Artículo Original

Artículo original Diario de derivados Hedge Funds (2009) 15, 122 & # x02013; 136. doi: 10.1057 / jdhf.2009.4 Evaluación de la estrategia de pares de comercio en el mercado financiero brasileño Marcelo Scherer Perlin 1 Correspondencia: Marcelo Scherer Perlin, ICMA & # x0002F; La lectura de la Universidad, Reading, Reino Unido 1 es un estudiante de doctorado en ICMA & # x0002F; La lectura de la Universidad. Sus intereses de investigación se relacionan principalmente con aplicaciones prácticas de la estadística computacional y econometría en las finanzas. Esto incluye modelos de duración (procesos puntuales), modelos de régimen de conmutación, modelos de mezcla, formulaciones no paramétricas, estrategias comerciales cuantitativos y la evaluación del desempeño. Recibido 09 de diciembre 2008; Revisado 09 de diciembre 2008. pares de comercio, la estrategia cuantitativa, la asignación de activos, la eficiencia del mercado, los mercados emergentes INTRODUCCIÓN La teoría de la eficiencia del mercado ha sido probado por diferentes tipos de investigación. Tal concepto postula, en su forma más débil, que la información comercial pasado de una población se refleja en su valor, lo que significa que los datos comerciales históricos no tienen potencial para predecir el comportamiento futuro de los precios de un activo. La principal consecuencia teórica de este concepto es que no hay reglas lógicas de negociación sobre la base de los datos históricos deben tener una rentabilidad excesiva positivo significativo sobre algunas cartera de referencia. En oposición a la teoría de la eficiencia del mercado, varios trabajos han demostrado que la información pasada es capaz, hasta cierto punto, para explicar los rendimientos futuros bursátiles. Tal previsibilidad puede aparecer en diferentes formas, incluyendo las anomalías de tiempo (día del efecto débil 1) y la correlación entre los rendimientos del activo y otras variables. 2 Una revisión más sustancial de la eficiencia de los mercados sujetos se pueden encontrar fácilmente en la literatura. 3. 4 Un respetable cantidad de trabajos han tratado de utilizar herramientas cuantitativas para modelar el mercado y construir reglas de comercio. La idea básica de este tipo de investigación es la búsqueda de algún tipo de patrón en el comportamiento histórico precio de las acciones, y, usando sólo información histórica, tome tal patrón en cuenta para la creación de largas y cortas posiciones de negociación. Uno de los métodos más populares para modelar el mercado y deducir reglas lógicas es el análisis técnico. 5 Dicha técnica se basa en indicadores cuantitativos (promedios móviles, entre otros) y también patrones visuales (cabeza y hombros, triples superiores, etc.) con el fin de identificar los puntos de entrada y salida en el comportamiento a corto plazo de los precios de las acciones. La popularización de plomo análisis técnico a una serie de pruebas, cuyo objetivo fue verificar si esas herramientas eran rentables o no. Cabe afirmar que a pesar de que la mayoría de los trabajos se ha demostrado que el análisis técnico es rentable, varios problemas pueden abordarse con tales estudios, incluyendo problemas de datos-espionaje, los costos de transacción y la liquidez. Todo esto lo incompleto de la investigación hace que el análisis técnico un tema a estudiar más. 6 Con el advenimiento de la potencia de los ordenadores a finales de 1990, los métodos matemáticos más sofisticados podrían ser empleados en el caso de las normas comerciales. Un ejemplo es el uso del algoritmo del vecino más cercano (NN) en estrategias de negociación. 7. 8. 9. 10 El algoritmo de NN es un método no paramétrico de series de tiempo de modelado en la que el principio fundamental es que las copias de la serie de su propio comportamiento en una forma fractal, es decir, nos encontramos con piezas similares de datos del pasado y utilizarlos como punto de referencia para pronosticar las futuras observaciones. La principal conclusión extraída de los resultados presentados en el potencial previsibilidad de este método es que es capaz de predecir la dirección del mercado correcta para la mayoría de las observaciones financieros previstos. Pero es importante señalar que la evidencia no era fuerte en todos los estudios. Para el caso de las estrategias de negociación basado en modelos paramétricos, 11. 