अनुकूलनीय ट्रेंड-फ़ॉलोइंग के लिए गतिशील मोमेंटम लर्निंग
सारांश
यह लेख अध्ययन करता है कि ट्रेंड-फ़ॉलोइंग संकेत अलग-अलग मोमेंटम लुक-बैक अवधियों का अनुकूल रूप से उपयोग कैसे कर सकते हैं। पिछले रिटर्न के केवल स्थिर सारांशों पर निर्भर रहने के बजाय, यह जानने के लिए एक गतिशील द्विआधारी वर्गीकारक लागू करता है कि पिछले मोमेंटम और भविष्य के रिटर्न के बीच संबंध बदल रहे हैं या स्थिर हैं। इसके बाद निवेशक मोमेंटम की अलग-अलग गति चुन या मिला सकता है, खासकर बाज़ार के मोड़ के आसपास।
लेखक 56 फ़्यूचर्स कॉन्ट्रैक्ट के डेटा से इस विधि का मूल्यांकन करते हैं और पारंपरिक टाइम-सीरीज़ मोमेंटम रणनीति से तुलना करते हैं। वे रिपोर्ट करते हैं कि माध्य-विचरण निवेशक इस गतिशील तरीके के लिए काफ़ी प्रबंधन शुल्क देने को तैयार होगा; इसे संकेत की बेहतर सटीकता और पोर्टफ़ोलियो प्रदर्शन का साक्ष्य बताया गया है। दिए गए विवरण में शुल्क की राशि, परीक्षण की विस्तृत रूपरेखा या जोखिम-समायोजित नतीजे नहीं हैं, इसलिए यह स्थापित नहीं होता कि अलग-अलग अवधियों या कार्यान्वयन लागतों में इसका लाभ कितना मज़बूत है।
मुख्य विचार
- स्थिर लुक-बैक मोमेंटम नियम यह चूक सकते हैं कि पिछले रिटर्न और भविष्य के रिटर्न का संबंध बदल रहा है।
- एक गतिशील द्विआधारी वर्गीकारक सीखता है कि ये संबंध समय के साथ बदलते हैं या नहीं।
- यह विधि बाज़ार के मोड़ के आसपास मोमेंटम की अलग-अलग गतियाँ चुन या मिला सकती है।
- मूल्यांकन में 56 फ़्यूचर्स कॉन्ट्रैक्ट का डेटा लेकर पारंपरिक टाइम-सीरीज़ मोमेंटम से तुलना की गई है।
- रिपोर्ट की गई प्रबंधन शुल्क देने की निवेशक की इच्छा आर्थिक लाभ का संकेत देती है, हालाँकि राशि निर्दिष्ट नहीं है।
टैग
पूरा पाठ
# Trend-Following Strategies via Dynamic Momentum Learning # Trend-Following Strategies via Dynamic Momentum Learning Time series momentum strategies are widely applied in the quantitative financial industry and its academic research has grown rapidly since the work of Moskowitz, Ooi and Pedersen (2012). However, trading signals are usually obtained via simple observation of past return measurements. In this article we study the benefits of incorporating dynamic econometric models to sequentially learn the time-varying importance of different look-back periods for individual assets. By the use of a dynamic binary classifier model, the investor is able to switch between time-varying or constant relations between past momentum and future returns, dynamically combining or selecting different momentum speeds during turning points, improving trading signals accuracy and portfolio performance. Using data from 56 future contracts we show that a mean-variance investor will be willing to pay a considerable management fee to switch from the traditional naive time series momentum strategy to the dynamic classifier approach.
स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0
यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।