Bewegungs Durchschnitt Verhältnis Momentum

Moving Momentum Moving Momentum Einführung Viele Trading-Strategien basieren auf einem Prozess, kein einziges Signal. Dieser Prozess beinhaltet oft eine Reihe von Schritten, die letztlich zu einem Signal führen. Typischerweise legen die Chartisten zunächst eine Handelsvorgabe oder eine langfristige Perspektive fest. Zweitens warten Chartisten auf Pullbacks oder Bounces, die das Risiko-Reward-Verhältnis verbessern werden. Drittens sehen die Chartisten nach einer Umkehrung, die einen anschließenden Aufschwung oder einen Abschwung im Preis anzeigt. Die hier dargestellte Strategie nutzt den gleitenden Durchschnitt, um den Trend zu definieren, den Stochastischen Oszillator, um Korrekturen innerhalb dieses Trends und des MACD-Histogramms zu identifizieren, um kurzfristige Umkehrungen zu signalisieren. Es handelt sich um eine komplette Strategie, die auf einem dreistufigen Prozess basiert. Definieren der Indikatoren Umzugsdurchschnitte sind Trendfolgende Indikatoren, die den Preis verzichten. Dies bedeutet, dass die tatsächlichen Trendänderungen vor den gleitenden Durchschnitten ein Signal erzeugen. Viele Händler werden durch diese Verzögerung abgeschaltet, aber das macht sie nicht völlig ineffektiv. Umzug im Durchschnitt glatte Preise und bieten Chartisten mit einem saubereren Preis Plot, die es einfacher, den allgemeinen Trend zu identifizieren macht. Diese Strategie beschäftigt zwei gleitende Durchschnitte, um die Handelsvorspannung zu definieren. Die Vorspannung ist bullisch, wenn sich der kürzer bewegte Durchschnitt über den längeren gleitenden Durchschnitt bewegt. Die Vorspannung ist bärisch, wenn sich der kürzer bewegte Durchschnitt unter den längeren gleitenden Durchschnitt bewegt. Während Chartisten jede Kombination von gleitenden Durchschnitten verwenden können, verwendet dieser Artikel die 20-Tage-SMA und die 150-Tage-SMA. Das folgende Beispiel zeigt, dass Baxter International (BAX) von einer bullish Trading Bias zu einem bärischen Trading Bias als die 20-Tage-SMA bewegt unterhalb der 150-Tage-SMA Mitte August. Der zweite Teil dieser Handelsstrategie nutzt den Stochastischen Oszillator, um die Korrektur zu identifizieren. Als gebundener Oszillator, der zwischen 0 und 100 schwankt, ist der Stochastische Oszillator ideal für das Spotting kurzfristiger Pullbacks oder Bounces. Ein Umzug unter 20 signalisiert einen Pullback in den Preisen, während ein Umzug über 80 ein Bounce in Preisen signalisiert. Der dritte Teil dieser Handelsstrategie nutzt das MACD-Histogramm, um Aufstiege und Abschwünge zu ermitteln. Das MACD-Histogramm misst den Unterschied zwischen MACD und seiner Signalleitung. Die Anzeige ist positiv, wenn MACD über ihrer Signalleitung liegt und negativ ist, wenn MACD unterhalb ihrer Signalleitung liegt. Das MACD-Histogramm wird positiv, wenn die Preise auftauchen und negativ werden, wenn die Preise abnehmen. 1. Umzugsdurchschnitte zeigen eine bullische Handelsvorspannung mit 20-Tage-SMA-Handel über dem 150-Tage-SMA. 2. Stochastischer Oszillator bewegt sich unter 20, um einen Pullback zu signalisieren. 