Dual Momentum TM À medida que as vantagens do momentum investing se tornam mais conhecidas, há naturalmente mais pesquisas sendo feitas para explorar seu potencial. Algumas dessas pesquisas, como o artigo da série temporal Moskowitz, Ooi e Pedersen, têm sido excelentes. Nós preferimos apontar e discutir coisas positivas como essa, mas como este é um blog sobre o momento, sentimos a obrigação de também falar sobre produtos e pesquisas de momentum que podem ser um pouco fora da base (veja aqui Market Neutral Momentum8230sort of). No final do ano passado, Keller e van Putten publicaram um documento chamado Momento generalizado e Alocação Flexível de Ativos. Os autores aplicaram o momento absoluto e relativo aos três principais ativos usando dados de 1998 a 2012. Eles desenvolveram seus parâmetros em 8 anos de dados de 2005 a 2012 e indicam que validaram seus resultados em 7 anos de dados adicionais de 1998 a 2004. Eles chamam isso de validação fora de amostra, mas eles mencionam em outro lugar em seu documento que determinaram o período retrospectivo e o número de fundos nos quais investir, analisando uma extensão maior de dados que inclui todo o período de 1998 a 2012. . Para dividir uma quantidade modesta de dados pela metade e chamar parte dela, um teste fora da amostra não está correto. O viés de snooping de dados e o ajuste excessivo do modelo também são práticas comuns entre os profissionais. Com relação aos resultados, oito anos de dados são um tamanho de amostra muito pequeno para determinar os parâmetros do modelo de investimento. Seus resultados em mais 7 anos de dados podem parecer decentes, porque o momento é tão robusto que a maioria dos parâmetros ao longo de um certo intervalo funciona bem. No entanto, o teste de retorno em oito anos de dados pode não fornecer os melhores valores de parâmetros. Em outros lugares, o trabalho dos autores pode ser bastante confuso. Aqui está um exemplo, às vezes nosso momentum relativo é chamado força relativa (RS, ver Faber 2010) ou momentum de série temporal (ver Thomas 2012). Também usaremos o termo momentum de retorno para contrastar melhor com a volatilidade e o momento de correlação. O momento da série temporal é diferente do momentum relativo (veja meu post Whatchmacallit). Além disso, o que eles chamam de momentum de volatilidade e correlação não tem nada a ver com o momentum. Momentum é sobre a seleção de ativos com base na persistência em seu desempenho, seja contra seus pares (momentum relativo) ou contra si mesmos ao longo do tempo (momentum absoluto). Isso não faz sentido com relação à volatilidade ou correlação. Os autores realmente usam a volatilidade e correlação como fatores de classificação. Eles fazem o mesmo com os retornos, mas depois de selecioná-los usando o momento relativo e absoluto. Os autores acabam classificando os ativos usando pesos arbitrários de 1,0, 0,5 e 0,5 para o momentum de retorno, volatilidade e correlação, respectivamente. Eles não explicam como chegaram a essas ponderações. Eu seria cauteloso em usar as informações contidas neste artigo sem fazer análises e testes adicionais consideravelmente maiores. Momento Momento versus Regras de Negociação Médias Móveis, de Marshall, Nguyen, e Visaltanachoti é um trabalho acadêmico que tenta determinar se regras de negociação de momentum somente duradouras superam regras comerciais médias móveis comparáveis. Eles fazem isso comparando o momento absoluto (que eles chamam de momentum de séries temporais) a médias móveis comparáveis (segundo eles) de quintis baseados em tamanho de ações dos EUA usando 10, 50, 100 e 200 períodos de retrospectiva do dia de negociação. Eles confiam em suas comparações porque suas correlações entre o momentum e os retornos médios móveis são geralmente superiores a 0,8. No entanto, isso pode ter algo a ver com o uso de dados de retorno diários, em vez de mensais. Como o momento é uma anomalia de termo intermediário, a maioria dos pesquisadores o estuda usando retornos mensais. Obtemos correlações que variam de 0,45 a 0,47 quando comparamos os retornos mensais de 12 meses de momentum absoluto a um intervalo de 4 a 32 meses de retornos mensais de média móvel do mercado de ações dos EUA nos últimos 38 anos. Usamos uma gama de comprimentos médios móveis, porque não se pode usar apenas o mesmo período de retorno para o momento e as médias móveis e esperar resultados comparáveis. Os autores sugerem isso quando dizem que as médias móveis entram e saem dos estoques mais cedo. O documento também identifica os períodos médios de manutenção para intervalos de 10, 50, 100 e 200 dias como 8, 22, 31 e 47 dias para regras de média móvel, e 10, 32, 46 e 83 dias para regras de dinâmica. Entradas e saídas mais rápidas com médias móveis significa que seus comprimentos devem ser mais longos, se se espera que o desempenho deles