Doppio TM slancio, come i vantaggi di slancio investire diventano più ampiamente conosciuto, non vi è naturalmente più ricerca che viene fatta ad esplorare il suo potenziale. Alcuni di tale ricerca, come ad esempio il Moskowitz, Ooi, e Momentum Pedersen carta Time Series, è stata eccellente. Noi preferiamo sottolineare e discutere le cose positive del genere, ma dal momento che questo è un blog su quantità di moto, ci sentiamo il dovere di parlare anche di prodotti di moto e di ricerca che possono essere un po 'fuori di base (vedi qui Viene Market Neutral Momentum8230sort di). Alla fine dello scorso anno, Keller e van Putten ha pubblicato un documento chiamato Momentum generalizzato e Asset Allocation flessibile. Gli autori hanno applicato slancio assoluta e relativa per i primi 3 di 7 attivi utilizzando i dati dal 1998 al 2012. Essi hanno sviluppato i loro parametri di 8 anni di dati a partire dal 2005 fino al 2012, e indicano che convalidati i risultati di 7 anni di dati aggiuntivi dal 1998 al 2004.They chiamano questo una validazione out-of-campione, ma accennano altrove nella loro carta che hanno determinato l'aspetto posteriore periodo e numero di fondi per investire in, cercando in un arco più lungo di dati che comprende l'intero 1998 al periodo dal 2012 . Per dividere una modesta quantità di dati a metà e chiamare parte un test out-of-campione non è corretta. Dati snooping pregiudizi e il modello over-fitting sono anche pratiche comuni tra i praticanti. Per quanto riguarda i risultati, otto anni di dati è un campione molto piccolo per determinare parametri del modello di investimento. I loro risultati su più di 7 anni di dati possono sembrare decente, perché il momento è così robusto che la maggior parte dei parametri oltre un certo intervallo funzionano OK. Tuttavia, di nuovo test su otto anni di dati non può dare quello che sono veramente i migliori valori di parametro. Altrove, la carta autori può essere piuttosto confusa. Ecco un esempio, a volte il nostro slancio relativo si chiama forza relativa (RS, vedi Faber 2010) o serie temporali di moto (vedi Thomas 2012). Ci sarà anche sfruttare lo slancio di ritorno termine per contrastare meglio con volatilità e slancio correlazione. quantità di moto di serie storiche è diverso dal moto relativo (vedi il mio post Whatchmacallit). Inoltre, ciò che essi chiamano la volatilità e l'impulso di correlazione non ha nulla a che fare con slancio. Lo slancio è sulla selezione di beni sulla base di persistenza nella loro performance, sia contro i loro coetanei (quantità di moto relativo) o contro se stessi nel corso del tempo (momentum assoluto). Questo non ha senso rispetto alla volatilità o della correlazione. Gli autori utilizzano effettivamente la volatilità e correlazione come fattori di posizionamento. Fanno lo stesso con i ritorni, ma dopo che selezionano utilizzando slancio relativa e assoluta. Gli autori finiscono per beni di rango con pesi arbitrari di 1.0, 0.5, e 0.5 per lo slancio di ritorno, la volatilità e correlazione, rispettivamente. Essi non spiegano come si avvicinò con queste ponderazioni. Sarei cauto utilizzando le informazioni in questo documento senza fare molto più analisi e test di nuovo. Time Series Momentum Versus Moving Regole media di trading, da Marshall, Nguyen e Visaltanachoti è un documento accademico che tenta di determinare se a lungo solo le regole di trading slancio battere in movimento regole di negoziazione medi comparabili. Lo fanno mettendo a confronto slancio assoluto (che chiamano slancio serie storica) per paragonabile (secondo loro) medie mobili di quintili sulla base di ampiezza degli Stati Uniti con 10, 50, 100, e 200 periodi sguardo-back giorno di negoziazione. Essi hanno fiducia nei loro confronti, perché le loro correlazioni tra slancio e movimento rendimenti medi sono generalmente al di sopra di 0,8. Tuttavia, questo può avere qualcosa a che fare con il loro uso di tutti i giorni, piuttosto che mensile, i dati di ritorno. Poiché il momento è un'anomalia intermedio termine, la maggior parte dei ricercatori