Wie Trendfolge und Mean Reversion die langfristige Kursvarianz beeinflussen

Zusammenfassung

Diese Arbeit untersucht, wie aggregiertes trendfolgendes oder mean-revertierendes Handelsverhalten die Dynamik von Vermögenspreisen verändern kann. Sie modelliert die Handelsrichtung explizit und verknüpft diese Stile mit serieller Korrelation: Trendfolgendes Verhalten kann positive Korrelation erzeugen, während Mean Reversion negative Korrelation hervorrufen kann. Die Modelle dienen dazu, die Auswirkungen dieser Korrelationen auf die langfristige Varianz im Vergleich zu einem Random-Walk-Benchmark zu untersuchen.

Die theoretische Analyse legt nahe, dass Trendfolge die langfristige Varianz erhöht, während mean-revertierendes Verhalten sie senken kann. Anwendungen auf große US-Aktien und hochfrequente EUR/USD-Daten zeigen eine höhere Vorhersagbarkeit als unter einer Random-Walk-Annahme. Die Beschreibung nennt weder Modellspezifikationen, Stichprobenzeiträume noch Maße für die Verbesserung der Prognosen und belegt nicht, dass sich daraus eine profitable Handelsstrategie ergibt. Die Ergebnisse sind daher am besten als Rahmen zum Verständnis dafür zu betrachten, wie Handelsstile Renditeabhängigkeiten und Risiken beeinflussen können.

Kernaussagen

• Trendfolgende und mean-revertierende Handelsstile können positive beziehungsweise negative Kurskorrelationen hervorrufen.
• Die Autoren verwenden probabilistische Modelle, die die Handelsrichtung explizit darstellen.
• Den theoretischen Ergebnissen zufolge erhöht Trendfolge die langfristige Varianz gegenüber einem Random-Walk-Modell.
• Mean-Reversion-Bedingungen können die langfristige Varianz gegenüber dem Random-Walk-Fall senken.
• Anwendungen auf große US-Aktien und hochfrequente EUR/USD-Daten berichten eine höhere Vorhersagbarkeit.

Schlagwörter

# Trading styles and long-run variance of asset prices


# Trading styles and long-run variance of asset prices









Trading styles can be classified into either trend-following or mean-reverting. If the net trading style is trend-following the traded asset is more likely to move in the same direction it moved previously (the opposite is true if the net style is mean-reverting). The result of this is to introduce positive (or negative) correlations into the time series. We here explore the effect of these correlations on the long-run variance of the series through probabilistic models designed to explicitly capture the direction of trading. Our theoretical insights suggests that relative to random walk models of asset prices the long-run variance is increased under trend-following strategies and can actually be reduced under mean-reversal conditions. We apply these models to some of the largest US stocks by market capitalisation as well as high-frequency EUR/USD data and show that in both these settings, the ability to predict the asset price is generally increased relative to a random walk.

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.