corresponda ao desempenho do momento absoluto. A escolha do mesmo período de look-back não torna o momento absoluto e as médias móveis comparáveis. Um velho ditado sobre investimento é que as médias móveis devem ser plotadas com metade do seu comprimento atrás do preço atual em um gráfico de ações. Um intervalo de meia amplitude significa que o período de look-back para uma média móvel seria duas vezes mais longo que o período de look-back para o momento, para que os dois sejam mais ou menos comparáveis. O gráfico a seguir deve deixar isso claro. Permite medir o momento absoluto do ponto médio desta linha em 30 até o ponto final em 50. Momento absoluto mede a diferença entre o valor inicial e final, que neste caso é 20. O valor médio móvel calculado desde o início de 30 até o final de 50 é 40. A diferença entre o valor médio móvel de 40 e o valor final de 50 é apenas 10, indicando uma tendência mais fraca do que foi identificado usando o momento absoluto. No entanto, se começarmos a nossa média móvel duas vezes mais longe no ponto de 10, o valor da média móvel calculada torna-se 30 em vez de 40, e a diferença entre ele e o nosso valor final é agora 20, o mesmo que com o momento absoluto. Os números nem sempre funcionam exatamente assim. O período de look-back médio móvel equivalente depende da ação do preço ao longo do comprimento da média móvel. No entanto, é seguro dizer que usar o dobro do período de retorno absoluto do momento dá-nos uma duração média móvel equivalente melhor. Podemos ver que no Painel D da Tabela 2 do artigo: Momento Temporal e Análise Técnica Desempenho e Comparação Q1 (Pequeno) Q2 Q3 Q4 Q5 (Grande) MAMMM MA MAMOM MAMMOM MAMMOM MAMM TSMOM Painel D: Índices de Sharpe 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Os estoques são baseados em tamanho quintis do Q1 (pequeno) ao Q5 (grande). Os períodos de lookback de 10 a 200 dias estão na primeira coluna. Lendo as linhas, as taxas de Sharpe são para estratégias de média móvel (MA) e momento absoluto (TSMOM) usando o mesmo período de lookback. Vemos que, exceto para Q5 (grande), se mudarmos as estratégias de MA para um nível, de modo que os períodos de retrospectiva sejam duas vezes mais longos (ou mais, de 50 a 10) que os períodos de retrospectiva do TSMOM, obtenha uma correspondência quase exata das proporções de Sharpe. Com base no uso de períodos de look-back alterados que tornam as estratégias MA e TSMOM aproximadamente equivalentes, não se pode mais dizer que as regras de tempo de portfólio baseadas em médias móveis claramente superam suas contrapartes de momentum absoluto. Para comparar o momento absoluto com as regras de negociação médias móveis, deve-se examinar um intervalo de valores para cada um. Fizemos isso e descobrimos que os parâmetros de momento de melhor desempenho aplicados a diferentes ativos e diferentes períodos de tempo têm menos dispersão do que os parâmetros de média móvel de melhor desempenho. Duplo Momento TM À medida que as vantagens do investimento de momentum se tornam mais conhecidas, há naturalmente mais pesquisas sendo feito para explorar o seu potencial. Algumas dessas pesquisas, como o artigo da série temporal Moskowitz, Ooi e Pedersen, têm sido excelentes. Nós preferimos apontar e discutir coisas positivas como essa, mas como este é um blog sobre o momento, sentimos a obrigação de também falar sobre produtos e pesquisas de momentum que podem ser um pouco fora da base (veja aqui Market Neutral Momentum8230sort of). No final do ano passado, Keller e van Putten publicaram um documento chamado Momento generalizado e Alocação Flexível de Ativos. Os autores aplicaram o momento absoluto e relativo aos três principais ativos usando dados de 1998 a 2012. Eles desenvolveram seus parâmetros em 8 anos de dados de 2005 a 2012 e indicam que validaram seus resultados em 7 anos de dados adicionais de 1998 a 2004. Eles chamam isso de validação fora de amostra, mas eles mencionam em outro lugar em seu documento que determinaram o período retrospectivo e o número de fundos nos quais investir, analisando uma extensão maior de dados que inclui todo o período de 1998 a 2012. . Para dividir uma quantidade modesta de dados pela metade e chamar parte dela, um teste fora da amostra não está correto. O viés de snooping de dados e o ajuste excessivo do modelo também são práticas comuns entre os profissionais. Com relação aos resultados, oito anos de dados são um tamanho de amostra muito pequeno para determinar os parâmetros do modelo de investimento. Seus resultados em mais 7 anos de dados podem parecer decentes, porque o momento é tão robusto que a maioria dos parâmetros ao longo de um certo intervalo funciona bem. No entanto, o teste de retorno em oito anos de dados pode não fornecer os melhores valores de parâmetros. Em outros lugares, o trabalho dos autores pode ser bastante