Momentum Trading Teil 1 von 3 Hintergrund Bruce Vanstone ist Assistant Professor an der Bond University in Australien. Er absolvierte sein Doktorat in Computational Finance im Jahr 2006 und ist ein regelmäßiger Moderator und Herausgeber der akademischen Arbeit an Börsenhandelssystemen. Er unterrichtet Börsenkurse an der Universität und berät bei Porter Capital Management bei der Gestaltung von mechanischen, regelbasierten Handelssystemen. Weitere Informationen über Bruce s Forschung und Methoden finden Sie unter trading. it. bond. edu. au. Die Volatilität der Finanzmärkte in den kommenden Jahren wird wahrscheinlich dazu führen, dass mehr aktiv verwaltete regelnbasierte Ansätze zur Outperformance von langfristigen Trendfolgesystemen führen. Ich habe Bruce gebeten, eine Reihe von Artikeln zu schreiben, die auf seinen Erfahrungen mit dem Impulshandel basieren. Einleitung Der Zweck dieser dreiteiligen Artikelserie besteht darin, Informationen über die potenziellen Vorteile von Impulsinvestitionen zu liefern. In dieser Serie werde ich versuchen, zu erläutern, welche Dynamik, die potenziellen Erträge für Impulsgeber und die Art und Weise, wie Porter Capital mechanische, regelbasierte Strategien mit dem Impulseffekt kombiniert, um den Investoren Vorteile zu bieten, zu erklären. Die erste Anomalie Seit ihrer ersten Entdeckung durch DeBondt Thaler 1985 1. Wurde der Impulseffekt in vielen Märkten weltweit dokumentiert und erforscht. Viele Händler und Investoren würden wissen, der akademische Begriff der effizienten Markt, und die Implikation, dass diese Effizienz auf die Fähigkeit der Investoren und Händler, Gewinne zu erzielen. Was Sie vielleicht nicht bewusst sein, ist, dass der Vater der effizienten Markt-Hypothese, Eugene Fama, bezieht sich auf Impuls als die Premiere unerklärliche Anomalie 2. Mit anderen Worten, der Erfolg von impulsbasierten Investitionen wird von vielen als eine Ausnahme von der effizienten Markthypothese betrachtet. Was ist es In seinem einfachsten Sinne bezieht sich Impuls auf den Kauf von Aktien, die Vergangenheit Über-Performance aufweisen. Die Forschung zeigt, dass Aktien, die eine starke Performance über eine bestimmte historische Periode ausgestellt haben, eine Tendenz haben, weiterhin eine starke Performance für einige zukünftige Perioden zu zeigen. Es bedeutet, dass Investoren potenziell hitch eine Fahrt auf starke Momentum Aktien. In Teil 2 dieser Serie werde ich Simulationen verwenden, um die potenziellen Risiken und Belohnungen des Impulsansatzes zu erforschen. Ein typischer Impulshandel Der typische Impulshandel hat eine Geschichte von klar definierter Richtung und Stärke. Abbildung 1 zeigt ein Diagramm der Preisaktivität für ALLE (Aristokratische Freizeit) von August 2004 bis April 2005. Ende August 2004 gibt es einen klaren Preisausbruch auf sehr hohem Volumen. Dies ist der Beginn des Impulses. In den nächsten Monaten zeigt die Kursentwicklung eine klar definierte Richtung. Ist es glaubwürdig? Der Impulseffekt ist in den internationalen und australischen Aktienmärkten weitgehend erforscht und dokumentiert worden. Beispielsweise hat Rouwenhorst 3 die Dynamikstrategien in 12 europäischen Märkten mit Daten von 1980 bis 1995 getestet und festgestellt, dass Impulsrenditen in jedem Land vorhanden waren und ihre Wirkung etwa ein Jahr dauerte. Griffin et al. 4 fanden Unterstützung