Quantisierungsstrategien

Home Screener Charts Wie wir es machen Über Blog Links Nutzungsbedingungen Quantpedia bietet das Material auf dieser Website für informationalucation Zwecke. Nichts auf dieser Website sollte interpretiert werden, um anzugeben oder implizieren, dass die vergangenen Ergebnisse ein Hinweis auf die zukünftige Performance sind. Kein Hinweis auf eine bestimmte Sicherheit auf dieser Website stellt eine Empfehlung für Leser zu kaufen, zu verkaufen oder halten diese Sicherheit. Keine Diskussion oder Bewertung einer bestimmten Investitionsstrategie auf dieser Website stellt eine Empfehlung für die Leser, die Strategie zu beschäftigen. Die Leser sind für ihre eigenen Investitionen Forschung und Entscheidungen verantwortlich. Wir können auch in unserem alleinigen Ermessen, und jederzeit die Bereitstellung, vorübergehend oder dauerhaft, eine oder alle der Website, ohne vorherige Ankündigung einzustellen. Diese Website ist in keiner Weise eine Aufforderung oder ein Angebot zum Verkauf von Wertpapieren oder Anlageberatung. Diese Website ist nicht dazu bestimmt, spezifische individuelle Beratung, einschließlich, ohne Einschränkung, Investitionen, finanzielle, rechtliche, buchhalterische oder steuerliche. Die Informationen auf dieser Website dienen ausschließlich Informationszwecken und können ohne vorherige Ankündigung geändert werden. Quantpedia übernimmt keinerlei Haftung für etwaige Ungenauigkeiten in den bereitgestellten Informationen oder für irgendwelche Verluste oder Schäden jeglicher Art, die sich aus der Nutzung aller oder eines Teils dieser Website ergeben. Quantpedia übernimmt keine Haftung für die Nutzung dieser Website. Die Nutzung dieser Website erfolgt auf eigene Gefahr. Diese Website wird ohne vorherige Ankündigung, ohne ausdrückliche oder stillschweigende Zusicherungen, Garantien oder Eigentumsvorbehalt, ohne Verletzung von Urheberrechten, ohne vorherige schriftliche Zustimmung, Eignung für einen bestimmten Zweck, Leistung, Verfügbarkeit, Aktualität, Genauigkeit oder Vollständigkeit, die durch Quantpedia in vollem Umfang vom Gesetz ausgeschlossen werden. Quantpedia haftet weder für Sie noch für irgendeine andere Person für irgendwelche Verluste oder Schäden (direkt oder indirekt, besondere, zufällige, wirtschaftliche oder Folgeschäden, vorbildliche oder strafbare), die im Zusammenhang mit der Nutzung von Oder die Unfähigkeit, diese Website oder die Informationen, oder jede Aktion oder Entscheidung von Ihnen oder einer anderen Person in Abhängigkeit von dieser Website oder die Informationen, oder jede nicht autorisierte Nutzung oder Reproduktion dieser Website oder die Informationen. Quantpedia übernimmt keinerlei Gewähr für die Aktualität, Richtigkeit und Vollständigkeit der Informationen auf dieser Website. Darüber hinaus lehnt Quantpedia die Verantwortung für Inhalte Dritter, einschließlich Informationen durch Hyperlinks zugegriffen. Die Website und ihr Inhalt dürfen ohne ausdrückliche vorherige schriftliche Zustimmung weder kopiert, nachgeahmt, vervielfältigt, neu veröffentlicht, hochgeladen, veröffentlicht, übertragen, verändert, gespiegelt oder in irgendeiner Weise ganz oder teilweise verteilt werden. Durch die Nutzung der Quantpedia und der Dienste, die auf oder über die Quantpedia oder durch Registrierung auf Quantpedia zur Verfügung gestellt werden, stimmen Sie zu, dass Sie elektronische Mitteilungen von Quantpedia erhalten. Diese elektronischen Mitteilungen können Mitteilungen über die anwendbaren Gebühren und Gebühren sowie weitere Informationen über die Quantpedia andor Dienstleistungen enthalten, die auf oder durch die Quantpedia. Seasonalities in Stock Retouren zur Verfügung gestellt werden Sonntag, 8. Januar 2017 Autoren: Hirschleifer, Jiang, Meng Titel: Mood Beta Und Saisonalitäten in Aktienrenditen Bestehende Forschung dokumentiert Querschnittssaisonalität der Aktienrenditen ndash die periodische Outperformance bestimmter Aktien relativ zu anderen während der gleichen Kalendermonat, Wochentag oder vor dem Urlaub Zeiträume. Ein Modell, das auf der Differenzialempfindlichkeit von Aktien zur Investorenstimmung beruht, erklärt diese Effekte und impliziert einen neuen Satz saisonaler Muster. Wir stellen fest, dass die relative Performance über positive Bestände in positiven Stimmungsperioden (zB Januar, Freitag, Best-Return-Monat im Jahr, Best-Return-Tag in einer Woche, Vorfeiertag) in künftigen Perioden mit kongruenter Stimmung fortbesteht (ZB Januar, Freitag, Vorfeiertag) und in