der doppelten absoluten Momentum Rückblick Zeit gibt uns eine bessere gleichwertige gleitende durchschnittliche Länge. Wir sehen das in Panel D aus Tabelle 2 des Papiers: Zeitreihe Momentum und technische Analyse Leistung und Vergleich Q1 (klein) Q2 Q3 Q4 Q5 (groß) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Panel D: Sharpe Ratios 10 0,47 0,38 0,41 0,31 0,24 0,24 0,24 0,17 0,25 0,16 0,24 0,01 0,27 0,22 0,24 0,21 0,21 0,22 0,22 0,25 0,19 0,12 0,22 0,27 0,17 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 0,17 0,20 0,16 0,17 0,12 0,17 0,17 0,17 0,17 0,12 0,17 0,10 0,19 0,17 0,17 0,10 Quintile von Q1 (klein) bis Q5 (groß). Rückblickzeiten von 10 bis 200 Tagen sind in der ersten Spalte. Wenn man über die Zeilen liest, sind die Sharpe-Verhältnisse für gleitende durchschnittliche (MA) und absolute Impuls - (TSMOM-) Strategien mit der gleichen Rückblickperiode. Wir sehen, dass mit Ausnahme von Q5 (groß), wenn wir die MA-Strategien um eine Ebene verschieben, so dass ihre Rückblickperioden doppelt so lang sind (oder länger, wenn sie von 50 auf 10 gehen) als TSMOM-Rückblickperioden Bekomme eine fast genaue Übereinstimmung der Sharpe Ratios. Basierend auf der Verwendung solcher verschobenen Rückblickperioden, die MA - und TSMOM-Strategien in etwa gleichwertig machen, kann man nicht mehr sagen, dass Portfolio-Timing-Regeln, die auf bewegten Durchschnitten basieren, ihre absoluten Impulsgegenstücke deutlich übertreffen. Um die absoluten Impulse mit den gleitenden durchschnittlichen Handelsregeln zu vergleichen, sollte man jeweils eine Reihe von Werten untersuchen. Wir haben dies getan und festgestellt, dass die leistungsstärksten Impulsparameter, die auf verschiedene Vermögenswerte und unterschiedliche Zeiträume angewendet werden, weniger Dispersion haben als die am besten durchführenden gleitenden Durchschnittsparameter. Dual Momentum TM Da die Vorteile der Impulsinvestitionen weit verbreitet sind, gibt es natürlich mehr Forschung Getan, um sein Potenzial zu erforschen. Einige dieser Forschungen, wie die Moskowitz, Ooi und Pedersen Papier Zeitreihe Momentum, war ausgezeichnet. Wir bevorzugen es, darauf hinzuweisen und darüber zu diskutieren, aber da dies ein Blog über Impuls ist, fühlen wir uns verpflichtet, auch über Impulsprodukte und Forschung zu sprechen, die ein bisschen off Basis sein können (siehe hier kommt Marktneutrale Momentum8230sort). Ende letzten Jahres haben Keller und van Putten ein Papier mit dem Titel "Generalized Momentum" und "Flexible Asset Allocation" herausgegeben. Die Autoren haben die absoluten und relativen Impulse an die Top 3 von 7 Assets mit Daten von 1998 bis 2012 angewendet. Sie entwickelten ihre Parameter auf 8 Jahre Daten von 2005 bis 2012 und zeigen, dass sie ihre Ergebnisse auf 7 Jahre zusätzliche Daten von 1998 bis bestätigt haben 2004. Sie nennen dies eine Out-of-Sample-Validierung, aber sie erwähnen anderwohin in ihrer Zeitung, dass sie die Rückblickzeit und die Anzahl der zu investierenden Mittel bestimmt haben, indem sie eine längere Datenspanne betrachteten, die den gesamten Zeitraum von 1998 bis 2012 umfasst . Um eine bescheidene Menge an Daten in der Hälfte zu teilen und einen Teil davon zu benennen, ist ein Nicht-Test-Test nicht korrekt. Data Snooping Bias und Modell über-passende sind auch gängige Praktiken bei den Praktikern. In Bezug auf ihre Ergebnisse sind acht Jahre Daten eine sehr kleine Stichprobengröße für die Bestimmung von Investitionsmodellparametern. Ihre Ergebnisse auf 7 weitere Jahre von Daten können anständig aussehen, weil Impuls ist so robust, dass die meisten Parameter