Selección online de carteras con reversión de medias móviles

Resumen

Este artículo presenta la reversión de medias móviles (MAR), una alternativa de varios periodos al supuesto de reversión a la media de un solo periodo que utilizan algunas estrategias de cartera online. Propone la reversión de medias móviles online (OLMAR), que aplica técnicas de aprendizaje online para construir carteras basadas en MAR. La motivación es que los máximos y mínimos temporales de los precios de las acciones pueden revertir a lo largo de varios periodos, mientras que las reversiones de un solo periodo no aparecen de forma fiable en todos los conjuntos de datos.

Los autores comunican comparaciones empíricas con conjuntos de datos reales: OLMAR obtuvo mejores resultados que los algoritmos de reversión a la media existentes, sobre todo en los casos en que estos tenían dificultades, y funcionó con rapidez. Estas afirmaciones se basan en los experimentos del artículo, pero la descripción proporcionada omite la identidad de los conjuntos de datos, los detalles de referencia, los costes de transacción y los resultados numéricos. Por tanto, el rendimiento de la estrategia debe entenderse como evidencia empírica para los datos evaluados, no como garantía de que la reversión de varios periodos persista o de que los resultados se trasladen a otros mercados.

Ideas clave

• MAR amplía las señales de reversión a la media a varios periodos, en lugar de depender de un supuesto de un solo periodo.
• OLMAR aplica técnicas de aprendizaje online para utilizar la reversión de medias móviles en la selección de carteras.
• El método se dirige a situaciones en las que la reversión a la media de un solo periodo no es fiable.
• Los autores comunican un rendimiento empírico superior al de los algoritmos de reversión a la media existentes, especialmente en conjuntos de datos donde estos fallaban.
• La descripción comunica un cálculo rápido, pero omite detalles de los datos y los costes de trading.

Etiquetas

# On-Line Portfolio Selection with Moving Average Reversion


# On-Line Portfolio Selection with Moving Average Reversion









On-line portfolio selection has attracted increasing interests in machine learning and AI communities recently. Empirical evidences show that stock's high and low prices are temporary and stock price relatives are likely to follow the mean reversion phenomenon. While the existing mean reversion strategies are shown to achieve good empirical performance on many real datasets, they often make the single-period mean reversion assumption, which is not always satisfied in some real datasets, leading to poor performance when the assumption does not hold. To overcome the limitation, this article proposes a multiple-period mean reversion, or so-called Moving Average Reversion (MAR), and a new on-line portfolio selection strategy named "On-Line Moving Average Reversion" (OLMAR), which exploits MAR by applying powerful online learning techniques. From our empirical results, we found that OLMAR can overcome the drawback of existing mean reversion algorithms and achieve significantly better results, especially on the datasets where the existing mean reversion algorithms failed. In addition to superior trading performance, OLMAR also runs extremely fast, further supporting its practical applicability to a wide range of applications.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.