Mean reversion trading strategy pdf

Momentum Trading Parte 1 de 3 Background Bruce Vanstone é Professor Assistente da Bond University na Austrália. Ele concluiu seu PhD em Computational Finance em 2006 e é um apresentador regular e editor de trabalho acadêmico em sistemas de negociação de mercado de ações. Ele ensina cursos de negociação de ações na universidade e consulta a Porter Capital Management sobre a concepção de sistemas de negociação mecânicos baseados em regras. Mais informações sobre a pesquisa e métodos de Bruce s podem ser encontradas em trading. it. bond. edu. au. A volatilidade dos mercados financeiros nos próximos anos provavelmente fará com que as abordagens baseadas em regras mais ativamente gerenciadas superem os sistemas de tendências de longo prazo. Pedi a Bruce para escrever uma série de artigos com base em suas experiências com a negociação momentum. Introdução O objetivo desta série de artigos em 3 partes é fornecer informações sobre os benefícios potenciais do investimento de momentum. Nesta série, tentarei explicar o que é o momento, os retornos potenciais disponíveis para os investidores momentum e a forma como a Porter Capital combina estratégias mecânicas baseadas em regras com o efeito de impulso para proporcionar benefícios aos investidores. A principal anomalia Desde sua descoberta inicial por DeBondt Thaler em 1985 1. O efeito do momento tem sido documentado e pesquisado em muitos mercados em todo o mundo. Muitos comerciantes e investidores saberiam da noção acadêmica de mercado eficiente, e a implicação de que essa eficiência tem sobre a capacidade de investidores e comerciantes para ganhar lucros. O que você pode não estar ciente é que o pai da hipótese de mercado eficiente, Eugene Fama, refere-se ao momentum como a principal inexplicável anomalia 2. Em outras palavras, o sucesso do investimento baseado em momentum é considerado por muitos como uma exceção à hipótese de mercado eficiente. Em seus termos mais simples, impulso refere-se à compra de ações que apresentam super-desempenho passado. A pesquisa mostra que os estoques que exibiram um forte desempenho ao longo de um período histórico definido, tendem a continuar a exibir um forte desempenho para alguns períodos futuros. Isso significa que os investidores podem potencializar um passeio em fortes estoques de impulso. Na parte 2 desta série, usarei simulações para explorar os potenciais riscos e recompensas da abordagem de momentum. Um comércio de momentum típico O comércio de momentum típico tem uma história de direção e força claramente definidas. A Figura 1 mostra um gráfico de atividade de preço para a ALL (Aristocrat Leisure), de agosto de 2004 a abril de 2005. Durante o final de agosto de 2004, há uma clara descida de preço em volume muito pesado. Isso marca o início da oportunidade momentum. Nos próximos meses, a atividade de preços demonstra direção claramente definida. É credível O efeito do momento tem sido amplamente pesquisado e documentado nos mercados de ações internacionais e australianos. Por exemplo, Rouwenhorst 3 testou estratégias de impulso em 12 mercados europeus usando dados de 1980 a 1995 e descobriu que os retornos de momentum estavam presentes em todos os países e seus efeitos duraram aproximadamente um ano. Griffin et ai. 4 encontraram suporte para a rentabilidade do impulso investir em mais de 40 países, e concluiu Globalmente, os lucros momentum são grandes e estatisticamente confiáveis ​​em períodos de crescimento econômico negativo e positivo. Momentum tem sido cuidadosamente pesquisado em praticamente todos os mercados de ações mundiais. Momentum efeitos também foram documentados em outras classes de ativos, tais como moedas estrangeiras 5. Commodities 6 e imóveis 7. É justo dizer que o efeito momentum parece ser um dos efeitos mais benéficos para os investidores. Uma pesquisa minuciosa parece indicar que o investimento baseado em momentum não aumenta o risco de investimento e que os efeitos de momentum estão presentes durante ciclos