confuso. Aqui está um exemplo, às vezes nosso momentum relativo é chamado força relativa (RS, ver Faber 2010) ou momentum de série temporal (ver Thomas 2012). Também usaremos o termo momentum de retorno para contrastar melhor com a volatilidade e o momento de correlação. O momento da série temporal é diferente do momentum relativo (veja meu post Whatchmacallit). Além disso, o que eles chamam de momentum de volatilidade e correlação não tem nada a ver com o momentum. Momentum é sobre a seleção de ativos com base na persistência em seu desempenho, seja contra seus pares (momentum relativo) ou contra si mesmos ao longo do tempo (momentum absoluto). Isso não faz sentido com relação à volatilidade ou correlação. Os autores realmente usam a volatilidade e correlação como fatores de classificação. Eles fazem o mesmo com os retornos, mas depois de selecioná-los usando o momento relativo e absoluto. Os autores acabam classificando os ativos usando pesos arbitrários de 1,0, 0,5 e 0,5 para o momentum de retorno, volatilidade e correlação, respectivamente. Eles não explicam como chegaram a essas ponderações. Eu seria cauteloso em usar as informações contidas neste artigo sem fazer análises e testes adicionais consideravelmente maiores. Momento Momento versus Regras de Negociação Médias Móveis, de Marshall, Nguyen, e Visaltanachoti é um trabalho acadêmico que tenta determinar se regras de negociação de momentum somente duradouras superam regras comerciais médias móveis comparáveis. Eles fazem isso comparando o momento absoluto (que eles chamam de momentum de séries temporais) a médias móveis comparáveis (segundo eles) de quintis baseados em tamanho de ações dos EUA usando 10, 50, 100 e 200 períodos de retrospectiva do dia de negociação. Eles confiam em suas comparações porque suas correlações entre o momentum e os retornos médios móveis são geralmente superiores a 0,8. No entanto, isso pode ter algo a ver com o uso de dados de retorno diários, em vez de mensais. Como o momento é uma anomalia de termo intermediário, a maioria dos pesquisadores o estuda usando retornos mensais. Obtemos correlações que variam de 0,45 a 0,47 quando comparamos os retornos mensais de 12 meses de momentum absoluto a um intervalo de 4 a 32 meses de retornos mensais de média móvel do mercado de ações dos EUA nos últimos 38 anos. Usamos uma gama de comprimentos médios móveis, porque não se pode usar apenas o mesmo período de retorno para o momento e as médias móveis e esperar resultados comparáveis. Os autores sugerem isso quando dizem que as médias móveis entram e saem dos estoques mais cedo. O documento também identifica os períodos médios de manutenção para intervalos de 10, 50, 100 e 200 dias como 8, 22, 31 e 47 dias para regras de média móvel, e 10, 32, 46 e 83 dias para regras de dinâmica. Entradas e saídas mais rápidas com médias móveis significa que seus comprimentos devem ser mais longos, se se espera que o desempenho deles corresponda ao desempenho do momento absoluto. A escolha do mesmo período de look-back não torna o momento absoluto e as médias móveis comparáveis. Um velho ditado sobre investimento é que as médias móveis devem ser plotadas com metade do seu comprimento atrás do preço atual em um gráfico de ações. Um intervalo de meia amplitude significa que o período de look-back para uma média móvel seria duas vezes mais longo que o período de look-back para o momento, para que os dois sejam mais ou menos comparáveis. O gráfico a seguir deve deixar isso claro. Permite medir o momento absoluto do ponto médio desta linha em 30 até o ponto final em 50. Momento absoluto mede a diferença entre o valor inicial e final, que neste caso é 20. O valor médio móvel calculado desde o início de 30 até o final de 50 é 40. A diferença entre o valor médio móvel de 40 e o valor final de 50 é apenas 10, indicando uma tendência mais fraca do que foi identificado usando o momento absoluto. No entanto, se começarmos a nossa média móvel duas vezes mais longe no ponto de 10, o valor da média móvel calculada torna-se 30 em vez de 40, e a diferença entre ele e o nosso valor final é agora 20, o mesmo que com o momento absoluto. Os números nem sempre funcionam exatamente assim. O período de look-back médio móvel equivalente depende da ação do preço ao longo do comprimento da média móvel. No entanto, é seguro dizer que usar o dobro do período de retorno absoluto do momento dá-nos uma duração média móvel equivalente melhor. Podemos ver que no Painel D da Tabela 2 do artigo: Momento Temporal e Análise Técnica Desempenho e Comparação Q1 (Pequeno) Q2 Q3 Q4 Q5 (Grande) MAMMM MA MAMOM MAMMOM MAMMOM MAMM TSMOM Painel D: Índices de Sharpe 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Os estoques são baseados em tamanho quintis do Q1 (pequeno) ao Q5 (grande). Os períodos de lookback de 10 a 200 dias estão na primeira