Trend-following strategie di trading in futures su materie prime: un riesame Andrew C. Szakmary a. . , Qian Shen b. , Subhash C. Sharma c. un Dipartimento delle Finanze, Robins School of Business, Università di Richmond, Richmond, VA 23173, USA b Dipartimento di Economia e delle Finanze, School of Business, Alabama AampM Università, Normale, AL 35762, USA c Dipartimento di Economia, Southern Illinois University a Carbondale, Carbondale, iL 62901, Stati Uniti d'America ha ricevuto 20 febbraio 2008, ha accettato 7 agosto 2009, disponibile on-line 11 agosto 2009This articolo esamina le prestazioni di strategie di trading seguono il trend nei mercati di futures su materie prime utilizzando un set di dati mensile che copre 48xA0years e 28 mercati. Troviamo che tutti parametrizzazioni della duplice movimento strategie media di crossover e di canale che implementiamo rendimento positivo rendimenti medi in eccesso al netto dei costi di transazione in almeno 22 dei 28 mercati. Quando uniamo i nostri risultati in tutti i mercati, si dimostra che tutte le regole di negoziazione ottenere rendimenti positivi estremamente significativi che prevalgono sulla maggior parte sottoperiodi dei dati pure. Questi risultati sono robusti rispetto alla serie di materie prime le regole di negoziazione sono implementate con, ipotesi di distribuzione, aggiustamenti di data mining e di costi di transazione, e aiutare a risolvere prove divergenti nella letteratura esistente per quanto riguarda le prestazioni di moto e strategie pure trend following che altrimenti è difficile da spiegare. Classificazione JEL Trend-seguendo regole di negoziazione Momentum Commodity futuresTrend-seguenti strategie di trading in futures su materie prime: un riesame Citazioni Citazioni 53 Riferimenti Riferimenti 39 analisi quotTechnical è la previsione dei movimenti dei prezzi attraverso l'analisi dei dati di mercato negli ultimi 16. Esso stabilisce le norme commerciali specifiche utilizzando indicatori , come ad esempio medie mobili, di decifrare modelli comportamentali nei dati di serie temporali 11, 12, 17, 18, 19, 20, 21, 22, 23. l'obiettivo è quello di massimizzare i profitti riducendo al minimo il rischio di perdite 19, 20. quot Mostra astratto Nascondi abstract abstract: l'obiettivo di questa ricerca è quello di esaminare le tendenze dei mercati dei tassi di cambio delle ASEAN-5 paesi (Indonesia (IDR), Malesia (MYR), Filippine (PHP), Singapore (SGD), e Thailandia (THB)) attraverso l'applicazione di dinamiche in movimento sistemi di trading media. Questa ricerca offre la prova dell'utilità dell'indicatore di analisi tecnica variabili nel tempo la volatilità, regolabile media mobile (AMAx27) nel decifrare le tendenze in questi ASEAN-5 mercati dei cambi. Questo fattore volatilità variabile nel tempo, indicato come il rapporto efficacia in questo documento, è incorporato in AMAx27. Il rapporto efficacia regola la AMAx27 alle condizioni prevalenti di mercato, evitando whipsaws (perdite dovute, in parte, ad agire sui segnali di trading sbagliate, che si verificano in genere quando non c'è una direzione generale del mercato) in trading range ed entrando presto nella nuova l'andamento delle negoziazioni tendenza. L'efficacia di AMAx27 è valutata contro altre regole popolari a media mobile. Sulla base del gennaio 2005 al dicembre 2014 set di dati, i nostri risultati mostrano che le medie mobili e AMAx27 sono superiori alla strategia buy-and-hold passivo. In particolare, AMAx27 supera gli altri modelli per il Dollaro degli Stati Uniti contro il PHP (USDPHP) e coppie di valute USDTHB. I risultati mostrano che diversi media lunghezza mobili prestazioni migliori in periodi diversi per i cinque monete. Ciò è coerente con la nostra ipotesi che è necessario un indicatore tecnico regolabile dinamica di soddisfare le differenti periodi in diversi mercati. Testo integrale dell'articolo agosto 2016 Giacinta Chan Phooi Mx27ng Rozaimah Zainudin quotMoreover, la saggezza tradizionale vede i prezzi del petrolio come eccezionalmente informativo per quanto riguarda le attività economiche future e volatilità. Inoltre, la produzione di petrolio, le scorte di petrolio e l'attività vera e propria si trovano anche a fornire preziose informazioni sui