Momentum-Übertragung zwischen Märkten und netzwerkbasiertes Futures-Trading

Zusammenfassung

Die Arbeit untersucht, ob Momentum-Informationen eines Futures-Marktes das Momentum in anderen Märkten vorhersagen können. Dazu erstellt sie aus preisabhängigen Momentum-Merkmalen ein Netzwerk über 64 kontinuierlich gehandelte Kontrakte aus Rohstoffen, Aktien, Anleihen und Währungen. Dafür müssen weder Unternehmensverbindungen noch andere wirtschaftliche Beziehungen vorab festgelegt werden.

Eine lineare, interpretierbare Graph-Learning-Methode schätzt Verbindungen zwischen den Kontrakten; das daraus entstehende Netzwerk fließt in eine Momentum-Strategie für mehrere Anlageklassen ein. Der Beitrag berichtet, dass die Strategie nach Volatilitätsskalierung eine Sharpe Ratio von 1.5 und eine Jahresrendite von 22% über den Zeitraum 2000–2022 erzielte. Diese Ergebnisse werden als empirische Unterstützung für die Nutzung marktübergreifender Momentum-Verbindungen in Portfoliosignalen dargestellt. Das Dokument nennt lediglich zentrale Leistungskennzahlen; Transaktionskosten, Umsetzungsdetails oder Robustheitstests werden nicht beschrieben, sodass sich die praktischen Grenzen der Ergebnisse anhand dieser Zusammenfassung allein nicht beurteilen lassen.

Kernaussagen

• Risikoprämien aus Momentum können sich zwischen Vermögenswerten mit ähnlichem Momentumverhalten ausbreiten.
• Ein gelerntes Netzwerk kann marktübergreifende Momentumverbindungen allein anhand von Preisdaten darstellen.
• Die Analyse umfasst 64 Futures-Kontrakte aus vier großen Anlageklassen.
• Ein lineares Graph-Lernmodell soll die abgeleiteten Verbindungen interpretierbar halten.
• Das Netzwerk fließt in eine volatilitätsskalierte Strategie mit berichteter Performance über 2000–2022 ein.

Schlagwörter

# Network Momentum across Asset Classes


# Network Momentum across Asset Classes









We investigate the concept of network momentum, a novel trading signal derived from momentum spillover across assets. Initially observed within the confines of pairwise economic and fundamental ties, such as the stock-bond connection of the same company and stocks linked through supply-demand chains, momentum spillover implies a propagation of momentum risk premium from one asset to another. The similarity of momentum risk premium, exemplified by co-movement patterns, has been spotted across multiple asset classes including commodities, equities, bonds and currencies. However, studying the network effect of momentum spillover across these classes has been challenging due to a lack of readily available common characteristics or economic ties beyond the company level. In this paper, we explore the interconnections of momentum features across a diverse range of 64 continuous future contracts spanning these four classes. We utilise a linear and interpretable graph learning model with minimal assumptions to reveal the intricacies of the momentum spillover network. By leveraging the learned networks, we construct a network momentum strategy that exhibits a Sharpe ratio of 1.5 and an annual return of 22%, after volatility scaling, from 2000 to 2022. This paper pioneers the examination of momentum spillover across multiple asset classes using only pricing data, presents a multi-asset investment strategy based on network momentum, and underscores the effectiveness of this strategy through robust empirical analysis.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.