เวลา ชุด โมเมนตัม เมื่อเทียบกับ เฉลี่ยเคลื่อนที่ trading กฎ

การวิจัยเกี่ยวกับโมเมนตัมภาคตัดขวางระเบิดหลังจากที่ Narasimhan Jegadeesh และ Sheridan Titman เผยแพร่ผลการศึกษาในปี พ. ศ. 2535 แต่โมเมนตัมของลำดับเวลายังคงอยู่ ส่วนใหญ่ไม่สนใจจนกว่า 2008 เทคนิคราคาตามแนวโน้มตามเช่นระบบค่าเฉลี่ยเคลื่อนที่ยังคงแยกออกจากเทคนิค momentum ตอบแทนตามเวลา การวิจัยใหม่แสดงให้เห็นว่าระบบค่าเฉลี่ยเคลื่อนที่และโมเมนตัมลำดับเวลาเป็นเทคนิคทางคณิตศาสตร์ที่เชื่อมโยงกันในปีพ. ศ. 2381 James Grant ได้ตีพิมพ์ The Great Metropolis เล่ม 2 ภายในเขาได้พูดถึง David Ricardo นักเศรษฐศาสตร์การเมืองชาวอังกฤษที่มีบทบาทในตลาดลอนดอนใน ช่วงปลายยุค 1700 และต้นปี 1800 ริคาร์โด้สะสมทรัพย์สมบัติจำนวนมากซื้อขายพันธบัตรและหุ้น ตามที่แกรนท์ความสำเร็จของ Ricardos มาจากกฎทองสามข้อดังที่ฉันได้พูดถึงชื่อนายริคาร์โด้ฉันอาจสังเกตเห็นว่าเขาสะสมทรัพย์สมบัติมหาศาลของเขาด้วยความเอาใจใส่อย่างพิถีพิถันต่อสิ่งที่เขาเรียกว่ากฎทองสามข้อของเขาเอง ที่เขาเคยกดกับเพื่อนส่วนตัวของเขา เหล่านี้คือไม่เคยปฏิเสธตัวเลือกเมื่อคุณได้รับมันตัดสั้นขาดทุนของคุณให้ผลกำไรของคุณทำงานบน โดยการตัดขาดทุนสั้นนาย Ricardo หมายความว่าเมื่อสมาชิกได้ซื้อหุ้นและราคาถูกลดเขาควรขายต่อทันที การที่สมาชิกมีหุ้นและราคาถูกเลี้ยงดูไม่ควรขายจนกว่าราคาจะสูงขึ้นและเริ่มกลับมาร่วงลงอีกครั้ง กฎเหล่านี้เป็นกฎทองและอาจใช้กับธุรกรรมอื่น ๆ ที่นับไม่ถ้วนกว่าที่เกี่ยวข้องกับตลาดหลักทรัพย์ ลดความสูญเสียของคุณและให้ผลกำไรของคุณทำงานบนกลายเป็นแกนหลักของแนวโน้มต่อไปนี้ ผู้ก่อตั้งและบรรณาธิการคนแรกของ Wall Street Journal รวมถึงผู้ร่วมก่อตั้ง บริษัท ดาวโจนส์และ บริษัท เจสลิเวอร์โมร์ผู้ซึ่งอ้างถึงโดย Edwin Lefvre ว่ามีเงินเป็นจำนวนมาก ไม่อยู่ในความผันผวนของแต่ละบุคคล แต่ในการเคลื่อนไหวหลัก การปรับขนาดตลาดและแนวโน้มทั้งหมด Richard Wyckoff ซึ่งวิธีการนี้เกี่ยวข้องกับการเข้าสู่ตำแหน่งที่ยาวนานเฉพาะเมื่อตลาดมีแนวโน้มสูงขึ้นและลัดวงจรเมื่อตลาดมีแนวโน้มลดลง แม้มีการศึกษาทางวิชาการในช่วงต้นของแนวโน้มตามอัลเฟรดโคว์ iii และเฮอร์เบิร์ตโจนส์ใน 2476 ในการศึกษามีบรรดาศักดิ์บาง A Posteriori ความน่าจะเป็นในการดำเนินการตลาดสต็อก พวกเขามุ่งเน้นไปที่การนับจำนวนครั้งที่ผลตอบแทนที่เป็นบวกตามมาด้วยผลตอบแทนที่เป็นบวกหรือผลตอบแทนเชิงลบตามมาด้วยผลตอบแทนเชิงลบเพื่อการพลิกกลับครั้งเมื่อผลตอบแทนที่เป็นบวกตามมาด้วยผลตอบแทนเชิงลบและในทางกลับกัน โคว์และโจนส์ประเมินอัตราส่วนของลำดับเหล่านี้และการผกผันในราคาหุ้นในช่วงเวลาตั้งแต่ 20 ถึง 3 ปี ผลการวิจัยพบว่าสำหรับชุดข้อมูลทุกชุดที่มีช่วงเวลาระหว่างการสังเกตการณ์ตั้งแต่ 20 นาทีขึ้นไปถึง 3 ปีรวมทั้งลำดับที่ได้จากการกลับรายการ ตัวอย่างเช่นในกรณีของชุดรายเดือนจาก 1835 ถึง 1935 รวม 1200 ข้อสังเกตมี 748 ลำดับและ 450 reversals นั่นคือความเป็นไปได้ที่ดูเหมือนว่าจะเป็น. 625 ถ้าหากตลาดพุ่งขึ้นในเดือนที่กำหนดก็จะเพิ่มขึ้นในเดือนที่ประสบความสำเร็จหรือถ้ามันตกลงมาก็จะลดลงต่อไปอีกหนึ่งเดือน ส่วนเบี่ยงเบนมาตรฐานสำหรับแบบยาว ๆ ที่สร้างโดยการสุ่มเงินจะเป็น 17.3 ดังนั้นส่วนเบี่ยงเบน 149 จากค่าที่คาดไว้ที่ 599 จะเกินค่าเบี่ยงเบนมาตรฐานแปดเท่า ความน่าจะเป็นของการได้รับผลดังกล่าวในชุดการคิดเงินเป็นจำนวนนับไม่ถ้วน แม้จะมีแนวโน้มในเชิงบวกและทฤษฎีสำหรับแนวโน้มหลังจากการศึกษาทางวิชาการครั้งต่อไปจะไม่เกิดขึ้นจนกระทั่งเกือบศตวรรษต่อมา ในปีพ. ศ. 2477 เบนจามินเกรแฮมและเดวิดด็อดได้ตีพิมพ์รายงานการวิเคราะห์ด้านความปลอดภัย ต่อมาในปี พ. ศ. 2492 ได้เผยแพร่ The Intelligent Investor ในเหล่านี้ tomes น้ำหนักพวกเขาร่างวิธีการของพวกเขาสำหรับการลงทุนที่ประสบความสำเร็จ เกรแฮมและดอดส์มุ่งเน้นการประเมินสถานะทางการเงินของธุรกิจที่อ้างอิง วัตถุประสงค์ของพวกเขาคือการระบุมูลค่าที่แท้จริงของ บริษัท และซื้อหุ้นเมื่อตลาดเสนอส่วนลดมากกับค่าที่ สำหรับเกรแฮมและด็อดสิ่งอื่นก็เป็นเพียงการเก็งกำไร เกรแฮมและด็อดให้นักลงทุนพื้นฐานและให้ความสำคัญกับนักลงทุนของพระคัมภีร์ อะไรที่ไม่ใช่การลงทุนขั้นพื้นฐานคือการวิเคราะห์ทางเทคนิค