글로벌 주식 시장의 시계열 모멘텀 거래 전략

March 15, 2018

글로벌 주식 시장의 시계열 모멘텀 거래 전략

시계열 모멘텀 효과.

전통적인 횡단면 모멘텀은 널리 알려져 있으며 매우 잘 문서화 된 예외입니다. 전통적인 추진력은 과거의 수상자를 선택하기 위해 자산의 우주를 사용하며, 승자가 미래에도 동료를 능가 할 것이라고 예측합니다. 그러나 최근의 학술 연구에 따르면 우리는 모멘텀 효과를 이용하기 위해 전체 자산이 필요하지 않다는 것을 보여줍니다. 이 예외의 새 버전 (Time Series Momentum)은 각 보안 (또는 자산)이 과거 수익을 소유하고 있음을 보여줍니다. 지난 12 개월간의 초과 수익률은 미래 수익률의 긍정적 인 지표입니다. 모든 자산에 걸친 다양한 시계열 모멘텀 포트폴리오는 매우 안정적이며 견고하며 수동 벤치 마크와의 상관 관계가 거의없는 높은 Sharpe 비율을 제공합니다. 추가적인 이점은 시계열 모멘텀 수익률이 주식 시장의 수익률이 가장 높을 때 가장 크게 나타나는 것입니다. 그러므로, 시계열 모멘텀은 극단적 인 사건에 대한 헤지 (hedge) 일 수있다.

근본적인 이유.

학술 연구에 따르면 시계열 모멘텀 효과는 투자자의 행동 이론과 일치합니다. 초기 보완 반응 및 정보 보급에 적용되는 지연 과잉 반응.

간단한 거래 전략.

투자 세계는 24 개의 상품 선물, 12 개의 통화 간 쌍 (9 개의 기본 통화), 9 개의 개발 지수, 13 개의 개발 된 국채 선물로 구성됩니다.

원본 용지.

Moskowitz, Ooi, Pedersen : 시계열 모멘텀.

우리는 우리가 고려한 58 가지 액체 수단 각각에 대한 주식 지수, 통화, 상품 및 채권 선물에 중요한 "시계열 모멘텀"을 기록합니다. 초기 과소 반응 및 지연된 과량 반응의 감정 이론과 일치하여 우리는 1 개월에서 12 개월 사이의 수익률이 부분적으로 더 긴 지평선에서 역전되는 것을 발견합니다. 모든 자산 클래스에 걸친 다양한 시계열 모멘텀 전략 포트폴리오는 표준 자산 가격 결정 요인에 대한 노출이 거의없는 상당한 비정상 수익률을 제공하며 극한의 시장에서 최고의 성과를 보입니다. 우리는 시계열 모멘텀에 대한 수익률이 투기꾼이 헤지거를 희생시키면서 수익을 얻는 투기 및 헤지 화자의 트레이딩 활동과 밀접하게 연관되어 있음을 보여줍니다.

기타 논문.

Baltas, Kosowski : 선물 시장의 추세 및 추세 전략

시계열 모멘텀 전략을 구성하는 것은 단일 변수 전략의 변동성 조정 집계를 포함하므로 변동성 추계 기의 효율성과 모멘텀 거래 신호의 품질에 크게 의존합니다. 1999 년 11 월부터 2009 년 10 월까지 12 가지 선물 계약의 일일 시세 정보가 포함 된 데이터 세트를 사용하여 이러한 종속성과 시계열 모멘텀 수익성과의 관계를 조사하고 여러 가지 새로운 발견에 도달합니다. 첫째, 자산 가격 경로에 선형 추세를 적용하여 생성 된 모멘텀 거래 신호는 포트폴리오 회전율을 최소화하면서 샘플 밖의 성과를 극대화하므로 과거의 수익률의 징후 인 문학의 일반적인 모멘텀 거래 신호를 지배합니다. 두 번째로, 결과는 매월 리 밸런싱 빈도에서의 강한 모멘텀 패턴, 주간 빈도에서 상대적으로 강한 모멘텀 패턴 및 일일 빈도에서 상대적으로 약한 모멘텀 패턴을 보여줍니다. 실제로 중요한 반전 효과는 매우 단기간의 수평선에 문서화됩니다. 마지막으로 단 변수 전략의 변동성 조정 집계와 관련하여 Yang-Zhang 범위 추정자는 효율성 극대화와 편향과 사후 포트폴리오 회전율 최소화라는 관점에서 변동성 예측에 최적의 선택을한다.

시계열 모멘텀 전략을 수립하는 데는 변동성을 고려한 단일 변수 전략의 집계가 포함되므로 변동성 추계 인의 효율성과 모멘텀 거래 신호의 품질에 크게 의존합니다. 1999 년 11 월부터 2009 년 10 월까지 12 가지 선물 계약의 일일 견적과 함께 데이터 세트를 사용하여 이러한 종속성과 시계열 모멘텀 수익성과의 관계를 조사하고 여러 가지 새로운 발견에 도달합니다. 자산 가격 경로에 선형 추세를 맞추면 발생하는 모멘텀 트레이딩 신호는 포트폴리오 회전율을 최소화하면서 샘플 밖의 성과를 극대화하므로 문학에서의 일반적인 모멘텀 거래 신호, 과거 수익의 신호를 지배합니다. 단 변수 전략의 변동성 조정 집계와 관련하여 Yang-Zhang 범위 추정자는 효율성을 최대화하고 편향과 사후 포트폴리오 회전율을 최소화하는 관점에서 변동성 예측을위한 최적의 선택을 구성한다.