coluna. Lendo as linhas, as taxas de Sharpe são para estratégias de média móvel (MA) e momento absoluto (TSMOM) usando o mesmo período de lookback. Vemos que, exceto para Q5 (grande), se mudarmos as estratégias de MA para um nível, de modo que os períodos de retrospectiva sejam duas vezes mais longos (ou mais, de 50 a 10) que os períodos de retrospectiva do TSMOM, obtenha uma correspondência quase exata das proporções de Sharpe. Com base no uso de períodos de look-back alterados que tornam as estratégias MA e TSMOM aproximadamente equivalentes, não se pode mais dizer que as regras de tempo de portfólio baseadas em médias móveis claramente superam suas contrapartes de momentum absoluto. Para comparar o momento absoluto com as regras de negociação médias móveis, deve-se examinar um intervalo de valores para cada um. Fizemos isso e descobrimos que os parâmetros de momento de melhor desempenho aplicados a diferentes ativos e diferentes períodos de tempo têm menos dispersão do que os parâmetros de média móvel de melhor desempenho. 9 de março de 2013 Há um novo trabalho de pesquisa de Wes Gray e Jack Vogel que é interessante não apenas para os investidores momentâneos, mas para todos os investidores e pesquisadores. O papel está usando o máximo de redução para capturar o risco de cauda. Nele, Wes e Jack mostram que anomalias acadêmicas, identificadas por modelos de fatores lineares (alfa), frequentemente não são ótimas estratégias de negociação. Wes e Jack selecionam onze anomalias longas / curtas da literatura acadêmica e mostram que algumas delas, apesar dos alfas positivos e das taxas atrativas de Sharpe, mostram quedas muito grandes que provavelmente desencadeariam chamadas de margem e saques dos investidores em momentos inoportunos. Seis das onze estratégias têm rebaixamentos superiores a 50, com os três piores sendo 86,1, 84,7 e 83,5. (Momento de estoque longo / curto é aquele com um rebaixamento de 86. Talvez QuantShares deva reconsiderar de chamar seu ETF de ações de momento longo / curto, o US Market Neutral Momentum Fund). Alguns pesquisadores analisam o índice de Sortino, que divide o excesso de retorno pela variabilidade do lado negativo, ao invés da variabilidade total, como o índice de Sharpe. Incorporar uma variabilidade positiva pode ser útil, no entanto, especialmente ao avaliar oportunidades de investimento com volatilidade de desvantagem semelhante. Nem o índice de Sharpe nem o de Sortino consideram a extensão total da exposição negativa na cauda extrema esquerda de uma distribuição. Wes e Jack dizem que é importante para os pesquisadores e investidores considerar o risco de cauda. Eles sugerem observar a perda máxima de pico a vale (rebaixamento) associada a uma série temporal como uma maneira relativamente fácil de fazer isso. Eles têm um vídeo explicativo em seu blog Turnkey Analyst, juntamente com o código de macro do Excel VBA e uma planilha para calcular o rebaixamento máximo. (Também há outros vídeos bons mostrando como usar o Excel para otimização de variação média e como calcular 3 ou 4 fatores alfa). É claro que o rebaixamento máximo não é perfeito como uma medida de risco. Não é passível de análise estatística tradicional, como intervalos de confiança. (Dada a natureza estocástica dos mercados financeiros, a análise estatística tradicional pode não ser tão exata de qualquer maneira.) O rebaixamento máximo depende do tempo. Quanto mais tempo um histórico, mais provável será que o rebaixamento máximo aumentará. Frequência de redução, bem como magnitude, também é importante. Além disso, o rebaixamento máximo mostra apenas um único evento passado que pode ser uma ocorrência casual e não ser representativo do que o futuro pode trazer. Outras formas de encarar o risco de cauda tentam lidar com essas preocupações. O valor condicional em risco (CVAR) tenta mostrar como o rebaixamento provavelmente se parecerá com um evento extremo. Teoria do valor extremo (EVT) tenta identificar grandes desvios das medianas das distribuições de probabilidade. Ambas as abordagens são computacionalmente desafiadoras e raramente encontradas na literatura financeira. (Eu costumava calcular o CVAR eu mesmo, mas não o achava tão intuitivamente atraente quanto o rebaixamento máximo.) Wes e Jack fizeram um serviço mostrando como as maneiras usuais de avaliar oportunidades de investimento, como as taxas alfa e Sharpe, podem estar seriamente ausentes. Nem alfa, nem desvio padrão, nem redução máxima, representam uma medida completa do risco de investimento. O rebaixamento máximo é bom, pois dá alguma indicação de risco extremo de cauda. No entanto, eu também olho de forma mais ampla para redução de estratégia versus rebaixamento de benchmarks sob uma variedade de condições adversas. Eu também examino intervalos interquartis e outliers extremos usando gráficos de caixa dos