Tempo série momentum versus moving average trading rules

Trend-following é um dos métodos de investimento mais antigos. Rotulado como análise técnica, a tendência-seguimento foi amplamente investigada por acadêmicos. Pesquisa de impulso transversal explodiu depois que Narasimhan Jegadeesh e Sheridan Titman publicaram seu estudo seminal de 1992, mas o momento da série de tempo permaneceu Em grande parte ignorado até depois de 2008 As técnicas de mudança de preços baseadas em preços, como os sistemas de média móvel, permaneceram separadas das técnicas de impulso das séries temporais baseadas em retorno. Nova pesquisa mostra que os sistemas de média móvel e o impulso das séries temporais são técnicas ligadas em matemática. Em 1838, James Grant publicou The Great Metropolis, Volume 2. Within, falou de David Ricardo, um economista político inglês que atuava nos mercados de Londres em No final dos anos 1700 e início dos anos 1800. Ricardo acumulou uma grande fortuna comercializando títulos e ações. De acordo com Grant, o sucesso de Ricardos foi atribuído a três regras de ouro: como mencionei o nome do Sr. Ricardo, posso observar que ele acumulou sua imensa fortuna com uma atenção escrupulosa ao que ele chamou de suas próprias três regras de ouro, a observância de Que ele costumava pressionar em seus amigos particulares. Estes foram, Nunca recusar uma opção quando você conseguir, cortar suas perdas, deixar seus lucros correrem. Ao cortar as perdas baixas, o Sr. Ricardo quis dizer que quando um membro fez uma compra de estoque e os preços caíram, ele deveria revender imediatamente. E, ao permitir que os lucros funcionem, ele quis dizer que, quando um membro possuía estoque e os preços estavam aumentando, ele não deveria vender até que os preços atingissem o seu mais alto, e estavam começando a cair novamente. Estas são, de fato, regras de ouro, e podem ser aplicadas com vantagem a inúmeras outras transações do que aquelas conectadas à Bolsa de Valores. Reduzir suas perdas e deixar seus lucros correrem se tornaram os principais princípios da tendência seguinte. Outros seguidores proeminentes da tendência inicial incluem: Charles H. Dow, fundador e primeiro editor do Wall Street Journal, bem como co-fundador da Dow Jones e da Companhia, Jesse Livermore, citado por Edwin Lefvre como tendo dito que o dinheiro era grande Não nas flutuações individuais, mas nos movimentos principais. Dimensionando todo o mercado e sua tendência. Richard Wyckoff, cujo método envolveu entrar em posições longas somente quando o mercado estava tendendo e acelerando quando o mercado estava tendendo para baixo. Havia até um estudo acadêmico inicial sobre as tendências seguidas por Alfred Cowles III e Herbert Jones em 1933. No estudo, intitulado Some A Posteriori Probabilities in Stock Market Action. Eles se concentram em contar o número de vezes de seqüências quando os retornos positivos foram seguidos por retornos positivos, ou os retornos negativos foram seguidos por retornos negativos aos tempos de reversão quando os retornos positivos são seguidos por retornos negativos e vice-versa. Cowles e Jones avaliaram a proporção destas sequências e reversões nos preços das ações em períodos de 20 minutos a 3 anos. Seus resultados: descobriu-se que, para cada série com intervalos entre observações de 20 minutos até e inclusive 3 anos, as seqüências out-numbered as reversões. Por exemplo, no caso da série mensal de 1835 a 1935, um total de 1200 observações, houve 748 seqüências e 450 reversões. Ou seja, a probabilidade parecia ser .625 que, se o mercado tivesse aumentado em um determinado mês, ele aumentaria no mês seguinte ou, se tivesse caído, continuaria a diminuir por mais um mês. O desvio padrão para uma série tão longa construída pelo lançamento de centavo aleatório seria 17.3, portanto, o desvio de 149 do valor esperado de 599 é superior a oito vezes o desvio padrão. A probabilidade de obter esse resultado em uma série de penny-tossing é infinitesimal. Apesar dos resultados empíricos e teóricos promissores