بازگشت حرکت سیگنال: یک استراتژی جدید که ارزش دنبال کردن دارد؟

تحقیقات گسترده ای از تحقیقات دانشگاهی در مورد حرکت به عنوان یک عامل توضیحی در سطح مقطع بازده وجود دارد ، با شروع مقاله منی در سال 1993 Narasimhan Jegadeesh و Sheridan Titman ، به خرید برندگان و فروش بازنده ها باز می گردد: پیامدهای مربوط به راندمان بورس اوراق بهادار ، منتشر شدهدر مجله امور مالی. این تحقیق شواهد قانع کننده ای را ارائه می دهد که ابزارهایی که عملکرد خوبی داشته اند (هر دو نسبتاً-حرکت مقطعی [CSM] و کاملاً-سریال زمان) در گذشته اخیر و فروش آنهایی که عملکرد ضعیفی دارند ، بازده غیرطبیعی را در کوتاه مدت ایجاد کرده استاجرا کن.

Fotis Papailias ، Jiadong Liu و Dimitrios Thomakos با ادبیات حرکت با حرکت سیگنال بازگشت خود ، که در شماره مارس 2021 مجله بانکی و دارایی منتشر شده است ، به ادبیات حرکت می کنند. آنها حرکت بازار مالی را بر اساس فراوانی علائم بازده گذشته ، که آنها را "حرکت سیگنال بازگشت" (RSM) نامیدند ، معرفی کردند. در حالی که نوعی حرکت سری زمانی (TSM) ، RSM از دو طریق متفاوت است: (1) هر یک از بازده ها را در دوره نگاه به عقب (به جای محاسبه کل بازده دوره مانند TSM) در نظر می گیرد ، و (2) بدون توجه به بزرگی آنها ، بر علائم بازده گذشته متمرکز است.

محققان عملکرد استراتژی های RSM را در 55 مورد از نقدینگی ترین کالاهای کالا و بازارهای آینده مالی جهان بررسی کردند (24 آینده کالا ، 9 آینده ارز برای نه کشور در برابر دلار آمریکا ، نه شاخص سهام کشورهای توسعه یافته و 13 اوراق قرضه دولتی برای ششکشورهای توسعه یافته با سررسید مختلف). اولین تاریخ شروع سال 1970 و آخرین سال 1990 بود. نمونه در سال 2015 به پایان رسید. سیگنال های موقعیت RSM زمانی تولید می شوند که میانگین وزنی به همان اندازه علائم برگشتی گذشته از آستانه احتمال خاص فراتر رود. نویسندگان خاطرنشان كردند كه یك استراتژی بصری استفاده از آستانه 0. 5 است - سیگنال طولانی ایجاد می شود كه كمتر از 50 درصد از بازده ها در 12 ماه گذشته مثبت باشد و اگر كمتر از 0. 5 باشد ، کوتاه می رود.

Papailias، Liu و Thomakos با استفاده از تکنیک اعتبارسنجی مدل معروف به "اعتبار متقابل" (گاهی اوقات به عنوان تخمین چرخشی یا آزمایش خارج از نمونه نامیده می شود) یک آستانه متغیر با زمان ایجاد کردند. و آستانه های ثابت را برای میانگین های 0. 2، 0. 3، 0. 4، 0. 5، 0. 6، 0. 7 و 0. 8 تجزیه و تحلیل کردند. دوره بازنگری مورد استفاده برای محاسبه RSM 12 ماه بود که سیگنال ها ماهانه بررسی می شد. در زیر خلاصه ای از یافته های آنها آمده است:

• 71 درصد از تمام دارایی های مورد بررسی، تخمین های خودهمبستگی بالاتری برای سیگنال های RSM نسبت به سیگنال های TSM داشتند.
• تداوم در رویکرد RSM بیشتر از رویکرد TSM است و بنابراین قابل پیش بینی تر است.
• RSM با وجود این واقعیت که 55 دارایی از طبقات مختلف دارایی هستند، ارتباط زیادی با شاخص بورس جهانی دارد. همچنین مربوط به TSM است.
• RSM نسبت به معیارهایی مانند استراتژی خرید و نگهداری، استراتژی میانگین متحرک قیمت ساده و استراتژی TSM، سودآوری برتر و ویژگی های ریسک پایین تری ایجاد می کند.
• زمانی که مقدار آستانه برای میانگین بزرگتر از 0. 5 نباشد، استراتژی های RSM بهتر از معیارها عمل می کنند.
• نسبت شارپ بهترین استراتژی RSM (آستانه 0. 4)، در 0. 0962، 21 درصد بهتر از TSM در 0. 792 بود.
• همه استراتژی های RSM با آستانه ثابت کمتر از 0. 5 با بازده سالانه حداقل برابر با 10 درصد (حداقل میانگین بازده ماهانه 0. 103)، با نوسانات کمتر یا مشابه با TSM همراه بودند. پورتفولیوهای RSM همچنین منجر به سود خالص تجمعی بزرگتر و حداکثر برداشت کوچکتر شدند که نشان دهنده ویژگی های ریسک/بازده مطلوب است. به طور خاص، سود خالص انباشته پرتفوی RSM 0. 4 تقریباً 18 درصد بیشتر از سود TSM بود و حداکثر کاهش (19. 5 درصد) تقریباً 44 درصد کمتر بود. نتایج زمانی که برآورد هزینه های معاملات را شامل می شد، سازگار بود.
• با کنترل TSM و CSM، اثر RSM از قسمت مقطعی مجموعه دارایی نمی آید، بلکه عمدتاً از قسمت سری زمانی می آید.
• استفاده از احتمال علائم مثبت بازده که شاخص مهمی از RSM است، تداوم کوتاه مدت قوی تر و معکوس بلندمدت را نشان می دهد.
• آستانه متغیر زمان به درستی شرایط بازار را ضبط می کند و این نشان می دهد که زمان بندی بهتری در بازار دارد. یک آستانه احتمال متغیر زمانی که مبتنی بر اعتبار سنجی متقابل است ، نشان می دهد که آستانه با بازار ارتباط منفی دارد. به طور خاص ، هنگامی که انتظارات بازار مثبت است ، آستانه متغیر زمان کاهش می یابد و به سرمایه گذار اجازه می دهد تا موقعیت های طولانی تری داشته باشد. هنگامی که شرایط بازار رو به وخامت می رود ، آستانه متغیر زمان افزایش می یابد و از سرمایه گذار در برابر پایین آمدن از آمدن محافظت می کند. با این حال ، آستانه ثابت 0. 4 نسبت شارپ بالاتر (0. 962 در مقابل 0. 916) و میانگین بازده ماهانه بالاتر (0. 119 در مقابل 0. 110) ، تقریباً با همان نوسانات ، و بازده تجمعی بسیار بالاتر (27. 164 در مقابل 21. 234) و حداکثر کاهش حداکثر پایین تر (19. 5 درصد در مقابل 26. 8 درصد).
• هرچه سیگنال قوی تر باشد (میانگین RSM بیشتر) ، وابستگی به عملکرد/علامت بیشتر می شود. با این حال ، هرچه نوسانات بیشتر باشد ، وابستگی عملکرد/علامت کمتر است.
• استراتژی های RSM و TSM در هنگام مقیاس بندی برای نوسانات بهتر از هنگام عدم موفقیت عمل کردند. دلیل این امر این است که پیش بینی علائم با نوسانات منفی است. بنابراین ، نیاز به وزن یک ابزار فردی متناسب با نوسانات آن می تواند عملکرد نمونه کارها را بیشتر بهبود بخشد.

