Home Screener Gráficos Como fazemos Sobre Blog Links Termos de Serviço A Quantpedia fornece o material neste site para fins informativos. Nada neste site deve ser interpretado para indicar ou implicar que os resultados passados são uma indicação do desempenho futuro. Nenhuma menção de uma segurança específica neste site constitui uma recomendação aos leitores para comprar, vender ou manter essa segurança. Nenhuma discussão ou avaliação de qualquer estratégia de investimento específica neste site constitui uma recomendação para os leitores empregarem a estratégia. Os leitores são responsáveis por suas próprias pesquisas de investimento e decisões. Podemos também, a nosso exclusivo critério, e, a qualquer momento, interromper o fornecimento, temporário ou permanente, de qualquer ou de todo o site, sem aviso prévio. Este site não é de forma alguma uma solicitação ou uma oferta para vender títulos ou serviços de consultoria de investimento. Este site não se destina a fornecer conselhos individuais específicos, incluindo, sem limitação, investimento, financeiro, jurídico, contábil ou fiscal. As informações contidas neste site são apenas para fins informativos gerais e estão sujeitas a alterações sem aviso prévio. A Quantpedia não se responsabiliza por qualquer inexatidão nas informações fornecidas ou por qualquer perda ou dano de qualquer tipo decorrente do uso de toda ou parte deste site. A Quantpedia não aceita qualquer responsabilidade pelo uso deste site. O seu uso deste site é de sua responsabilidade. Este site é fornecido de forma tal como e como base disponível, sem quaisquer representações, garantias ou condições de qualquer tipo, expressa ou implícita, e incluindo, sem limitação, representações implícitas, garantias ou condições de título, não infração, comerciabilidade, Adequação para um propósito específico, desempenho, disponibilidade, pontualidade, precisão ou integridade, todos os quais são negados pela Quantpedia na medida máxima permitida por lei. A Quantpedia não será, em nenhuma circunstância, responsável perante você ou qualquer outra pessoa por qualquer perda ou dano (direto, indireto, especial, incidental, econômico ou conseqüente, exemplar ou punitivo) decorrente, relacionado ou relacionado ao uso de , Ou a impossibilidade de usar, este site ou as informações, ou qualquer ação ou decisão feita por você ou qualquer outra pessoa com base neste site ou nas informações, ou qualquer uso ou reprodução não autorizada deste site ou a informação. A Quantpedia não garante o valor, exatidão ou integridade das informações neste site ou sites aos quais ele liga. Além disso, a Quantpedia se isenta da responsabilidade pelo conteúdo de terceiros, incluindo informações acessadas através de hiperlinks. O site e seu conteúdo não podem ser copiados, imitados, reproduzidos, republicados, enviados, postados, transmitidos, modificados, espelhados ou distribuídos de forma alguma, no todo ou em parte, sem o consentimento prévio por escrito. Ao usar o Quantpedia e os serviços prestados no Quantpedia ou através dele, ou registrando-se na Quantpedia, você concorda em receber comunicações eletrônicas da Quantpedia. Essas comunicações eletrônicas podem incluir avisos sobre taxas e cobranças aplicáveis e outras informações relativas ou relacionadas aos serviços Quantpedia e fornecidos no Guia de Negociação Quantitativa da Quantpedia. Beginner39. Neste artigo, vou apresentar alguns dos conceitos básicos que acompanham Um sistema de negociação quantitativa de ponta a ponta. Esta postagem espero que sirva dois públicos. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. O segundo será indivíduos que desejam tentar configurar seu próprio negócio de negociação algorítmica de varejo. Negociação quantitativa é uma área extremamente sofisticada de financiamento quantitativo. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas exige uma vasta experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência comercial da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, familiarizar-se com CC será de suma importância. Um sistema de comércio quantitativo consiste em quatro componentes principais: Identificação de Estratégia - Encontrar uma estratégia, explorar uma vantagem e decidir sobre a frequência de negociação. Teste de Estratégia - Obtenção de dados, análise de desempenho da estratégia e remoção de viés. Sistema de Execução - Vinculação a uma corretora, automatizando a negociação e minimizando Custos de transação Gerenciamento de risco - Alocação de capital ótima, tamanho de aposta Critério e psicologia comercial Bem, comece por dar uma olhada em como identificar uma estratégia de negociação. Identificação da Estratégia Todos os processos de negociação quantitativos começam com um período inicial de pesquisa. Este processo de pesquisa abrange a busca de uma estratégia, considerando se a estratégia se enquadra em um portfólio de outras estratégias que você pode estar executando, obtendo todos os dados necessários para testar a estratégia e tentar otimizar a estratégia para maiores retornos e / ou menor risco. Você precisará avaliar seus próprios requisitos