para seguimento de tendências, os próximos estudos acadêmicos não chegarão até quase um século depois. Em 1934, Benjamin Graham e David Dodd publicaram a Análise de Segurança. Mais tarde, em 1949, eles publicaram The Intelligent Investor. Nestes tomos de peso, eles descrevem seus métodos de investimento bem sucedido. O método de Graham e Dodds enfocou a avaliação do estado financeiro do negócio subjacente. Seu objetivo era identificar o valor intrínseco e o estoque de compra de uma empresa, quando o mercado oferecia um desconto substancial nesse valor. Para Graham e Dodd, qualquer outra coisa era mera especulação. Graham e Dodd deram investidores fundamentais e, especificamente, valorizam os investidores em sua bíblia. Qualquer coisa, então, que não foi investimento fundamental foi a análise técnica. E, uma vez que as tendências seguidas basearam-se apenas na avaliação de preços passados, foi rotulada como análise técnica. Infelizmente, os acadêmicos descartaram amplamente a análise técnica nos anos 1900. Isso é provável devido ao fato de que era difícil estudar e testar. Os praticantes seguem um grande número de técnicas diferentes. Às vezes, essas diferentes técnicas podem levar a previsões contraditórias entre técnicos. Mas em 1993, Narasimhan Jegadeesh e Sheridan Titman publicaram retornos para vencedores de compra e perdedores de vendas: implicações para a eficiência do mercado de ações. Em seu artigo, eles delinearam uma estratégia de investimento que comprou ações que superaram seus pares e venderam ações que tiveram desempenho inferior. Jegadeesh e Titman chamaram a sua abordagem de força relativa um termo que havia sido utilizado há muito por técnicos. Agora às vezes é chamado de impulso transversal. Momento relativo, ou, muitas vezes, apenas impulso. Este método simples delineado por Jegadeesh e Titman criou retornos positivos estatisticamente significativos que não poderiam ser explicados por fatores de risco comuns. Este artigo inaugurou uma era de pesquisa de impulso, com os acadêmicos explorando como a técnica se enquadrava em geografias, prazos e classes de ativos. Os resultados foram que o impulso foi surpreendentemente robusto. Apesar do sucesso da força relativa. O interesse em sua próxima tendência de primos - o seguimento ainda não foi encontrado. Até a crise financeira de 2008. Tecnicamente, um dos trabalhos de pesquisa mais populares sobre a tendência - seguindo Mebane Fabers Uma abordagem quantitativa para a atribuição de ativos táticos foi publicado em 2006. Mas a maioria do interesse dos acadêmicos ocorreu após 2008. Nós atribuímos esse interesse a propriedades de mitigação de risco de seguidores de tendências. Os estudos geralmente se dividem em dois campos. No primeiro campo foi o estudo da tendência seguinte, que tende a seguir sistemas mecânicos simples, como as médias móveis. Faber (2006) caiu neste acampamento, usando uma média móvel de 10 meses. Existem várias variações desses sistemas. Por exemplo, pode-se usar a cruz de preço sobre a média móvel como um sinal. Outro pode usar a cruz de uma média móvel mais curta durante um período mais longo. Finalmente, alguns podem até usar mudanças direcionais na média móvel como sinal. Outros tendem a se concentrar no que seria conhecido como impulso de séries temporais. No momento da série do tempo, o sinal de negociação é gerado quando o retorno total em um determinado período cruza a linha zero. Um dos estudos mais proeminentes para o impulso das séries temporais foi Moskowitz, Ooi e Pedersen (2017), que demonstraram que a anomalia era significativa em 58 índices líquidos de patrimônio líquido, moeda, commodities e obrigações. As regras da média móvel de tendência seguidas ainda foram consideradas regras comerciais comerciais versus a abordagem quantitativa do impulso das séries temporais. Talvez a maior diferença seja que o acampamento de tendência tende a se concentrar em técnicas que usam preços enquanto o campo de impulso se concentra em retornos. No entanto, a pesquisa ao longo da