studiano utilizzando rendimenti mensili. Otteniamo le correlazioni che vanno 0,45-0,47 quando si confrontano i rendimenti mensili di 12 mesi di moto assoluto ad una serie di 4 a 32 mesi in movimento rendimenti medi mensili del mercato azionario degli Stati Uniti negli ultimi 38 anni. Usiamo una vasta gamma di movimento lunghezza media, perché non si può semplicemente utilizzare lo stesso periodo di look-retro per slancio e medie mobili e si aspettano risultati comparabili. Gli autori suggeriscono questo se stessi quando si dice che le medie mobili entrano e le scorte di uscita prima. Il loro documento identifica anche i periodi medi di detenzione per gli intervalli sguardo-back di 10, 50, 100 e 200 giorni di negoziazione a 8, 22, 31 e 47 giorni per spostare le regole medie, e 10, 32, 46 e 83 giorni per le regole slancio. le voci più rapida e uscite con medie mobili significa che la loro lunghezza deve essere più lungo se uno si aspetta le loro prestazioni da abbinare con le prestazioni di moto assoluto. La scelta dello stesso periodo sguardo-back non ha slancio assoluto e medie mobili comparabili. Un vecchio adagio investimento è che le medie mobili dovrebbero essere tracciate metà della loro lunghezza dietro il prezzo corrente su un grafico azionario. A lag metà campata significa che il periodo di look-indietro per una media mobile sarebbe due volte più lungo del periodo di look-retro per slancio affinché il due ad essere meno comparabili. La seguente tabella dovrebbe chiarire questo punto. Consente di misurare moto assoluto dal punto medio della linea al 30 al punto finale 50. slancio Absolute misura la differenza tra il valore iniziale e finale, che in questo caso è 20. Il movimento calcolato valore medio dall'inizio del 30 alla fine 50 è 40. la differenza tra il valore medio commovente di 40 ed il valore finale di 50 è solo 10, che indica una tendenza più debole di quanto identificati usando slancio assoluto. Tuttavia, se si parte nostra media mobile doppio fin nel punto 10, il valore di media mobile calcolata diventa 30 invece di 40, e la differenza tra questo e il valore finale è ora 20, la stessa con moto assoluto. I numeri non sempre funzionano esattamente in questo modo. Il movimento periodo di sguardo-back media equivalente dipende l'azione dei prezzi per tutta la lunghezza della media mobile. Tuttavia, è sicuro di dire che l'utilizzo di due volte il periodo di look-retro slancio assoluto ci dà un movimento lunghezza media migliore equivalente. Possiamo vedere che nel Pannello di D dalla tabella 2 della carta: Time-Series Momentum e analisi tecnica delle prestazioni e Confronto Q1 (Small) Q2 Q3 Q4 Q5 (Large) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Pannello D: indice di Sharpe 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Le scorte sono di dimensioni basata su quintili da Q1 (piccolo) a Q5 (grande). periodi di look-back da 10 a 200 giorni sono nella prima colonna. Leggendo tra le righe, i rapporti di Sharpe sono per media mobile (MA) e le strategie di moto assoluto (TSMOM) utilizzando lo stesso periodo di look-indietro. Vediamo, che ad eccezione di Q5 (grande), se ci spostiamo le strategie MA di un livello in modo che i loro periodi sguardo-back sono due volte più a lungo (o più a lungo quando si passa da 50 a 10), mentre i periodi TSMOM sguardo-back, abbiamo ottenere una corrispondenza quasi esatta dei rapporti Sharpe. Sulla base di utilizzo di tali periodi spostato guardare-back che rendono le strategie di MA e TSMOM più o meno equivalente, non si può più dire che le regole portafoglio-temporali basate su medie mobili superano chiaramente le loro controparti di moto assoluto. Per confrontare slancio assoluto di spostare le regole medio di scambi, si dovrebbe verificare un intervallo di valori per ciascuna. Abbiamo fatto questo ed ha trovato che i parametri di moto più performanti applicati alle diverse attività e periodi di tempo differenti hanno meno dispersione che il meglio performante media mobile TM parameters. Dual Momentum Come i vantaggi di investire