Handelsstrategien Zeitreihen

Zeitreihenanalyse und Statistisches Arbitrage G63.2707, Herbst 2009 Wie analysieren wir historische Finanzdaten, um rentable und risikoarme Handelsstrategien zu entwickeln Dieser Kurs ist eine Einführung in die Zeitreihenanalyse, wie er in der Finanzwirtschaft verwendet wird, und Handelsstrategien, Seite und Sell-Side-Marktteilnehmer. Der Kurs wird grob in drei Teile unterteilt: Lineare Modelle: AR und MA für Skalar - und Vektorprozesse sowie einfache Volatilitäts - und Kovarianzschätzungen. Modellauswertung und Restanalyse. Kointegration und ihre Anwendung in der Risikomodellierung und Paarhandelsstrategien. Nichtlineare Modelle: ARCH, GARCH und allgemeinere Volatilitätsmodelle. Anwendungen: Marktmikrostruktur, Transaktionskostenmodellierung und optimale Handelsstrategien für Agentur - und Haupthandel. Instructors Lin Li, ll1084 at nyu Voraussetzungen Der Kurs richtet sich an Studierende des zweiten Studienjahres im Courant Institute MS-Programm für Mathematik in Finance. Von den Studierenden wird erwartet, dass sie eine exzellente Basis in der Finanzmathematik (Stochastische Kalkül und PDEs), einen vernünftigen Hintergrund in der Finanzierung (Portfolio-Theorie und Risikomanagement) und in der EDV, aber nicht unbedingt eine intensive Statistikkenntnis haben. Studierende mit vergleichbarer Vorbereitung können sich einschreiben, wenn Platz vorhanden ist. Etwa 5 Hausaufgaben (insgesamt 40), ein Quiz (30) und ein abschließendes Projekt (30). Referenzen Wir haben ein Klassenkonto bei Wharton Research Data Services. Anmeldeinformationen werden in der Klasse angegeben. Carol Alexander, Marktmodelle. James D. Hamilton, Zeitreihenanalyse, Princeton University Press 1994. Joel Hasbrouck, Empirical Market Microstructure, Oxford University Press 2006 (mehr Infos auf Hasbroucks Seite). Stephen J. Taylor, Asset Price Dynamics, Volatility und Prediction, Princeton University Press 2005. Ruey S. Tsay, Analyse der finanziellen Zeitreihen, 2. Auflage, Wiley 2005. Forschungsartikel werden bei Bedarf zur Verfügung gestellt. Montag Abend, 7:10 bis 9 PM in Silber 713, vom 14. September bis 7. oder 14. Dezember. (Es gibt keine Columbus Day Urlaub in diesem Jahr.) Der Zeitplan und der Umriss unten sind abhängig von der Art des Kurses Entwickelt, und auf die Lehrer Reise Forderungen. Zu einer nicht-linearen Handelsstrategie für die finanzielle Zeitreihe Fernanda Strozzi a ,. Jos-Manuel Zaldvar Comenges b. Institut für Umwelt und Nachhaltigkeit, TP272, 21020 Ispra (VA), Italien Akzeptiert am 3. August 2005. Die Europäische Kommission, Gemeinsame Forschungsstelle, Institut für Umwelt und Nachhaltigkeit, TP 272, 21020 Ispra (VA), Italien. Online verfügbar am 3. Oktober 2005. Es wird eine neue Handelsstrategie vorgeschlagen, die auf staatlichen Rekonstruktionstechniken basiert. Die Technik nutzt die Zustandsraumvolumenentwicklung und ihre Änderungsrate als Indikatoren. Diese Methode wurde off-line mit achtzehn Hochfrequenz-Devisen-Zeitreihen mit und ohne Transaktionskosten getestet. In unserer Analyse kann ein optimaler Mittelwert von ungefähr 25 Verstärkung in diesen Serien ohne Transaktionskosten und einem optimalen Mittelwert von etwa 11 Verstärkung unter der Annahme von 0,2 von Kosten in jeder Transaktion erhalten werden. Tabelle 1. Fig. Fig. Fig. Fig. Fig. Tabelle 2. Fig. Fig. Fig. Fig. Tabelle 3. Fig. Fig. Fig. Fig. 14. Entsprechender Autor. Tel. 39 0331 572634 fax: 39 0331 480746.Zeitreihe momentum Wir dokumentieren signifikante ldquotime Serie momentumrdquo in Aktienindex-, Währungs-, Rohstoff - und Anleihe-Futures für jedes der 58 flüssigen Instrumente, die wir betrachten. Wir finden Beharrlichkeit in der Rückkehr für ein bis 12 Monate, die teilweise über längere Horizonte kehrt, im Einklang mit Sentimentalitätstheorien der anfänglichen Unterreaktion und verzögerten