3. MACD-Histogramm bewegt sich in positives Territorium, um einen Aufschwung nach dem Pullback zu signalisieren. Das obige Beispiel zeigt Polo Ralph Lauren (RL) mit einigen Kaufsignalen. Zuerst bemerken Sie, dass die 20-Tage-SMA über dem 150-Tage-SMA liegt, um eine bullische Handelsvorspannung zu schaffen. Zweitens sank der Stochastische Oszillator unter 20, um einen Preisrückzug und ein günstiges Risiko-Reward-Verhältnis anzuzeigen. Chartisten wenden sich dann an das MACD-Histogramm, um ein Ende des Pullbacks mit einem Umzug in positives Territorium zu signalisieren. Beachten Sie, dass das MACD-Histogramm fast immer im negativen Bereich ist, wenn der Stochastische Oszillator sich unter 20 bewegt. Manchmal bleibt dieser Indikator für eine weitere Woche negativ, so dass es wichtig ist, auf die Bestätigung eines Aufschwungs zu warten. 1. Umzugsdurchschnitte zeigen eine bärische Handelsvorspannung mit dem 20-Tage-SMA-Handel unterhalb der 150-Tage-SMA. 2. Stochastischer Oszillator bewegt sich über 80, um ein Bounce zu signalisieren. 3. MACD-Histogramm bewegt sich in negatives Territorium, um einen Abschwung nach dem Bounce zu signalisieren. Das obige Beispiel zeigt Flour Corp (FLR) mit einigen Sommersignalen. Zuerst wurde die Handelsvorspannung bärisch, als die 20-Tage-SMA im Juni unter die 150-Tage-SMA zog. Zweitens bewegte sich der Stochastische Oszillator über 80 mehrmals, als die Preise im Abwärtstrend auftraten. Eine Bewegung über 80 ist nur eine Warnung, um das MACD-Histogramm genau zu beobachten. Handeln auf einem Umzug über 80 kann dazu führen, dass ein Handel zu verlieren, weil es manchmal eine Woche oder zwei für die Preise, um wieder nach unten. Das dritte und letzte Signal ist, wenn das MACD-Histogramm negativ wird. Handelsbeispiel Das folgende Beispiel zeigt den United Parcel Service (USV) mit sechs Signalen über einen Zeitraum von 12 Monaten. Dies ist nicht das ideale Beispiel, aber es gibt einige Einblicke in den realen Welthandel, was oft nicht ideal ist. Es gab vier verschiedene Handelsvorurteile auf diesem Diagramm. Die gelben Bereiche markieren zwei Perioden mit einer bärischen Handelsvorspannung und zwei Perioden mit einer bullish Handelsvorspannung. Bearish Signale werden ignoriert, wenn die Bias ist bullish. Bullische Signale werden ignoriert, wenn die Bias bärisch ist. Nachdem der Stochastische Oszillator im März und April Pullbacks signalisierte, wurde das MACD-Histogramm positiv, um zwei bullische Signale (1 und 2) auszulösen. Diese hielten nicht lange aus oder funktionierten gut, weil der Handel ziemlich abgehackt war. Die dünnen blauen Linien markieren Stützniveaus, die für Anfangsstopps verwendet werden konnten. Eine bärische Bias begann im Juni und es gab ein bearish Signal Mitte Juli (3), die kurz vor der Bias geschaltet, um bullish aufgetreten. Das war ein kniffliges Signal, aber der Chartist, der einen Stop-Loss am Widerstand festlegte, wäre in der Position geblieben und hat den großen Rückgang gefangen. Nach ein paar weiteren Peitschen (4 und 5) hat die Strategie Anfang Dezember ein schönes bullisches Signal ausgelöst. Mit vier Indikatoren gibt es viele verschiedene Möglichkeiten, diese Strategie zu optimieren. Chartisten können die gleitenden Mittelwerte anpassen, um den Trend neu zu definieren. Statt der 20-tägigen und 150-Tage-SMAs konnten die Chartisten den Zeitrahmen für eine noch längere Perspektive auf den Trend verlängern. Alternativ könnten Chartisten einen langfristigen gleitenden Durchschnitt verwenden