slancio diventare più ampiamente noti, vi è naturalmente più essere la ricerca fatto per esplorare il suo potenziale. Alcuni di tale ricerca, come ad esempio il Moskowitz, Ooi, e Momentum Pedersen carta Time Series, è stata eccellente. Noi preferiamo sottolineare e discutere le cose positive del genere, ma dal momento che questo è un blog su quantità di moto, ci sentiamo il dovere di parlare anche di prodotti di moto e di ricerca che possono essere un po 'fuori di base (vedi qui Viene Market Neutral Momentum8230sort di). Alla fine dello scorso anno, Keller e van Putten ha pubblicato un documento chiamato Momentum generalizzato e Asset Allocation flessibile. Gli autori hanno applicato slancio assoluta e relativa per i primi 3 di 7 attivi utilizzando i dati dal 1998 al 2012. Essi hanno sviluppato i loro parametri di 8 anni di dati a partire dal 2005 fino al 2012, e indicano che convalidati i risultati di 7 anni di dati aggiuntivi dal 1998 al 2004.They chiamano questo una validazione out-of-campione, ma accennano altrove nella loro carta che hanno determinato l'aspetto posteriore periodo e numero di fondi per investire in, cercando in un arco più lungo di dati che comprende l'intero 1998 al periodo dal 2012 . Per dividere una modesta quantità di dati a metà e chiamare parte un test out-of-campione non è corretta. Dati snooping pregiudizi e il modello over-fitting sono anche pratiche comuni tra i praticanti. Per quanto riguarda i risultati, otto anni di dati è un campione molto piccolo per determinare parametri del modello di investimento. I loro risultati su più di 7 anni di dati possono sembrare decente, perché il momento è così robusto che la maggior parte dei parametri oltre un certo intervallo funzionano OK. Tuttavia, di nuovo test su otto anni di dati non può dare quello che sono veramente i migliori valori di parametro. Altrove, la carta autori può essere piuttosto confusa. Ecco un esempio, a volte il nostro slancio relativo si chiama forza relativa (RS, vedi Faber 2010) o serie temporali di moto (vedi Thomas 2012). Ci sarà anche sfruttare lo slancio di ritorno termine per contrastare meglio con volatilità e slancio correlazione. quantità di moto di serie storiche è diverso dal moto relativo (vedi il mio post Whatchmacallit). Inoltre, ciò che essi chiamano la volatilità e l'impulso di correlazione non ha nulla a che fare con slancio. Lo slancio è sulla selezione di beni sulla base di persistenza nella loro performance, sia contro i loro coetanei (quantità di moto relativo) o contro se stessi nel corso del tempo (momentum assoluto). Questo non ha senso rispetto alla volatilità o della correlazione. Gli autori utilizzano effettivamente la volatilità e correlazione come fattori di posizionamento. Fanno lo stesso con i ritorni, ma dopo che selezionano utilizzando slancio relativa e assoluta. Gli autori finiscono per beni di rango con pesi arbitrari di 1.0, 0.5, e 0.5 per lo slancio di ritorno, la volatilità e correlazione, rispettivamente. Essi non spiegano come si avvicinò con queste ponderazioni. Sarei cauto utilizzando le informazioni in questo documento senza fare molto più analisi e test di nuovo. Time Series Momentum Versus Moving Regole media di trading, da Marshall, Nguyen e Visaltanachoti è un documento accademico che tenta di determinare se a lungo solo le regole di trading slancio battere in movimento regole di negoziazione medi comparabili. Lo fanno mettendo a confronto slancio assoluto (che chiamano slancio serie storica) per paragonabile (secondo loro) medie mobili di quintili sulla base di ampiezza degli Stati Uniti con 10, 50, 100, e 200 periodi sguardo-back giorno di negoziazione. Essi hanno fiducia nei loro confronti, perché le loro correlazioni tra slancio e movimento rendimenti medi sono generalmente al di sopra di 0,8. Tuttavia, questo può avere qualcosa a che fare con il loro uso di tutti i giorni, piuttosto che mensile, i dati di ritorno. Poiché il momento è un'anomalia intermedio termine, la maggior parte dei ricercatori studiano utilizzando rendimenti mensili. Otteniamo le