Quantitative Trading Strategies Trades auf der Grundlage von erwarteten Corporate Events, wie erwartete Fusions - oder Übernahmeaktivitäten oder Konkursablage. Auch als Risiko-Arbitrage bezeichnet. Relative Value Trading vs. Directional Trading Die meisten quantitativen Hedge Fund Tradinginvestment Ansätze fallen in eine von zwei Kategorien: diejenigen, die Relative Value Strategien verwenden, und diejenigen, deren Strategien als Directional charakterisiert werden würde. Beide Strategien nutzen Computermodelle und statistische Software stark. Relative Value-Strategien versuchen, auf vorhersehbare Preissetzungsbeziehungen (oftmals mittlere Rückkehrverhältnisse) zwischen mehreren Vermögenswerten zu investieren (z. B. die Beziehung zwischen kurzfristigen US-Treasury-Bill-Renditen gegenüber langjährigen US-Treasury-Bond-Renditen oder der Beziehung im implizierten) Volatilität in zwei verschiedenen Optionskontrakten). Richtungsstrategien basieren in der Regel auf Trendfolgen oder anderen musterbasierten Pfaden, die auf eine Aufwärts - oder Abwärtsdynamik für eine Sicherheit oder einen Wert von Wertpapieren hindeuten (z. B. Wetten, dass die langwierigen US-Schatzanleihen-Renditen zunehmen werden oder die implizite Volatilität wird Ablehnen). Relative Value-Strategien Gemeinsame Beispiele für Relative Value-Strategien sind die Vergabe von relativen Wetten (dh Kauf eines Assets und Verkauf eines anderen) auf Vermögenswerte, deren Preise eng miteinander verknüpft sind: Staatsanleihen von zwei verschiedenen Ländern Staatliche Wertpapiere von zwei verschiedenen Längen bis zur Fälligkeit Corporate vs. Hypothekenanleihe-Wertpapiere Die Differenzierung der impliziten Volatilität zwischen zwei Derivaten Aktienkurse gegenüber Anleihekursen für eine Unternehmensanleihe Emittent Unternehmensanleihenrenditen gegenüber Credit Default Swap (CDS) Spreads Die Liste der potenziellen Relative Value Strategien ist sehr lange oben sind nur einige Beispiele. Es gibt drei sehr wichtige und häufig verwendete Relative Value-Strategien, um sich jedoch bewusst zu sein: Statistisches Arbitrage: Trading eine mittlere Rückkehr Trend der Werte von ähnlichen Körbe von Vermögenswerten auf der Grundlage historischer Handelsbeziehungen. Eine gemeinsame Form der statistischen Arbitrage, oder Stat Arb, Handel, ist bekannt als Equity Market Neutral Handel. In dieser Strategie werden zwei Baskets von Aktien ausgewählt (ein langer Korb und ein kurzer Korb), mit dem Ziel, dass die relativen Gewichte der beiden Körbe den Fonds mit null Nettoexposition gegenüber verschiedenen Risikofaktoren (Industrie, Geographie, Sektor usw .) Stat Arb könnte auch den Handel mit einem Index gegen eine ähnlich abgestimmte ETF oder einen Index im Vergleich zu einem einzigen Unternehmensbestand beinhalten. Cabrio-Arbitrage: Kauf von Wandelschuldverschreibungen von einem Unternehmen und gleichzeitige Veräußerung der gleichen Gesell - schaften Stammaktien, wobei die Idee ist, dass, wenn der Bestand eines bestimmten Unternehmens sinkt, der Gewinn aus der Short-Position mehr als einen Verlust der Wandelanleihe ausgleichen wird Position, da der Wandelanleihe-Wert als festverzinsliches Instrument gilt. Ebenso kann der Fonds von der Umwandlung seiner Wandelschuldverschreibungen in einem Aktienkurs, der diesen Markt am Marktwert verkauft, um einen Betrag, der jegliche Verluste in seiner Short-Position übersteigt, profitieren. Fixed Income Arbitrage: Handel mit festverzinslichen Wertpapieren an