Quantstrat - الفوركس تداول

اسمي إيليا كيبنيس. أنا محلل أبحاث كمية. هذه المدونة سوف يكون التحقيق في مختلف المشاكل التي تهمني في التمويل الكمي وإدارة الأصول. يمكنك العثور على جيثب هنا. أنا ملتزم بالتعلم المستمر في التمويل الكمي من خلال الدورات عبر الإنترنت والكتب والمقالات. أنا حاليا يعمل كمقاول في تحليل البيانات. لقد عملت سابقا في التحليل الكمي للتجارة، ما يسمى تحليلات البيانات الكبيرة، وإدارة الأصول. أنا مهتم في التواصل، جنبا إلى جنب مع غيرها من الفرص بدوام كامل في مجال التمويل، ويمكن الوصول إليها في عنوان غميل بلدي. ملفي الشخصي ينكدين هنا. مشاركة هذا: مثل هذا: 23 أفكار حول لدكو حول رديقو مدونة نيس لقد أضفته إلى بلدي نيتفيبس مجمع. مدونة مفيدة للغاية. هل من الممكن اختبار نظام انفتاح نطاق مفتوح في كوانسترات طالما أنك 8217re قادرة بشكل رسمي وموضوعي، وتحديد كميا المؤشرات والإشارات والقواعد، فمن الممكن (وإن لم يكن تافهة دائما) لاختبار شيء. أتساءل عن البرنامج الذي تستخدمه للتحليل الكمي الخاص بك ماتلاب R ومن الواضح أن R هو منافس قوي عندما تواجه مع الآخرين (ماتلاب، بيثون، الخ) 8211 ولكن هل يمكن أن يرجى تفصيل أكثر قليلا الجواب ويمكنك أيضا يرجى شرح مدى قوة R في المواضيع التالية: 1) التكامل مع منصات التنفيذ 2) باكتستينغ أنواع معتمدة (هو المشي قدما إلى الأمام ومدى مرونة هو مقارنة لأشياء مثل أميبروكر، ترادستاتيون، مولتيشارتس، الخ) 3) أي قدرات فيما يتعلق التعلم الآلي 1 ) أعتقد R يتكامل مع إبروكرز. متروك لكم للقيام بهذه الواجبات المنزلية، على الرغم من. 2) ومرنة، إن لم يكن أكثر من ذلك. 3) R هو الذهاب إلى لغة لتعلم الآلة، في الواقع. مرحبا. لقد وصلت مؤخرا إلى مدونتك بعد انضمامك مؤخرا إلى الشركة التي تدير العديد من الاستراتيجيات الكمية المختلفة في أسواق الأسهم. I8217ve دائما تاجر ولكن it8217s فقط من أي وقت مضى باعتباره تاجر التنفيذ. هل يمكن أن يرجى يوصي عدد قليل من الكتبمكتب الفيديوالقراءة على شخص مثلي. شكرًا لك مرة أخرى. كاتيغوريزأرشورأرشيف: إيليا كيبنيس هذا المنصب سيكون استعراض متعمق ألفا Architect8217s كتاب الزخم الكمي. عموما، في رأيي، الكتاب رائع لأولئك الذين الممارسين في إدارة الأموال في الفضاء المساواة الفردية، ولا يزال يحتوي على أفكار تستحق التفكير خارج هذا الفضاء. ومع ذلك، فإن النظام المفصل في الكتاب يستفيد من ترتيب متداخل (رتبة على طول محور X، واتخاذ العشري الأعلى، مرتبة على طول محور Y داخل العشري الأعلى في X، واتخاذ العشري الأعلى على طول المحور Y، وتقييد أساسا اختيار إلى 1 من كون). وعلاوة على ذلك، فإن الكتاب لا تفعل الكثير للتعامل مع الضوابط التقلب، والتي قد عززت النظام الموجز بشكل كبير. قبل أن ندخل في وطأة هذا المنصب، I8217d ترغب في السماح للقراء يعرفون أنني جعلت بلدي المكسرات والمسامير من سلسلة كوانسترات من المشاركات كما داتاكامب بالطبع الرسمي. داتاكامب هو وسيلة رخيصة جدا لتعلم حفنة من R، والتطبيقات المالية هي من بين تلك المواضيع. بلدي بالطبع يغطي أساسيات كوانسترات، وإذا كان أولئك الذين يكملون الدورة مثل ذلك، وأنا قد تخلق بشكل جيد جدا وحدات كوانسترات أكثر تقدما على داتاكامب. I8217m على أمل أن الدورات المالية هي استقبالا حسنا، حيث أن هناك مواضيع مالية في R I8217d ترغب في معرفة نفسي أن محاضرة 45 دقيقة don8217t تكفي حقا ل (مثل الدكتور ديفيد ماتيسون 8217s نقاط التغيير السحر، بورتفوليواناليتيكش، وهلم جرا). في أي حال، هنا 8217s الارتباط. لذلك، دعونا l8217s تبدأ مع ملخص للكتاب: الجزء 1 هو عدة فصول التي هي العملاقة وفضح - لماذا يعمل الزخم (أو على الأقل، عملت لمدة لا تقل عن 20 عاما منذ عام 1993) 8230 ناميا أن التحيز البشري والسلوكيات غير العقلانية تعمل في بعض الطرق لجعل العمل الشاذ. ثم هناك 8217s أيضا المخاطر المهنية (أكا it8217s عامل خطر، وهكذا، إذا كان المعيار الخاص بك هو الجاسوس وتشغيل خلال فترة 3 سنوات من الأداء الضعيف، لديك خطر وظيفي شديد)، وأساسا، مجموعة كاملة من لماذا الأصول المهنية مدير سوف تحصل على النار ولكن إذا كنت مجرد العصا مع الشذوذ على مدى العديد من سنوات عديدة وركوب تمتد لعدة سنوات من الأداء الناقص نسبيا، you8217ll يخرج قدما في المدى الطويل جدا. عموما، أشعر أن هناك 8217s العمل الذي يتعين القيام به إذا كان هذا هو أفضل ما يمكن القيام به، ولكن حسنا، I8217ll قبوله. أساسا، الجزء 1 هو لغير المهرة. بالنسبة لأولئك الذين كانوا حول كتلة الزخم كتلة بضع مرات، فإنها يمكن أن تخطي الحق في الماضي هذا. لسوء الحظ، فإنه 8217s نصف الكتاب، بحيث يترك قليلا من طعم الحامض في الفم. المقبل، الجزء الثاني هو المكان، في رأيي، واللحوم الحقيقية والبطاطا من الكتاب 8211th 8220how8221. في الأساس، يمكن أن تغلي الخوارزمية إلى ما يلي: أخذ الكون من الأسهم الكبيرة والمتوسطة، قم بما يلي: 1) فرز الأسهم إلى العشرية بنسبة 2-12 الزخم 8211 ذلك هو، في نهاية كل شهر، وحساب الزخم في الشهر الماضي 8217s سعر الإغلاق ناقص سعر الإغلاق منذ 12 شهرا. أساسا، تشير البحوث إلى أن هناك 8217s تأثير انعكاس على الزخم 1 الشهر. ومع ذلك، فإن هذا التأثير لا ينقل 8217t إلى الكون إتف في تجربتي. 2) here8217s الجزء المثير للاهتمام الذي يجعل الكتاب يستحق التقاط من تلقاء نفسها (في رأيي): بعد الفرز إلى العشري، رتبة العشري الأعلى حسب المقياس التالي: ضرب إشارة الزخم 2-12 من المعادلة التالية: (عوائد سلبية 8211 إيجابي). أساسا، والفكرة هنا هو تحديد نعومة الزخم. وهذا هو، في أكثر الحالات تطرفا، تخيل الأسهم التي لم تفعل شيئا على الاطلاق لمدة 230 يوما، ثم كان يوم واحد ضخمة التي أعطت لها كامل سعر الارتفاع (اعتقد جوجل عندما كان قفزة 10 من أرقام أفضل من المتوقع التقارير)، وفي الطرف الآخر، الأسهم التي كانت ببساطة كل يوم واحد يكون ارتفاع سعر إيجابي صغير. من الواضح، you8217d تريد النوع الثاني من الأسهم. أن 8217s هذه الفكرة. مرة أخرى، فرز في العشائر، واتخاذ العشري الأعلى. لذلك، أخذ العصا العليا من العشري الأعلى يترك لك مع 1 من الكون. أساسا، وهذا يجعل فكرة صعبة جدا لتكرار 8211 منذ كنت 8217d تحتاج إلى تعقب الكون ضخمة من الأسهم. وهذا ما ذكر، أعتقد أن التعبير هو في الواقع فكرة جيدة باعتبارها تقف في تقلب. وهذا هو، بغض النظر عن مدى تقلب الأصول هو 8211 سواء كان 8217s كما متقلبة مثل سلعة مثل دبك، أو غير متقلبة كمنتج الدخل الثابت مثل شي، هذا التعبير هو وسيلة مثيرة للاهتمام لذكر 8220 هذا المسار هو choppy8221 مقابل 8220 هذا المسار هو smooth8221. قد أحقق في هذا التعبير في مدونتي في المستقبل. 