Trend-nachhandelnde Strategien in Rohstoff-Futures: Eine erneute Prüfung Andrew C. Szakmary a. . , Qian Shen b. , Subhash C. Sharma c. Eine Abteilung für Finanzen, Robins School of Business, Universität Richmond, Richmond, VA 23173, USA b Department of Economics and Finance, School of Business, Alabama AampM University, Normal, AL 35762, USA c Department of Economics, Southern Illinois University at Carbondale, Carbondale, IL 62901, USA Erhalten am 20. Februar 2008, Akzeptiert am 7. August 2009, online verfügbar 11. August 2009Dieses Papier untersucht die Performance von Trendfolgen Handelsstrategien in Rohstoff-Futures-Märkten mit einem monatlichen Datensatz über 48xA0Jahre und 28 Märkte. Wir finden, dass alle Parametrisierungen der doppelten gleitenden durchschnittlichen Crossover - und Channel-Strategien, die wir implementieren, einen positiven Mittelwertüberschuss nach Abzug von Transaktionskosten in mindestens 22 der 28 Märkte ergeben. Wenn wir unsere Ergebnisse über die Märkte bündeln, zeigen wir, dass alle Handelsregeln sehr erhebliche positive Renditen erlangen, die sich auch in den meisten Teilperioden der Daten durchsetzen. Diese Ergebnisse sind robust in Bezug auf die Menge der Rohstoffe, die die Handelsregeln mit, Verteilungsannahmen, Data-Mining-Anpassungen und Transaktionskosten umgesetzt werden, und dazu beitragen, abweichende Beweise in der vorhandenen Literatur über die Performance von Impuls und reinen Trendfolgenstrategien zu lösen Ist ansonsten schwer zu erklären. JEL-Klassifikation Trend-nach Handelsregeln Momentum Commodity-FuturesTrend-nach Handelsstrategien in Rohstoff-Futures: Eine erneute Prüfung Zitate Zitate 53 Referenzen Referenzen 39 quotTechnische Analyse ist die Prognose von Kursbewegungen durch die Analyse vergangener Marktdaten 16. Sie stellt spezifische Handelsregeln mit Indikatoren fest , Wie z. B. bewegte Mittelwerte, um Verhaltensmuster in Zeitreihendaten 11, 12, 17, 18, 19, 20, 21, 22, 23 zu entschlüsseln. Ziel ist es, die Gewinne zu maximieren und gleichzeitig das Risiko der Verluste 19, 20 zu minimieren Abstract zeigen ABSTRAKTIEREN: Ziel dieser Forschung ist es, die Trends in den Wechselkursmärkten der ASEAN-5-Länder (Indonesien (IDR), Malaysia (MYR), Philippinen (PHP), Singapur (SGD) und Thailand (THB)) durch die Anwendung von dynamischen bewegten durchschnittlichen Handelssystemen. Diese Forschung bietet Beweise für die Nützlichkeit der zeitvariablen Volatilität technische Analyse Indikator, Adjustable Moving Average (AMAx27) in der Entschlüsselung Trends in diesen ASEAN-5 Wechselkursmärkte. Dieser zeitvariable Volatilitätsfaktor, der in diesem Papier als das Wirksamkeitsverhältnis bezeichnet wird, ist in AMAx27 eingebettet. Das Wirksamkeitsverhältnis passt die AMAx27 den vorherrschenden Marktbedingungen an, indem sie Whipsaws vermeidet (Verluste, die zum Teil auf falsche Handelssignale zurückzuführen sind, die in der Regel bei einer allgemeinen Richtung auf dem Markt auftreten) im Bereich Handel und durch frühes Eingehen in neue Trends im Trendhandel. Die Wirksamkeit von AMAx27 wird gegenüber anderen gängigen gleitenden Durchschnittsregeln bewertet. Basierend auf dem Datensatz vom Januar 2005 bis Dezember 2014 zeigen unsere Ergebnisse, dass die gleitenden Durchschnitte und AMAx27 der passiven Buy-and-Hold-Strategie überlegen sind. Insbesondere übertrifft AMAx27 die anderen Modelle für den US-Dollar gegen PHP (USDPHP) und USDTHB Währungspaare. Die Ergebnisse zeigen, dass unterschiedliche Längenbewegungsdurchschnitte in verschiedenen Perioden für die fünf Währungen besser funktionieren. Dies steht im Einklang mit unserer Hypothese, dass ein dynamisch einstellbarer technischer Indikator erforderlich ist, um für unterschiedliche Perioden in verschiedenen Märkten gerecht zu werden. Volltext Artikel Aug 2016 Jacinta Chan Phooi Mx27ng Rozaimah Zainudin quotMoreover, traditionelle Weisheit sieht Ölpreise als außergewöhnlich informativ in Bezug auf zukünftige wirtschaftliche Aktivitäten und Volatilitäten. Darüber hinaus werden die Ölförderung, die Ölvorräte und die reale Aktivität auch wertvolle Informationen über Ölpreise und Volatilitäten liefern (z. B. Hong und Yogo, 2012 Szakmary et al. 2010). Ölschocks, die