12 estos documentos referenciados en base de las previsiones sobre el modelo de cambio de régimen, donde los resultados indican que el método puede predecir la serie de tiempo financiera investigado en cada caso. Otros tipos de estrategias que utilizan formulaciones cuantitativas incluyen cronometrar el mercado con fundamentos o modelos estadísticos 13. 14 y de impulso de estrategias. 15. 16 Los resultados de estos documentos también son positivos. Una estrategia popular que ganó una reputación en la década de 1980 es el llamado pares de comercio. Esta metodología fue diseñada por un equipo de científicos de diferentes áreas (matemáticas, ciencias de la computación, física, etc.), que fueron reunidas por el quant Wall Street Nunzio Tartaglia. El objetivo principal de este equipo era utilizar métodos estadísticos para desarrollar plataformas comerciales basadas en la informática, donde la subjetividad humana tuvo ninguna influencia en el proceso de toma de decisiones de comprar o vender una acción en particular. Estos sistemas fueron bastante éxito durante un período de tiempo, pero el rendimiento no fue consistente después de un tiempo, y el equipo fue desmantelado después de un par de periodos de mal desempeño. Más detalles acerca de los orígenes de pares de comercio se pueden encontrar en Vidyamurthy 17 y Gatev. 18 Básicamente, la idea central de pares-comercio es aprovechar las ineficiencias del mercado. El primer paso es identificar dos poblaciones que se mueven juntos y ellos comercian cada vez que la distancia absoluta entre los caminos de precios está por encima de un valor umbral determinado. Si las acciones, después de la divergencia, vuelven al comportamiento histórico de simetría, entonces se espera que el que tiene mayor precio tendrá una disminución en el valor y el que tiene el precio más bajo tendrá un aumento. Todas las posiciones largas y cortas se toman de acuerdo a esta lógica. Los detalles específicos acerca de la elección de pares y definir el valor umbral en pares de comercio se dan en el ámbito de aplicación de este artículo. El objetivo principal de esta investigación es investigar la rentabilidad y el riesgo de la estrategia de pares de comercio para el mercado de valores de Brasil. Esta regla de comercio presentó un desempeño positivo en los estudios anteriores, 18. 19 y esta es una de las motivaciones de este estudio, junto con el hecho de que este tipo de investigación aún no se ha aplicado en el mercado brasileño. Con el fin de alcanzar el objetivo, (, semanal y mensual al día) se utilizan los datos de tres frecuencias diferentes, y todas las declaraciones de las reglas lógicas se comparan contra un na & # x000EF; ve la estrategia de compra y retención, y también contra un arranque método de venta al azar. El riesgo sistemático y el retorno constante filtrada (Alfa de Jensen) de tales estrategias son también parte del análisis. Este trabajo está organizado de la siguiente manera: la primera parte está relacionada con las principales directrices de la metodología, incluyendo la forma en que las parejas se forman, las reglas lógicas de negociación y evaluación del desempeño. En segundo lugar, los resultados se presentan y discuten, seguido de algunas observaciones finales. METODOLOGÍA La metodología de esta investigación consiste en dos puntos: (1) ¿Cómo desencadenar un largo & # x0002F; posición corta sobre la base de la estrategia de pares-negociación en cada población y (2) ¿Cómo evaluar el desempeño de las señales de trading. Todos los cálculos para este trabajo se realizaron en Matlab. Todas las funciones que se utilizan para la ejecución y evaluación de la estrategia están disponibles en MathWorks / matlabcentral / fileexchange / (palabras clave: & # x02018; pares de comercio & # x02019;). Los pasos de cada algoritmo se cubren de la siguiente manera. Selección pares En la fase de formación de pares, la idea básica es la de llevar los precios todos los activos 'a una unidad en particular, y luego buscar dos poblaciones que se mueven juntos. Cuantitativamente hablando, esto puede llevarse a cabo de muchas maneras diferentes. El enfoque utilizado en este trabajo es la regla de distancia mínima al cuadrado, lo que significa que, para cada acción, habrá una búsqueda de un par correspondiente que ofrece el mínimo cuadrado distancia entre la serie de precios normalizado. La