3) وأخيرا، إذا تحولت المحفظة على أساس ربع سنوي بدلا من شهرية، فإن أفضل الأشهر لتحويلها هي الأشهر السابقة لشهر الربع (أي فبراير، مايو، أغسطس، نوفمبر) بسبب مجموعة من الأصول الهواة المديرين مثل 8220window dress8221 محافظهم. هذا هو، كان لديهم ربع غزير، وذلك في الشهر الماضي قبل أن تضطر إلى إرسال البيانات الفصلية، أنها تحميل على بعض الفائزين مؤخرا بحيث زبائنهم don8217t يعتقدون أنهم 8217re كما هواة كما أنها حقا السماح، وهناك 8217s عثرة ل هذه. وبالمثل، فقد شهد شهر كانون الثاني / يناير بعض الشذوذ في البيع بسبب حصاد الضرائب. بقدر ما تذهب التطبيقات العملية، وأعتقد أن هذا هو لمسة لطيفة جدا. اعترافا بأن تسليم كل شهر قد يكون مكلفا بعض الشيء، وأنا أحب أن ويس وجاك يقول 8220sure، تريد تحويله مرة واحدة كل ثلاثة أشهر، ولكن على أي أشهر 8221. و 8217s سؤال جيد جدا أن نسأل إذا كان ذلك يعني أنك تحصل على نقطة مئوية إضافية أو 150 نقطة أساس في السنة من ذلك، لأنها قد تغطي فقط تكاليف المعاملات ومن ثم بعض. الكل في الكل، it8217s بسيطة إلى حد ما لفهم الاستراتيجية. ومع ذلك، فإن الجزء الذي نوع من بوابات قبالة الكتاب إلى تكرار مثالي هو صعوبة في الحصول على بيانات كسب. ومع ذلك، لا أثني ألفا المهندس المعماري للكشف عن خوارزمية كاملة من البداية الى النهاية. وعلاوة على ذلك، إذا كان الزخم الأساسي 2-12 ليس كافيا، هناك 8217s ملحق تفاصيل أنواع أخرى من الأفكار الزخم (زخم الأرباح، مرتبة حسب المسافة إلى 52 أسبوعا قمم، الزخم التاريخي المطلق، وهلم جرا). أيا من هذه الاستراتيجيات هي في الحقيقة أن أفضل بكثير من استراتيجية الزخم السعر الأساسي، لذلك هم 8217 هناك هناك للراغبين، ولكن يبدو هناك 8217s لا شيء حقا كسر الأرض هناك. وهذا هو، إذا كنت 8217re التداول مرة واحدة في الشهر، هناك 8217s فقط الكثير من الطرق للقول 8220hey، وأعتقد أن هذا الشيء هو الذهاب حتى 8221 وأود أيضا أن يس وجاك لمست على حقيقة أن الاتجاه التالية، في حين أنه don8217t تحسين معدل نمو سنوي مركب الشامل أو شارب ، لا كمية هائلة لتحسين على الحد الأقصى السحب. وهذا هو، إذا واجه مع احتمال فقدان 70-80 من كل شيء، وفقدان 30 فقط، أن 8217s خيارا سهلا لجعل. الاتجاه التالية هو جيد، حتى نسخة مبسطة. الكل في الكل، وأعتقد أن الكتاب ينجز ما يحدد القيام به، وهو تقديم خوارزمية بحثا جيدا. في نهاية المطاف، ال بونكلين على موقع ألفا Architect8217s (أعتقد أن لديهم نوعا من تصفية الأسهم الشهرية). وعلاوة على ذلك، ينص الكتاب على أن هناك عوائد أفضل تعديل المخاطر عندما يقترن الخوارزمية المبينة في كتاب 8220quantitive قيمة 8221. في تجربتي، I8217ve لم يكن خوارزميات قيمة اعجاب لي في باكتيستس I8217ve القيام به، ولكن أستطيع أن الطباشير أن تصل لي كونها عديمي الخبرة مع جميع مقاييس التقييم المختلفة. لكن انتقادنا للكتاب هو: خوارزمية الزخم في الكتاب تفتقد ما أشعر به هو عنصر أساسي واحد: التحكم في تقلبات الاستهداف. ببساطة، فإن ورقة 8220momentum لها لحظات 8221 (التي غطت في بلدي سلسلة تطوير فرضية يحركها من الوظائف) تنص أساسا أن استراتيجية الزخم فاما الفرنسية المعتادة لا أفضل بكثير من استراتيجية المخاطر والمكافأة من خلال تخفيض الديون خلال أوقات التقلب المفرط، و وتجنب حوادث الزخم. I8217m لست متأكدا لماذا ويس وجاك didn8217t تلمس على هذه الورقة، لأن تنفيذ بسيط جدا (تارجيتراليزد عامل النفوذ التقلب). من الناحية المثالية، I8217d الحب إذا كان ويس أو جاك يمكن أن ترسل لي تيار العوائد لهذه الاستراتيجية (ويفضل يوميا، ولكن يعمل أيضا شهريا). أساسا، أعتقد أن هذا الكتاب شامل جدا. ومع ذلك، أعتقد أن لديها أيضا إلى حد ما 8220don8217t محاولة هذا في المنزل 8221 يشعر أنه نظرا لمتطلبات البيانات لتكرار ذلك. بالتأكيد، إذا كان لديك وسيط رسوم لك 8 معاملة، it8217s ليست استراتيجية ممكنة لإسقاط عدة آلاف باكز سنويا على تكاليف المعاملات التي 8217ll مجرد إعطاء عوائد الخاص بك وسيط. ومع ذلك، أنا لا أتساءل عما إذا كان كموم إتف (من ألفا المهندس المعماري، بطبيعة الحال) هو، في الواقع، نسخة أفضل من هذه الاستراتيجية، خارج رسوم الإدارة. على أية حال، رأيي النهائي هو: في حين أن هذا الكتاب يترك قليلا من المعرفة على الطاولة، في مجمله، فإنه ينجز ما يحدده للقيام، واضح مع إجراءاته، ويقدم العديد من الأفكار جديرة بالاهتمام. ثمن كتاب غير تقني (ويعرف أيضا باسم تلك الكتب 60 على الأمازون)، وهذا الكتاب هو سرقة. شكرا للقراءة. ملاحظة: بينما أنا حاليا يعمل في قدرة أناليتيكش ناجحة، وأنا مهتم في سماع حول وظائف بدوام كامل أكثر ارتباطا بالمواضيع على هذه بلوق. إذا كان لديك وظيفة بدوام كامل والتي يمكن أن تستفيد من مهاراتي الحالية، واسمحوا لي أن أعرف. يمكن العثور على بلدي ينكدين هنا. ستكون هذه المشاركة حول محاولة استخدام حزمة ديبيكس للتنبؤ بحالة الانترنت. في حين أن حزمة ديبيكس يؤدي بشكل مثير للإعجاب عندما يتعلق الأمر وصف ولايات الماضي، عندما تستخدم للتنبؤ خطوة واحدة إلى الأمام، تحت افتراض أن غدا 8217s الدولة سوف تكون متطابقة اليوم 8217s، عملية نموذج ماركوف خفية وجدت داخل الحزمة لا أداء للتوقعات. لذلك، لتبدأ، وكان هذا المنصب بدافع من مايكل هالز مور، الذي نشر مؤخرا بعض رمز R حول استخدام مكتبة depmixS4 لاستخدام نماذج ماركوف خفية. عموما، أنا غضب لخلق المشاركات على المواضيع I don8217t أشعر أن لدي على الاطلاق فهم من الأمام إلى الخلف، ولكن I8217m القيام بذلك على أمل التعلم من الآخرين على كيفية القيام على نحو مناسب التنبؤ على الانترنت الدولة الفضاء، أو 8220 تبديل الوقت 8221 الكشف، كما يمكن أن يطلق عليه في لغة أكثر المالي. في حين رأى I8217ve النظرية المعتادة لنماذج ماركوف المخفية (وهذا هو، يمكن أن المطر أو يمكن أن يكون مشمس، ولكن يمكنك استنتاج فقط من الحكم على الطقس من قبل الملابس ترى الناس يرتدي خارج نافذتك عندما تستيقظ)، وعملت مع أمثلة لعبة في موكس (Udacity8217s ذاتية القيادة بالطبع سيارة يتعامل معهم، وإذا كنت أذكر بشكل صحيح 8211or ربما كان بالطبع أي)، في نهاية اليوم، والنظرية ليست سوى جيدة مثل مدى حسن التنفيذ يمكن أن تعمل على البيانات الحقيقية . لهذه التجربة، قررت أن تأخذ البيانات سبي منذ التأسيس، والقيام الكامل في عينة 8220 باكتيست 8221 على البيانات. وهذا يعني أنه بالنظر إلى أن خوارزمية هم من ديبميكس ترى التاريخ الكامل للعودة، مع هذا 8220god8217s العين 8221 عرض البيانات، هل الخوارزمية تصنيف صحيح الأنظمة، إذا كانت نتائج باكتست أي مؤشر هنا 8217s رمز للقيام بذلك، مستوحاة من هالز-مور 8217s. في الأساس، في حين قمت بتحديد ثلاث ولايات، لاحظت