und die tatsächlichen Preise mit dem gleitenden Durchschnitt für die Trendidentifikation vergleichen. Die Oszillatoren können verkürzt werden, um die Empfindlichkeit zu erhöhen oder verlängert, um die Empfindlichkeit zu verringern. Ein 10-tägiger Stochastischer Oszillator würde öfter überholt als ein 20-Tage-Stochastischer Oszillator. Ähnlich würde das MACD-Histogramm (5,30,9) die Nulllinie häufiger als das mit den Standardeinstellungen verwendete MACD-Histogramm (12,26,9) überschreiten. Die Entscheidung, die Empfindlichkeit zu erhöhen oder zu verringern, liegt bei den Merkmalen des zugrunde liegenden Wertpapiers. Aktien mit geringerer Volatilität, wie z. B. in den Sektoren Versorgungsunternehmen und Konsumgüter, würden sensiblere Einstellungen rechtfertigen. Aktien mit höherer Volatilität, wie z. B. in der Technologie - und Biotech-Branche, können weniger empfindliche Einstellungen rechtfertigen. Der Trick ist, die Einstellung zu finden, die genügend Signale erzeugt, aber nicht zu viele. Schlussfolgerungen Diese Moving Momentum-Strategie bietet Diagrammen ein Mittel, um in Richtung der größeren Tendenz zu handeln. Darüber hinaus ist diese Strategie entworfen, um niedrigere Risiken und höhere Belohnungsmöglichkeiten zu identifizieren, indem sie auf Korrekturen warten. Der gleitende Durchschnitt setzt den Ton, bullish oder bearish. Der Stochastische Oszillator wird verwendet, um Pullbacks in größeren Aufwärtstrends und Bounces in größeren Abwärtstrends zu identifizieren. Das MACD-Histogramm wird verwendet, um das Ende eines Pullbacks oder Bounce zu signalisieren. Denken Sie daran, dass dieser Artikel als Ausgangspunkt für die Entwicklung von Handelssystemen entwickelt wurde. Verwenden Sie diese Ideen, um Ihre Trading-Stil, Risiko-Belohnung Präferenzen und persönliche Urteile zu erweitern. Klicken Sie hier für ein Diagramm von IBM mit dem 20-Tage-SMA, 150-Tage-SMA, Stochastischer Oszillator und MACD-Histogram. Vor ein paar Monaten hatte ich einen Beitrag über das Momentum Echo (hier klicken, um den Beitrag zu lesen). Ich lief über eine andere relative Stärke (oder Momentum, wenn Sie es vorziehen) Papier, das noch einen anderen Faktor testet. In Seung-Chan Parks Papier, The Moving Average Ratio und Momentum, sieht er das Verhältnis zwischen einem kurzfristigen und langfristig gleitenden Durchschnitt des Preises, um Wertpapiere nach Stärke zu ordnen. Das unterscheidet sich von den meisten anderen akademischen Literatur. Die meisten anderen Studien verwenden einfache Punkt-zu-Punkt-Preisrenditen, um die Wertpapiere zu ordnen. Die Techniker haben seit Jahren gleitende Durchschnitte verwendet, um die Preisbewegung zu verkleinern. Die meiste Zeit sehen wir Menschen mit der Überquerung eines gleitenden Durchschnitts als Signal für den Handel. Park verwendet eine andere Methode für seine Signale. Anstatt einfache Kreuze zu betrachten, vergleicht er das Verhältnis von einem gleitenden Durchschnitt zum anderen. Eine Aktie mit dem 50-Tage-Gleitender Durchschnitt deutlich über (unterhalb) der 200-Tage gleitenden Durchschnitt wird eine hohe (niedrige) Rangliste haben. Wertpapiere mit dem 50-Tage-Gleitender Durchschnitt in der Nähe des 200-Tage-Gleitendurchschnitts werden sich in der Mitte der Packung aufwickeln. In der Papier-Park ist Teil der 200-Tage gleitenden