correlazioni che vanno 0,45-0,47 quando si confrontano i rendimenti mensili di 12 mesi di moto assoluto ad una serie di 4 a 32 mesi in movimento rendimenti medi mensili del mercato azionario degli Stati Uniti negli ultimi 38 anni. Usiamo una vasta gamma di movimento lunghezza media, perché non si può semplicemente utilizzare lo stesso periodo di look-retro per slancio e medie mobili e si aspettano risultati comparabili. Gli autori suggeriscono questo se stessi quando si dice che le medie mobili entrano e le scorte di uscita prima. Il loro documento identifica anche i periodi medi di detenzione per gli intervalli sguardo-back di 10, 50, 100 e 200 giorni di negoziazione a 8, 22, 31 e 47 giorni per spostare le regole medie, e 10, 32, 46 e 83 giorni per le regole slancio. le voci più rapida e uscite con medie mobili significa che la loro lunghezza deve essere più lungo se uno si aspetta le loro prestazioni da abbinare con le prestazioni di moto assoluto. La scelta dello stesso periodo sguardo-back non ha slancio assoluto e medie mobili comparabili. Un vecchio adagio investimento è che le medie mobili dovrebbero essere tracciate metà della loro lunghezza dietro il prezzo corrente su un grafico azionario. A lag metà campata significa che il periodo di look-indietro per una media mobile sarebbe due volte più lungo del periodo di look-retro per slancio affinché il due ad essere meno comparabili. La seguente tabella dovrebbe chiarire questo punto. Consente di misurare moto assoluto dal punto medio della linea al 30 al punto finale 50. slancio Absolute misura la differenza tra il valore iniziale e finale, che in questo caso è 20. Il movimento calcolato valore medio dall'inizio del 30 alla fine 50 è 40. la differenza tra il valore medio commovente di 40 ed il valore finale di 50 è solo 10, che indica una tendenza più debole di quanto identificati usando slancio assoluto. Tuttavia, se si parte nostra media mobile doppio fin nel punto 10, il valore di media mobile calcolata diventa 30 invece di 40, e la differenza tra questo e il valore finale è ora 20, la stessa con moto assoluto. I numeri non sempre funzionano esattamente in questo modo. Il movimento periodo di sguardo-back media equivalente dipende l'azione dei prezzi per tutta la lunghezza della media mobile. Tuttavia, è sicuro di dire che l'utilizzo di due volte il periodo di look-retro slancio assoluto ci dà un movimento lunghezza media migliore equivalente. Possiamo vedere che nel Pannello di D dalla tabella 2 della carta: Time-Series Momentum e analisi tecnica delle prestazioni e Confronto Q1 (Small) Q2 Q3 Q4 Q5 (Large) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Pannello D: indice di Sharpe 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 Le scorte sono di dimensioni basata su quintili da Q1 (piccolo) a Q5 (grande). periodi di look-back da 10 a 200 giorni sono nella prima colonna. Leggendo tra le righe, i rapporti di Sharpe sono per media mobile (MA) e le strategie di moto assoluto (TSMOM) utilizzando lo stesso periodo di look-indietro. Vediamo, che ad eccezione di Q5 (grande), se ci spostiamo le strategie MA di un livello in modo che i loro periodi sguardo-back sono due volte più a lungo (o più a lungo quando si passa da 50 a 10), mentre i periodi TSMOM sguardo-back, abbiamo ottenere una corrispondenza quasi esatta dei rapporti Sharpe. Sulla base di utilizzo di tali periodi spostato guardare-back che rendono le strategie di MA e TSMOM più o meno equivalente, non si può più dire che le regole portafoglio-temporali basate su medie mobili superano chiaramente le loro controparti di moto assoluto. Per confrontare slancio assoluto di spostare le regole medio di scambi, si dovrebbe verificare un intervallo di valori per ciascuna. Lo abbiamo fatto e ha scoperto che i migliori parametri di moto eseguendo applicati alle diverse attività e periodi di tempo diversi hanno una minore dispersione di le migliori prestazioni in movimento parametri medi. 9 Marzo 2013 C'è un nuovo documento di ricerca da Wes Gray e Jack Vogel che è interessante non solo