razón para la transformación unidad es sencillo. El uso de los precios originales (sin normalización) sería un problema para el caso de la norma mínima distancia al cuadrado, como dos acciones pueden moverse juntos todavía tiene una distancia de altura al cuadrado entre ellos. Después de la normalización, todas las existencias son llevados a la misma unidad estándar y esto permite una formación cuantitativa justa de parejas. La transformación empleada es la normalización de las series de precios en función de su media y desviación estándar, las ecuaciones (1). El valor de P se & # x0002A; es el precio normalizada de i activo en el tiempo t. E (P ella) es la expectativa de que P. en este caso la media, y & # x003C3; i es la desviación estándar de los respectivos precios de acciones. Ambos índices fueron calculados dentro de una ventana de movimiento particular de la serie temporal. Con el uso de la ecuación (1). Todos los precios se transforman a la misma unidad normalizada, lo que permitirá el uso de la regla mínima distancia al cuadrado. El siguiente paso es elegir, para cada acción, un par que tiene distancia al cuadrado mínima entre los precios normalizados. Se trata de una simple búsqueda en la base de datos, utilizando sólo la información pasada hasta el momento t. El precio normalizado para el par de i activo está dirigida como p que & # x0002A ;. Después se identifica el par de cada acción, la regla de comercio creará una señal para el comercio cada vez que la distancia absoluta entre P se & # x0002A; y p es & # x0002A; es mayor que d. El valor de d es arbitraria, y representa el filtro para la creación de una señal para el comercio. El valor no puede ser muy alta, de lo contrario sólo se creará una señal de negociación pocos, ni puede ser demasiado baja, o la regla será demasiado flexible, y esto dará lugar a demasiadas operaciones y, en consecuencia, de alto valor de los costos de transacción . Después de crear una señal de comercio, el siguiente paso es definir las posiciones adoptadas en el cepo. De acuerdo con la estrategia de pares-comercial, si el valor de P se & # x0002A; es mayor (menor) que p es & # x0002A ;. a continuación, una posición corta (larga) se mantiene para i de activos y una posición larga (corta) está hecha para el par de activo i. Tal posición se mantiene hasta que la diferencia absoluta entre el precio normalizado es inferior a d. Esto puede parecer contrario a la intuición, ya que, con el comportamiento de precios continua, si uno compra cuando la distancia es d y la vende cuando la distancia es de nuevo d. no hay beneficio. Pero recuerde que los precios eran en tiempo discreto, lo que significa que el precio de compra se produce cuando la distancia es mayor que d. y por lo tanto el beneficio esperado es positivo. Para el caso de pares de comercio en tiempo continuo aproximada (por ejemplo, 5 & # x02009; min comillas), esto puede ser fácilmente adaptado por el establecimiento de una brecha entre el umbral para la operación de compra y para la operación de venta. La lógica principal detrás de los beneficios esperados de la estrategia de pares-comercio es si el movimiento correlacionado entre los pares continúa en el futuro, entonces, cuando la distancia entre un activo y su par es mayor que un valor umbral particular (d), hay una buena posibilidad de que tales precios convergerá en el futuro, y esto puede ser explorado con fines de lucro. Si la distancia es positivo, entonces el valor de P es & # x0002A ;. según la lógica expresada anteriormente, probablemente se reducirá en el futuro (posición corta para i de activos), y el valor de p es & # x0002A; probablemente aumentará (posición larga para el par de i). La misma lógica se aplica a los casos en los que la distancia es negativo. Las situaciones en las parejas de comercio no logra beneficios son el aumento de la distancia entre P se & # x0002A; y p es & # x0002A ;. donde el mercado va en la dirección opuesta a la expectativa, y también una disminución (aumento) en el precio de la posición larga (corta). A modo de ejemplo, la Figura 1 muestra la estrategia de pares de negociación de los precios semanales de TNLP4 activo y su pareja, TNLP3. Ejemplo de pares de comercio con TNLP4 y TNLP3 con d & # x0003D; 1. Figura completa y la leyenda (123K) En la figura 1. TNLP3 es el par encontrado de TNLP4 basado en los