prezzi del petrolio e volatilità (ad esempio Hong e Yogo 2012 Szakmary et al. 2010). shock petroliferi, sulla base degli indicatori citati nel presente documento possono riassumere le informazioni dei mercati petroliferi e possono meglio cogliere volatilità del petrolio. quot Mostra astratto Nascondi Abstract Abstract: Questo articolo esplora il ruolo della speculazione e l'economia fondamentali nel mercato del petrolio utilizzando un modello GARCH-MIDAS a due componenti. In particolare, gli autori mettono in evidenza i diversi ruoli svolti dalle mutevoli shock petroliferi rispetto ai componenti a breve e lungo termine per quanto riguarda la volatilità del mercato del petrolio. I risultati indicano che uno shock della domanda globale è l'unico fattore trovata non solo a essere positivo, ma a anche significativamente aumentare a lungo e la volatilità di petrolio a breve termine nel campione completo. Ciò è coerente con una classica serie di ricerche che sostiene che la domanda mondiale domina il mercato del petrolio. Tuttavia, dal 2004, l'impatto di altri shock petroliferi sono stati notevolmente indeboliti o addirittura invertita. Per esempio, lo shock domanda speculativa ha contribuito a stabilizzare la volatilità di petrolio a lungo termine per il periodo successivo al 2004. I risultati suggeriscono anche l'esistenza di impatti asimmetrici sulla volatilità di petrolio a breve termine, in particolare per gli shock da fornitura di petrolio, la domanda specifica ed olio domanda speculativa. Articolo luglio 2016 Libo Yin Yimin Zhou quotOut dei contratti 35 futures su materie prime, la strategia di temporizzazione media mobile offre rendimenti più elevati in media (indice di Sharpe) in 23 (27) i contratti, ma rendimenti medi inferiori (indice di Sharpe) nelle altre 12 (8) i contratti . I risultati sono sostanzialmente in linea con la precedente letteratura sull'analisi tecnica di futures su materie prime (vedi, ad esempio, Szakmary et al. 2010). In alcuni contratti il miglioramento delle prestazioni è piuttosto grande, ma in altri contratti il deterioramento delle prestazioni è anche piuttosto grande. quot Mostra astratto Nascondi Abstract Abstract: Forniamo la prova che una semplice strategia di temporizzazione media mobile, se applicato ai portafogli di futures su materie prime, in grado di generare prestazioni superiori alla strategia buy-and-hold. La sovraperformance è molto robusto. Si può sopravvivere i costi di transazione nei mercati a termine, non è concentrata in una particolare sottoperiodo, ed è robusto a corto di vendita vincoli, le specifiche alternative del movimento lunghezza media lag, costruzione alternativa della continua serie temporali di prezzi dei futures, e l'impatto di data mining. La sovraperformance della strategia di temporizzazione non è guidato dal backwardation e contango. E 'più forte durante la recessione e non può essere spiegata da variabili macroeconomiche. Infine, si conferma che la sovraperformance della strategia tempistica media mobile nei futures su materie prime viene dal market timing successo. Testo integrale dell'articolo giugno 2016 Yufeng Han Ting Hu Jian YangTrend-A seguito di Strategie di Trading in Commodity Futures: un riesame (Digest sintesi) Gli autori esplorano la redditività di trend following e strategie di momentum in mercati a termine delle materie prime. Si prova diverse varianti di queste strategie, tra cui lo slancio della sezione trasversale, un doppio movimento regola di crossover media, e una regola di canale. Trovano rendimenti positivi significativi e dimostrano che i risultati sono anche robusti per ipotesi di distribuzione, aggiustamenti di data mining, e costi di transazione. Gli autori esaminano tre varianti di strategie di momentum. Il primo è una formulazione in sezione trasversale che è comune nella letteratura netto. Alla fine di ogni mese civile, si pongono tutte le merci sulla base delle rispettive rendimento totale nei periodi di formazione, che sono 1, 2, 3, 6, 9, e 12 mesi. Essi poi prendere posizioni lunghe nel terzo superiore, posizioni corte nel terzo fondo, e nessuna posizione nel terzo medio. La prossima strategia è una strategia dinamica esplicita sulla base di un duplice movimento di crossover