Avaliação de estratégias de negociação.
16 Páginas Publicado em: 3 de agosto de 2014 Última revisão: 26 de agosto de 2014.
Campbell R. Harvey.
Duke University - Fuqua School of Business; Agência Nacional de Pesquisa Econômica (NBER); Duke Innovation & Entrepreneurship Initiative.
Texas A & M University, Departamento de Finanças.
Data de Escrita: 25 de agosto de 2014.
Fornecemos algumas novas ferramentas para avaliar estratégias de negociação. Quando se sabe que muitas estratégias e combinações de estratégias foram tentadas, precisamos ajustar nosso método de avaliação para esses múltiplos testes. Sharpe Ratios e outras estatísticas serão exageradas. Nossos métodos são simples de implementar e permitem a avaliação em tempo real das estratégias de negociação do candidato.
Palavras-chave: Relação de Sharpe, Múltiplos testes, Holm, BHY, Bonferroni, Seleção de estratégias, Backtest, Corte de cabelo, Relação de Sharpe de corte de cabelo, Mineração de dados, Machine Learning, Higgs Boson, Estratégias de Negociação, Testes fora da amostra, Testes in-Sample, FDR FWER, Capital IQ, PBO.
Classificação JEL: G12, G14, G30, G00, C12, C20, B41.
Como avaliar estratégias multi-ativos.
Avaliação de estratégias de multi-ativos.
K. Stuart Peskin Journal of Portfolio Management, edição especial Uma versão deste documento pode ser encontrada aqui Quer ler nossos resumos de documentos de finanças acadêmicas? Confira nossa categoria de pesquisa acadêmica.
Quais são as questões de pesquisa?
Existe & # 8216; ONE & # 8217; maneira correta de avaliar estratégias de múltiplos ativos? Quais são as métricas mais adequadas para avaliar estratégias de vários ativos?
Quais são os insights acadêmicos?
Usando uma abordagem de estudo de caso, o autor sugere o seguinte:
NÃO - Não há & # 8216; ONE & # 8217; maneira correta de avaliar o desempenho de um portfólio de ativos múltiplos. Uma gama de medidas é preferida. E, a propósito, a correlação pode ser uma métrica enganosa, se vista isoladamente. O autor propõe diferentes métricas baseadas em técnicas históricas e preditivas.
Comportamento da cauda para fornecer informações críticas dos resultados da estratégia durante o período de turbulência do mercado (incluindo uma comparação com o que as correlações previam). Upside versus participação downside para observar o grau de captação de mercado Atribuição por classe de ativos, por exemplo, quanto do retorno foi capturado por ações.
Modelagem de risco, por exemplo, usando um modelo de risco APT (introdução a esses modelos aqui). Comportamento da cauda ex-ante, a avaliação de portfólio sob turbulência nunca vista antes.
Por que isso Importa?
Este estudo de caso é um bom exemplo de uma análise complementar para entender melhor a estratégia de vários ativos e seu papel em potencial em um portfólio.
O gráfico mais importante do documento:
Os resultados são resultados hipotéticos e NÃO são um indicador de resultados futuros e NÃO representam retornos que qualquer investidor realmente atingiu. Índices não são gerenciados, não refletem taxas de administração ou negociação e não se pode investir diretamente em um índice.
Um número crescente de investidores está reconhecendo os muitos benefícios de uma abordagem de múltiplos ativos, incluindo o potencial para melhorar a diversidade, maior liquidez e reduzir a volatilidade. Também é vantajosa sua capacidade de ajustar-se prontamente ao lado de uma variedade de abordagens de investimento e categorias de classe de ativos. Dito isso, as estratégias de vários ativos vêm com desafios. Este artigo aborda uma área particularmente problemática - como avaliar os resultados da estratégia de vários ativos. Contar com apenas uma ou duas medidas para avaliação pode levar a uma má interpretação dos resultados históricos de investimento alcançados. Em vez disso, o autor aconselha o uso de uma variedade de técnicas de avaliação. Uma delas - a correlação - é discutida em profundidade, porque o autor acredita que ela é mal compreendida em muitas dimensões do investimento em ativos múltiplos. O autor também examina algumas das análises de desempenho e risco mais úteis, tanto históricas quanto preditivas, que podem ajudar a entender o que impulsiona os resultados de investimento com vários ativos.