Durchschnitt als längerfristig gleitenden Durchschnitt, und er testet eine Vielzahl von kurzfristigen Mittelwerte von 1 bis 50 Tage. Es sollte nicht überraschen, dass sie alle arbeiten In der Tat, sie neigen dazu, besser zu arbeiten als einfache Preis-Rendite-basierte Faktoren. Das ist nicht eine große Überraschung für uns, aber nur, weil wir einen ähnlichen Faktor für mehrere Jahre verfolgt haben, die zwei gleitende Durchschnitte verwendet. Was mich immer überrascht hat, ist, wie gut dieser Faktor im Vergleich zu anderen Berechnungsmethoden im Laufe der Zeit ist. Der Faktor, den wir verfolgt haben, ist das gleitende durchschnittliche Verhältnis eines 65-Tage-Gleitendurchschnitts zum 150-Tage-Gleitender Durchschnitt. Nicht genau das gleiche wie das Park getestet, aber ähnlich genug. Ich zog die Daten, die wir auf diesen Faktor haben, um zu sehen, wie es mit den Standard 6- und 12-Monats-Preisrückführungsfaktoren vergleicht. Für diesen Test wird die obere Dezile der Ränge verwendet. Portfolios werden monatlich gebildet und rekonstruiert jeden Monat. Alles läuft auf unserer Datenbank, was ein Universum ist, das dem SP 500 SP 400 sehr ähnlich ist. (Zum Vergrößern anklicken) Unsere Daten zeigen dasselbe wie Parks Tests. Mit einem Verhältnis von gleitenden Durchschnitten ist deutlich besser als nur mit einfachen Preis-Rendite-Faktoren. Unsere Tests zeigen die gleitende durchschnittliche Ratio, die etwa 200 bps pro Jahr hinzufügt, was keine kleine Leistung ist. Es ist auch interessant zu bemerken, dass wir mit den gleichen Parametern für den gleitenden Durchschnitt und mit einem ganz anderen Datensatz genau zu dem Schluss kommen. Es geht nur darum zu zeigen, wie robust das Konzept der relativen Stärke ist. Für jene Leser, die unsere White Papers (hier und hier) gelesen haben, können Sie sich fragen, wie dieser Faktor mit unserem Monte Carlo Testprozess arbeitet. Ich werde nicht diese Ergebnisse in diesem Beitrag zu veröffentlichen, aber ich kann Ihnen sagen, diese gleitenden durchschnittlichen Faktor ist konsequent in der Nähe der Spitze der Faktoren, die wir verfolgen und hat sehr vernünftigen Umsatz für die Renditen, die es erzeugt. Mit einem gleitenden durchschnittlichen Verhältnis ist ein sehr guter Weg, um Wertpapiere für eine relative Stärke-Strategie zu ordnen. Historische Daten zeigen, dass es besser funktioniert als einfache Preisrendite Faktoren im Laufe der Zeit. Es ist auch ein sehr robuster Faktor, da mehrere Formulierungen funktionieren und es funktioniert auf mehreren Datensätzen. Dieser Eintrag wurde am Donnerstag, den 26. August 2010 um 13:39 Uhr veröffentlicht und ist unter Relative Strength Research abgelegt. Sie können alle Antworten auf diesen Eintrag durch den RSS 2.0 Feed verfolgen. Du kannst eine Antwort hinterlassen. Oder trackback von deiner eigenen Seite. 