Zeiten mit nicht-kongruenter Stimmung (zB Oktober, Montag, Feiertag) umzukehren. Bestände mit höheren Stimmungsaktivitäten, die bei saisonalen Fenstern mit starken Stimmungen (z. B. JanuarOktober, MontagFreitag oder Vorfeiertage) geschätzt werden, erzielen höhere erwartete Renditen während zukünftiger positiver Stimmungszeiten, aber niedrigere erwartete Renditen während zukünftiger negativer Stimmungszeiten. Bemerkenswerte Zitate aus dem akademischen Forschungsbericht: "Wir schlagen hier eine Theorie der Investorenstimmung vor, um eine integrierte Erklärung für bekannte Saisonalitäten sowohl auf der Gesamt - als auch auf der Querschnittsebene zu bieten und neue empirische Implikationen zu bieten, die wir auch testen. In unserem Modell, Investor positive (negative) Stimmungsschwankungen führen periodischen Optimismus (Pessimismus) bei der Bewertung von Signalen über AssetsRsquo systematische und idiosynkratische Auszahlung Komponenten. Dies führt zu einer saisonalen Variation der Fehlentscheidungs - und Renditeprognose. Im Einklang mit den Modellvorhersagen decken wir eine Reihe neuer Querschnittsrissaisonalitäten auf, die auf der Vorstellung beruhen, dass Bestände, die in der Vergangenheit sehr empfindlich gegenüber saisonalen Stimmungsschwankungen waren, auch in Zukunft sensibel sein werden. Mit anderen Worten argumentieren wir, dass einige Aktien höhere Empfindlichkeiten gegenüber Stimmungsschwankungen (höhere Stimmungs-Beta) als andere haben, die eine Verknüpfung zwischen stimmungstenden Aggregatsaisonalitäten und Saisonalitäten im Querschnitt der Renditen schafft. Insbesondere argumentieren wir, dass die Stimmung der Anleger in den Kalendermonaten, Wochentagen und Feiertagen systematisch variiert. In der Folge, eine Stimmung Beta geschätzt, mit der Sicherheit Rückkehr in den Jahreszeiten mit Stimmungsschwankungen hilft, künftige saisonale Renditen in anderen Perioden vorherzusagen, in denen Stimmung erwartet wird, sich zu ändern. Während unserer Stichprobe 1963-2015. Ist die durchschnittliche Aktienüberschussrendite (gemessen durch CRSP gleichgewichtete Indexrendite abzüglich der risikofreien Rate) im Januar am niedrigsten und im Oktober am niedrigsten. So konzentrieren wir uns auf Januar als Proxy für einen Investor-High-Mood-Staat und Oktober für einen Low-Mood-Staat. Mit Hilfe von Fama-MacBeth-Regressionen verifizieren wir die Feststellung von Heston und Sadka (2008) für Januar und Oktobermdashhistorical Januar (Oktober) relative Leistung in der Zukunft Januar (Oktober) für die folgenden zehn oder mehr Jahre bestehen bleiben. In unserer Interpretation werden Bestände, die sich besser als andere während eines Monats tendieren, wieder besser im selben Monat in der Zukunft zu tun, weil es eine kongruente Stimmung zu dieser Zeit gibt. Darüber hinaus finden wir einen neuen Umkehrungseffekt, der Monate mit inkongruenten Stimmungen überbrückt. Der historische Januar (Oktober) - Rückkehr im Querschnitt tendiert in den darauffolgenden Octobers (Januaries) dazu, sich signifikant umzukehren. Eine Aktie, die besser als andere Aktien im letzten Januar tendenziell schlechter als andere Aktien im Oktober für die nächsten fünf Jahre oder so tendenziell tendiert. Ein Ein-Standard-Abweichungsanstieg im historischen kongruenten (inkongruenten) Kalendermonat führt in den nächsten zehn Jahren zu einer durchschnittlichen Zunahme (17 Abnahme), bezogen auf die durchschnittlichen Januar-Oktober-Renditen. Unsere Erklärung für diese Effekte ist nicht spezifisch für die monatliche Frequenz. Ein nützlicher Weg, um unsere Theorie herauszufordern, ist daher, auf vergleichbare Querschnittssaisonalitäten bei anderen Frequenzen zu testen. Um in die Domäne der täglichen Rendite zu gelangen, dokumentieren wir einen ähnlichen Satz von Kongruenz-Kongruenz-Stimmung-Wochentag Rückkehr Persistenz und Umkehrung Effekte. Wir bestätigen diese Rückkehr-Persistenz-Wirkung für die Montag - und Freitag-Rendite und zeigen dann analog zu den monatlichen Ergebnissen, dass ein kongruenter Stimmungswochenstart-Rückkehr-Persistenz-Effekt gilt: relative Performance quer durch die Bestände auf der besten Marktrendite (worst-market - Rückkehr), der in einer Woche realisiert wird, tendiert dazu, an folgenden zehn Freitagen (montags) und darüber hinaus zu bestehen, wenn gute (schlechte) Marktperformance erwartet wird, um fortzufahren. Ein Ein-Standard-Abweichung Anstieg der historischen Kongruent-Wochentag oder Kongruent-Stimmung-Wochentag Rendite ist ein Durchschnitt mit