entwickelten Anleihemärkten, um die wahrgenommenen relativen Zinsanomalien auszunutzen. Fixed Income Arbitrage Positionen können Staatsanleihen, Zinsswaps und Zinsfutures verwenden. Ein populäres Beispiel für diese Art des Handels in feste Einkommen Arbitrage ist die Basis Handel, in dem man verkauft (kauft) Treasury Futures, und kauft (verkauft) eine entsprechende Menge der potenziellen lieferbaren Anleihe. Hier geht man davon über die Differenz zwischen dem Kassakurs einer Anleihe und dem angepassten Futures-Kontraktpreis (Futures-Preisumrechnungsfaktor) und dem Handel der Paares von Vermögenswerten entsprechend. Richtungsstrategien Direktionale Handelsstrategien, die in der Regel auf Trendfolgen oder anderen musterbasierten Pfaden aufbauen, die auf eine Aufwärts - oder Abwärtsbewegung für einen Sicherheitspreis hindeuten. Directional Trading wird oft einige Aspekte der technischen Analyse oder Charting enthalten. Dies beinhaltet die Vorhersage der Richtung der Preise durch die Untersuchung der vergangenen Preis - und Volumenmarktdaten. Die gehandelte Richtung kann die eines Vermögenswertes selbst sein (Impuls in Aktienkursen, zB der Euro-Dollar-Dollar-Wechselkurs) oder ein Faktor, der direkt den Vermögenswert selbst beeinflusst (z. B. implizite Volatilität für Optionen oder Zinsen Raten für Staatsanleihen). Der technische Handel kann auch die Verwendung von gleitenden Durchschnitten, Bands um die historische Standardabweichung von Preisen, Unterstützung und Widerstandsniveaus und Änderungsraten umfassen. Typischerweise würden technische Indikatoren nicht die alleinige Grundlage für eine quantitative Hedge Funds Anlagestrategie darstellen. Quant Hedge Funds beschäftigen viele zusätzliche Faktoren über historische Preis - und Volumeninformationen hinaus. Mit anderen Worten: Quantitative Hedge Funds, die Directional Trading Strategien beschäftigen, haben in der Regel insgesamt quantitative Strategien, die viel anspruchsvoller als allgemeine technische Analyse sind. Dies ist nicht zu vermuten, dass Tag Händler nicht in der Lage, von technischen Analysen das Gegenteil profitieren, können viele Impuls-basierte Handelsstrategien profitabel sein. Für die Zwecke dieses Trainingsmoduls werden die Verweise auf die Strategien des Quantenhedge-Fonds nicht nur auf Strategien der technischen Analyse basieren. Andere quantitative Strategien Andere quantitative Handelsansätze, die nicht einfach als Relative Value Strategien oder Richtungsstrategien kategorisiert werden, sind: High-Frequency Trading. Wo Händler versuchen, die Preisdiskrepanzen zwischen mehreren Plattformen mit vielen Trades während des Tages nutzen Managed Volatility Strategien verwenden Futures und Terminkontrakte auf die Schaffung von niedrigen, aber stabilen, LIBOR-plus absolute Renditen konzentrieren, Erhöhung oder Verringerung der Anzahl der Verträge dynamisch als Die zugrunde liegenden Volatilitäten der Aktien-, Anleihe - und anderen Märkte verschieben sich. Managed Volatility Strategies haben in der Popularität in den letzten Jahren aufgrund der jüngsten Instabilität der beiden Aktien-und Anleihenmärkte gewonnen. LarrWhat ist ein quantitatives Hedge Fund Top Quantitative Hedge FundsrarrQuant Strategien - sind sie für Sie Quantitative Anlagestrategien haben sich zu sehr komplexen Werkzeugen mit dem Aufkommen moderner Computer entwickelt, aber die Strategien Wurzeln gehen über 70 Jahre zurück. Sie werden in der Regel von hochgebildeten Teams geführt und verwenden