سرمایه گذاری سه گانه: حتی بازده بالاتر در معرض خطر پایین تر

1. نسبی ، مطلق و کلا ن-لحظه - سه بعد

سرمایه گذاری حرکت یکی از قدیمی ترین و از نظر مفهومی ساده سرمایه گذاری است. ایده این است که آنچه روند رو به رشد است ، به افزایش خود ادامه خواهد داد و آنچه در حال کاهش است ، صرف نظر از دلایل اصلی حرکت قیمت ، رو به کاهش خواهد بود. با وجود سادگی ، این استراتژی تأیید تجربی گسترده ای را به دلیل توانایی خود در تولید مداوم بازده بالاتری نسبت به سرمایه گذاران ریسک دریافت کرده است (Akema and Keller ، 1977 ؛ Brush and Boles 1983 ؛ Jaegadesh and Titman ، 1993 ، 2001 ؛ Chabot ، Ghysels و Igaunathan، 2009 ؛ GSCZY و سامونوف ، 2016).

این رویکرد همچنین شاهد پیشرفت های اخیر بوده است. در یک دهه گذشته ، گری آنتوناچی آنچه را که روش دوتایی آن نامیده می شود ، توسعه داد (به آنتوناچی ، 2011 ، 2012 ، 2013 ، 2015 مراجعه کنید). بر خلاف روش سنتی تک حرکت ، که ارزیابی می کند که اوراق بهادار نسبت به جهان انتخاب آنها بهترین حرکت را دارند (به عنوان مثال 30 سهام برتر S& P500) ، روش دوتایی دوتایی آن اوراق بهادار را از طریق صفحه دوم قرار می دهد. این صفحه علاوه بر این بررسی می کند که آیا اوراق بهادار ، که کاملاً در نظر گرفته می شود ، روند رو به رشد دارند (به عنوان مثال از این 30 سهام ، آیا آنها در واقع روند روند صعودی دارند ، یا اینکه آنها به سادگی روند کمترین روند را دارند ، همانطور که ممکن است در رکود اقتصادی باشد؟). فقط در صورتی که اوراق بهادار از هر دو صفحه عبور کند ، باید یکی را خریداری کنند. نتایج حاصل از این روش دوگانه قابل توجه است ، زیرا آنها شواهدی از بازده بهتر تنظیم ریسک نسبت به روش تک حرکت ارائه می دهند. آقای آنتوناچی برای کار خود جایزه ای دریافت کرد و به خوبی سزاوار آن است.

استراتژی دوتایی دوتایی همچنان مفید است ، و سایر اعضای در اینجا در جستجوی ALPHA می توانند به روزرسانی های منظم در مورد نتایج و تجزیه و تحلیل آنها را ارائه دهند.

مقاله حاضر با معرفی یک پارامتر سوم برای سرمایه گذاری حرکت ، گام منطقی بعدی را برداشته است: Macro-Momentum. درست همانطور که رویکرد آنتوناچی پیشرفت قابل توجهی نسبت به فرم قبلی ایجاد کرده است ، بنابراین روش حرکت سه گانه پیشرفت قابل توجهی نسبت به او در هر دو مبنای مطلق و تنظیم ریسک ایجاد می کند.

این مقاله با تمرکز فقط روی سهام ، پایان نامه را توسعه می دهد ، اگرچه می تواند برای سبدهای ETP یا حتی ارزهای رمزنگاری شود. در بخش 2 ، مقاله به بررسی منابع داده و فرضیاتی که به مطالعه پشتی رفته اند-آنها مطابق با شیوه های استاندارد علوم داده هستند. مقاله بعدی نتایج یک استراتژی تک حرکت (بخش 3) ، پیشرفت های آنتوناچی ، تأیید ادعاهای وی (بخش 4) و چگونگی استفاده از روش حرکت سه گانه رویکرد وی را بازتولید می کند (بخش 5). من جزئیات کافی را برای هر کسی که در تجارت الگوریتمی برای ایجاد استراتژی خود باشد ، ارائه می دهم. بقیه فقط می توانند از من پیروی کنند. این مقاله با برخی از افکار نهایی برای سایر کلاس های دارایی و چگونگی بهبود استراتژی حرکت سه گانه با استفاده از یک اندازه گیری کلان کامپوزیت برای یک استراتژی اساسی حرکت و یا یک استراتژی "بنیادوم" نتیجه می گیرد.

