Combinando estratégias médias de reversão e impulso

Combinando estratégias de negociação de reversão e momentum
Obter através da App Store Leia esta publicação em nosso aplicativo!
Como as estratégias longas / curvas de impulso e reversão são combinadas dinamicamente na negociação?
Estou tentando entender como combinar dinamicamente duas estratégias na negociação: uma reversão média e o outro impulso.
Uma maneira (também a mais simples) de fazer isso é escalando / normalizando valores de ambas as estratégias e simplesmente adicionando-as. No entanto, isso não parece ser uma maneira muito inteligente de fazer as coisas.
Existe uma maneira (estatística / análise técnica / DSP / etc.) De separar os estoques de impulso dos estoques de reversão média e aplicar essas estratégias separadamente sobre esses estoques, com base em se eles são mais propensos a ser tendência do que reverter a média? Ou talvez alguma outra maneira de utilizar ambas as estratégias em conjunto para alcançar um Sharpe mais alto?
Momentum e reversão média são rótulos para descrever o comportamento de um estoque em relação ao período de tempo considerado. Isso significa que o mesmo estoque pode ser um estoque de impulso em um ponto no tempo e significa reverter estoque em diferentes momentos. Da mesma forma, ao mesmo tempo, um estoque pode ser tanto um estoque de impulso quanto um estoque de reversão médio dependendo do período de tempo em que um está olhando.
Então, o que ajuda é um critério objetivo para determinar quando um estoque está em estado momentum e quando está em estado de reversão médio em relação ao seu período de tempo. Detectar isso pode ser tão complicado ou simples como você deseja. A precisão seria o trade off.
Não sei se eu posso postar um link, mas o link de outra forma seguinte tem um estudo simples de detectar o impulso e as fases médias de reversão de um estoque de forma dinâmica e comercializá-los em conjunto para menor desdobramento e maior retorno em comparação com as estratégias individuais. Estudo: Strategy_Diversification.
Se você tem um modelo bastante bom de separação do regime (requerendo, naturalmente, uma boa medida quantitativa de classificações de regime - impulso e reversão) e probabilidade preditiva (usando algo como uma matriz de transição de estado de markov) - pode-se influenciar as contribuições correspondentes ao próximo probabilidades de estado. Claro, você raramente receberá uma resposta específica que seja implementada por causa da natureza secreta do negócio.
No entanto, há uma ampla evidência de fundos usando estratégias proprietárias, escondidas em terminologia vaga (como a tendência neutra) que é um testemunho da idéia de que estratégias similares são implantadas na prática)

Gráficos de ações inteligentes.
Aproveitando o poder das redes neurais para prever preços críticos no mercado de ações!
Pós-navegação.
Momentum versus Estratégias de Negociação de Reversão Média.
Momentum versus Estratégias de Negociação de Reversão Média.
A maioria das estratégias comerciais se dividem em duas categorias principais: Momentum e Reversão Média. As estratégias de Momentum assumem que uma segurança que é tendência provavelmente continuará a mesma tendência (seja uma tendência de alta ou uma tendência de baixa) para o futuro previsível. As estratégias de reversão média, por outro lado, assumem que uma segurança não permanecerá expandida por um período de tempo prolongado e, eventualmente, retornará para uma "média" # 8221; ou valor justo. Ambos os tipos de estratégias podem tornar os comerciantes uma tonelada de dinheiro no ambiente certo, mas raramente existe uma maneira de prever o ambiente que está à espreita no futuro próximo.
Estratégias Momentum.
As estratégias de Momentum são comumente conhecidas como "Tendência Seguindo" # 8221 ;. Você vê um estoque marchando em uma tendência de alta e você compra, antecipando a tendência de continuar. Ou você vê um estoque escorregando para baixo em um salto de gato morto e você abre-o, esperando que ele diminua ainda mais. Se você ouvir as palavras & # 8220; a tendência é sua amiga & # 8221; ou "compre alto, venda mais alto", você provavelmente está lidando com um comerciante ou investidor de momento.
As estratégias de impulso são algumas das mais fáceis de implementar para os comerciantes iniciantes, uma vez que as regras de entrada são simples: procure um estoque que esteja claramente em uma determinada direção e troque nessa direção. Jogue em um indicador de impulso como um crossover médio móvel para incutir mais confiança no seu comércio se você quiser. Afinal, o Dow não passou de 1000 a 11000 de 1982 a 2000 ou de 7000 a 18000 de 2009 a 2014 em um único dia ou mesmo ano; A tendência a seguir às negociações pode revelar-se bastante lucrativa se você as jogar adequadamente e com um pouco de paciência.