Überreaktion. Ein diversifiziertes Portfolio von Zeitreihen-Impulsstrategien in allen Assetklassen liefert erhebliche anormale Renditen mit geringem Engagement gegenüber Standard-Asset-Preisfaktoren und führt am besten zu extremen Märkten. Untersuchen Sie die Handelsaktivitäten von Spekulanten und Hecken, finden wir, dass Spekulanten profitieren von Zeitreihen-Impuls auf Kosten von Hecken. JEL-Klassifizierung Asset Pricing Handelsvolumen Futures-Pricing Internationale Finanzmärkte Markteffizienz 1. Einleitung: Trendtrends Wall Street Wir dokumentieren eine Anomalie, die wir als ldquotime-Serienimpuls bezeichnen, das in sehr unterschiedlichen Assetklassen und - märkten bemerkenswert ist. Genauer gesagt, finden wir eine starke positive Vorhersehbarkeit aus einer Sicherung eigenen vergangenen Renditen für fast fünf Dutzend diverse Futures und Forward-Kontrakte, die Land Aktienindizes, Währungen, Rohstoffe und Staatsanleihen über mehr als 25 Jahren von Daten gehören. Wir finden, dass die vergangene 12-Monats-Überschussrendite jedes Instruments ein positiver Prädiktor für die zukünftige Rendite ist. Diese Zeitreihe Impuls oder ldquotrendrdquo Wirkung bleibt für etwa ein Jahr und dann teilweise umgekehrt über längere Horizonte. Diese Ergebnisse sind robust über eine Anzahl von Teilabtastungen, Rückblickperioden und Halteperioden. Wir sehen, dass die 12-Monats-Zeitreihen-Momentum-Gewinne nicht nur durchschnittlich über diese Vermögenswerte positiv sind, sondern für jeden Asset-Vertrag, den wir untersuchen (insgesamt 58). Das Zeitreihenmomentum steht im Zusammenhang mit dem Phänomen, das als ldquomomentumdquo in der Finanzliteratur bekannt ist, das in erster Linie Querschnitt in der Natur ist. Die Dynamikliteratur konzentriert sich auf die relative Wertentwicklung von Wertpapieren im Querschnitt. Dass Wertpapiere, die vor kurzem übertrafen ihre Altersgenossen in den letzten drei bis 12 Monate weiterhin ihre Kollegen im Durchschnitt über den nächsten Monat übertreffen. 1 Anstatt sich auf die relativen Erträge von Wertpapieren im Querschnitt zu konzentrieren, konzentriert sich das Zeitreihen-Momentum ausschließlich auf die Sicherheit der eigenen Vergangenheit. Wir behaupten, dass das Zeitreihen-Momentum direkt mit den Vorhersagen vieler prominenter Verhaltens - und rationaler Asset-Preissetzungstheorien übereinstimmt. Barberis, Shleifer und Vishny (1998). Daniel, Hirshleifer und Subrahmanyam (1998). Und Hong und Stein (1999) konzentrieren sich alle auf ein einziges riskantes Vermögen, das daher direkte Auswirkungen auf Zeitreihen und nicht auf Querschnittsvorhersagbarkeit hat. Ebenso betreffen rationale Theorien des Impulses (Berk et al., 1999. Johnson, 2002. Ahn et al., 2003. Liu und Zhang, 2008 xA0andxA0Sagi und Seasholes, 2007) Unser Auffinden eines positiven Zeitreihenimpulses, der sich teilweise umkehrt, kann mit einer anfänglichen Unterreaktion und einer verzögerten Überreaktion im Einklang stehen, die durch Theorien der Stimmung vermuten lassen, daß diese Rückkehrmuster erzeugt werden können. 2 Unsere Ergebnisse stellen jedoch auch einige Herausforderungen für diese Theorien dar. Zunächst stellen wir fest, dass die Korrelationen von Zeitreihen-Impulsstrategien über Assetklassen hinweg größer sind als die Korrelationen der Assetklassen selbst. Dies deutet auf eine stärkere gemeinsame Komponente der Zeitreihenmomentum über verschiedene Vermögenswerte hin, als sie unter den Vermögenswerten selbst vorhanden ist. Eine derartige Korrelationsstruktur wird nicht durch existierende Verhaltensmodelle adressiert. Zweitens, sehr unterschiedliche Arten von Investoren in verschiedenen Asset-Märkte produzieren die gleichen Muster zur gleichen Zeit. Drittens fehlt ein Zusammenhang zwischen Zeitreihenmomentum und den in der Literatur verwendeten Maßnahmen der Investorenstimmung (Baker and Wurgler, 2006 xA0andxA0Qiu