última meia década realmente mostra que eles são estratégias relacionadas com matematicamente. Os Métodos de Filtragem de Tendências para Estratégias Momentais de Bruder, Dao, Richard e Roncallis 2017 uniram as estratégias de cross-over médias móveis e o impulso das séries temporais mostrando que os cross-overs eram realmente apenas um esquema de ponderação alternativo para retornos no momento da série temporal. Para citar, a ponderação de cada retorno forma um triângulo e a maior ponderação é dada no horizonte da menor média móvel. Portanto, dependendo do horizonte n 2 da média móvel mais curta, o indicador pode ser focado na tendência atual (se n 2 for pequeno) ou para tendências passadas (se n 2 for tão grande como n 1 2 por exemplo). Em Marshall, Nguyen e Visaltanachotis Time-Series Momentum versus Moving Average Trading Rules. Publicado em 2017, o momento da série temporal mostra-se relacionado a mudanças na direção de uma média móvel. Na verdade, os sinais de momentum das séries temporais não ocorrerão até que a média móvel mude a direção. Por conseguinte, as regras de média móvel que dependem do cruzamento de preços da média móvel provavelmente ocorrerão antes de uma mudança no sinal do impulso da série de tempo. Semelhante a Bruder, Dao, Richard e Roncalli, Levine e Pedersen mostram que o impulso da série de tempo e as transferências média em movimento são altamente relacionados em seu artigo de 2017, What Trend is Your Friend. Eles também acham que o impulso da série de tempo e as estratégias de cross-over em média móvel funcionam de forma semelhante em 58 futuros líquidos e contratos a prazo. Em seu artigo de 2017, Destaque as regras da tendência, Beekhuizen e Hallerbach também vinculam as médias móveis com os retornos, mas exploram as regras da tendência com os períodos de suspensão e a regra MACD popular (divergência de convergência média móvel). Usando o link implícito de médias móveis e retornos, eles mostram que o MACD é tanta tendência como é a reversão média. Esses estudos são importantes porque ajudam a validar a abordagem dos sistemas baseados em preços. Sendo ligados matematicamente, as abordagens técnicas, como as médias móveis, agora podem ser ligadas à mesma base teórica que o crescente corpo de trabalho no momento da série temporal. Os profissionais de mercado consideram que a tendência é que seu amigo e literatura acadêmica finalmente começaram a concordar. Mas, talvez, o mais importante, agora sabemos que não importa se você toma a abordagem técnica usando médias móveis ou a abordagem quantitativa de medir os retornos. No final do dia, eles são mais ou menos o mesmo. O desempenho da vida real do timing do mercado com a média móvel e as regras de momentum das séries temporais. Cite este artigo como: Zakamulin, V. J Asset Manag (2017) 15: 261 . Doi: 10.1057jam.2017.25 Neste artigo, revisamos os mitos em relação ao desempenho superior das estratégias de timing de mercado com base nas regras de movimento de tempo e série de tempo. Essas estratégias de tempo ativo são muito atraentes para os investidores por causa de sua extraordinária simplicidade e porque eles prometem vantagens substanciais sobre suas contrapartes passivas. No entanto, o desempenho muito bom para ser verdade que o desempenho dessas regras de cronograma de mercado levanta uma preocupação legítima quanto ao fato de que esse desempenho é realista e se os investidores podem esperar que o desempenho futuro seja o mesmo que o desempenho histórico documentado. Argumentamos que o desempenho relatado de estratégias de timing de mercado geralmente contém um considerável viés de mineração de dados e ignora importantes fricções no mercado. Para resolver esses problemas, realizamos testes fora da amostra desses dois modelos de cronometragem, nos quais contamos custos de transação realistas. Nossas descobertas revelam que o desempenho de estratégias de timing de mercado é altamente exagerado, pelo menos. Análise técnica tempo de mercado simples, em movimento, médio, tempo, série, momentum, fora