และเนื่องจากแนวโน้มต่อไปนี้พึ่งพาเฉพาะการประเมินราคาในอดีตจึงมีการระบุว่าเป็นการวิเคราะห์ทางเทคนิค นักวิชาการส่วนใหญ่ไม่สนใจการวิเคราะห์ทางเทคนิคในช่วงทศวรรษที่ 1900 นี่อาจเป็นเพราะการศึกษาและการทดสอบทำได้ยาก ผู้ฝึกปฏิบัติตามเทคนิคต่าง ๆ จำนวนมาก บางครั้งเทคนิคที่แตกต่างกันเหล่านี้อาจนำไปสู่การคาดการณ์ที่ตรงกันข้ามระหว่างช่างเทคนิค แต่ในปีพศ. 2536 Narasimhan Jegadeesh และ Sheridan Titman ได้ตีพิมพ์ผลตอบแทนในการซื้อผู้ชนะและผู้ขาย: ผลกระทบต่อประสิทธิภาพของตลาดสต็อก ในกระดาษของพวกเขาพวกเขาระบุกลยุทธ์การลงทุนที่ซื้อหุ้นที่มีประสิทธิภาพดีกว่าเพื่อนของพวกเขาและขายหุ้นที่มีประสิทธิภาพต่ำกว่า Jegadeesh และ Titman เรียกแนวความสัมพันธ์ของพวกเขาว่าเป็นคำที่ช่างเทคนิคใช้มานานแล้ว ตอนนี้มันเป็นบางครั้งเรียกว่าโมเมนตัมภาคตัดขวาง โมเมนตัมญาติหรือมักจะโมเมนตัมเพียง วิธีการง่ายๆที่ Jegadeesh และ Titman ระบุไว้ได้สร้างผลตอบแทนที่เป็นบวกอย่างมีนัยสำคัญทางสถิติซึ่งไม่สามารถอธิบายได้จากปัจจัยเสี่ยงที่พบได้ทั่วไป เอกสารฉบับนี้นำมาสู่ยุคของการวิจัยเกี่ยวกับโมเมนตัมโดยนักวิชาการได้สำรวจว่าเทคนิคนี้มีลักษณะอย่างไรในภูมิศาสตร์ช่วงเวลาและประเภทสินทรัพย์ ผลก็คือโมเมนตัมที่มีประสิทธิภาพน่าแปลกใจ แม้จะประสบความสำเร็จจากความแรงของญาติ ความสนใจในญาติสนิทของตนต่อไปนี้ยังคงไม่มีที่ไหนเลยที่จะพบ จนถึงวิกฤตการณ์ทางการเงินของปี 2551 ในทางเทคนิคหนึ่งในงานวิจัยที่ได้รับความนิยมมากที่สุดเกี่ยวกับแนวโน้มการใช้งาน Mebane Fabers ในเชิงปริมาณวิธีการเชิงปริมาณเพื่อการจัดสรรสินทรัพย์ทางยุทธวิธีถูกตีพิมพ์ในปี 2549 แต่ส่วนใหญ่สนใจจากนักวิชาการเกิดขึ้นหลังปีพ. เราให้ความสนใจกับแนวโน้มการลดความเสี่ยงตามมาด้วย การศึกษามักจะตกอยู่ในสองค่าย ในค่ายแรกมีการศึกษาแนวโน้มตามซึ่งมีแนวโน้มที่จะปฏิบัติตามระบบเครื่องกลแบบเรียบ ๆ เช่นค่าเฉลี่ยเคลื่อนที่ Faber (2006) ตกลงไปในค่ายแห่งนี้โดยใช้ค่าเฉลี่ยเคลื่อนที่เฉลี่ย 10 เดือน มีหลายรูปแบบของระบบเหล่านี้ ตัวอย่างเช่นหนึ่งอาจใช้การข้ามราคามากกว่าค่าเฉลี่ยเคลื่อนที่เป็นสัญญาณ อีกตัวอย่างหนึ่งอาจใช้ค่าเฉลี่ยของค่าเฉลี่ยที่สั้นกว่า ในที่สุดบางคนอาจใช้การเปลี่ยนแปลงทิศทางในค่าเฉลี่ยเคลื่อนที่เป็นสัญญาณ คนอื่น ๆ มักจะมุ่งเน้นไปที่สิ่งที่จะกลายเป็นที่รู้จักกันในชื่อโมเมนตัมของโมเมนตัมเวลา ในโมเมนตัมลำดับเวลาสัญญาณการซื้อขายจะถูกสร้างขึ้นเมื่อผลตอบแทนรวมในช่วงเวลาหนึ่ง ๆ ตัดผ่านเส้นศูนย์ หนึ่งในการศึกษาที่โดดเด่นที่สุดสำหรับโมเมนตัมเชิงเวลาคือ Moskowitz, Ooi และ Pedersen (2011) ซึ่งแสดงให้เห็นถึงความผิดปกติในดัชนีความผันผวนของอัตราแลกเปลี่ยนของสกุลเงินสินค้าโภคภัณฑ์และพันธบัตร กฎการเคลื่อนที่เฉลี่ยต่อไปนี้เป็นกฎการซื้อขายทางเทคนิคเมื่อเทียบกับวิธีเชิงปริมาณของโมเมนตัมลำดับเวลา บางทีความแตกต่างที่ใหญ่ที่สุดคือแนวโน้มค่ายดังต่อไปนี้มักมุ่งเน้นไปที่เทคนิคการใช้ราคาในขณะที่ค่ายโมเมนตัมมุ่งเน้นไปที่ผลตอบแทน อย่างไรก็ตามการวิจัยในช่วงครึ่งทศวรรษที่ผ่านมาแสดงให้เห็นว่าจริง ๆ แล้วเป็นกลยุทธ์ที่เกี่ยวข้องกับทางคณิตศาสตร์ Bruder, Dao, Richard และ Roncallis 2011 แนวโน้มการกรองวิธีการสำหรับกลยุทธ์โมเมนตัม united เคลื่อนไหวเฉลี่ยข้ามกลยุทธ์และโมเมนตัมของโมเมนตัมเวลาโดยแสดงให้เห็นว่า cross-overs เป็นจริงเป็นเพียงวิธีการทางเลือกอื่นสำหรับผลตอบแทนในโมเมนตัมอนุกรมเวลา การอ้างถึงการถ่วงน้ำหนักของผลตอบแทนแต่ละรูปแบบเป็นรูปสามเหลี่ยมและการถ่วงน้ำหนักที่ใหญ่ที่สุดจะอยู่ที่ขอบฟ้าของค่าเฉลี่ยเคลื่อนที่ที่เล็กที่สุด ขึ้นอยู่กับเส้นขอบฟ้า 2 ของค่าเฉลี่ยเคลื่อนที่ที่สั้นที่สุดตัวบ่งชี้สามารถมุ่งเน้นไปที่แนวโน้มปัจจุบัน (ถ้า n 2 มีขนาดเล็ก) หรือไปสู่แนวโน้มที่ผ่านมา (ถ้า n 2 มีขนาดใหญ่เท่ากับ n 1 2 เป็นต้น) ใน Marshall, Nguyen และ Visaltanachotis Time-Series โมเมนตัมกับการย้ายกฎการซื้อขายเฉลี่ย ตีพิมพ์ในปีพ. ศ. 2555 โมเมนตัมลำดับเวลาแสดงให้เห็นว่าเกี่ยวข้องกับการเปลี่ยนแปลงทิศทางของค่าเฉลี่ยเคลื่อนที่ ในความเป็นจริงสัญญาณโมเมนตัมแบบเวลาจะไม่เกิดขึ้นจนกว่าค่าเฉลี่ยของทิศทางการเคลื่อนที่จะเปลี่ยนไป