criterios mínimos cuadrados de distancia. Es posible ver que tanto los precios normalizados tienen un comportamiento similar. En los puntos que tienen un círculo azul o triángulo rojo la diferencia absoluta en los precios normalizados ha cruzado el valor de d. lo que significa que un comercio ha tenido lugar. Los círculos azules (triángulos rojos) son las posiciones cortas (largas) creados. Esto sucede cada vez que la distancia absoluta es superior a 1 y el valor del activo analizado es mayor (menor) que su pareja. Cada vez que la diferencia absoluta descruza el valor de d. las posiciones están cerrados. Si los activos, después de la apertura de una posición, se mueven de nuevo a la relación histórica, a continuación, el que tiene el precio más alto debe tener una disminución en los precios y el que tiene el precio más bajo debe tener un aumento. Como se hizo una posición corta para la primera de activos y una posición larga para el segundo, y luego, si ambos precios se comportan históricamente, un beneficio surgirá de este caso de comercio; esta es la idea detrás de pares-trading & # x02013; la obtención de beneficios de las correcciones del mercado. Uno de los objetivos de este estudio es evaluar el desempeño de la estrategia de pares de comercio contra un na & # x000EF; ve enfoque. Para este propósito, dos métodos se emplean aquí. La primera es el cálculo de la excesiva retorno de la estrategia sobre una cartera adecuadamente ponderada, y la segunda es el uso de métodos de rutina de carga para evaluar el desempeño de la regla de la negociación con el uso de pares aleatorios para cada población. Cálculo de la rentabilidad de la estrategia El cálculo de la rentabilidad total estrategia se ejecuta de acuerdo con la siguiente fórmula, la ecuación (2): R it Real regreso de i activo en el tiempo t. calculado por ln (P que & # x0002F; P que & # x02212; 1). Se lo LS Variable dummy que toma el valor 1 si se crea una posición larga para i activo. valor & # x02212; 1 si se crea una posición corta y 0 en caso contrario. Cuando una posición larga se hace en el tiempo t. esta variable se aborda como yo que L y como yo que S para las posiciones cortas. W es la variable de ponderación que controla de construcción de la cartera en el tiempo t. En este trabajo en particular, la cartera simulada es igual peso. lo que significa que cada posición comercial tendrá el mismo peso en el tiempo t. es decir, W es & # x0003D; 1 & # x0002F; (& # x02211; I & # x0003D; 1 n & # x007C; yo que LS & # x007C;). Naturalmente, la suma de W para todos los activos es igual a 1 o cero (sin posición comercial en el tiempo t). Tc es Variable dummy que toma el valor 1 si la operación se hace para activo i en el tiempo t, y cero en caso contrario. Es importante distinguir los valores de I que LS (posiciones largas y cortas) de Tc ella (ficticia transacción). Los valores de Tc que se derivan a partir del vector I que LS. pero no son iguales. Por ejemplo, supongamos que una posición larga se crea para i activo en el tiempo t & # x02212; 1 y también en el tiempo t, solamente. El vector de la que se L tendrá valores de 1 a tiempo t & # x02212; 1 y t. pero el vector de Tc sólo tiene valor 1 para el tiempo t & # x02212; 1, como para t. el activo ya estaba en la cartera, y por lo tanto no hay necesidad de comprar de nuevo. Lo mismo es cierto para las posiciones cortas. C costo de transacción por operación (en porcentaje). T Número de observaciones en todo el periodo de negociación. Por la ecuación (2). la idea básica es calcular la rentabilidad de la estrategia de contabilización de los costos de transacción. La primera parte (1), & # x02211; t & # x0003D; 1 T & # x02211; i & # x0003D; 1 n R que me lo LSW calcula el retorno prima total de la estrategia. Cada vez que una posición larga y corta se crea para i activo. el retorno bruto de la cartera simulada en el tiempo t es & # x02211; i & # x0003D; 1 n R que me lo L S W ella. es decir, los rendimientos prospectados multiplican por su correspondiente peso en la cartera. Como t va desde 1 a T. es necesario resumir esos retornos, lo que da el resultado final de la primera parte de (1), & # x02211; t & # x0003D; 1 T & # x02211; i & # x0003D; 1 n R que me lo L S W ella. La segunda parte de la ecuación (2) tiene el objetivo de dar cuenta de los costos de transacción. Por ejemplo, supongamos que el costo