de capital se estiver executando a estratégia como um comerciante de varejo e como qualquer custo de transação afetará a estratégia. Contrariamente à crença popular, é realmente bastante direto encontrar estratégias rentáveis através de várias fontes públicas. Os acadêmicos publicam periódicamente resultados teóricos de negociação (embora na maioria dos custos de transação). Os blogs quantitativos de finanças discutirão as estratégias em detalhes. As revistas comerciais descreverão algumas das estratégias empregadas pelos fundos. Você pode questionar por que indivíduos e empresas estão interessados em discutir suas estratégias rentáveis, especialmente quando sabem que outros que estão aglomerando o comércio podem impedir a estratégia de trabalhar no longo prazo. A razão reside no fato de que eles geralmente não discutem os parâmetros exatos e os métodos de afinação que realizaram. Essas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma empresa altamente lucrativa. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar seu próprio procedimento de otimização. Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia: muitas das estratégias que você olhará cairão nas categorias de reversão média e tendência-seguimento. Uma estratégia de reversão média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma série de preços (como o spread entre dois ativos correlacionados) e que os desvios de curto prazo dessa média eventualmente reverterão. Uma estratégia de impulso tenta explorar a psicologia dos investidores e a grande estrutura do fundo, engajando uma tendência de mercado, que pode aumentar o impulso em uma direção e seguir a tendência até reverter. Outro aspecto extremamente importante da negociação quantitativa é a freqüência da estratégia de negociação. A negociação de baixa freqüência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais tempo do que um dia de negociação. Correspondentemente, a negociação de alta freqüência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Ultra-high frequency trading (UHFT) refere-se a estratégias que possuem ativos na ordem de segundos e milissegundos. Como um profissional de varejo HFT e UHFT são certamente possíveis, mas apenas com conhecimento detalhado da pilha de tecnologia comercial e da dinâmica do livro de pedidos. Não discutiremos esses aspectos em grande medida neste artigo introdutório. Uma vez que uma estratégia, ou conjunto de estratégias, foi identificado, agora precisa ser testado quanto à lucratividade em dados históricos. Esse é o domínio do backtesting. Estratégia Backtesting O objetivo do backtesting é fornecer evidências de que a estratégia identificada através do processo acima é rentável quando aplicado a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia será realizada no mundo real. No entanto, backtesting NÃO é uma garantia de sucesso, por vários motivos. É talvez a área mais sutil de negociação quantitativa, uma vez que implica numerosos preconceitos, que devem ser cuidadosamente considerados e eliminados o máximo possível. Discutiremos os tipos comuns de viés, incluindo viés avançado. Viés de sobrevivência e viés de otimização (também conhecido como viés de snooping de dados). Outras áreas de importância no backtesting incluem disponibilidade e limpeza de dados históricos, com base em custos de transação realistas e decisão sobre uma plataforma robusta de backtesting. Bem, discuta os custos de transação ainda mais na seção Sistemas de Execução abaixo. Uma vez que uma estratégia foi identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Os seus custos geralmente variam com a qualidade, a profundidade e a pontualidade dos dados. O ponto de partida tradicional para os comerciantes quantos iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuitos da Yahoo Finance. Não me preocuparia muito com os prestadores, e gostaria de me concentrar nas questões gerais quando lido com conjuntos de dados históricos. As principais preocupações com os dados históricos incluem limpeza de precisão, viés de sobrevivência e ajuste para ações corporativas, como dividendos e divisões de estoque: a precisão pertence à qualidade geral dos dados - quer contenha algum erro. Os erros às vezes podem ser fáceis de identificar, como, por exemplo, com um filtro de espiga. Que irá escolher picos incorretos em dados da série temporal e correto para eles. Em outras ocasiões, eles podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma característica de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não estão mais negociados. No caso das ações, isso significa que os estoques são cancelados. Este viés significa que qualquer estratégia de negociação de estoque testada em tal conjunto de dados provavelmente funcionará melhor do que no mundo real, já que os vencedores históricos já foram pré-selecionados. As ações corporativas incluem atividades logísticas realizadas pela empresa que geralmente causam uma mudança de função gradual no preço bruto, que não deve ser incluído no cálculo dos retornos do preço. Ajustes para dividendos e divisões de estoque são os culpados comuns. Um processo conhecido como ajuste de volta é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir uma divisão de estoque com um verdadeiro ajuste de retorno. Muitos comerciantes foram apanhados por uma ação corporativa. Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a opção entre o software de back-back dedicado, como o Tradestation, uma plataforma numérica como o Excel ou o MATLAB ou uma implementação personalizada completa em uma linguagem de programação, como Python ou C. Não demorarei muito em Tradestation (ou similar), Excel ou MATLAB, como acredito na criação de uma pilha de tecnologia interna completa (por razões descritas abaixo). Um dos benefícios de o fazer é que o software de backtest e o sistema de execução podem ser bem integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias de HFT em particular, é essencial usar uma implementação personalizada. Quando testar um sistema, é preciso quantificar o desempenho. As métricas padrão da indústria para estratégias quantitativas são a redução máxima e a Ratio Sharpe. O drawdown máximo caracteriza a maior queda de ponto-a-ponto na curva de equidade da conta em um determinado período de tempo (geralmente anual). Isso geralmente é citado como uma porcentagem. As estratégias de LFT tendem a ter maiores disparidades do que as estratégias de HFT, devido a uma série de fatores estatísticos. Um backtest histórico mostrará a retirada máxima do passado, que é um bom guia para o futuro desempenho de redução da estratégia. A segunda medida é a Razão de Sharpe, que é definida heuristicamente como a média dos retornos em excesso divididos pelo desvio padrão desses retornos em excesso. Aqui, os retornos em excesso referem-se ao retorno da estratégia acima de um benchmark pré-determinado. Como o SP500 ou um Bill do Tesouro de 3 meses. Observe que o retorno anualizado não é uma medida usualmente utilizada, pois não leva em consideração a volatilidade da estratégia (ao contrário do Razão Sharpe). Uma vez que uma estratégia foi testada novamente e é considerada livre de preconceitos (na medida em que é possível), com um bom Sharpe e reduções minimizadas, é hora de criar um sistema de execução. Sistemas de Execução Um sistema de execução é o meio pelo qual a lista de negócios gerados pela estratégia é enviada e executada pelo corretor. Apesar do fato de que a geração de comércio pode ser semi - ou mesmo totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, um clique) ou totalmente automatizado. Para estratégias LFT, as técnicas manuais e semi-manuais são comuns. Para as estratégias HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente acoplado ao gerador comercial (devido à interdependência da estratégia e da tecnologia). As principais considerações ao criar um sistema de execução são a interface para a corretora. Minimização dos custos de transação (incluindo comissão, deslizamento e propagação) e divergência de desempenho do sistema ao vivo com o desempenho testado. Há muitas maneiras de se conectar a uma corretora. Eles variam de chamar seu corretor no telefone diretamente para uma interface de programação de aplicativos (API) de alto desempenho totalmente automatizada. O ideal é que você automatize a execução de seus negócios o máximo possível. Isso o liberta para se concentrar em novas pesquisas, além de permitir que você execute múltiplas estratégias ou mesmo estratégias de maior freqüência (de fato, HFT é essencialmente impossível sem execução automática). O software de backtesting comum descrito acima, como MATLAB, Excel e Tradestation são bons para estratégias mais baixas e mais simples. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C, para fazer qualquer HFT real. Como uma anedota, no fundo em que costumava trabalhar, tivemos um loop de negociação de 10 minutos em que íamos baixar novos dados de mercado a cada 10 minutos e, em seguida, executamos trades com base nessas informações no mesmo período. Isso estava usando um script otimizado em Python. Para qualquer coisa que se aproxime de dados de minuto ou de segunda frequência, acredito que o CC seria mais ideal. Em um fundo maior, muitas vezes não é o domínio do comerciante quant para otimizar a execução. No entanto, em lojas menores ou empresas HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é muitas vezes desejável. Tenha em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos de econometria. Outra questão importante que se enquadra no banner de execução é a redução de custos de transação. Em geral, existem três componentes para os custos de transação: as comissões (ou taxas), que são as taxas cobradas pela corretora, a troca e o derrapagem SEC (ou órgão regulador governamental similar), que é a diferença entre o que você pretende que seu pedido seja Preenchido em relação ao que foi preenchido na propagação, que é a diferença entre o preço bidask da segurança negociada. Observe que o spread NÃO é constante e depende da liquidez atual (ou seja, disponibilidade de ordens Buysell) no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente rentável com uma boa relação Sharpe e uma estratégia extremamente rentável com uma relação Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará de acesso a dados de troca histórica, que incluirão dados de marca para os preços da bidask. Equipes inteiras de quants dedicam-se a otimizar a execução nos fundos maiores, por estas razões. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negócios (dos quais os motivos para isso são muitos e variados). Ao despejar tantas ações no mercado, elas comprimem rapidamente o preço e não podem obter uma execução ótima. Daí existem algoritmos que gotejam pedidos de alimentação no mercado, embora o fundo corra o risco de derrapagem. Além disso, outras estratégias adotam essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo. A principal questão importante para os sistemas de execução diz respeito à divergência de desempenho da estratégia com o desempenho testado. Isso pode acontecer por vários motivos. Já discutimos o viés avançado e o viés de otimização em profundidade, quando se considera backtests. No entanto, algumas estratégias não facilitam a verificação desses preconceitos antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver erros no sistema de execução, bem como a própria estratégia de negociação que não aparecem em um backtest, mas DO show up live trading. O mercado pode estar sujeito a uma mudança de regime posterior à implantação de sua estratégia. Novos ambientes regulatórios, mudança do sentimento dos investidores e fenômenos macroeconômicos podem levar a divergências quanto ao comportamento do mercado e, assim, a rentabilidade da sua estratégia. Gerenciamento de Riscos A peça final para o enigma de negociação quantitativa é o processo de gerenciamento de riscos. O risco inclui todos os vies anteriores que discutimos. Inclui o risco de tecnologia, como servidores co-localizados no intercâmbio de repente, desenvolvendo um mau funcionamento do disco rígido. Inclui o risco de corretagem, como o corretor se quebrando (não tão louco quanto parece, dado o susto recente com o MF Global). Em suma, abrange quase tudo o que poderia interferir na implementação da negociação, de que existem muitas fontes. Livros inteiros são dedicados ao gerenciamento de risco para estratégias quantitativas, por isso não tento elucidar sobre todas as possíveis fontes de risco aqui. O gerenciamento de riscos também abrange o que é conhecido como alocação de capital ótima. Que é um ramo da teoria do portfólio. Este é o meio pelo qual o capital é alocado para um conjunto de estratégias diferentes e para os negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério Kelly. Uma vez que este é um artigo introdutório, não vou ocupar o seu cálculo. O critério de Kelly faz alguns pressupostos sobre a natureza estatística dos retornos, que geralmente não são válidos nos mercados financeiros, então os comerciantes são geralmente conservadores quando se trata da implementação. Outro componente fundamental da gestão de riscos é o de lidar com o próprio perfil psicológico. Existem muitos viés cognitivos que podem entrar na negociação. Embora isso seja certamente menos problemático com o comércio algorítmico se a estratégia for deixada sozinha. Um viés comum é o da aversão à perda em que uma posição perdedora não será encerrada devido à dor de ter que perceber uma perda. Da mesma forma, os lucros podem ser adotados muito cedo porque o medo de perder um lucro já obtido pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os comerciantes colocam muita ênfase nos eventos recentes e não no longo prazo. Então, é claro, há o par clássico de viés emocional - medo e ganância. Estes podem, muitas vezes, levar a alavancagem insuficiente ou excessiva, o que pode causar explosão (ou seja, o patrimônio da conta em zero ou pior) ou lucros reduzidos. Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e já está ficando bastante longo. Livros e documentos inteiros foram escritos sobre questões que eu apenas dediquei uma ou duas sentenças. Por esse motivo, antes de se candidatar a empregos quantitativos em bolsa de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, através de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final da freqüência mais alta, seu conjunto de habilidades é provável Para incluir modificação do kernel do Linux, CC, programação de montagem e otimização de latência da rede. Se você está interessado em tentar criar suas próprias estratégias de negociação algorítmicas, minha primeira sugestão seria melhorar a programação. A minha preferência é criar tanto quanto possível o captador de dados, o backtester de estratégia e o sistema de execução. Se o seu próprio capital estiver na linha, você não dormiria melhor à noite, sabendo que você testou completamente o seu sistema e está ciente de suas armadilhas e questões específicas. Terceirizando isso a um fornecedor, enquanto potencialmente economizando tempo no curto prazo, poderia ser extremamente Caro a longo prazo. Seasonalities in Stock Returns Domingo, 8 de janeiro de 2017 Autores: Hirschleifer, Jiang, Meng Título: Mood Beta e Seasonalities in Stock Returns A pesquisa existente documentou a sazonalidade transversal dos retornos de estoque ndash a superação