Infelizmente, as tendências não durarão para sempre e as coisas podem ficar feias quando você, junto com inúmeros outros comerciantes, é pego no lado errado quando uma tendência acaba. Algumas maneiras de limitar suas perdas no caso das mudanças de tendência incluem:
Definir uma ordem de perda de parada em um nível de suporte / resistência de chave ou na perda máxima que você está disposto a incorrer nesse comércio, que é cada vez menor. Movendo (arrastando) a perda de stop à medida que sua segurança se move ao longo de sua tendência. Monitorando a segurança dos padrões de gráfico que implicam uma deterioração da tendência (ou seja, Cabeça e ombros).
Assumindo uma diligência igual em sua gestão de risco, você provavelmente não poderá sofrer grandes perdas com uma estratégia de impulso a longo prazo em comparação com uma estratégia de reversão média que é ainda mais propensa a cisnes negros.
Estratégias de reversão média.
A reversão média é um fenômeno freqüentemente observado nos mercados financeiros onde uma segurança se afasta muito do que é considerado como "valor justo" # 8221; e reverte a direção em relação ao valor justo ou se consolida de lado até fatores fundamentais ou econômicos fazer com que o valor justo corresponda aproximadamente ao seu preço de mercado atual. (Por meio do valor justo & # 8221 ;, eu não significo o valor contábil da sua segurança, mas um analista de preços-alvo e analistas "analistas" e analistas esperados consideram que sua segurança deve valer independentemente de sua valor de mercado atual.) Enquanto as estratégias de impulso implicam simplesmente seguir a tendência, as estratégias de reversão média envolvem apostas contra a tendência. Uma vez que as estratégias de impulso são relativamente simples de entrar e geralmente são menos arriscadas, não é necessário aprender sobre as estratégias de reversão média?
A maioria dos mercados e valores mobiliários individuais não são mais do que metade do tempo. Você está tirando uma tonelada de oportunidades comerciais se você apenas se concentrar no impulso. Conforme discutido anteriormente, algumas tendências tendem a terminar muito espetacularmente, já que a maioria dos comerciantes naquela segurança particular percebe que eles foram capturados no lado errado e desesperadamente o descarregam ou são forçados a sair por causa de suas perdas. Um comércio bem demorado para aproveitar o final de uma tendência pode ganhar uma tonelada de dinheiro em um curto período de tempo, embora isso geralmente seja mais fácil de dizer do que fazer.
Entrar em um comércio de reversão médio não é tão simples como iniciar um comércio de impulso. Um estoque em movimento tende a ficar em movimento e você precisa de boas razões para acreditar que não mais continuará sua trajetória. Procure sinais de deterioração ou fraqueza, como aumento da volatilidade antes de tentar escolher uma parte superior ou inferior. Se você quiser estar seguro, procure uma nova tendência que se desenvolva na direção oposta em um período de tempo mais curto e siga isso (por exemplo, apostando em um topo seguindo uma tendência de baixa recém formada no gráfico Diário enquanto o gráfico semanal ainda está em uma tendência de alta.)
Para garantir que você não cause grandes perdas, você deve permanecer muito mais vigilante ao prosseguir uma estratégia de reversão média, incluindo:
Decidindo quanto de capital você está disposto a arriscar em seu comércio e impedindo a perda para garantir que suas perdas sejam limitadas. Manter-se atento aos padrões de gráficos de estoque, especialmente triângulos ascendentes ou descendentes, que podem anunciar a mudança de um regime de reversão média para um regime de impulso.
Combinando Momentum e Reversão Média.
A partir da experiência, ao projetar seus próprios sistemas de negociação baseados em regras, geralmente não é uma boa idéia combinar tanto o impulso como os critérios baseados em reversão média em uma única estratégia. Os critérios de impulso geralmente cancelarão os critérios de reversão média causando confusão não intencional. Em vez disso, tente criar 2 estratégias em vez disso: uma baseada puramente em ímpeto e uma apenas na reversão média. Em seguida, divida o capital que você originalmente pretendia para uma única estratégia entre as duas novas estratégias e trocasse cada estratégia de forma independente.
