Moyenne Mobile Du Momentum

Le rapport démographique moyen et le moment Cet article fait partie de ma thèse à l'Université du Tennessee, à Knoxville. Je tiens à remercier Philip Daves, James W. Wansley et Michael C. Ehrhardt pour leurs commentaires perspicaces. J'ai bénéficié de discussions avec Bruce R. Swensen. Je suis également reconnaissant à un ancien rédacteur en chef (Arnold R. Cowan) et deux arbitres anonymes pour leurs commentaires utiles et Ying Zhang pour ses commentaires lors de 2006 Financial Management Association Meetings. Auteur correspondant: enspSchool of Business, Adelphi University, 1 South Ave. Garden City, NY 11530-0701 Téléphone: (516) 877-4454 Télécopieur: (516) 877-4607 Courriel: parkadelphi. edu. Le rapport entre la moyenne mobile à court terme et la moyenne mobile à long terme (MAR moyen) a un pouvoir prédictif significatif pour les rendements futurs. Le MAR conjugué à la proximité du maximum de 52 semaines explique la plupart des profits à moyen terme. Cela suggère qu'un biais d'ancrage, dans lequel les investisseurs utilisent des moyennes mobiles ou le maximum de 52 semaines comme points de référence pour estimer les valeurs fondamentales, est la principale source d'effets de momentum. L'impulsion provoquée par le biais d'ancrage ne disparaît pas dans le long terme, même en cas de retournements de retour, ce qui confirme que le momentum à moyen terme et les retournements à long terme sont des phénomènes distincts. Article InformationTest Market Timing Models Cet outil vous permet de tester différents calendriers de marché et modèles tactiques d'allocation d'actifs basés sur les moyennes mobiles, l'élan, l'évaluation du marché et la volatilité cible. Les modèles pris en charge sont les suivants: Shiller Ratio PE Évaluation du marché Moyennes mobiles - Moyennes mobiles d'un seul actif - Éléments du portefeuille Momentum - Force relative Momentum - Dual Momentum Momentum - Volatilité cible de l'allocation adaptative Vous trouverez ci-dessous un résumé du modèle sélectionné et une description plus détaillée Dans la section FAQ. Shiller PE Ratio Valeur de marché Shiller PE ratio (PE10) Le modèle de timing basé sur la valorisation du marché utilise la répartition suivante entre les actions et les obligations: PE10 gt 22 - 40 actions, 60 obligations 14 lt PE10 lt 22 - 60 actions, 40 obligations PE10 lt 14 - 80 actions, 20 obligations L'allocation équilibrée de 60 actions et 40 obligations est utilisée comme portefeuille de référence. Moyennes de déplacement - actif unique Le modèle de timing moyen est soit investi dans un fonds spécifique, un FNB ou un fonds commun de placement, Autre actif sans risque sur la base du signal de la moyenne mobile. Le modèle est investi dans l'actif lorsque le prix de clôture ajusté de fin de mois est supérieur à la moyenne mobile et que le modèle passe à l'encaisse lorsque le prix de clôture ajusté de fin de mois est inférieur à la moyenne mobile. Le modèle prend également en charge l'utilisation de la moyenne mobile de croisement comme signal. Moyennes mobiles - Actifs du portefeuille Le modèle de la moyenne mobile applique le signal de la moyenne mobile à chaque actif du portefeuille. Le modèle est investi dans un actif de portefeuille lorsque le prix de clôture ajusté de fin de mois est supérieur à la moyenne mobile et que l'allocation est transférée en espèces lorsque le prix de clôture ajusté de fin de mois est inférieur à la moyenne mobile. Le modèle prend également en charge l'utilisation de la moyenne mobile de croisement comme signal. Momentum - Force relative Le modèle de momentum de force relative investit dans les actifs les plus performants du modèle en fonction de chaque rendement passé actif. L'impulsion peut être basée sur une seule période de synchronisation ou plusieurs périodes de synchronisation pondérées. En outre, le modèle prend en charge l'utilisation de moyennes mobiles comme un contrôle des risques pour décider si les investissements doivent être déplacés en espèces. Momentum - Dual Momentum Le modèle Dual Momentum utilise une dynamique relative pour sélectionner les actifs modèles les plus performants et intègre la dynamique absolue comme filtre pour investir en espèces si le rendement excédentaire de l'actif sélectionné par rapport à l'encaisse est négatif. Allocation adaptative Le modèle adaptatif d'allocation d'actifs combine le modèle de momentum de force relative avec une pondération d'actif différente. Le modèle de force relative utilise une pondération égale pour les actifs sélectionnés par le modèle tandis que l'allocation d'actifs adaptative utilise soit l'allocation de