proprietäre Modelle, um ihre Fähigkeit zu erhöhen, den Markt zu schlagen. Es gibt sogar off-the-shelf Programme, die Plug-and-Play für diejenigen sind, die Einfachheit suchen. Quant-Modelle funktionieren immer gut, wenn sie zurück getestet wurden, aber ihre tatsächlichen Anwendungen und Erfolgsquoten sind umstritten. Während sie in den Bullenmärkten gut funktionieren scheinen. Wenn die Märkte haywire gehen, werden Quant Strategien den gleichen Risiken ausgesetzt wie jede andere Strategie. Die Geschichte Einer der Gründungsväter der Studie der quantitativen Theorie, die auf die Finanzierung angewendet wurde, war Robert Merton. Man kann sich nur vorstellen, wie schwierig und zeitaufwendig der Prozess vor dem Gebrauch von Computern war. Andere Theorien in der Finanzierung entwickelten sich auch aus einigen der ersten quantitativen Studien, einschließlich der Basis der Portfolio-Diversifizierung auf der Grundlage der modernen Portfolio-Theorie. Die Verwendung von quantitativen Finanzen und Kalkül führte zu vielen anderen gemeinsamen Tools, darunter eine der bekanntesten, die Black-Scholes Option Preisformel, die nicht nur Investoren Preis Optionen und Strategien zu entwickeln, sondern hilft, die Märkte in Schach mit Liquidität zu halten. Bei der direkten Portfoliomanagement. Das Ziel ist wie jede andere Anlagestrategie. Um Wert, Alpha oder Überschuss zurückzugeben. Quants, wie die Entwickler genannt werden, komponieren komplexe mathematische Modelle, um Investitionsmöglichkeiten zu erkennen. Es gibt so viele Modelle da draußen wie Quants, die sie entwickeln, und alle behaupten, die besten zu sein. Eines der Quant-Investment-Strategien Best-Selling-Punkte ist, dass das Modell, und letztlich der Computer, macht die eigentliche Buysell Entscheidung, nicht ein Mensch. Dies neigt dazu, jede emotionale Reaktion zu entfernen, die eine Person beim Kauf oder Verkauf von Investitionen erleben kann. Quant-Strategien werden nun in der Investitionsgemeinschaft akzeptiert und werden durch Investmentfonds, Hedgefonds und institutionelle Investoren geführt. Sie gehen in der Regel durch den Namen Alpha-Generatoren. Oder alpha gens Hinter dem Vorhang Wie im Zauberer von Oz ist jemand hinter dem Vorhang, der den Prozess antreibt. Wie bei jedem Modell ist es nur so gut wie der Mensch, der das Programm entwickelt. Zwar gibt es keine spezifische Anforderung, um ein Quant zu werden, die meisten Firmen, die Quant-Modelle betreiben, kombinieren die Fähigkeiten von Investment-Analysten, Statistiker und die Programmierer, die den Prozess in den Computern kodieren. Aufgrund der komplexen Natur der mathematischen und statistischen Modelle, ihre gemeinsame zu sehen, Anmeldeinformationen wie Graduate Grad und Doktoranden in Finanzen, Wirtschaft, Mathematik und Ingenieurwesen zu sehen. Historisch gesehen arbeiteten diese Teammitglieder in den Backoffices. Aber da Quellmodelle immer häufiger wurden, geht das Backoffice zum Frontbüro. Vorteile von Quant-Strategien Während die allgemeine Erfolgsquote umstritten ist, ist der Grund, warum einige Quant-Strategien funktionieren, dass sie auf Disziplin basieren. Wenn das Modell richtig ist, hält die Disziplin die Strategie, mit Blitzschnellcomputern zu arbeiten, um Ineffizienzen in den Märkten auf der Grundlage quantitativer Daten auszunutzen. Die Modelle selbst können auf so wenig wie einige Verhältnisse wie PE basieren. Schulden auf Eigenkapital und Ergebniswachstum oder Tausende von Inputs zur gleichen Zeit