ดังนั้นกฎการเคลื่อนที่โดยเฉลี่ยซึ่งขึ้นอยู่กับราคาที่ข้ามค่าเฉลี่ยเคลื่อนที่จะเกิดขึ้นก่อนการเปลี่ยนแปลงสัญญาณจากโมเมนตัมของชุดเวลา Bruder, Dao, Richard, และ Roncalli, Levine และ Pedersen แสดงให้เห็นว่าโมเมนตัมของโมเมนตัมเวลาและค่าเฉลี่ย cross-overs มีความสัมพันธ์กันอย่างมากในบทความ 2015 ซึ่งเทรนด์เป็นเพื่อนของคุณ นอกจากนี้ยังพบว่าโมเมนตัมของซีรีส์เวลาและกลยุทธ์ข้ามสายเฉลี่ยที่เคลื่อนไหวได้ทำกันในสัญญาฟิวเจอร์สและฟิวเจอร์สล่วงหน้า 58 แห่ง ในปี 2015 กระดาษค้นพบกฎแนวโน้ม, Beekhuizen และ Hallerbach ยังเชื่อมโยงค่าเฉลี่ยเคลื่อนที่กับผลตอบแทน แต่ต่อไปสำรวจกฎแนวโน้มที่มีระยะเวลาข้ามและความนิยม MACD (ย้ายความหลากหลายเฉลี่ยลู่กันและกัน) กฎ การใช้ค่าเฉลี่ยโดยรวมของค่าเฉลี่ยเคลื่อนที่และค่าผลตอบแทนที่แสดงให้เห็นว่า MACD มีแนวโน้มมากพอสมควรเนื่องจากเป็นค่าเฉลี่ยการพลิกกลับ การศึกษาเหล่านี้มีความสำคัญเนื่องจากช่วยในการตรวจสอบความถูกต้องของระบบราคา เมื่อเชื่อมโยงทางคณิตศาสตร์แล้วเทคนิคทางเทคนิคเช่นค่าเฉลี่ยเคลื่อนที่จะถูกเชื่อมโยงกับพื้นฐานทางทฤษฎีเช่นเดียวกับการเติบโตของการทำงานในโมเมนตัมของอนุกรมเวลา ผู้ประกอบวิชาชีพตลาดได้จัดว่าเป็นที่ทราบกันดีว่าเทรนด์ของเพื่อนและวรรณคดีการศึกษาของคุณได้เริ่มเห็นด้วยแล้ว แต่บางทีสิ่งสำคัญที่สุดคือตอนนี้เรารู้แล้วว่าไม่ว่าคุณจะใช้วิธีการทางเทคนิคโดยใช้ค่าเฉลี่ยเคลื่อนที่หรือวิธีเชิงปริมาณในการวัดผลตอบแทน ในตอนท้ายของวันที่พวกเขากำลังมากหรือน้อยในสิ่งเดียวกัน Corey เป็นผู้ร่วมก่อตั้งและหัวหน้าเจ้าหน้าที่การลงทุนของ Newfound Research ผู้จัดการสินทรัพย์เชิงปริมาณซึ่งนำเสนอบัญชีและบัญชีกองทุนที่จัดการแยกต่างหาก ที่ Newfound Corey รับผิดชอบการจัดการพอร์ตโฟลิโอการวิจัยการลงทุนการพัฒนากลยุทธ์และการสื่อสารมุมมองของ บริษัท ต่อลูกค้า ก่อนที่จะเสนอบริการการจัดการสินทรัพย์การวิจัยที่ได้รับอนุญาตจาก Newfound จากแบบจำลองการลงทุนเชิงปริมาณที่พัฒนาโดย Corey การวิจัยครั้งนี้ช่วยให้การตัดสินใจในการจัดสรรยุทธวิธีมีมูลค่าสูงถึง 10 พันล้านเหรียญ Corey เป็นผู้พูดในแผงอุตสาหกรรมและพูดคุยเกี่ยวกับ ETF, ETF Trends และ Forbess Great Speculations blog เขาได้รับการตั้งชื่อว่า ETF All Star by ETF ปี 2014 Corey จบปริญญาโทด้านการคำนวณด้านการเงินจาก Carnegie Mellon University และปริญญาตรีวิทยาศาสตร์คอมพิวเตอร์เกียรตินิยมอันดับสองจาก Cornell University คุณสามารถเชื่อมต่อกับ Corey ใน LinkedIn หรือ Twitter เกี่ยวกับ Newfound ก่อตั้งขึ้นในเดือนสิงหาคมปี 2008 Newfound Research เป็น บริษัท บริหารสินทรัพย์เชิงปริมาณอิงกับ Boston, MA การลงทุนที่จุดตัดระหว่างการเงินเชิงปริมาณและพฤติกรรม Newfound Research มุ่งมั่นที่จะช่วยให้ลูกค้าบรรลุเป้าหมายในระยะยาวด้วยพอร์ตการลงทุนเชิงปริมาณที่มีการวิจัยและพร้อมที่จะยอมรับว่าคุณภาพของการเดินทางมีความสำคัญเท่ากับจุดหมายปลายทางเท่านั้น คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับบริการจัดการสินทรัพย์ของเราได้ที่นี่ วิกฤติอัลฟ่า: วิธีการง่ายๆของอีทีเอฟวันที่ 21 กุมภาพันธ์ 2560 การคืนทุนกลับคืน 13 กุมภาพันธ์ 2560 การวิเคราะห์ข้อมูลเกี่ยวกับพฤติกรรมการบริโภคเชิงปริมาณและพฤติกรรม การเงินการวิจัย Newfound มุ่งมั่นที่จะช่วยให้ลูกค้าบรรลุเป้าหมายในระยะยาวด้วยพอร์ตการลงทุนเชิงปริมาณที่มีการวิจัยและพร้อมที่จะยอมรับว่าคุณภาพของการเดินทางมีความสำคัญพอ ๆ กับปลายทางเท่านั้น Momentum Series เมื่อเทียบกับ Moving Trading Average กฎระเบียบ Massey University - ภาควิชาเศรษฐศาสตร์และการคลังวันที่เขียน: 22 ธันวาคม 2014 โมเมนตัมของโมเมนตัมเวลา (TSMOM) และกฎการซื้อขายเฉลี่ย (MA) มีความสัมพันธ์กัน แต่มีความแตกต่างที่สำคัญ สัญญาณ TSMOM เกิดขึ้นที่จุดที่สอดคล้องกับการเปลี่ยนแปลงทิศทาง MA ในขณะที่ MA ซื้อ (ขาย) สัญญาณเพียงต้องการราคาที่จะย้ายไปด้านบน (ด้านล่าง) MA ผลการทดลองของเราแสดงให้เห็นว่ากฎของ MA มักให้สัญญาณก่อนหน้านี้ที่ส่งผลต่อผลตอบแทนที่มีความหมาย กฎทั้งสองทำงานได้ดีที่สุดนอกกลุ่มหุ้นขนาดใหญ่ซึ่งอาจอธิบายถึงความสำคัญของความนิยมกับนักลงทุน