이 논문에서는 선물 시장의 시계열 모멘텀 전략과 상품 거래 자문가 (CTA)와의 관계를 연구한다. 첫째, 우리는 시계열 (1974-2002), 횡단면 (71 계약) 및 주파수 영역 (월별, 주별, 일별)의 세 가지 차원에서 기존 연구를 확장하여 시계열 모멘텀 포트폴리오의 가장 포괄적 인 세트 중 하나를 구성합니다. . 우리의 시계열 모멘텀 전략은 Sharpe 비율이 1.20 이상을 달성하고 경기 순환 적 행동으로 인해 중요한 다양 화 이익을 제공합니다. 월간, 주간 및 일간 전략은 낮은 교차 상관 관계를 나타내어 서로 다른 복귀 지속 현상을 포착한다는 것을 알 수 있습니다. 둘째, 우리는 시계열 모멘텀 전략이 CTA 수익의 시계열에서 높은 설명력을 가지고 있음을 보여줌으로써 CTA가 시계열 모멘텀 전략을 따르는 증거를 제공합니다. 셋째, 이 결과를 바탕으로 우리는 CTA 산업에 지연된 자본 흐름에 대한 모멘텀 전략 성과의 예측 회귀 분석을 실행하여 시계열 모멘텀 전략에 용량 제약이 존재하는지 조사합니다. 선물 시장이 상대적으로 유동적이라는 견해와 일치하여, 우리는 생산 능력 제약의 증거를 찾지 못했고이 결과는 다른 자산 클래스에 대해 견고합니다. 우리의 결과는 헤지 펀드 연구 및 투자자에게 중요한 의미를 지닙니다.

기존의 증거를 80 년 이상 연장하여 1903 년 이후 글로벌 시장에서의 추세를 따르는 투자 실적을 연구합니다. 우리는 경향 추종이 강한 긍정적 인 수익을 가져 왔으며 1 세기가 넘는 10 년마다 전통적인 자산 클래스와의 낮은 상관 관계를 깨닫게되었습니다. 우리는 다양한 경제 환경을 통해 추세를 따르는 수익률을 분석하고 주식이 주식 시장에서 전략적으로 제공 한 다변화 이익을 강조합니다. 마지막으로 이러한 장기적인 결과의 맥락에서 전략의 최근 환경을 평가합니다.

여러 가지 모멘텀 전략의 변형은 자산 배분 설정 및 일련의 산업 포트폴리오에서 조사됩니다. 모멘텀 리턴의 간단한 모델이 고려됩니다. 시계열 모멘텀과 횡단면 모멘텀의 차이점은 이론적으로나 경험적으로 명확하게 밝혀졌다. 변동성 가중의 유효성에 대한 이론적 및 실험적 근거를 제공하고 단면적 및 변동성과 운동량의 관계를 조사합니다.

우리는 전체 역사에 걸친 원자재 선물에 대한 시계열 모멘텀 전략의 수익성이 시작일에 매우 민감하다는 것을 보여줍니다. Sharpe 비율은 252 일의 형성 기간과 21 일의 보유 기간이있는 일별 수익률을 사용하여 21 일째되는 날의 첫 번째 날, 두 번째 날 등에서 시작하는지 여부에 달려 있습니다. 이 민감도는 거래 기간이 짧을수록 높아집니다. 동일한 결과는 독립적이고 동일하게 비정상적으로 분포 된 수익률의 시뮬레이션에서도 보입니다. 이는 경험적 패턴 일뿐만 아니라 모멘텀 전략의 근본적인 문제임을 보여줍니다. 포트폴리오 관리자는 이러한 잠정적 인 위험을 인식해야합니다. 동일한 기본이지만 같은 날에 동일한 전략을 거래하기 시작한 지 하루 후, 수십 년이 지난 후에도 성공적인 전략을 성공하지 못하게 만들 수 있습니다.

Managed Futures 펀드와 CTA의 수익률은 단순한 경향 추종 전략, 특히 시계열 모멘텀 전략으로 설명 할 수 있음을 보여줍니다. 우리는 초기의 과소 반응 및 뉴스에 대한 지연된 과도한 반응으로 인한 잠재적 인 이익 원천을 포함하여 이들 요금 체계 뒤에있는 경제적 직관에 대해 논의합니다. 경험적으로 이러한 추세를 따르는 전략은 Managed Futures가 반환하는 것을 설명합니다. 실제로, 시계열 모멘텀 전략은 가장 크고 성공적인 관리자를 포함하여 Managed Futures 지수 및 개별 관리자 수익률로 큰 상관 관계와 높은 R - 제곱을 산출합니다. 가장 큰 Managed Futures 관리자가 전통적인 long-only 벤치 마크에 대해 중요한 알파를 실현했지만, 시계열 모멘텀 전략을 제어하면 alphas가 0이됩니다. 마지막으로 우리는 리스크 관리, 자산 클래스와 트렌드를 가로 지르는 리스크 배분, 포트폴리오 재조정 빈도, 거래 비용 및 수수료를 포함하여 시계열 모멘텀 전략과 관련된 많은 구현 문제를 고려합니다.

합리적인 투자자 및 기술 투자자와의 균형 모델에서 과거 시장 가격의 이동 평균은 미래의 가격을 예측할 수 있으며 많은 경험적 연구에서 발견 된 강력한 예측력을 설명합니다. 우리의 모델은 시장 가격이 단기간에 양의 상관 관계를 갖고 장기적으로는 음의 상관 관계를 갖는 경향이 있음을 시계열 모멘텀으로 설명 할 수 있습니다.

2008 년에 커다란 긍정적 인 수익률을 기록한 CTA는 기관 투자가의 관심과 배분이 증가했습니다. 후속 성과는 장기 평균보다 낮았습니다. 이것은 대공황 이후 가장 큰 금융 위기 이후의 기간에 발생했습니다. 이 백서에서는 거의 한 세기의 데이터를 사용하여 글로벌 금융 위기에서 이러한 펀드가 추구하는 핵심 전략에 일반적으로 어떤 일이 발생하는지 조사합니다. 우리는 또한이 위기 기간 동안 CTA에 의해 거래 된 시장의 시계열 (time series) 행동을 조사한다. 우리의 결과에 따르면 금융 위기 이후 장기간에 걸쳐 평균 수익률은 위기가없는 기간에 비해 절반 이하로 나타납니다. 지역 위기의 증거는 비슷한 패턴을 보여줍니다. 우리는 또한 선물 시장이 금융 위기가 시작된 직후 4 년 동안의 전략 추세에 대한 상대적으로 약한 수익률을 초래하는 비 위기 기간에 널리 보급 된 강한 시계열 수익 예측 가능성을 보여주지 못함을 발견했습니다.