zusammenarbeiten. Erfolgreiche Strategien können sich in Trends in ihren frühen Stadien abholen, da die Computer ständig Szenarien laufen, um Ineffizienzen zu lokalisieren, bevor andere es tun. Die Modelle sind in der Lage, eine sehr große Gruppe von Investitionen gleichzeitig zu analysieren, wo der traditionelle Analytiker nur einige auf einmal betrachten kann. Der Screening-Prozess kann das Universum nach Klassenstufen wie 1-5 oder A-F je nach Modell bewerten. Dies macht den eigentlichen Handelsprozess sehr einfach, indem er in die hoch bewerteten Investitionen investiert und die niedrig bewerteten verkauft. Quant-Modelle eröffnen auch Variationen von Strategien wie Long, Short und Longshort. Erfolgreiche Mengenfonds halten die Risikokontrolle aufgrund der Art ihrer Modelle im Blick. Die meisten Strategien beginnen mit einem Universum oder Benchmark und nutzen Sektor und Industrie Gewichtungen in ihren Modellen. Damit können die Mittel die Diversifikation bis zu einem gewissen Grad kontrollieren, ohne das Modell selbst zu beeinträchtigen. Quant-Fonds laufen in der Regel auf einer niedrigeren Kostenbasis, weil sie nicht so viele traditionelle Analytiker und Portfoliomanager brauchen, um sie zu führen. Nachteile von Quant Strategies Es gibt Gründe, warum so viele Investoren nicht vollständig umarmen das Konzept der Vermietung einer Black Box laufen ihre Investitionen. Für alle erfolgreichen quant Fonds da draußen, so viele scheinen nicht erfolgreich zu sein. Leider für die Quants Reputation, wenn sie scheitern, sie scheitern große Zeit. Long-Term Capital Management war eines der bekanntesten Quoten-Hedge-Fonds, wie es von einigen der angesehensten akademischen Führer und zwei Nobel Memorial Preisträger Ökonomen Myron S. Scholes und Robert C. Merton geführt wurde. In den 1990er Jahren erzielte ihr Team überdurchschnittliche Renditen und zog Kapital von allen Investoren an. Sie waren berühmt dafür, dass sie nicht nur Ineffizienzen ausnutzen, sondern auch einen leichten Zugang zu Kapital nutzen, um enorme gehebelte Wetten auf Marktanweisungen zu schaffen. Die disziplinierte Natur ihrer Strategie schuf tatsächlich die Schwäche, die zu ihrem Zusammenbruch führte. Langfristiges Kapitalmanagement wurde im Frühjahr 2000 liquidiert und aufgelöst. Seine Modelle enthielten nicht die Möglichkeit, dass die russische Regierung auf einige ihrer eigenen Schulden verstoßen könnte. Diese ein Ereignis ausgelöst Ereignisse und eine Kettenreaktion vergrößert durch Leverage-verursachte Chaos. LTCM war so stark mit anderen Investitionsvorgängen beschäftigt, dass sein Zusammenbruch die Weltmärkte beeinflusste und dramatische Ereignisse auslöste. Auf lange Sicht trat die Federal Reserve ein, um zu helfen, und andere Banken und Investmentfonds unterstützten LTCM, um weitere Schäden zu vermeiden. Dies ist einer der Gründe, warum quant Fonds fehlschlagen können, da sie auf historischen Ereignissen basieren, die keine zukünftigen Ereignisse beinhalten können. Während ein starkes Quant-Team ständig neue Aspekte der Modelle hinzufügt, um zukünftige Ereignisse vorherzusagen, ist es unmöglich, die Zukunft jedes Mal vorherzusagen. Quant-Fonds können auch überwältigt werden, wenn die Wirtschaft und die Märkte eine überdurchschnittliche Volatilität erfahren. Die Kauf - und Verkaufssignale können so schnell kommen, dass der hohe Umsatz hohe Provisionen und steuerpflichtige Ereignisse schaffen kann. Quant-Fonds können auch eine Gefahr darstellen, wenn sie als