Primas de tendencia: redundancia entre horizontes de medio plazo y adyacentes

Resumen

El artículo cuestiona si combinar señales de tendencia en numerosos horizontes siempre mejora la diversificación. Selecciona dinámicamente las ponderaciones de cada horizonte para cada activo mediante optimización bayesiana y luego aplica modelos gráficos bayesianos dispersos con control de la rotación de la cartera para asignar entre activos. Esto contrasta con la ponderación equitativa, que supone que cada activo se beneficia por igual de cada horizonte.

Los autores concluyen que el componente de medio plazo aporta poco rendimiento o diversificación una vez incluidas las tendencias de corto y largo plazo. Según lo señalado, eliminar la capa de 125 días mejora los ratios de Sharpe y la eficiencia del drawdown, al tiempo que mantiene la correlación con el índice de referencia. Un análisis de varianza mínima respalda la interpretación de que las señales de medio plazo se solapan con horizontes próximos, lo que motiva una estrategia más sencilla que combina corto y largo plazo. Las afirmaciones se limitan al marco y las pruebas del artículo; el fragmento no detalla la muestra ni los resultados de robustez, por lo que no demuestra que la misma combinación de horizontes sea óptima en distintos mercados o regímenes.

Ideas clave

• Ponderar los horizontes por igual supone que cada activo se beneficia por igual de todas las escalas temporales de tendencia.
• Los autores optimizan las ponderaciones de los horizontes para cada activo antes de asignar entre activos.
• En su análisis, la tendencia de medio plazo aporta poco valor incremental junto con las señales de corto y largo plazo.
• Según lo señalado, eliminar la capa de 125 días mejora los ratios de Sharpe y la eficiencia del drawdown, manteniendo la correlación con el índice de referencia.
• Una combinación de corto y largo plazo puede reducir la redundancia y la complejidad del modelo.

Etiquetas

# Revisiting the Structure of Trend Premia: When Diversification Hides Redundancy


# Revisiting the Structure of Trend Premia: When Diversification Hides Redundancy









Recent work has emphasized the diversification benefits of combining trend signals across multiple horizons, with the medium-term window-typically six months to one year-long viewed as the "sweet spot" of trend-following. This paper revisits this conventional view by reallocating exposure dynamically across horizons using a Bayesian optimization framework designed to learn the optimal weights assigned to each trend horizon at the asset level. The common practice of equal weighting implicitly assumes that all assets benefit equally from all horizons; we show that this assumption is both theoretically and empirically suboptimal. We first optimize the horizon-level weights at the asset level to maximize the informativeness of trend signals before applying Bayesian graphical models-with sparsity and turnover control-to allocate dynamically across assets. The key finding is that the medium-term band contributes little incremental performance or diversification once short- and long-term components are included. Removing the 125-day layer improves Sharpe ratios and drawdown efficiency while maintaining benchmark correlation. We then rationalize this outcome through a minimum-variance formulation, showing that the medium-term horizon largely overlaps with its neighboring horizons. The resulting "barbell" structure-combining short- and long-term trends-captures most of the performance while reducing model complexity. This result challenges the common belief that more horizons always improve diversification and suggests that some forms of time-scale diversification may conceal unnecessary redundancy in trend premia.

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.