9 Responses to Moving Average Ratio und Momentum Eine weitere gleitend-durchschnittliche Alternative zur Verwendung von Punkt-zu-Punkt-Dynamik nimmt den gleitenden Durchschnitt des Impulses an 8230 Zum Beispiel, wenn man einfache Momentum-Ränge täglich überprüft, ist es8217s sehr laut die primäre Lösung gewesen , 8220don8217t check täglich, 8221 dh monatlich oder vierteljährlich zu überprüfen und zu veräußern und neu auszugleichen. Allerdings können Sie täglich testen und potenziell wieder ausgleichen täglich, mit viel weniger Lärm, wenn, anstatt mit 12 Monate Impuls, verwenden Sie die 21-Tage gleitenden Durchschnitt von 252-Tage-Momentum. Dies ist auch gleichwertig, BTW, auf das Verhältnis von heute8217s 21-Tage gleitenden Durchschnitt auf die 21-Tage gleitenden Durchschnitt. Der Vorteil der Verwendung der Impuls Durchschnitt ist, dass Sie mehr Reaktionsfähigkeit auf Veränderungen in der Dynamik als Sie tun, wenn Sie das Universum oncemonth oder einmal quarter überprüfen. Sicherlich ist es viel besser, die MA-Technik zu benutzen, wenn man ein kleineres Universum hat, um es anzuwenden, da ich eine Gruppe von ETFs als mein Universum verwende, es funktioniert gut für mich. Angesichts der Tatsache, dass Sie in einem Universum von 900 Aktien arbeiten und Bestände in einem Fondsformat offenlegen, kann es nicht auf Sie anwendbar sein, aber ich dachte, Sie könnten es interessant finden. Dies ist auch gleichbedeutend mit dem BTW, dem Verhältnis des heutigen 21-tägigen gleitenden Durchschnitts zum 21-tägigen gleitenden Durchschnitt von 252 DAYS AGO 8211 EDIT. John Lewis sagt: Wir verfolgen auch Faktoren, die einen gleitenden Durchschnitt einer Impulsberechnung oder Punktzahl einnehmen. Die alten Techniker8217 Trick der Verwendung eines MA zu glätten den Lärm funktioniert auf relative Stärke, wie es auf rohem Preis ist. Die Häufigkeit der Rebalance bestimmt oft, welche Art von Modell Sie verwenden können. Wir führen Strategien durch, die nur einmal im Quartal neu ausgeglichen werden können, und wir müssen unterschiedliche Modelle für diejenigen verwenden, die wir für Strategien verwenden, die wir täglich oder wöchentlich betrachten. Beide Methoden funktionieren, wenn man den richtigen Faktor verwendet, und wir haben festgestellt, dass die Erhöhung der Ausgleichsfrequenz automatisch die Rendite erhöht. Manchmal kommt es von der Rückkehr weg. Es hängt ganz vom Faktor ab und wie Sie es implementieren (zumindest in meiner Erfahrung). Mit den Universen und Parametern I8217ve getestet es auf, habe ich nicht festgestellt, was ich nennen würde 8220 statistisch signifikant8221 Verbesserungen im Gegenzug beim Umschalten von monatlichen Rebalen zu bewegten durchschnittlichen Techniken, die (potenziell mindestens) tägliche Rebellen ermöglichen. Was mich bemerkt hat, war zum größten Teil, was I8217d gleichwertige Renditen in den Backtest-Daten anruft. Ich habe besonders bemerkt, dass die durchschnittliche Anzahl der Handelsrundfahrten mit dem täglichen Veränderungspotential nur sehr geringfügig höher ist, d. h. es gibt einige Peitschen, aber nur wenige. Was ich persönlich über das Potenzial für tägliche Veränderungen mag, ist, wenn hypothetisch einer der Probleme I8217m in Abstürze und Verbrennungen, die MA-Technik würde schneller abreisen (und ersetzen durch eine andere Sicherheit). Offensichtlich ist das nicht genug im Laufe der Backtests passiert, um einen signifikanten Unterschied im Ergebnis zu fahren, aber es gibt eine nette Salbe zu meiner Psyche. Ich nehme an, wenn I8217m im Ruhestand und läuft mein Programm von einem Strand irgendwo, I8217ll lieber nur in monatlich zu überprüfen, though. That8217s später. Für jetzt, während I8217m auf dem Computer täglich sowieso, könnte auch laufen meine scans Paul Montgomery sagt: 8220Im nicht zu