über einen bestimmten Bereich funktionieren OK. Allerdings können Rücktests auf acht Jahre Daten nicht geben, was wirklich die besten Parameterwerte sind. Ansonsten kann das Autorenpapier ziemlich verwirrend sein. Hier ist ein Beispiel, Manchmal wird unsere relative Dynamik als relative Stärke bezeichnet (RS, siehe Faber 2010) oder Zeitreihenmomentum (siehe Thomas 2012). Wir werden auch den Begriff return momentum verwenden, um besser mit Volatilität und Korrelationsdynamik zu kontrastieren. Zeitreihen-Impuls unterscheidet sich von relativer Dynamik (siehe mein Beitrag Whatchmacallit). Darüber hinaus hat das, was sie Volatilität und Korrelationsdynamik nennen, nichts mit Impuls zu tun. Momentum geht es darum, Vermögenswerte auszuwählen, die auf Persistenz in ihrer Aufführung basieren, entweder gegen ihre Altersgenossen (relativer Impuls) oder gegen sich selbst über die Zeit (absolute Dynamik). Das macht keinen Sinn in Bezug auf Volatilität oder Korrelation. Die Autoren verwenden tatsächlich Volatilität und Korrelation als Rangfaktoren. Sie tun das gleiche mit Rückkehr, aber nachdem sie sie mit relativer und absoluter Dynamik auswählen. Die Autoren beenden das Ranking mit beliebigen Gewichten von 1,0, 0,5 und 0,5 für Rücklaufdynamik, Volatilität und Korrelation. Sie erklären nicht, wie sie mit diesen Gewichtungen gekommen sind. Ich wäre vorsichtig, die Informationen in diesem Papier zu verwenden, ohne wesentlich mehr Analysen und Rückversuche durchzuführen. Zeitreihe Momentum versus Moving Average Trading Rules, von Marshall, Nguyen und Visaltanachoti ist ein akademisches Papier, das versucht zu bestimmen, ob langfristige Impulshandelsregeln vergleichbare gleitende durchschnittliche Handelsregeln schlagen. Sie tun dies durch Vergleich der absoluten Dynamik (die sie Zeitreihen-Impuls nennen) zu vergleichbaren (nach ihnen) bewegten Mittelwerten von Größen-basierten Quintilen von US-Aktien mit 10, 50, 100 und 200 Trading-Day-Look-Back-Perioden. Sie haben Vertrauen in ihre Vergleiche, weil ihre Korrelationen zwischen Impuls und gleitenden durchschnittlichen Renditen im Allgemeinen über .8 liegen. Allerdings kann dies etwas mit ihrer Verwendung von täglichen, anstatt monatlichen, Rückgabe Daten zu tun haben. Da Impuls eine Zwischenzeit Anomalie ist, studieren die meisten Forscher es mit monatlichen Renditen. Wir erhalten Korrelationen von 0,45 bis 0,47 beim Vergleich von 12-monatigen absoluten Momentum monatlichen Renditen auf eine Bandbreite von 4 bis 32 Monate gleitenden durchschnittlichen monatlichen Renditen der US-Börse für die letzten 38 Jahre. Wir verwenden eine Reihe von gleitenden durchschnittlichen Längen, weil man nicht einfach die gleiche Rückblickperiode für Impuls und Bewegungsdurchschnitte verwenden kann und vergleichbare Ergebnisse erwarten kann. Die Autoren deuten darauf hin, wenn sie sagen, dass sich die Durchblutungen früher ein - und aussteigen. In ihrem Papier werden auch die durchschnittlichen Halteperioden für Rückblickintervalle von 10, 50, 100 und 200 Handelstagen als 8, 22, 31 und 47 Tage für gleitende Durchschnittsregeln und 10, 32, 46 und 83 Tage für Impulsregeln identifiziert. Schnellere Einsendungen und Ausgänge mit bewegten Durchschnitten bedeutet, dass ihre Längen länger sein sollten, wenn man davon ausgeht, dass ihre Leistung mit der Leistung des absoluten Impulses übereinstimmt. Die Wahl der gleichen Rückblickperiode macht keine absolute Dynamik und gleitende Durchschnitte vergleichbar. Ein altes Investitions-Sprichwort ist, dass gleitende Mittelwerte die Hälfte ihrer Länge hinter dem aktuellen Preis auf