As opiniões e opiniões aqui expressas são de responsabilidade do autor e não refletem necessariamente as opiniões da Alpha Architect, suas afiliadas ou seus funcionários. Nossas divulgações completas estão disponíveis aqui. As definições de estatísticas comuns usadas em nossa análise estão disponíveis aqui (na parte inferior). Junte-se a milhares de outros leitores e assine o nosso blog. Este site não fornece informações sobre nossos valores ETFs ou nosso momentum ETFs. Por favor, consulte este site.
Journal of Portfolio Management anuncia os principais homenageados da pesquisa.
Este ano, o prêmio de Melhor artigo, conforme votado pelos assinantes da revista, vai para Campbell R. Harvey, da Duke University, e Yan Liu, da Texas A & M University. Em seu artigo, “Evaluating Trading Strategies”, os autores dizem aos pesquisadores que estão encontrando estratégias de negociação aparentemente bem-sucedidas por acaso e dizem aos investidores que precisam ficar muito mais céticos quanto às propostas de investimento.
"Estou honrado em receber o Prêmio Bernstein Fabozzi / Jacobs Levy este ano e também ter o valioso reconhecimento de meus colegas, incluindo vários gerentes de investimentos proeminentes que compartilharam minha pesquisa e adotaram muitas de suas recomendações", disse Campbell Harvey. “Esses gerentes não querem decepcionar seus clientes e percebem que precisam invocar uma nova abordagem para neutralizar o impacto da mineração de dados substancial de novas estratégias de investimento. Oferecemos um método que ajuda a responder a pergunta: foi sorte ou foi uma habilidade? ”
Pelo segundo ano consecutivo, um empate resultou em quatro peças ganhando o Outstanding Article Award:
"Alfa pode ser capturado pelo prêmio de risco ?," por Jennifer Bender da State Street Global Advisors, e P. Brett Hammond e William Mok, ambos da MSCI, que exploram o papel das estratégias de premiações de risco em portfólios de ações institucionais, não apenas como potenciais substituições para investimentos beta passivos passivos existentes, mas também para certos mandatos ativos. “Um Estudo de Métodos de Construção de Portfólios de Baixa Volatilidade”, por Tzee-man Chow, Jason C. Hsu, Li-lan Kuo e Feifei Li, todos da Research Affiliates, LLC, examina o desempenho hipotético de várias estratégias de baixa volatilidade em mercados históricos dos EUA, desenvolvidos globalmente e emergentes. “A divergência de estimativas de alta e baixa frequência: Causas e Consequências”, por William Kinlaw da State Street Global Exchange Mark Kritzman, da Windham Capital Management, e David Turkington, da State Street Global Exchange, exploram a discrepância que surge quando portfólios que são ótimos baseados em insumos de alta frequência freqüentemente levam a resultados claramente abaixo do ideal para investidores com horizontes longos. O artigo identifica as causas e conseqüências dessa discrepância e apresenta uma estrutura para a construção de portfólios que equilibram a otimização do horizonte curto e do horizonte longo. "Tesla: Anatomia de uma Corrida", de Bradford Cornell, do Instituto de Tecnologia da Califórnia, e Aswath Damodaran, da Stern School of Business, da Universidade de Nova York, oferece uma anatomia detalhada do aumento de quase sete vezes no preço. de ações da Tesla entre 22 de março de 2013 e 26 de fevereiro de 2014, e tenta determinar o papel desempenhado pelo sentimento do investidor.