우리는 리스크 조정 수익률의 장기 평균을 기반으로 한 새로운 수준의 모멘텀 전략을 소개하고 64 가지의 액체 선물 계약 우주에서 이러한 전략을 테스트합니다. 우리는이 리스크 조정 된 모멘텀 전략이 홀딩 및 룩백 기간의 거의 모든 조합에 대해 Ooi, Moskowitz 및 Pedersen (2012)의 시계열 모멘텀 전략을 능가한다는 것을 보여줍니다. 우리는 모멘텀 고유 변동성 (위험)의 측정을 (자산 클래스 내에서 그리고 자산 클래스 전반에서) 구축하고 이러한 변동성 측정이 위험 관리 및 모멘텀 타이밍 모두에 사용될 수 있음을 보여줍니다. 우리는 모멘텀 리스크 관리가 샤프 비율을 크게 증가 시키지만, 동시에 더 큰 음의 왜곡과 꼬리 위험을 초래한다는 것을 알았습니다. 반대로 리스크 관리와 운동량 모으기를 결합하면 모멘텀 수익률의 비대칭 성이 실질적으로 제거되고 테일 위험이 크게 감소합니다. 또한 모멘텀 위험 관리는 시장, 가치 및 모멘텀 요인에 대한 노출을 훨씬 낮추게됩니다. 결과적으로 위험 관리 모멘텀 수익률은 표준 모멘텀 수익보다 훨씬 더 높은 다변화 이익을 제공합니다.

우리는 추세를 따르는 수익과 거시 경제 리스크 간의 관계를 조사한다. 우리의 결과는 거시 경제 요인이 전략의 역동적 인 노출을 허용 할 때 경향 추종과 통계적으로 유의 한 관계가 있음을 보여줍니다. 우리는 이번에는 다양한 위험 노출로 인해 다양한 채권 및 주식 시장 사이클에 걸쳐 긍정적 인 수익을 창출 할 수 있습니다. 선행 연구에 따르면 대부분의 단면 모멘텀 수익률은 거시 경제적 위험 노출에서 비롯된 것으로 나타났습니다. 그러나 적어도 절반의 성과가 미래 수익의 설명되지 않는 구성 요소에서 비롯된 추세에 대해서는 마찬가지입니다. 우리가 거시 경제적 변수의 조건부 변동성과 성과를 관련 지을 때, 우리의 결과는 경제적 불확실성이 낮은 기간에 높은 수익률을 생성하는 경향 추세를 보여준다.

우리는 과거 수익률이 0을 초과하는 컨디션 (time-series strategy, TS)과 횡단면 평균을 초과하는 과거 수익률 (횡단면 전략, CS)에 대한 컨디셔닝에서 다른 과거 수익률 기반 전략 간의 차이점을 분석합니다. 이 두 전략의 수익률 차이는 주로 TS 전략이 전체 시장에서 취하는 시간이 변하는 긴 위치에 기인하며 결과적으로 개별 자산 가격의 행동에 아무런 영향을 미치지 않음을 알 수 있습니다. 그러나 자산 선택으로 인해 재무 비율에 따라 TS 및 CS 전략이 달라지는 경우가 있습니다.

관리 형 선물 펀드 (CTA라고도 함)는 주로 트렌드와 거래합니다. 추세를 식별 할 수있는 몇 가지 방법이 있습니다. 휴리스틱 또는 통계적 방법을 사용하여 "필터"라고합니다. 가격 추세에 대한 두 가지 중요한 통계 척도는 시계열 모멘텀과 이동 평균 크로스 오버입니다. 우리는 경험적으로나 이론적으로 이러한 경향 지표가 밀접하게 연관되어 있음을 보여줍니다. 실제로 이들은 가장 일반적인 형태의 등가 표현이며 HP 필터, 칼만 필터 및 기타 모든 선형 필터와 같은 다른 여러 유형의 필터도 캡처합니다. 또한 추세 필터를 과거 가격 대비 과거 수익의 함수로 등가 적으로 표현할 수있는 방법을 보여줍니다. 우리의 결과는 다양한 경향 추종 전략을 통합하고 확대하며 투자자에게 미치는 영향을 논의합니다.

이 연구는 1969 년부터 2013 년까지 67 개의 주식 및 상품 지수의 데이터 세트를 사용하여 국제 주식 및 상품 시장 전반에 걸친 중요한 시계열 모멘텀 효과를 문서화합니다. 이 신문은 또한 국제 뮤추얼 펀드가 최근 몇 개월 동안 실적이 좋았던 도구를 사는 경향이 있지만 동일한 기간에 실적이 저조한 것을 체계적으로 판매하지 않는다는 점을 더 자세히 설명합니다. 우리는 또한 다양한 장기 - 단기 모멘텀 포트폴리오가 극한의 시장 상황에서 최대 이익을 실현한다는 것을 발견하지만, 최근 중앙 은행의 시장 개입은 그러한 포트폴리오의 성과에 도전하는 것으로 보입니다.