comercial de compra y venta de valores es C. que se expresa como un porcentaje del precio de la transacción. Si una acción se compra en PB precio y se vende en la escuela PS precio. entonces la compra real y los precios de venta, incluidos los costos de transacción, son PB (1 & # x0002B; C) y PS (1 & # x02212; C). Tomando el regreso logaritmo de los resultados de la operación en la fórmula R & # x0003D; ln (PS (1 & # x02212; C) & # x0002F; PB (1 & # x0002B; C)). Usando las propiedades de logaritmos, la ecuación anterior se convierte en R & # x0003D; ln (P S & # x0002F; P B) & # x0002B; ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)). Es posible ver en este resultado de que el cambio de esta operación tiene dos componentes separados: el regreso logaritmo de la diferencia entre los precios de venta y de compra, y el término ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)), que representa el costo de transacción en toda la operación. Este resultado ejemplificado básicamente, establece que el costo de transacción para una operación (compra y venta) es ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)). Volviendo al análisis de la segunda parte de la ecuación (1). como ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)) es el costo de transacción de una sola operación, lógicamente el término (& # x02211; t & # x0003D; 1 T & # x02211; i & # x0003D; 1 n TC ella) es sólo el número de operaciones realizadas por la estrategia comercial. Es importante tener en cuenta que a medida (1 & # x02212; C) & # x0002F; (1 & # x0002B; C) es siempre menor que uno, porque C es siempre positivo y mayor que cero, entonces el valor de ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)) es de siempre negativa, lo que significa que los costos de transacción se restan de los retornos de la estrategia, lo cual es un resultado intuitivo. La evaluación de los rendimientos de la estrategia Con el fin de evaluar el desempeño de la estrategia, es necesario comparar a un na & # x000EF; han enfoque. Si la estrategia realiza significativamente mejor que un inversor fuera de habilidad, entonces tal regla de comercio tiene valor. Esta es la idea principal que se desarrollará los dos métodos utilizados en esta investigación con el fin de evaluar el desempeño de la estrategia de pares de comercio para el mercado financiero brasileño. Los enfoques descritos aquí son cálculos de rentabilidad excesiva durante un na & # x000EF; ve regla comprar y retención y el método de arranque más sofisticado de la negociación al azar. Cálculo de rentabilidad excesiva de un na & # x000EF; ve cartera: El cálculo de rentabilidad excesiva es el método más sencillo para la evaluación de una estrategia de negociación. La idea es muy simple: verificar cuánto de los retornos de la estrategia de la prueba supera un na & # x000EF; ve regla. En este caso, la na & # x000EF; cinco regla es la compra y retención de una cartera adecuadamente ponderada para la comparación con las posiciones largas y un & # x02018; sell-and-Reanudar & # x02019; para las posiciones cortas. El retorno de la AN & # x000EF; han enfoque, sobre todo el número de activos, se basa en la siguiente fórmula, la ecuación (3): Por la ecuación (3). el valor de P i L y P i S es más que la proporción de días, en relación con todo el período de comercio, que la estrategia creado posiciones largas y cortas en activo i. Formalmente, P i L & # x0003D; ((& # x02211; t & # x0003D; 1 TI que L) & # x0002F; T) y P i S & # x0003D; ((& # x02211; t & # x0003D; 1 TI it S) & # x0002F; T). Tenga en cuenta que, en el cálculo de P t S. la suma de las posiciones cortas es siempre negativo o igual a cero, ya que se toma valores S & # x02212; 1 y 0, solamente. Como estrategia de pares de comercio utiliza dos tipos diferentes de posición en el mercado de valores, siempre por la esperanza de un aumento de precios y la abreviatura de la esperanza de un descenso de los precios, es necesario construir un na & # x000EF; cinco carteras que también hace uso de tales posiciones. Esta es la función de los términos y # x02211; i & # x0003D; 1 n P i L & # x02211; t & # x0003D; 1 T R y & # x02211; i & # x0003D; 1 n P i S & # x02211; t & # x0003D; 1 TR es donde el primero simula una y retención de compra (posiciones largas) de una cartera adecuadamente ponderada y el segundo simula un & # x02018; sell-and-Reanudar & # x02019; (posiciones cortas) esquema para otra cartera adecuadamente ponderada. Los pesos de ambos términos se derivan del número de posiciones largas y cortas tomadas en cada activo, como se muestra antes. Cuanto mayor sea el número de señales largas y cortas una estrategia convierte en activo i. cuanto mayor sea el peso que tal una acción va a tener en la cartera simulada. Se desprende de la ecuación (3) que, si P i S & # x0003D; P i L. que es una posición perfectamente cubierto para activo i en la cartera de referencia, los términos & # x02211; i & # x0003D; 1 n P i L & # x02211; t & # x0003D; 1 T R IT & # x02211; i & # x0003D; 1 n P i S & # x02211; t & # x0003D; 1 TR nula entre sí y la contribución de la rentabilidad acumulada para este respectiva de activos en la cartera de referencia es sólo el costo de transacción para la creación de las carteras. Cabe señalar que el cálculo de retorno en la ecuación (3) no incluye la W es variable como en la ecuación (2). Esto se debe a que la ecuación arbitrado está calculando la suma de los rendimientos esperados de una na & # x000EF; he posición larga y corta para todos los activos, y no el retorno de la cartera simulada con el tiempo (ecuación (2)). Como puede verse a partir de la ecuación (3). una de las premisas de la investigación es que el costo de transacción por operación es el mismo para las posiciones largas y cortas. El último término de (3) es el costos de transacción para la apertura de posiciones (haciendo la cartera) y el comercio de ellos al final del período. En este caso, el número de operaciones necesarias para formar y cerrar las dos carteras es 2 n donde n es el número de activos investigados. El retorno excesivo para la estrategia está dada por la diferencia entre (2) y (3), que forma la fórmula final para el cálculo de retorno excesiva: la ecuación (4). El análisis de la ecuación (4). la maximización de la R E & # x0002A ;. que es el objetivo de cualquier estrategia de negociación, viene dada por la maximización de & # x02211; i & # x0003D; 1 n & # x02211; t & # x0003D; 1 T R que me lo L S. minimización de & # x02211; i & # x0003D; 1 n P i L & # x02211; t & # x0003D; 1 T R y & # x02211; i & # x0003D; 1 n P i S & # x02211; t & # x0003D; 1 TR y minimización de (& # x02211; i & # x0003D; 1 n & # x02211; t & # x0003D; 1 T Tc se & # x02212; 2 n), como & # x0005B; ln ((1 & # x02212; C) & # x0002F; (1 & # x0002B; C)) & # x0005D; es una constante. La conclusión de este análisis es intuitivo porque la estrategia sólo tendrá éxito si se crea de manera eficiente posiciones largas y cortas en las poblaciones, manteniendo los costos de transacción y los de referencia vuelve a valores bajos. En definitiva, hacer más dinero con menos operaciones. Método Bootstrap para evaluar el desempeño de pares de comercio: El método de arranque representa una forma de comparar las señales de comercio de la estrategia contra la pura casualidad. La idea básica es simular las entradas al azar en el mercado, excepto los rendimientos totales para cada simulación y contar el número de veces que esas entradas al azar eran menos de la rentabilidad obtenida en la estrategia de la prueba. Tal enfoque es similar a las ideas de Patrick Burns. 20. 21 Debe tenerse en cuenta que cada estrategia de negociación tiene un número diferente de posiciones largas y cortas y para un número diferente de días. Dicha información también se tiene en cuenta en las simulaciones aleatorias. Los pasos son los siguientes: Por otra parte, para la posición larga y corta, calcule la mediana del número de días (Ndays & # x0005F; Largo y Ndays & # x0005F; corto) que la estrategia ha estado operando en el mercado, así como la mediana del número de activos (nAssets & # x0005F; Largo y Ndays & # x0005F; Corto). Con los valores de las Ndays y nAssets para largo y corto, defina Ndays entradas aleatorias en el mercado de nAssets número de activos. Una vez más, dejando en claro, este procedimiento debe repetirse para cada tipo de puesto de comercio (largo y corto). Repita los pasos 1 y 2 m número de veces, ahorrando el regreso prima acumulada (costos totales de transacción retorno menos) para cada tiempo. Después de un considerable número de simulaciones, por ejemplo m & # x0003D; 5000, el resultado del método de arranque habrá una distribución de los rendimientos. La prueba aquí es para verificar