für die Rentabilität der Impulse Investitionen in über 40 Ländern, und schloss Weltweit sind Impulsgewinne groß und statistisch zuverlässig in Zeiten des negativen und positiven Wirtschaftswachstums. Momentum wurde gründlich in nahezu allen weltweiten Aktienmärkten recherchiert. Impulseffekte wurden auch in anderen Anlageklassen wie Fremdwährungen dokumentiert 5. Rohstoffe 6 und Immobilien 7. Es ist fair zu sagen, dass der Impulseffekt eine der vorteilhaftesten Auswirkungen für Investoren zu sein scheint. Eine eingehende Untersuchung zeigt, dass die auftragsbezogene Investition das Investitionsrisiko nicht erhöht und dass Impulseffekte sowohl bei wirtschaftlich guten als auch bei schlechten Zyklen auftreten. Wann funktioniert es am besten Wie alle Investmentansätze, Impulse Investitionen unterliegt den Launen des Investors. Für viele Anleger sind schlechte Renditen nicht so sehr eine Funktion ihrer Anlagestrategie, sondern ihre eigene Umsetzung dieser Strategie. Alle Anlagestrategien profitieren von der gesteigerten Disziplin und Rechenschaftspflicht, die der mechanische, regelbasierte Handel insbesondere in schwierigen Investitionszyklen mit sich bringt. Ich werde dieses Thema im dritten Teil dieser Impulsreihe näher erörtern. Referenzen DeBondt, W. F.M. Und R. H. Thaler, Ist die Börse überreagiert, Journal of Finance, 1985. 40: p. 793 & ndash; 805. Fama, E. und K. Französisch, gemeinsame Risikofaktoren in den Renditen von Aktien und Anleihen. Zeitschrift für Wirtschaftswissenschaft, 1993. 33 (1). Rouwenhorst, K. G. Internationale Impulsstrategien. Journal of Finance, 1998. 53 (1): p. 267-284. Griffin, J. M. S. Ji und J. S. Martin, Global Momentum Strategien: Eine Portfolio-Perspektive. Verfügbar in: SSRN: ssrn / Abstract 492804, 2004. Okunev, J. und D. White, Machen dynamische Strategien immer noch in Fremdwährungsmärkten wirksam Journal of Financial and Quantitative Analysis, 2003. 38. Taylor, S. J. Prognose der Marktpreise. International Journal of Forecasting, 1998. 4: p. 421-426. Stevenson, S. Momentum Effekte und mittlere Reversion in Immobilien-Wertpapiere. Journal of Immobilien, 2002. 23: p. 47-64. Trading WTI / BRENT Verbreitung Die WTI-Brent Verbreitung ist der Unterschied zwischen den Preisen von zwei Arten von Rohöl, West Texas Intermediate (WTI) auf der langen Seite und Brent Crude (Brent) auf der kurzen Seite. Die beiden Öle unterscheiden sich nur in der Fähigkeit von WTI, etwas mehr Benzin in dem Rissbildungsverhältnis zu erzeugen, was eine geringe Preis-Marge von WTI über Brent verursacht. Da beide Öle sehr ähnlich sind, zeigt ihre Verbreitung Anzeichen einer starken Vorhersagbarkeit und schwankt gewöhnlich um einen Durchschnittswert herum. Es ist daher möglich, Abweichungen vom Fair-Spread-Wert zu verwenden, um auf die Konvergenz zurück auf den Fair Value zu setzen. Der Fair-Spread-Wert könnte über einen gleitenden Durchschnitt, eine Regression, eine neuronale Netzwerkregression oder andere Verfahren berechnet werden. Wir präsentieren eine gleitende Durchschnittsberechnung als eine beispielhafte Handelsstrategie aus dem Quellenpapier. Grundlagen Beide Öle unterscheiden sich in den chemischen Zusammensetzungen und unterscheiden sich auch in den Produktions - und Transportattributen. Diese Unterschiede spiegeln sich in der Preisspanne zwischen beiden Futures-Kontrakten wider. Die