Esta página é dividida nas seguintes seções. Portfolios aleatórios têm o poder de revolucionar a gestão de fundos Você pode pensar que isso significa que eles devem ser esotéricos e complexos Você estaria errado a idéia é muito simples. Para ter pastas aleatórias você precisa de um universo de Ativos e algum conjunto de restrições a impor às carteiras Um conjunto de carteiras aleatórias é uma amostra da população de carteiras que obedecem a todas as restrições. A Figura 1 mostra a área de amostragem em pesos para um problema de brinquedo de três ativos As restrições são. Nenhum peso maior que 45.a volatilidade máxima. As restrições de volatilidade não são lineares e, portanto, o limite correspondente a essa restrição é não linear. Figura 1 Pesos permitidos, dadas algumas restrições. De macacos e homens e dardos. A forma mais familiar de Carteiras aleatórias é o jogo de dartboard mercado de ações Humanos ou macacos jogar dardos para selecionar um ou alguns recursos A seleção via dardos é então comparado a alguma seleção profissional Este é fu N, e quase uma ótima abordagem, mas tem duas falhas. A primeira falha é que só conseguimos ver se o profissional supera uma seleção aleatória Nós não conseguimos ver que fração de seleções aleatórias o profissional supera Para ser verdadeiramente informado que precisamos Para ver na ordem de uma centena ou mais seleções aleatórias. A segunda falha é que os dardos não obedecem a quaisquer restrições Isto é justo em um concurso de jornal onde os especialistas não têm restrições tanto Mas fundos reais têm restrições Comparando um fundo com Restrições para carteiras aleatórias sem restrições coloca o fundo em uma desvantagem. Performance Measurement. There são duas maneiras de usar carteiras aleatórias para alcançar a medição de desempenho o método estático eo método de sombreamento Vamos ver por que a medição de desempenho através de benchmarks é inferior. The Static Method. No método estático geramos um conjunto de portfólios aleatórios que obedecem às restrições no início do período de tempo, mantém essas carteiras através de O período de tempo e encontrar seus retornos para o período O percentil do fundo é a porcentagem das carteiras aleatórias com retornos maiores A convenção na medida de desempenho é para o bem estar perto do percentil zeroth e mau para estar perto do percentil 100. A Figura 2 é um exemplo Mostra a distribuição dos retornos das carteiras aleatórias em azul eo retorno do fundo em ouro Neste caso o fundo não teve um desempenho muito bom. Figura 2 Método estático de medição de desempenho. Este é muito parecido com o desempenho Medição com grupos de pares Em ambos os casos, estamos usando um único período de tempo, e em ambos os casos estamos comparando nosso fundo com um conjunto de possibilidades alternativas Existem algumas diferenças significativas entretanto destacamos dois. No grupo de pares as alternativas são outros fundos que são Semelhante ao fundo de interesse Idealmente, apenas os fundos com as mesmas restrições seriam utilizados Por outro lado, queremos ter um monte de pares, a fim de obter mais precisão Portanto, há opp Osing forças para pequenos grupos de pares versus grandes grupos de pares Não há tal tensão com carteiras aleatórias que podemos gerar como muitos portfólios aleatórios como nós gostamos. Um problema mais sério com grupos de pares é que não sabemos o que os resultados significam Estamos destinados a Acreditamos que se o nosso fundo de interesse fosse melhor do que todos, exceto 10 de seus pares, nossa habilidade de fundo está aproximadamente no percentil 10 entre seus pares. Isso pressupõe que as diferenças de habilidade dominam as diferenças na sorte. Tal suposição provavelmente não será justificada. Especialmente se for o caso que nenhum fundo tem habilidade ou todos os fundos têm habilidade igual, então nosso fundo está no décimo percentil de sorte a medida não contém nenhuma informação Burns 2007a expande sobre este argumento Surz 2006, 2009 discute problemas adicionais com Peer groups. The Shadowing Method. The método estático para carteiras aleatórias é mais informativo do que os grupos de pares Mas ainda é bastante genérico information. Performance está em raiz sobre as decisões A idéia de O método de sombreamento