Outras estratégias.
As estratégias de negociação não são inteiramente limitadas a qualquer momento ou tipos de reversão média. Muitas estratégias de negociação baseadas em dados não abordam especificamente nenhum desses temas comuns. O modelo de rede neural I & # 8217; apresentou-se aqui, por exemplo, é um exemplo de uma estratégia baseada em dados.

Combinando estratégias de reversão e de negociação de impulso nos mercados cambiais.
A literatura sobre mercados de ações documenta a existência de fenômenos médios de reversão e momentum. Pesquisadores em mercados cambiais acham que as taxas de câmbio também apresentam comportamentos semelhantes ao impulso e reversão média. Este artigo implementa uma estratégia de negociação combinando reversão média e impulso nos mercados cambiais. A estratégia foi originalmente projetada para mercados de ações, mas também gera retornos anormais quando aplicado a desvios de paridade de interesse descobertos para cinco países. Eu acho que o padrão para as posições assim criadas nos mercados de câmbio é qualitativamente similar ao encontrado nos mercados de ações. Quantitativamente, esta estratégia desempenha melhores resultados nos mercados de câmbio do que nos mercados de ações. Além disso, supera as estratégias tradicionais de negociação cambial, tais como carry trades e regras de média móvel.
Classificação JEL.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.

Combinando Momentum e Estratégias de Reversão Média.
O Mundo Fama-Francês.
Por muitos anos, o padrão ouro & # 8220; & # 8221; Em modelos de fator foi o modelo Fama-French de três fator de 1996:
Aqui r é a taxa de retorno esperada do portfólio, Rf é a taxa de retorno livre de risco e K m é o retorno do portfólio de mercado. O & # 8220; três fator & # 8221; β é análogo ao clássico β, mas não igual a ele, já que existem dois fatores adicionais para fazer parte do trabalho. SMB significa "# 8220" S mall [capitalização de mercado] M inus B ig & # 8221; e HML para & # 8220; H igh [relação livro-mercado] M inus L ow & # 8221 ;; eles medem o excesso histórico de retornos das pequenas capitulações sobre grandes capitais e de ações de valor em relação aos estoques de crescimento. Esses fatores são calculados com combinações de carteiras compostas por ações classificadas (ranking BtM, ranking Cap) e dados históricos de mercado disponíveis. O modelo Fama-French de três fatores explica mais de 90% das carteiras diversificadas em resultados de amostra, em comparação com a média de 70% dada pelo modelo CAPM padrão.
O modelo de 3 fatores também pode capturar a reversão dos retornos de longo prazo documentados por DeBondt e Thaler (1985), que observaram que os movimentos de preços extremos em longos períodos de formação foram seguidos por movimentos na direção oposta. (Alpha Architect tem vários posts interessantes sobre o assunto, incluindo este).
Fama e francês dizem que o modelo de 3 fatores pode explicar isso. Os perdedores de longo prazo tendem a ter declives HML positivos e rendimentos médios futuros mais elevados. Por outro lado, os vencedores de longo prazo tendem a ser ações fortes que têm declives negativos no HML e baixos retornos futuros. Fama e French argumentam que DeBondt e Thaler estão apenas carregando no fator HML.
Digite Momentum.
Embora muitas anomalias desapareçam sob testes, efeitos de momentum de curto prazo (períodos de formação).
1 ano) parecem robustas. Carhart (1997) constrói seu modelo de 4 fatos usando o modelo FF de 3 fatores mais um fator de impulso adicional. Ele mostra que seu modelo de 4 fatos com o MOM melhora substancialmente os erros de preços médios do CAPM e do modelo de 3 fatores. Após seu trabalho, os fatores padrão do modelo de precificação de ativos agora são comumente reconhecidos como Valor, Tamanho e Momento.
Combinando Momentum e Reversão Média.
Em uma publicação recente, o Alpha Architect parece algumas possibilidades para combinar estratégias de reversão momentânea e média. Eles examinam todas as empresas acima do percentil 40 do NYSE para market-cap (atualmente cerca de US $ 1,8 bilhão) para evitar estranhos efeitos empíricos associados a ações de micro capitalização. As carteiras são formadas em uma freqüência mensal com as seguintes 2 variáveis:
Momentum = Retorno total nos últimos doze meses (ignorando o último mês) Valor = EBIT / (Valor total da empresa)
Eles formam as simples carteiras Value e Momentum da seguinte forma:
EBIT VW ​​= Delele mais alto de empresas classificadas em Valor (EBIT / TEV). O portfólio é ponderado pelo valor. MOM VW = Dele maior de empresas classificadas em Momentum. O portfólio é ponderado pelo valor. Universo VW = Valor-peso retorna ao universo das empresas. SP500 = S & amp; P 500 Retorno total.