dados. Você pode ver todos esses quatro métodos em funcionamento no meu papel dual momentum. Espero que outros pesquisadores percebam logo e comecem a apresentar mais do que apenas a proporção de Sharpe ou alfa como sua função objetiva. Estes geralmente significam pouco por conta própria em termos de exposição ao risco real. O risco de cauda é importante para os investidores e também deve ser importante para os pesquisadores. Momento versus Médias Móveis A tendência é um dos métodos de investimento mais antigos Rotulado como análise técnica, o acompanhamento de tendências não foi pesquisado pelos acadêmicos Pesquisa de impulso transversal explodiu depois que Narasimhan Jegadeesh e Sheridan Titman publicaram seu estudo seminal de 1992, mas a dinâmica das séries temporais permaneceu amplamente ignorada até depois de 2008. Técnicas de movimentação de tendências baseadas em preço, como sistemas de média móvel, permaneceram separadas das técnicas de momentum baseadas em retorno. Novas pesquisas mostram que os sistemas de média móvel e o momentum das séries temporais são técnicas ligadas matematicamente. Em 1838, James Grant publicou The Great Metropolis, Volume 2. No interior, ele falou de David Ricardo, um economista político inglês que atuava nos mercados de Londres. o final dos anos 1700 e início dos anos 1800. Ricardo acumulou uma grande fortuna negociando títulos e ações. De acordo com Grant, o sucesso de Ricardos foi atribuído a três regras de ouro: Como mencionei o nome do Sr. Ricardo, posso observar que ele acumulou sua imensa fortuna por uma atenção escrupulosa ao que ele chamou de suas próprias três regras de ouro, a observância de que ele usou para pressionar seus amigos particulares. Estes foram, Nunca recusar uma opção quando você pode obtê-lo, Cortar suas perdas, Deixe seus lucros continuarem. Ao cortar as perdas de curto prazo, o Sr. Ricardo quis dizer que, quando um membro fez uma compra de ações e os preços estavam caindo, ele deveria revendê-las imediatamente. E, ao deixar os lucros continuarem, ele queria dizer que, quando um membro possuísse ações e os preços subissem, ele não deveria vender até que os preços tivessem atingido seu nível mais alto e começassem a cair novamente. Estas são, de fato, regras de ouro, e podem ser aplicadas com vantagem a inúmeras outras transações que não aquelas relacionadas à Bolsa de Valores. Reduza suas perdas e deixe seus lucros continuarem se tornando os principais princípios do acompanhamento de tendências. Outros proeminentes seguidores de tendência inicial incluem: Charles H. Dow, fundador e primeiro editor do Wall Street Journal, bem como co-fundador da Dow Jones e da empresa Jesse Livermore, que é citado por Edwin Lefvre como tendo dito, o grande dinheiro foi não nas flutuações individuais, mas nos principais movimentos. dimensionando todo o mercado e sua tendência. Richard Wyckoff, cujo método envolveu a entrada de posições longas apenas quando o mercado estava em alta e o mercado em curto quando o mercado estava tendendo para baixo. Houve até mesmo um estudo acadêmico inicial de acompanhamento de tendências realizado por Alfred Cowles III e Herbert Jones em 1933. No estudo, intitulado Algumas Probabilidades Posteriori na Ação do Mercado de Ações. concentram-se na contagem do número de sequências vezes em que os retornos positivos foram seguidos por retornos positivos ou retornos negativos foram seguidos por retornos negativos aos tempos de reversões, quando os retornos positivos são seguidos por retornos negativos e vice-versa. Cowles e Jones avaliaram a proporção dessas seqüências e reversões nos preços das ações em períodos que variaram de 20 minutos a 3 anos. Seus resultados: Verificou-se que, para cada série com intervalos entre observações de 20 minutos até e incluindo 3 anos, as seqüências ultrapassaram as reversões. Por exemplo, no caso da série mensal de 1835 a 1935, um total de 1200 observações, houve 748 seqüências e 450 reversões. Ou seja, a probabilidade parecia ser de 0,625 que, se o mercado tivesse subido em um determinado mês, subiria no mês seguinte, ou, se tivesse caído, que continuaria a declinar por mais um mês. O desvio padrão para uma série tão longa construída por sorteio aleatório seria de 17,3, portanto, o desvio de 149 do valor esperado de 599 é superior a oito vezes o desvio padrão. A probabilidade de obter tal resultado em uma série de lançamento de moeda de um centavo é infinitesimal. Apesar de promissores resultados empíricos e teóricos para seguir tendências, os próximos estudos acadêmicos não viriam até quase um século depois. Em 1934, Benjamin Graham e David Dodd publicaram o Security Analysis. Mais tarde, em 1949, publicaram o The Intelligent Investor. Nestes volumes pesados, eles descrevem seus métodos para investimentos bem-sucedidos. O método de Graham e Dodds se concentrava