é usar os comércios aleatórios para imitar as decisões que o fundo toma Isto pode nos dar uma imagem muito mais clara do valor do processo de decisão Um exemplo é discutido na página de aplicação de medição de desempenho. Um fundo é julgado contra um ponto de referência por Comparando uma série de retornos do fundo com os retornos correspondentes para o benchmark Este método tem alguns problemas O principal é o tempo que leva para decidir que um bom fundo realmente é melhor do que o benchmark provavelmente levará décadas. Esses testes no cenário ideal é dado em Burns 2007a vários anos são necessários para obter poder razoável, mesmo para habilidade excepcional Mas a realidade é muito pior do que o ideal porque a dificuldade de bater um benchmark não é constante Se os ativos mais pesadamente ponderada no Benchmark acontecer de executar relativamente bem, então será difícil de bater o benchmark Por outro lado, se os ativos mais pesadamente ponderados executar relativamente mal, então wi Será fácil de bater o benchmark Kothari e Warner 2001 discutir this. Figure 3 mostra a percentagem de fundos que têm o SP 500 como seu benchmark que superou o benchmark em cada ano ver detalhes sobre isso em Performance Medição via Random Portfolios A fim de acreditar Que a comparação é significativa, precisamos pensar que os gestores de fundos como um grupo foram pobres durante anos, de repente se tornou bom por três anos e, em seguida, voltou a ser pobre. Figura 3 Por cento dos fundos SP 500 benchmarked outperforming por year. Burns 2007b Discute a medição de desempenho no cenário ligeiramente diferente de testar as recomendações de comentaristas de mercado. Testing Trading Strategies. Fund gestores e potenciais gestores de fundos enfrentam uma série de problemas ao decidir sobre uma estratégia de negociação Aqui examinamos dois. Essencialmente, há o problema de estar errado , Eo problema de ser right. Data snooping faz as estratégias de olhar melhor do que eles realmente são Para ver por que, suponha que você tentou 1000 Estratégias de negociação que foram completamente aleatórias A que melhor desempenho pode parecer razoavelmente bom Espero que um gerente de investimento não vai estar tentando estratégias completamente aleatórias, mas viés de seleção ainda existir. Se modelos semelhantes estão sendo usados em várias empresas para gerenciar um monte de Dinheiro, em seguida, um gestor de fundos usando esses modelos está sujeito a movimentos dramáticos no mercado Isso se tornou evidente para um monte de pessoas em agosto de 2007 Sem uma crise é difícil dizer que isso está acontecendo. Random carteiras pode ajudar com o primeiro problema, E possivelmente com as estratégias de segundo. Trading pode ser testado usando o método de sombreamento discutido acima Há uma diferença fundamental entre a medição de desempenho e testar uma estratégia de negociação Ao testar uma estratégia de negociação que queremos fazer o processo de sombreamento um número de vezes com diferentes carteiras de partida . Este processo de teste reduz o efeito do snooping de dados porque há uma definição muito mais estrita de uma estratégia bem sucedida. Und gerente ainda é vulnerável a mudanças no comportamento do mercado, mas muito menos suscetível a interpretações erradas do período histórico. Testar com carteiras aleatórias pode ser capaz de reduzir o rebanho, porque a tecnologia torna viável para pegar sinais mais efémeros. A prática é menos do que racional para. tracking restrições de erro. performance fees. constraint limites. Tracking Error Constraints. Many mandatos dar ao gerente de investimento um ponto de referência e um erro de rastreamento máximo a partir do benchmark Isso é um desperdício em vários respects. In virtualmente todos os casos o investidor Pode comprar um fundo de índice para o benchmark com taxas de administração muito baixas Qual é a vantagem de contratar um gerente ativo para executar um fundo que é extremamente correlacionada ao fundo de índice. Se o gerente doesn t superar o benchmark por mais do que as taxas de gestão extra , Então não há, obviamente, nenhuma vantagem em tudo Se o gerente tem a habilidade de bater consistentemente o benchmark, então essa habilidade Poderia ser colocado a um uso muito melhor Um gestor