einem 4 oder 12 höheren Rendite in den nächsten zehn MondaysFridays verbunden. Auf der Ebene einzelner Aktien gibt es vorzeitige Querschnittssaisonalität, wobei Aktien, die historisch höhere Pre-Holiday-Renditen erwirtschafteten, im Durchschnitt höhere Pre-Holiday-Renditen für denselben Urlaub in den nächsten zehn Jahren verdienten. Die perspektivischen und perspektivischen Rückwirkungseffekte über Monate, Wochentage und Feiertage stehen im Einklang mit unseren theoretischen Prognosen, dass Investoren aufgrund saisonaler Stimmungsschwankungen saisonale Fehlwahrnehmungen über Faktor - und firmenspezifische Auszahlungen verursachen und zu saisonalen Überschneidungen führen. Diese Vorhersagen basieren auf der Vorstellung, dass verschiedene Aktien unterschiedliche Stimmung haben betamdasha stockrsquos Rückkehr Empfindlichkeit zu Faktor Mispricing durch Stimmungsschocks induziert. Wir argumentieren, dass das Konzept der Mood Beta verschiedene Saisonalitätseffekte integriert. Wir führen daher mehr direkte Tests der Modellvorhersage, dass Stimmung Betas helfen, prognostizieren die relative Leistung der Bestände in den Jahreszeiten mit unterschiedlichen Stimmungen. Quantopian amp Quantpedia Trading-Strategie Serie: Querschnitts-Equity Mean Reversion Donnerstag, 29. Dezember 2016 Quantopian amp Die Quantpedia Trading Strategy Series geht weiter. Jetzt mit einem vierten Artikel, der wiederum von Matthew Lee geschrieben wurde, konzentrierte er sich auf die Querschnitts-Mittelwert-Reversion (Strategie 13): Querschnittsmittelrückschlag in Aktien (starke Tendenz von Aktien mit starkem Rückgang in einem kurzfristigen Zeitrahmen - Bis zu einem Monat) ist eine bekannte Marktbeobachtung und der Hauptgrund, warum so viele akademische Forscher in der Regel eine 2-12 Impulsmessung (Renditen in den letzten 12 Monaten, mit Ausnahme der vorherigen) bei der Untersuchung der Impulsanomalie verwenden. Viele akademische Papiere untersuchten diesen Effekt, die bemerkenswertesten sind Papiere von Jagadesh. Und Bruce Lehmann (siehe QuotOther papersquot Abschnitt auf Quantpedia Unterseite für diese Umkehrstrategie für zusätzliche akademische Forschung Papiere). Die meisten Wissenschaftler spekulieren, dass die fundamentalen Gründe für die Anomalie Markt-Mikrostrukturfriktionen (Bid-Ask-Bounce) oder Investoren sind39 kognitive Verzerrungen - Überreaktion auf vergangene Informationen und eine Korrektur dieser Reaktion nach einem kurzen Zeithorizont. Aber ist diese einfache Aktienstrategie immer noch profitabel Matthew Lee von Quantopian durchgeführt eine unabhängige Analyse während einer aus Probe Zeitraum von 12-01-2011 bis 12-01-2016. Insgesamt ist die Performance der einfachen kurzfristigen Kapitalumschlagstrategie unter dem Markt. Aber es ist zu beachten, dass diese Strategie ist Longshort im Vergleich zu nur Long-Only-Equity-Benchmark (die SPY ist). Wenn wir also die Gesamtperformance dieser Strategie vergleichen wollen, sollten wir nur eine lange Umkehrung der Quotavers-Aktien dezentralisieren. Longshort Equity Umkehr Strategie hat eine Sharpe Ratio 0,84 und Beta von 0,15. Sharpe-Verhältnis der Longshort-Version ist vergleichbar mit dem Markt-Portfolio und eine geringe Korrelation der Equity-Umkehr-Strategie macht es eine mögliche Erweiterung des Investment-Portfolios. Aber. Die Umkehrstrategie ist sehr aktiv (wöchentliche, zweiwöchentliche Neugewichtung), was hohe Transaktionskosten und Rutschgefahr bedeutet. Daher sollte eine wirklich hohe Vorsicht in einer realen Umsetzung geleistet werden, und es sollten Maßnahmen ergriffen werden, die versuchen, den Umsatz der Strategie zu begrenzen. Die letzte OOS-Eigenkapitalkurve: Danke für die Analyse Matthew Sie können auch zuerst überprüfen. Zweiten oder dritten Artikel in dieser Serie, wenn Sie die aktuelle mochte. Bleiben Sie dran für die nächste. Ein Einfluss der monetären Bedingungen auf das Tragen von Trades Donnerstag, 22. Dezember 2016 Titel: Carry Trades und monetären Bedingungen Dieses Papier untersucht die Beziehung zwischen monetären Bedingungen und die überraschenden Erträge aus einer Anlagestrategie, die aus der Aufnahme von Zins - Währungen mit hohen Zinssätzen, so genannte quot carry tradequot. Die Ergebnisse zeigen, dass Carry-Handel durchschnittliche Überschussrendite, Sharpe-Verhältnis und 5 Quantile deutlich unterscheiden sich über expansive und restriktive konventionelle Geldpolitik vor dem Beginn der jüngsten Finanzkrise. Demgegenüber sind die betrachteten Parameter nicht von einer