Allison Adams, da Institutional Investor Journals Publisher, comentou: "No ano passado, o JPM celebrou 40 anos de excelência na publicação de pesquisas inovadoras. Para o prêmio deste ano, os assinantes do JPM votaram por artigos de impacto que preenchem a lacuna entre a teoria financeira e a aplicabilidade prática. O artigo de Harvey baseia-se na relação entre o que está acontecendo na pesquisa científica com o back-testing financeiro. Incentivo todos os pesquisadores financeiros a ler o artigo e assistir à entrevista em vídeo que o acompanha. "
Os Prêmios Bernstein Fabozzi / Jacobs Levy consistem em um prêmio de $ 2.500 para Melhor Artigo e $ 1.000 em prêmios para cada Artigo em Destaque. Os prêmios são generosamente financiados pela Jacobs Levy Equity Management. De acordo com Bruce Jacobs, diretor e co-fundador da Jacobs Levy Equity Management:
“O artigo vencedor deste ano aborda uma questão que está no centro de toda a modelagem financeira - separando o trigo do joio. Munidos de novos insights importantes deste artigo, os pesquisadores poderão avaliar melhor novos modelos de investimento. Nossos parabéns vão para todos os vencedores deste ano. Estamos orgulhosos por ter começado o Prêmio Bernstein Fabozzi / Jacobs Levy 16 anos atrás em homenagem aos Editores do Journal of Portfolio Management, Peter Bernstein e Frank Fabozzi, e estamos ansiosos para muitos mais anos de artigos inovadores. ”
Sobre o Journal of Portfolio Management.
Editado por Frank Fabozzi e fundado em 1974 por Peter L. Bernstein, o Journal of Portfolio Management é a principal fonte editorial de estratégias e análises de ponta para a gestão de investimentos institucionais. Publicado pela Institutional Investor, está disponível trimestralmente, impresso e online.
O espectador de capital.
Investimento, alocação de ativos, economia & amp; a pesquisa para a linha de fundo.
Somos todos backtesters agora.
Um artigo recente ("Avaliação de Estratégias de Negociação") sobre os riscos do backtesting no Journal of Portfolio Management tem recebido muita atenção ultimamente, inspirando algumas pessoas a se aprofundar e argumentar que a análise econométrica de estratégias de investimento é sempre uma má ideia. Isso é um pouco demais pela simples razão de que a única alternativa ao backtesting é atirar cegamente dinheiro nos mercados sem o benefício da perspectiva. Sim, o backtesting pode ser perigoso quando projetado sem as melhores práticas em mente. Mas no grande esquema de investimento, todos confiamos em uma forma de backtesting ou outra.
Talvez, mas o fato de você ter espiado o recorde histórico e decidir que gostaria de embarcar nesse trem de investimento é uma conclusão baseada em… drumroll… um backtest! Ok, é informal se você está revisando o trabalho de outra pessoa. Mas se você está mergulhando nos detalhes básicos e escrevendo seu próprio código ou confiando em outra pessoa para fazer o trabalho pesado, tudo faz parte do mesmo jogo: usar a história para tomar uma decisão sobre como investir no futuro.
Essa é uma pincelada ampla, é claro, e há tantas maneiras de se fazer backtest quanto estrelas no céu. Isso deixa muito espaço para erros. Para uma análise divertida de como as coisas podem dar errado, dê uma olhada na coluna de Jason Zweig de junho do The Wall Street Journal ("Grandes retornos em baixo risco" não tão rápida ").
A boa notícia é que muitas das armadilhas óbvias ao backtesting podem ser evitadas. Por exemplo, o chamado viés de antecipação - calculando retornos de estratégia com base em informações que não estavam disponíveis em tempo real - pode ser desativado usando um sinal atrasado. Na verdade, há uma lista de coisas para evitar a causa do desenvolvimento de um backtest robusto. Um dos perigos mais perniciosos é ignorar o fato de que muitos backtests lucrativos podem ser gerados aleatoriamente. Lance um monte de sinais de negociação no moedor de dados e o software certamente revelará resultados maravilhosos por meio de estratégias que ninguém em sã consciência deveria usar.
Em última análise, deve-se partir de uma base na lógica econômica - as ações tendem a aumentar com o tempo, porque os lucros e os pagamentos de dividendos tendem a subir. Por quê? Porque as economias crescem ... na maior parte do tempo. Mas também há um elemento de backtesting aqui. Você pode usar a teoria macro e todos os tipos de sinos e assobios acadêmicos, mas o fato de que gráficos de longo prazo do produto interno bruto dos EUA e o S & P 500 refletem declives positivos inspira mais do que alguns investidores a assumir que o futuro vai se assemelhar ao passado.