economicamente bons e ruins. Quando é que funciona melhor Como todas as abordagens de investimento, investir momento está sujeito aos caprichos do investidor. Para muitos investidores, os retornos pobres não são tanto uma função de sua estratégia de investimento, mas de sua própria implementação dessa estratégia. Todas as estratégias de investimento se beneficiam do aumento da disciplina e da responsabilidade que a negociação mecânica, baseada em regras traz, particularmente durante ciclos de investimento difíceis. Vou discutir este tópico com mais detalhes na terceira parte desta série de momentum. Referências DeBondt, W. F.M. E R. H. Thaler, Será que o mercado de ações overreact Journal of Finance, 1985. 40: p. 793-805. Fama, E. e K. French, Fatores de Risco Comuns nos Retornos sobre Ações e Obrigações. Journal of Financial Economics, 1993. 33 (1). Rouwenhorst, K. G. Estratégias Momentum Internacional. Journal of Finance, 1998. 53 (1): p. 267-284. Griffin, J. M. S. Ji, e J. S. Martin, Global Momentum Strategies: A Portfolio Perspective. Disponível em: SSRN: ssrn / abstract 492804, 2004. Okunev, J. e D. White, Do momento estratégias baseadas ainda trabalham em mercados de moeda estrangeira. 38. Taylor, S. J. Previsão de preços de mercado. International Journal of Forecasting, 1998. 4: p. 421-426. Stevenson, S. Momentum efeitos e reversão média em títulos imobiliários. Journal of Real Estate, 2002. 23: p. 47-64. Negociação WTI / BRENT spread A diferença WTI-Brent é a diferença entre os preços de dois tipos de petróleo bruto, West Texas Intermediate (WTI) no lado comprido e Brent Crude (Brent) no lado curto. Os dois óleos diferem apenas na capacidade do WTI de produzir um pouco mais de gasolina na razão de craqueamento, o que causa uma ligeira margem de preços do WTI sobre o Brent. Como ambos os óleos são muito semelhantes a sua propagação mostra sinais de forte previsibilidade e geralmente oscila em torno de algum valor médio. Assim, é possível utilizar desvios do valor justo de spread para apostar na convergência de volta para o justo valor. O valor do spread justo pode ser calculado através da média móvel, regressão, regressão da rede neural ou outros procedimentos. Apresentamos o cálculo da média móvel como um exemplo de estratégia de negociação a partir do documento de origem. Razão fundamental Ambos os óleos diferem em composições químicas e diferem também em atributos de produção e transporte. Estas diferenças reflectem-se no spread de preços entre os dois contratos de futuros. A propagação é reversão média porque a maioria dos choques de preço é somente temporal assim que a propagação move para trás a seu equilíbrio econômico a longo prazo e conseqüentemente é possível criar uma estratégia de troca baseada nesta reversão média. Cuidado deve ser apenas necessário na utilização de parâmetros do papel de origem como eles são baseados no curto histórico e, portanto, poderia ser suscetível a mineração de dados viés. Confiança na validade da anomalia Notas para Confiança na validade da anomalia s enquanto não há dúvida sobre a reversão da média de propagação, é necessário cautela na avaliação do período de média móvel usado para negociação no papel como o backtest ea otimização é baseada em uma pequena amostra de dados Período de reequilíbrio Notas para Período de reequilíbrio Número de instrumentos negociados Notas sobre o número de instrumentos negociados Notas sobre a avaliação da complexidade Período de backtest do papel de origem Notas sobre o desempenho indicativo por ano, calculado como média ponderada da amostra e fora do período de amostragem, 2 Notas para Estimativa de volatilidade pior número de entrada e saída do período de amostragem, dados da tabela 2 Notas para Máximo de retirada pior número de dentro e fora do período de amostragem, dados da tabela 2 Palavras-chave: negociação de pares, A média móvel de 20 dias do spread WTI / Brent é calculada diariamente. Se o valor do spread atual estiver acima da SMA 20, então entraremos em uma posição