基于金融危机指标的成功投资策略

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Winning Investment Strategies Based on Financial Crisis Indicators》
---
作者：
Antoine Kornprobst
---
最新提交年份：
2017
---
英文摘要：
  The aim of this work is to create systematic trading strategies built upon several financial crisis indicators based on the spectral properties of market dynamics. Within the limitations of our framework and data, we will demonstrate that our systematic trading strategies are able to make money, not as a result of pure luck but, in a reproducible way and while avoiding the pitfall of over fitting, as a result of the skill of the operators and their understanding and knowledge of the financial market. Using singular value decomposition (SVD) techniques in order to compute all spectra in an efficient way, we have built two kinds of financial crisis indicators with a demonstrable power of prediction. Firstly, there are those that compare at every date the distribution of the eigenvalues of a covariance or correlation matrix to a distribution of reference representing either a calm or agitated market reference. Secondly, we have those that merely compute at every date a chosen spectral property (trace, spectral radius or Frobenius norm) of a covariance or correlation matrix. Aggregating the signals provided by all the indicators in order to minimize false positive errors, we then build systematic trading strategies based on a discrete set of rules governing the investment decisions of the investor. Finally, we compare our active strategies to a passive reference as well as to random strategies in order to prove the usefulness of our approach and the added value provided by the out-of-sample predictive power of the financial crisis indicators upon which our systematic trading strategies are built.
---
中文摘要：
这项工作的目的是根据市场动态的光谱特性，在几个金融危机指标的基础上制定系统的交易策略。在我们的框架和数据的限制范围内，我们将证明我们的系统交易策略能够赚钱，这不是纯粹的运气，而是以可复制的方式，同时避免过度拟合的陷阱，这是由于运营商的技能以及他们对金融市场的理解和知识。为了有效地计算所有谱，我们使用奇异值分解（SVD）技术构建了两种具有明显预测能力的金融危机指标。首先，有人在每个日期将协方差或相关矩阵的特征值分布与代表平静或动荡市场参考的参考分布进行比较。其次，我们有那些只在每个日期计算协方差或相关矩阵的选定光谱特性（轨迹、光谱半径或Frobenius范数）。综合所有指标提供的信号，以最大限度地减少误报，然后我们基于一组管理投资者投资决策的离散规则，构建系统的交易策略。最后，我们将我们的主动策略与被动参考策略以及随机策略进行比较，以证明我们的方法的有用性，以及我们构建系统交易策略所依据的金融危机指标的样本外预测能力所提供的附加值。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Mathematical Finance        数学金融学
分类描述：Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法，包括随机、概率和泛函分析、代数、几何和其他方法
--

---
PDF下载：
--> Winning_Investment_Strategies_Based_on_Financial_Crisis_Indicators.pdf (5.51 MB)

2022-6-1 07:55:31 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：成功投资 投资策略 金融危机 Mathematical distribution

基于金融危机的成功投资策略*巴黎大学索邦分校（UniversitéParis 1 Panthéon Sorbonne，Labex Refi2017年9月7日）摘要这项工作的目的是根据市场动态的光谱特性，在多个金融危机指标的基础上创建系统的交易策略。在我们的框架和数据限制范围内，我们将证明我们的系统化交易策略能够赚钱，这并非纯粹是运气的结果，而是以可复制的方式，同时避免过度融资的陷阱，这是运营商的技能以及他们对金融市场的理解和知识的结果。利用奇异值分解（SVD）技术，为了高效地计算所有谱，我们构建了两种具有明显预测能力的金融危机指标。首先，有人在每个日期将协方差或相关矩阵的特征值分布与代表平静或动荡市场参考的参考分布进行比较。其次，我们有那些只在每个日期计算协方差或相关矩阵的选定光谱特性（轨迹、光谱半径或Frobenius范数）。综合所有指标提供的信号，以最大限度地减少误报，然后我们基于一组管理投资者投资决策的离散规则，构建系统的交易策略。

最后，我们将我们的主动策略与被动参考策略以及随机策略进行比较，以证明我们的方法的有用性以及我们的系统交易策略所基于的金融危机指标的样本外预测能力所提供的附加值。关键词：预测方法，金融危机，金融预测，随机矩阵理论。1简介我们在本文中的目标是建立积极的交易策略，能够以可生产的方式赚钱，不是因为运气，而是因为技能。虽然仅使用商业数据，但我们试图预测市场走势，并在处理之前采取行动，方法是使用基于随机矩阵理论的金融危机指标，这些指标是在Douady和Kornprobst（2015）的工作中发展起来的。简单地说，我们的目标是在价格开始下跌之前平仓，并在价格再次上涨之前收回头寸。我们考虑的投资组合由ETF股票的组合构成，复制*电子地址：antoinekor9042@gmail.comAll本研究中的数据来自彭博公平指数和现金。金融危机指标将对股票指数的股票组成部分起作用，并决定将股票转换为现金是否明智，因为近期发生危机的可能性越来越高，或者相反，是否建议将现金转换为股票，因为市场处于平静期，并且在给定的预测范围内价格突然下跌的可能性很低。如果现金存在于投资组合中，则可获得无风险伦敦银行同业拆借利率。我们认为，我们的行动对市场没有直接影响，我们始终是精神接受者。