em avaliar o estado financeiro do negócio subjacente. Seu objetivo era identificar o valor intrínseco de uma empresa e o estoque de compra quando o mercado oferecia um desconto substancial a esse valor. Para Graham e Dodd, qualquer outra coisa era mera especulação. Graham e Dodd deram aos investidores fundamentais e, especificamente, valorizam a Bíblia aos investidores. Qualquer coisa, então, que não fosse um investimento fundamental era a análise técnica. E como o acompanhamento de tendências dependia apenas da avaliação de preços passados, era rotulado de análise técnica. Infelizmente, os acadêmicos rejeitaram amplamente a análise técnica durante os anos 1900. Isto é provavelmente devido ao fato de que foi difícil estudar e testar. Os praticantes seguem um grande número de técnicas diferentes. Às vezes, essas técnicas diferentes podem levar a previsões contraditórias entre os técnicos. Mas em 1993, Narasimhan Jegadeesh e Sheridan Titman publicaram Returns to Buying Winners e Selling Losers: Implicações para a eficiência do mercado de ações. Em seu artigo, eles delinearam uma estratégia de investimento que comprou ações que superaram seus pares e venderam ações que tiveram desempenho abaixo do esperado. Jegadeesh e Titman chamavam sua força relativa de aproximação um termo que havia sido usado por técnicos há muito tempo. Agora, às vezes, é chamado de momento transversal. momento relativo, ou muitas vezes apenas momentum. Este método simples descrito por Jegadeesh e Titman criou retornos positivos estatisticamente significativos que não poderiam ser explicados por fatores de risco comuns. Este artigo inaugurou uma era de pesquisa de momento, com acadêmicos explorando como a técnica se espalhou por geografias, prazos e classes de ativos. Os resultados foram que o momento foi surpreendentemente robusto. Apesar do sucesso da força relativa. o interesse em seguir as tendências de seus primos próximos ainda não estava em lugar algum. Até a crise financeira de 2008. Tecnicamente, um dos trabalhos de pesquisa mais populares sobre Mebane Fabers, que segue tendências, foi publicado em 2006. Mas a maioria dos interesses dos acadêmicos ocorreu após 2008. Atribuímos esse interesse a propriedades de mitigação de risco de acompanhamento de tendências. Os estudos tipicamente se enquadram em dois campos. No primeiro campo estava o estudo do acompanhamento de tendências, que tendia a seguir sistemas mecânicos simples, como médias móveis. Faber (2006) entrou neste campo usando uma média móvel de 10 meses. Existem várias variações desses sistemas. Por exemplo, pode-se usar a cruz de preço sobre a média móvel como um sinal. Outro pode usar a cruz de uma média móvel mais curta por mais tempo. Finalmente, alguns podem até usar mudanças direcionais na média móvel como o sinal. Outros tendiam a se concentrar no que se tornaria conhecido como momentum de série temporal. No momentum de séries temporais, o sinal de negociação é gerado quando o retorno total ao longo de um dado período cruza a linha zero. Um dos estudos mais proeminentes para a dinâmica de séries temporais foi Moskowitz, Ooi e Pedersen (2011), que demonstraram que a anomalia foi significativa em 58 índices líquidos de ações, moeda, commodities e futuros de títulos. As regras de médias móveis que acompanham a tendência ainda eram consideradas regras técnicas de negociação versus a abordagem quantitativa do momento da série temporal. Talvez a maior diferença seja que o campo que segue as tendências tendeu a se concentrar nas técnicas que usam os preços, enquanto o campo do momentum se concentra nos retornos. No entanto, a pesquisa na última meia década realmente mostra que elas são estratégias relacionadas matematicamente. Bruder, Dao, Richard e Roncallis Métodos de Filtragem de Tendências 2011 para Estratégias de Momentum uniram as estratégias de cruzamento da média móvel e o momento das séries temporais mostrando que os cross-overs eram realmente apenas um esquema de ponderação alternativo para retornos no momentum de séries temporais. Para citar, a ponderação de cada retorno forma um triângulo, e a maior ponderação é dada no horizonte da menor média móvel. Portanto, dependendo do horizonte n 2 da média móvel mais curta, o indicador pode ser focado na tendência atual (se n 2 é pequeno) ou em tendências passadas (se n 2 for tão grande quanto n 1/2, por exemplo). Em Marshall, Nguyen e Momentum da série temporal de Visaltanachotis versus regras de negociação médias móveis. publicado em 2012, o momentum de séries temporais mostra-se relacionado a mudanças na direção de uma média móvel. De fato, os sinais de momentum de série temporal não ocorrerão até que a média móvel mude de direção. Portanto, as regras de média móvel que dependem do preço cruzando a média móvel provavelmente ocorrerão antes de uma mudança no sinal do