2. تنظیم (روش شناسی)

برای پشت سر گذاشتن این استراتژی ها ، تجزیه و تحلیل از خدمات ارائه شده در Portfolio123 استفاده می کند. ارائه دهندگان دیگری نیز وجود دارند ، اما انتخاب داده های آنها به طور خاص برای جلوگیری از تعصب بقا ساخته شده است ، و بیشتر ویژگی هایی را دارد که فرد برای ارزیابی کیفیت نمونه کارها به صورت داخلی نیاز دارد. برای یادآوری ، اگر تنها سهام موجود برای استراتژی شخصی مواردی باشد که در دوره آزمایش زنده مانده است ، تعصب بقا می تواند در پشتی تأثیر بگذارد ، در حالی که مواردی که به شکم می روند در مجموعه داده ها گنجانده نشده اند. Portfolio123 اطمینان حاصل می کند که تمام اوراق بهادار شکست خورده را در مجموعه داده های خود گنجانده است.

تجزیه و تحلیل محدود به سهام موجود در S& P500 است. بنابراین ، از بعضی جهات ، استراتژی که ظهور می کند ، برای سلامت مالی اساسی از پیش نمایش داده می شود و تا حدودی یک استراتژی "بنیاد" است. با این وجود ، نسبت به عملکرد S& P به عنوان یک کل ، یا نسبت به سایر مقایسه های دیگر (به عنوان مثال Russell 2000 یا Dow) ، حتی اساسی ترین استراتژی های حرکت از عملکرد خارج است.

با توجه به نگرانی های نمونه برداری ، من به دو نکته اشاره می کنم. اول ، برای اندازه نمونه کارها ، تجزیه و تحلیل از 30 سهام استفاده می کند. دلیل این امر این است که N از 30 از نظر آماری به اندازه کافی قابل توجه است تا از نگرانی های زیادی در مورد برون یابی داده ها از نمونه های کوچک جلوگیری کند. دوم ، داده ها فقط به آغاز سال 1999 ، یعنی کمی بیشتر از 20 سال برمی گردند. کافی است که عملکرد اوراق بهادار را از طریق طیف وسیعی از فروپاشی بازار آزمایش کنید ، اما نتایج با ارزیابی از طریق یک بازه زمانی طولانی تر کمک می شود.

حالا بیایید به برخی از نتایج بپردازیم.

3. حرکت تک (نسبی)

Srtrategy تنها با حرکت خود در طول 160 روز معاملاتی گذشته ، تمام سهام S& P500 را در رتبه بندی قرار می دهد. این می تواند به چندین روش انجام شود ، اما برای نگه داشتن داده ها با ادبیات موجود در تجارت حرکت ، تجزیه و تحلیل تفاوت بین قیمت بسته شدن 160 روز معاملات قبلی و جدیدترین قیمت پایانی را اندازه گیری کرد. در شبه کد:

این نسبت تعدادی را فراهم می کند ، به گونه ای که هرچه بزرگتر باشد ، سهام بالاتر می رود.

این الگوریتم 30 سهام برتر را به این ترتیب خریداری می کند و وقتی آنها زیر صدک 90 قرار می گیرند ، می فروشند. توجه داشته باشید که 10 ٪ برتر S& P 500 50 سهام است (نه 30). دلیل این که الگوریتم فقط پس از سقوط سهام از 50 نفر برتر به فروش می رسد این است که محدود کردن الگوریتم به 30 نفر برتر ، سر و صدای زیادی ایجاد می کند و به فروش بیش از حد غیر ضروری نیاز دارد. به عنوان مثال ، یک شرکت ممکن است در هر هفته معین در محدوده بین 33 تا 27 قرار بگیرد. اگر الگوریتم به محض سقوط سهام زیر رتبه 30 فروخته شود ، بدون بهبود عملکرد ، هزینه های معامله (از جمله لغزش) را افزایش می دهد زیرا کاهش رتبه بسیار اندک بود. سرانجام ، الگوریتم فقط هر 3 هفته معاملاتی را بررسی می کند ، دوباره برای کاهش نویز.

آنچه در زیر می آید تصویری از نتایج است.

در اینجا یکی دیگر از بازده های سالانه ، نسبت به جاسوسی به عنوان معیار است.

سرانجام ، برخی از شماره های تعدیل شده ریسک ، که به صورت ماهانه گرفته می شوند ، به شرح زیر است.