veröffentlichen, diese Ergebnisse in diesem Beitrag, aber ich kann Ihnen sagen, diese gleitenden durchschnittlichen Faktor ist konsequent in der Nähe der Spitze der Faktoren, die wir verfolgen Und hat sehr vernünftigen Umsatz für die Renditen es generiert8221 Great Post 8211 würde gerne mehr zu sehen auf diesem John Interessante Post in der Tat 8211 Ich habe eine Menge Papiere auf diese und die Erforschung ihrer Wirksamkeit8230 Die eine Sache, die ich nicht verstehen kann ist, wie ein Fonds kommen Wie AQR, die eine andere Form der Impulsinvestition vorschlägt, ist so schlecht. Ihre theorektischen Renditen sind etwa 13 pro Jahr, aber der eigentliche Fonds ist noch in Minus. Wunder, ob das Leben, das mit dieser Idee von Ihnen investiert, Ergebnisse liefert, die in der Nähe der getesteten Beträge liegen8230Das Moving Average Ratio und Momentum (Digest Summary) Der Autor untersucht die prädiktive Fähigkeit des gleitenden Durchschnittsverhältnisses (MAR) für zukünftige Renditen. Er entdeckt, dass die prädiktive Kraft des MAR für zukünftige Renditen unabhängig von den vergangenen Renditen und der Nähe der Aktien aktueller Preis zu seinem 52-Wochen-Hoch ist. Der Autor untersucht die Wirksamkeit des gleitenden Durchschnittsverhältnisses (MAR) von kurzfristigen und langfristigen bewegten Durchschnitten, um zukünftige Renditen vorherzusagen. Er betrachtet auch, ob diese prädiktive Fähigkeit sich von den vergangenen Renditen unterscheidet und von dem Verhältnis eines Aktienkurses zu seinem 52-Wochen-Hoch. In seiner Analyse vergleicht der Autor die Rentabilität von drei Anlagestrategien. Die erste Anlagestrategie basiert auf einem Portfolio, das den Kauf und Verkauf einer Anzahl von Aktien auf Basis der in den letzten 6 und 12 Monaten erzielten Renditen umfasst. Die zweite Strategie umfasst Aktien, die auf Basis des Verhältnis des aktuellen Preises auf 52 Wochen hoch gewählt werden. Die dritte Strategie berechnet die Renditen auf der Basis des Verhältnisses des 50-Tage-Gleitendurchschnitts zum 200-Tage-MAR. Die für diese Analyse verwendeten Daten werden von der CRSP U. S. Stock Database für Juli 1962 bis Dezember 2004 bezogen. Der Autor verwendet zwei Samples aus der CRSP-Datenbank. Die erste Stichprobe umfasst alle Aktien, die an der NYSE, Amex und NASDAQ gehandelt werden, mit Ausnahme der Aktien mit einer Marktkapitalisierung, die sie in die kleinsten NYSE-Dezile und Aktien, die unter 5 bewertet werden, platziert. Die zweite Stichprobe ist ähnlich wie die erste, aber sie enthält die Kleinste NYSE-Dezile und Aktien, die unterhalb von 5 vergeben werden. Der Autor stellt fest, dass das MAR positiv mit früheren Renditen korreliert ist und mit dem Verhältnis eines Aktienkurses zu seinem 52-Wochen-Hoch. Beim Vergleich der rohen und risikoadjustierten Gewinne aus den drei Anlagestrategien entdeckt er, dass die 52-wöchige Strategie und die MAR-Strategie wirtschaftlich und statistisch signifikante Gewinne erzielen, aber dass die MAR-Strategie rentabler ist und einen höheren t-Wert aufweist . Er stellt fest, dass die MAR-Strategie immer noch den bedeutendsten Gewinn erzielt, wenn der Januar aus der Haltedauer ausgeschlossen ist. Um festzustellen, ob Risikofaktoren die Gewinne der drei Anlagestrategien erklären können, regressiert der Autor die Gewinner - und Loser-Portfolios