أن أي شيء مع اعتراض فوق الصفر هو دولة الثور، وتحت الصفر هو حالة الدب، وذلك أساسا، فإنه يقلل من حالتين. مع النتيجة: لذلك، لا رهيبة بشكل خاص. الخوارزمية تعمل، نوع من، نوع من، حسنا حسنا، let8217s محاولة التنبؤ على الانترنت الآن. حتى ما فعلت هنا كان أخذت نافذة توسيع، بدءا من 500 يوما منذ بدء SPY8217s، وأبقى زيادة ذلك، من يوم واحد في وقت واحد. توقعي كان، بما فيه الكفاية بما فيه الكفاية، في اليوم الأخير، وذلك باستخدام 1 لدولة الثور، و -1 لدولة الدب. ركضت هذه العملية بالتوازي (على كتلة لينكس، لأن مكتبة Windows8217s دو باراليل يبدو أنها لا تعرف حتى أن يتم تحميل حزم معينة، و it8217s أكثر فوضوي)، وأول قضية كبيرة هي أن هذه العملية استغرق حوالي ثلاث ساعات على سبعة النوى ل حوالي 23 عاما من البيانات. ليس مشجعا تماما، ولكن الحوسبة الوقت isn8217t مكلفة هذه الأيام. لذلك نرى LE8217s إذا كانت هذه العملية تعمل فعلا. أولا، دعونا اختبار 8217s إذا خوارزمية يفعل ما فعله 8217s في الواقع من المفترض القيام به واستخدام يوم واحد من نظرة التحيز قدما (وهذا هو، خوارزمية تقول لنا الدولة في نهاية اليوم 8211 كيف هو الصحيح حتى ذلك اليوم). مع النتيجة: لذلك، يزعم، يبدو أن الخوارزمية تفعل ما كان مصمم للقيام به، والذي هو لتصنيف دولة لمجموعة بيانات معينة. الآن، السؤال الأكثر صلة بالموضوع: مدى نجاح هذه التنبؤات حتى قبل يوم واحد You8217d أعتقد أن التنبؤات الفضائية الدولة ستكون شاذة من يوم لآخر، نظرا للتاريخ الطويل، والصحيح مع النتيجة: وهذا هو، من دون التحيز ليبكهيد، خوارزمية التنبؤ الفضاء الدولة هو فظيعة. لماذا هذا حسنا، هنا 8217s مؤامرة الدول: باختصار، خوارزمية هم على الانترنت في حزمة ديبيكس يبدو أن تغيير عقلها بسهولة جدا، مع آثار واضحة (سلبية) لاستراتيجيات التداول الفعلي. لذلك، أن يلفها لهذا المنصب. في الأساس، فإن الرسالة الرئيسية هنا هي: هناك 8217s فرقا كبيرا بين تحميل القيام التحليل الوصفي (أكا 8220 أين كنت، لماذا فعلت الأشياء 8221) مقابل التحليل التنبئي (وهذا هو، 8220if أنا التنبؤ بشكل صحيح في المستقبل، وأنا الحصول على مكافأة إيجابية 8221 ). في رأيي، في حين أن الإحصاءات الوصفية لها الغرض من حيث شرح لماذا الاستراتيجية قد أدرت كيف فعلت، في نهاية المطاف، we8217re تبحث دائما عن أدوات التنبؤ أفضل. في هذه الحالة، ديبيكس، على الأقل في هذا 8220out-ذي-بوكس 8221 مظاهرة لا يبدو أن يكون أداة لذلك. إذا كان أي شخص قد نجح مع استخدام ديبيكس (أو غيرها من خوارزمية تبديل النظام في R) للتنبؤ، وأود أن أرى أن العمل الذي تفاصيل الإجراء المتخذة، كما it8217s منطقة I8217m تبحث لتوسيع بلدي أدوات في، ولكن don8217t لديها أي خاص يؤدي جيدة. أساسا، I8217d أحب أن أفكر في هذا المنصب كما وصف لي تجارب بلدي مع الحزمة. شكرا للقراءة. ملاحظة: في 5 أكتوبر، وسوف أكون في مدينة نيويورك. في 6 أكتوبر، وسوف أقدم في المعرض التجاري على لوحة حروب البرمجة. ملاحظة: عقد تحليلات الحالي هو للمراجعة في نهاية العام، لذلك أنا أبحث رسميا عن عروض أخرى كذلك. إذا كان لديك دور بدوام كامل والتي قد تستفيد من المهارات التي تراها على بلدي بلوق، يرجى الحصول على اتصال معي. يمكن العثور على الملف الشخصي لينكدين هنا. هذه الوظيفة سوف يعرض قيمة مشروطة العنصر في الميكانيكا خطر وجدت في بيرفورمانساناليتيكش من ورقة كتبها بريان بيترسون، كريس بود، وبيتر كارل. وھذه آلیة ھي آلیة یسھل الاتصال بھا لحساب عنصر العجز المتوقع في عوائد الأصول عندما تنطبق علی المحفظة. في حين أن الميكانيكا الدقيقة معقدة إلى حد ما، فإن الاتجاه الصعودي هو أن وقت التشغيل شبه فوري، وهذه الطريقة هي أداة صلبة لإدراجها في تحليل توزيع الأصول. للراغبين في تحليل متعمق للحدس من عنصر القيمة المشروطة في خطر، وأنا إحالتها إلى ورقة كتبها بريان بيترسون، بيتر كارل، وكريس بودت. في الأساس، هنا 8217 الفكرة: جميع الأصول في محفظة معينة لها مساهمة هامشية في إجمالي القيمة المشروطة في خطر (المعروف أيضا باسم النقص المتوقع) 8211، هو، الخسارة المتوقعة عندما تتجاوز الخسارة عتبة معينة. على سبيل المثال، إذا كنت تريد أن تعرف النقص المتوقع 5 الخاص بك، ثم it8217s متوسط ​​أسوأ 5 إرجاع لكل 100 يوم، وهلم جرا. بالنسبة للعائدات التي تستخدم الدقة اليومية، قد تبدو فكرة النقص المتوقع كما لو أنه لن تكون هناك بيانات كافية في إطار زمني سريع بما فيه الكفاية (على سنة واحدة أو أقل)، فإن صيغة النقص المتوقع في بيرفورمانساناليتيكش افتراضيا إلى حساب تقريبي باستخدام توسع الكورنيش-فيشر، الذي يقدم نتائج جيدة جدا طالما أن قيمة pn8217t متطرفة جدا (أي أنها تعمل على قيم p عاقل نسبيا مثل النطاق 1-10). إن القيمة المشروطة للمكون في المخاطرة لها استخدامان: أولا، نظرا لعدم وجود أوزان دخل، فإنه يستخدم افتراضيا متساويا الوزن، مما يسمح له بتقديم تقدير للمخاطر لكل أصل على حدة دون أن يثقل الباحث على إيجاد استدلاله الخاص. وثانيا، عندما توفر مجموعة من الأوزان، تتغير النواتج لتعكس مساهمة مختلف الأصول بما يتناسب مع تلك الأوزان. وهذا يعني أن هذه المنهجية تعمل بشكل جيد جدا مع الاستراتيجيات التي تستبعد الأصول على أساس الزخم، ولكنها تحتاج إلى نظام الترجيح للأصول المتبقية. وعلاوة على ذلك، فإن استخدام هذه المنهجية يسمح أيضا بتحليل لاحق للمساهمة المخاطر لمعرفة أي أداة ساهمت ما في خطر. أولا، دليل على كيفية عمل الآلية باستخدام مجموعة بيانات إديك. لا توجد استراتيجية هنا، مجرد دليل على بناء الجملة. وسوف يفترض ذلك مساهمة متساوية الوزن من جميع الأموال في مجموعة بيانات إدهيك. لذلك تمب هو المساهمة في النقص المتوقع من كل من المديرين إدهيك مختلفة على مدى الفترة الزمنية بأكملها. Here8217s الإخراج: الجزء البارز من هذا هو مساهمة في المئة (الناتج الأخير). لاحظ أنه يمكن أن يكون سلبيا، وهذا يعني أن بعض الأموال تكسب عندما يخسر الآخرون. على الأقل، كان هذا هو الحال على مجموعة البيانات الحالية. وتنوع هذه الأصول محفظة وتقلل بالفعل العجز المتوقع. في هذه الحالة، وأنا على قدم المساواة وزنه أول عشرة مديرين في مجموعة بيانات إهيك، ووضع وزن صفر في الثلاثة الماضية. وعلاوة على ذلك، يمكننا أن نرى ما يحدث عندما تكون الأوزان ليست متساوية. هذه المرة، لاحظ أنه مع زيادة الوزن في مدير أرب للتحويل، وكذلك مساهمته في أقصى قدر من العجز المتوقع. للحصول على اختبار باكتست في المستقبل، أود تقديم بعض طلبات البيانات. وأود أن استخدام الكون وجدت في Faber8217s العالمية تخصيص الأصول الكتاب. ومع ذلك، فإن المحاكاة في هذا الكتاب تعود إلى عام 1972، وكنت أتساءل عما إذا كان أي شخص