de fundo especializado deve, em geral, ser capaz de obter retornos mais elevados quando a restrição de erro de rastreamento é descartado. Assumindo que o investidor tem dinheiro no índice, esse maior retorno do gerente sem restrições será mais valioso Bem como Tudo o mais sendo igual, é melhor para o fundo ativo ter uma baixa correlação com o índice Isso acaba por ser o mesmo que um grande erro de rastreamento Ou seja, a coisa racional seria impor uma restrição de erro de rastreamento mínimo em vez Do que uma restrição máxima de erro de rastreamento. A razão pela qual existem restrições máximas de erro de rastreamento é para ter a ilusão de que podemos ver se o gestor do fundo está superando ou não. Não podemos realmente dizer usando benchmarks, mas podemos dizer usando portfólios aleatórios Mesmo que não haja uma restrição de erro de rastreamento Os portfólios aleatórios funcionam igualmente bem para a medição de desempenho, independentemente do erro de rastreamento. Honorários Se você tiver uma taxa de desempenho, será n Ot uma boa idéia de tê-lo em relação a um benchmark Como a Figura 3 implica, que é principalmente uma aposta entre o gestor do fundo eo investidor sobre se grandes caps superará Skill terá muito pouco a ver com it. A mais razoável alvo seria O retorno médio de um conjunto de carteiras aleatórias que obedecem às restrições do fundo. Efeitos de restrição. Podemos usar portfólios aleatórios para decidir racionalmente quais os limites de restrição devem ser As restrições são habitualmente impostas sem nenhum sentido do que está sendo adquirido e perdido. 4 mostra uma análise de exemplo de restrições As densidades de utilidade realizada ao longo do tempo são mostrados para um certo conjunto de restrições ouro e para essas restrições mais uma restrição de volatilidade azul Durante os tempos normais de mercado seremos bastante indiferentes à restrição de volatilidade No entanto, Condições de mercado precárias de 2008, a restrição de volatilidade foi bastante valiosa. Figura 4 Efeito das restrições em 2007-2008. Utilizações adicionais de carteiras aleatórias. Usos adicionais de carteiras aleatórias foram sugeridos e há certamente um grande número de aplicações ainda a ser descoberto Aqui discutimos alguns usos adicionais. Avaliando modelos de risco. Random carteiras fornecem um meio de gerar carteiras realistas que podem ser colocados através de modelos de risco em A fim de ver como eles funcionam Modelos de risco podem ser comparados uns com os outros, ou modelos individuais podem ser testados para pontos fracos. A Figura 5 mostra um exemplo de comparação de um modelo de risco de previsão de volatilidade para a volatilidade realizada para cerca de 120 20 carteiras A correlação Entre volatilidade prevista e realizada em um grande número de carteiras aleatórias foi computado. Figura 5 Correlação da volatilidade prevista e realizada. General ferramenta quant. Random carteiras podem ser usados em praticamente todos os exercícios quantitativos envolvendo carteiras Uma lista de alguns dos usos está em A página de aplicações de pesquisa quântica. A idéia de carteiras aleatórias não é nova, um uso precoce foi o programa selecionado carteiras por D Ean LeBaron e colegas em Batterymarch Gestão Financeira na década de 1970 Um uso ainda mais cedo é descrito em um discurso da American Statistical Association por James Lorie em 1965 qualquer discurso que começa com Mark Twain e termina em St Tropez não pode ser tudo ruim. Carteiras aleatórias estavam esticando capacidade computacional velocidade computacional não é mais um problema grave com a tecnologia adequada. Alguns pontos técnicos. O bootstrap estatística e testes de permutação aleatória são técnicas que mudaram radicalmente a análise de dados nas últimas décadas Dependendo de como as carteiras aleatórias são usadas , Eles são geralmente equivalentes a uma dessas técnicas. O uso de portfólios aleatórios para fazer medição de desempenho é análogo a fazer um teste de permutação aleatória. O exame do efeito de limites de restrição, como na Figura 5, é semelhante ao modo como o bootstrap pode A única diferença real é que, por causa das restrições, as carteiras aleatórias são mais difíceis de calcular. Consultor publicou alguns depoimentos sobre