unkonventionellen Geldpolitik während der Finanzkrise betroffen. Bemerkenswerte Zitate aus der akademischen Forschungsarbeit: "Mein Hauptergebnis ist, dass Carry Trade Portfolio durchschnittliche Rendite, Sharpe Ratio und 5 quantile di ffer wesentlich über expansive und restriktive konventionelle Geldpolitik vor dem Beginn der jüngsten Finanzkrise. Speziell finde ich, dass expansive Perioden durch signifikant höhere durchschnittliche Renditen und Sharpe-Ratios und geringere Abwärtsrisiken gekennzeichnet sind. Diesbezüglich argumentiere ich, dass eine expansive konventionelle Geldpolitik in der Lage ist, die Markterwartungen in den einzelnen Ländern zu verbessern und auf diese Weise das FX-Volatilitätsrisiko zu senken. Daraus resultiert eine Währungsaufwertung bei den Nettoschuldnerländern und eine Zunahme der Carry-Trade-Profits. Zweitens zeige ich Hinweise darauf, dass die betrachteten Parameter in der aggressiven und stabilisierenden unkonventionellen Geldpolitik während der jüngsten Finanzkrise ähnlich sind. So konnte die Federal Reserve während dieser Zeit keine Markterwartungen erwarten. Für die Anleger deuten diese Beweise darauf hin, dass Belohnungen aus dem Carry-Trading mit Änderungen der monetären Bedingungen nur während quot normaler Zeiten variieren. Für die Forscher, diese Beweise deuten darauf hin, dass die Anerkennung der Relevanz der Geldpolitik ist entscheidend für das Verständnis der Preisgestaltung Auswirkungen der FX-Volatilität Risiko für Carry trade. quot Eine interessante Analyse der Shiller39s CAPE Ratio Samstag, 17. Dezember, 2016 Eine interessante neue akademische Papier im Zusammenhang mit einer Autoren: Dimitrov, Jain Titel: Shiller39s CAPE: Markt-Timing und Risiko Robert Shiller zeigt, dass das CAPE (Cyclically Adjusted Price to Earnings Ratio) stark mit den zukünftigen langfristigen Aktienrenditen verbunden ist. Dieses Ergebnis wurde oft als Beweis für die Ineffizienz des Marktes interpretiert. Wir stellen zwei Erkenntnisse vor, die einer solchen Interpretation zuwiderlaufen. Erstens, wenn die Märkte effizient sind, sollten die Renditen im Durchschnitt, auch wenn sie von CAPE abhängig sind, höher sein als der risikofreie Satz. Wir finden, dass, auch wenn CAPE in seinem neunten Dezil ist, künftige 10-jährige Aktienrenditen im Durchschnitt höher sind als zukünftige Renditen auf 10-jährigen Treasurys. Somit sind die Ergebnisse weitgehend mit der Effizienz des Marktes vereinbar. Nur wenn CAPE sehr hoch ist, ist CAPE in der oberen Hälfte des zehnten Dezils (CAPE höher als 27,6), künftige 10-jährige Aktienrenditen im Durchschnitt niedriger als die auf 10-jährigen US-Treasurys. Zweitens bieten wir eine risikoorientierte Erklärung für den Zusammenhang zwischen CAPE und zukünftigen Aktienrenditen. Wir finden, dass CAPE und zukünftige Aktienrenditen positiv mit der zukünftigen Aktienvolatilität verbunden sind. Insgesamt scheinen die CAPE-Werte nicht die Marktin - effizienz zu reflektieren und spiegeln das Risiko (Volatilität) wider. Bemerkenswerte Zitate aus der akademischen Forschungsarbeit: "Verschiedene Marktbewertung Indikatoren vorgeschlagen, über die Geschichte der Börse, einer der beliebtesten ist Robert Shillerrsquos zyklisch angepasst Preis-Gewinn-Verhältnis (CAPE). CAPE ist definiert als der aktuelle Kurs des SampP 500-Index geteilt durch die SampP 500 Indexrsquos zehnjährigen durchschnittlichen inflationsbereinigten Ergebnis. John Campbell und Robert Shiller haben die Beziehung zwischen CAPE und zukünftigen Aktienrenditen in einer Reihe von Artikeln analysiert. Sie zeigen, dass künftige 10-jährige Aktienrenditen auf dem SampP 500-Index negativ mit CAPE verbunden sind. Shiller (1996, S. 2) kommt zu dem Schluss, dass die Vereinigung so stark scheint, dass diese Relation nicht mit den effizienten Märkten oder dem Zufallswanderungsmodell übereinstimmt. Im Gegensatz dazu argumentieren Befürworter der Markteffizienz, dass diese Beweise mit ldquorationalen Schwankungen übereinstimmen Im erwarteten returnsrdquo (Fama). Die Debatte geht bis heute unvermindert weiter und das Interesse am Verständnis von CAPE bleibt hoch. In diesem Beitrag stellen wir zwei Analysen vor, die diese Debatte über die Markteffizienz verdeutlichen sollen. Erstens, wenn die Märkte effizient sind, sollte CAPE nicht dazu beitragen, dass die Anleger überdurchschnittlich hohe Erträge erzielen, indem sie (kaufend) Aktien kaufen und (wenn) CAPE hoch ist. Mit anderen Worten, Markt-Timing-Strategien mit CAPE sollte nicht rentabel