per gli investitori slancio, ma a tutti gli investitori e ricercatori. La carta sta usando Massimo ribasso Cattura Tail rischio. In esso, Wes e Jack mostrano che le anomalie accademici, identificati da modelli fattore lineare (alfa), spesso non sono grandi strategie di trading. Wes e Jack selezionare anomalie longshort undici dalla letteratura accademica e dimostrano che un certo numero di loro, nonostante alfa positive e interessanti rapporti di Sharpe, mostrano molto grandi prelievi di credito che sarebbe probabilmente innescare richieste di margini e ritiri degli investitori in momenti inopportuni. Sei degli undici strategie hanno prelievi superiori a 50, con i tre peggiore è 86,1, 84,7 e 83,5. (Longshort magazzino di moto è quello con un 86 prelievo. Forse QuantShares dovrebbero riconsiderare la loro chiamando longshort slancio magazzino ETF, il mercato USA Neutral Fund Momentum). Alcuni ricercatori guardano il rapporto di Sortino, che divide l'eccesso di ritorno dalla variabilità lato negativo, piuttosto che la variabilità totale, come l'indice di Sharpe. Incorporando variabilità a testa può essere utile, tuttavia, soprattutto al momento di valutare le opportunità di investimento con volatilità negativa simile. Né il Sharpe, né il rapporto di Sortino considera la piena portata di esposizione lato negativo nell'estremo posteriore sinistra di una distribuzione. Wes e Jack dice che è importante per i ricercatori e gli investitori a prendere in considerazione il rischio di coda. Essi suggeriscono guardando la perdita massima picco-valle (drawdown) associata a una serie storica come un modo relativamente semplice per farlo. Hanno un video esplicativo sul loro blog chiavi in mano Analyst, insieme al codice di macro VBA di Excel e un foglio di calcolo per il calcolo max drawdown. (Ci sono altri buoni video anche lì, che mostra come utilizzare Excel per l'ottimizzazione della varianza media e come calcolare 3 o 4 fattore alfa.) Naturalmente, il massimo drawdown non è perfetto come una misura di rischio. Non è suscettibile di analisi tradizionali statistiche, come ad esempio gli intervalli di confidenza. (Data la natura stocastica dei mercati finanziari, l'analisi statistica tradizionale non può essere così accurato in ogni modo.) La massima perdita è dipendente dal tempo 8211 il più a lungo un track record, più è probabile che il massimo drawdown aumenterà. frequenza di prelievo, nonché grandezza, è anche importante. Inoltre, il massimo drawdown mostra solo un singolo evento passato che può essere un evento casuale e non essere rappresentativo di quello che il futuro può portare. Altri modi di guardare la coda tentativo rischio di affrontare queste preoccupazioni. valore condizionale a rischio (CVAR) cerca di mostrare ciò che un prelievo molto probabilmente simile dato un evento estremo. valore estremo teoria (EVT) cerca di identificare grandi deviazioni dalle mediane di distribuzioni di probabilità. Entrambi questi approcci sono computazionalmente impegnativo e raramente si trova nella letteratura di finanza. (Io ho usato per calcolare CVAR me stesso, ma didn8217t trovo come intuitivamente attraente come massima perdita.) Wes e Jack hanno fatto un servizio nel mostrare come i soliti modi di valutare opportunità di investimento, come ad esempio i rapporti alfa e Sharpe, possono essere gravemente carente. Né alfa, né la deviazione standard, né massimo drawdown, rappresentano una misura completa del rischio di investimento. La massima perdita è buona in quanto dà qualche indicazione di rischio coda estrema. Tuttavia, ho anche guardare più in generale alla strategia di prelievo contro benchmark prelievo sotto una varietà di condizioni avverse. Ho anche esaminare distanze interquartiliche e valori anomali estreme utilizzando i boxplot dei dati. Si può vedere tutti e quattro di questi metodi di lavoro nella mia carta doppia slancio. Spero che altri ricercatori prendono in presto e iniziare a presentare più di un semplice indice di Sharpe o alfa come la loro funzione obiettivo. Questi spesso significano poco