Học động lượng linh hoạt cho chiến lược theo xu hướng thích ứng

Tóm tắt

Bài viết nghiên cứu cách tín hiệu theo xu hướng có thể thích ứng bằng cách sử dụng linh hoạt các khoảng nhìn lại động lượng. Thay vì chỉ dựa vào các tổng hợp cố định về lợi nhuận quá khứ, bài viết áp dụng bộ phân loại nhị phân động để học xem mối quan hệ giữa động lượng quá khứ và lợi nhuận tương lai đang thay đổi hay vẫn ổn định. Nhà đầu tư sau đó có thể kết hợp hoặc lựa chọn tốc độ động lượng, nhất là quanh các điểm đảo chiều của thị trường.

Các tác giả đánh giá phương pháp bằng dữ liệu từ 56 hợp đồng tương lai và so sánh với chiến lược động lượng chuỗi thời gian truyền thống. Họ báo cáo rằng nhà đầu tư trung bình-phương sai sẽ sẵn lòng trả một khoản phí quản lý đáng kể cho phương pháp động này, coi đó là bằng chứng về độ chính xác tín hiệu và hiệu quả danh mục được cải thiện. Phần trình bày không nêu mức phí, thiết kế kiểm tra chi tiết hoặc kết quả đã điều chỉnh theo rủi ro, nên không chứng minh được lợi thế này vững đến đâu qua các giai đoạn hoặc khi tính chi phí triển khai.

Ý chính

• Các quy tắc động lượng với khoảng nhìn lại cố định có thể bỏ lỡ thay đổi trong mối quan hệ giữa lợi nhuận quá khứ và lợi nhuận tương lai.
• Bộ phân loại nhị phân động học cách các mối quan hệ này biến đổi theo thời gian.
• Phương pháp có thể lựa chọn hoặc kết hợp tốc độ động lượng quanh các điểm đảo chiều.
• Đánh giá sử dụng 56 hợp đồng tương lai và so sánh phương pháp với động lượng chuỗi thời gian truyền thống.
• Việc nhà đầu tư được báo cáo là sẵn lòng trả phí quản lý gợi ý lợi ích kinh tế, dù mức phí chưa được nêu.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.