momento da série temporal. Similares a Bruder, Dao, Richard e Roncalli, Levine e Pedersen mostram que o momentum da série temporal e o cross-overs médios estão altamente relacionados em seu artigo de 2015, Which Trend is Your Friend. Eles também descobriram que o momentum de séries temporais e as estratégias cross-over de média móvel têm um desempenho similar em 58 contratos futuros e futuros líquidos. Em seu artigo de 2015 Descobrindo as regras de tendência, Beekhuizen e Hallerbach também relacionam médias móveis com retornos, mas exploram ainda mais as regras de tendência com períodos de salto e a popular regra MACD (divergência de convergência da média móvel). Usando o link implícito de médias móveis e retornos, eles mostram que o MACD é tanto tendência seguinte quanto reversão. Esses estudos são importantes porque ajudam a validar a abordagem de sistemas baseados em preços. Sendo matematicamente ligados, abordagens técnicas como médias móveis podem agora ser ligadas à mesma base teórica que o crescente corpo de trabalho no momento da série temporal. Praticantes de mercado há muito tempo sustentam que a tendência é sua amiga e a literatura acadêmica finalmente começou a concordar. Mas talvez, mais importante, agora sabemos que não importa se você usa a abordagem técnica usando médias móveis ou a abordagem quantitativa de medir retornos. No final do dia, eles são mais ou menos a mesma coisa. Corey Hoffstein Corey é co-fundador e Chief Investment Officer da Newfound Research. Corey é um palestrante frequente em painéis da indústria e contribui para o blog ETF Trends, ETF Trends e Forbess Great Speculations. Ele foi nomeado um ETF All Star de 2014 pela ETF. As regras de médias móveis que acompanham a tendência ainda eram consideradas regras técnicas de negociação versus a abordagem quantitativa do momento da série temporal. Na minha opinião, esta é uma falsa dicotomia, uma vez que o momentum da série temporal é um sistema de fuga simples e, de fato, muito mais simples do que um crossover de média móvel. Comerciantes técnicos estavam usando sistemas de fuga muito antes da comunidade acadêmica (sem qualquer experiência de negociação) descobri-los e vestiu-os como momentum de séries temporais. Veja, por exemplo, operadores de Tartarugas e seu uso de sistemas de fuga que são equivalentes a momentum de séries temporais. Como no caso de muitas outras descobertas práticas e práticas em outras áreas que antecederam os avanços teóricos, a comunidade acadêmica está agora tentando adaptar sua maneira complicada de perder a floresta para as árvores no comércio e está criando uma confusão a partir de noções simples. Obrigado pela leitura. Eu não acho que estavam discordando de alguma forma aqui. Não estou tentando dizer que quantitativo é melhor que técnico. Minha percepção é simplesmente que as regras da média móvel foram largamente ignoradas pelos acadêmicos porque foram consideradas análises técnicas. Mudar o foco de baseado em preço para baseado em retornos reclassificou-o como análise acadêmica quantitativa e permitida. Mais uma questão de percepção. O objetivo deste post é mostrar que eles são realmente um no mesmo. Então, alguém usando regras de média móvel é realmente um investidor momentâneo e vice-versa. Zakamulin (2015) é na verdade um resumo bastante abrangente dos sinais médios móveis versus momento e mostra que eles são mais ou menos um no mesmo. Na verdade, a maioria das regras de média móvel é apenas a média móvel ponderada das regras de dinâmica. Zakamulin, Valeriy, Market Timing with Moving Averages: Anatomy and Performance of Trading Rules (May 13, 2015). Available at SSRN: ssrn/abstract2585056 or dx. doi. org/10.2139/ssrn.2585056 The point of this post is to show that they are really one in the same. So someone using moving-average rules is really a momentum investor, and vice versa. I disagree with this because moving averages are smoothing operators whereas momentum is breakout. Actually, the philosophy is much different and although one can massage the math, this cannot change the fact. The turtles used breakout because moving averages did not work well and the philosophy was different. However, both moving averages and momentum are technical analysis. The reason the term momentum was invented was because academia rejected technical analysis. So to publish papers in peer-reviewed journals they had to use different names, i. e. momentum and quant. This is deception and/or illusion. So my conclusion is: (1) Both MAs and momentum are good old TA (2) MAs are different from momentum Both MAs and momentum lead to highly curve-fitted models that are not intelligent. I wrote about MAs in a a recent post The same applies to momentum systems. There, initial conditions often play an important role: I will post analysis and proof of (1) and (2) above in my blog