هناك عوائد يومية لتلك الأصول. في حين أن بعض صناديق الاستثمار المتداولة تعود إلى أوائل العقد الأول من القرن الحالي، هناك بعض التي تبدأ في وقت متأخر نسبيا مثل دبك (السلع، أوائل 2006)، غلد (الذهب، أوائل 2004)، بوكس ​​(السندات الأجنبية، أواخر 2007)، و فتي (ناريت، في وقت مبكر 2007). وبما أن اختبار ثماني سنوات سيكون قصير قليلا، كنت أتساءل عما إذا كان أي شخص لديه بيانات مع مزيد من التاريخ. شيء آخر، وسوف في نيويورك لهذا المعرض التجاري. والتحدث على 8220 برمجة الحروب 8221 لوحة في 6 أكتوبر. شكرا للقراءة. ملاحظة: بينما أنا حاليا التعاقد، وأنا أيضا تبحث عن موقف دائم التي يمكن أن تستفيد من مهاراتي عندما ينتهي العقد الحالي. إذا كان لديك أو على بينة من هذا الافتتاح، وسوف نكون سعداء للتحدث معك. هذه الوظيفة سوف تغطي وظيفة لتبسيط خلق هاري طويلة نوع استراتيجيات إعادة التوازن من سيكينغالفا للقراء المهتمين. وكما ذكر هاري لونغ، فإن معظم استراتيجياته، إن لم يكن كلها، هي أكثر لأغراض عرضية بدلا من الاستثمارات الفعلية الموصى بها. لذلك، منذ هاري لونغ تم نشر بعض المزيد من المقالات على سيكنيغ ألفا، وكان I8217ve القارئ أو اثنين تسألني لتحليل استراتيجياته (مرة أخرى). بدلا من القيام بذلك، ومع ذلك، I8217ll ببساطة وضع هذه الأداة هنا، وهو المجمع الذي بأتمتة اقتناء البيانات ويحاكي إعادة التوازن محفظة مع سطر واحد من التعليمات البرمجية. Here8217s الأداة. فإنه يجلب البيانات بالنسبة لك (عادة من ياهو، ولكن شكرا جزيلا للسيد هيلومث فولمييه في حالة زيف و فس)، ولها خيار إما ببساطة عرض منحنى الأسهم وبعض الإحصاءات (معدل نمو سنوي مركب، معيار ديف السنوي ، شارب، ماكس تراجع، كلمار)، أو مما يتيح لك تيار العودة كما الإخراج إذا كنت ترغب في القيام بمزيد من التحليل في R. Here8217s مثال على مجرد الحصول على الإحصاءات، مع 80 زلبسبلف (أنهم 8217re أكثر أو أقل قابلة للتبديل) و 20 تمف (ويعرف أيضا باسم 60 تلت، لذلك محفظة 8060)، من واحدة من المقالات هاري Long8217s. لا شيء من الأمور العادية لما يمكن أن نتوقعه من محفظة الأسهم المتوازنة. عموما بشكل جيد، لديها أكبر تراجع لها في الأزمة المالية، وبعض المطبات الأخرى في الطريق، ولكن عموما، I8217d أعتقد أن الفانيليا إلى حد ما 8220 مجموعة وننسى ذلك 8221 نوع من الشيء. وهنا سيكون الطريق للحصول على تيار من العائدات اليومية الفردية، على افتراض كنت ترغب في إعادة التوازن هذين الصكين أسبوعيا، بدلا من سنوي (كما هو الافتراضي). والآن let8217s الحصول على بعض الإحصاءات. تبين، وتحريك إعادة التوازن من سنويا إلى didn8217t يكون لها الكثير من تأثير هنا (إلى جانب إعطاء مجموعة من المال للوسيط الخاص بك، إذا كنت في الاعتبار في تكاليف المعاملات، وهذا don8217t). لذلك، أن 8217s كيف تعمل هذه الأداة. النتائج، بطبيعة الحال، تبدأ من أحدث صك 8217s التأسيس. في رأيي هو محاولة البحث عن بدائل بديلة مع تواريخ أطول لصناديق الاستثمار المتداولة الأحدث التي هي ببساطة صناديق الاستثمار المتداولة بالرافعة، مثل استخدام وزن 60 في تلت مع وزن 80 في زلب بدلا من وزن 20 في تمف مع 80 التخصيص في سبلف. على سبيل المثال، وهنا بعض الوكلاء: سبكسل زلب سبكسلوبرو سبي 3 تمف تلت 3 وقال هذا I8217ve عملت مع هاري طويل قبل، وانه يطور استراتيجيات أكثر تطورا وراء الكواليس، لذلك I8217d يوصي القراء سيكيالفا تأخذ استراتيجياته علنا ​​صدر كمظاهرات مفهوم ، بدلا من أفكار الاستثمار كاملة، والاتصال السيد لونغ نفسه حول أكثر مخصصة، والحلول الخاصة للمؤسسات الاستثمارية إذا كنت مهتمة جدا. شكرا للقراءة. ملاحظة: أنا حاليا في الشمال الشرقي. بينما أنا حاليا التعاقد، وأنا مهتم في التواصل مع الأفراد أو الشركات فيما يتعلق فرص التعاون المحتملة. هذا المنصب سوف تظهر كيفية أن تأخذ في الاعتبار دوران عند التعامل مع البيانات المستندة إلى العائدات باستخدام بيرفورمانساناليتيكش وظيفة العائد. حافظة في R. وسوف تثبت هذا على استراتيجية أساسية على سبدرس القطاع تسعة. لذلك، أولا، وهذا هو ردا على سؤال طرحه روبرت الأجور على القائمة البريدية R-سيغ المالية. في حين أن هناك العديد من الأفراد هناك مع مجموعة كبيرة من الأسئلة (وكثير منها يمكن العثور على أن تظهر على هذه بلوق بالفعل)، وأحيانا، سيكون هناك المخضرم الصناعة، طالب إحصاءات الدكتوراه من ستانفورد، أو فرد ذكي جدا أن سوف تسأل سؤالا حول الموضوع الذي أنا haven8217t بعد لمست على هذه بلوق، الأمر الذي سيدفع وظيفة لإثبات الجانب التقني آخر وجدت في R. هذا هو واحد من تلك الأوقات. لذلك، سوف تكون هذه المظاهرة حول حوسبة دوران في مساحة العوائد باستخدام حزمة بيرفورمانساناليتيكش. ببساطة، خارج حزمة بورتفولياناليتيكش، بيرفورمانساناليتيكش مع وظيفة عودة. Portfolio هي الذهاب إلى R حزمة لمحاكاة إدارة المحافظ، لأنها يمكن أن تأخذ مجموعة من الأوزان، ومجموعة من العوائد، وتوليد مجموعة من عوائد محفظة للتحليل مع بقية وظائف الأداءAnalytics8217s. ومرة أخرى، فإن الاستراتيجية هي ما يلي: أخذ 9 سبدرس القطاع من ثلاثة أحرف (لأن هناك إتفس أربعة أحرف الآن)، وفي نهاية كل شهر، إذا كان السعر المعدل فوق المتوسط ​​المتحرك 200 يوم، والاستثمار فيها . تطبيع في جميع القطاعات المستثمرة (أي 19 إذا استثمرت في كل 9، 100 في 1 إذا استثمرت 1 فقط في، 100 النقدية، يدل على ناقلات العائد صفر، إذا لم يتم استثمار أي قطاعات في). It8217s بسيطة، لعبة استراتيجية، كما isn8217t استراتيجية نقطة المظاهرة. here8217s التعليمات البرمجية الإعداد الأساسية: لذلك، والحصول على سبدرس، ووضعها معا، حساب عوائدها، وتوليد إشارة، وخلق ناقلات الصفر، منذ العائد. محفظة يعامل الأوزان أقل من 1 كما انسحاب، والأوزان أعلاه 1 كما إضافة من المزيد من رأس المال (كبيرة لمعلوماتك هنا). الآن، هنا 8217s كيفية حساب دوران: لذلك، خدعة هو هذا: عند استدعاء Return. portfolio، استخدم الخيار ترو مطول. هذا يخلق العديد من الكائنات، من بينها العودة، بوب. الوزن، و يوب. الوزن. هذه الوقوف لبداية الفترة الوزن، ونهاية الفترة الوزن. والطريقة التي يتم بها حساب دوران هو ببساطة الفرق بين كيفية العودة اليوم 8217s يتحرك المحفظة المخصصة من نقطة النهاية السابقة إلى حيث أن محفظة تقف فعلا في بداية الفترة المقبلة. وهذا هو، نهاية فترة الوزن هو بداية الانجراف الفترة بعد الأخذ بعين الاعتبار day8217s دريفترتورن لهذا الأصل. بداية جديدة من وزن الفترة هو نهاية فترة الوزن بالإضافة إلى أي المعاملات التي كان يمكن القيام به. وهكذا، من أجل العثور على المعاملات الفعلية (أو دوران)، واحد يطرح نهاية السابقة من وزن الفترة من