따라서이 기사의 목표는 Moscowitz, Ooi 및 Pedersen [2012]의 중요한 기사에서 소개 된 시계열 모멘텀 (TSMOM) 전략에서 이러한 비 효율성을 연구하는 것입니다. 이를 위해 변동성으로 정상화 된 과거 선물 수익의 평균을 기반으로하는 위험 조정 된 시계열 모멘텀 (RAMOM) 전략의 새로운 계급 전략을 도입합니다. 우리는 이러한 전략을 64 가지 액체 선물 계약 우주에서 시험하고 RAMOM 전략이 단기, 중기 및 장기 기세 전략을위한 Moscowitz, Ooi 및 Pedersen [2012]의 TSMOM 전략보다 우수함을 입증합니다. 또한 RAMOM 거래 신호는 또 다른 유용하고 중요한 특징을 가지고 있습니다 : 그들은 자연적으로 높은 휘발성에 덜 의존적입니다. 다시 말해, 표준 TSMOM 전략은 장기간 스 트래들 위치 (long-call, long-put)와 긍정적 인 상관 관계를 갖는 경향이 있으며 (Hurst 등 [2013] 참조), 결과적으로 불안정한 시장에서 더 잘 수행됩니다 환경. 우리가 보여 주듯이, 변동성에 따라 거래 신호를 위험 조정함으로써 RAMOM 수익률이 변동성이 낮은시기에 새로운 정보에 더 민감하게 반응하기 때문에 RAMOM 수익률의 경우는 훨씬 적습니다. 결과적으로 TSMOM에 비해 RAMOM의 성과는 변동성에 부정적으로 작용하는 경향이있다.

추세를 따르는 전략은 긍정적 인 과거 수익률을 가진 자산에서 길고 포지션을 취하고 과거의 수익률이 마이너스 인 자산의 위치는 짧게 잡습니다. 이들은 일반적으로 변동성에 반비례하는 가중치를 사용하여 모든 자산 클래스에서 선물 계약을 사용하여 건설되며, 특히 극적인 시장 침체기에 특히 다양한 다각화 기능을 나타 냈습니다. 그러나 2008 년의 놀라운 성과에 따르면 추세를 따르는 전략은 위기 이후 기간 인 2009-2013 년에 강력한 수익을 창출하지 못했습니다. 이 기간은 투자 가능한 우주가 소위 위험 관리 (Risk-On) 및 위험 관리 (Risk-Off) 하위 클래스로 크게 나뉘어지면서 자산 클래스 전반에 걸쳐서도 상당 수준의 공동 이동으로 특징 지워졌습니다. 우리는 쌍 방향 상관을 효과적으로 무시하는 역 변동성 가중치 체계가 상관 관계가 증가하는 환경에서 차선책으로 판명 될 수 있는지 검토한다. 기존의 장기간 위험 - 패리티 (균등 한 위험 기여도) 배분을 확장함으로써, 우리는 리스크 패리티 원칙을 사용하는 장기간의 추세 추적 전략을 구축합니다. 전략의 성능을 크게 향상시킬뿐만 아니라 극단적 인 평균 상관 관계 체제에서보다 정교한 가중치 체계의 성능에 주로 기인하는 것으로 나타났습니다.

Moskowitz, Ooi 및 Pedersen (2012)은 시계열 모멘텀이 1985 년에서 2009 년 기간 동안 다양한 국제 선물 계약의 다각화 된 포트폴리오에 크고 중요한 알파를 전달함을 보여줍니다. 이러한 결과를 비슷한 데이터로 확인했지만, 그 결과는 시계열 모멘텀이 아닌 변동성 규모의 수익률 (또는 자산 배분에 대한 소위 위험 패리티 접근법)에 의해 결정됩니다. 시계열 모멘텀 월별 수익률의 알파는 변동성 스케일링이없는 경우 1.27 %에서 변동성 스케일링이없는 경우 0.41 %로 감소합니다. 이는 변동 모멘텀 알파 0.95 %보다 현저히 낮습니다. 변동성 규모의 포지션을 사용하면 시계열 모멘텀 전략의 누적 수익률은 매수 및 유지 전략보다 높습니다. 그러나 변동성에 의해 규모가 조정되지 않는다면 timeseriesmomentuman buy-and-hold는 유사한 누적 수익을 제공합니다. 시계열 모멘텀 전략의 탁월한 성과는 2009 년에서 2013 년 사이의보다 최근의 위기 이후 기간에도 사라집니다.

상품의 금융 화에 대해서는 많은 부분이 알려져 있지만, 수익성있게 상품에 투자하는 방법에 대해서는 알려진 바가 거의 없습니다. Commodity Trading Advisors (CTA)에 대한 기존의 연구는 CTA의 19 %만이 그들의 이름에도 불구하고 상품에만 투자하기 때문에이 문제를 적절히 다루지 않습니다. 새로운 4 요소 자산 가격 책정 모델을 CTA를 평가하는 데 사용 된 기존 벤치 마크와 비교합니다. 4 요소 모델 가격 만이 상품 현물과 임기 위험 프리미엄입니다. 전반적으로 4 요소 모델 가격은 상품 파급 효과가 Fama-French 3 요소 모델 가격 주식 위험 프리미엄보다 우수하기 때문에 상품 투자 차량을 평가하는 데 적합한 벤치 마크입니다.

지난 20 년 동안의 추세 또는 추세 추종 전략은 투자자 도구 상자의 일부가되었습니다. 정보 비율 (IR, 표준 편차를 표준 편차로 나눈 값)을 살펴봄으로써 모멘텀 전략을 분석하는 새로운 방법을 소개합니다. 우리는 모멘텀 전략의 이론적 IR을 계산하고, 모멘텀이 주로 수익률에서의 자기 상관에 기인하는 경우, 포트폴리오 형성 기간 (look-back)의 함수로서의 IR은 드리프트로 인해 모멘텀과 매우 다르다는 것을 보여줍니다 반환). IR은 몇 개월의 회상 기간 동안 투자자가 자기 상관 관계를 활용할 가능성이 높다는 것을 보여줍니다. 그러나 1 년 가까이 되돌아 오는 기간 동안, 투자자는 드리프트를 이용할 가능성이 더 큽니다. 우리는 고정 기간을 구축함으로써 역사적 데이터를 이론적 IR과 비교합니다. 경험적 연구에 의하면 자기 상관은 IR (특히 1975 년 이전)과 표류가 더 중요한 다른 위치 (1975 년 이후)를 설명하는 표류보다 더 중요한 기간 / 체제가 있음을 발견했다. 우리는 다우 존스 산업 평균 지수 (Dow-Jones Industrial Average)의 100 년 이상에 우리의 모멘텀 전략을 적용하여 연구를 마칩니다. 우리는 수년간의 룩 백 (look-back) 기간 동안 감쇠 된 진동을 IR에보고하고 그러한 성장을 평균 성장 속도의 역전으로 모델링합니다.