media (DMAC) in ciascuna merce in modo indipendente. La media a breve termine in movimento è di 1 o 2 mesi, e il lungo termine media mobile è 6 o 12 mesi. Inoltre, ritengono una fascia neutra in cui viene eseguita alcuna posizione quando le medie mobili sono all'interno di una banda di 5 percento di ogni altro. La strategia finale è la regola del canale. Una posizione lunga è presa se il valore della merce superi i valori massimi di fine mese unitari negli ultimi n mesi, e una posizione corta viene presa se l'ultimo valore è inferiore al minimo dei valori di fine mese negli ultimi n mesi. Diversi parametri vengono considerati per la lunghezza di ritardo, n. compresi 3, 4, 5, 6, 9, e 12 mesi. I dati sono ottenuti dal database Commodity Research Bureau, da cui gli autori sono in grado di estrarre i prezzi al giorno per 28 mercati futures. Ai fini dell'analisi, gli autori usano sempre il contratto nelle vicinanze e rotolare l'ultimo giorno del mese, prima della scadenza del contratto. I dati vengono poi aggregati in una serie mensile per l'analisi. I mercati a termine scelti rappresentano un ampio spaccato di, industriale, agricola metallo prezioso, e mercati a termine dell'energia e in particolare esclude future su valute e altri strumenti finanziari a termine. Gli autori si applicano anche i test per la negoziazione dei futures Goldman Sachs Commodity Index (GSCI). Utilizzando i dati di volume, ma sono anche in grado di esaminare i ritorni per un sottoinsieme che esclude gli otto materie prime con il volume di scambi complessivo più basso. Per calcolare i rendimenti di trading, gli autori implementano le transazioni da stanzia un importo nozionale pari a ogni bene nell'universo di investimento per ogni combinazione di parametri di ciascuna delle tre strategie. I rendimenti sono riportati per l'intero campione di luglio 1959December 2007 e per i sotto-campioni di 19.581.971, 19.721.983, 19.841.995, e 19962007. Per l'intero campione, tutti i risultati sono dimostrato di essere significativamente positivo a livello 1 per cento usando errori standard NeweyWest. I rendimenti medi unlevered pool netti in eccesso vanno dal 0,33 per cento al 0,49 per cento al mese, con rapporti di Sharpe che vanno 0,42-0,64. Suddividendo i dati in sottocampioni, gli autori ritengono che i primi tre risultati sottocampione sono generalmente comparabili con quelli del intero periodo. Per il periodo 19962007, il confronto è più debole, con la DMAC e strategie di canale la visualizzazione di rendimenti positivi statisticamente significative per tre delle sei strategie di canale e cinque dei sei parametrizzazioni DMAC rispetto senza ritorni significativi (a livello del 5 per cento) per la sezione trasversale strategie di momentum. Quando limitando l'analisi alle merci più liquidi, gli autori riportano risultati simili, anche se i rendimenti sono leggermente inferiori. Applicando le strategie per il futuro GSCI, tuttavia, produce risultati misti, e gli autori sottolineano che il motivo è che il momento è generalmente considerata una specifica per la sicurezza piuttosto che un effetto marketwide. Gli autori condurre test di robustezza utilizzando simulazioni bootstrap per affrontare l'ipotesi di normalità della t statistica t NeweyWest hanno usato. Applicando le strategie per le storie bootstrap e dimostrando che la migliore strategia supera tutte le strategie applicate alle storie bootstrap, essi mostrano che il risultato è improbabile che possa essere spiegato da dati snooping. Esse si applicano anche una correzione di Bonferroni, e ancora una volta, scoprono che le migliori strategie sono ancora molto significativo. Infine, gli autori mostrano che i risultati sono robusti alle ipotesi più pessimistiche di costi di transazione. Nel complesso, gli autori dimostrano l'efficacia di trend following e strategie di momentum in mercati delle materie prime. Essi dimostrano che questi risultati sono robusti alla formulazione regola il commercio, le ipotesi distributive, aggiustamenti di data-mining, e costi di transazione. Originale Autore informazioni Andrew C. Szakmary è presso la School of Business Robins, Università di Richmond. Gli utenti che hanno letto questo articolo anche leggere
No comments:
Post a Comment