हाल के इक्विटी डेटा पर माध्य-प्रत्यावर्तन पोर्टफोलियो रणनीतियों की जाँच
सारांश
यह अनुभवजन्य अध्ययन जाँचता है कि क्या माध्य-पुनरागमन का लाभ लेने के लिए बनाई गई ऑनलाइन पोर्टफोलियो रणनीतियाँ बेंचमार्क डेटासेट से आगे भी अच्छा प्रदर्शन करती हैं। इसमें तीन तरीकों का अध्ययन है: निष्क्रिय आक्रामक माध्य-पुनरागमन, ऑनलाइन मूविंग एवरेज प्रत्यावर्तन और लेनदेन लागत अनुकूलन। शोधकर्ता 500 के घटक शेयरों के 2000 से 2017 तक के ऐतिहासिक मूल्यों और स्थापित बेंचमार्क डेटासेट का उपयोग करके जाँचते हैं कि आम तौर पर इस्तेमाल किए जाने वाले परीक्षणों में ये रणनीतियाँ विशेष रूप से सफल क्यों दिख सकती हैं और क्या वे हाल के बाजार डेटा पर भी काम करती हैं।
बताए गए निष्कर्ष सावधान करते हैं: बेंचमार्क डेटा सेट माध्य-प्रत्यावर्तन तरीकों को बढ़त दे सकते हैं और उन पर मजबूत नतीजे व्यापक बाज़ार स्थितियों में लागू न हों। अनुकूल दिखने वाली स्थितियों में भी रणनीतियाँ विफल हो सकती हैं, विशेषकर जब स्पष्ट या अंतर्निहित लेनदेन लागतें मौजूद हों। दस्तावेज़ विस्तृत प्रदर्शन आँकड़े, कार्यान्वयन विकल्प या लागत की धारणाएँ नहीं देता, इसलिए यह स्थापित नहीं करता कि कौन-सी विधि बेहतर है या अलग-अलग अवधियों में नतीजे कैसे बदलते हैं। इसका मुख्य सबक है कि ट्रेडिंग की बाधाओं को ध्यान में रखते हुए प्रतिनिधि डेटा पर पोर्टफोलियो रणनीतियों का परीक्षण करें।
मुख्य विचार
- अध्ययन PAMR, OLMAR और लेनदेन लागत अनुकूलन रणनीतियों का मूल्यांकन करता है।
- यह स्थापित बेंचमार्क डेटा सेट की तुलना 2000 से 2017 तक एसएंडपी 500 घटकों की ऐतिहासिक कीमतों से करता है।
- बेंचमार्क डेटा सेट माध्य-प्रत्यावर्तन रणनीतियों को बढ़त दे सकते हैं और प्रदर्शन की अधूरी तस्वीर दिखा सकते हैं।
- प्रतीत होने वाली अनुकूल स्थितियों में भी परीक्षण की गई रणनीतियाँ विफल हो सकती हैं।
- स्पष्ट और अंतर्निहित लेनदेन लागतें माध्य-प्रत्यावर्तन के नतीजों को कमज़ोर कर सकती हैं।
टैग
पूरा पाठ
# 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.
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।