بداية وزن الفترة. هذا هو ما تبدو عليه هذه المعاملات لهذه الاستراتيجية. شيء يمكننا القيام به مع هذه البيانات هو اتخاذ دوران سنة واحدة المتداول، إنجازها مع التعليمات البرمجية التالية: يبدو هذا: وهذا يعني أساسا أن قيمة سنة واحدة 8217s من اتجاهين دوران (وهذا هو، إذا كان بيع محفظة استثمرت تماما هو 100 دوران، وشراء مجموعة جديدة تماما من الأصول هو 100 آخر، ثم اتجاهين دوران هو 200) حوالي 800 في الحد الأقصى. قد تكون عالية جدا بالنسبة لبعض الناس. الآن، هنا 8217s التطبيق عند معاقبة تكاليف المعاملات في 20 نقطة أساس لكل نقطة مئوية المتداولة (وهذا هو، يكلف 20 سنتا لمعاملة 100). لذلك، في 20 نقطة أساس على تكاليف المعاملات، التي تأخذ حوالي واحد في المئة في العائدات سنويا من هذه (اعترف، رهيب) استراتيجية. هذا أبعد ما يكون عن ال تذكر. لذلك، هذا هو كيف كنت في الواقع حساب دوران وتكاليف المعاملات. في هذه الحالة، كان نموذج تكلفة المعاملة بسيط جدا. ومع ذلك، وبالنظر إلى أن العائد. المحفظة يعود المعاملات على مستوى الأصول الفردية، يمكن للمرء أن الحصول على معقدة كما يودون مع النمذجة تكاليف المعاملات. شكرا للقراءة. ملاحظة: سأكون إعطاء الحديث البرق في التمويل، وذلك لأولئك الذين يحضرون، you8217ll تكون قادرة على العثور لي هناك. هذا المنصب سوف يحدد خطأ سهلة لجعل الكتابة فيكتوريزد backtests8211 ناملي في استخدام إشارة تم الحصول عليها في نهاية فترة لدخول (أو الخروج) موقف في نفس الفترة. الفرق في النتائج واحد يحصل ضخمة. اليوم، رأيت وظيفتين منفصلتين من ألفا أرتشيتكت ومايك هاريس على حد سواء إشارة إلى ورقة من قبل فاليري زاكامولين على حقيقة أن بعض البحوث السابقة الاتجاه من قبل غلابادانيديس تم القيام به مع نتائج غير المطابقة للمواصفات، وأن النتائج Glabadanidis8217s كانت استنساخه فقط من خلال تأسيس التحيز لوجه. توضح التعليمات البرمجية التالية كيفية إعادة إنتاج هذا التحيز ليباهيد. أولا، سيوفر إعداد استراتيجية متوسط ​​متحرك أساسي على مؤشر سامب 500 من البيانات السابقة ل ياهو. وهنا هو كيفية إنشاء التحيز لوكهيد. هذه هي 8220results8221: بالطبع، هذا منحنى الأسهم لا فائدة، لذلك هنا 8217s واحدة في مقياس السجل. كما يمكن أن يرى، انحياز لوكاهيد يجعل فرقا كبيرا. وفيما يلي النتائج العددية: مرة أخرى، مثير للسخرية على الاطلاق. لاحظ أنه عند استخدام Return. Portfolio (الدالة في بيرفورمانساناليتيكش)، فإن هذه الحزمة سوف تعطيك تلقائيا الفترة التالية 8217s العودة، بدلا من الحالي واحد، للأوزان الخاصة بك. ومع ذلك، بالنسبة لأولئك الذين يكتبون 8220simple8221 باكتيستس التي يمكن القيام به بسرعة باستخدام عمليات متجه، خطأ واحد تلو الآخر يمكن أن تجعل كل الفرق بين باكتست في مجال معقول، ونقية هراء. ومع ذلك، ينبغي للمرء أن ترغب في اختبار هراء قال عندما تواجه نتائج المستحيل لتكرارها، والميكانيكا أظهرت أعلاه هي وسيلة للقيام بذلك. الآن، على أخبار أخرى: I8217d أود أن أشكر جيرالد M للبقاء على رأس واحد من استراتيجيات الاستثمار المنطقي 8211 ناميا، بسيطة استراتيجية دوران السوق العالمية المبينة في مقال من آخر بلوق وظيفة. وحتى شهر آذار (مارس) 2015 (تاريخ مشاركة المدونة)، كانت الاستراتيجية قد أدت أداء جيدا. ومع ذلك، بعد التاريخ المذكور لقد كانت كارثة كاملة، والتي، في وقت متأخر، كان واضحا عندما مررت من خلال عملية إطار التنمية التي يحركها الفرضية التي كتبت عنها في وقت سابق. لذلك، في حين كان هناك الكثير من المكتوبة حول ليس مجرد رمي استراتيجية بسبب القصور في الأداء على المدى القصير، وأن الشذوذ مثل الزخم والقيمة موجودة بسبب المخاطر المهنية بسبب ضعف الأداء على المدى القصير، فإنه 8217s أبدا شيء جيد عندما تخلق استراتيجية خسائر كبيرة تاريخيا، وخاصة بعد نشرها في هذه الزاوية المتواضعة من العالم المالي الكمي. في أي حال، كان هذا وظيفة تظهر بعض الميكانيكا، وتحديثا عن استراتيجية أنا المدونات حول منذ وقت ليس ببعيد. شكرا للقراءة. ملاحظة: أنا دائما مهتمة في سماع عن الفرص الجديدة التي قد تستفيد من خبرتي، وأنا دائما سعداء للتواصل. يمكنك العثور على ملف ينكدين الخاص بي هنا. هذا المقال سوف يسلط الضوء على قيم R2s وراء اثنين من استراتيجيات مبسطة نوعا ما 8212 بسيطة 10 شهرا سما، ونسبته، الزخم 10 شهرا (وهو ببساطة الفرق من سما، كما أظهرت ألفا أرتشيتكت في كتابهم المستشار المالي دي. منذ وقت ليس ببعيد، سألني صديق لي اسمه جوش سؤالا عن R2s في مجال التمويل. وهي 8217s الانتهاء من درجة الدكتوراه في الإحصاء في ستانفورد، لذلك عندما الناس مثل هذا يسألني الأسئلة، I8217d ترغب في الإجابة عليها، وتأكيده أنه في some instances, models that have less than perfect predictive power (EG R2s of .4, for instance), can still deliver very promising predictions, and that if someone were to have a financial model that was able to explain 40 of the variance of returns , they could happily retire with that model making them very wealthy. Indeed. 4 is a very optimistic outlook (to put it lightly), as this post will show. In order to illustrate this example, I took two 8220staple8221 strategies 8212 buy SPY when i ts closing monthly price is above its ten month simple moving average, and when its ten month momentum (basically the difference of a ten month moving average and its lag) is positive. While these models are simplistic, they are ubiquitously talked about, and many momentum strategies are an improvement upon these baseline, 8220out-of-the-box8221 strategies. Here8217s the code to do that: And here are the results: In short, the SMA10 and the 10-month momentum (aka ROC 10 aka MOM10) both handily outperform the buy and hold, not only in absolute returns, but especially in risk-adjusted returns (Sharpe and Calmar ratios). Again, simplistic analysis, and many models get much more sophisticated than this, but once again, simple, illustrative example using two strategies that outperform a benchmark (over the long term, anyway). Now, the question is, what was the R2 of these models To answer this, I took a rolling five-year window that essentially asked: how well did these quantities (the ratio between the closing price and the moving average 8211 1, or the ten month momentum) predict the next month8217s returns That is, what proportion of the variance is