换言之，我们认为我们的交易业务规模足够小，既不会产生滑动，也不会在订单中产生反馈。这当然很简单，因为即使最小的交易也会对订单产生某种影响。然而，我们的假设是，这种影响对我们的行动来说微不足道，忽视它不会改变我们的方法和我们试图描述的情况的有效性。为了全面展示我们的战略预测能力及其盈利潜力，我们决定不对市场摩擦建模，例如与交易运营相关的交易费用。虽然这些市场摩擦确实存在，并且对市场代理人来说是一个非常现实的成本，但我们在现阶段的目标不是建立一个真实的市场运作模拟，顺便说一句，这将包括许多我们在这里考虑的变量以外的其他变量，而是提供一个可靠的技术框架和方法，供专业人员随时应用。关于构建成功的系统化交易策略这一主题，有大量的应用和理论文献，特别是对于对冲基金行业，如Fung和Hsieh（1997）所述。第一种方法依赖于金融界常见的技术分析。这种以经验为主的方法旨在通过确定股票价格和其他市场活力的某些众所周知的模式来预测市场走势和股票回报。技术分析与我们的方法有很多相似之处，因为我们的目标也是在市场数据中实证检测可再现的危机宣布模式，并将这些知识用作金融危机指标。Gencay（1998）的工作证明了基于技术分析的优化系统交易策略的有效性。

事实上，聪明的技术分析通常比被动的买入并持有策略做得更好。Pesaran和Timmermann（1995）的工作中也详细描述了股票收益的可预测性，他们从历史的角度讨论了自20世纪60年代以来，尤其是20世纪70年代以来，投资者如何经常利用美国股票收益的可预测性。事实上，只有在市场波动较大的时候，技术分析策略才能发挥其全部潜力。各种技术分析策略（动量、均值回复、移动平均等）还成功地通过了Atner和Leal（1999）的测试，他们讨论了基于技术分析的系统交易策略，并将其应用于拉丁美洲和亚洲股票市场。Kwon和Kish（2002）关于NYSE股票可预测性的工作也从统计学上证明了基于技术分析的系统交易策略与被动买入和持有策略的相关性。另一种成功应用于金融行业以构建系统化交易策略的方法是动态时间序列过程和信号处理方法。这种方法与我们基于金融危机指示器的系统交易策略也有很多相似之处。事实上，我们在市场数据时间序列上使用了一个滚动窗口，该时间序列由股票指数的股票组成部分的对数回报构成。然后，我们计算的金融危机指标会产生一个信号，用于管理主动交易策略的决策过程。Farmerand Shareen（2002）的著作中讨论了这种基于时间序列的交易方法，该著作从信号处理理论的角度探讨了交易策略的价格动态。

虽然一些基于技术分析技术的策略可能会增加市场内部的不良噪音，并造成波动和不稳定，特别是当大量投资者同时使用这些策略时，它们的效率和盈利能力通常是毫无疑问的，正如Brock、Lakonishok和LeBaron（1992）的研究所证明的那样。我们基于金融危机指标制定系统化交易策略的方法结合了我们之前描述的所有方法的要素：技术分析、时间序列、信号处理、统计考虑。因此，我们创建了一个以坚实的理论背景为基础的新框架，同时仍然保持足够的灵活性，以便能够在现实世界中应用，并对交易员和投资者有用。2数据我们只处理每日数据，因为具有每日频率的数据更容易获得，但我们的框架中没有任何内容会阻止使用日内数据。此外，处理日常数据更容易，因为日内数据集可能变得非常大，需要大量计算能力才能及时得到适当利用。我们的数据由五个全球股票指数组成。我们使用标准普尔500指数（SP500）、彭博欧洲500指数（BE500）、沪深沪深沪深300指数（SHSZ300）、纳斯达克指数和CAC40指数。对于所有这些股票指数，我们还可以使用它们各自的组成部分，以及一个1个月到期的美国ZF债券（0.01亿美元）的匹配时间序列，该时间序列将被用作无风险资产，以计算在给定日期，当现金出现在我们的一个投资组合中时，现金的收益。股票指数本身的数据包括我们进行研究期间每个日期的收盘价P（t）。