Os resultados mostram que o decile superior de Value and Momentum superou o índice nos últimos 50 anos. A estratégia Momentum tem retornos mais fortes do que o valor, em média, mas muito maior volatilidade e redução. De acordo com o risco, eles funcionam de forma semelhante. Os pesquisadores formam as seguintes quatro carteiras:
EBIT VW ​​= Delele mais alto de empresas classificadas em Valor (EBIT / TEV). O portfólio é ponderado pelo valor. MOM VW = Dele maior de empresas classificadas em Momentum. O portfólio é ponderado pelo valor. COMBO VW = Classifique as empresas de forma independente no valor e no Momentum. Adicione os dois rankings juntos. Selecione o maior decil de empresas classificado no ranking combinado. O portfólio é ponderado pelo valor. 50% EBIT / 50% MOM VW = Em cada mês, investir 50% na carteira EBIT VW ​​e 50% na carteira MOM VW. O portfólio é ponderado pelo valor.
Com os seguintes resultados:
Os principais takeaways são:
O portfólio classificado combinado supera o índice no mesmo período de tempo. No entanto, o portfólio de combinação apresenta um desempenho pior do que uma alocação de 50% ao Valor e uma alocação de 50% ao Momentum.
Um modelo mais sofisticado.
Yangru Wu de Rutgers tem feito um trabalho interessante nesta área nos últimos 15 anos, ou mais. Seu artigo de 2005 (com Ronald Balvers), Momentum e reversão média entre os mercados de ações nacionais, considera efeitos de impulso conjunto e reversão média e permite interações complexas entre eles. Seu modelo é da forma em que o excesso de retorno para o país i (em relação ao portfólio de ações global) é representado por uma combinação de termos de reversão média e autorregressiva (momentum). Balvers e Wu descobriram que as estratégias combinadas momentum-contrarian, usadas para selecionar entre 18 mercados de ações desenvolvidos em uma freqüência mensal, superam tanto o impulso puro como as estratégias de reversão média pura. Os resultados continuam a manter-se após as correções para sensibilidades e custos de transação. Os pesquisadores confirmam que o momento e a reversão média ocorrem nos mesmos recursos. Assim, ao estabelecer a força e a duração do momento e os efeitos de reversão médios, torna-se importante controlar o efeito de cada fator sobre o outro. O momento e os efeitos médios de reversão apresentam uma forte correlação negativa de 35%. Conseqüentemente, o controle do impulso acelera o processo médio de reversão e o controle da reversão média pode estender o efeito momentâneo.
Momento, reversão média e volatilidade.
A presença de forte impulso e reversão média nos processos de volatilidade fornece uma razão para o tipo de estratégia de volatilidade que negociamos nas Estratégias Sistemáticas. Um modelo sofisticado é o modelo EGARCH Range Based de Alizadeh, Brandt e Diebold (2002). O modelo postula um processo de volatilidade de dois fatos no qual um processo de volatilidade transitória de curto prazo significa - reverte para um processo médio estocástico de longo prazo, que pode exibir impulso ou efeitos de memória longos (detalhes aqui).
Na nossa estratégia de volatilidade, modelamos os efeitos médios de reversão e momentum derivados do nível de volatilidade de volatilidade de curto e longo prazo, bem como a curva de volatilidade direta. Estes são aplicados aos ETFs de volatilidade, incluindo produtos ETF alavancados, onde os efeitos de convexidade também são importantes. A reversão média é um fenômeno bem compreendido na volatilidade, como também é o roteamento de renda nos futuros de volatilidade (que também afeta produtos ETF como VXX e XIV).
Os efeitos de Momentum são talvez menos bem pesquisados ​​neste contexto, mas nossa pesquisa mostra que eles são extremamente importantes. A título de ilustração, no gráfico abaixo, isolou os retornos (brutos) gerados por um dos fatores de impulso em nosso modelo.