auf den hier erwähnten Indikatoren basieren, können die Informationen der Ölmärkte zusammenfassen und die Ölvolatilitäten besser erfassen. Abstrakt Auszug ausblenden ABSTRAKT: Dieses Papier untersucht die Rolle der Spekulation und der Ökonomie Grundlagen auf dem Ölmarkt mit einem Zwei-Komponenten-GARCH-MIDAS-Modell. Insbesondere die Autoren markieren die unterschiedlichen Rollen, die von den sich ändernden Ölschocks in Bezug auf die kurzfristigen und langfristigen Komponenten hinsichtlich der Ölmarktvolatilität gespielt werden. Die Ergebnisse zeigen, dass ein globaler Nachfrageschock der einzige Faktor ist, der nicht nur positiv ist, sondern auch die langfristige Ölvolatilität in der Gesamtprobe deutlich zu erhöhen. Dies steht im Einklang mit einem klassischen Gastgeber, der befürwortet, dass die globale Nachfrage den Ölmarkt dominiert. Seit 2004 sind die Auswirkungen anderer Ölschocks jedoch erheblich geschwächt oder sogar umgekehrt. Zum Beispiel hat der spekulative Nachfrageschock dazu beigetragen, die langfristige Ölvolatilität während des Zeitraums nach 2004 zu stabilisieren. Die Ergebnisse deuten auch auf die Existenz asymmetrischer Auswirkungen auf die kurzfristige Ölvolatilität hin, insbesondere auf Schocks aus der Ölversorgung, die ölspezifische Nachfrage und die Ölspekulative Nachfrage. Artikel Jul 2016 Libo Yin Yimin Zhou Zitat der 35 Rohstoff-Futures-Kontrakte, die gleitende durchschnittliche Timing-Strategie liefert höhere durchschnittliche Renditen (Sharpe Ratios) in 23 (27) Verträge, aber niedrigere durchschnittliche Renditen (Sharpe Ratios) in den anderen 12 (8) Verträge . Die Ergebnisse stimmen weitgehend mit der bisherigen Literatur über die technische Analyse in Rohstoff-Futures überein (siehe z. B. Szakmary et al. 2010). In einigen Verträgen ist die Leistungsverbesserung ziemlich groß, aber bei anderen Verträgen ist auch die Leistungsverschlechterung ziemlich groß. Auszug Auszug ausblenden ABSTRAKT: Wir belegen, dass eine einfache gleitende durchschnittliche Timing-Strategie, wenn sie auf Portfolios von Rohstoff-Futures angewendet wird, überlegene Leistung für die Buy-and-Hold-Strategie generieren kann. Die Outperformance ist sehr robust. Es kann die Transaktionskosten in den Futures-Märkten überleben, ist nicht in einem bestimmten Teilzeitraum konzentriert und ist robust gegenüber kurzfristigen Zwängen, alternativen Spezifikationen der gleitenden durchschnittlichen Verzögerungslänge, alternativer Aufbau der kontinuierlichen Zeitreihen von Futures-Preisen, Und Auswirkungen aus Data Mining. Die Outperformance der Timing-Strategie wird nicht durch die Backwardation und Contango getrieben. Sie ist während der Rezession stärker und kann nicht durch makroökonomische Variablen erklärt werden. Schließlich bestätigen wir, dass die Outperformance der gleitenden durchschnittlichen Timing-Strategie in den Rohstoff-Futures aus dem erfolgreichen Markt-Timing stammt. Volltext Artikel Jun 2016 Yufeng Han Ting Hu Jian YangTrend-Folgende Handelsstrategien in Commodity Futures: Eine Re-Examination (Digest Summary) Die Autoren erforschen die Profitabilität der Trendfolgen und Impulsstrategien in Rohstoff-Futures-Märkten. Sie testen mehrere Variationen dieser Strategien, einschließlich Querschnittsimpuls, eine doppelte gleitende durchschnittliche Crossover-Regel und eine Kanalregel. Sie finden signifikante positive Renditen und zeigen, dass die Ergebnisse auch robust gegenüber Verteilungsannahmen, Data-Mining-Anpassungen und Transaktionskosten sind. Die Autoren untersuchen drei Variationen von Impulsstrategien. Die erste ist eine Querschnittsformulierung, die in der Equity-Literatur üblich ist. Am Ende eines jeden Kalendermonats rangieren sie alle Rohstoffe auf der Grundlage ihrer jeweiligen Gesamtrendite über die Gründungsperioden, die 1, 2, 3, 6, 9 und 12 Monate sind. Sie nehmen dann lange Positionen in den oberen Drittel, kurze Positionen in der unteren Drittel, und keine Position in der Mitte Drittel. Die nächste Strategie ist eine explizite Impulsstrategie, die auf einer doppelten gleitenden durchschnittlichen Crossover (DMAC) in jeder Ware unabhängig basiert. Der kurzfristige gleitende Durchschnitt beträgt entweder 1 oder 2 Monate, und