Tendência de seguir estratégias de negociação em futuros de commodities: A re-exame Andrew C. Szakmary a. . , Qian Shen b. , Subhash C. Sharma c. Departamento de Economia e Finanças, Escola de Negócios, Alabama AampM University, Normal, AL 35762, EUA c Departamento de Economia, Southern Illinois University at Este artigo examina o desempenho das estratégias de negociação seguindo tendências nos mercados de futuros de commodities usando um dataset mensal que abrange 48xA0years e 28 mercados. Descobrimos que todas as parametrizações das estratégias de cruzamento e de canal de média móvel dupla que implementamos geram retornos de excesso médios positivos líquidos de custos de transações em pelo menos 22 dos 28 mercados. Quando reunimos nossos resultados em todos os mercados, mostramos que todas as regras de negociação ganham retornos positivos extremamente significativos que prevalecem sobre a maioria dos subperíodos dos dados também. Estes resultados são robustos em relação ao conjunto de mercadorias com as quais as regras de negociação são implementadas, pressupostos distributivos, ajustes de mineração de dados e custos de transação e ajudam a resolver evidências divergentes na literatura existente sobre o desempenho de É de outra forma difícil de explicar. Classificação JEL Trend-following Regras de negociação Momentum Commodity futuresTrend-seguintes estratégias de negociação em futuros de commodities: A re-exame Citações Citações 53 Referências Referências 39 quotTechnical análise é a previsão de movimentos de preços através da análise de dados do mercado passado 16. Ele estabelece regras comerciais específicas usando indicadores , Tais como médias móveis, para decifrar padrões comportamentais em dados de séries temporais 11, 12, 17, 18, 19, 20, 21, 22, 23. O objectivo é maximizar os lucros minimizando o risco de perdas 19, 20. quot RESUMO: O objetivo desta pesquisa é examinar as tendências nos mercados cambiais dos países da ASEAN-5 (Indonésia, Malásia, Filipinas, Singapura, Tailândia (THB)) através da aplicação de sistemas dinâmicos de negociação média móvel. Esta pesquisa oferece evidência da utilidade do variável de tempo volatilidade indicador de análise técnica, média móvel ajustável (AMAx27) na decifração tendências nos mercados ASEAN-5 taxa de câmbio. Este fator de volatilidade variando no tempo, referido como o Índice de Eficácia neste artigo, está incorporado em AMAx27. O Efficacy Ratio ajusta o AMAx27 às condições de mercado prevalecentes, evitando os whipsaws (perdas devidas, em parte, à actuação de sinais de negociação errados, que geralmente ocorrem quando não existe uma orientação geral no mercado) Tendências na negociação de tendências. A eficácia de AMAx27 é avaliada de acordo com outras regras populares de média móvel. Com base no conjunto de dados de janeiro de 2005 a dezembro de 2017, nossas descobertas mostram que as médias móveis e AMAx27 são superiores à estratégia passiva de compra e retenção. Especificamente, AMAx27 supera os outros modelos para o dólar dos Estados Unidos contra PHP (USDPHP) e USDTHB pares de moedas. Os resultados mostram que médias móveis de comprimento diferente apresentam melhor desempenho em diferentes períodos para as cinco moedas. Isto é consistente com a nossa hipótese de que um indicador técnico ajustável dinâmico é necessário para atender períodos diferentes em diferentes mercados. Além disso, a sabedoria tradicional considera os preços do petróleo como excepcionalmente informativos em relação às futuras atividades econômicas e volatilidades. Além disso, a produção de petróleo, os estoques de petróleo ea atividade real também fornecem informações valiosas sobre os preços e as volatilidades do petróleo (por exemplo, Hong e Yogo, 2017 Szakmary et al., 2010). Os choques de petróleo, com base nos indicadores aqui mencionados, podem resumir as informações dos mercados de petróleo e podem captar melhor as volatilidades do petróleo. RESUMO: Este artigo explora o papel dos fundamentos da especulação e da economia no mercado de petróleo usando um modelo de dois componentes GARCH-MIDAS. Especificamente, os autores destacam os diferentes papéis desempenhados pelos choques cambiais em relação às componentes de curto e longo prazos em relação à volatilidade do mercado de petróleo. Os resultados indicam que um choque de demanda global é o único fator encontrado não apenas para ser positivo, mas também para aumentar significativamente a volatilidade do petróleo a longo e curto prazo na amostra completa. Isto é consistente com um anfitrião clássico da pesquisa que defende que a demanda global domina o mercado de óleo. No entanto, desde 2004, os impactos de outros choques petrolíferos foram significativamente enfraquecidos ou mesmo invertidos. Por exemplo, o choque especulativo de demanda ajudou a estabilizar a volatilidade do petróleo a longo prazo durante o período pós-2004. Os resultados também sugerem a existência de impactos assimétricos na volatilidade de curto prazo do petróleo, particularmente para os choques do abastecimento de petróleo, a demanda específica de petróleo ea demanda especulativa de petróleo. Artigo 201 201 Libo Yin Yimin Zhou quotOut dos contratos de futuros de 35 commodities, a estratégia de tempo médio móvel oferece maior retorno médio (Sharpe rácios) em 23 contratos (27), mas menor retorno médio (Sharpe rácios) nos outros 12 contratos . Os resultados são amplamente consistentes com a literatura anterior sobre análise técnica em futuros de commodities (ver, por exemplo, Szakmary et al., 2010). Em alguns contratos a melhoria do desempenho é bastante grande, mas em outros contratos a deterioração do desempenho também é bastante grande. RESUMO: Nós fornecemos evidências de que uma estratégia simples de tempo médio móvel, quando aplicada a carteiras de futuros de commodities, pode gerar um desempenho superior à estratégia de compra e retenção. O outperformance é muito robusto. Ele pode sobreviver