แต่ยังขาดหลักฐานสนับสนุนในการศึกษาทางวิชาการ การวิเคราะห์ทางเทคนิค, moment-series momentum, moving average, predictability return การอ้างอิงที่แนะนำ: คำกล่าวอ้างมาร์แชลล์, Ben R. and Nguyen, Nhut H. และ Visaltanachoti, Nuttawat, Momentum เมื่อเทียบกับการย้ายกฎการซื้อขายเฉลี่ย (December 22, 2014) ที่มหาวิทยาลัยซิดนีย์ - พุธเมอร์อ, 30974 นิวซีแลนด์ 64 6 350 5799 (เบอร์โทรศัพท์) 64 6 350 5651 (แฟกซ์.) โทร. 02-653-5744 หรืออีเมล์: ) Dual Momentum TM เนื่องจากข้อได้เปรียบของการลงทุนแบบโมเมนตัมกลายเป็นที่รู้จักแพร่หลายมากขึ้นมีการวิจัยที่ดำเนินการโดยธรรมชาติเพื่อสำรวจศักยภาพ งานวิจัยชิ้นนี้เช่น Moskowitz, Ooi และ Pedersen paper Time Series Momentum ได้รับความนิยมอย่างมาก เราชอบที่จะชี้ให้เห็นและพูดถึงสิ่งที่เป็นบวกเช่นนั้น แต่เนื่องจากนี่คือบล็อกเกี่ยวกับโมเมนตัมเรารู้สึกผูกพันที่จะต้องพูดคุยเกี่ยวกับผลิตภัณฑ์โมเมนตัมและการวิจัยที่อาจเป็นฐานที่ไม่ดี (ดูที่นี่มีตลาดเป็นกลาง Momentum8230sort of) ในช่วงปลายปีที่ผ่านมา Keller และ Van Putten ได้ออกเอกสารเรียกว่า General Momentum และ Elimination Asset Alocation ผู้เขียนใช้โมเมนตัมสัมบูรณ์และญาติไปยัง 3 อันดับแรกของ 7 ข้อมูลโดยใช้ข้อมูลจากปีพ. ศ. 2541 ถึง พ. ศ. 2555 พวกเขาได้พัฒนาพารามิเตอร์ของข้อมูล 8 ปีจากปีพ. ศ. 2548 ถึงปีพ. ศ. 2555 และระบุว่าได้ตรวจสอบผลการทดสอบเมื่อ 7 ปีของข้อมูลเพิ่มเติมจากปี 2541 2004 พวกเขาเรียกการตรวจสอบนี้ออกจากตัวอย่าง แต่พวกเขากล่าวถึงที่อื่น ๆ ในกระดาษของพวกเขาที่พวกเขากำหนดระยะเวลามองย้อนกลับไปและจำนวนเงินที่จะลงทุนในโดยการมองที่ช่วงข้อมูลอีกต่อไปซึ่งรวมถึงทั้งปี 1998 ถึง 2012 ระยะเวลา . ในการแยกข้อมูลจำนวนเล็กน้อยออกเป็นครึ่งหนึ่งและเรียกใช้ส่วนหนึ่งส่วนนั้นการทดสอบตัวอย่างไม่ถูกต้อง การสอดแนมข้อมูลและรูปแบบที่เหมาะสมมากเกินไปเป็นแนวทางปฏิบัติที่พบได้บ่อยในหมู่ผู้ปฏิบัติงาน ในแง่ของผลของพวกเขาข้อมูลที่ใช้เวลาแปดปีเป็นตัวอย่างขนาดเล็กมากสำหรับการกำหนดพารามิเตอร์ของรูปแบบการลงทุน ผลลัพธ์ของพวกเขาในอีก 7 ปีของข้อมูลอาจดูดีเพราะโมเมนตัมมีประสิทธิภาพเพื่อให้พารามิเตอร์ส่วนใหญ่ในช่วงหนึ่งทำงานออกมาได้ อย่างไรก็ตามการทดสอบกลับเมื่อข้อมูลแปดปีอาจไม่สามารถให้ค่าพารามิเตอร์ที่ดีที่สุดได้ ที่อื่น ๆ ผู้เขียนกระดาษสามารถค่อนข้างสับสน นี่คือตัวอย่างบางครั้งโมเมนตัมญาติของเราเรียกว่าแรงสัมพัทธ์ (RS โปรดดูที่ Faber 2010) หรือ momentum series (ดู Thomas 2012) นอกจากนี้เรายังจะใช้โมเมนตัมการถดถอยระยะเพื่อให้สอดคล้องกับความผันผวนและความสัมพันธ์ โมเมนตัมของโมเมนตัมเวลาแตกต่างจากโมเมนตัมญาติ (ดูโพสต์ Whatchmacallit ของฉัน) นอกจากนี้สิ่งที่พวกเขาเรียกโมเมนตัมความผันผวนและความสัมพันธ์ไม่ได้มีส่วนเกี่ยวข้องกับโมเมนตัม โมเมนตัมเป็นเรื่องเกี่ยวกับการเลือกสินทรัพย์โดยยึดหลักความคงอยู่ของผลการปฏิบัติงานไม่ว่าจะกับเพื่อนร่วมงาน (โมเมนตัมสัมพัทธ์) หรือต่อตนเองตลอดเวลา (โมเมนตัมสัมบูรณ์) เรื่องนี้ไม่สมเหตุสมผลกับความผันผวนหรือความสัมพันธ์ ผู้เขียนใช้ความผันผวนและความสัมพันธ์เป็นปัจจัยอันดับแรก พวกเขาทำเช่นเดียวกันกับผลตอบแทน แต่หลังจากที่พวกเขาเลือกพวกเขาโดยใช้โมเมนตัมญาติและสัมบูรณ์ ผู้เขียนจัดอันดับเนื้อหาโดยใช้น้ำหนักโดยพลการ 1.0, 0.5 และ 0.5 สำหรับโมเมนตัมการกลับรายการความผันผวนและความสัมพันธ์ตามลำดับ พวกเขาไม่ได้อธิบายวิธีการที่พวกเขามากับน้ำหนักเหล่านี้ ฉันจะระมัดระวังเกี่ยวกับการใช้ข้อมูลในเอกสารฉบับนี้โดยไม่ต้องทำการวิเคราะห์และทดสอบกลับมากนัก โมเมนตัมของซีรี่ส์เกี่ยวกับการซื้อขายกับการเปลี่ยนแปลงกฎการซื้อขายโดย Marshall, Nguyen และ Visaltanachoti เป็นเอกสารทางวิชาการที่พยายามตรวจสอบว่ากฎการซื้อขายโมเมนตัมที่ยาวนานสุดเท่านั้นที่สามารถเอาชนะกฎการซื้อขายโดยเฉลี่ยได้หรือไม่ พวกเขาทำเช่นนี้โดยการเปรียบเทียบโมเมนตัมสัมบูรณ์ (ซึ่งพวกเขาเรียกโมเมนตัมของชุดเวลา) เพื่อเทียบเคียง (ตามด้วย) การย้ายค่าเฉลี่ยของ quintiles ตามขนาดของหุ้นสหรัฐโดยใช้ระยะเวลามองย้อนกลับ 10, 50, 100 และ 200 วันซื้อขายหลักทรัพย์ พวกเขามีความเชื่อมั่นในการเปรียบเทียบของพวกเขาเนื่องจากความสัมพันธ์ระหว่างโมเมนตัมและผลตอบแทนโดยเฉลี่ยของการเคลื่อนที่โดยทั่วไปมากกว่า อย่างไรก็ตามอาจมีบางอย่างเกี่ยวข้องกับการใช้ข้อมูลประจำวันแทนที่จะเป็นรายเดือน เนื่องจากโมเมนตัมเป็นความผิดปกติของระยะปานกลางนักวิจัยส่วนใหญ่จึงศึกษาข้อมูลโดยใช้ผลตอบแทนรายเดือน เราได้รับความสัมพันธ์ตั้งแต่. 