periódica de certos Estoques em relação aos outros durante o mesmo mês do calendário, dia da semana ou pré-período de férias. Um modelo baseado na sensibilidade diferencial dos estoques ao humor do investidor explica esses efeitos e implica um novo conjunto de padrões sazonais. Nós achamos que o desempenho relativo em ações durante os períodos de humor positivos (por exemplo, janeiro, sexta-feira, o mês de melhor retorno realizado no ano, o dia do melhor retorno realizado em uma semana, pré-feriado) tende a persistir em períodos futuros com humor congruente (Por exemplo, janeiro, sexta-feira, pré-feriado) e reverter em períodos com humor não congruente (por exemplo, outubro, segunda-feira, pós-feriado). Os estoques com betas de alto humor estimados durante as janelas sazonais de estados de vida fortes (por exemplo, janeiro de outubro, segunda-feira ou sexta-feira ou pré-feriados) ganham maiores retornos esperados durante as temporadas de humor positivas futuras, mas menores retornos esperados durante as temporadas de humor negativas futuras. Cotações notáveis do trabalho de pesquisa acadêmica: proposamos aqui uma teoria baseada no humor do investidor para oferecer uma explicação integrada para os efeitos sazonais conhecidos, tanto no nível agregado como transversal, e para oferecer novas implicações empíricas que também avaliamos. Em nosso modelo, as mudanças de humor positivas (negativas) do investidor causam otimismo periódico (pessimismo) na avaliação de sinais sobre ativos e componentes de recompensa idiosincráticos ativos. Isso resulta em variação sazonal em mispricing e previsibilidade de retorno. De acordo com as previsões do modelo, descobrimos um conjunto de novos períodos de estatura de retorno transversal com base na idéia de que os estoques altamente sensíveis às flutuações de humor sazonais no passado também serão sensíveis no futuro. Em outras palavras, argumentamos que alguns estoques têm maior sensibilidade às mudanças de humor (betas de humor mais alto) do que outros, o que cria uma ligação entre os estímulos agregados ao humor e os estanquidades na seção transversal dos retornos. Em particular, argumentamos que o humor do investidor varia de forma sistemática em meses, dias da semana e feriados. Em conseqüência, um beta de humor estimado usando retornos de segurança nas estações com mudanças de humor ajuda a prever futuros retornos sazonais em outros períodos em que o humor deve mudar. Durante nosso período de amostra 1963-2015. O excesso de estoque médio (medido pelo retorno do índice ponderado igual a CRSP menos a taxa de risco) é mais alto em janeiro e menor em outubro. Assim, nos concentramos em janeiro como um proxy para um estado de alto humor do investidor e outubro para um estado de baixo humor. Usando as regressões de Fama-MacBeth, verificamos a descoberta de Heston e Sadka (2008) para janeiro e outubro. Em janeiro (outubro), o desempenho relativo tende a persistir no futuro janeiro (outubro) nos dez ou mais anos seguintes. Em nossa interpretação, os estoques que melhoram do que outros durante um mês tendem a melhorar melhor no mesmo mês no futuro, porque há um clima congruente naquele momento. Além disso, encontramos um novo efeito de reversão que cruza meses com modos de vida incongruentes. Os retornos históricos de janeiro (outubro) na seção transversal tendem a reverter significativamente em outubro subseqüente (Januaries). Um estoque que melhorou do que outras ações em janeiro último tende a fazer pior do que outras ações em outubro nos próximos cinco anos. Um aumento de um desvio padrão no histórico congruente (incongruente) - o calendário-mês leva um aumento médio de 23 (17 decréscimos) nos próximos dez anos, em relação aos retornos médios de janeiro de outubro. Nossa explicação para esses efeitos não é específica para a freqüência mensal. Uma maneira útil de desafiar nossa teoria é, portanto, testar testes de curtimentos transversais comparáveis em outras freqüências. Movendo-se para o domínio dos retornos diários, documentamos um conjunto semelhante de persistência persistente e persistente de retorno do dia-a-dia. Nós confirmamos esse efeito de persistência de retorno para os retornos de segunda e sexta feira e, em seguida, mostramos, análogamente aos resultados mensais, que se aplica um efeito de persistência de retorno congruente-dia da semana: desempenho relativo em ações no melhor retorno do mercado (pior mercado - Retorno) o dia realizado em uma semana tende a persistir nas dez sextas (segundas) subseqüentes e além, quando o bom (mau) desempenho do mercado deverá continuar. Um aumento de um padrão de desvio no retorno histórico de dias úteis ou congruentes-humor-dia-a-dia está associado a uma média com 4 ou 12 maiores rendimentos nas dez segundas-feiras subseqüentes. Ao nível das ações individuais, há sazonalidade transversal pré-feriado, em que os estoques que, historicamente, ganharam retornos pré-férias mais altos, em média, ganham maiores retornos pré-férias para o mesmo feriado nos próximos dez anos. A persistência do retorno transversal e os efeitos de reversão em meses, dias de semana e feriados