zusammen mit den Gewinnen für jede Strategie unter Verwendung der FamaFrench-Drei-Faktor-Regression. Die Ergebnisse zeigen, dass die FamaFrench-Faktoren einen negativen Beitrag zu den Gewinnen aus den Impulsstrategien leisten. Ein paarweiser Vergleich der Profitabilität der drei Anlagestrategien zeigt, dass die MAR-Strategie rentabler ist als die Strategie der Vergangenheit und der Rendite, und das MAR-Gewinner-Portfolio generiert eine statistisch signifikante Rendite als die 52-wöchigen Sieger. Der Autor untersucht auch, ob der MAR zukünftige Renditen unabhängig von beiden Renditen und dem 52-Wochen-Hoch vorhersagen kann, indem er die Halteperiodenrenditen für zwei Portfolios berechnet. Das erste Portfolio basiert auf dem MAR und einer 12-Monats-Rendite-Strategie, die es zuerst durch die 12-Monats-Rückkehr und dann durch die MAR, gefolgt von einer anderen Art zuerst durch die MAR und dann durch die 12-Monats-Rückkehr sortiert wird. Das zweite Portfolio basiert auf dem MAR und einer 52-wöchigen Strategie, die es zuerst durch die 52-Wochen-Hoch und dann durch die MAR sortiert wird, gefolgt von einer anderen Art zuerst durch die MAR und dann durch die 52-Wochen-Hoch. Die Ergebnisse dieses Tests zeigen nicht nur, dass das MAR eine größere Vorhersagekraft hat als die 12-Monats-Rückkehr, sondern auch, dass das MAR ein unabhängiges Signal ist. Ähnlich hat die MAR prädiktive Kräfte, die sich von der 52-wöchigen Strategie unterscheiden. Der Autor führt anschließend eine FamaMacBeth-artige Querschnitts-Regressionsanalyse durch, um die marginale Wirkung der Zugehörigkeit zum Sieger - oder Verliererportfolio in jeder der drei Anlagestrategien zu identifizieren. Die Ergebnisse zeigen, dass die prädiktive Kraft der 12-Monats-Rendite durch ihre Nähe zum 52-Wochen-Hoch oder das Verhältnis von kurzfristigen zu langfristigen bewegten Durchschnitten erklärt werden kann. Die Analyse zeigt auch, dass die MAR-Strategie im Gegensatz zu den anderen Strategien erhebliche Gewinne sowohl von Gewinner - als auch von Verliererportfolios erzielt. Der Autor deutet darauf hin, dass eine Verankerungsvorspannung auf die 52-Wochen-Hoch oder die MAR ist ein besserer Erklärungsfaktor für die Zwischenzeit Dynamik als Investor Konservatismus oder Übertreibung. Schließlich führt der Autor einen Robustheitstest durch, indem er verschiedene gleitende Durchschnittsverhältnisse verwendet, um den kurz - und langfristigen MAR darzustellen und entdeckt, dass jede MAR-Kombination immer noch statistisches Ergebnis erzeugt und die Vorhersagekraft des MAR unterstützt. Der Autor schließt mit der Feststellung, dass die Prognosen auf der Grundlage der MAR nicht auf lange Sicht umkehren, was darauf hindeutet, dass die Zwischenzeit und die langfristigen Umkehrungen separate Konzepte sind. Ursprüngliche Autoreninformation Seung-Chan Park ist an der Adelphi Universität. Benutzer, die diesen Artikel lesen auch readTest Market Timing Models Mit diesem Tool können Sie verschiedene Markt-Timing und taktische Asset Allocation Modelle auf der Grundlage von gleitenden Mittelwerten, Impuls, Marktbewertung und Zielvolatilität zu testen. Zu den unterstützten Modellen gehören: Shiller PE Ratio Marktbewertung Moving Averages - Single Asset Moving Averages - Portfolio Assets Momentum - Relative Stärke Momentum - Dual