1960 년부터 2015 년까지의 채권, 원자재, 통화 및 주식 지수의 시계열 모멘텀 (경향 추종) 전략을 연구합니다. 우리는 1985 년 이전과 이후의 모멘텀 전략이 일관되게 유지되는 것으로 나타났습니다. 채권 우리는 여러 가지 중요한 위험 자산을 문서화합니다. 첫째, 수익률은 긍정적으로 왜곡되어 있습니다. 우리는 모멘텀 전략과 긴 옵션 스 트래들 전략간에 평행을 그리는 것으로 직관적이라고 주장합니다. 둘째, 최악의 주식 및 채권 시장 환경에서 실적이 특히 강세를 보였으므로 트렌드를 따르는 것이 주식 및 채권 위기 알파를 제공 할 수 있다는 주장에 신뢰를 보였습니다. 긴 주식이나 긴 채권이되지 않도록 전략에 제한을두면 위기 알파를 더욱 강화할 수 있지만 평균 수익은 감소합니다. 마지막으로, 우리는 실적 차이가 다른 수익률을 기반으로 한 모멘텀 전략에 따라 다양한 자산 클래스에 어떻게 적용되는지 검토합니다.

우리는 추세를 따르는 전략의 짧고 긴 포트폴리오를 사용하여 위험 및 수익 특성을 분석 할 것을 제안합니다. 우리는 그들의 노출이 시간에 따라 변하고 시장의 상태에 의존하며 동일한 자산에서 장단점으로 돌아 오는 것이 비교가되지 않는다는 것을 발견했습니다. 또한 CTA 관리자가 간헐적으로 긴급한 재량에 대한 증거를 제시합니다. 우리의 연구 결과는 적응 형 시장 가설과 일치하며, 우리 연구의 주요 교훈은 동적 투자 전략 분석에서 길고 짧은면을 차별화해야한다는 것입니다.

이 설문지는 학계와 실무자 모두의 경험적 연구 기사를 검토하여 CTA 및 상품 지수 모두에 대한 잠재적 인 구조적 수익원을 논의합니다. 이 신문은 구체적으로 다음을 다루고 있습니다 : (a) 관리 선물 프로그램과 상품 지수 모두에 대한 장기 수익률; (b) 선물 전략에 대한 투자자의 기대와 포트폴리오 맥락. (c) 이러한 전략을 벤치마킹하는 방법.

투자자들은 흔히 주식 반환의 음의 비대칭 또는 왼쪽 꼬리 비대칭에 대해 우려하고 있습니다. 이에 대응하여 주식 시장이 하락할 경우 수익을 상쇄하기위한 위험 완화 전략을 모색합니다. 긍정적 인 왜도와의 관련성으로 인해 추세를 따르는 전략은 위험 완화 또는 위기 - 상쇄를위한 인기있는 후보자입니다. 이 보고서는 추세를 따르는 포트폴리오가 긍정적 인 왜곡을 어떻게 달성 할 수 있는지 탐구하고 위험의 시간 변화가 주요 요인이라는 것을 발견합니다. 사실, Sharpe가 양의 값을 가진 포트폴리오는 시간이 지남에 따라 위험 수준을 변경함으로써 긍정적 인 왜곡을 달성 할 수 있습니다.

이 기사에서 저자는 1880 년 이후 세계 시장에서의 추세 추종 투자 성과를 연구하여 새로운 데이터 세트를 사용하여 기존의 증거를 100 년 이상 연장했습니다. 그들은 1880 년 이래 10 년마다 시계열 모멘텀이 전통적 자산 클래스와의 상관 관계가 낮은 긍정적 인 평균 수익률을 기록한 것으로 나타났습니다. 또한 시계열 모멘텀은 60/40 주식 / 채권 포트폴리오의 최대 축소로 정의되는 세기 중 가장 큰 위기 기간 중 10 개 중 8 개에서 잘 수행되었습니다. 마지막으로, 경기 침체 및 경기 호황, 전쟁 및 평시, 고금리 및 저금리 체제, 고 / 저 인플레이션 기간 등 다양한 거시 경제 환경에서 시계열 모멘텀이 잘 수행되었습니다.

큰 축소의 위험에 대비하여 주식 포트폴리오를 헤지하는 것은 유난히 어렵고 비싸다. S & P 500에 대한 풋 옵션을 보유하고 지속적으로 압류하는 것은 시장 매각을 막기위한 매우 비용이 많이 든다. '안전 자산'보유 미국 재무부 채권은 긍정적이고 예측 가능한 장기 수익률을 제공하면서 일반적으로 2000 년 이후의 채권 - 상관 관계가 역사적인 희소성이므로 신뢰할 수없는 위기 - 헤지 전략입니다. 긴 금 및 긴 신용 보호 포트폴리오는 비용과 신뢰도 측면에서 풋과 채권 사이에 위치하는 것처럼 보입니다. 이러한 수동 투자와는 달리 장기적으로나 특히 역사적 위기에서 긍정적 인 성과를 낸 것으로 보이는 두 가지 역동적 인 전략, 즉 선물 시계열 및 가격 축적 요인을 조사합니다. 선물 모멘텀은 장기 옵션 매수 전략과 유사하여 주식을 장기 매도하는 동안 이익을 얻을 수 있습니다. 양질의 주식 전략은 최저 수준의 회사 주식에서 최고 품질의 짧은 포지 션으로 장기간 포지션을 취하고 위기 상황에서 '품질 대 편익 (flight-to-quality)'효과를 활용합니다. 이 두 가지 역동적 인 전략은 역사적으로 상관 관계가없는 수익률 프로파일을 가지고있어 위기 대응 위험 회피를 보완합니다. 우리는 두 가지 전략을 모두 검토하고 1985 년에서 2016 년 동안의 정상적인 시간뿐만 아니라 위기 상황에서도 다양한 변이가 어떻게 수행되었는지 토론합니다.