45 ถึง. 47 เมื่อเปรียบเทียบผลตอบแทนรายเดือนแบบโมเมนตัมสัมบูรณ์ 12 เดือนกับช่วงอัตราการเติบโตเฉลี่ยรายเดือนของช่วง 4-32 เดือนของตลาดหุ้นสหรัฐฯในช่วง 38 ปีที่ผ่านมา เราใช้ช่วงความยาวเฉลี่ยที่เคลื่อนที่ได้เนื่องจากไม่สามารถใช้ช่วงเวลามองย้อนกลับเดียวกันกับโมเมนตัมและค่าเฉลี่ยเคลื่อนที่และคาดว่าจะได้ผลลัพธ์ที่ใกล้เคียงกัน ผู้เขียนบอกใบ้ตัวเองเมื่อพวกเขากล่าวว่าค่าเฉลี่ยเคลื่อนที่จะเข้าและออกจากตลาดหุ้นเร็ว ๆ นี้ กระดาษของพวกเขายังระบุระยะเวลาการถือครองเฉลี่ยสำหรับช่วงเวลามองย้อนกลับของ 10, 50, 100 และ 200 วันทำการเป็น 8, 22, 31 และ 47 วันสำหรับการย้ายกฎเฉลี่ยและ 10, 32, 46 และ 83 วันสำหรับกฎโมเมนตัม รายการและสิ่งที่เร็วกว่าที่มีค่าเฉลี่ยเคลื่อนที่หมายถึงความยาวของพวกเขาควรจะยาวกว่านี้หากคาดว่าผลการปฏิบัติงานของพวกเขาจะสอดคล้องกับประสิทธิภาพของโมเมนตัมสัมบูรณ์ การเลือกช่วงเวลามองกลับเดียวกันไม่ได้ทำให้โมเมนตัมสัมบูรณ์และค่าเฉลี่ยเคลื่อนที่ที่เทียบเคียงได้ คำกล่าวถึงการลงทุนในอดีตคือค่าเฉลี่ยเคลื่อนที่ (moving average) ควรจะมีความยาวครึ่งหนึ่งอยู่หลังราคาปัจจุบันในแผนภูมิหุ้น ความล่าช้าครึ่งช่วงหมายถึงระยะเวลาย้อนกลับของค่าเฉลี่ยเคลื่อนที่จะเป็นสองเท่าตราบใดที่ระยะเวลาย้อนกลับของโมเมนตัมเพื่อให้ทั้งสองตัวเปรียบเทียบกันได้โดยประมาณ ตารางต่อไปนี้ควรทำให้ชัดเจน ให้วัดโมเมนตัมสัมบูรณ์จากจุดกึ่งกลางของบรรทัดนี้ที่จุดสิ้นสุด 30 ที่จุดสิ้นสุดที่ 50 โมเมนตัมสัมบูรณ์วัดความแตกต่างระหว่างค่าเริ่มต้นและจุดสิ้นสุดซึ่งในกรณีนี้คือ 20 ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้จากจุดเริ่มต้นของ 30 ถึงจุดสิ้นสุด ของ 50 คือ 40 ความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ 40 และค่าสิ้นสุดของ 50 มีค่าเพียง 10 ซึ่งบ่งบอกถึงแนวโน้มที่อ่อนแอกว่าที่ได้รับการระบุโดยใช้โมเมนตัมสัมบูรณ์ อย่างไรก็ตามหากเราเริ่มต้นค่าเฉลี่ยเคลื่อนที่ของเราสองเท่าที่ย้อนกลับไปที่จุดที่ 10 ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้จะกลายเป็น 30 แทน 40 และความแตกต่างระหว่างค่าสิ้นสุดกับจุดสิ้นสุดของเราคือ 20 เช่นเดียวกับโมเมนตัมสัมบูรณ์ ตัวเลขไม่ได้ทำงานออกมาในลักษณะนี้เสมอไป ระยะเวลามองย้อนกลับเฉลี่ยที่เท่ากันจะขึ้นอยู่กับการเคลื่อนไหวของราคาตามความยาวของค่าเฉลี่ยเคลื่อนที่ อย่างไรก็ตามสามารถพูดได้อย่างปลอดภัยว่าการใช้ช่วงเวลามองย้อนกลับโมเมนตัมเป็นสองเท่าช่วยให้เรามีค่าเฉลี่ยความยาวเฉลี่ยที่เทียบเท่าได้ เราสามารถเห็นได้ว่าในแผง D จากตารางที่ 2 ของบทความ: Momentum ของ Time-Series และผลการดำเนินงานด้านเทคนิคการวิเคราะห์และเปรียบเทียบ Q1 (เล็ก) Q2 Q3 Q4 Q5 (ใหญ่) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM แผง D: Sharpe Ratios 10 0.47 0.38 0.41 0.75 0.46 0.24 0.37 0.26 0.30 0.21 0.28 0.22 0.25 0.19 0.12 0.08 100 0.27 0.19 0.22 0.15 0.21 0.18 0.19 0.16 0.12 0.11 200 0.20 0.13 0.17 0.12 0.17 0.15 0.19 0.14 0.13 0.10 หุ้นอ้างอิงตามขนาด quintiles จาก Q1 (เล็ก) ถึง Q5 (ใหญ่) ระยะเวลาย้อนหลังตั้งแต่ 10 ถึง 200 วันอยู่ในคอลัมน์แรก การอ่านข้ามแถวอัตราส่วน Sharpe ใช้สำหรับการคำนวณค่าเฉลี่ยเคลื่อนที่ (MA) และ momentum momentum (TSMOM) โดยใช้ระยะเวลามองย้อนกลับเดียวกัน เราเห็นว่ายกเว้น Q5 (ใหญ่) ถ้าเราเปลี่ยนกลยุทธ์ MA ขึ้นหนึ่งระดับเพื่อให้ช่วงเวลามองกลับของพวกเขาเป็นสองเท่านาน (หรืออีกต่อไปเมื่อไปจาก 50 ถึง 10) เป็น TSMOM ระยะเวลามองย้อนกลับเรา ได้รับการจับคู่เกือบแน่นอนของอัตราส่วน Sharpe จากการใช้ช่วงเวลามองย้อนกลับที่เปลี่ยนแปลงไปซึ่งทำให้กลยุทธ์ของ MA และ TSMOM มีความเท่าเทียมกันเราไม่สามารถบอกได้อีกว่ากฎของเวลาในการลงทุนซึ่งอิงกับค่าเฉลี่ยเคลื่อนที่จะดีกว่าคู่ค่าสัมบูรณ์ที่แท้จริง