são consistentes com as nossas previsões teóricas de que as flutuações sazonais do humor dos investidores causam percepções errôneas sazonais sobre retornos fatorais e específicos da empresa e levam a períodos de estatura de retorno transversal. Essas previsões baseiam-se na idéia de que diferentes estoques possuem sensibilidade de retorno diferente do estado de vida do betamdasha de humor para o mispricing do fator induzido por choques de humor. Argumentamos que o conceito de humor beta integra vários efeitos sazonais. Nós, portanto, realizamos testes mais diretos da previsão do modelo de que os betas de humor ajudarão a prever o desempenho relativo dos estoques em estações com diferentes estados de vida. Quantpian Amplifier Série de Estratégia de Negociação da Quantpedia: Reversão Média da Equidade Transversal Quinta-feira, 29 de dezembro de 2016 Amplificador de Quantopian Quantpedia Trading Strategy Series continua. Agora, com um 4º artigo, novamente escrito por Matthew Lee, focado em Cross-Sectional Equity Mean Reversion (Estratégia 13): Reversão média transversal em ações (forte tendência de ações com fortes ganhos de perda para reverter em um curto prazo - Até um mês) é uma observação de mercado bem conhecida e a principal razão pela qual muitos pesquisadores acadêmicos geralmente usam uma medida de impulso de 2-12 (retornos nos últimos 12 meses, excluindo o anterior) ao examinar a anomalia de momentum. Muitos documentos acadêmicos examinaram esse efeito, os mais notáveis são os papéis de Jagadesh. E Bruce Lehmann (veja quotOutros artigos sobre a subpágina da Quantpedia para esta estratégia de reversão para trabalhos adicionais de pesquisa acadêmica). A maioria dos acadêmicos especula que os motivos fundamentais da anomalia são as fricções de microestrutura do mercado (bote de oferta) ou investidores39 vieses cognitivos - reação exagerada a informações passadas e correção dessa reação após um curto horizonte temporal. Mas esta estratégia de equidade simples ainda lucrativa Matthew Lee de Quantopian realizou uma análise independente durante um período fora da amostra de 12-01-2011 a 12-01-2016. No geral, o desempenho da estratégia simples de reversão de capital a curto prazo está abaixo do mercado. Mas, é de notar que esta estratégia é longa em comparação com apenas um padrão de equivalência de longo prazo (que é o SPY). Então, se quisermos comparar o desempenho total dessa estratégia, devemos comparar uma longa reversão do quetloer stocks decilequot. A estratégia de reversão da equidade de Longshort tem uma razão Sharpe 0,84 e Beta de 0,15. O índice Sharpe da versão longshort é comparável ao portfólio de mercado e uma baixa correlação de estratégia de reversão de capital torna um possível complemento para o portfólio de investimentos. Contudo. A estratégia de reversão é muito ativa (reequilíbrio semanal e quinzenal), o que significa altos custos de transação e deslizamento. Portanto, deve-se ter uma grande cautela em uma implementação do mundo real e as etapas que tentam limitar o volume de negócios da estratégia devem ser tomadas. A curva de capital OOS final: Obrigado pela análise Matthew Você também pode verificar primeiro. Segundo ou terceiro artigo nesta série se você gostou do atual. Fique atento para o próximo. Um efeito das condições monetárias nos negócios de transporte quinta-feira, 22 de dezembro de 2016 Título: Carry Trades e condições monetárias Este artigo investiga a relação entre as condições monetárias e os retornos excessivos decorrentes de uma estratégia de investimento que consiste em tomar empréstimos de moedas de baixa taxa de juros e investir em Moedas com altas taxas de juros, o chamado quotcarry tradequot. Os resultados indicam que o retorno excessivo médio do carry trade, a proporção Sharpe e 5 quantile diferem substancialmente em toda a política monetária convencional expansiva e restritiva antes do início da recente crise financeira. Em contrapartida, os parâmetros considerados não são afetados pela política monetária não convencional durante a crise financeira. Cotações notáveis do trabalho de pesquisa acadêmica: o principal resultado é que o retorno médio do portfólio comercial, o índice de Sharpe e 5 quantificam di ffer substancialmente em toda a política monetária convencional expansiva e restritiva antes do início da recente crise financeira. Especificamente, acho que os períodos expansivos são caracterizados por retornos médios significativamente significativos e por razões de Sharpe e menor risco de queda. Sobre isso, argumento que a política monetária convencional expansiva é capaz de melhorar as expectativas do mercado em todos os países e, desse modo, reduzir o risco de volatilidade das FX. Isso gera uma valorização monetária para as nações devedoras líquidas e um aumento no comércio de carry trade. Em segundo lugar, apresento evidências sugerindo que os parâmetros considerados são semelhantes em toda a política monetária agressiva e estabilizadora durante a recente crise financeira. Assim, o Federal Reserve não conseguiu satisfazer as expectativas do mercado durante esse período. Para os