모멘텀 리스크 프리미엄은 가장 중요한 대안 리스크 프리미엄 중 하나입니다. 시장의 이상으로 간주되기 때문에 항상 잘 이해되지는 않습니다. 따라서이 주제에 관한 많은 출판물은 백 테스팅과 경험적 결과를 기반으로합니다. 그러나 일부 학술 연구는 그러한 전략의 행동을 이해할 수있는 이론적 틀을 개발했습니다. 이 논문에서는 Bruder and Gaussel (2011) 모델을 다 변수 사례로 확장합니다. 학술 문헌에서 발견 할 수있는 주요 특성을 찾아서 운동량 위험 프리미엄에 대한 새로운 이론적 결과를 얻을 수 있습니다. 특히 추세를 따르는 전략의 성과를 재검토하고 리스크 / 수익 프로파일에 대한 자산 유니버스의 영향을 분석합니다. 우리는 또한 경험적 양식화 된 사실을 우리 모델에서 얻은 이론적 인 결과와 비교한다. 마지막으로 우리는 경향 추종 전략의 헤징 속성을 연구한다.

글로벌 주식 시장의 시계열 모멘텀 트레이딩 전략

가가리 차크라 바티.

최근 몇 년 동안, 주식 시장에서의 비정상적인 이익의 존재는 경험적으로 검증되어 효율적 시장 가설을 시범 적으로 보였다. 시장이 모든 것을 알고 있거나 시장이 맞을 수 없다는 주장은 신화로 입증되었습니다. 주식 시장에서 수익성이 높은 거래 규칙이 존재하기 때문에 추측은 금융 시스템이 본질적으로 불안정 해지고 충격에 취약 해지고 충돌하기 쉬운 일반적인 현상이됩니다. 이 연구는 최근 몇 년간 세계 시장에서 수익성이 높은 거래 규칙의 존재를 탐색하면서 선진국의 하위 시장이 추측 활동에 더 취약하다는 사실을 발견했습니다.

* Gagari Chakrabarti는 인도 콜카타 대학 (Presidency University)의 경제학 조교수입니다. 그녀의 주요 연구 분야는 금융 경제, 양적 금융 및 복잡한 시스템과 같은 금융 시장입니다. 그녀는 M. Sc., M. Phil을 얻었습니다. 박사. 캘커타 대학에서 경제학 학위를 취득했습니다.

참조.

저작권 정보.

저자 및 제휴사.

가가리 차크라 바티.

제휴 관계가 없습니다.

이 기사에 관하여.

협력하여 게시 됨.

개인화 된 권장 사항.

기사를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

기사 공유.

해당 기사에 대한 무제한 액세스 즉석 다운로드 해당되는 경우 현지 판매 세 포함.

기사를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

기사 공유.

손끝에서 천만 가지 이상의 과학적 문서를 제공합니다.

전환 판.

&부; 2017 Springer International Publishing AG. 스프링거 자연의 일부입니다.

중국 주식 시장의 시계열 모멘텀과 역설적 효과.

하이라이트.

이 논문은 중국 주식 시장의 시계열 모멘텀이나 역설적 인 효과에 중점을두고있다.

단기적으로는 시계열 모멘텀 효과가 있고 장기적으로는 contrarian 효과가 있습니다.

실적은 되돌아보기 및 보유 기간 및 회사 별 특성에 따라 다릅니다.

이 논문은 중국 주식 시장의 시계열 모멘텀이나 역설적 인 효과에 중점을두고있다. 우리는 중국 본토의 주요 주식 지수에 적용된 시계열 모멘텀 전략의 성과를 평가하고 시계열 모멘텀 전략의 성과와 일부 기업 특성과의 관계를 탐구합니다. 우리의 연구 결과는 중국 주식 시장에서 단기적으로는 시계열 모멘텀 효과가 있고 장기적으로는 contrarian 효과가 있음을 나타냅니다. 시계열 모멘텀과 contrarian 전략의 수행은 look-back과 holding period와 기업 특유의 특성에 크게 의존한다.

이 기사를 찾고 액세스 할 수있는 옵션을 선택하십시오.

로그인 자격 증명이나 기관을 통해 액세스 할 수 있는지 확인하십시오.

시계열 모멘텀, 변동성 스케일링 및 위기 알파.

최근의 괴물 선물 선물 게시물에서 알 수 없다면, 우리는 최근에 선물에 대해 많은 것을 생각해 왔습니다. 선물 연구 분야는 상대적으로 신선하고 & # 8221; 우리가 기본 답변을 이미 이해하고있는 주식 선택 연구를 통해 해킹하는 것보다 훨씬 흥미 진진합니다. & # 8212; 싼 / 품질을 구매하고, 힘을 사서, 상대적인 고통의 고통을 받아 들일 수 있습니다.

미래에 대한 연구 교육 시리즈의 일환으로, 우리는 최근에 시간을 거슬러 올라가는 기표, '시계열 모멘텀과 변동성 스케일링'을 검토했습니다. 다른 선물 종이에 대한 연구 결과를 재검토 한 Abby Y. Kim, Yiuman Tse, John K. Wald (KTW)에 의해, Time Series Momentum, & # 8221; Tobias J. Moskowitz, Yao Hua Ooi, Lasse Heje Pedersen (MOP).

우리는 KTW와 MOP의 핵심 연구 결과를 다음과 같이 요약합니다.