in the next couple of days. Thanks for the interesting article. I wont comment on your conclusions: everyone is entitled to their own opinions and I certainly find your work to be quite thorough. But I do disagree with: I disagree with this because moving averages are smoothing operators whereas momentum is breakout. You are 100 correct in that moving averages are smoothing operators. But the signals derived from them are equivalent to momentum forms. For example, a moving-average-change-of-direction strategy, using a moving average of length n, is literally equivalent to a momentum strategy with lookback of length n. The variants change if you do a price-minus-moving-average or double-moving-average-crossover. but the link remains. This isnt massaging mathematics. It just is math. There is a direct link between the common technical rules driven by moving averages and the signals derived from basic momentum. True in that there is a all of semantics regarding these notions apart from real substance. But I disagree with this For example, a moving-average-change-of-direction strategy, using a moving average of length n, is literally equivalent to a momentum strategy with lookback of length n. If you do a backtest you will realize that the two strategies are different. Technically, the answer depends on volatility. If you are looking only at the recent uptrend in SampP 500, you are correct. But if you also look at the uptrends of the 1990s, which had higher volatility, then you will see that this is not true. In other words, momentum is not affected by volatility but moving averages are. Yet another way to put it: Momentum cares only about endpoints. Moving averages are affected by all the points. So I do not understand how some academics will insist they are the same thing. There is a lot of confirmation bias in academic works. First the think of an idea, often the wrong one, and then they try to prove it by selectively applying math. I found the source of our dispute. You are correct in that a moving-average-change-of-direction strategy, using a moving average of length n, is literally equivalent to a momentum strategy with lookback of length n. However, trend-followers did not use a moving-average-change-of-direction strategy. They actually used crossovers. Thus, I think that the Zakamulin paper first sets up a strawman argument by referring to an obvious result..But when considering crossovers, many approximations are made and a low of handwaving. Essentially, an attempt is made to generalize a trivial result (the strawman) but as anyone can show, a momentum strategy with lookback of length n is not equivalent to a moving average crossover strategy, and that was my point, which maybe I did not make clear. I do argue that all that is technical analysis and has little to do with quant. Quant has to do with investigating the presence of data-snooping bias, determining significance, etc. Thanks for the discussion. It was helpful in clarifying a few issues. I maintain that some of those academic papers make a lot of noise from nothing actually. These techniques and results have been know to practitioners for years. Good historical info and distinctions between the two processes. As Michael noted, academia coming around after valid risk management was needed but, will be useful again. I will opine that time-series momentum is not a simple breakout system (per Michael) as those are more technical by definition vs. monthly momentum based systems that wont use charts but historical prices and probably volatility. Mebs stuff is great and a 10mo MA tool as a template for managing risk will do people well. The 10mo MA tool is an artifact of data-mining bias: Take a look at the EEM chart near the end of the article below for an example of what can happen to that tool in case there is a long consolidation: As long as U. S. stocks exhibit V-style bottoms (2003, 2009, etc.), the tool will work well. If not, disaster. Michael, great work on priceactionlabs. There are many caveats when using a MA of any timeframe, agreed. V-bottoms are one but angle of incidence to MA to me is key as low angles imply less meaningful signals as do flat MA which I then will give room to bounce, defined by function of ATR. The one difference between academics and practitioners is that academics refer to beating the market and if it doesnt do so, deem TA to failure whereas practitioners seek to maximize Return to Risk taken, or in system development CAR/MDD. Real investment (trade) management takes into account the risk taken to achieve a return not it if it beats the market lol. Faber (a pracitioner) does show reward/risk vs. Zakamulin (academic) who shows Sharpe (barely). Practitioners recognize Sharpe as inferior as upside SD is good, its the downside that is bad (MDD).
No comments:
Post a Comment