چند نکته قابل توجه است. البته اول ، این استراتژی به این معناست که به طور مداوم بازار را به طور مطلق ضرب و شتم می کند و به صورت تنظیم ریسک کمی بهتر می شود. نرخ رشد سالانه مرکب آن کمی بیش از 12. 15 ٪ مناسب است و از زمان آغاز به کار کمی بیش از 7. 2 ٪ آلفا ساخته است. حداکثر سقوط کمی نگران کننده است ، زیرا از خود جاسوسی فراتر می رود و این در نسبت نسبتاً متوسط . 56 شارپ (بیش از 1 ایده آل است) منعکس می شود. نسبت . 82 Sortino (که با عدم شمارش نوسانات مثبت در برابر مدل ، شارپ را تصحیح می کند) بهتر است ، اما هنوز بیش از حد مورد نظر نیست. در این تعادل ، این یک مدل بد نیست و نتایج مطالعات قبلی را در مورد آن تأیید می کندآلفا مداوم روشهای سرمایه گذاری.

4- حرکت دوگانه (مطلق و نسبی)

مشکل اساسی با روش حرکت ساده این است که الگوریتم فقط عملکرد سهام را نسبت به یکدیگر ارزیابی می کند و نه نسبت به سود واقعی آنها. در نتیجه ، کاملاً ممکن است که این استراتژی 30 سهام برتر را انتخاب کند ، اما با این وجود همه آنها رو به کاهش هستند ، همانطور که احتمالاً در رکود یا تصحیح اتفاق می افتد.

برای تصحیح این مشکل ، فقط باید سهام خود را در هنگام بالا رفتن (در حالت ایده آل) خریداری کرد. در عمل می توان فهمید که فروش سهام به محض کاهش باعث ایجاد سر و صدای زیاد در استراتژی می شود و بازده کمتری دارد. بنابراین ، استراتژی این است که اگر سهام در یک دوره اخیر بیش از حد کاهش نیافته باشد ، خرید بیش از 8 ٪ کاهش در سه هفته گذشته. و به همین ترتیب ، الگوریتم اگر سهام بیش از 3 ٪ از آخرین دوره ارزیابی کاهش یافته باشد (بنابراین یک بافر 3 ٪ نویز) کاهش یافته است. سرانجام ، اگر زیر 10 ٪ برتر باشد ، این الگوریتم سهام را به فروش می رساند. آنچه در زیر می آید تصویر کلی از بازده این استراتژی است.

در اینجا عملکرد سالانه اجرا می شود و دوباره در برابر جاسوسی اندازه گیری می شود.

سرانجام ، آنچه در زیر می آید اعداد بازده تنظیم شده ریسک به صورت ماهانه از زمان آغاز به کار است.

اولین موردی که باید در مورد این نتایج به آن توجه کنیم این است که آنها نتایج آنتوناچی را تأیید می کنند. رویکرد دو لحظه به طور قطعی از روش حرکت ساده بر اساس مطلق و نسبت به ریسکی که یک سرمایه گذار در آن استفاده می کند ، بهتر عمل می کند. نرخ رشد سالانه 38/38 درصد به راحتی از 12. 15 ٪ از روش تک حرکت فراتر می رود و این کار را با نسبت لرزش بالاتر ، نسبت به 62/0 ، نسبت Sortino ، در 0. 93 و ALPHA سالانه تقریباً 8. 5 ٪ انجام می دهد. مشکل باقیمانده این است که مدل همچنان نسبت به معیار از بین رفتن بزرگتر است و این نتیجه این واقعیت است که من مجبور شدم برای جلوگیری از سر و صدای بیش از حد در استراتژی ، خرید و فروش سهام را که از دست می دهند (برخی) ارزش را از دست بدهم.

5. حرکت سه گانه

بنابراین ، مشکل طولانی با استراتژی دوتایی حرکت ، این است که الگوریتم همچنان که حرکت کلی S& P رو به کاهش است ، به خرید خود ادامه می دهد. یکی از راه های حل این مشکل کوتاه کردن دوره ارزیابی برای اجرای دقیق قوانین فروش است. متأسفانه ، این استراتژی همچنین باعث افزایش نویز و گردش نمونه کارها می شود و نتایج کلی پایین تر را به همراه می آورد. بنابراین ، یک راه حل بهتر این است که به سادگی معرفی عملکرد کلان گسترده تر در استراتژی باشد.

