Uso del exponente de Hurst para alternar entre momentum y reversión a la media

Resumen

Este estudio usa el exponente de Hurst para clasificar una serie temporal como tendencial o con reversión a la media, y después selecciona una estrategia que se ajuste a ese comportamiento. El momentum se asocia con condiciones tendenciales, mientras que la reversión a la media se usa cuando los precios muestran ese comportamiento. La idea central es adaptar la elección de estrategia a una estimación del régimen del mercado, en lugar de aplicar continuamente cualquiera de los dos enfoques.

El documento informa de que esta selección basada en Hurst puede producir rendimientos más altos, acompañados de un mayor riesgo. No especifica activos, periodo de la muestra, umbrales, reglas de trading, costes de transacción ni cifras cuantitativas de rendimiento, por lo que el resumen no permite evaluar el resultado de forma independiente. También señala limitaciones del estudio y propone el aprendizaje Q como posible forma de mejorar la estrategia y la implementación de sus algoritmos componentes. Esa propuesta es futura; aquí no se comunican resultados del aprendizaje Q. Por tanto, el enfoque ilustra una idea de selección de régimen, pero deja sin resolver su robustez y rendimiento práctico.

Ideas clave

• El exponente de Hurst se usa para distinguir entre comportamiento tendencial y reversión a la media.
• El método selecciona momentum para tendencias y reversión a la media cuando se da ese comportamiento.
• El estudio comunica mayores rendimientos junto con un mayor riesgo al seleccionar estrategias mediante Hurst.
• El documento propone el aprendizaje Q como posible mejora, pero no aporta resultados al respecto.
• No se proporcionan detalles necesarios para evaluar costes, umbrales ni robustez fuera de muestra.

Etiquetas

# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies


# Optimizing Returns Using the Hurst Exponent and Q Learning on Momentum and Mean Reversion Strategies









Momentum and mean reversion trading strategies have opposite characteristics. The former is generally better with trending assets, and the latter is generally better with mean reverting assets. Using the Hurst exponent, which classifies time series as trending or mean reverting, we attempt to trade with each strategy when it is advantageous to generate higher returns on average. We ultimately find that trading with the Hurst exponent can achieve higher returns, but it also comes at a higher risk. Finally, we consider limitations of our study and propose a method using Q-learning to improve our strategy and implementation of individual algorithms.

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.