타임 시리즈 모멘텀 주요 인사이트 (MOP 별)

MOP의 핵심 요소는 다음과 같습니다.

장래의 계약은 1965 년에서 2009 년까지의 58 가지 계약 (24 가지 상품, 12 가지 교차 환율 통화, 9 가지 선행 지수, 13 가지 개발 된 국채)을 포함합니다. 전략은 시계열 모멘텀을 기반으로합니다. 즉 과거 수익률이 양수인지 음수인지를 나타냅니다. 긍정적 인 = 긴; negative = short 위치는 변동성 가중치이므로 변동성이 큰 자산이 수익을 지배하지 않습니다. 이는 가중치가 위험을 의미하는 동등 가중 리스크 패리티 포트폴리오와 유사합니다. MOP에서 목표 볼륨은 평균 볼륨이 19 %인데 비해 효과적으로 40 %, 효과적으로 2 배가됩니다. Asness et al. 에 대해 통제 한 후, 변동성 축소 TSMOM 전략 (12 개월 룩백, 1 개월 보류)은 월간 1.09 %의 초과 수익률 (5.4의 w / stat)을 생성합니다. 가치 / 운동량 & # 8220; 모든 곳 & # 8221; 채권 수익, 통화 및 원자재에 대한 요인. TSMOM은 Asness et al. 의 횡단면 운동량에 부하를가하지만 모든 곳의 요인은 설명하지 않습니다.

시계열 모멘텀 및 변동성 스케일링 주요 인사이트 (KTW 별)

KTW 논문은 MOP의 분석을 재검토한다. 55 개의 선물 계약을 사용하는 것은 1985-2009 기간을 다루며 저자는 MOP의 결과를 확인합니다. 그러나 KTW는 MOP와 충돌하는 것으로 보이는 다음 결과를 확인합니다.

비 눈금의 등가 가중치 방법을 사용하면 TSMOM 포트폴리오의 알파가 월 0.39 %로 감소합니다. vol-scaled, TSMOM의 1.08 % 월간 알파. 체감 규모가 없으면 포트폴리오 알파는 Buy-and-Hold 선물 포트폴리오와 유사합니다. 비경 시적 방법을 사용하면 매월 보류 전략의 알파는 월 0.34 %입니다. 또한 MOP 방법을 사용하여 구매 및 보류를 조정하면 월별 알파의 0.73 % 추정치가 생성됩니다. KTW는 MOP에 의해 확인 된 강력한 TSMOM 수익은 구매 및 유지 보수에 대한 긍정적 인 알파 추정치를 얻은 전략을 활용했기 때문에 가능했다고 주장합니다. 이 샘플 기간 동안 전략. 하나님께 & nbsp; unlevered & nbsp; TSMOM (즉, 변동성 스케일링이 없음)은 구매 및 보류를 크게 능가하지 않습니다. 결론 : TSMOM의 성능은 TSMOM과 관련된 비정상적인 수익이 아니라 vol-scaling 또는 레버리지에 의해 크게 좌우됩니다.

불일치 조정.

우리는 MOP와 KTW가 흥미로운 토론에 영감을 준 것으로 생각합니다. '진실'에 대한 이해를 돕기 위해 & # 8221; 우리는 그 문제에 대한 우리 자신의 연구를 수행했다. 우리의 샘플은 1998-7 / 2016 기간을 다루고 있으며, 상품, 채권 및 주식 (상품 계약 22 개, 채권 계약 개발 7 개, 주식 지수 계약 9 개)에 대한 38 개의 미래 계약을 포함합니다. 우리는 계약을 거래 할 수있는 능력이 인터랙티브 브로커 (Interactive Brokers)에서 이용할 수있는 것에 국한되어 있기 때문에 통화 계약 및 기타 몇 가지 연락처를 제외 시켰습니다.

계약은 다음과 같습니다.

전략 테스트.

MF1: volatility weighted, non-scaled (annualized volatility of 4.55%), Buy&Hold , monthly rebalance MF2: volatility weighted, non-scaled (annualized volatility of 4.45%), 12-month TSMOM , monthly rebalance MF3: volatility weighted, scaled (with target an annualized 12% volatility at the portfolio level), Buy&Hold , monthly rebalance MF4: volatility weighted, scaled (with target an annualized 12% volatility at the portfolio level), 12-month TSMOM , monthly rebalance.

The returns from futures are all excess returns and do not include interest received on a fully collateralized futures position.

벤치 마크.

스파이 & # 8211; SP500 total return index LTR – U. S. Treasury 10-Year bond total return index 60_40 – 60% in SPY, 40% in LTR.

All returns are total returns and include the reinvestment of distributions (e. g., dividends). Data is from Bloomberg and publicly available sources.

Results of Our Analysis.

The chart below shows the summary results from our analysis, covering the period 1998– 7/2016:

결과는 가상의 결과이며 미래의 결과를 나타내는 지표가 아니며 실제로 투자자가 얻은 수익을 나타내지 않습니다. 인덱스는 관리되지 않거나 관리 수수료 또는 거래 수수료를 반영하지 않으며 인덱스에 직접 투자 할 수 없습니다. 이 결과의 구성에 관한 추가 정보는 요청시 제공됩니다.

Based on our analysis, we can see that there is huge difference between non-vol-scaled (MF1 and MF2) and the vol-scaled (MF3 and MF4). Because vol-scaling is essentially leveraging the positions, when you scale up the vol, you scale up the returns!

Note how the MF1 CAGR of 4.21% and the MF2 CAGR of 4.56% are significantly enhance by vol-scaling, going to an 11.00% CAGR for MF3 and a 12.25% CAGR for MF4. By contrast, when you de-leverage the position, you get a lower CAGR. Leverage is a powerful thing when applied to a strategy that generates “alpha.”