Ausbreitung ist mittlere Rückkehr, weil die meisten Preisschocks nur zeitlich so die Ausbreitung bewegt sich zurück zu seinem langfristigen wirtschaftlichen Gleichgewicht und daher ist es möglich, eine Handelsstrategie auf dieser mittleren Reversion zu schaffen. Achtung sollte nur bei der Verwendung von Parametern aus dem Ursprungspapier benötigt werden, da sie auf dem kurzen Verlauf beruhen und daher anfällig für Data-Mining-Bias sein könnten. Vertrauen in die Anomalie s Gültigkeitserklärung für das Vertrauen in die Anomalie s Gültigkeit, obwohl es keine Zweifel an der Verbreitung Mittel Rückgang, ist Vorsicht bei der Beurteilung der gleitenden durchschnittlichen Zeitraum für den Handel in der Zeitung als Backtest und die Optimierung auf einer kurzen Daten-Stichprobe basiert benötigt Period of rebalancing Erläuterungen zur Periodengleichheit Anzahl der gehandelten Instrumente Anmerkungen zur Anzahl der gehandelten Instrumente Anmerkungen zur Komplexitätsbewertung Backtest-Zeitraum vom Quellpapier Erläuterungen zur indikativen Performance pro Jahr, berechnet als gewichteter Durchschnitt der Stichprobe und außerhalb der Stichprobenperiode, Daten aus der Tabelle 2 Anmerkungen zur geschätzten Volatilität schlechtere Zahl von in und außerhalb der Stichprobenperiode, Daten aus Tabelle 2 Anmerkungen zu maximalem Drawdown schlechtere Anzahl von in und außerhalb der Stichprobenperiode, Daten aus Tabelle 2 Stichwörter: Paarhandel, Arbitrage, Spreadhandel Einfache Handelsstrategie A 20 Tage gleitenden Durchschnitt der WTI / Brent Spread wird jeden Tag berechnet. Wenn der aktuelle Spreizwert oberhalb von SMA 20 liegt, dann geben wir eine Short-Position in der Spreizung in der Nähe ein (Wetten, dass die Spreizung auf den durch SMA 20 dargestellten fairen Wert sinkt). Der Handel ist am Ende des Handelstages geschlossen, wenn der Spread unter dem Fair Value liegt. Wenn der Strom unter SMA Spread Wert 20 wird dann geben wir eine Long-Position Wetten, dass die Ausbreitung zunehmen wird und der Handel wird am Ende des Handelstages geschlossen, wenn der Spread über dem Marktwert überschreitet. Quelle Papier Evans, Dunis, Gesetze: Handel Futures-Spread: Eine Anwendung von Korrelations Palgrave-Journals / jdhf / Zeitschrift / v15 / n4 / full / jdhf200924a ljmu. ac. uk/AFE/AFE docs / Ben1004.PDF Abstract: Ursprüngliche Motivation für Dieses Papier ist die Untersuchung eines Korrelationsfilters zur Verbesserung der Risiko-Rendite-Performance der Handelsmodelle. Weitere Motivation ist der Handel mit Futures-Spreads über die Fair-Value-Typ des Modells von Butterworth und Holmes (2003) verwendet, zu verlängern. Die Handelsmodelle getestet sind die folgenden die Kointegration Fair-Value-Ansatz, MACD, traditionelle Regressionstechniken und Neural Network Regression. Ebenfalls dargestellt ist die Effektivität der beiden Filtertypen, ein Standardfilter und ein Korrelationsfilter für die Handelsregel. Unsere Ergebnisse zeigen, dass das beste Modell der WTI-Brent Spread für den Handel ein ARMA-Modell ist, das profitabel erwiesen, sowohl In - und Out-of-Probe. Dies wird durch die out-of-Probe annualisierte Rendite von 34,94 für die Standard und Korrelation gezeigt filtert gleich (einschließlich Transaktionskosten). Andere Papiere Lubnau: Spread-Trading-Strategien im Rohöl-Futures-Markt econstor. eu/bitstream/10419/96520/1/783913591.pdf