معیار آشکار روند کلان برای استراتژی حاضر ، حرکت خود S& P500 است. بنابراین استراتژی خرید به روز می شود تا یک قانون اضافی را شامل شود ، به طوری که این مدل فقط در صورتی که S& P500 به طور کلی در طی یک دوره زمانی استاندارد کاهش نمی یابد ، می پردازد ، می گویند 200 روز. استراتژی فروش به طور مشابه به روز می شود ، به طوری که اگر S& P500 بیش از یک دوره زمانی تعیین شده ، مانند یک دوره 200 روزه ، همه سهام را به فروش می رساند. در اینجا تصویری از عملکرد کلی با این تنظیمات آورده شده است.

و در اینجا عملکرد استراتژی نسبت به جاسوسی به صورت سالانه از سال 1999 است.

سرانجام ، در اینجا اندازه گیری نتایج تنظیم شده از ریسک مدل به صورت ماهانه ارائه می شود.

پیشرفت ها واضح است ، زیرا این استراتژی پیشرفت نسبت به رویکرد حرکت دوگانه هم در یک اندازه مطلق ، در نرخ رشد سالانه 16. 83 ٪ و (کاملاً قابل توجه) بر اساس یک ریسک تنظیم شده ، دستیابی به یک شارپ از 77/0 ، یک مرتب سازی است. نسبت بیش از 1 در 1. 22 و یک آلفای سالانه با 11. 79 ٪. سرانجام ، این تنها مدلی است که حداکثر نسبت به خود جاسوسی را در 37. 88 ٪ ، بر خلاف 55. 19 ٪ جاسوسی ، در 37. 88 ٪ دارد. در واقع یکی خاطرنشان می کند که برای چندین دوره ، این مدل به سادگی پول نقد نگه داشته است. تصاویر زیر این حالت ها را نشان می دهد.

6. نتیجه گیری افکار

بنابراین روش حرکت سه گانه به طور قابل توجهی بهتر از روش حرکت دوگانه تعیین شده ، هم برای بازده مطلق و هم بر اساس تنظیم ریسک است. از این رو ممکن است خوب باشد که این بعد اضافی (کلان) را در استراتژی های معاملات حرکت فرد گنجانده باشد.

من با پرداختن به چند سؤالی که در مورد بحث در مورد این مدل با همکاران دریافت کرده ام ، نتیجه می گیرم و برنامه های گسترده تری را پیشنهاد می کنم.

یک سؤال متداول در مورد روش حرکت دوگانه ساده است: اگر مشکل حداکثر مشکل است ، پس چرا به سادگی یک توقف از دست دادن را به استراتژی شخص معرفی نمی کنیم؟پاسخ این است که از آنجا که این استراتژی مبتنی بر حرکت است ، از بین رفتن خسارت اغلب جلوگیری می کند که استراتژی بازده "بازگشت به عقب" را به دست آورد. در تصویر زیر نتایج سخاوتمندانه ترین استراتژی توقف از دست دادن است که می توانم پیدا کنم: اگر بیش از 9 ٪ پایین تر از قیمت ورود باشد ، سهام را می فروشد.

در حالی که این استراتژی به دشواری حداکثر برطرف می شود ، این کار را با هزینه کاهش بازده کلی و معرفی خطر بیشتر در نمونه کارها انجام می دهد (نسبت های شارپ و Sortino پایین تر است). نکته واضح است: استراتژی های حرکت بسیار پر سر و صدا هستند و بنابراین نیاز دارید که برخی از اتاق ها را برای سهام کمی گزاف گویی کنید.

سؤال دیگری که من به دست می آورم ، نگرانی در مورد مدل سنگهای قیمتی Antonacci است. این تجارت در سطح جهانی انجام می شود و از ETFS برای کاهش هزینه های معامله استفاده می کند. این دسترسی جهانی این فرصت را برای جلوگیری از رکود بازار مانند سقوط سال 2008 فراهم می کند و به همین دلیل است که مدل وی 17. 43 ٪ نرخ رشد سالانه ترکیبی را برمی گرداند. آیا مدل (حرکت دوگانه) او واقعاً بهتر نیست؟

در پاسخ ، من با این نکته ساده شروع می کنم که هرگز نتوانسته ام الگویی را برای بازگشت آن اعداد دقیق در مدت زمانی که دهه 1990 را حذف می کند ، برگردانم. با استفاده از منطق دقیقاً آننوچی در کتاب خود توصیف می کند و RSP را برای جاسوسی جایگزین می کند ، موارد زیر را دریافت می کنم.

