최대 낙폭과 회복을 모멘텀·반전 신호로 활용하기
기사 arXiv papers · 저자: Jaehyung Choi
요약
이 문서는 최대 낙폭과 그 뒤의 회복을 바탕으로 한 종목 선택 규칙을 검증합니다. 여러 주식 시장에서 이러한 지표로 구성한 포트폴리오는 가격 방향을 예측하고 종목별 수익률 차이를 포착하는 것으로 보고됩니다. 월간 기간에서는 최대 낙폭 순위 전략이 누적 수익률 기반의 전통적인 전략을 포함한 다른 대안 모멘텀 포트폴리오보다 우수한 성과를 보입니다. 주간 기간에서는 평균 회귀를 포착할 때 회복 기반 규칙이 종목 순위를 가장 효과적으로 매겨, 서로 다른 시간대에 모멘텀과 역추세 적용을 모두 가능하게 합니다.
이 전략들은 위험 대비 보상 프로필도 개선된 것으로 보고됐으며, 카하트 4요인 분석에서는 요인 중립 절편이 더 높게 나타났습니다. 이러한 결과는 예측 가치가 있다는 저자들의 주장을 뒷받침하지만, 문서는 시장을 밝히거나 성과 수치, 거래 비용, 구현 방법을 설명하지 않습니다. 실증 근거만으로 테스트한 환경 밖에서도 신호가 지속된다고 입증할 수는 없습니다.
핵심 아이디어
- 최대 낙폭과 이후 회복을 사용하는 종목 선택 규칙을 검증합니다.
- 월간 기간에서 최대 낙폭 순위가 다른 대안 모멘텀 포트폴리오보다 우수한 것으로 보고됩니다.
- 주간 기간에서 회복 기반 순위가 평균 회귀를 가장 효과적으로 포착하는 것으로 보고됩니다.
- 대안 전략은 위험 대비 보상 지표가 개선됐고, 카하트 4요인 분석에서 요인 중립 절편이 더 높았습니다.
- 문서는 시장명과 성과 수치, 거래 비용 세부 정보를 제공하지 않습니다.
태그
전문
# Maximum drawdown, recovery, and momentum # Maximum drawdown, recovery, and momentum We empirically test predictability on asset price by using stock selection rules based on maximum drawdown and its consecutive recovery. In various equity markets, monthly momentum- and weekly contrarian-style portfolios constructed from these alternative selection criteria are superior not only in forecasting directions of asset prices but also in capturing cross-sectional return differentials. In monthly periods, the alternative portfolios ranked by maximum drawdown measures exhibit outperformance over other alternative momentum portfolios including traditional cumulative return-based momentum portfolios. In weekly time scales, recovery-related stock selection rules are the best ranking criteria for detecting mean-reversion. For the alternative portfolios and their ranking baskets, improved risk profiles in various reward-risk measures also imply more consistent prediction on the direction of assets in future. In the Carhart four-factor analysis, higher factor-neutral intercepts for the alternative strategies are another evidence for the robust prediction by the alternative stock selection rules.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.