Abstract: seine Artikel untersucht, ob gemeinsame technische Handelsstrategien an den Aktienmärkten verwendet werden, können für profitabel in den Märkten eingesetzt werden WTI und Brent Rohöl. Die getesteten Strategien sind Bollinger Bands, basierend auf einem Mittelwert-Heck-Portfolio von WTI und Brent. Die Handelssysteme werden mit historischen Daten von 1992 bis 2013, die 22 Jahre Daten und für verschiedene Spezifikationen. Das Hedge-Verhältnis für das Rohölportfolio ergibt sich aus dem Johansen-Verfahren und einem dynamischen Linearmodell mit Kalman-Filterung. Die Signifikanz der Ergebnisse wird mit einem Bootstrap-Test ausgewertet, bei dem zufällig generierte Befehle verwendet werden. Die Ergebnisse zeigen, dass einige Setups des Systems in der Lage, über alle fünf Jahre getestet werden. Außerdem erzeugen sie Gewinne und Sharpe Ratio, die als die Zeit in etwa demselben Betrieb erzeugten Aufträge von zufällig deutlich höher sind. Die besten Ergebnisse mit einigen Sharpe-Verhältnissen von mehr als drei werden erhalten, wenn ein dynamisches lineares Modell mit Kalman-Filterung und Maximum-Likelihood-Schätzungen der unbekannten Varianz der Zustandsgleichung verwendet wird, um das Hedge-Verhältnis des Portfolios konstant zu aktualisieren. Die Ergebnisse zeigen, dass der Rohölmarkt nicht schwach-form-effizient sein kann. Donninger: Die Armut der akademischen Finanzen Forschung: Spread Trading-Strategien in der Rohöl-Futures-Markt papers. ssrn /sol3/papers. cfm abstract ID 2617585 Zusammenfassung: Harvey, Liu und Zhu argumentieren, dass wahrscheinlich die meisten der Querschnitt der Rückkehr Literatur ist Müll. Man kann immer versuchen, einen zusätzlichen Faktor und wird ein signifikantes Querschnittsergebnis mit ausreichend Versuch und Irrtum zu finden. Lopez de Prado argumentiert in einer Reihe von Artikeln in einer ähnlichen Vene. Theoretisch wissenschaftliche Ergebnisse sind falsifizierbar. Praktisch vorherige Ergebnisse und Veröffentlichungen werden nur in seltenen Fällen überprüft. Wachstum in einer Zeit der Tiefe von Reinhart-Rogoff war die einflussreichste Wirtschafts-Papier in den letzten Jahren. Es wurde in einem Top-Journal veröffentlicht. Obwohl das Papier sogar triviale Excel-Bugs enthielt, dauerte es 3 Jahre, bis die falschen Ergebnisse und die schlechte Methodik vollständig enthüllt wurde. Die Prüfer haben die einfachen Tabellen nicht überprüft. Dieses Papier analysiert ein weniger prominentes Beispiel über den Spread-Handel im Rohöl-Futures-Markt von Thorben Lubnau. Der Autor berichtet für seine ganz einfache Strategie eine langfristige Sharpe-Ratios über 3. Es wird gezeigt, dass - wie bei Reinhart-Rogoff - keine ausgeklügelten Teststatistiken nötig sind, um die Ergebnisse zu verfälschen. Die Erklärung ist viel einfacher: Der Autor hat keine Ahnung von Handel. Er benutzte die falschen Daten. Verwandte durch Märkte: Anwendung der evolutionären Berechnung für die Regel Entdeckung in Lager algorithmischen Handel: Eine Literaturübersicht Yong Hu a ,. Kang Liu b. Xiangzhou Zhang a, e. Lijun Su b. E. W.T. Ngai c. Mei Liu d. Ein großes Datenentscheidungsinstitut, Jinan Universität, Guangzhou, VR China b School of Business, Guangdong Universität für ausländische Studien, Higher Education Mega Center, Guangzhou 510006, PR China c Department of Management und Marketing, Die Hong Kong Polytechnic