Here are the annual returns for each strategy:

In each row, we use conditional color formatting to highlight difference of annual returns between different strategies. Red means relatively good and green means relatively bad. MF without TSMOM (MF1, MF3) can provide some degree of tail risk protection in a handful of events such as in 2000, 2001 and 2002. MF with TSMOM can protect investors better in big risk events like 2008, when SPY was down 36%, but MF2 was up 15% and MF4 was up 43%. However, since MF is an alternative asset, in some of the years, these strategies underperforms the market by extreme margins. For example, in 2009, SPY is up 26%, while MF4 is down 10.70%.

Is Time Series Momentum a Busted Strategy?

CAGR, standard deviations, and Sharpe ratios are only half of the story when it comes to time series momentum strategies, because correlations and portfolio diversification elements are also valuable. In our view, time series based futures strategies represents an “alternative” asset class, with generally lower correlations to other asset classes.

In order to assess TSMOM’s relative value as a diversifier, we present below a correlation matrix that compares strategies and benchmarks:

TSMOM (MF2 and MF4) exhibits a -27.56% correlation with SPY. From a portfolio construction standpoint, this is a valuable characteristic. Compare this correlation estimate with the Buy&Hold version of the strategy (MF1 and MF3), which has a positiv e 56.48% correlation with SPY (as an aside, if you are curious as to why levered/unlevered correlations of the same strategy would be identical, Cliff Asness has an interesting post that discusses a variation of this issue).

From a diversification perspective, TSMOM would seem to add significant value to a portfolio, regardless of vol-scaling.

Finally, here we highlight some large drawdown events for SPY and the associated MF strategy returns over these same periods:

TSMOM (MF2, MF4) generates strong downside protection in the face of big market blow-ups, whereas Buy&Hold futures have generally correlated drawdowns with the SPY, albeit, less dramatic.

Below are monthly return distributions of vol-scaled Buy&Hold (MF3), vol-scaled TSMOM (MF4), and bonds (LTR) compared with negative return months for SPY:

The blue line, MF3 (scaled, Buy&Hold), consistent with its positive correlation with SPY, tends to decline with SPY, although it does not show declines of the same magnitude as SPY.

By contrast, the red line, MF4 (scaled, TSMOM), consistent with its negative correlation with SPY, tends to increase when SPY decreases . And not only that, the slope for MF4 is actually steeper than for bonds (green line)! 와우.

MF4 returns are concentrated in the area where a true alternative asset should be and shows a convexity property that is highly desirable from a portfolio construction standpoint.

Time Series Momentum Smiles At You.

The MOP paper alludes to the convexity effect documented above.

Below is a graph from the MOP paper that documents the quarterly returns for a 12-month TSMOM strategy plotted against the S&P 500:

The returns to TSMOM are largest during the biggest up and down market movements…TSMOM, therefore, has payoffs similar to an option straddle on the market…[the] TSMOM strategy generates this payoff structure because it tends to go long when the market has a major upswing and short when the market crashes…Historically, TSMOM does well during “crashes” because crises often happen when the economy goes from normal to bad (making TSMOM go short), and then from bad to worse (leading to TSMOM profits), with the recent financial crisis of 2008 being a prime example.

We don’t disagree with KTW that the TSMOM “alpha” found by MOP is related the strategy’s leverage-like use of volatility scaling. Without volatility scaling, returns and/or “alpha estimates” to a TSMOM strategy are not that different from a buy-and-hold strategy. So we commend their research and for making us think harder and longer about the results published in Moskowitz, Ooi, and Pedersen (2012).

However, the real value of the TSMOM strategy is not evident when examining standard summary statistics. Rather, the value of TSMOM strategies is highlighted when one considers the genuinely unique diversification qualities these strategies bring to the table relative to B&H strategies — especially when examining how TSMOM strategies act during SPY “tail” events. When we conduct the full analysis of TSMOM versus B&H futures strategies, we once again identify why TSMOM strategies are unique relative to B&H futures strategies.

Time Series Momentum and Volatility Scaling.

Kim, Tse and Wald A version of the paper can be found here. Want a summary of academic papers with alpha? Check out our Academic Research Recap Category.

Moskowitz, Ooi, and Pedersen(2012) show that time series momentum delivers a large and significant alpha for a diversified portfolio of international futures contracts. We find that their results are largely driven by volatility-scaling returns (or the so-called risk parity approach to asset allocation) rather than by time series momentum. Without scaling by volatility, time series momentum and a buy-and-hold strategy offer similar cumulative returns, and their alphas are not significantly different. This similarity holds for most sectors and for a combined portfolio of futures contracts. Cross-sectional momentum also offers a higher (similar) alpha than unscaled (scaled) time series momentum.

여기에 표현 된 견해와 의견은 저자의 견해와 견해이며 반드시 Alpha Architect, 계열사 또는 직원의 견해를 반영하지는 않습니다. Our full disclosures are available here. Definitions of common statistics used in our analysis are available here (towards the bottom). 수천 명의 다른 독자와 함께하고 우리 블로그에 가입하십시오. This site provides NO information on our value ETFs or our momentum ETFs. 이 사이트를 참조하십시오.

Like the Post? Share the Knowledge!

About the Author: Yang Xu.

Mr. Xu is currently working with TradingFront, a fintech venture that was spun off from Alpha Architect in 2016. Prior to TradingFront, Yang was a managing member of Alpha Architect, where he lead the capital markets group and assists in quantitative research. Mr. Xu has unique skills related to “big data” 분석. His recent research investigates various proprietary trading algorithms, tactical asset allocation models, and longer-term security selection models. Prior to joining Alpha Architect, Mr. Xu was a Principal Data Analyst at Capital One, where he was a member of the Basel II data analysis team. Mr. Xu graduated from Drexel University with a M. S. in Finance, and from the University of International Business and Economics in Beijing, China, where he earned a BA in Economics.

Search This Blog

거래 경주시

글로벌 주식 시장의 시계열 모멘텀 거래 전략

Comments

Post a Comment

Popular Posts

외환 투자 회사를 시작하는 방법

옵션 거래 sinclair pdf