یافته های آنها ، که از نظر آماری در سطح اطمینان 5 درصدی معنی دار بود ، باعث شد پاپیلیاها ، لیو و توماکو نتیجه بگیرند: "به طور کلی ، تحقیقات ما نشان می دهد که شرکت کنندگان در بازار می توانند با موفقیت RSM را به عنوان یک نوع جایگزین حرکت برای اهداف حدس و گمان و مدیریت ریسک استفاده کنند."

همانطور که نتایج آنها را در نظر می گیرید ، کلمات احتیاطی زیر ارائه می شود:

• اول ، نویسندگان هیچ T-Stats منتشر نکردند. بنابراین ، ما نمی دانیم که نتایج چقدر مهم بوده است.
• دوم ، هنگام بررسی یافته های تحقیقات دانشگاهی ، حتی از مقالات دارای نمونه های طولانی و بزرگ که شامل چندین کلاس دارایی (مانند 55 قرارداد آینده و چهار کلاس دارایی و 45 سال داده) است که خطرات داده های استخراج شده را به حداقل می رساند و به حداقل می رسدT-Stats چشمگیر ، مهم است که یک استراتژی همچنین دلایل بصری برای اعتقاد به استراتژی در آینده ادامه یابد. در این حالت ، من به این یافته اشاره می کنم که آستانه 0. 4 بهینه است. در حالی که یک آستانه 0. 5 بصری است ، هیچ دلیل شهودی برای این باور وجود ندارد که 0. 4 یا هر شکل دیگری بهینه تر باشد. با این گفته ، در مقایسه با آستانه 0. 4 ، نسبت شارپ استراتژی 0. 5 آستانه قوی 0. 88 (در مقابل 0. 962) بود ، میانگین بازده ماهانه آن 0. 103 (در مقابل 0. 119) بود ، و حداکثر کاهش آن عملاً یکسان بود (0. 190 در مقابل 0. 195)واد
• سوم ، با استراتژی هایی که گردش مالی بالایی دارند ، پتانسیل اجرای بیشتر اجرای آن وجود دارد. نویسندگان تصور می کردند که پس از نزدیک شدن بازار در پایان ماه و قبل از باز شدن بازار ماه آینده ، این نمونه کارها دوباره تعادل یافت. البته این امکان پذیر نیست. و در حالی که آنها هزینه های معاملات را تخمین می زدند ، تخمین می زنند.

افشای مهم: اطلاعات موجود در این مقاله فقط برای اهداف آموزشی است و نباید به عنوان سرمایه گذاری خاص ، حسابداری ، قانونی یا مالیاتی تفسیر شود. تجزیه و تحلیل مندرج در این مقاله براساس اطلاعات شخص ثالث موجود در آن زمان است که ممکن است در هر زمان و بدون اطلاع قبلی منسوخ شود یا در غیر این صورت جانشین شود. اطلاعات شخص ثالث قابل اعتماد تلقی می شود ، اما صحت و کامل بودن آن نمی تواند تضمین شود. با کلیک بر روی هر یک از پیوندهای فوق ، شما تأیید می کنید که آنها فقط برای راحتی شما هستند ، و لزوماً دلالت بر هیچ گونه وابستگی ، حمایت مالی ، تأییدیه ها یا بازنمایی های ما در مورد وب سایت های شخص ثالث ندارند. ما مسئولیت محتوا ، در دسترس بودن یا خط مشی های حریم خصوصی این سایت ها را بر عهده نداریم و مسئولیت یا مسئولیت هرگونه اطلاعات ، نظرات ، مشاوره ، محصولات یا خدمات موجود در یا از طریق آنها را بر عهده نخواهیم داشت. عقاید بیان شده توسط نویسندگان برجسته خودشان هستند و ممکن است منعکس کننده دقیق نظرات استراتژیک باکینگهام - باکینگهام استراتژیک Partners® (در مجموع شرکای ثروت باکینگهام) باشد. LSR-21-71