Bärensicherheit vermarktet werden oder auf kurzen Strategien basieren. Vorhersage von Abschwüngen. Mit Derivaten und Kombination von Hebelwirkung kann gefährlich sein. Eine falsche Wendung kann zu Implosionen führen, die oft die Neuigkeiten machen. Die Bottom Line Quantitative Anlagestrategien haben sich von Backoffice Black Boxen zu Mainstream Investment Tools entwickelt. Sie sind entworfen, um die besten Köpfe in der Wirtschaft und die schnellsten Computer zu nutzen, um Ineffizienzen zu nutzen und nutzen Hebel, um Marktwetten zu machen. Sie können sehr erfolgreich sein, wenn die Modelle alle richtigen Eingaben enthalten haben und sind flink genug, um abnorme Marktereignisse vorherzusagen. Auf der Flip-Seite, während Quant-Fonds rigoros zurück getestet werden, bis sie arbeiten, ihre Schwäche ist, dass sie sich auf historische Daten für ihren Erfolg verlassen. Während die Quant-Style-Investition ihren Platz auf dem Markt hat, ist es wichtig, sich ihrer Mängel und Risiken bewusst zu sein. Im Einklang mit Diversifizierungsstrategien sein. Es ist eine gute Idee, Quant-Strategien als Investitionsstil zu behandeln und mit traditionellen Strategien zu kombinieren, um eine ordnungsgemäße Diversifizierung zu erreichen. Artikel 50 ist eine Verhandlungs - und Vergleichsklausel im EU-Vertrag, in der die für jedes Land zu ergreifenden Maßnahmen umrissen werden. Beta ist ein Maß für die Volatilität oder das systematische Risiko eines Wertpapiers oder eines Portfolios im Vergleich zum Gesamtmarkt. Eine Art von Steuern, die auf Kapitalgewinne von Einzelpersonen und Kapitalgesellschaften angefallen sind. Kapitalgewinne sind die Gewinne, die ein Investor ist. Ein Auftrag, eine Sicherheit bei oder unter einem bestimmten Preis zu erwerben. Ein Kauflimitauftrag erlaubt es Händlern und Anlegern zu spezifizieren. Eine IRS-Regel (Internal Revenue Service), die strafrechtliche Abhebungen von einem IRA-Konto ermöglicht. Die Regel verlangt das. Der erste Verkauf von Aktien von einem privaten Unternehmen an die Öffentlichkeit. IPOs werden oft von kleineren, jüngeren Unternehmen ausgesucht, die den. Quantitative Trading suchen. Was ist Quantitative Trading Quantitative Trading besteht aus Handelsstrategien, die auf quantitativer Analyse basieren. Die sich auf mathematische Berechnungen und Zahlenknirschen verlassen, um Handelsmöglichkeiten zu identifizieren. Da der quantitative Handel in der Regel von Finanzinstituten und Hedgefonds genutzt wird. Die Transaktionen sind in der Regel groß und können den Kauf und Verkauf von Hunderten von Tausenden von Aktien und anderen Wertpapieren beinhalten. Allerdings wird der quantitative Handel immer häufiger von einzelnen Investoren genutzt. BREAKING DOWN Quantitative Trading Preis und Volumen sind zwei der häufigsten Dateneingaben, die in der quantitativen Analyse als Haupteingaben für mathematische Modelle verwendet werden. Quantitative Handelstechniken umfassen Hochfrequenzhandel. Algorithmischer Handel und statistischer Arbitrage. Diese Techniken sind schnell-Feuer und haben in der Regel kurzfristige Anlagehorizonte. Viele quantitative Händler sind mit quantitativen Werkzeugen vertraut, wie z. B. gleitende Mittelwerte und Oszillatoren. Verständnis von quantitativen Trading Quantitative Trader nutzen die moderne Technologie, Mathematik und die Verfügbarkeit umfangreicher Datenbanken für rationale Handelsentscheidungen. Quantitative Händler nehmen eine Trading-Technik und erstellen ein Modell davon mit Mathematik, und