parité du risque basée sur la volatilité inverse, soit l'allocation de la variance minimale pour les actifs du modèle afin de minimiser la volatilité attendue. Volatilité cible Le modèle de volatilité cible ajuste l'exposition au marché du portefeuille en fonction de la volatilité historique réalisée et de l'objectif de volatilité donné. L'allocation de trésorerie du portefeuille est augmentée ou diminuée selon les besoins pour atteindre le niveau de volatilité ciblé afin d'améliorer le rendement ajusté en fonction du risque. Trouver ETF, Fonds communs de placement ou Stock SymbolA Il ya quelques mois, j'ai eu un post sur le Momentum Echo (cliquez ici pour lire le post). J'ai couru à travers un autre force relative (ou impulsion si vous préférez) papier qui teste encore un autre facteur. Dans le journal Seung-Chan Parks, The Moving Average Ratio et Momentum, il examine le ratio entre une moyenne mobile à court terme et à long terme du prix afin de classer les titres par la force. Cela diffère de la plupart des autres ouvrages universitaires. La plupart des autres études utilisent des rendements simples de point à point pour classer les titres. Les techniciens ont utilisé des moyennes mobiles pour les années pour lisser les mouvements de prix. La plupart du temps, nous voyons les gens qui utilisent le croisement d'une moyenne mobile comme un signal pour le commerce. Park utilise une méthode différente pour ses signaux. Au lieu de regarder des croix simples, il compare le rapport d'une moyenne mobile à une autre. Un stock avec la moyenne mobile de 50 jours significativement au-dessus (ci-dessous) de la moyenne mobile de 200 jours aura un haut (faible) classement. Les titres avec la moyenne mobile de 50 jours très proche de la moyenne mobile de 200 jours se retrouveront au milieu du peloton. Dans le parc papier est partielle à la moyenne mobile de 200 jours comme la moyenne mobile à plus long terme, et il teste une variété de moyennes à court terme allant de 1 à 50 jours. Il devrait venir comme aucune surprise qu'ils travaillent tous En fait, ils ont tendance à travailler mieux que le simple prix-retour basé sur les facteurs. Ce n'est pas venu comme une énorme surprise pour nous, mais seulement parce que nous avons suivi un facteur similaire pendant plusieurs années qui utilise deux moyennes mobiles. Ce qui m'a toujours surpris, c'est la mesure dans laquelle ce facteur se mesure par rapport à d'autres méthodes de calcul au fil du temps. Le facteur que nous suivons est le rapport moyen mobile d'une moyenne mobile de 65 jours à la moyenne mobile de 150 jours. Pas exactement le même que ce que Park a testé, mais assez semblable. J'ai tiré les données que nous avons sur ce facteur pour voir comment il se compare aux facteurs de rendement de prix standard de 6 et 12 mois. Pour ce test, le décile supérieur des rangs est utilisé. Les portefeuilles sont constitués mensuellement et rééquilibrés chaque mois. Tout est exécuté sur notre base de données, qui est un univers très similaire au SP 500 SP 400. (cliquez pour agrandir) Nos données montrent la même chose que les tests de Parcs. Utiliser un ratio de moyennes mobiles est nettement meilleur que d'utiliser simplement des facteurs de prix-retour. Nos tests montrent que le ratio de la moyenne mobile augmente d'environ 200 bps par an, ce qui n'est pas un petit exploit. Il est également intéressant de noter que nous sommes arrivés à la même conclusion en utilisant différents paramètres pour la moyenne mobile et un ensemble de données totalement différent. Cela montre simplement à quel point le concept de force relative est robuste. Pour les lecteurs qui ont lu nos livres blancs (disponibles ici et ici), vous vous demandez peut-être comment ce facteur fonctionne en utilisant notre processus de test Monte Carlo. Im ne va pas publier ces résultats dans ce post, mais je peux vous dire que ce facteur de la moyenne mobile est toujours près du haut des facteurs que nous suivons et a un chiffre d'affaires très raisonnable pour les retours qu'il génère. L'utilisation d'un ratio de la moyenne mobile est un très bon moyen de classer les titres pour une stratégie de force relative. Les données historiques montrent qu'il fonctionne mieux que de simples facteurs de rendement des prix au fil du temps. Il est également un facteur très robuste parce que les formulations multiples fonctionnent, et il fonctionne sur de multiples ensembles de données. Cette entrée a été publiée le jeudi 26 août 2010 à 13h39 et est classée dans la rubrique Recherches sur la force relative. Vous pouvez suivre les réponses à cette entrée via le flux RSS 2.0. Vous