sein. Jedoch sind uns keine formalen Tests solcher Strategien bekannt. Wir finden, dass mit Ausnahme der Perioden, in denen CAPE in der oberen Hälfte des 10. Dezil (CAPE höher als 27,6) liegt, es im Durchschnitt nicht vorteilhaft ist, den Markt zu befruchten. In den meisten Fällen können Anleger nicht davon profitieren, dass CAPE mit zukünftigen 10-jährigen Aktienrenditen verbunden ist. Zweitens, wenn Märkte effizient sind, sollten CAPE (und zukünftige Aktienrenditen) mit dem Gesamtrisiko an der Börse verbunden sein. Wir testen diese Hypothese durch die Analyse der Assoziation zwischen CAPE (und zukünftigen Aktienrenditen) und der zukünftigen Aktienrenditevolatilität (Risiko). Wir finden, dass CAPE (und 10-jährige zukünftige Aktienrenditen) mit der zukünftigen 10-jährigen Volatilität der Aktienrenditen verbunden sind. Das Risiko, das durch die Volatilität gemessen wird, scheint eine mögliche Erklärung für CAPE-basierte Muster in Aktienrenditen zu sein. Insgesamt ist die Fähigkeit von CAPE, zukünftige Aktienrenditen zu prognostizieren, im Einklang mit einem positiven Zusammenhang zwischen Risiko und Rendite. Es scheint nicht zu implizieren, dass die Märkte ineffizient sind. quot Quellen der Rückkehr für CTAs - Ein kurzer Überblick über relevante Forschung Freitag, 9. Dezember, 2016 Ein verwandtes Papier wurde hinzugefügt: 118 - Zeitreihe Momentum Effekt Titel: Was sind die Quellen Der Rendite für CTAs und Rohstoffindizes Ein kurzer Überblick über relevante Forschung In diesem Umfragepapier werden die (potenziellen) strukturellen Ertragsquellen sowohl für CTAs als auch für Rohstoffindizes diskutiert, basierend auf einer Überprüfung von empirischen Forschungsartikeln sowohl von Wissenschaftlern als auch von Praktikern. Der Bericht behandelt insbesondere die langfristigen Renditequellen sowohl für Managed Futures-Programme als auch für Rohstoffindizes, b) die Erwartungen der Investoren und den Portfolio-Kontext für Futures-Strategien und c) die Benchmark dieser Strategien. Bemerkenswerte Zitate aus der akademischen Forschungsarbeit: In der akademischen Literatur kann man starke Beweise finden ndash historisch zumindest ndash für da bleibende Rückkehr in Futures-Programme aufgrund der Dynamik, Roll Ertrag, und auch aufgrund von Rebalancing. Dies ist tatsächlich der Fall über Asset-Klassen, und nicht nur für Rohstoff-Futures-Kontrakte. Die AQR Autoren theoretisierten, dass ldquoprice Trends teilweise aufgrund der langjährigen Verhaltensvorstellungen von Investoren, wie Verankerung und Herding, sowie die Handelsaktivität von Non-Profit-Suche-Teilnehmer, wie Zentralbanken und Corporate Hedging-Programme Unter der Annahme, dass diese Faktoren fortbestehen, könnte auch die langfristige Profitabilität aus Impulsstrategien andauern und nicht nur eine Frage der Geschichte sein. LdquoHowever, die. Strategie auch die Anleger großen Verlusten ausgesetzt. Während beide historischen Perioden, rdquo merkte die Federal Reserve Bank of Chicago Papier (Chabot et al. (2014)). Interessanterweise ldquomomentum. Verluste waren scheinbar voraussagbar. In beiden historischen Perioden, waren Verluste ldquomore wahrscheinlich, wenn Impuls vor kurzem gut durchgeführt. rdquo Für die 1867 bis 1907 Periode waren Verluste eher, wenn ldquointerest Preise relativ niedrig waren. rdquo Und für den Zeitraum von 1927 bis 2012 waren die Verluste eher, wenn ldquomomentum hatte Vor kurzem übertraf die Börse. Jede dieser Perioden waren ldquotimes, wenn Leihen oder das Anziehen der Rückkehr jagen lsquoblind Kapitalrsquo wäre einfacher gewesen. Die Autoren argumentieren, daß die periodischen großen Verluste, die mit der Strategie verbunden sind, die plausibel zu populär wird, eine wichtige Rolle in sustainingrdquo der Momentum strategyrsquos historischen Rückkehr. Neben der Dynamik dokumentiert die empirische Literatur auch, dass ldquoroll yieldrdquo zumindest längere Zeit als strukturelle Quelle der Rendite betrachtet werden kann. Zum Beispiel beschrieb Campbell amp Company (2013) eine proprietäre Trendfolge-Benchmark, in der sie die Renditen von 1972 bis November 2012 kalkulierten und eine Auswahl an Aktien-, Renten-, Devisen - und Rohstoffmärkten beinhalteten. Während dieser 40-jährigen Periode war etwa die Hälfte der kumulierten Performance der Benchmarkrsques auf die Rendite zurückzuführen, während die andere Hälfte auf Roll-Rendite zurückzuführen war. Über lange Horizonte hinweg ist die Rollausbeute vor allem für Warenterminkontrakte wichtig. Dies liegt an