dann entwickeln sie ein Computer-Programm, das das Modell auf historische Marktdaten anwendet. Das Modell wird dann zurückversetzt und optimiert. Wenn günstige Ergebnisse erzielt werden, wird das System dann in Echtzeitmärkten mit echtem Kapital umgesetzt. Die Art und Weise, wie quantitative Handelsmodelle funktionieren, lässt sich am besten mit einer Analogie beschreiben. Betrachten Sie einen Wetterbericht, in dem der Meteorologe eine 90 Chance des Regens prognostiziert, während die Sonne scheint. Der Meteorologe leitet diese kontraintuitive Schlussfolgerung durch das Sammeln und Analysieren von Klimadaten von Sensoren im gesamten Gebiet ab. Eine computergestützte quantitative Analyse zeigt spezifische Muster in den Daten. Wenn diese Muster mit den gleichen Mustern verglichen werden, die in historischen Klimadaten (Backtesting) und 90 von 100 Mal das Ergebnis regen, dann kann der Meteorologe die Schlussfolgerung mit Vertrauen, daher die 90 Prognose ziehen. Quantitative Händler wenden diesen Prozess auf den Finanzmarkt an, um Handelsentscheidungen zu treffen. Vor - und Nachteile des quantitativen Handels Das Ziel des Handels ist es, die optimale Wahrscheinlichkeit eines rentablen Handels zu berechnen. Ein typischer Trader kann die Entscheidungen über eine begrenzte Anzahl von Wertpapieren effektiv überwachen, analysieren und handeln, bevor die Menge der eingehenden Daten den Entscheidungsprozess überwältigt. Die Verwendung von quantitativen Handelstechniken beleuchtet diese Grenze durch die Verwendung von Computern zur Automatisierung der Monitoring-, Analyse - und Handelsentscheidungen. Überwindung von Emotionen ist eines der allgegenwärtigsten Probleme mit dem Handel. Sei es Angst oder Gier, beim Trading dient Emotionen nur dazu, das rationale Denken zu ersticken, was in der Regel zu Verlusten führt. Computer und Mathematik besitzen keine Emotionen, so dass der quantitative Handel dieses Problem beseitigt. Der quantitative Handel hat seine Probleme. Finanzmärkte sind einige der dynamischsten Einheiten, die existieren. Daher müssen quantitative Handelsmodelle so dynamisch sein, dass sie konsequent erfolgreich sind. Viele quantitative Händler entwickeln Modelle, die vorübergehend für die Marktbedingung rentabel sind, für die sie entwickelt wurden, aber sie scheitern letztlich, wenn sich die Marktbedingungen ändern. Kategorie Archive: Trading-Strategie Ich kam über diese Video-Serie über das Wochenende, ein Option Trader diskutiert, wie er handelt Credit Spreads (vor allem für mittlere Reversion). Die meisten von Ihnen werden mit Bollinger-Bands als eine gemeinsame mittlere Reversion-Strategie vertraut sein, im Wesentlichen nehmen Sie den gleitenden Durchschnitt und bewegte Standardabweichung der Aktie. Sie zeichnen dann auf den Plan den gleitenden Durchschnitt und eine obere und untere Bande (gleitende durchschnittliche - nordard Abweichungen). Es wird davon ausgegangen, dass der Preis auf den gleitenden Durchschnitt zurückgehen wird, daher ist jeder Preis auf die Bands ein guter Einstiegspunkt. Ein gemeinsames Problem bei dieser Strategie ist, dass der gleitende Durchschnitt ein LAGGING-Indikator ist und oft sehr langsam ist, um die Preisbewegungen zu verfolgen, wenn eine lange Rückblickperiode verwendet wird. Video 1 präsentiert eine Technik namens 8220lineare Regressionskurven8221 etwa 10 Minuten in. Lineare Regressionskurven zielen darauf ab, das Problem des gleitenden Durchschnittes zu lösen, um den Preis zu