PIPODs Embora este seja especificamente sobre uma implementação, a maioria dos comentários se aplicam a carteiras aleatórias em geral. Mesmo ingenuamente gerar carteiras aleatórias podem ser úteis Exemplos disso incluem Mikkelsen 2001 Kritzman e Page 2003 e Asso, L Her e Plante 2004 Kothari e Warner 2001 mostram que o benchmarking de encontro a um índice é problemático, e sua técnica envolve cartefólios aleatórios. Os seguintes produtos foram criados independentemente de se, e somente a probabilidade da carteira é associada com as queimaduras Statistics. Portfolio Probe das estatísticas das queimaduras Isto tem uma escala Incluindo a muito importante de limitar a volatilidade das carteiras. PODs e PIPODs da PPCA Inc. Asso, Kodjovi, Jean-Franois L Ela e Jean-Franois Plante 2004 Existe realmente uma hierarquia no investimento Choice. Bridgeland, Sally 2001 Atribuição do processo uma maneira nova de medir a habilidade na construção da carteira Journal of Asset Management. Burns, Patric K 2006 Análise de carteira com carteiras aleatórias pdf de slides de apresentação anotada. Burns, P 2006 Portfólios Aleatórios para a Medição de Desempenho em Otimização, Análise Econométrica e Financeira E Kontoghiorghes e C Gatu, editores Springer. Burns, P 2007a Bullseye Professional A versão está disponível como Dart to the Heart. Carl, Peter e Brian Peterson e Kris Boudt 2010 Objetivos de Negócios e otimização de portfólio complexo R Finanças tutorial. Daniel, GD Sornette e P Wohrmann 2008 Benchmark Previsão em papel de trabalho de avaliação de desempenho Portfolio em SSRN. Dawson, Richard e Richard Young 2003 Portfólios quase-uniformemente distribuídos e estocásticamente gerados em Advances in Portfolio Construction and Implementation editado por Stephen Satchell e Alan Scowcroft Butterworth-Heinemann. Elton, EJMJ Gruber, SJ Brown e WN Goetzmann 2003 Modern Portfolio Theory and Investment Análise, Sexta Edição Capítulo 24, Avaliação da Carteira Perfor Mance. Kothari, SP e Jerold Warner 2001 Avaliação do Desempenho do Fundo Mútuo Jornal de Finanças documento de trabalho na SSRN. Kritzman, Mark e Sbastien Página 2003 A Hierarquia de Investimento Revista de Gestão de Portfólio 29 número 4, páginas 11-23.Lisi, Francesco 2017 Dicing with the Market Procedimentos Aleatorizados para Avaliação de Fundos Mútuos Financeiro Quantitativo 11 número 2, páginas 163-172 Documento de trabalho da Universidade de Pádua. Mikkelsen, Hans 2001 A Relação entre o Retorno Esperado e Beta Uma Abordagem Aleatória Aproximação SSRN papers. Shaw, William 2010 Monte Carlo Optimização de Carteira para Investimento Geral Risco-Retorno Objetivos e Distribuições de Retorno Arbitrário Uma Solução para Portfólios de Longo Prazo SSRN version. Simon, Thibaut 2010 Um estudo empírico de carteiras de ações com base na diversificação e medidas inovadoras de riscos. Não Fooled by Randomness Usando Random Portfolios para Analisar Fundos de Investimento SSRN version. Surz, Ron 1994 Portfolio Oportunidade Di Ron Distribuição de Oportunidades Uma Solução para os Problemas com Benchmarks e Grupos de Pares Journal of Performance Measurement. Surz, Ron 1997 Avaliação de Desempenho Global e Estilo de Equidade Apresentando Portfolio Opportunity Distribuições em Handbook of Equity Gestão de Estilo Frank Fabozzi Associates. Surz, Ron 2004 Fundos de Hedge têm Alpha é uma hipótese vale a pena testar Albourne Village library. Surz, Ron 2005 Testando a Hipótese Hedge Fundo Desempenho é bom Jornal de Gestão de Riqueza issue. Surz, Ron 2006 Um olhar fresco Avaliação de Desempenho de Investimentos Unifying Melhor Prática para Melhorar a Oportunidade e Confiabilidade Revista de Gestão de Portfólio Summer issue. Surz, Ron 2007 Benchmarking preciso é ido mas não esquecido A necessidade imperativa para voltar ao básico Jornal de Medição de Desempenho Vol 11 No 3, Primavera, pp 34 -43.Surz, Ron 2009 Um Handicap do Desempenho do Investimento Horsera Ce Publicado como Handicap no Desempenho do Investimento Horserace no Advisor Perspectives 2009 28 de abril. Surz, Ron 2010 A Nova Confiança, mas Verificar Investimento e Gestão de Riqueza SSRN versão. Random Carteiras para Avaliação Estratégias Trading. Random carteiras podem fornecer um teste estatístico que uma estratégia de negociação