da soli in termini di esposizione al rischio vero. rischio di coda è importante per gli investitori, e dovrebbe anche importare a researchers. The prestazioni nella vita reale di market timing con lo spostamento regole medi e di serie temporali di moto Cita questo articolo come: Zakamulin, V. J Asset Manag (2014) 15: 261 . doi: 10.1057jam.2014.25 In questo articolo, abbiamo rivisitare i miti per quanto riguarda le prestazioni superiori di strategie di market timing sulla base di regole in movimento media e di serie temporali di moto. Queste strategie di temporizzazione attivi sono molto attraente per gli investitori a causa della loro straordinaria semplicità e perché promettono notevoli vantaggi rispetto ai loro omologhi passiva. Tuttavia, il troppo bello per essere vero comunicato la performance di queste regole di market timing solleva una legittima preoccupazione sul fatto che questa performance è realistico e se gli investitori possono aspettarsi che le prestazioni futuro sarà la stessa della performance storiche documentate. Noi sosteniamo che le prestazioni riportato di strategie di market timing di solito contiene una notevole distorsione data-mining e ignora importanti frizioni di mercato. Per affrontare questi problemi, eseguiamo test di out-of-campione di questi due modelli di temporizzazione in cui ci conto dei costi di transazione realistici. I nostri risultati mostrano che la performance delle strategie di market timing è altamente sopravvalutata, per non dire altro. market timing analisi tecnica semplice media mobile di serie temporali slancio out-of-sample test Riferimenti Anderson, R. M. Bianchi, S. W. e Goldberg, L. R. (2012) La mia strategia di parità di rischio sovraperformare gli analisti finanziari Journal 68 (6): 7593. CrossRef Google Scholar Aronson, D. Evidence-based (2006) Analisi Tecnica: applicare il metodo scientifico ed illazione statistica di segnali di trading, New Jersey: John Wiley Sons amp. CrossRef Google Scholar Asness, c. s. Frazzini, A. e Pedersen, L. H. (2012) Leverage avversione al rischio e la parità. Gli analisti finanziari Journal 68 (1): 4759. CrossRef Google Scholar Bauer, R. J. e Dahlquist, J. R. (2001) di market timing e roulette. Gli analisti finanziari Journal 57 (1): 2840. CrossRef Google Scholar Berkowitz, S. A. Logue, D. E. e Noser, E. A. (1988) I costi totali delle operazioni sul NYSE. Journal of Finance 43 (1): 97112. CrossRef Google Scholar Bessembinder, H. (2003) Issues in valutazione dei costi di esecuzione delle negoziazioni. Journal of Financial Markets 6 (3): 233257. CrossRef Google Scholar Bodie, Z. Kane, A. e Marcus, A. J. (2007) Investimenti, New York: McGraw Hill. Google Scholar Brock, W. Lakonishok, J. e LeBaron, B. (1992) semplici regole di trading tecniche e le proprietà stocastiche dei rendimenti azionari. Journal of Finance 47 (5): 17311764. CrossRef Google Scholar Chakravarty, S. Sarkar, A. (2003), i costi di negoziazione in tre mercati obbligazionari degli Stati Uniti. Journal of Fixed Income 13 (1): 3948. CrossRef Google Scholar Chan, L. K.C. e Lakonishok, J. (1993) commerci istituzionali e comportamenti di prezzo delle azioni intraday. Journal of Financial Economics 33 (2): 173199. CrossRef Google Scholar Dermody, J. C. e Prisman, E. Z. (1993) N. di arbitraggio e di valutazione in mercati con costi di transazione realistici. Journal of finanziaria e analisi quantitativa 28 (1): 6580. CrossRef Google Scholar Edwards, A. K. Harris, L. E. e Piwowar, M. S. (2007) delle obbligazioni societarie dei costi di transazione di mercato e la trasparenza. Journal of Finance 62 (3): 14211451. CrossRef Google Scholar Faber, M. T. (2007) Un approccio quantitativo di asset allocation tattica. Journal of Wealth Management 9 (4): 6979. CrossRef Google Scholar Freyre-Sanders, A. Guobuzaite, R. e Byrne, K. (2004) Una revisione del modello dei costi di negoziazione: Riduzione dei costi di transazione. Journal of Investing 13 (3): 93116. CrossRef Google Scholar Gartley, H. M. (1935) I profitti in Borsa, Pomeroy (Washington): Lambert Gann Pub. Google