explained through the monthly returns regressed against the previous month8217s signals in numerical form (perhaps not the best framing, as the signal is binary as opposed to continuous which is what is being regressed, but let8217s set that aside, again, for the sake of illustration). Here8217s the code to generate the answer. And the answer, in pictorial form: In short, even in the best case scenarios, namely, crises which provide momentumtrend-followingcall it what you will its raison d8217etre, that is, its risk management appeal, the proportion of variance explained by the actual signal quantities was very small. In the best of times, around 20. But then again, think about what the R2 value actually is8211it8217s the percentage of variance explained by a predictor. If a small set of signals (let alone one) was able to explain the majority of the change in the returns of the SampP 500, or even a not-insignificant portion, such a person would stand to become very wealthy. More to the point, given that two strategies that handily outperform the market have R2s that are exceptionally low for extended periods of time, it goes to show that holding the R2 up as some form of statistical holy grail certainly is incorrect in the general sense, and anyone who does so either is painting with too broad a brush, is creating disingenuous arguments, or should simply attempt to understand another field which may not work the way their intuition tells them. شكرا للقراءة. This review will review the 8220Adaptive Asset Allocation: Dynamic Global Portfolios to Profit in Good Times 8211 and Bad8221 book by the people at ReSolve Asset Management. Overall, this book is a definite must-read for those who have never been exposed to the ideas within it. However, when it comes to a solution that can be fully replicated, this book is lacking. Okay, it8217s been a while since I reviewed my last book, DIY Financial Advisor. from the awesome people at Alpha Architect. This book in my opinion, is set up in a similar sort of format. This is the structure of the book, and my reviews along with it: Part 1: Why in the heck you actually need to have a diversified portfolio, and why a diversified portfolio is a good thing. In a world in which there is so much emphasis put on single-security performance, this is certainly something that absolutely must be stated for those not familiar with portfolio theory. It highlights the example of two people8211one from Abbott Labs, and one from Enron, who had so much of their savings concentrated in their company8217s stock. Mr. Abbott got hit hard and changed his outlook on how to save for retirement, and Mr. Enron was never heard from again. Long story short: a diversified portfolio is good, and a properly diversified portfolio can offset one asset8217s zigs with another asset8217s zags. This is the key to establishing a stream of returns that will help meet financial goals. Basically, this is your common sense story (humans love being told stories) so as to motivate you to read the rest of the book. It does its job, though for someone like me, it8217s more akin to a big 8220wait for it, wait for it8230and there8217s the reason why we should read on, as expected8221. Part 2: Something not often brought up in many corners of the quant world (because it8217s real life boring stuff) is the importance not only of average returns, but when those returns are achieved. Namely, imagine your everyday saver. At the beginning of their careers, they8217re taking home less salary and have less money in their retirement portfolio (or speculation portfolio, but the book uses retirement portfolio). As they get into middle age and closer to retirement, they have a lot more money in said retirement portfolio. Thus, strong returns are most vital when there is more cash available to the portfolio, and the difference between mediocre returns at the beginning and strong returns at the end of one8217s working life as opposed to vice versa is astronomical and cannot be understated. Furthermore, once in retirement, strong returns in the early years matter far more than returns in the later years once money has been withdrawn out of the portfolio (though I8217d hope that a portfolio8217s returns can be so strong that one can simply 8220live off the interest8221). Or, put more intuitively: when you have 10,000 in your portfolio, a 20 drawdown doesn8217t exactly hurt because you can make more money and put more into your retirement account. But when you8217re 62 and have 500,000 and suddenly lose 30 of everything, well, that8217s massive. How much an investor wants to avoid such a scenario cannot be understated. Warren Buffett once said that if you can8217t bear to lose 50 of everything, you shouldn8217t be in stocks. I really like this part of the book because it shows just how dangerous the ideas of 8220a 50 drawdown is unavoidable8221 and other 8220stay invested for the long haul8221 refrains are. Essentially, this part of the book makes a resounding statement that any financial adviser keeping his or her clients invested in equities when they8217re near retirement age is doing something not very advisable, to put it lightly. In my opinion, those who advise pension funds should especially keep this section of the book in mind, since for some people, the long-term may be coming to an end, and what matters is not only steady returns, but to make sure the strategy doesn8217t fall off a cliff and destroy decades of hard-earned savings. Part 3: This part is also one that is a very important read. First off, it lays out in clear