Проверка портфельных стратегий возврата к среднему на новых данных по акциям

Сводка

В этом эмпирическом исследовании оценивается, дают ли онлайн-портфельные стратегии, рассчитанные на использование возврата к среднему, хорошие результаты за пределами тестовых наборов данных. Рассматриваются три подхода: пассивно-агрессивный возврат к среднему, возврат к скользящей средней онлайн и оптимизация транзакционных издержек. Исследователи используют исторические цены компонентов S&P 500 за период с 2000 по 2017, а также известные тестовые наборы данных, чтобы выяснить, почему эти стратегии могут выглядеть особенно успешными в распространённых тестах и работают ли они на более новых рыночных данных.

Результаты требуют осторожности: тестовые наборы данных могут благоприятствовать методам возврата к среднему, а сильные результаты на них могут не переноситься на более широкие рыночные условия. Стратегии могут оказаться неудачными даже при кажущихся благоприятными условиях, особенно при наличии явных или неявных транзакционных издержек. В документе нет подробных показателей эффективности, решений по реализации или допущений об издержках, поэтому нельзя определить, какой метод работает лучше и как результаты меняются по отдельным периодам. Основной вывод — проверять портфельные стратегии на репрезентативных данных с учётом торговых трений.

Ключевые идеи

• Исследование оценивает стратегии PAMR, OLMAR и оптимизации транзакционных издержек.
• Сравниваются известные тестовые наборы данных и исторические цены компонентов S&P 500 с 2000 по 2017.
• Тестовые наборы могут благоприятствовать стратегиям возврата к среднему и давать неполную картину эффективности.
• Проверяемые стратегии могут не сработать даже при кажущихся благоприятными условиях.
• Явные и неявные транзакционные издержки могут свести на нет результаты стратегий возврата к среднему.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.