einer Aktienkarte gezeichnet werden sollten. Eine Halbspannenverzögerung bedeutet, dass die Rückblickperiode für einen gleitenden Durchschnitt doppelt so lang wäre wie die Rückblickperiode für Impuls, damit die beiden grob vergleichbar sind. Die folgende Tabelle soll dies deutlich machen. Läßt den absoluten Impuls vom Mittelpunkt dieser Linie bei 30 bis zum Endpunkt bei 50 messen. Der absolute Impuls misst die Differenz zwischen dem Anfangs - und Endwert, der in diesem Fall 20 ist. Der berechnete gleitende Mittelwert vom Anfang von 30 bis zum Ende Von 50 ist 40. Die Differenz zwischen dem gleitenden Mittelwert von 40 und dem Endwert von 50 beträgt nur 10, was einen schwächeren Trend anzeigt, als mit dem absoluten Moment identifiziert wurde. Wenn wir also den gleitenden Durchschnitt zweimal so weit zurück an der Stelle von 10 beginnen, wird der berechnete gleitende Mittelwert 30 statt 40, und der Unterschied zwischen ihm und unserem Endwert ist jetzt 20, genauso wie bei absoluter Dynamik. Die Zahlen funktionieren nicht immer genau so. Die äquivalente gleitende durchschnittliche Rückblickzeit hängt von der Preiswirkung entlang der Länge des gleitenden Durchschnitts ab. Allerdings ist es sicher zu sagen, dass mit der doppelten absoluten Momentum Rückblick Zeit gibt uns eine bessere gleichwertige gleitende durchschnittliche Länge. Wir sehen das in Panel D aus Tabelle 2 des Papiers: Zeitreihe Momentum und technische Analyse Leistung und Vergleich Q1 (klein) Q2 Q3 Q4 Q5 (groß) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Panel D: Sharpe Ratios 10 0,47 0,38 0,41 0,31 0,24 0,24 0,24 0,17 0,25 0,16 0,24 0,01 0,27 0,22 0,24 0,21 0,21 0,22 0,22 0,25 0,19 0,12 0,22 0,27 0,17 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 0,17 0,20 0,16 0,17 0,12 0,17 0,17 0,17 0,17 0,12 0,17 0,10 0,19 0,17 0,17 0,10 Quintile von Q1 (klein) bis Q5 (groß). Rückblickzeiten von 10 bis 200 Tagen sind in der ersten Spalte. Wenn man über die Zeilen liest, sind die Sharpe-Verhältnisse für gleitende durchschnittliche (MA) und absolute Impuls - (TSMOM-) Strategien mit der gleichen Rückblickperiode. Wir sehen, dass mit Ausnahme von Q5 (groß), wenn wir die MA-Strategien um eine Ebene verschieben, so dass ihre Rückblickperioden doppelt so lang sind (oder länger, wenn sie von 50 auf 10 gehen) als TSMOM-Rückblickperioden Bekomme eine fast genaue Übereinstimmung der Sharpe Ratios. Basierend auf der Verwendung solcher verschobenen Rückblickperioden, die MA - und TSMOM-Strategien in etwa gleichwertig machen, kann man nicht mehr sagen, dass Portfolio-Timing-Regeln, die auf bewegten Durchschnitten basieren, ihre absoluten Impulsgegenstücke deutlich übertreffen. Um die absoluten Impulse mit den gleitenden durchschnittlichen Handelsregeln zu vergleichen, sollte man jeweils eine Reihe von Werten untersuchen. Wir haben dies getan und festgestellt, dass die leistungsstärksten Impulsparameter, die auf verschiedene Vermögenswerte und unterschiedliche Zeiträume angewendet werden, weniger Dispersion aufweisen als die am besten durchführenden gleitenden Durchschnittsparameter. 