curta no spread ao fechar (apostando que o spread diminuirá para o valor justo representado pela SMA 20). A negociação é fechada no fechamento do dia de negociação quando o spread cruza abaixo do valor justo. Se o valor do spread atual estiver abaixo da SMA 20, então entraremos em uma posição longa apostando que o spread aumentará ea negociação será fechada no fechamento do dia de negociação quando o spread cruza acima do valor justo. Fonte Paper Evans, Dunis, Laws: Trading Futures Spread: Uma aplicação da correlação palgrave-journals / jdhf / journal / v15 / n4 / full / jdhf200924a ljmu. ac. uk/AFE/AFE docs / Ben1004.PDF Este trabalho é a investigação de um filtro de correlação para melhorar o desempenho risco / retorno dos modelos de negociação. Motivação adicional é estender a negociação de spreads de futuros além do modelo de Fair Value de Butterworth e Holmes (2003). Os modelos de negociação testados são os seguintes: abordagem de valor justo de cointegração, MACD, técnicas de regressão tradicional e Regressão de Redes Neurais. Também é mostrada a eficácia dos dois tipos de filtro, um filtro padrão e um filtro de correlação na regra de negociação retorna. Nossos resultados mostram que o melhor modelo para comercializar o spread WTI-Brent é um modelo ARMA, que provou ser rentável, tanto dentro como fora da amostra. Isso é demonstrado por retornos anualizados fora da amostra de 34,94 para os filtros padrão e de correlação iguais (inclusive os custos de transação). Outros artigos Lubnau: Difundir estratégias de negociação no mercado de futuros de petróleo cru econstor. eu/bitstream/10419/96520/1/783913591.pdf Resumo: seu artigo explora se as estratégias de negociação técnicas comuns usadas nos mercados de ações podem ser empregadas lucrativamente nos mercados de WTI e Brent. As estratégias testadas são as Bandas de Bollinger, baseadas em uma carteira de hedge de média reversão de WTI e Brent. Os sistemas de negociação são testados com dados históricos de 1992 a 2017, representando 22 anos de dados e para várias especificações. A razão de hedge para a carteira de petróleo bruto é derivada usando o procedimento de Johansen e um modelo linear dinâmico com filtragem de Kalman. A significância dos resultados é avaliada com um teste de bootstrap no qual as ordens geradas aleatoriamente são empregadas. Os resultados mostram que algumas configurações do sistema podem ser lucrativas em cada período de cinco anos testado. Além disso, geram lucros e índices de Sharpe que são significativamente mais altos do que aqueles de ordens geradas aleatoriamente de aproximadamente o mesmo tempo de detenção. Os melhores resultados com algumas relações de Sharpe superiores a três são obtidos quando um modelo dinâmico linear com Kalman filtragem e estimativas de máxima verossimilhança da variância desconhecida da equação de estado é empregado para atualizar constantemente a relação de hedge da carteira. Os resultados indicam que o mercado de petróleo bruto pode não ser de forma fraca eficiente. Harvey, Liu e Zhu argumentam que provavelmente a maior parte da literatura de Seção Transversal de Retorno é lixo. Pode-se sempre tentar um fator adicional e vai encontrar um significativo Cross-Seccional resultado com bastante tentativa e erro. Lopez de Prado argumenta em uma série de artigos em uma veia similar. Teoricamente, os resultados científicos são falsificáveis. Praticamente resultados e publicações anteriores são verificados apenas em raras ocasiões. Crescimento em um Tempo de Profundidade por Reinhart-Rogoff foi o papel econômico mais influente nos últimos anos. Foi publicado em um jornal superior. Embora o papel continha mesmo trivial Excel-Bugs levou três anos até os resultados errados ea metodologia pobres foi totalmente revelado. Os revisores não verificaram as planilhas simples. Este artigo analisa um exemplo menos proeminente sobre a negociação de spreads no mercado de futuros de petróleo bruto por Thorben Lubnau. O autor relata por sua estratégia muito simples a Sharpe-Ratios