verfolgen. Lineare Regressionskurve vs Simple Moving Average Sehen Sie, wie eng die blaue lineare Regressionskurve dem engen Preis folgt, it8217s deutlich schneller, um Windungen auf dem Markt zu identifizieren, wo der einfache gleitende Durchschnitt einen erheblichen Tracking-Fehler aufweist. Die MSE könnte genommen werden, um die Dichtheit zu quantifizieren. So berechnen Sie die lineare Regressionskurve: In diesem Beispiel haben Sie 100 Schlusskurse für Ihre Bestände. Bar 1 ist der älteste Preis, Bar 100 ist der aktuellste Preis. Wir verwenden eine 20-Tage-Regression. 1. Nehmen Sie die Preise 1-20 und ziehen Sie die Linie der besten fit durch sie 2. Am Ende Ihrer besten Passform (so Bar 20), ziehen Sie einen kleinen Kreis 3. Nehmen Sie die Preise 2-21 und ziehen Sie die Linie der besten fit Durch sie 4. Am Ende deiner besten Passform (also Bar 21) zeichne einen kleinen Kreis 5. Wiederholen Sie sich bis zu Bar 100 6. Verbinden Sie alle Ihre kleinen Kreise, das ist Ihre 8216lineare Regressionskurve8217 So in einer Nußschale, die Sie einfach an der Enden einer rollenden linearen Regression. Dieser Beitrag schaut, um zu prüfen, ob die wohlbekannte Phrase 8220 je höher das Risiko, desto höher die Belohnung8221 gilt für die FTSE 100 Bestandteile. Zahlreiche Modelle haben versucht, Risiko-Belohnungs-Metriken zu erfassen, das bekannteste ist das Capital Allocation Pricing Model (CAPM). CAPM versucht, die Rendite einer Investition zu quantifizieren, die ein Investor erhalten muss, um das Risiko, das sie ergriffen haben, angemessen zu kompensieren. Der untenstehende Code berechnet die rollende Standardabweichung der Renditen, 8216das Risiko8217, für die FTSE 100 Bestandteile. Es gruppiert dann die Bestände in Quartile durch diese Risiko-Metrik, die Gruppen werden täglich aktualisiert. Quartile 1 ist die niedrigste Volatilität Aktien, Quartil 2 die höchste. Für jeden Quartil wird ein gleich gewichteter (amt) Index angelegt. Nach der obigen Theorie sollte Q4 (high vol) die höchsten kumulativen Renditen erzeugen. Bei einem 1-Monats-Rückblick auf die Stdev-Berechnung gibt es einen deutlichen Gewinnindex, den niedrigsten Vol-Index (schwarz). Interessanterweise ist der 2. beste Index der höchste vol Index (blau). Die obige Grafik wird mit arithmetischen Renditen berechnet. Bei einem längeren Rückblick von 250 Tagen, einem Handelsjahr, ist der höchste Vol-Index der beste Performer und der niedrigste Vol-Index der schlechteste Performer. Für kurzer Rückblick (30days) Low Vol Index war der beste Performer Für lange Rückblick (250days) High Vol Index war der beste Performer Eine mögliche Erklärung (ungetestet) ist, dass für einen kurzen Rückblick die Volatilität Risiko Metrik ist empfindlicher auf Bewegungen in der Aktie Und damit auf eine Nachricht Ankündigung Einnahmen der Aktie hat eine höhere Wahrscheinlichkeit zu bewegen von it8217s aktuellen Index in einen höheren vol Index. Vielleicht ist es nicht unvernünftig, davon auszugehen, dass der hohe vol-Index nur die Aktien enthält, die eine kürzliche Ankündigung vorübergehender Volatilität hatten und sich in einer Periode der Konsolidierung oder einer mittleren Reversion befinden. Oder um einen weiteren Weg für kurze Rückblicke zu geben, enthält der hohe vol-Index die Bestände, die dauerhaft hochvolumig sind, während bei langen Rückschlägen temporäre Vol-Abweichungen geglättet werden. Im Folgenden sind die gleichen Charts wie oben, aber für geometrische Renditen.
No comments:
Post a Comment