terms that the long-term forward-looking valuations for equities are at rock bottom. That is, the expected forward 15-year returns are very low, using approximately 75 years of evidence. Currently, according to the book, equity valuations imply a negative 15-year forward return. However, one thing I will take issue with is that while forward-looking long-term returns for equities may be very low, if one believed this chart and only invested in the stock market when forecast 15-year returns were above the long term average, one would have missed out on both the 2003-2007 bull runs, and the one since 2009 that8217s just about over. So, while the book makes a strong case for caution, readers should also take the chart with a grain of salt in my opinion. However, another aspect of portfolio construction that this book covers is how to construct a robust (assets for any economic environment) and coherent (asset classes balanced in number) universe for implementation with any asset allocation algorithm. I think this bears repeating: universe selection is an extremely important topic in the discussion of asset allocation, yet there is very little discussion about it. Most researchtopics simply take some 8220conventional universe8221, such as 8220all stocks on the NYSE8221, or 8220all the stocks in the SampP 5008221, or 8220the entire set of the 50-60 most liquid futures8221 without consideration for robustness and coherence. This book is the first source I8217ve seen that actually puts this topic under a magnifying glass besides 8220finger in the air pick and choose8221. Part 4: and here8217s where I level my main criticism at this book. For those that have read 8220Adaptive Asset Allocation: A Primer8221. this section of the book is basically one giant copy and paste. It8217s all one large buildup to 8220momentum rank min-variance optimization8221. All well and good, until there8217s very little detail beyond the basics as to how the minimum variance portfolio was constructed. Namely, what exactly is the minimum variance algorithm in use Is it one of the poor variants susceptible to numerical instability inherent in inverting sample covariance matrices Or is it a heuristic like David Varadi8217s minimum variance and minimum correlation algorithm The one feeling I absolutely could not shake was that this book had a perfect opportunity to present a robust approach to minimum variance, and instead, it8217s long on concept, short on details. While the theory of 8220maximize return for unit risk8221 is all well and good, the actual algorithm to implement that theory into practice is not trivial, with the solutions taught to undergrads and master8217s students having some well-known weaknesses. On top of this, one thing that got hammered into my head in the past was that ranking also had a weakness at the inclusionexclusion point. E. G. if, out of ten assets, the fifth asset had a momentum of say, 10.9, and the sixth asset had a momentum of 10.8, how are we so sure the fifth is so much better And while I realize that this book was ultimately meant to be a primer, in my opinion, it would have been a no-objections five-star if there were an appendix that actually went into some detail on how to go from the simple concepts and included a small numerical example of some algorithms that may address the well-known weaknesses. This doesn8217t mean Greekmathematical jargon. Just an appendix that acknowledged that not every reader is someone only picking up his first or second book about systematic investing, and that some of us are familiar with the 8220whys8221 and are more interested in the 8220hows8221. Furthermore, I8217d really love to know where the authors of this book got their data to back-date some of these ETFs into the 90s. Part 5: some more formal research on topics already covered in the rest of the book8211namely a section about how many independent bets one can take as the number of assets grow, if I remember it correctly. Long story short You easily get the most bang for your buck among disparate asset classes, such as treasuries of various duration, commodities, developed vs. emerging equities, and so on, as opposed to trying to pick among stocks in the same asset class (though there8217s some potential for alpha there8230just8230a lot less than you imagine). So in case the idea of asset class selection, not stock selection wasn8217t beaten into the reader8217s head before this point, this part should do the trick. The other research paper is something I briefly skimmed over which went into more depth about volatility and retirement portfolios, though I felt that the book covered this topic earlier on to a sufficient degree by building up the intuition using very understandable scenarios. So that8217s the review of the book. Overall, it8217s a very solid piece of writing, and as far as establishing the why, it does an absolutely superb job. For those that aren8217t familiar with the concepts in this book, this is definitely a must-read, and ASAP. However, for those familiar with most of the concepts and looking for a detailed 8220how8221 procedure, this book does not deliver as much as I would have liked. And I realize that while it8217s a bad idea to publish secret sauce, I bought this book in the hope of being exposed to a new algorithm presented in the understandable and intuitive language that the rest of the book was written in, and was left wanting. Still, that by no means diminishes the impact of the rest of the book. For those who are more likely to be its target audience, it8217s a 55. For those that