einem weiteren strukturellen Merkmal der Rohstoffmärkte: mittlere Reversion. Wenn eine Ware eine Tendenz hat, über längere Zeiträume hinweg zu rekonstruieren, kann die Rendite nicht durch eine langfristige Aufwertung (oder Abschreibung) der Spotpreise begründet werden. In diesem Fall würde über einen ausreichenden Zeitrahmen die Futures-Only-Rendite für einen Futures-Kontrakt grundsätzlich zu seiner Rollausbeute zusammenbrechen. Können wir dies historisch beobachten in Rohstoff-Futures-Märkte Die Antwort ist im Wesentlichen ja. Die mittlere Reversion der Rohstoffpreise kann auch sinnvolle Konsequenzen für die Rendite auf Portfolio - oder Indexebene haben. Genauer gesagt, ist dieses Merkmal an der Wurzel einer zusätzlichen Renditequelle, ganz getrennt von den Kursen der Spotpreise oder der potentiellen Persistenz von Kurvenstruktur-Effekten. Diese potenzielle zusätzliche Quelle der Rendite ist die Rendite aus Rebalancing. Erb und Harvey (2006) diskutierten, wie es sinnvoll sein kann, ein Portfolio von niedrig korrelierten, hochabgestuften Instrumenten auszugleichen. Die Rebalancing-Wirkung wurde erklärt, Greer et al. (2014), wie folgt: ldquoA lsquorebalancing returnrsquo. Kann natürlich aus periodischen Rückstellung ein Portfolio von Vermögenswerten zurück zu seinen strategischen Gewichten, wodurch der Investor Vermögenswerte zu verkaufen, die in Wert gestiegen und kaufen Vermögenswerte, die abgelehnt haben. rdquo Eine Einschränkung ist, dass onersquos Haltezeit kann sehr langfristig sein müssen Damit diese Rückwirkungen sichtbar werden. Allerdings können auch strukturell positive Renditen nicht ausreichen, um Investoren zu motivieren, Futures-Produkte zu berücksichtigen. Ein CTA-Anleger (oder globaler Makroanleger) kann verlangen, dass das Programrsquos-Renditeprofil auch langwährungsorientiert ist und ein institutioneller Investor erwartet, dass ein Rohstoffindex eine Diversifizierung für ein Aktien - und Anleiheportfolio ermöglicht. Das Papier stellte auch fest, dass, wie diese Programme benchmarked werden, davon abhängen, ob ein Futures-Programm als Beta, eine alternative Beta, reine Alpha oder gut getimte Beta betrachtet wird. Dieses Papier hat entsprechend Empfehlungen für Benchmarks für jede dieser Arten von Investment-exposures. quotInstitutional-Klasse Datenmanagement Backtesting-Strategie-Bereitstellung Lösung: - Aktien, Optionen, Futures, Währungen, Körbe und benutzerdefinierte synthetische Instrumente werden unterstützt - mehrere Low-Latency-Daten-Feeds unterstützt () Verarbeitungsgeschwindigkeiten in Millionen von Nachrichten pro Sekunde auf Terabytes an Daten) - C und. NET basierte Strategie Backtesting und Optimierung - Multiple Broker werden unterstützt, Handelssignale in FIX-Aufträge umgewandelt QuantFACTORY - Implementierungslösung für die Verwaltung von Backtesting-Lösungen: - QuantDEVELOPER - Framework und IDE für Trading-Strategien Entwicklung, Debugging, Backtesting und Optimierung, verfügbar als Visual Studio Plug-In - QuantDATACENTER - ermöglicht die Verwaltung eines historischen Data Warehouse und die Erfassung von Echtzeit - oder Ultra-Low-Latency-Marktdaten von Anbietern und Börsen - QuantENGINE - Ermöglicht es, vorkompilierte Strategien zu implementieren und zu implementieren - Multi-Asset, Multi-Period-Daten mit geringer Latenz, Multi-Broker Unterstützt Institutional-Klasse Datenmanagement Backtesting Strategie Deployment-Lösung: - OpenQuant - C und VisualBasic. NET Portfolio-Level-System Backtesting und Handel, Multi-Asset - QuantTrader - Produktionshandelsumgebung - QuantBase - zentrales Datenmanagement - QuantRouter - Daten - und Orderrouting Institutionelle Klassendatenmanagement Backtesting-Strategie Implementierungslösung: - Multi-Asset-Lösung , Unterstützt mehrere Daten-Feeds unterstützt, unterstützt jede Art von RDBMS eine JDBC-Schnittstelle, z Oracle, Microsoft SQL Server, Sybase, MySQL, etc. - Kunden können IDE verwenden, um ihre Strategie entweder in Java, Ruby oder Python zu skriptieren oder sie können ihre eigene Strategie verwenden IDE - Multiple Broker Ausführung unterstützt, Handel Signale in FIX - (Forex, Optionen, Futures, Aktien, ETFs, Rohstoffe, synthetische Instrumente und benutzerdefinierte Derivat-Spreads etc.), mehrere Daten-Feeds unterstützt - Framework für Trading-Strategien Entwicklung, Debugging, Backtesting (IB, JPMorgan, FXCM etc.) Dedizierte Software-Plattform, integriert mit Tradestations-Daten für Backtesting und Auto-Trading: - tägliche Intraday-Daten (US-Aktien