investidores, essa evidência sugere que as recompensas do carry trade variam com as mudanças nas condições monetárias somente durante as primeiras vezes. Para os pesquisadores, essa evidência sugere que reconhecer a relevância da política monetária é crucial para a compreensão das implicações de preços do risco de volatilidade de FX para o carry trade. quot Uma Análise Interessante do Rácio CAPE de Shiller39 Sábado, 17 de dezembro de 2016 Um novo e interessante documento acadêmico relacionado a um Problema atual - uma alta valorização de ações de nós: Autores: Dimitrov, Jain Título: Shiller39s CAPE: Mercado Timing e Risco Robert Shiller mostra que o preço ajustado cíclico para a relação de ganhos (CAPE) está fortemente associado com os retornos futuros de ações de longo prazo. Este resultado foi frequentemente interpretado como evidência de ineficiência no mercado. Apresentamos dois achados contrários a essa interpretação. Primeiro, se os mercados são eficientes, os retornos em média, mesmo quando condicionados ao CAPE, devem ser superiores à taxa livre de risco. Achamos que, mesmo quando o CAPE está no décimo nono, os rendimentos futuros de 10 anos, em média, são superiores aos rendimentos futuros dos Tesouros de 10 anos. Assim, os resultados são em grande parte consistentes com a eficiência do mercado. Somente quando o CAPE é muito alto, digamos, CAPE está na metade superior do décimo decile (CAPE superior a 27,6), os retornos futuros de 10 anos, em média, são inferiores aos dos Treasuries de 10 anos. Em segundo lugar, fornecemos uma explicação baseada no risco para a associação entre o CAPE e os retornos de estoque futuros. Achamos que o CAPE e os retornos futuros das ações estão positivamente associados à volatilidade futura do mercado de ações. No geral, os níveis do CAPE não parecem refletir a ineficiência do mercado e refletem o risco (volatilidade). Cotações notáveis do trabalho de pesquisa acadêmica: quantos vários indicadores de avaliação de mercado propostos ao longo da história do mercado de ações, um dos mais populares é Robert Shillerrsquos Ciclo Ajustado Preço a Rácio de Resultados (CAPE). O CAPE é definido como o preço atual do índice SampP 500, dividido pela SampP 500 indexrsquos ganhos médios ajustados pela inflação em dez anos. John Campbell e Robert Shiller analisaram a relação entre o CAPE e os futuros retornos de estoque em uma série de artigos. Eles mostram que os futuros retornos das ações de 10 anos no índice SampP 500 estão negativamente associados ao CAPE. Shiller (1996, p.2) conclui que a associação ldquohellipthe parece tão forte que sugere que essa relação não é consistente com os mercados eficientes ou modelo de caminhada aleatória. rdquo Em contraste, os defensores da eficiência do mercado argumentam que essa evidência é consistente com as mudanças dinâmicas Em devolução prevista (Fama). O debate continua inalterado até hoje e o interesse em entender o CAPE permanece alto. Neste artigo, apresentamos dois conjuntos de análises para esclarecer esse debate em curso sobre a eficiência do mercado. Primeiro, se os mercados são eficientes, saber que o CAPE não deve ajudar os investidores a obter retornos futuros superiores vendendo (comprando) ações e comprando (vendendo) um recurso livre de risco quando o CAPE é alto (baixo). Em outras palavras, estratégias de timing de mercado usando o CAPE não devem ser lucrativas. No entanto, não temos conhecimento de nenhum teste formal de tais estratégias. Achamos que, com exceção dos períodos em que o CAPE está na metade superior do décimo décimo (CAPE superior a 27,6), em média, não é benéfico para o tempo o mercado. Em sua maior parte, os investidores não podem tirar proveito da evidência de que o CAPE está associado aos futuros retornos de ações de 10 anos. Em segundo lugar, se os mercados forem eficientes, o CAPE (e os futuros retornos do mercado de ações) devem estar associados ao risco geral no mercado de ações. Testamos essa hipótese analisando a associação entre o CAPE (e os retornos futuros do mercado de ações) e a volatilidade futura do retorno das ações (risco). Achamos que o CAPE (e os retornos de ações futuras de 10 anos) está associado à volatilidade futura dos retornos de ações de 10 anos. Assim, o risco, medido pela volatilidade, parece ser uma explicação potencial para os padrões baseados em CAPE em retornos de estoque. Em geral, a capacidade do CAPE de prever os retornos futuros do mercado de ações parece consistente com uma associação positiva entre risco e retorno. Não parece implicar que os mercados sejam ineficientes. Quais fontes de retorno para CTAs - Uma Breve Pesquisa de Pesquisa Relevante sexta-feira, 9 de dezembro de 2016 Um artigo relacionado foi adicionado a: 118 - Título da Edição Momento de Tempo: Quais são as Fontes De Retorno para CTAs e Índices de Mercadorias Uma Breve Pesquisa de Pesquisa Relevante Este documento de pesquisa discutirá as fontes de retorno estrutural (potenciais) para os índices de CTAs e commodities com base em uma revisão de artigos de pesquisa empírica de acadêmicos e profissionais. O documento aborda especificamente (a) as