בדיקת אסטרטגיות תיק המבוססות על חזרה לממוצע בנתוני מניות עדכניים

סיכום

מחקר אמפירי זה מעריך אם אסטרטגיות תיק מקוונות שנועדו לנצל חזרה לממוצע מצליחות גם מעבר למערכי נתוני ייחוס. הוא בוחן שלוש גישות: חזרה לממוצע פסיבית־אגרסיבית, חזרה לממוצע באמצעות ממוצע נע מקוון ואופטימיזציה של עלויות עסקה. החוקרים משתמשים במחירי עבר של מניות הכלולות ב-S&P 500 משנת 2000 ועד 2017, לצד מערכי נתוני ייחוס מקובלים, כדי לבדוק מדוע אסטרטגיות אלה עשויות להיראות מוצלחות במיוחד במבחנים נפוצים והאם הן פועלות גם בנתוני שוק עדכניים יותר.

הממצאים המדווחים מצדיקים זהירות: מערכי נתוני ייחוס עשויים להעדיף שיטות חזרה לממוצע, ותוצאות חזקות בהם עלולות שלא לחול על תנאי שוק רחבים יותר. האסטרטגיות עשויות להיכשל גם כשהתנאים נראים נוחים, במיוחד כשיש עלויות עסקה מפורשות או משתמעות. המסמך אינו מספק נתוני ביצועים מפורטים, בחירות יישום או הנחות עלויות, ולכן אינו קובע איזו שיטה מצליחה יותר או כיצד התוצאות משתנות בין תקופות. הלקח המרכזי הוא לבדוק אסטרטגיות תיק על נתונים מייצגים תוך התחשבות בחיכוכי מסחר.

רעיונות מרכזיים

• המחקר מעריך אסטרטגיות PAMR, OLMAR ואופטימיזציה של עלויות עסקה.
• הוא משווה מערכי נתוני ייחוס מקובלים למחירי עבר של מניות הכלולות ב-S&P 500, משנת 2000 ועד 2017.
• מערכי נתוני ייחוס עשויים להעדיף אסטרטגיות חזרה לממוצע ולספק תמונה חלקית של הביצועים.
• האסטרטגיות שנבדקו עשויות להיכשל גם בתנאים שנראים נוחים.
• עלויות עסקה מפורשות ומשתמעות עלולות לפגוע בתוצאות של אסטרטגיות חזרה לממוצע.

תגיות

# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.