เมื่อต้องการเปรียบเทียบโมเมนตัมสัมบูรณ์เพื่อย้ายกฎการซื้อขายเฉลี่ยควรตรวจสอบช่วงของค่าสำหรับแต่ละข้อ เราทำเช่นนี้และพบว่าพารามิเตอร์โมเมนตัมที่มีประสิทธิภาพดีที่สุดที่นำไปใช้กับสินทรัพย์ที่แตกต่างกันและช่วงเวลาต่างๆมีการกระจายตัวน้อยกว่าค่าเฉลี่ยเคลื่อนที่ที่ดีที่สุดที่มีประสิทธิภาพ Momentum Momentum เป็นข้อได้เปรียบของการลงทุนโมเมนตัมกลายเป็นที่รู้จักกันอย่างกว้างขวางมากขึ้น ทำเพื่อสำรวจศักยภาพ งานวิจัยชิ้นนี้เช่น Moskowitz, Ooi และ Pedersen paper Time Series Momentum ได้รับความนิยมอย่างมาก เราชอบที่จะชี้ให้เห็นและพูดถึงสิ่งที่เป็นบวกเช่นนั้น แต่เนื่องจากนี่คือบล็อกเกี่ยวกับโมเมนตัมเรารู้สึกผูกพันที่จะต้องพูดคุยเกี่ยวกับผลิตภัณฑ์โมเมนตัมและการวิจัยที่อาจเป็นฐานที่ไม่ดี (ดูที่นี่มีตลาดเป็นกลาง Momentum8230sort of) ในช่วงปลายปีที่ผ่านมา Keller และ Van Putten ได้ออกเอกสารเรียกว่า General Momentum และ Elimination Asset Alocation ผู้เขียนใช้ข้อมูลโมเมนตัมสัมบูรณ์และญาติไปยัง 3 อันดับแรกของ 7 ข้อมูลโดยใช้ข้อมูลตั้งแต่ปีพ. ศ. 2541 ถึงปีพ. ศ. 2555 โดยได้พัฒนาพารามิเตอร์ในข้อมูล 8 ปีจากปีพ. ศ. 2548 ถึงปีพ. ศ. 2555 และระบุว่าได้ตรวจสอบผลลัพธ์จากข้อมูลเพิ่มเติม 2004 พวกเขาเรียกการตรวจสอบนี้ออกจากตัวอย่าง แต่พวกเขากล่าวถึงที่อื่น ๆ ในกระดาษของพวกเขาที่พวกเขากำหนดระยะเวลามองย้อนกลับไปและจำนวนเงินที่จะลงทุนในโดยการมองที่ช่วงข้อมูลอีกต่อไปซึ่งรวมถึงทั้งปี 1998 ถึง 2012 ระยะเวลา . ในการแยกข้อมูลจำนวนเล็กน้อยออกเป็นครึ่งหนึ่งและเรียกใช้ส่วนหนึ่งส่วนนั้นการทดสอบตัวอย่างไม่ถูกต้อง การสอดแนมข้อมูลและรูปแบบที่เหมาะสมมากเกินไปเป็นแนวทางปฏิบัติที่พบได้บ่อยในหมู่ผู้ปฏิบัติงาน ในแง่ของผลของพวกเขาข้อมูลที่ใช้เวลาแปดปีเป็นตัวอย่างขนาดเล็กมากสำหรับการกำหนดพารามิเตอร์ของรูปแบบการลงทุน ผลลัพธ์ของพวกเขาในอีก 7 ปีของข้อมูลอาจดูดีเพราะโมเมนตัมมีประสิทธิภาพเพื่อให้พารามิเตอร์ส่วนใหญ่ในช่วงหนึ่งทำงานออกมาได้ อย่างไรก็ตามการทดสอบกลับเมื่อข้อมูลแปดปีอาจไม่สามารถให้ค่าพารามิเตอร์ที่ดีที่สุดได้ ที่อื่น ๆ ผู้เขียนกระดาษสามารถค่อนข้างสับสน นี่คือตัวอย่างบางครั้งโมเมนตัมญาติของเราเรียกว่าแรงสัมพัทธ์ (RS โปรดดูที่ Faber 2010) หรือ momentum series (ดู Thomas 2012) นอกจากนี้เรายังจะใช้โมเมนตัมการถดถอยระยะเพื่อให้สอดคล้องกับความผันผวนและความสัมพันธ์ โมเมนตัมของโมเมนตัมเวลาแตกต่างจากโมเมนตัมญาติ (ดูโพสต์ Whatchmacallit ของฉัน) นอกจากนี้สิ่งที่พวกเขาเรียกโมเมนตัมความผันผวนและความสัมพันธ์ไม่ได้มีอะไรเกี่ยวข้องกับโมเมนตัม โมเมนตัมเป็นเรื่องเกี่ยวกับการเลือกสินทรัพย์โดยยึดหลักความคงอยู่ของผลการปฏิบัติงานไม่ว่าจะกับเพื่อนร่วมงาน (โมเมนตัมสัมพัทธ์) หรือต่อตนเองตลอดเวลา (โมเมนตัมสัมบูรณ์) เรื่องนี้ไม่สมเหตุสมผลกับความผันผวนหรือความสัมพันธ์ ผู้เขียนใช้ความผันผวนและความสัมพันธ์เป็นปัจจัยอันดับแรก พวกเขาทำเช่นเดียวกันกับผลตอบแทน แต่หลังจากที่พวกเขาเลือกพวกเขาโดยใช้โมเมนตัมญาติและสัมบูรณ์ ผู้เขียนจัดอันดับเนื้อหาโดยใช้น้ำหนักโดยพลการ 1.0, 0.5 และ 0.5 สำหรับโมเมนตัมการกลับรายการความผันผวนและความสัมพันธ์ตามลำดับ พวกเขาไม่ได้อธิบายวิธีการที่พวกเขามากับน้ำหนักเหล่านี้ ฉันจะระมัดระวังเกี่ยวกับการใช้ข้อมูลในเอกสารฉบับนี้โดยไม่ต้องทำการวิเคราะห์และทดสอบกลับมากนัก โมเมนตัมของซีรี่ส์เกี่ยวกับการซื้อขายกับการเปลี่ยนแปลงกฎการซื้อขายโดย Marshall, Nguyen และ Visaltanachoti เป็นเอกสารทางวิชาการที่พยายามตรวจสอบว่ากฎการซื้อขายโมเมนตัมที่ยาวนานสุดเท่านั้นที่สามารถเอาชนะกฎการซื้อขายโดยเฉลี่ยได้หรือไม่ พวกเขาทำเช่นนี้โดยการเปรียบเทียบโมเมนตัมสัมบูรณ์ (ซึ่งพวกเขาเรียกโมเมนตัมของชุดเวลา) เพื่อเทียบเคียง (ตามด้วย) การย้ายค่าเฉลี่ยของ quintiles ตามขนาดของหุ้นสหรัฐโดยใช้ระยะเวลามองย้อนกลับ 10, 50, 100 และ 200 วันซื้อขายหลักทรัพย์ พวกเขามีความเชื่อมั่นในการเปรียบเทียบของพวกเขาเนื่องจากความสัมพันธ์ระหว่างโมเมนตัมและผลตอบแทนโดยเฉลี่ยของการเคลื่อนที่โดยทั่วไปมากกว่า อย่างไรก็ตามอาจมีบางอย่างเกี่ยวข้องกับการใช้ข้อมูลประจำวันแทนที่จะเป็นรายเดือน เนื่องจากโมเมนตัมเป็นความผิดปกติของระยะปานกลางนักวิจัยส่วนใหญ่จึงศึกษาข้อมูลโดยใช้ผลตอบแทนรายเดือน เราได้รับความสัมพันธ์ตั้งแต่. 