für 43 Jahre, Futures für 61 Support für die EasyLanguage Programmiersprache - Unterstützung von US-Aktien ETFs, Futures, US-Indizes, deutsche Aktien, Deutsche Indizes, Forex-frei für Tradestation Brokerage-Kunden - 249,95 monatlich für Nicht-Profis (Nur Tradestation-Software-Plattform, ohne Brokerage) - 299,95 monatlich für Profis (nur Tradestation-Software-Plattform, ohne Brokerage) Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Portfolioanalyse und - optimierung, (ASP), IQFeed, MyTrack, FastTrack, QP2, TC2000, beliebige DDE-konforme Feeds, MS-basierte Analysen, Txtfiles und mehr (Yahoo Finanzen. ) - einmalige Gebühr 279 für die Standardausgabe oder 339 für die Professional Edition Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Portfolio-Backtesting und Trading, Multi-Asset, Intraday-Testing, Optimierung, Visualisierung etc. - Auto-Trading in Perl Skriptsprache mit allen zugrundeliegenden Funktionen, die in nativem C geschrieben wurden, vorbereitet für Server-Co-Location - native FXCM - und Interactive Brokers-Unterstützung - kostenlose FXCM-Unterstützung, 100 pro Monat für IB-Plattform, kontaktieren Sie Salesseertrading für weitere Optionen Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Tests und Optimierung auf Portfolioebene - optimal für Backtesting von preisbasierten Signalen (technische Analyse), C-Scripting - unterstützte Softwareerweiterungen - Datenbeschickung, Strategieabwicklung usw. - 799 pro Lizenz, 150 Jahre Dedizierte Softwareplattform für Backtesting und Auto-Trading: - optimal für Backtesting von preisbasierten Signalen (techn Turtle Edition - Backtesting-Engine, Graphen, Berichte, EoD-Tests - Professional Edition - plus System-Editor, Walk-Forward-Analyse, Intraday-Strategien, Multithread-Tests etc. - Pro Plus Edition Turtle Edition 9999 - Professional Edition 1,990 - Pro Plus Edition 2,990 - Builder Edition 3,990 Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien , Portfolio-Test und - Optimierung, Charting, Visualisierung, kundenspezifische Berichte etc. - am besten für Backtesting von preisbasierten Signalen (technische Analyse) - direkter Link zu Interactive Brokern, MB Trading, TD Ameritrade, FXCM ua - Daten aus Textdateien, Google Finance, Yahoo Finanzen, IQFeed und andere - Grundfunktionen (EoD-Funktionalität) - kostenlos - erweiterte Funktionalität - Leasing aus 50 Monaten oder 995 Lizenzen Lizenz Dedizierte Softwareplattform für Backtesting und Auto-Trading: ), Unterstützung von dailyintraday-Strategien, Portfolio-Test und Optimierung, Charting, Visualisierung, benutzerdefinierte Berichterstattung - unterstützt C und Visual Basic. NET - direkten Link zu Interactive Brokers, IQFeed, txtfiles und vieles mehr (Yahoo Finance. ) - Dauerlizenz - 499 - Leasing 50 pro Monat Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Portfolio-Test und - Optimierung, Charting, Visualisierung, Custom Reporting - technische und auch fundamentale Signale, Multi-Asset - 245 für die erweiterte Version (freie Datenanbieter) - 595 für Premium-Version (Unterstützung mehrerer Datenprovider und Broker) Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien, Tests und Optimierung auf Portfolioebene - Technische Analysen) - Einbaudaten für Aktien, Futures und Forex (täglich US-Aktien ab 1990, tägliche Futures 31 Jahre, Forex ab 1983 etc.) - Preiskalkulation von 45 Monaten auf 295 Monate (Preise abhängig von der Datenverfügbarkeit) Dedizierte Softwareplattform Für Backtesting und Auto-Trading: - verwendet MQL4-Sprache, die hauptsächlich für den Handel mit Forex-Markt eingesetzt wird - unterstützt mehrere Forex-Broker und Daten-Feeds - unterstützt die Verwaltung mehrerer Accounts Dedizierte Softwareplattform für Backtesting und Auto-Trading: - Unterstützung von Dayintraday-Strategien Unterstützung für die Programmiersprache EasyLanguage - Unterstützung mehrerer Datenfeeds (Bloomberg, Thomson Reuters, CSI, CQG, eSignal etc.), direkte Unterstützung für mehrere Broker (Interactive Brokers etc.) - Multicharts 797 pro Jahr - Multicharts-Lebensdauer 1.497 - Multicharts Pro 9.900 (Bloomberg Thomson Reuters Datenfeed etc.) Webbasiertes Backtesting-Tool zum Testen von Stockpicking-Strategien: - US-Aktien ETFs (täglich) - punktuelle Grunddaten seit 1999 - - 139 Monate - Manager - 199 Monate - Komplette Funktionalität Portfolio Analytics mit hochfrequenten Marktdaten: - Dieses Produkt ist für den Einsatz von niedrigen, mittleren und hochfrequenten Händlern geeignet. Alle Berechnungen erfolgen unter Verwendung