Sim, somos todos escravos da história em algum grau, o que traz bastante risco. Isso é um lembrete de que os detalhes são cruciais na delicada arte / ciência de como você estuda o passado e interpreta os sinais (e o ruído). Dois pesquisadores com duas visões muito diferentes do mundo e modelos de trabalho podem olhar para o mesmo conjunto de dados e obter resultados muito diferentes sobre o que funciona versus o que não funciona. Mas isso não é um argumento para banir os backtests; em vez disso, é uma observação que nos diz que não podemos gastar muito tempo pensando sobre o que poderia estar errado.
Felizmente, os analistas estudam as armadilhas há décadas. É verdade que você não pode evitar todos os riscos que atormentam os backtests, embora não haja desculpas para cometer erros comuns que sobrecarregam muitos (mais?) Resultados de backtesting.
É fácil criticar o backtesting e, até certo ponto, esse é um diálogo saudável. Não há balas de prata, não importa quão sofisticado seja o seu modelo. Mas não há realmente nenhuma alternativa para olhar no espelho retrovisor. A questão, então, resume-se a como você está interpretando o histórico? Os resultados irão variar, como eles dizem. A chave é descobrir por que eles variam e o que constitui o design informado.
Pós-navegação.
3 pensamentos sobre & ldquo; Somos todos backtesters agora & rdquo;
Normalmente, não deixe comentários, mas seu post tocou um acorde. E, de fato, eu tive essa discussão exata com muitos colegas separados recentemente.
É interessante considerar o P (mundo real) versus Q (risco neutro) Quantas formas de pensar: No Q, tudo é sobre calibração precisa para os preços das opções. Se você não puder igualar os preços da opção baunilha, você também pode lançar seu modelo desde o início. E então, no dia seguinte (ou semana), você recalibre para igualar os preços exatamente de novo, a estabilidade dos parâmetros pode ser danificada. Do ponto de vista P, isso seria considerado a forma final de modelo & # 8216; overfitting & # 8217 ;.
Há também uma outra divisão entre os quantos: aqueles que afirmam que a história é apenas um caminho realizado de uma variável aleatória e que o único método verdadeiro de análise é trabalhar diretamente com o & # 8216; full & # 8217; distribuições. E então, há aqueles que dizem que a chance de especificar erroneamente a distribuição é tão grande que é melhor trabalhar com a história, o que, pelo menos, representa uma percepção da verdadeira distribuição.
Ele fala com a personalidade subjacente do pesquisador, eu acho.
Além disso, é bem verdade que os modelos que usamos hoje são usados apenas porque eles fazem um bom trabalho ao recriar a história.
Avaliação de estratégias de multi-ativos.
Este artigo requer uma assinatura para exibir o texto completo. Se você tem uma assinatura, você pode usar o formulário de login abaixo para visualizar o artigo. O acesso a este artigo também pode ser adquirido.
Um número crescente de investidores está reconhecendo os muitos benefícios de uma abordagem de múltiplos ativos, incluindo o potencial para melhorar a diversidade, maior liquidez e reduzir a volatilidade. Também é vantajosa sua capacidade de ajustar-se prontamente ao lado de uma variedade de abordagens de investimento e categorias de classe de ativos. Dito isso, as estratégias de vários ativos vêm com desafios. Este artigo aborda uma área particularmente problemática - como avaliar os resultados da estratégia de vários ativos. Contar com apenas uma ou duas medidas para avaliação pode levar a uma má interpretação dos resultados históricos de investimento alcançados. Em vez disso, o autor aconselha o uso de uma variedade de técnicas de avaliação. Uma delas - a correlação - é discutida em profundidade, porque o autor acredita que ela é mal compreendida em muitas dimensões do investimento em ativos múltiplos. O autor também examina algumas das análises de desempenho e risco mais úteis, tanto históricas quanto preditivas, que podem ajudar a entender o que impulsiona os resultados de investimento com vários ativos.
Comments
Post a Comment