45 ถึง. 47 เมื่อเปรียบเทียบผลตอบแทนรายเดือนแบบโมเมนตัมสัมบูรณ์ 12 เดือนกับช่วงอัตราการเติบโตเฉลี่ยรายเดือนของช่วง 4-32 เดือนของตลาดหุ้นสหรัฐฯในช่วง 38 ปีที่ผ่านมา เราใช้ช่วงความยาวเฉลี่ยที่เคลื่อนที่ได้เนื่องจากไม่สามารถใช้ช่วงเวลามองย้อนกลับเดียวกันกับโมเมนตัมและค่าเฉลี่ยเคลื่อนที่และคาดว่าจะได้ผลลัพธ์ที่ใกล้เคียงกัน ผู้เขียนบอกใบ้ตัวเองเมื่อพวกเขากล่าวว่าค่าเฉลี่ยเคลื่อนที่จะเข้าและออกจากตลาดหุ้นเร็ว ๆ นี้ กระดาษของพวกเขายังระบุระยะเวลาการถือครองเฉลี่ยสำหรับช่วงเวลามองย้อนกลับของ 10, 50, 100 และ 200 วันทำการเป็น 8, 22, 31 และ 47 วันสำหรับการย้ายกฎเฉลี่ยและ 10, 32, 46 และ 83 วันสำหรับกฎโมเมนตัม รายการและสิ่งที่เร็วกว่าที่มีค่าเฉลี่ยเคลื่อนที่หมายถึงความยาวของพวกเขาควรจะยาวนานขึ้นหากคาดว่าผลการปฏิบัติงานของพวกเขาจะสอดคล้องกับประสิทธิภาพของโมเมนตัมสัมบูรณ์ การเลือกช่วงเวลามองกลับเดียวกันไม่ได้ทำให้โมเมนตัมสัมบูรณ์และค่าเฉลี่ยเคลื่อนที่ที่เทียบเคียงได้ คำกล่าวถึงการลงทุนในอดีตคือค่าเฉลี่ยเคลื่อนที่ (moving average) ควรจะมีความยาวครึ่งหนึ่งอยู่หลังราคาปัจจุบันในแผนภูมิหุ้น ความล่าช้าครึ่งช่วงหมายถึงระยะเวลาย้อนกลับของค่าเฉลี่ยเคลื่อนที่จะเป็นสองเท่าตราบใดที่ระยะเวลาย้อนกลับของโมเมนตัมเพื่อให้ทั้งสองตัวเปรียบเทียบกันได้โดยประมาณ ตารางต่อไปนี้ควรทำให้ชัดเจน ให้วัดโมเมนตัมสัมบูรณ์จากจุดกึ่งกลางของบรรทัดนี้ที่จุดสิ้นสุด 30 ที่จุดสิ้นสุดที่ 50 โมเมนตัมสัมบูรณ์วัดความแตกต่างระหว่างค่าเริ่มต้นและจุดสิ้นสุดซึ่งในกรณีนี้คือ 20 ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้จากจุดเริ่มต้นของ 30 ถึงจุดสิ้นสุด ของ 50 คือ 40 ความแตกต่างระหว่างค่าเฉลี่ยเคลื่อนที่ 40 และค่าสิ้นสุดของ 50 มีค่าเพียง 10 ซึ่งบ่งบอกถึงแนวโน้มที่อ่อนแอกว่าที่ได้รับการระบุโดยใช้โมเมนตัมสัมบูรณ์ อย่างไรก็ตามหากเราเริ่มต้นค่าเฉลี่ยเคลื่อนที่ของเราสองเท่าที่ย้อนกลับไปที่จุดที่ 10 ค่าเฉลี่ยเคลื่อนที่ที่คำนวณได้จะกลายเป็น 30 แทน 40 และความแตกต่างระหว่างค่าสิ้นสุดกับจุดสิ้นสุดของเราคือ 20 เช่นเดียวกับโมเมนตัมสัมบูรณ์ ตัวเลขไม่ได้ทำงานออกมาในลักษณะนี้เสมอไป ระยะเวลามองย้อนกลับเฉลี่ยที่เท่ากันจะขึ้นอยู่กับการเคลื่อนไหวของราคาตามความยาวของค่าเฉลี่ยเคลื่อนที่ อย่างไรก็ตามสามารถพูดได้อย่างปลอดภัยว่าการใช้ช่วงเวลามองย้อนกลับโมเมนตัมเป็นสองเท่าช่วยให้เรามีค่าเฉลี่ยความยาวเฉลี่ยที่เทียบเท่าได้ เราสามารถเห็นได้ว่าในแผง D จากตารางที่ 2 ของบทความ: Momentum ของ Time-Series และผลการดำเนินงานด้านเทคนิคและการเปรียบเทียบ Q1 (เล็ก) Q2 Q3 Q4 Q5 (ใหญ่) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM แผง D: Sharpe Ratios 10 0.47 0.38 0.41 0.75 0.46 0.24 0.37 0.26 0.30 0.21 0.28 0.22 0.25 0.19 0.12 0.08 100 0.27 0.19 0.22 0.15 0.21 0.18 0.19 0.16 0.12 0.11 200 0.20 0.13 0.17 0.12 0.17 0.15 0.19 0.14 0.13 0.10 หุ้นอ้างอิงตามขนาด quintiles จาก Q1 (เล็ก) ถึง Q5 (ใหญ่) ระยะเวลาย้อนหลังตั้งแต่ 10 ถึง 200 วันอยู่ในคอลัมน์แรก การอ่านข้ามแถวอัตราส่วน Sharpe ใช้สำหรับการคำนวณค่าเฉลี่ยเคลื่อนที่ (MA) และ momentum momentum (TSMOM) โดยใช้ระยะเวลามองย้อนกลับเดียวกัน เราเห็นว่ายกเว้น Q5 (ใหญ่) ถ้าเราเปลี่ยนกลยุทธ์ MA ขึ้นหนึ่งระดับเพื่อให้ช่วงเวลามองกลับของพวกเขาเป็นสองเท่านาน (หรืออีกต่อไปเมื่อไปจาก 50 ถึง 10) เป็น TSMOM ระยะเวลามองย้อนกลับเรา ได้รับการจับคู่เกือบแน่นอนของอัตราส่วน Sharpe จากการใช้ช่วงเวลามองย้อนกลับที่เปลี่ยนแปลงไปซึ่งทำให้กลยุทธ์ของ MA และ TSMOM มีความเท่าเทียมกันเราไม่สามารถบอกได้อีกว่ากฎของเวลาในการลงทุนซึ่งอิงกับค่าเฉลี่ยเคลื่อนที่จะดีกว่าคู่ค่าสัมบูรณ์ที่แท้จริง เมื่อต้องการเปรียบเทียบโมเมนตัมสัมบูรณ์เพื่อย้ายกฎการซื้อขายเฉลี่ยควรตรวจสอบช่วงของค่าสำหรับแต่ละข้อ เราทำเช่นนี้และพบว่าพารามิเตอร์โมเมนตัมที่มีประสิทธิภาพดีที่สุดที่ใช้กับเนื้อหาที่แตกต่างกันและช่วงเวลาที่ต่างกันมีการกระจายตัวต่ำกว่าพารามิเตอร์เฉลี่ยเคลื่อนที่ที่ดีที่สุด 