el porcentaje de los rendimientos que la estrategia ha probado batidas en comparación con el uso del comercio de azar. Como ejemplo, a continuación es el histograma acumulado de los rendimientos de la utilización del algoritmo de arranque para la base de datos todos los días con Opciones m & # x0003D; 5000, n Days & # x0005F; Long & # x0003D; 400, n Days & # x0005F; Long & # x0003D; 250, n Activos & # x0005F; Long & # x0003D; 5, n Activos & # x0005F; Short & # x0003D; 3, y con el costo de transacción cero. La figura 2 muestra que, teniendo en cuenta las opciones que se ofrecen para el algoritmo, un inversor fuera de habilidad ganaría, en promedio, un rendimiento en bruto total de aproximadamente 10 por ciento. El mejor de los casos para la na & # x000EF; he inversores es de aproximadamente 74 por ciento y lo peor es & # x02212; 70 por ciento. Histograma de los acumulados rentabilidad de trading azar. Figura completa y la leyenda (108K) El siguiente paso en el uso de este método de arranque es contar el número de veces que la rentabilidad acumulada a partir de pares de comercio es mayor que la rentabilidad acumulada de la señal para el comercio al azar, y se divide por el número de simulaciones. El resultado es un porcentaje que muestra la cantidad de señales al azar la estrategia de prueba ha vencido. Si esta estrategia tiene valor, se produciría algo cercano a 90 por ciento. Si es sólo un caso de la casualidad, sería dar un porcentaje cercano al 50 por ciento, y si la estrategia no presenta ningún valor, que se traduciría en un porcentaje cercano al 10 por ciento, lo que significa que, en este caso, es posible obtener un mayor rendimiento utilizando sólo una semilla aleatoria para seleccionar los activos y día para el comercio. Una forma de analizar el resultado del algoritmo de arranque es comparar las selecciones hechas por la estrategia de negociación, es decir, los días y los activos con el comercio, en contra de un rendimiento esperado por los mismos días y número de negociaciones sobre la totalidad de los datos investigados. Base de datos para la investigación La base de datos para esta investigación se basa en los 100 valores más líquidos del mercado financiero de Brasil entre 2000 y 2006. El estudio tiene como objetivo evaluar el desempeño y el riesgo de pares de comercio para diferentes frecuencias de los datos: los precios diarios, semanales y mensuales. Como hay algunos problemas de liquidez para unos pocos casos, la base de datos tuvo que ser reconfigurado para cada frecuencia. La regla aquí es seleccionar las acciones que tienen por lo menos 98 por ciento de los precios de cierre válidos. El número resultante de las existencias después de la aplicación del filtro se muestra en la Tabla 1. Para el cuadro 1. la mayor disminución de la base de datos investigado es la frecuencia diaria, donde se seleccionaron sólo 57 poblaciones después de la filtración de las poblaciones con menos de 98 por ciento de los precios de cierre. Para precios semanales y mensuales, como el filtrado no era un problema, y ​​la mayoría de las poblaciones de la base de datos original se mantiene. Para los casos de precios faltantes, fueron simplemente reemplazados por el precio pasado, que establece la devolución logaritmo en esa fecha a cero. Cada prueba de la estrategia de negociación tiene dos fases en los datos de la investigación: el período de formación y el periodo de negociación. Para este estudio, el periodo de formación es una ventana en movimiento compuesto por aproximadamente 2 años de datos para todas las frecuencias. Para precios diarios, como una ventana en movimiento tiene una longitud de 494, por los precios semanales de 105 y para la frecuencia anual de 24. Otra cuestión en la ejecución de la estrategia de pares de comercio sobre los datos es que cada acción puede cambiar sus pares en el tiempo. Para evaluar esta posibilidad, el par de cada acción se actualiza en cada mes para todas las bandas de frecuencia probadas. Por ejemplo, para los datos diarios, a cada 25 observaciones se recalculan los pares. Es importante tener en cuenta que el algoritmo no utiliza la observación futuro para construir las normas comerciales. Todos los aspectos de la estrategia se calculan utilizando sólo la información pasada, que es un supuesto necesario para una evaluación realista de una actuación estrategia