Combinando estratégias de reversão média e de Momentum em mercados de câmbio.
Este artigo demonstra o sucesso de uma série de estratégias de negociação de reversão média, momentum e combinação originalmente projetadas para uso em ações quando aplicadas a mercados de câmbio. Os retornos são mensurados em desvios da UIP (parceria de juros não coberta) que afirma que as mudanças nas taxas de câmbio devem incorporar quaisquer diferenciais de taxa de juros entre duas moedas. O artigo conclui que a UIP pode ser explorada usando a estratégia híbrida de reversão / impulso devido a ineficiências na UIP.
A pesquisa existente indica que os retornos de FX mostram fortes correlações positivas no curto prazo (comportamento de momentum) e correlações negativas no longo prazo (comportamento de reversão médio). Este estudo demonstra uma estratégia que é uma combinação de momentum de curto prazo e reversão média de longo prazo dos desvios dos rendimentos anormais da UIP quando aplicada ao mercado FX. A estratégia é aplicada aos desvios da paridade da taxa de juros através de um estudo de 10 moedas desenvolvidas e altamente líquidas no período de 1978-2008, com o USD como moeda base. Três carteiras são testadas: somente reversão média, somente impulso e impulso combinado / reversão média. Cada estratégia produz resultados estatisticamente significativos.
O retorno para cada moeda é estimado usando OLS e uma carteira é formada estimando os retornos esperados mais altos, menos os retornos esperados mais baixos (max & # 8211; min) e posições de espera para os próximos K meses, onde K = 1, 3, 6 , 9 ou 12. Os resultados das equações mostram os retornos médios mais altos para a estratégia combinada de reversão / momentum. Os desvios mostram que os retornos médios começam positivos e revertam após cerca de um ano quando o efeito momentum desaparece. No entanto, a partir do quarto ano, a estratégia de reversão média produz resultados positivos.
Este artigo também compara as semelhanças entre o comportamento do mercado FX e o do mercado de ações e conclui que essa semelhança se deve a vieses comportamentais semelhantes que operam em ambos os mercados, levando a ineficiências semelhantes. No mercado de ações, os investidores muitas vezes reatam demais as novas informações e criam impulso, que ao longo do tempo, retorna à média. No mercado FX, as taxas de câmbio tendem a ter uma resposta excessivamente ansiosa à política monetária, no entanto, eles retornam ao equilíbrio a longo prazo. A estratégia foi originalmente projetada para ser usada para negociação de ações, no entanto, este estudo mostra que a estratégia funciona melhor nos mercados de mercado de mercado do que nos mercados de ações e produz uma relação de Sharpe maior do que as estratégias de negociação de Forex comuns.
Aviso de Risco: O Grupo FXCM não garante a precisão e não aceita a responsabilidade por qualquer perda ou dano que surja, direta ou indiretamente, do uso ou dependência de informações contidas nos webinars. O Grupo FXCM pode fornecer comentários gerais que não se destinam a conselho de investimento e não devem ser interpretados como tais. A negociação de FX / CFD comporta um risco de perdas superiores aos seus fundos depositados e pode não ser adequada para todos os investidores. Certifique-se de que compreende perfeitamente os riscos envolvidos.
Webinars anteriores.
Série de webinar QuantConnect NinjaTrader 3 Part no Algo Trading Python e dados históricos Estratégias e indicadores da API REST da FXCM.
Algo Trading Webinar Video: Pt 3.
Algo Trading Webinar Video: Pt 2.
Algo Trading Webinar Video: Pt 1.
Siga FXCM_MarketData.
Quantnews é o site de educação do FXCM Group. A Quantnews não aceita a responsabilidade por qualquer perda ou dano, incluindo, sem limitação, qualquer perda de lucro que possa surgir direta ou indiretamente do uso ou dependência de tais informações. A Quantnews não assume qualquer responsabilidade por erros, imprecisões ou omissões; não garante a precisão, integridade das informações, texto, gráficos, links ou outros itens contidos nesses materiais. Todas as opiniões, notícias, pesquisas, análises, preços, outras informações ou links para sites de terceiros contidos neste site são fornecidos como comentários gerais do mercado e não constituem conselhos de investimento. Os links para sites de terceiros são fornecidos para sua conveniência. Tais sites não estão no nosso controle e a Quantnews não endossa nem é responsável pela segurança, conteúdo ou disponibilidade das informações contidas em sites de terceiros.