de amostra, teste, referências, Anderson, R. M. Bianchi, S. W. E Goldberg, L. R. (2017) A minha estratégia de paridade de risco superará o Financial Analysts Journal 68 (6): 7593. CrossRef Google Scholar Aronson, D. (2006) Análise Técnica Baseada em Evidências: Aplicando o Método Científico e Inferência Estatística para Sinais de Negociação, New Jersey: John Wiley amp. Sons. CrossRef Google Scholar Asness, C. S. Frazzini, A. e Pedersen, L. H. (2017) Alavancar aversão e paridade de risco. Financial Analysts Journal 68 (1): 4759. CrossRef Google Scholar Bauer, R. J. E Dahlquist, J. R. (2001) Market timing and roulette wheels. Financial Analysts Journal 57 (1): 2840. CrossRef Google Scholar Berkowitz, S. A. Logue, D. E. E Noser, E. A. (1988) O custo total das transações na NYSE. Journal of Finance 43 (1): 97112. CrossRef Google Scholar Bessembinder, H. (2003) Problemas na avaliação dos custos de execução comercial. Journal of Financial Markets 6 (3): 233257. CrossRef Google Scholar Bodie, Z. Kane, A. e Marcus, A. J. (2007) Investimentos, Nova York: McGraw Hill. Google Scholar Brock, W. Lakonishok, J. e LeBaron, B. (1992) Regras de negociação técnica simples e as propriedades estocásticas dos retornos de ações. Journal of Finance 47 (5): 17311764. CrossRef Google Scholar Chakravarty, S. e Sarkar, A. (2003) Custos de negociação em três mercados de títulos dos EUA. Journal of Fixed Income 13 (1): 3948. CrossRef Google Scholar Chan, L. K.C. E Lakonishok, J. (1993) Negociações institucionais e comportamento intradiário do preço das ações. Journal of Financial Economics 33 (2): 173199. CrossRef Google Scholar Dermody, J. C. e Prisman, E. Z. (1993) Nenhuma arbitragem e avaliação em mercados com custos de transação realistas. Revista de Análise Financeira e Quantitativa 28 (1): 6580. CrossRef Google Scholar Edwards, A. K. Harris, L. E. E Piwowar, M. S. (2007) Custos de transação do mercado de títulos corporativos e transparência. Journal of Finance 62 (3): 14211451. CrossRef Google Scholar Faber, M. T. (2007) Uma abordagem quantitativa para a alocação tática de ativos. Journal of Wealth Management 9 (4): 6979. CrossRef Google Scholar Freyre-Sanders, A. Guobuzaite, R. e Byrne, K. (2004) Uma revisão do modelo de custo de negociação: Reduzindo os custos de transação. Journal of Investing 13 (3): 93116. CrossRef Google Scholar Gartley, H. M. (1935) Lucros no mercado de ações, Pomeroy (Washington): Lambert Gann Pub. Google Scholar Gwilym, O. Clare, A. Seaton, J. e Thomas, S. (2018) Preço e impulso como abordagens táticas robustas para o investimento em capital global. Journal of Investing 19 (3): 8091. CrossRef Google Scholar Hansen, P. R. e Timmermann, A. (2017) Escolha da amostra dividida na avaliação de previsão fora de amostra. Instituto Universitário Europeu, Universidade de Stanford e CREATES. Documento de trabalho. Hudson, R. Dempsey, M. e Keasey, K. (1996) Uma nota sobre a eficiência da forma fraca dos mercados de capitais: a aplicação de regras de negociação técnica simples aos preços das ações do Reino Unido de 1935 a 1994. Journal of Banking and Finance 20 (6 ): 11211132. CrossRef Google Scholar Jegadeesh, N. e Titman, S. (1993) Retorna à compra de vencedores e vendedores perdedores: implicações para a eficiência do mercado de ações. Journal of Finance 48 (1): 6591. CrossRef Google Scholar Kilgallen, T. (2017) Testando a média móvel simples em commodities, índices de ações globais e moedas. Journal of Wealth Management 15 (1): 82100. CrossRef Google Scholar Knez, P. J. e Ready, M. J. (1996) Estimando os lucros das estratégias de negociação. Revisão de Estudos Financeiros 9 (4): 11211163. CrossRef Google Scholar Lukac, L. P. e Brorsen, B. W. (1990) Um teste abrangente do desequilíbrio do mercado de futuros. Revisão financeira 25 (4): 593622. CrossRef Google Scholar Lukac, L. P. Brorsen, B. W. E Irwin, S. H. (1988) Um teste de desequilíbrio do mercado de futuros usando doze sistemas de negociação técnica diferentes. Applied Economics 20 (5): 623639. CrossRef Google