comercial cuantitativa. La Tabla 2 presenta los rendimientos obtenidos a partir de la estrategia de pares-intercambios comerciales en las diferentes frecuencias investigadas, con C & # x0003D; 0,1 por ciento. Este valor de costo de transacción es realista para el mercado de renta variable de Brasil, y se puede lograr fácilmente con una cantidad moderada de capital invertido. Tabla 2 - Evaluación de pares rendimientos comerciales para diferentes valores de d. Antes de que el análisis de la Tabla 2. una observación importante es que el rendimiento total no es sólo la suma de los rendimientos de las posiciones largas y cortas. Para las excesivas primas y devoluciones, si el x02018 columna & #; Largas Posiciones & # x02019; se suman a la columna & # x02018; Posiciones Cortas & # x02019 ;, no será igual a la columna & # x02018; total & # x02019 ;. Esto se debe a que un activo puede tener una señal de compra y también una señal de venta por el mismo tiempo t. como tales valores puede ser la par de otros valores. Si se analizan las posiciones única cortas o largas, las posiciones de negociación respectivos son válidos, pero al analizar el rendimiento total de ambos, una compra y venta de signos, para el mismo activo, al mismo tiempo, nula entre sí. Como puede verse, la diferencia es bastante alta, lo que significa que se ha producido un evento tan muy a menudo. Para el caso de devolución prima, Tabla 2. que es simplemente la vuelta limpia de la estrategia menos los costos de transacción, se puede observar que las posiciones largas son mucho más rentables que las posiciones cortas en todas las bandas de frecuencia probadas. Esto era de esperarse, ya que el período de estudio fue claramente un mercado al alza, tendencia, lo que significa que una posición corta no tendría mucho dinero, como se puede ver en las primas devoluciones para las señales cortas, a diferentes frecuencias. Analizando las excesivas ganancias de la Tabla 2. se puede observar que la estrategia de pares de comercio fue capaz de vencer a un adecuadamente ponderada na & # x000EF; portafolio ve en la mayoría de los casos. Tal resultado es más consistente para la frecuencia diaria en el intervalo de d entre 1,5 y 2, y también para la frecuencia mensual probado en todo el intervalo de d. Verificación de la relación entre dy número de operaciones, es muy claro que están correlacionados negativamente, como en la ejecución de las normas comerciales altos valores (bajos) de d presentaron un número bajo (alto) de las transacciones. Esto puede explicarse fácilmente por el hecho de que d es la variable de umbral que controla cuando una divergencia precio no se considera normal. Como d crece, cada vez menos divergencias anormales se encuentran, que en consecuencia reduce el número de operaciones realizadas por la estrategia. El método de arranque presentado en la Tabla 2 muestra que los pares de comercio es superior al uso de señales de operación al azar (porcentajes de las carteras de azar batidos mayores de 90 & # x00025;) en tan sólo unos pocos casos, con mayor precisión para los datos con frecuencia diaria y con valor umbral que varía de 1,5 a 2. También hay indicios de un rendimiento positivo del método de arranque en los datos mensuales con 2.6 d 3. Pero, dado que sólo se hicieron unas pocas transacciones durante este intervalo determinado (4,08 ciento & # x02013 cápita; 3 observaciones), el resultado no puede ser tomada en serio con respecto al rendimiento de la estrategia de pares de comercio. Una imagen mucho más clara del desempeño positivo se da en el Panel A. Otra pieza de información proporcionada en la Tabla 2 es que el método de arranque es mucho más restrictivo para un rendimiento positivo que el enfoque de cartera de referencia. Mientras que el último presentado rentabilidad positiva para casi todos los valores a través de los diferentes paneles, la última sólo se tradujo en un rendimiento positivo para un par de casos. Se podría argumentar que el método de referencia es una forma estática de la evaluación del desempeño, y el método de arranque es superior en el sentido de que la forma de evaluar na & # x000EF; cinco actuaciones es mucho más dinámico, y por lo tanto superior. Conclusiones Referencias Junio. Nueva York: John Wiley Sons. Artículo original INTRODUCCIÓN El artículo procede como sigue. REVISIÓN DE LITERATURA Artículo original