von Hochfrequenz-Marktdaten, die niedrigen und hochfrequenten Händlern zugute kommen. - Intraday Backtesting, Portfolio-Risikomanagement, Prognose und Optimierung zu jedem Preis Sekunde, Minuten, Stunden, Ende des Tages. Modelleingänge vollständig steuerbar. - 8k Markt Tick Datenquellen seit 2012 (Aktien, Indizes ETFs gehandelt NASDAQ). Kunden können auch eigene Marktdaten (z. B. chinesische Aktien) hochladen. - 40 Portfolio-Metriken (VaR, ETL, Alpha, Beta, Sharpe-Verhältnis, Omega-Verhältnis usw.) - unterstützt R, Matlab, Java Python - 10 Portfolio-Optimierungen Webbasiertes Backtesting-Tool: - US-Aktienkurse (dailyintraday) Daten aus QuantQuote - Forex Daten von FXCM - Trader Interactive Brokers für Live-Trading-Web-basierte Backtesting-Tool unterstützen: - US-Aktien und ETFs Preise (dailyintraday), seit 2002 - Fundamentaldaten von Morningstar (über 600 Metriken) - Unterstützung von Interactive Brokers für Live-Trading Webbasierte Backtesting-Tools: - einfach zu bedienen, Asset-Allocation-Strategien, Daten seit 1992 - Zeitreihen-Dynamik und gleitende Durchschnittsstrategien auf ETFs - Einfache Impuls - und Simple Value-Stock-Picking-Strategien Webbasiertes Backtesting-Tool: - bis zu 25 Jahre Daten für 49 Futures und SP500 Aktien - Toolbox in Python und Matlab - Quantiacs Gastgeber algorithmischen Handel Wettbewerbe mit Investitionen im Bereich von 500k bis 1 Million WebCloud basierten Backtesting-Tool: - FX (ForexCurrency) Daten über die wichtigsten Paare, bis 2007 zurück - SecondMinuteHourlyDaily Bars - Live-Trading-kompatibel Mit jeglichem Broker, der Metatrader 4 als Backend-basiertes Backtestingscreening-Tool einsetzt: - über 10 000 US-Aktien, Daten bis zu 20 Jahre Geschichte - fundamentale technische Kriterien - freie - eingeschränkte Funktionalität (1 Jahr Daten, keine gespeicherten Backtests etc.) - 50 pro Monat - vollständige Funktionalität Webbasiertes Backtesting-Tool zum Testen von Aktienfaktor-Kommissionierung und Asset Allocation-Strategien: - Mehrere Aktienfaktoren mit bewährtem Alpha über Marktkapitalisierungen, mehrfache Investmentuniversen, Risikomanagementfilter - Asset Allocation Strategien Backtests, Mischen von Asset Allocation MATLAB - High-Level-Sprache und interaktive Umgebung für statistische Berechnungen und Grafiken: - Parallel - und GPU-Computing, Backtesting und Optimierung, umfangreiche Integrationsmöglichkeiten etc. - Preis auf Anfrage hier Kostenlose Softwareumgebung für statistische Berechnungen und Grafiken, viele Quants bevorzugen es für seine außergewöhnliche offene Architektur und Flexibilität: - effektive Datenverarbeitung und Speicherung, grafisch Freie Open-Source-Programmiersprache, offene Architektur, flexibel, leicht erweiterbar über Pakete: - Optimierung der Datenanalyse, einfache Erweiterung über Pakete - empfohlene Erweiterungen - Quantstrat, Rmetrics, Quantmod, Quantlib, PerformanceAnalytics, TTR, empfohlene Erweiterungen - Pandas (Python Data Analysis Library), pyalgotrade (Python Algorithmic Trading Library), Zipline, ultrafinance usw. BacktestingXL Pro ist ein Add-in für den Bau und in Microsoft Excel 2010 und 2013 Ihre Handelsstrategien zu testen: - Anwender können mit VBA zu bauen Strategien für BacktestingXL Pro ist VBA Kenntnisse optional, Benutzer Handelsregeln auf einer Kalkulationstabelle mit Standard vorgefertigten Backtesting-Codes konstruieren können - out-of-Geld unterstützt pyramiding, shortlong Position zu begrenzen, Provisionsberechnung, Eigenkapital-Tracking, Controlling, buysell Preis Customizing - mehrere performancerisk Berichte - 74.95 für BacktestingXL Pro Web-basierte Backtesting-Tool: - einfach zu bedienen, Entry-Level-Web-basierten Backtesting-Tool relative Stärke zu testen und gleitenden Durchschnitt Strategien auf ETFs - verschiedene Arten von Strategien kostenlos, komplette Backtesting-Funktionalität 34 99 monatliche FactorWave ist einfach web-basierte Backtesting-Tool für den Faktor Investitionen zu nutzen: - kostenlos - - ETFStock Screener mit 5 Faktoren - 149mo - freie Wahl Optionen Screener, Futures Benutzer mehrere ETFoptionsfuturesequity Faktoren mit bewährten alpha über Markt-Cap-Benchmarks zu mischen erlaubt Strategien, Vix-Strategien Web-Based Tool - Kostenlose Stock Ratings, saisonale Analyse, Charts Grundlagen - Freie Freemium-Modell Kostenlose webbasierte Backtesting-Tool, um Stock Picking-Strategien zu testen: - US-Aktien, Daten von ValueLine von 1986-2014 - Preis-und Fundamentaldaten, 1700 Aktien, monatlicher Granularitäts-Test