Opiniões do mercado: quaisquer opiniões, notícias, pesquisas, análises, preços, outras informações ou links para sites de terceiros contidos neste site são fornecidos como comentários gerais do mercado e não constituem conselhos de investimento. A Quantnews não aceita a responsabilidade por qualquer perda ou dano, incluindo, sem limitação, qualquer perda de lucro que possa surgir direta ou indiretamente do uso ou dependência de tais informações. A Quantnews não assume qualquer responsabilidade por erros, imprecisões ou omissões; não garante a precisão, integridade das informações, texto, gráficos, links ou outros itens contidos nesses materiais.

Tutoriais.
Consulte também documentação, vídeos e bate-papo.
Xiaowei Yan.
Xiaowei é um Desenvolvedor Quantitativo da QuantConnect. Ele possui um mestrado em Finanças pela Universidade de Rochester e trabalhou anteriormente na gestão de investimentos no Galaxy Capital e William M. Mercer.
Artigos recentes.
Combinando Reversão Média e Momento no Mercado Forex.
Em Tutoriais de Estratégia, publicado em 16 de junho de 2017.
Neste tutorial, construímos uma estratégia combinando impulso e reversão média para os mercados de câmbio da pesquisa de Alina F. Serban [1] Alina F. Serban, combinando estratégias de negociação de impulso médio e de impulso nos mercados de câmbio on-line, baseada em pesquisas em o mercado de ações de Ronald J. Balvers e Yangru Wu [2] Ronald J. Balvers, Yangru Wu, Momentum e reversão média entre os mercados de ações nacionais. Cópia on-line. O Serban cria um factor de impulso usando os retornos dos últimos 3 meses e um fator de reversão médio como desvio do preço médio. Usando esses fatores, usamos regressão para prever os retornos do próximo mês. Nós aplicamos a estratégia do artigo da Serban e atualizamos o fator de reversão médio para melhorar seu nível de significância.
Em teoria, ao negociar câmbio, o retorno esperado acumulado em cada moeda deve ser o mesmo quando ajustado pelas taxas de câmbio (parceria de juros descoberta, UIP [3] Investopedia, Parceria de taxa de juros não coberta. Cópia on-line). Isso sugere que os mercados devem ser predominantemente significativos reverter, no entanto, na prática, vemos as tendências momentâneas de curto prazo e a reversão média a longo prazo. Este foi o fenômeno notado pela primeira vez por Chiang e Jiang [4] Chiang, T., Jiang, C., 1995. O câmbio retorna em horizontes curtos e longos. Revista Internacional de Economia e Finanças 4, 267-282. Cópia Online.
Testamos a teoria sobre EURUSD, GBPUSD, USDCAD e USDJPY e re-balanceados mensalmente. O nível e os coeficientes de significância do modelo são próximos dos do papel, mas os retornos e os Razões Sharpe obtidos não são tão bons quanto o que o papel reivindicou. O algoritmo alcançou um retorno anual bastante estável de 11%, Razão 0,8 Sharpe e 11% de redução.
Introdução.
A estratégia é centrada na teoria da paridade de interesse descoberta (UIP). A UIP afirma que a mudança na taxa de câmbio deve incorporar quaisquer diferenciais de taxa de juros entre as duas moedas. Ao procurar padrões no desvio da UIP, podemos potencialmente gerar retornos anormais.
Condições de paridade de juros.
A UIP declara que um investidor que empresta dinheiro em seu país de origem e empresta-lo em outro país com uma taxa de juros mais elevada deve esperar um retorno zero devido às mudanças na taxa de câmbio. Em outras palavras:
Onde está a taxa de juros doméstica, é a taxa de juros estrangeira, é a taxa de câmbio à vista e é a taxa de juros. Também podemos substituir a taxa de avanço de F com taxa de spot esperada:
Tomando registros das duas equações acima, obtemos:
O desvio de UIP é denotado por y e definido da seguinte forma:
Estimativa de modelo e parâmetro.
