본문으로 건너뛰기
라이브러리 문서 전체

최근 주가 데이터로 평균회귀 포트폴리오 전략 검증

기사 arXiv papers · 저자: Seung-Hyun Moon et al.
원문 읽기

요약

이 실증 연구는 평균회귀를 활용하도록 설계된 온라인 포트폴리오 전략이 벤치마크 데이터셋을 넘어 좋은 성과를 내는지 평가합니다. 수동적 공격형 평균회귀, 온라인 이동평균 회귀, 거래 비용 최적화의 세 가지 접근법을 살펴봅니다. 연구진은 이러한 전략이 널리 쓰이는 테스트에서 특히 성공적으로 보이는 이유와 더 최근의 시장 데이터에서도 효과가 있는지 조사하기 위해, 2000부터 2017까지 S&P 500 구성 종목의 과거 가격과 기존 벤치마크 데이터셋을 함께 사용합니다.

보고된 결과는 신중한 해석이 필요함을 보여줍니다. 벤치마크 데이터셋은 평균회귀 방식에 유리할 수 있으며, 해당 데이터셋에서 좋은 성과를 거둬도 더 넓은 시장 환경에서는 재현되지 않을 수 있습니다. 명시적 또는 암묵적 거래 비용이 있으면 조건이 유리해 보여도 전략이 실패할 수 있습니다. 문서에는 상세한 성과 수치, 구현 방식 또는 비용 가정이 제시되지 않아 어느 방법이 가장 나은지, 기간별로 결과가 어떻게 달라지는지 판단할 수 없습니다. 핵심 교훈은 거래 마찰을 고려하면서 대표성 있는 데이터로 포트폴리오 전략을 테스트해야 한다는 것입니다.

핵심 아이디어

  • 이 연구는 PAMR, OLMAR, 거래 비용 최적화 전략을 평가합니다.
  • 기존 벤치마크 데이터셋과 2000부터 2017까지 S&P 500 구성 종목의 과거 가격을 비교합니다.
  • 벤치마크 데이터셋은 평균회귀 전략에 유리할 수 있어 성과를 불완전하게 보여줄 수 있습니다.
  • 테스트한 전략은 겉보기에 유리한 조건에서도 실패할 수 있습니다.
  • 명시적·암묵적 거래 비용은 평균회귀 전략의 성과를 저해할 수 있습니다.

태그

주식평균 회귀포트폴리오 구성백테스트주문 집행
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.