این هنوز یک مدل عالی است ، و منطقی است که در نمونه کارها وسیع تر فرد گنجانید. با این حال ، این به اندازه انتشار آنتوناچی باز نمی گردد ، و من گمان می کنم تفاوت در سالهای ارزیابی شده است.

علاوه بر این ، هنگامی که کسی نگه داشتن اوراق قرضه را به استراتژی حرکت سه گانه معرفی می کند ، همانطور که مدل Antonacci انجام می دهد ، پس حرکت سه گانه به وضوح فراتر می رود ، حتی بدون اینکه برای نگه داشتن سهام در خارج از ایالات متحده حرکت کند. در اینجا بازده ها هنگام نگه داشتن 7-10 سال خزانه داری ایالات متحده به جای پول نقد آورده شده است.

اوراق قرضه با کاهش حرکت S& P500 انتخاب می شوند ، بنابراین دقیقاً با ابعاد کلان که مدل آنتاچی در آن گنجانیده نشده است. با نرخ رشد سالانه مرکب از 19. 30 ٪ و نسبت شارپ 92/0 ، عملکرد برتر رویکرد حرکت سه گانه مشخص است.

سرانجام ، از من در مورد انتخاب سهام با اوراق بهادار مشهور مانند جوئل گرینبلات سؤال شده است. پاسخ ، خوشبختانه ، این است که سهام انتخاب شده خیلی همپوشانی ندارند ، به طوری که می توان از هر دو استراتژی برای تولید بازده کلی بهتر استفاده کرد (اگرچه همبستگی 0. 52 دارند). در اینجا تصویری از عملکرد ترکیبی آنها ، وزن هر استراتژی در 50 ٪ از کل نمونه کارها و هر 26 هفته یکبار تعادل برقرار می کند.

نمونه کارها Triple Momentum + GreenBlatt حاصل از استراتژی سه گانه حرکت به جای پول نقد استفاده می کند ، زیرا امیدوارم عملکرد بهینه را نشان دهد. و نتیجه این امید را با تقریباً 19 ٪ نرخ رشد سالانه ترکیبی و نسبت شارپ در 1. 05 برای یک نتیجه برجسته تنظیم شده از ریسک پشتیبانی می کند.

این یک طرح کلی از سرمایه گذاری سه گانه است ، و من مثل همیشه منتظر نظرات شما هستم.

منابع

Akema ، Charles A. and Weer E. Keller (1997) ، "قدرت نسبی همچنان ادامه دارد!"مجله مدیریت نمونه کارها 4 (1) ، 38-45.

آنتوناچی ، گری (2011) ، "حرکت بهینه: یک رویکرد جهانی دارایی صلیب" ، مشاوران مدیریت نمونه کارها.

آنتوناچی ، گری (2012) ، "برداشت ریسک پریمیا از طریق حرکت دوگانه" ، مشاوران مدیریت نمونه کارها.

آنتوناچی ، گری (2013) ، "حرکت مطلق: یک روکش روند جهانی ،" مشاوران مدیریت نمونه کارها.

آنتوناچی ، گری (2015) ، سرمایه گذاری دوتایی: یک استراتژی نوآورانه برای بازده بالاتر با ریسک پایین تر ، نیویورک: مک گرا هیل.

Brush ، John S. and Keith E. Boles (1982) ، "قدرت پیش بینی کننده در قدرت نسبی و CAPM" ، مجله مدیریت نمونه کارها 9 (4) ، 20-23.

Chabot ، Benjamin R. ، Eric Ghysels ، and Ravi Jagaathan (2009) ، "حرکت قیمت در سهام: بینش از داده های سن ویکتوریا ،" دفتر ملی تحقیقات اقتصادی شماره 14500.

Geczy ، Christopher و Mikhail Samonov (2016) ، "دو قرن حرکت قیمت (طولانی ترین Backtest 2018-2012) ، مجله تحلیلگران مالی 72 (5).

Jegadeesh ، Narasimhan و Sheridan Titman (1993) ، "بازگشت به خرید برندگان و فروش بازنده: پیامدهای مربوط به بهره وری بازار سهام ،" مجله مالی 48 (1) ، 65-91.

Jegadeesh ، Narasimhan و Sheridan Titman (2001) ، "سودآوری استراتژی های حرکت: تکامل توضیحات جایگزین" ، مجله مالی 56 (2) ، 699-720.