Fama e French e Summers [5] Fama, E., 1984. Taxas de câmbio a prazo e à vista. Journal of Monetary Economics Online Copy 14, 319-338. construiu um modelo simples para o preço das ações que é a soma de uma caminhada aleatória e um componente estacionário - eles representam o log natural do preço das ações com x. O componente estacionário representa os balanços temporários no preço das ações (caracterizado pelo coeficiente), o parâmetro captura o componente de deriva da caminhada aleatória e um coeficiente explica o efeito de momentum. Balvers e Wu constroem o log de preços das ações como:
Usando a equação acima Serban adapta-se para encontrar o retorno anormal no mercado forex. O que representa a velocidade da reversão média e pode variar de país, enquanto que representa a força do impulso e pode variar de país e por atraso. O parâmetro também varia de acordo com o país. Contabilizar essas mudanças:
Estratégia de negociação.
A estratégia de negociação do papel permite mudar por país, enquanto deixa e permanece fixa. Ao aplicar a regressão do Mínimo Esquema Ordinário (OLS), o modelo estima o retorno y para cada moeda. Construímos o portfólio tomando uma posição longa na moeda com o maior retorno esperado e assumindo uma posição curta na moeda com o menor retorno esperado. Nós mantemos essas posições por um mês, e repita o processo por mês. Existem duas exceções a esta estratégia: se todos os retornos esperados forem positivos, nós tomamos apenas uma posição longa e vice-versa.
Para limitar o número de parâmetros que precisamos estimar e encontrar uma solução com facilidade, só permitimos a mudança por país. De acordo com o artigo, se deixamos ρ ficar fixo e J = 3, podemos obter o maior retorno para esta estratégia. Em caso afirmativo, a equação pode ser simplificada como:
Ao aplicar a equação acima, descobrimos que a escala da reversão média para cada moeda é muito diferente, e essa diferença de escala é grande o suficiente para afetar a precisão de nossa classificação. Realizamos um ajuste para padronizar a reversão média. Ao calcular (a média dos preços do registro), também calculamos o desvio padrão σ. Neste tutorial, substituímos por. Isso captura o fator de reversão médio melhor do que a técnica do autor.
Descrição de dados.
O papel usou dados da taxa de câmbio mensal para o Dólar canadense / USD, Marca / Euro alemã, Libra do Reino Unido / USD e ienes japoneses / USD, de 1978 a 2008. Devido à disponibilidade de dados, usamos Euro / USD em vez de Marca / Euro alemão , e os primeiros dados disponíveis começam a partir de 2004. Cada vez que lançamos a estratégia, usamos todos os dados históricos disponíveis antes da data de início para construir o modelo OLS e usamos esse modelo para todo o backtest. O artigo usou 1/3 de seus dados como o conjunto de dados de treinamento e o resto do conjunto de testes. Nós testamos diretamente nosso modelo no backtesting, porque a QuantConnect facilita isso.
Para aplicar o modelo, precisamos primeiro puxar os dados do histórico para construí-lo. O projeto pode ser dividido brevemente em quatro partes: a solicitação de dados históricos, treinamento de modelo, previsão e execução.
Etapa 1: Solicitar dados históricos.
A primeira função leva dois argumentos: símbolo e número de pontos de dados diários solicitados. Esta função solicita Citações históricas e o constrói em um DataFrame de pandas. Para mais informações sobre pandas DataFrame, consulte a documentação de ajuda DataFrame. A função calcular_reter toma um DataFrame como um argumento para calcular a média e o desvio padrão dos preços do registro e crie novas colunas para o DataFrame (retorno, fator de inversão e momentum) - ele prepara o DataFrame para regressão linear múltipla.
Passo 2: Construa o Modelo Predictivo.
A função concat solicita histórico e junta os resultados em um único DataFrame. Como varia de país, então nós atribuímos a média e desvio padrão ao símbolo para cada moeda para uso futuro. A função OLS leva o DataFrame resultante para realizar uma regressão OLS. Nós o escrevemos em uma função porque é mais fácil mudar a fórmula aqui se precisarmos.
Passo 3: Aplicar modelo preditivo.
A função de previsão usa o histórico nos últimos 3 meses, mescla-o em um DataFrame e, em seguida, calcula os fatores atualizados. Usando esses fatores atualizados (juntamente com o modelo que construímos), calculamos o retorno esperado.