9 มีนาคม 2013 มีการค้นคว้าวิจัยใหม่โดย Wes Gray และ Jack Vogel ที่น่าสนใจไม่เพียง แต่สำหรับนักลงทุนโมเมนตัมเท่านั้น แต่ยังรวมถึงนักลงทุนและนักวิจัยทั้งหมด กระดาษใช้การเบิกใช้สูงสุดเพื่อจับความเสี่ยงหาง ในนั้นเวสสตรีทและแจ็คแสดงให้เห็นว่าความผิดปกติทางวิชาการที่ระบุด้วยตัวแบบเชิงเส้น (อัลฟา) มักไม่ใช่กลยุทธ์การซื้อขายที่ดี Wes และ Jack เลือกสิบเอ็ดความผิดปกติของ longshort จากวรรณคดีทางวิชาการและแสดงให้เห็นว่าจำนวนของพวกเขาแม้จะมีอัตราส่วนที่เป็นบวกและอัตราส่วน Sharpe ที่น่าสนใจแสดงการเบี่ยงเบนที่ใหญ่มากซึ่งอาจทำให้เกิดการเรียกมาร์จินและการถอนนักลงทุนในเวลาไม่เหมาะสม หกในสิบเอ็ดกลยุทธ์มีการเบิกเกิน 50 และสามที่เลวร้ายที่สุดคือ 86.1, 84.7 และ 83.5 (หุ้น Longshort โมเมนตัมเป็นหนึ่งที่มีการเบิกจ่าย 86 บางที QuantShares ควรพิจารณาเรียกหุ้นระยะยาวของพวกเขา ETF, Momentum กองทุนสหรัฐตลาด) นักวิจัยบางคนมองที่อัตราส่วน Sortino ซึ่งจะแบ่งผลตอบแทนส่วนเกินออกจากความผันแปรขาลงมากกว่าความแปรปรวนทั้งหมดเช่นอัตราส่วน Sharpe รวมถึงความแปรปรวนด้านบนอาจเป็นประโยชน์ แต่โดยเฉพาะอย่างยิ่งเมื่อประเมินโอกาสการลงทุนที่มีความผันผวนเช่นเดียวกัน ทั้ง Sharpe และอัตราส่วน Sortino พิจารณาขอบเขตทั้งหมดของการได้รับผลกระทบด้านลบจากหางซ้ายสุดของการกระจาย เวสสตรีทและแจ็คกล่าวว่านักวิจัยและนักลงทุนให้ความสำคัญกับความเสี่ยงหาง พวกเขาแนะนำให้มองไปที่การสูญเสียสูงสุด (สูงสุด) ไปยังหุบเขา (drawdown) ที่เชื่อมโยงกับชุดข้อมูลแบบเวลาเป็นวิธีง่ายๆในการทำเช่นนี้ พวกเขามีวิดีโออธิบายเกี่ยวกับบล็อก Turnkey Analyst พร้อมกับโค้ดแมโคร Excel VBA และสเปรดชีตสำหรับคำนวณการเบิกสูงสุด (มีวิดีโอที่ดีอื่น ๆ อีกเช่นกันแสดงวิธีการใช้ Excel เพื่อเพิ่มประสิทธิภาพของค่าแปรปรวนเฉลี่ยและวิธีคำนวณ alpha alpha ของ 3 หรือ 4) แน่นอนว่าการเบิกสูงสุดไม่เหมาะสำหรับวัดความเสี่ยง ไม่สามารถใช้การวิเคราะห์ทางสถิติแบบเดิมได้เช่นช่วงความเชื่อมั่น การคำนวณทางสถิติแบบดั้งเดิมอาจไม่ถูกต้องดังนั้นอย่างไรก็ตามการเบิกจ่ายสูงสุดคือเวลาที่ขึ้นอยู่กับ 8211 การบันทึกข้อมูลที่ยาวนานขึ้นอาจทำให้การเบิกจ่ายสูงสุดจะเพิ่มขึ้น ความถี่เบ็ดเตล็ดรวมทั้งความสำคัญเป็นสิ่งที่สำคัญ นอกจากนี้การเบิกเงินกู้สูงสุดยังแสดงเฉพาะเหตุการณ์ในอดีตที่ผ่านมาซึ่งอาจเป็นเหตุการณ์ที่เกิดขึ้นได้และไม่ใช่ตัวแทนของสิ่งที่อนาคตอาจนำมา วิธีอื่น ๆ ในการมองความเสี่ยงหางพยายามที่จะจัดการกับความกังวลเหล่านี้ ค่าตามเงื่อนไขที่มีความเสี่ยง (CVAR) พยายามแสดงให้เห็นว่าการเบิกจ่ายมากที่สุดน่าจะมีลักษณะเป็นอย่างไรหากได้รับเหตุการณ์ที่รุนแรง Extreme value theory (EVT) tries to identify large deviations from the medians of probability distributions. Both these approaches are computationally challenging and rarely found in finance literature. (I used to compute CVAR myself, but didn8217t find it as intuitively appealing as maximum drawdown.) Wes and Jack have done a service in showing how the usual ways of evaluating investment opportunities, such as alpha and Sharpe ratios, can be seriously lacking. Neither alpha, nor standard deviation, nor maximum drawdown, represent a complete measure of investment risk. Maximum drawdown is good in that it gives some indication of extreme tail risk. However, I also look more broadly at strategy drawdown versus benchmarks drawdown under a variety of adverse conditions. I also examine interquartile ranges and extreme outliers using box plots of the data. You can see all four of these methods at work in my dual momentum paper. I hope other researchers catch on soon and start presenting more than just Sharpe ratio or alpha as their objective function. These often mean little on their own in terms of true risk exposure. Tail risk is important to investors, and it should also matter to researchers.