und Welch, 2006). Um den Zusammenhang zwischen Zeitreihen und Querschnittsdynamik, ihren zugrunde liegenden Treibern und dem Verhältnis zur Theorie zu verstehen, zerlegen wir die Rückkehr zu einer Zeitreihen - und Querschnittsströmung nach dem Rahmen von Lo und Mackinlay (1990) und Lewellen (2002) ). Diese Zerlegung ermöglicht es uns, die Eigenschaften der Renditen, die zu diesen Mustern beitragen zu identifizieren, und welche Merkmale sind gemeinsam und einzigartig für die beiden Strategien. Wir finden, dass positive Auto-Kovarianz in Futures-Kontrakte liefert Antriebe die meisten der Zeitreihen und Querschnitts-Impuls-Effekte finden wir in den Daten. Der Beitrag der beiden anderen Rücklaufkomponenten mdashserial Kreuzkorrelationen und Variation in mittleren returnsmdashis klein. Tatsächlich sind negative serielle Kreuzkorrelationen (d. H. Blei-Verzögerungseffekte über die Wertpapiere), die das Querschnittsmoment beeinflussen, vernachlässigbar und von dem ldquowrödquo-Zeichen unter unseren Instrumenten, um das Zeitreihenmomentum zu erklären. Unsere Feststellung, dass Zeitreihen und Querschnittsimpulsgewinne durch Auto-Kovarianzen entstehen, stimmt mit den oben erwähnten Theorien überein. 3 Darüber hinaus finden wir, dass die Zeitreihenmomentum die Erträge erfasst, die mit dem individuellen Bestand (Querschnitt) Momentum, vor allem Fama und Frenchs UMD Faktor verbunden sind, trotz Zeitreihen-Impuls aus einem völlig anderen Satz von Wertpapieren erstellt wird. Dieser Befund deutet auf eine starke Korrelationsstruktur zwischen Zeitreihendynamik und Querschnittsmomentum hin, auch wenn sie auf verschiedene Vermögenswerte angewendet wird, und schlägt vor, dass unser Zeitreihen-Momentum-Portfolio individuelle Aktienmomentum erfasst. Um besser zu verstehen, was möglicherweise die Zeitreihen-Dynamik beeinflusst, untersuchen wir die Handelstätigkeit von Spekulanten und Hedgern um diese Rückkehrmuster mit wöchentlichen Positionsdaten von der Commodity Futures Trading Commission (CFTC). Wir finden, dass Spekulatoren mit Zeitreihen-Dynamik handeln, im Durchschnitt positioniert, um den positiven Trend in den Renditen für die ersten 12 Monate zu nutzen und ihre Positionen zu senken, wenn der Trend beginnt, umzukehren. Folglich scheinen Spekulanten aus Zeitreihendynamik auf Kosten von Hecken zu profitieren. Unter Verwendung einer Vektor-Auto-Regression (VAR) bestätigen wir, dass Spekulatoren in der gleichen Richtung wie ein Rückstoß handeln und ihre Positionen verringern, während der Schock zerstreut, während Hecken die entgegengesetzte Seite dieser Trades nehmen. Schließlich zerlegen wir das Zeitreihenmomentum in die Komponente, die aus der Spotpreisvorhersagbarkeit resultiert, gegenüber dem ldquoroll yieldrdquo, das aus der Form der Futureskurve folgt. Während die Kassakursänderungen überwiegend durch Informationsschocks getrieben werden, kann der Rollertrag durch Liquiditäts - und Preisdruckeffekte in Terminmärkten beeinflusst werden, die die Rückkehr zu Halte-Futures beeinflussen, ohne zwangsläufig den Kassakurs zu ändern. Daher kann diese Zersetzung eine Möglichkeit sein, die Effekte der Informationsverbreitung von dem Hedgedruck zu unterscheiden. Wir finden, dass diese beiden Effekte zur Zeitreihenmomentum beitragen, aber nur Spotpreisänderungen sind mit langfristigen Umkehrungen verbunden, im Einklang mit der Idee, dass die Anleger auf Informationen im Spotmarkt überreagieren können, aber der Hedgedruck länger ist Und von keiner Überreaktion betroffen. Unser Auffinden von Zeitreihen-Impuls in praktisch jedem Instrument, das wir untersuchen, scheint die ldquorandomistische Wanderungshypothese herauszufordern, die in ihrer grundsätzlichen Form impliziert, dass das Wissen, ob ein Preis in der Vergangenheit auf - oder abging, nicht informativ sein sollte, ob er nach oben gehen wird oder nicht