Executa melhor do que chance Cada execução da estratégia é comparada a um número de corridas aleatórias que são sabidas para ter a habilidade zero Importante, este tipo de backtest mostra períodos de tempo quando a estratégia trabalha e quando não as pastas vivas podem ser monitoradas em Desta forma também Isto permite que decisões informadas - como mudanças na alavancagem - sejam feitas em tempo real. Você quer ler o restante deste artigo. RESUMO As carteiras aleatórias que obedecem às limitações mas ignoram a utilidade são mostradas para medir a habilidade do investimento eficazmente Os problemas são destacados a respeito da medida do desempenho usando relações da informação relativas a um benchmark As carteiras aleatórias podem igualmente ser a base dos mandatos do investimento Mandatos de investimento isto permite o fundo ativo Gerentes mais liberdade para implementar suas idéias e fornece ao investidor mais flexibilidade para ganhar utilidade A computação de carteiras aleatórias Carteiras aleatórias é brevemente discutido. Capítulo Jan 2007 Journal of Derivatives Hedge Funds. Patrick Burns. RESUMO A negociação de pares é uma estratégia de negociação popular que tenta tirar proveito de ineficiências de mercado para obter lucro A idéia é simples encontrar duas ações que se movem juntas e tomar posições longas curtas quando divergem anormalmente, esperando que os preços vão Converge no futuro Do ponto de vista acadêmico da teoria da fraca eficiência do mercado, a estratégia de negociação de pares não deve apresentar um desempenho positivo, uma vez que, de acordo com ele, o preço real de uma ação reflete seus dados comerciais passados, incluindo preços históricos. O objetivo principal desta pesquisa é verificar o desempenho eo risco da negociação de pares no mercado financeiro brasileiro para diferentes freqüências da base de dados, os preços diários, semanais e mensais para a mesma A principal conclusão desta simulação é que a estratégia de negociação de pares foi uma Rket estratégia neutra no mercado brasileiro Tal rentabilidade foi consistente sobre uma região da estratégia s parâmetros Os melhores resultados foram encontrados para a mais alta freqüência diária, que é um resultado intuitivo. Article Jan 2008.Marcelo Scherer Perlin. RESUMO O objetivo deste trabalho é examinar se a análise técnica pode ou não agregar valor às decisões de investimento Através do desenvolvimento de intervalos de confiança, construído usando a técnica de inferência da amostra Bootstrap e consistente com a hipótese nula de mercado Eficiência em sua forma fraca, foram testados 4 sistemas técnicos de negociação. Mais especificamente, obtivemos os resultados de cada sistema aplicado à série original dos ativos. Em seguida, comparamos esses resultados com a média dos resultados obtidos quando os mesmos sistemas foram aplicados 1000 séries simuladas, de acordo com uma caminhada aleatória de cada ativo Se os mercados forem eficientes em sua forma fraca, não haveria razão para os resultados da série original serem maiores que os da série simulada Os resultados empíricos encontrados aqui sugeriram que Os sistemas testados foram incapazes de antecipar o futuro usando apenas dados passados. Entretanto, alguns deles geraram retornos significativos. L-text Artigo Jun 2010 Jornal de Derivativos Hedge Funds. Daniel Guedine Serafine Pedro Luiz Valls Pereira. Random carteiras para avaliar estratégias de negociação. Date Escrito janeiro 13, 2006.Random carteiras podem fornecer um teste estatístico que uma estratégia de negociação executa melhor do que chance Cada A execução da estratégia é comparada a um número de corridas aleatórias correspondentes que são conhecidas por possuírem habilidade zero. Importantemente, este tipo de backtest mostra períodos de tempo quando a estratégia funciona e quando ela não funciona. As carteiras Live também podem ser monitoradas desta forma. Permite que decisões informadas - como mudanças na alavancagem - sejam feitas em tempo real. Keywords investimento habilidade, MACD, medição de desempenho. Sugestão de Citação Sugerido Citation. Burns, Patrick, Random Portfolios para Avaliar Estratégias de Negociação 13 de janeiro de 2006 Disponível em SSRN ou. Burns Statistics e-mail.
No comments:
Post a Comment