Scholar Gwilym, O. Chiara, A. Seaton, J. e Thomas, S. (2010) del prezzo e quantità di moto come robusti approcci tattici a investire azionario globale. Journal of Investing 19 (3): 8091. CrossRef Google Scholar Hansen, P. R. e Timmermann, A. (2013) Scelta del campione Spalato in Out-of-campione Previsione di valutazione. Istituto Universitario Europeo, Stanford University e crea. Foglio di lavoro. Hudson, R. Dempsey, M. e Keasey, K. (1996) Una nota sul deboli efficienza sotto forma di mercati dei capitali: l'applicazione di semplici regole di negoziazione tecniche nel Regno Unito i prezzi delle azioni 1935 al 1994. Journal of Banking and Finance 20 (6 ): 11211132. CrossRef Google Scholar Jegadeesh, N. e Titman, S. (1993) Restituisce a comprare vincitori e vinti vendita: implicazioni per l'efficienza del mercato azionario. Journal of Finance 48 (1): 6591. CrossRef Google Scholar Kilgallen, T. (2012) Test della media mobile semplice attraverso materie prime, indici azionari globali e valute. Journal of Wealth Management 15 (1): 82100. CrossRef Google Scholar Knez, P. J. e Ready, M. J. (1996) stima i profitti derivanti da strategie di trading. Review of Financial Studies 9 (4): 11211163. CrossRef Google Scholar Lukac, L. P. e Brorsen, B. W. (1990) un test globale di squilibrio mercato dei futures. Financial Review 25 (4): 593622. CrossRef Google Scholar Lukac, L. P. Brorsen, B. W. e Irwin, S. H. (1988) Una prova di squilibrio mercato dei futures con dodici diversi sistemi commerciali tecnici. Economia Applicata 20 (5): 623639. CrossRef Google Scholar Marcellino, M. della, J. H. e Watson, P. M. (2006) Un confronto di metodi AR multistep diretti e iterata per la previsione di serie storiche macroeconomiche. Journal of Econometrics 135 (12): 499526. CrossRef Google Scholar Modigliani, F. Modigliani, L. (1997) prestazioni risk-adjusted. Journal of Portfolio Management 23 (2): 4554. CrossRef Google Scholar Moskowitz, T. J. Ooi, Y. H. e Pedersen, L. H. (2012) Serie slancio tempo. Journal of Financial Economics 104 (2): 228250. CrossRef Google Scholar Okunev, J. and White, D. (2003) Do strategie di momentum basata ancora lavorare in mercati di valuta estera ufficiale finanziaria e analisi quantitativa 38 (2): 425.447. CrossRef Google Scholar Park, C.-H. e Irwin, S. H. (2007) Che cosa sappiamo circa la redditività di analisi tecnica Journal of Economic Surveys 21 (4): 786826. CrossRef Google Scholar Pesaran, M. H. Pick, A. e Timmermann, A. (2011) Selezione delle variabili, la stima e l'inferenza per i problemi di previsione multi-periodo. Journal of Econometrics 164 (1): 173187. CrossRef Google Scholar Rossi, B. e Inoue, A. (2012) Out-of-campionari di previsione robusti alla scelta della dimensione della finestra. Journal of Business e Statistica Economica 30 (3): 432453. CrossRef Google Scholar Shin, S. e Soydemir, G. (2010) exchange-traded funds, la persistenza degli errori di monitoraggio e diffusione delle informazioni. Journal of Multinational Financial Management 20 (45): 214234. CrossRef Google Scholar Siegel, J. (2002) Azioni per il lungo termine, New York: McGraw-Hill Companies. Google Scholar Sortino, F. A. e prezzo, L. N. (1994) Misurazione della performance in un contesto rischio di ribasso. Ufficiale di investire il 3 (3): 5965. CrossRef Google Scholar Sullivan, R. Timmermann, A. e nero, H. (1999) Data-snooping, tecnico prestazioni regola il commercio, e il bootstrap. Journal of Finance 54 (5): 16471691. CrossRef Google Scholar Welch, I. e Goyal, A. (2008) una panoramica completa delle prestazioni empirica del premio azionario previsione. Review of Financial Studies 21 (4): 14551508. CrossRef Google Scholar Bianco, H. (2000) Un controllo di realtà per i dati di snooping. Econometrica 68 (5): 10971126. Informazioni CrossRef Google Scholar Copyright Palgrave Macmillan, una divisione di Macmillan Publishers Ltd 2014 Autori e affiliazioni Valeriy Zakamulin 1 Autore e-mail 1. School of Business and Law, Università di Agder Kristiansand in Norvegia su questo articolo
No comments:
Post a Comment