University, Kowloon, Hong Kong, China d Department of Internal Medicine, Abteilung für Medizinische Informatik, Universität Kansas Medical Center, Kansas City, KS 66160, USA e School of Business, Sun Yat-sen Universität, China erhielt 19. August 2014. Überarbeitete 7. Juni 2015. Akzeptiert 12. Juli 2015. Online verfügbar am 21. Juli 2015. Highlights Die erste systematische Literaturrecherche zur evolutionären Regelentdeckung im algorithmischen Börsenhandel. Eine klare Darstellung von Studien auf diesem Gebiet basierend auf einem Klassifikationsrahmen. Eine genaue Analyse der Lücken und Einschränkungen in bestehenden Studien auf der Grundlage der Einzelheiten der Evaluation. Die wichtigsten Einflussfaktoren auf die Rentabilität von Modellen werden detailliert dargestellt. Gezielte Vorschläge für zukünftige Verbesserungen auf der Grundlage der Überprüfung werden vorgeschlagen. Zusammenfassung Trotz der breiten Anwendung von Evolutionary Computation (EC) - Techniken zur Bestimmung der Entdeckung im algorithmischen Handel (AT) ist eine umfassende Literaturrecherche zu diesem Thema nicht verfügbar. Ziel dieses Beitrags ist es daher, die erste systematische Literaturrecherche über die Anwendung der EG-Techniken zur Regelfindung auf dem Markt AT vorzulegen. Von 650 Artikeln, die vor 2013 (einschließlich) veröffentlicht wurden, wurden 51 relevante Artikel aus 24 Zeitschriften bestätigt. Diese Papiere wurden in drei analytische Methodenkategorien (Fundamentalanalyse, technische Analyse und Mischanalyse) und drei EC-Technik-Kategorien (evolutionärer Algorithmus, Swarm Intelligence und Hybrid-EC-Techniken) zusammengefasst. Eine signifikante Neigung zu den Anwendungen von genetischen Algorithmen-basierten (GA) und genetischen Programmier-basierte (GP) - Techniken in der technischen Handelsregelentdeckung wird beobachtet. Andere EG-Techniken und Fundamentalanalysen sind nicht ausreichend. Darüber hinaus fassen wir die Informationen über das Evaluierungsschema ausgewählter Papiere zusammen und analysieren insbesondere die Untersuchungen, die ihre Modelle mit der Buy-and-Hold-Strategie vergleichen (B H). Wir beobachten ein interessantes Phänomen, bei dem die meisten vorhandenen Techniken effektiv im Abwärtstrend und schlecht im Aufwärtstrend wirken, und unter Berücksichtigung der Verteilung der Forschung im Klassifikationsrahmen schlagen wir vor, dass dieses Phänomen auf die Neigung der Faktorauswahlen und des Problems zurückzuführen ist Transaktionskostenauswahl. Wir beobachten auch den signifikanten Einfluss der Transaktionskostenänderung auf die Margen der Überschussrendite. Weitere beeinflusste Faktoren werden ebenfalls im Detail dargestellt. Das Fehlen von Möglichkeiten für die Markttrendvorhersage und die Auswahl der Transaktionskosten sind zwei Hauptbeschränkungen der untersuchten Studien. Darüber hinaus ist die Kombination von Trading-Regel Entdeckungstechniken und Portfolio-Auswahl eine große Forschungslücke. Unsere Übersicht zeigt den Forschungsschwerpunkt und die Lücken in der Anwendung der EG-Techniken für die Regelentdeckung auf Lager AT und schlägt einen Fahrplan für die zukünftige Forschung vor. Graphische Zusammenfassung Stichwörter Literaturrecherche Evolutionäre Berechnung Algorithmischer Handel Aktienhandelsregel Regelfindung Klassifikationsrahmen Abb. Fig. Fig. 3.
No comments:
Post a Comment