Acadêmico Marcellino, M. Stock, J. H. E Watson, M. W. (2006) Uma comparação dos métodos de AR de múltiplos passos diretos e iterados para a previsão de séries temporais macroeconômicas. Journal of Econometrics 135 (12): 499526. CrossRef Google Scholar Modigliani, F. e Modigliani, L. (1997) Desempenho ajustado ao risco. Journal of Portfolio Management 23 (2): 4554. CrossRef Google Scholar Moskowitz, T. J. Ooi, Y. H. E Pedersen, L. H. (2017) Momento das séries temporais. Journal of Financial Economics 104 (2): 228250. CrossRef Google Scholar Okunev, J. e White, D. (2003) As estratégias baseadas em impulso ainda funcionam em mercados cambiais. Diário de Análise Financeira e Quantitativa 38 (2): 425447. CrossRef Google Scholar Park, C.-H. E Irwin, S. H. (2007) O que sabemos sobre a rentabilidade da análise técnica Journal of Economic Surveys 21 (4): 786826. CrossRef Google Scholar Pesaran, M. H. Pick, A. e Timmermann, A. (2017) Seleção variável, estimativa e inferência para problemas de previsão de vários períodos. Journal of Econometrics 164 (1): 173187. CrossRef Google Scholar Rossi, B. e Inoue, A. (2017) Os testes de previsão fora da amostra são robustos para a escolha do tamanho da janela. Journal of Business and Economic Statistics 30 (3): 432453. CrossRef Google Scholar Shin, S. e Soydemir, G. (2018) Fundos negociados em bolsa, persistência em erros de rastreamento e disseminação de informações. Journal of Multinational Financial Management 20 (45): 214234. CrossRef Google Scholar Siegel, J. (2002) Stocks para Long Run, Nova York: McGraw-Hill Companies. Google Scholar Sortino, F. A. e Price, L. N. (1994) Medição de desempenho em uma estrutura de risco de queda. Journal of Investing 3 (3): 5965. CrossRef Google Scholar Sullivan, R. Timmermann, A. e White, H. (1999) Data-snooping, desempenho das regras de negociação técnica e bootstrap. Journal of Finance 54 (5): 16471691. CrossRef Google Scholar Welch, I. e Goyal, A. (2008) Um olhar abrangente sobre o desempenho empírico da previsão de eqüidade premium. Revisão de Estudos Financeiros 21 (4): 14551508. CrossRef Google Scholar White, H. (2000) Uma verificação de realidade para o snooping de dados. Econometrica 68 (5): 10971126. CrossRef Google Scholar Informações de direitos autorais Palgrave Macmillan, uma divisão da Macmillan Publishers Ltd 2017 Autores e Afiliações Valeriy Zakamulin 1 Email autor 1. Escola de Negócios e Direito, Universidade de Agder Kristiansand Noruega Sobre este artigo Momento de série da série Versus regras de negociação média em mudança Nhut H. Nguyen Nuttawat Universidade de Visaltanachoti Massey - Departamento de Economia e Finanças 22 de dezembro de 2017 As regras de negociação de séries temporais (TSMOM) e de média móvel (MA) estão intimamente relacionadas, porém existem diferenças importantes. Os sinais de TSMOM ocorrem em pontos que coincidem com uma mudança de direção de MA, enquanto que os sinais de compra e venda de MA requerem apenas um preço para mover acima (abaixo) um MA. Nossos resultados empíricos mostram que as regras do MA freqüentemente dão sinais anteriores levando a ganhos de retorno significativos. Ambas as regras funcionam melhor fora das grandes séries de ações que podem explicar o enigma da sua popularidade com os investidores, mas falta de evidência de suporte em estudos acadêmicos. Número de páginas no arquivo PDF: 45 Palavras-chave: G11, G12 Classificação JEL: Análise técnica, impulso da série de tempo, média móvel, previsibilidade do retorno Data de publicação: 27 de fevereiro de 2017 Última revisão: 26 de fevereiro de 2017 Citação sugerida Marshall, Ben R. E Nguyen, Nhut H. e Visaltanachoti, Nuttawat, Time-Series Momentum vs. Moving Average Trading Rules (22 de dezembro de 2017). Disponível na SSRN: ssrnabstract2225551 ou dx. doi. org10.2139ssrn.2225551 Informações de contato Ben R. Marshall (Autor de contato) Massey University - Escola de Economia e Finanças (e-mail) Private Bag 11-222 Palmerston North, 30974 Nova Zelândia 64 6 350 5799 (Telefone) 64 6 350 5651 (Fax)