N个组件的数据包括所有i∈ J1，收盘价Pi（t）、每日交易量Vi（t）、收盘市值Ci（t）和收盘财务杠杆i（t）的NK，这是总债务与市值的商。所有价格都已针对股息和股息进行了调整。在每个时间t，我们计算指数本身及其组成部分的每日日志回报。它被定义为给定交易日和前一交易日之间的对数回报。就我而言∈ J0，NK:ri（t）=log（PtPt-1).股票指数的组成随着时间的推移是动态的，但我们的数据集需要有一个稳定的组成。事实上，如果我们考虑一个给定的指数，公司会定期退出，并被更符合成员资格标准的新公司所取代，成员资格标准由委员会定义，通常基于上市公司的市值。为了开展我们的研究，我们需要在相当长的一段时间内为五个指数中的每一个指数提供一组稳定的指数股票成分。因此，不可能保留指数的所有当前组成部分。必须在保留足够多的eachindex组成部分以获得代表金融市场状况的公司样本和对我们的时间序列有足够深度以在足够长的时间内进行统计研究的必要性之间找到折衷方案。我们所有的数据集都在2006年6月13日至2016年3月15日之间。我们将在本研究中使用的五个数据集的详细信息如下。

附录中给出了每个数据集的确切组成，即Bloombergtickers列表Dataset-SP500由标准普尔500指数的420个组成部分以及该指数本身组成，该指数包含500家按市值排名的最大公司，其股票在纽约证券交易所或纳斯达克证券交易所上市数据集BE500由彭博欧洲500指数的419个组成部分加上该指数本身组成，该指数是SP500的欧洲对应物，包含500家在欧洲证券交易所上市的最大公司数据集SHSZ300由沪深沪深300指数的147个组成部分以及指数本身组成。该指数自2005年4月才出现，其构成在很大程度上处于波动状态，其演变反映了过去十年中国经济的深刻转变。

因此，今天指数中只有不到一半的公司在创建时就已经存在了。我们仍然决定继续前进，继续使用这一篮子的147家中国公司，这些公司自2006年以来代表着中国金融市场，反映了中国目前的状况纳斯达克数据集包括纳斯达克综合指数的69个组成部分，加上指数本身，该指数包含100家市值最大的公司，不包括金融公司，在纳斯达克证券交易所上市数据集-CAC40由CAC40指数的37个组成部分以及指数本身组成，该指数包含巴黎泛欧交易所上市的100家市值最高的公司中最重要的40家公司（由委员会选择）。对于所有数据集，我们只考虑了交易日，不包括周末和节假日。此外，当特定股票在给定日期未交易或数据中遗漏某个条目时，为了避免抵消我们研究中的大量交易日，我们采用了最后有效的可用价值来填补缺口。3金融危机指标在我们的系统投资战略中用作决策工具的金融危机指标基于Douady和Kornprobst（2017）的工作。对于由股票指数的N个股票组成的给定数据集，我们首先选择滚动窗口的长度T。这一选择必须谨慎，对金融危机预测的质量很重要，因此对基于这些预测的系统交易策略的成功也很重要。

T代表股票指数各组成部分的对数回报观察次数，它需要足够大，以便给定的数据集能够使我们获得股票组成部分的协方差或相关矩阵的整个有意义的谱，但它也不应该太大，以保持指标的响应性，避免给它们太长的记忆。为了获得矩阵的整个谱，我们必须使T>N，否则资产向量不够长（滚动窗口内没有足够的观测值），因此无法线性独立，协方差和相关矩阵将退化。虽然这对于T来说是一个足够的尺寸，但我们放弃了选择T=N的可能性。这是一个技术要求。事实上，由于我们计划使用滚动窗口的奇异值分解（SVD）来获得协方差和相关矩阵的特征值，因此滚动窗口不能是方矩阵，正如Horn和Johnson（2013）以及Golub和Van Loan（2013）所解释的那样。然而，理论上对T>N的要求可能会有所放宽，因为光谱中唯一让我们感兴趣的部分是较大的特征值。较大的特征值表示动态不稳定，我们的金融危机指标就是基于这一特性。如果T<N，我们将无法获得矩阵的整个有意义的谱，但只要T不是太小，我们将错过的特征值将是较小的特征值，这是我们不太感兴趣的特征值。这就是为什么Douadyand Kornprobst（2017）中的指标在包含226个SP500成分的数据集上应用时仍然有效，而使用的滚动窗口仅为150天。