fontes de retorno de longo prazo para programas de futuros gerenciados e para índices de commodities (b) as expectativas dos investidores e o contexto da carteira para estratégias de futuros e (c) como comparar essas estratégias. Cotações notáveis do trabalho de pesquisa acadêmica: quot Na literatura acadêmica, pode-se encontrar fortes evidências históricamente, pelo menos, determinar se há retornos persistentes nos programas de futuros devido ao impulso, ao rendimento do rolo e também ao reequilíbrio. Este é realmente o caso entre classes de ativos, e não apenas para contratos de futuros de commodities. Os autores da AQR teorizaram que as tendências do ldquoprice existem em parte devido a viés comportamentais de longa data exibidos pelos investidores, como a ancoragem e o pastoreio, bem como a atividade de negociação de participantes sem fins lucrativos, como bancos centrais e programas de hedging corporativos. Supondo que esses fatores continuem, a rentabilidade a longo prazo das estratégias de impulso também pode continuar, e não apenas ser uma questão de história. Ldquo, no entanto, o. A estratégia também expôs os investidores a grandes perdas. Durante ambos os períodos históricos, rdquo notou o papel do Federal Reserve Bank of Chicago (Chabot et al. (2014)). Curiosamente, ldquomomentum. As perdas foram aparentemente previsíveis. Em ambos os períodos históricos, as perdas foram ldquemore provável quando momentum recentemente executou bem. rdquo Para o período de 1867 a 1907, as perdas eram mais prováveis quando as taxas de ldquointerest eram relativamente baixas. Para o período de 1927 a 2012, as perdas eram mais prováveis quando o ldquomomentum tinha Superou recentemente o mercado de ações. Cada um desses períodos foram ldquotimes quando emprestar ou atrair retorno perseguindo lsquoblind capitalrsquo teria sido mais fácil. rdquo Os autores argumentam que as grandes perdas periódicas, associadas à estratégia tornando-se plausivelmente muito popular, desempenham um papel importante na sustentação do retorno estratégico dos momentos estratégicos. Além do impulso, a literatura empírica também documenta que ldquoroll yieldrdquo pode ser considerado uma fonte estrutural de retorno, pelo menos durante longos períodos de tempo. Por exemplo, a Campbell amp Company (2013) descreveu um benchmark de tendência de tendência, no qual eles calcularam retornos de 1972 a novembro de 2012 e que incluíram uma seleção de mercados de ações, renda fixa, câmbio e commodities. Ao longo deste período de 40 anos, aproximadamente metade do desempenho acumulado de benchmarksquos foi devido ao retorno no local, e a outra metade foi devido ao rendimento do rolo. Em longos horizontes, o rendimento do rolo é importante principalmente para contratos de futuros de commodities. Isto é devido a outra característica estrutural dos mercados de commodities: reversão média. Se uma mercadoria tiver uma tendência ao longo de prazos suficientemente longos para significar-reverter, então, por construção, os retornos não podem ser devidos a uma apreciação (ou depreciação) de longo prazo nos preços à vista. Nesse caso, durante um período de tempo suficiente, o retorno do futuro apenas para um contrato de futuros teria que cair basicamente para o seu roteamento. Podemos observar isso historicamente nos mercados de commodities futuros. A resposta é essencialmente sim. A reversão média dos preços das commodities também pode ter consequências significativas para os retornos na carteira ou nível de índice. Especificamente, esse recurso está na raiz de uma fonte adicional de retorno, bastante diferente das tendências dos preços à vista ou da persistência potencial de efeitos de estrutura de curva. Essa potencial fonte adicional de retorno é o retorno do reequilíbrio. Erb e Harvey (2006) discutiram a forma como podem haver retornos significativos do reequilíbrio de um portfólio de instrumentos de baixa variação e de baixa variação. O efeito de reequilíbrio foi explicado por Greer et al. (2014), da seguinte forma: ldquoA lsquorebalancing returnrsquo. Pode naturalmente acumular-se periodicamente na reposição de uma carteira de ativos de volta aos seus pesos estratégicos, fazendo com que o investidor venda ativos que subiram em valor e compram ativos que diminuíram. Uma ressalva é que o período de retenção onersquos pode ter que ser bastante longo prazo Para que esses efeitos de retorno sejam evidentes. No entanto, mesmo os retornos estruturalmente positivos podem ser insuficientes para motivar os investidores a considerar futuros produtos. Um investidor CTA (ou macro global) pode exigir que o perfil de retorno do programa também seja longo e o investidor institucional esperará que um índice de commodities ofereça diversificação para um portfólio de ações e títulos. O documento também observou que a forma como esses programas são comparados dependerá de se um programa de futuros é considerado um beta, um beta alternativo, um alfa puro ou um beta com sucesso. Este documento forneceu recomendações para benchmarks para cada um desses tipos de exposições de investimento.
No comments:
Post a Comment