Há alguns pontos de nota:
Precisamos de históricos TradeBars nos últimos três meses. Para fazer isso, solicitamos 99 barras e usamos um DataFrame de pandas para extrair um ponto de dados para o final de cada mês. Usamos o cronograma de eventos para executar a estratégia no primeiro dia de negociação, no entanto, às vezes o primeiro dia do mês pode ser no 2º caso a 1ª cai em um fim de semana. Para corrigir isso, removemos os dados do mês atual, deixando apenas os últimos 3 meses de dados. Começamos a partir do segundo elemento de res (res [1:]) porque res e params são comprimentos diferentes. Isso foi difícil de detectar porque o Python não lançava erro ao executar [a * b para a, b em zip (res, params)], mesmo que o comprimento das duas listas seja diferente. Esta função também usou extensivamente os métodos de dados do pandas DataFrame. Para mais informações, consulte pandas.
Etapa 4: inicializando o modelo.
Na função Inicializar, preparamos os dados e conduzimos uma regressão linear. A propriedade de classe 'self. formula' é o resultado da regressão OLS. Usaremos esse objeto cada vez que reequilibremos o portfólio.
Etapa 5: Realizar o Reequilíbrio Mensal.
Todos os meses, reequilibramos o portfólio usando o método de Agendador de Evento. Os retornos previstos são adicionados à matriz de classificação e, em seguida, ordenados por retorno. O primeiro elemento da lista é o melhor retorno emparelhado com o símbolo associado. Quando todos os retornos esperados na matriz de classificação são positivos, apenas passamos o par com o maior retorno esperado. Quando todos os retornos são negativos, apenas ficamos curtos com o menor retorno esperado.
O resultado de regressão a seguir é obtido por backtesting do período de junho de 2013 a junho de 2016. Podemos ver os resultados bastante próximos dos do papel-fonte com um valor R-quadrado de 3,1% em comparação com os 3,89% do papel. Nosso coeficiente de momentum, ρ, é 0,0344 comparado ao 0,042 do papel. Obtivemos 0,9955 coeficiente de reversão médio (1 - 0,0045), e o papel obteve 0,9859.
A partir desses resultados, podemos dizer que o tamanho de amostra limitado não prejudica a viabilidade desse modelo. As estatísticas t dos coeficientes são -4,074 e 1,417 para o fator de reversão e o fator momentum, respectivamente. O p-valor do factor de reversão é muito pequeno, o que significa que este fator tem um nível de significância muito alto.
Resultados da sensibilidade Backtest.
Realizamos algumas análises de sensibilidade do período em diferentes períodos de tempo e resumimos os resultados como a seguinte tabela:
Conclusão.
O documento demonstra que há ineficiências na UIP que podem ser exploradas com um impulso híbrido e uma estratégia de reversão média. Embora o tamanho da amostra do papel seja muito maior do que o nosso, o parâmetro e o nível de significância dos dois modelos são muito próximos. As estratégias que discutimos acima mantêm-se fixas e só permitem a mudança por país. Se permitimos a mudança por atraso, o nível de significância do modelo pode aumentar, mas isso poderia tornar a modelagem mais difícil ao introduzir a multicolinearidade. Para testar isso, nós escrevemos essa implementação no algoritmo e comentamos as linhas. Se você estiver interessado em explorar esta extensão para o modelo, pode alterar essas linhas para testar sua estratégia.
Colaboradores.
Referências.
Você poderia elaborar mais sobre o nexo relacional entre o modelo específico usado para prever os retornos e a rejeição da teoria UIP? Tudo o resto é claro para mim, pelo menos até agora 🙂
Obrigado por sua pergunta. O uso da rejeição da teoria da UIP é demonstrar que existem fenômenos de reversão média e momentum no mercado FX. The author used the cumulative deviations from UIP for every currency over previous 6 months to rank the currencies. The currency with the highest cumulative return classifies as the ‘winner’ and the one with the lowest return is the ‘loser’. On the paper we can see obvious momentum and reversion patterns from the winer and the loser(on page 4, figure 1 of the paper).
In a word, the author mentioned UIP for the purpose of demonstrating that mean-reversion and momentum phenomena indeed exist and of supporting the model theoratically.
Thank you for your good question. If this was not clear enough, please feel free to request for more details.
Hi Xiaowei, interesting work as always.
I have cloned your code, however I am getting a syntax error on line 25:
Would you be able to explain what is creating the issue and how to fix it?
Could you update this to work in the latest version? Obrigado.
Interesting article, you should mention in Interest Parity Conditions section that you are taking first order Taylor approximation of log on left sides of equations. I was trying to follow math and took me a while to figure out what you were doing, I imagine explaining this may save others some time.