der langfristig gleitende Durchschnitt beträgt entweder 6 oder 12 Monate. Sie betrachten auch eine neutrale Bande, in der keine Position genommen wird, wenn die gleitenden Mittelwerte innerhalb eines Bandes von 5 Prozent von einander sind. Die endgültige Strategie ist die Kanalregel. Eine lange Position wird ergriffen, wenn der Wert der Ware in den letzten n Monaten die maximalen Monatseinheiten überschreitet und eine kurze Position genommen wird, wenn der letzte Wert kleiner als das Minimum der End-of-Monats-Werte ist In den letzten n Monaten. Für die Verzögerungslänge werden mehrere Parameter berücksichtigt. Einschließlich 3, 4, 5, 6, 9 und 12 Monate. Die Daten werden aus der Commodity Research Bureau Datenbank bezogen, aus der die Autoren in der Lage sind, Tagespreise für 28 Futures-Märkte zu extrahieren. Für die Zwecke der Analyse verwenden die Autoren immer den nahen Vertrag und rollen am letzten Tag des Monats, bevor der Vertrag abläuft. Die Daten werden dann in eine Monatsreihe für die Analyse zusammengefasst. Die ausgewählten Futures-Märkte repräsentieren einen breiten Querschnitt von Agrar-, Industrie-, Edelmetall - und Energie-Futures-Märkten und schließen ausschliesslich Devisentermingeschäfte und andere Finanzterminkontrakte aus. Die Autoren wenden auch die Tests zum Handel der Goldman Sachs Commodity Index (GSCI) Futures an. Durch die Verwendung von Volumendaten können sie auch Renditen für eine Teilmenge untersuchen, die die acht Rohstoffe mit dem niedrigsten Gesamthandelsvolumen ausschließt. Um die Handelsrenditen zu berechnen, implementieren die Autoren Trades, indem sie für jede Parameterkombination jeder der drei Strategien einen gleichberechtigten Betrag für jede Ware im Anlageuniversum vergeben. Für die gesamte Stichprobe von Juli 1959Dezember 2007 und für die Teilproben von 19581971, 19721983, 19841995 und 19962007 werden die Rücksendungen gemeldet. Für die gesamte Stichprobe sind alle Ergebnisse mit 1% - Pegel unter Verwendung von NeweyWest-Standardfehlern signifikant positiv. Die gepoolten durchschnittlichen Nettoüberschussrenditen reichen von 0,33 Prozent auf 0,49 Prozent pro Monat, wobei die Sharpe-Ratio von 0,42 bis 0,64 reichen. Wenn man die Daten in die Teilproben zerlegt, stellen die Autoren fest, dass die ersten drei Teilprobenergebnisse im Allgemeinen mit denen der gesamten Periode vergleichbar sind. Für den Zeitraum 19962007 ist der Vergleich schwächer, wobei die DMAC - und Kanalstrategien statistisch signifikante positive Renditen für drei Sechs-Kanal-Strategien und fünf von sechs DMAC-Parametrisierungen aufweisen, verglichen mit keine signifikanten Renditen (bei 5 Prozent) für den Querschnitt Impulsstrategien Bei der Begrenzung der Analyse auf die liquidesten Rohstoffe berichten die Autoren über ähnliche Ergebnisse, obwohl die Renditen etwas niedriger sind. Die Anwendung der Strategien auf die GSCI-Futures liefert jedoch gemischte Ergebnisse, und die Autoren weisen darauf hin, dass der Grund dafür ist, dass die Dynamik im Allgemeinen als sicherheitsspezifische und nicht als marktwirtschaftliche Wirkung gilt. Die Autoren führen Robustheitstests mit Bootstrap-Simulationen durch, um die Normalitätsannahme des von ihnen verwendeten NeweyWest t-statistisches zu adressieren. Durch die Anwendung der Strategien auf die bootstrapped Geschichten und zeigen, dass die beste Strategie übertrifft alle Strategien, die auf die bootstrapped Geschichten angewendet werden, zeigen sie, dass das Ergebnis unwahrscheinlich ist, durch Daten Snooping erklärt werden. Sie wenden auch eine Bonferroni-Korrektur an, und wieder finden sie, dass die besten Strategien noch sehr bedeutsam sind. Schließlich zeigen die Autoren, dass die Ergebnisse robuster bis zu mehr pessimistischen Annahmen der Transaktionskosten sind. Insgesamt zeigen die Autoren die Wirksamkeit der Trend - und Impulsstrategien auf den Rohstoffmärkten. Sie zeigen, dass diese Ergebnisse robust zu Handelsregelformulierungen, Verteilungsannahmen, Data-Mining-Anpassungen und Transaktionskosten sind. Original Autor Information Andrew C. Szakmary ist an der Robins School of Business, Universität von Richmond. Benutzer, die diesen Artikel lesen, lesen auch
No comments:
Post a Comment