Momentum Momentum - Adaptive Allokation Zielvolatilität Hier finden Sie eine Zusammenfassung des ausgewählten taktischen Asset Allocation Models unten und a Detailliertere Beschreibung im FAQ-Bereich. Shiller PE Ratio Marktbewertung Shiller PE Ratio (PE10) Marktbewertung basiert Timing-Modell verwendet Verschiebungen die Zuordnung zwischen Aktien und Anleihen wie folgt: PE10 gt 22 - 40 Aktien, 60 Anleihen 14 lt PE10 lt 22 - 60 Aktien, 40 Anleihen PE10 lt 14 - 80 Aktien, 20 Anleihen Die ausgewogene 60 Aktie und 40 Anleihenzuteilung werden als Benchmark-Portfolio verwendet. Moving Averages - Single Asset Das gleitende durchschnittliche Timing-Modell wird entweder in einen bestimmten Aktien-, ETF - oder Investmentfonds investiert oder ist alternativ in bar oder Andere risikofreie Vermögenswerte auf der Grundlage der gleitenden durchschnittlichen Signal. Das Modell wird in den Vermögenswert investiert, wenn der am Ende des Monats angepasst enge Preis größer ist als der gleitende Durchschnitt und das Modell bewegt sich in bar, wenn der Ende des Monats angepasst nahen Preis ist weniger als der gleitende Durchschnitt. Das Modell unterstützt auch die gleitende durchschnittliche Überkreuzung als Signal. Verschieben von Durchschnittswerten - Portfolio-Assets Das gleitende Durchschnittsmodell wendet das gleitende Durchschnittssignal an jedes Portfolio-Asset an. Das Modell wird in ein Portfolio-Asset investiert, wenn der am Ende des Monats angepasst enge Preis größer ist als der gleitende Durchschnitt und die Zuteilung wird in bar verschoben, wenn der am Ende des Monats angepasst enge Preis weniger als der gleitende Durchschnitt ist. Das Modell unterstützt auch die gleitende durchschnittliche Überkreuzung als Signal. Momentum - Relative Stärke Das relative Stärke-Impulsmodell investiert in die am besten leistungsfähigen Vermögenswerte im Modell auf der Grundlage jedes Vermögens Vergangenheit Rückkehr. Der Impuls kann auf einer einzigen Timingperiode oder mehrfach gewichteten Timingperioden basieren. Darüber hinaus unterstützt das Modell die Verwendung von gleitenden Durchschnitten als Risikokontrolle, um zu entscheiden, ob die Investitionen in Bargeld umgezogen werden sollen. Momentum - Dual-Momentum Das Dual-Impuls-Modell nutzt relative Impulse, um die bestmöglichen Modell-Assets auszuwählen und beinhaltet absolute Impulse als Filter, um in Geld zu investieren, wenn die Überschussrendite des ausgewählten Vermögenswertes über Bargeld negativ ist. Adaptive Allokation Das adaptive Asset Allocation Model kombiniert das relative Impulsmodell mit unterschiedlicher Assetgewichtung. Das relative Stärkemodell verwendet eine gleichgewichtige Zuteilung für das Modell ausgewählte Vermögenswerte, während die adaptive Asset Allocation entweder inverse Volatilitäts-basierte Risiko-Paritätszuteilung oder minimale Varianz-Allokation für die Modell-Assets verwendet, um die erwartete Volatilität zu minimieren. Zielvolatilität Das Zielvolatilitätsmodell passt das Marktrisiko des Portfolios auf Basis der realisierten historischen Volatilität und des gegebenen Volatilitätsziels an. Die Barausschüttung im Portfolio wird erhöht oder verringert, um die gezielte Volatilität zu erreichen, um die risikoadjustierte Performance zu verbessern. Finden Sie ETF, Investmentfonds oder Stock Symbol