aos custos de transação nos mercados de futuros, não é concentrado em um subperíodo particular e é robusto para restrições de venda a descoberto, especificações alternativas do comprimento de deslocamento médio móvel, construção alternativa da série temporal contínua de preços de futuros, E impacto da mineração de dados. O outperformance da estratégia do sincronismo não é conduzido pelo backwardation e pelo contango. É mais forte durante a recessão e não pode ser explicado por variáveis macroeconômicas. Finalmente, confirmamos que o desempenho superior da estratégia de tempo médio móvel nos futuros de commodities vem do timing de mercado bem-sucedido. Texto Completo Jun 2017 Yufeng Han Ting Hu Jian YangTrend-Seguindo estratégias de negociação em commodities Futures: A Re-Examination (Sumário Sumário) Os autores explorar a rentabilidade da tendência seguinte e estratégias de impulso nos mercados de futuros de commodities. Eles testam várias variações dessas estratégias, incluindo momentum transversal, uma regra de cruzamento de média móvel dupla e uma regra de canal. Eles acham retornos positivos significativos e demonstram que os resultados também são robustos a suposições distribucionais, ajustes de mineração de dados e custos de transação. Os autores examinam três variações de estratégias de momentum. A primeira é uma formulação transversal que é comum na literatura de equidade. No final de cada mês calendário, classificam todas as commodities com base no respectivo rendimento total ao longo dos períodos de formação, que são 1, 2, 3, 6, 9 e 12 meses. Em seguida, eles tomam posições longas no terço superior, posições curtas no terço inferior e nenhuma posição no terço médio. A próxima estratégia é uma estratégia de impulso explícita baseada em um cruzamento de média móvel dupla (DMAC) em cada mercadoria de forma independente. A média móvel de curto prazo é de 1 ou 2 meses ea média móvel de longo prazo é de 6 ou 12 meses. Eles também consideram uma faixa neutra em que nenhuma posição é tomada quando as médias móveis estão dentro de uma faixa de 5 por cento um do outro. A estratégia final é a regra do canal. Uma posição longa é tomada se o valor da mercadoria exceder os valores unitários máximos de fim de mês nos últimos n meses e uma posição curta é tomada se o valor mais recente for inferior ao mínimo dos valores de fim de mês Nos últimos n meses. Vários parâmetros são considerados para o comprimento de atraso, n. Incluindo 3, 4, 5, 6, 9 e 12 meses. Os dados são obtidos a partir da base de dados Commodity Research Bureau, a partir do qual os autores são capazes de extrair preços diários para 28 mercados futuros. Para efeitos da análise, os autores utilizam sempre o contrato próximo e rolam no último dia do mês antes da expiração do contrato. Os dados são então agregados em uma série mensal para a análise. Os mercados de futuros escolhidos representam um amplo corte transversal de mercados de futuros agrícolas, industriais, de metais preciosos e de energia e especificamente excluem futuros de moedas e outros futuros financeiros. Os autores também aplicam os testes à negociação do Goldman Sachs Commodity Index (GSCI) futuros. Usando dados de volume, eles também são capazes de examinar os retornos de um subconjunto que exclui as oito commodities com o volume de negociação geral mais baixo. Para calcular os retornos de negociação, os autores implementam transações alocando um valor nocional igual a cada mercadoria no universo de investimento para cada combinação de parâmetros de cada uma das três estratégias. Os retornos são relatados para toda a amostra de julho de 1959Dezembro de 2007 e para as subamostras de 19581971, 19721983, 19841995 e 19962007. Para a amostra inteira, todos os resultados são mostrados como significativamente positivos ao nível de 1 por cento usando erros padrão NeweyWest. Os retornos líquidos médios não alavancados variam de 0,33% a 0,49% ao mês, com os índices de Sharpe variando de 0,42 a 0,64. Dividindo os dados nas subamostras, os autores acham que os três primeiros resultados da subamostra são geralmente comparáveis com os de todo o período. Para o período de 1996 a 2007, a comparação é mais fraca, com as estratégias de DMAC e de canal apresentando resultados positivos estatisticamente significativos para três das seis estratégias de canal e cinco das seis parametrizações de DMAC em comparação com os retornos significativos (nível de 5%) para o cross-sectional Estratégias de impulso. Ao limitar a análise às commodities mais líquidas, os autores relatam resultados semelhantes, embora os retornos sejam ligeiramente menores. Aplicar as estratégias aos futuros do GSCI, entretanto, produz resultados mistos, e os autores apontam que a razão é que o momentum é geralmente assumido como sendo um efeito específico de segurança e não um efeito marketwide. Os autores realizam testes de robustez usando simulações bootstrap para abordar a suposição de normalidade do teste estatístico NeweyWest que eles usaram. Aplicando as estratégias às histórias bootstrap e demonstrando que a melhor estratégia supera todas as estratégias aplicadas às histórias bootstrap, eles mostram que o resultado é improvável que seja explicado pelo snooping de dados. Eles também aplicam uma correção Bonferroni, e novamente, eles acham que as melhores estratégias ainda são muito significativas. Finalmente, os autores mostram que os resultados são robustos a pressupostos mais pessimistas dos custos de transação. Em geral, os autores demonstram a eficácia das estratégias de tendência e de impulso nos mercados de commodities. Eles demonstram que esses resultados são robustos para a formulação de regras de negociação, suposições distribucionais, ajustes de mineração de dados e custos de transação. Informação do Autor Andrew C. Szakmary está na Escola de Negócios Robins, da Universidade de Richmond. Os usuários que lerem este artigo também lerão
No comments:
Post a Comment