a longo prazo acima de 3. Mostra-se que - como para Reinhart-Rogoff - não se precisa de sofisticadas estatísticas de teste para falsificar os resultados. A explicação é muito mais simples: o autor não tem nenhuma pista de negociação. Ele usou os dados errados. Relacionado por mercados: Aplicação de computação evolutiva para a descoberta de regras em negociação de ações algorítmica: A revisão da literatura Yong Hu a ,. Kang Liu b. Xiangzhou Zhang a, e. Lijun Su b. E. W.T. Ngai c. Mei Liu d. Um grande instituto de decisão de dados, Universidade de Jinan, Guangzhou, PR China b Escola de Negócios, Universidade de Guangdong de Estudos Estrangeiros, Centro Mega de Ensino Superior, Cantão 510006, PR China c Departamento de Gestão e Marketing, Universidade Politécnica de Hong Kong, Kowloon, Hong Kong, China d Departamento de Medicina Interna, Divisão de Informática Médica, Universidade de Kansas Medical Center, Kansas City, KS 66160, EUA e Escola de Negócios, Universidade de Sun Yat-sen, China Recebido 19 de agosto de 2017. Revisado em 7 de junho de 2017. Aceito 12 de julho de 2017. Disponível em linha 21 julho 2017. Destaques A primeira revisão sistemática da literatura na descoberta da regra evolucionária na negociação algorítmica do estoque. Uma demonstração clara dos estudos neste campo baseados em uma estrutura de classificação. Uma análise precisa das lacunas e limitações dos estudos existentes com base nos detalhes do esquema de avaliação. Os fatores mais importantes que influenciam a rentabilidade dos modelos são apresentados em detalhes. Sugestões específicas para futuras melhorias baseadas na revisão são propostas. Resumo Apesar da ampla aplicação das técnicas de computação evolutiva (EC) para governar a descoberta em negociação algorítmica de ações (AT), uma ampla revisão da literatura sobre este tópico não está disponível. Portanto, este trabalho tem como objetivo fornecer a primeira revisão sistemática de literatura sobre a aplicação de técnicas de EC para a descoberta de regras em estoque AT. Dos 650 artigos publicados antes de 2017 (inclusive), foram confirmados 51 artigos relevantes de 24 periódicos. Esses trabalhos foram analisados ​​e agrupados em três categorias de métodos analíticos (análise fundamental, análise técnica e análise de mistura) e três categorias de técnica da CE (algoritmo evolutivo, inteligência de enxame e técnicas EC híbridas). Observa-se um viés significativo em relação às aplicações de técnicas baseadas em algoritmos genéticos (GA) e de programação genética (GP) na descoberta técnica de regras de negociação. Outras técnicas da CE e análises fundamentais carecem de estudo suficiente. Além disso, resumimos as informações sobre o esquema de avaliação de trabalhos selecionados e particularmente analisamos as pesquisas que comparam seus modelos com a estratégia buy and hold (B H). Observamos um fenômeno interessante onde a maioria das técnicas existentes atua efetivamente na tendência de baixa e mal na tendência de alta e considerando a distribuição da pesquisa no quadro de classificação, sugerimos que esse fenômeno pode ser atribuído à inclinação das seleções de fatores e do problema Seleções de custos de transação. Observamos também a influência significativa da variação do custo de transação nas margens de excesso de retorno. Outros fatores influenciados também são apresentados em detalhes. A ausência de formas de previsão das tendências do mercado e a seleção do custo de transação são duas grandes limitações dos estudos revisados. Além disso, a combinação de técnicas de descoberta de regras de negociação e seleção de carteiras é um importante vazio de pesquisa. Nossa revisão revela o foco da pesquisa e lacunas na aplicação de técnicas de CE para a descoberta de regras em estoque AT e sugere um roteiro para pesquisas futuras. Gráfico abstrato Palavras-chave Revisão da literatura Computação evolutiva Negociação algorítmica Regra de negociação de ações Descoberta de regras Estrutura de classificação Fig. 1. A fig. 2. A fig. 3.