In der Zukunft. Während die Ablehnung der Random-Walk-Hypothese nicht notwendigerweise eine Ablehnung eines differenzierteren Begriffs der Markteffizienz mit zeitvariablen Risikoprämien impliziert, zeigen wir weiterhin, dass ein diversifiziertes Portfolio von Zeitreihenimpulsen über alle Vermögenswerte bemerkenswert stabil und robust ist Sharpe-Ratio im Jahresdurchschnitt größer als ein Jahr oder etwa das 2,5-fache der Sharpe-Ratio für das Aktienmarktportfolio mit geringem Zusammenhang mit passiven Benchmarks in jeder Anlageklasse oder einer Vielzahl von Standard-Asset-Preisfaktoren. Die abnorme Rückkehr zum Zeitreihenimpuls scheint auch keine Kompensation für Crash-Risiken oder Schwanzereignisse zu sein. Stattdessen tendiert die Rückkehr zur Zeitreihen-Dynamik dazu, am stärksten zu sein, wenn die Aktienmärkte am ehesten die besten Ergebnisse erzielen, wenn der Markt groß und aufwärts bewegt. Daher kann das Zeitreihen-Momentum eine Absicherung für Extremereignisse sein, wodurch seine große Rendite-Prämie aus risikobasierter Perspektive noch rätselhafter wird. Die Robustheit des Zeitreihenimpulses für sehr unterschiedliche Assetklassen und - märkte lässt vermuten, dass unsere Ergebnisse nicht wahrscheinlich sind, und die relativ kurze Dauer der Vorhersagbarkeit (weniger als ein Jahr) und die Höhe der Rückkehrprämie, die mit dem Zeitreihenmomentum einhergeht, signifikant sind Herausforderungen für die zufällige Wanderhypothese und vielleicht auch für die effiziente Markthypothese, obwohl wir die Existenz einer rationalen Theorie, die diese Erkenntnisse erklären kann, nicht ausschließen können. Unsere Studie bezieht sich auf die Literatur über Rückkehr-Autokorrelation und Varianzverhältnisse, die auch Abweichungen von der Zufallswanderungs-Hypothese findet (Fama und French, 1988. Lo und Mackinlay, 1988, xA0andxA0Poterba und Summers, 1988). Während sich diese Literatur weitgehend auf US - und globale Aktien konzentriert, untersuchen Cutler, Poterba und Summers (1991) eine Vielzahl von Vermögenswerten einschließlich Wohnungsbau und Sammlerstücken. Die Literatur findet eine positive Rückkehr-Autokorrelation bei täglichen, wöchentlichen und monatlichen Horizonten und negative Autokorrelationen bei jährlichen und mehrjährigen Frequenzen. Wir ergänzen diese Literatur in mehrfacher Hinsicht. Die Autokorrelationsstudien untersuchen definitionsgemäß die Vorhersagbarkeit, wobei die Länge des ldquolook-back perioddquo die gleiche ist wie die ldquoholding perioddquo, über die die Rückkehr vorhergesagt wird. Diese Einschränkung maskiert signifikante Vorhersagbarkeit, die aufgedeckt wird, sobald Rückblickperioden erlaubt sind, sich von vorhergesagten oder Halteperioden zu unterscheiden. Insbesondere unser Ergebnis, dass die letzten 12 Monate der Renditen stark prognostiziert Renditen über den nächsten Monat wird mit Blick auf ein Jahr Autokorrelationen verpasst. Während die Rückführungsfortführung auch implizit aus Abweichungsverhältnissen ermittelt werden kann, ergänzen wir die Literatur, indem wir explizit das Ausmaß der Rückkehrfortführung dokumentieren und einen Zeitreihen-Impulsfaktor aufbauen, der dazu beitragen kann, vorhandene Vermögenspreisbildungsphänomene, wie Querschnittsmomentenprämien und Hedge, zu erläutern Fonds-Makro-und Managed-Futures-Renditen. Auch ist ein signifikanter Anteil der höherfrequenten Ergebnisse in Aktien durch Marktmikrostruktureffekte wie z. B. veraltete Preise kontaminiert (Richardson, 1993, AOandxA0Ahn et al., 2002). Das Fokussieren auf flüssige Futures anstelle von einzelnen Aktien und das Betrachten niedrigere Frequenzdaten mildert viele dieser Probleme. Schließlich, einzigartig in dieser Literatur, verknüpfen wir die Zeitreihenvorhersagbarkeit mit der Dynamik von Hedger - und Spekulantenpositionen und zersetzen die Rückkehr in Preisänderungen und Rollausbeuten.