pouvez laisser une réponse. Ou trackback depuis votre propre site. 9 Réponses à la moyenne mobile Ratio et Momentum Une autre alternative à la moyenne mobile basée sur l'utilisation de la dynamique point à point prend la moyenne mobile de l'élan 8230 Par exemple, si vous vérifiez simple momentum rangs tous les jours, it8217s très bruyant la solution principale a été , 8220don8217t vérifier quotidiennement, 8221 c'est-à-dire vérifier mensuellement ou trimestriellement et faire une nouvelle fois et rééquilibrer les avoirs. Cependant, vous pouvez vérifier quotidiennement et potentiellement rééquilibrer quotidiennement, avec beaucoup moins de bruit si, au lieu d'utiliser l'élan de 12 mois, vous utilisez la moyenne mobile de 21 jours de moment de 252 jours. Cela équivaut également, entre autres, au ratio de la moyenne mobile de 21 jours à la moyenne mobile de 21 jours. L'avantage d'utiliser le momentum moyen est que vous avez plus de réactivité aux changements de momentum que vous ne si vous vérifiez l'univers oncemonth ou oncequarter. Certes, il est beaucoup plus gérable d'utiliser la technique MA si vous avez un univers plus petit pour l'appliquer à depuis que j'utilise un groupe d'ETFs comme mon univers, il fonctionne bien pour moi. Étant donné que vous travaillez dans un univers de 900 actions et que vous divulguez des avoirs dans un format de fonds, cela ne vous sera peut-être pas applicable, mais je pense que vous pourriez le trouver intéressant. Cela équivaut également, BTW, au ratio de la moyenne mobile d'aujourd'hui de 21 jours à la moyenne mobile de 21 jours À PARTIR DE 252 JOURS AGO 8211 EDIT. John Lewis dit: Nous suivons également les facteurs qui prennent une moyenne mobile d'un calcul de momentum ou de score. Les vieux techniciens8217 astuces d'utiliser une MA pour lisser le bruit fonctionne sur la force relative tout comme il le fait sur le prix brut. La fréquence de rééquilibrage détermine souvent le type de modèle que vous pouvez utiliser. Nous avons des stratégies qui ne peuvent être rééquilibrées qu'une fois par trimestre, et nous devons utiliser des modèles différents pour ceux que nous faisons pour les stratégies que nous regardons quotidiennement ou hebdomadairement. Les deux méthodes fonctionnent si vous utilisez le facteur approprié, et nous avons constaté que l'augmentation de la fréquence de rééquilibrage augmente automatiquement le retour. Parfois, cela enlève le retour. Cela dépend totalement du facteur et de la façon dont vous l'implémentez (du moins dans mon expérience). Avec les univers et les paramètres I8217ve testé sur, je n'ai pas noté ce que j'appellerais 8220statistically significant8221 améliorations en retour lors de la commutation de rebals mensuels à la moyenne mobile des techniques qui permettent (potentiellement, au moins) des rebals quotidiens. Ce que j'ai noté a été pour la plupart ce que I8217d appeler des rendements équivalents dans les données de backtest. J'ai remarqué en particulier que le nombre moyen d'heures de vol commercial est seulement très légèrement plus élevé avec le potentiel de changement quotidien, c'est-à-dire qu'il y a des whipsaws, mais seulement quelques-uns. Ce que j'aime personnellement sur le potentiel de changements quotidiens est, si hypothétiquement l'un des problèmes I8217m dans les accidents et les brûlures, la technique MA sort plus rapidement (et remplacer par une autre sécurité). Évidemment, cela n'a pas suffi assez au cours des backtests pour entraîner une différence significative dans le résultat, mais il fournit une belle goutte à ma psyche. Je suppose que quand j'aurai pris ma retraite et que je courrai mon programme de quelque plage quelque part, je préférerais seulement avoir à vérifier dans le mois. Ce 8217s plus tard. Pour l'instant, alors que I8217m sur l'ordinateur quotidien de toute façon, pourrait aussi bien exécuter mes scans Paul Montgomery dit: 8220Im ne va pas publier ces résultats dans ce post, mais je peux vous dire que ce facteur de la moyenne mobile est toujours près du haut des facteurs que nous suivons Et a un chiffre d'affaires très raisonnable pour les retours qu'elle génère8221 Grand poste 8211 aimerait voir plus sur ce John Intéressant poste en effet 8211 J'ai lu beaucoup de documents sur ce et la recherche de son efficacité8230 La seule chose que je ne comprends pas, Tels que AQR qui propose une autre forme d'investissement momentum fait si mal. Leur rendement théorique est d'environ 13 par an, mais le fonds réel est toujours en moins. Vous vous demandez si l'investissement en direct avec cette idée vous donnera des résultats proches des montants testés8230