9. März 2013 Es gibt eine neue Forschungsarbeit von Wes Gray und Jack Vogel, die nicht nur für Impulsinvestoren interessant ist, sondern für alle Investoren und Forscher. Das Papier verwendet maximalen Drawdown, um Schwanzrisiko zu erfassen. In ihr zeigen Wes und Jack, dass akademische Anomalien, die durch lineare Faktormodelle (Alpha) identifiziert wurden, oft keine großen Handelsstrategien sind. Wes und Jack wählen elf Longshort-Anomalien aus der akademischen Literatur aus und zeigen, dass eine Reihe von ihnen trotz positiver Alphas und attraktiver Sharpe-Verhältnisse sehr große Drawdowns zeigen, die vermutlich Margin-Anrufe und Investor-Abhebungen zu ungünstigen Zeiten auslösen würden. Sechs der elf Strategien haben Drawdowns über 50, wobei die drei schlimmsten 86,1, 84,7 und 83,5 sind. (Longshort-Aktienmomentum ist derjenige mit einem 86-Drawdown. Vielleicht sollte QuantShares überlegen sein, ihre Longshort-Impulsaktien ETF, den US-Markt Neutral Momentum Fund, zu nennen. Einige Forscher betrachten das Sortino Verhältnis, das überschüssige Rückkehr durch Abwärtsvariabilität teilt, anstatt Gesamtvariabilität, wie das Sharpe Verhältnis. Die Einbeziehung der Aufwärtsvariabilität kann jedoch nützlich sein, insbesondere bei der Bewertung von Investitionsmöglichkeiten mit ähnlicher Abwärtsvolatilität. Weder das Sharpe noch das Sortino-Verhältnis betrachtet das volle Ausmaß der Nachteilbelichtung im äußersten linken Schwanz einer Verteilung. Wes und Jack sagen, dass es für Forscher und Investoren wichtig ist, Schwanzrisiko zu betrachten. Sie schlagen vor, den maximalen Peak-to-Valley-Verlust (Drawdown) zu betrachten, der mit einer Zeitreihe als relativ einfacher Weg verbunden ist. Sie haben ein erklärendes Video auf ihrem Turnkey Analyst Blog, zusammen mit dem Excel VBA Makro Code und eine Kalkulationstabelle für die Berechnung der maximalen Drawdown. (Es gibt auch andere gute Videos, die zeigen, wie man Excel für die mittlere Varianzoptimierung verwendet und wie man 3 oder 4 Faktor alpha berechnet.) Natürlich ist der maximale Drawdown nicht als Risikomaß perfekt. Es ist nicht möglich, die traditionelle statistische Analyse, wie Konfidenzintervalle, zugänglich zu machen. (Angesichts der stochastischen Natur der Finanzmärkte kann die traditionelle statistische Analyse sowieso nicht so genau sein.) Maximaler Drawdown ist zeitabhängig 8211 Je länger ein Track Record, desto wahrscheinlicher wird der maximale Drawdown zunehmen. Drawdown-Frequenz, sowie Größe, ist auch wichtig. Darüber hinaus zeigt der maximale Drawdown nur ein einziges vergangenes Ereignis, das ein zufälliges Ereignis sein kann und nicht repräsentativ für das, was die Zukunft bringen kann. Andere Blicke auf das Schwanzrisiko versuchen, mit diesen Bedenken umzugehen. Bedingter Value at Risk (CVAR) versucht zu zeigen, was ein Drawdown wird am ehesten aussehen wie bei einem extremen Ereignis. Extreme value theory (EVT) tries to identify large deviations from the medians of probability distributions. Both these approaches are computationally challenging and rarely found in finance literature. (I used to compute CVAR myself, but didn8217t find it as intuitively appealing as maximum drawdown.) Wes and Jack have done a service in showing how the usual ways of evaluating investment opportunities, such as alpha and Sharpe ratios, can be seriously lacking. Neither alpha, nor standard deviation, nor maximum drawdown, represent a complete measure of investment risk. Maximum drawdown is good in that it gives some indication of extreme tail risk. However, I also look more broadly at strategy drawdown versus benchmarks drawdown under a variety of adverse conditions. I also examine interquartile ranges and extreme outliers using box plots of the data. You can see all four of these methods at work in my dual momentum paper. I hope other researchers catch on soon and start presenting more than just Sharpe ratio or alpha as their objective function. These often mean little on their own in terms of true risk exposure. Tail risk is important to investors, and it should also matter to researchers.