Pruebas de estrategias de reversión a la media en carteras con datos bursátiles recientes

Resumen

Este estudio empírico evalúa si las estrategias de cartera en línea diseñadas para aprovechar la reversión a la media funcionan bien más allá de los conjuntos de datos de referencia. Examina tres enfoques: reversión a la media pasiva agresiva, reversión basada en medias móviles en línea y optimización de costes de transacción. Los investigadores utilizan precios históricos de los componentes del S&P 500 entre 2000 y 2017, junto con conjuntos de datos de referencia consolidados, para investigar por qué estas estrategias pueden parecer especialmente exitosas en pruebas de uso habitual y si también funcionan con datos de mercado más recientes.

Los hallazgos descritos invitan a la cautela: los conjuntos de datos de referencia pueden favorecer los métodos de reversión a la media, y los buenos resultados obtenidos con ellos podrían no trasladarse a condiciones de mercado más amplias. Las estrategias pueden fallar incluso cuando las condiciones parecen favorables, sobre todo si hay costes de transacción explícitos o implícitos. El documento no aporta cifras detalladas de rendimiento, decisiones de implementación ni supuestos de costes, así que no establece qué método funciona mejor ni cómo varían los resultados entre periodos. La lección principal es probar las estrategias de cartera con datos representativos y tener en cuenta las fricciones de trading.

Ideas clave

• El estudio evalúa estrategias de PAMR, OLMAR y optimización de costes de transacción.
• Compara conjuntos de datos de referencia consolidados con precios históricos de los componentes del S&P 500, de 2000 a 2017.
• Los conjuntos de referencia pueden favorecer las estrategias de reversión a la media y ofrecer una imagen incompleta del rendimiento.
• Las estrategias probadas pueden fallar incluso en condiciones aparentemente favorables.
• Los costes de transacción explícitos e implícitos pueden perjudicar los resultados de la reversión a la media.

Etiquetas

# Empirical investigation of state-of-the-art mean reversion strategies for equity markets


# Empirical investigation of state-of-the-art mean reversion strategies for equity markets









Recent studies have shown that online portfolio selection strategies that exploit the mean reversion property can achieve excess return from equity markets. This paper empirically investigates the performance of state-of-the-art mean reversion strategies on real market data. The aims of the study are twofold. The first is to find out why the mean reversion strategies perform extremely well on well-known benchmark datasets, and the second is to test whether or not the mean reversion strategies work well on recent market data. The mean reversion strategies used in this study are the passive aggressive mean reversion (PAMR) strategy, the on-line moving average reversion (OLMAR) strategy, and the transaction cost optimization (TCO) strategies. To test the strategies, we use the historical prices of the stocks that constitute S\&P 500 index over the period from 2000 to 2017 as well as well-known benchmark datasets. Our findings are that the well-known benchmark datasets favor mean reversion strategies, and mean reversion strategies may fail even in favorable market conditions, especially when there exist explicit or implicit transaction costs.

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.