wanted some specifics, it still has its gem on universe construction. Overall, I rate it a 45. Thanks for reading. Happy new year. This post will be a quick one covering the relationship between the simple moving average and time series momentum. The implication is that one can potentially derive better time series momentum indicators than the classical one applied in so many papers. Okay, so the main idea for this post is quite simple: I8217m sure we8217re all familiar with classical momentum. That is, the price now compared to the price however long ago (3 months, 10 months, 12 months, etc.). E. G. P(now) 8211 P(10) And I8217m sure everyone is familiar with the simple moving average indicator, as well. E. G. SMA(10). Well, as it turns out, these two quantities are actually related. It turns out, if instead of expressing momentum as the difference of two numbers, it is expressed as the sum of returns, it can be written (for a 10 month momentum) as: MOM10 return of this month return of last month return of 2 months ago 8230 return of 9 months ago, for a total of 10 months in our little example. This can be written as MOM10 (P(0) 8211 P(1)) (P(1) 8211 P(2)) 8230 (P(9) 8211 P(10)). (Each difference within parentheses denotes one month8217s worth of returns.) Which can then be rewritten by associative arithmetic as: (P(0) P(1) 8230 P(9)) 8211 (P(1) P(2) 8230 P(10)). In other words, momentum 8212 aka the difference between two prices, can be rewritten as the difference between two cumulative sums of prices. And what is a simple moving average Simply a cumulative sum of prices divided by however many prices summed over. Here8217s some R code to demonstrate. With the resulting number of times these two signals are equal: In short, every time. Now, what exactly is the punchline of this little example Here8217s the punchline: The simple moving average is8230fairly simplistic as far as filters go. It works as a pedagogical example, but it has some well known weaknesses regarding lag, windowing effects, and so on. Here8217s a toy example how one can get a different momentum signal by changing the filter. With the following results: While the difference of EMA10 strategy didn8217t do better than the difference of SMA10 (aka standard 10-month momentum), that8217s not the point. The point is that the momentum signal is derived from a simple moving average filter, and that by using a different filter, one can still use a momentum type of strategy. Or, put differently, the maingeneral takeaway here is that momentum is the slope of a filter, and one can compute momentum in an infinite number of ways depending on the filter used, and can come up with a myriad of different momentum strategies. شكرا للقراءة. NOTE: I am currently contracting in Chicago, and am always open to networking. Contact me at my email at ilya. kipnisgmail or find me on my LinkedIn here. This post will outline a first failed attempt at applying the ensemble filter methodology to try and come up with a weighting process on SPY that should theoretically be a gradual process to shift from conviction between a bull market, a bear market, and anywhere in between. This is a follow-up post to this blog post. So, my thinking went like this: in a bull market, as one transitions from responsiveness to smoothness, responsive filters should be higher than smooth filters, and vice versa, as there8217s generally a trade-off between the two. In fact, in my particular formulation, the quantity of the square root of the EMA of squared returns punishes any deviation from a flat line altogether (although inspired by Basel8217s measure of volatility, which is the square root of the 18-day EMA of squared returns), while the responsiveness quantity punishes any deviation from the time series of the realized prices. Whether these are the two best measures of smoothness and responsiveness is a topic I8217d certainly appreciate feedback on. In any case, an idea I had on the top of my head was that in addition to having a way of weighing multiple filters by their responsiveness (deviation from price action) and smoothness (deviation from a flat line), that by taking the sums of the sign of the difference between one filter and its neighbor on the responsiveness to smoothness spectrum, provided enough ensemble filters (say, 101, so there are 100 differences), one would obtain a way to move from full conviction of a bull market, to a bear market, to anything in between, and have this be a smooth process that doesn8217t have schizophrenic swings of conviction. Here8217s the code to do this on SPY from inception to 2003: And here8217s the very underwhelming result: Essentially, while I expected to see changes in conviction of maybe 20 at most, instead, my indicator of sum of sign differences did exactly as I had hoped it wouldn8217t, which is to be a very binary sort of mechanic. My intuition was that between an 8220obvious bull market8221 and an 8220obvious bear market8221 that some differences would be positive, some negative, and that they8217d net each other out, and the conviction would be zero. Furthermore, that while any individual crossover is binary, all one hundred signs being either positive or negative would be a more gradual process. Apparently, this was not the case. To continue this train of thought later, one thing to try would be an all-pairs sign difference. Certainly, I don8217t feel like giving up on this idea at this point, and, as usual, feedback would always be appreciated. شكرا للقراءة. NOTE: I am currently consulting in an analytics capacity in downtown Chicago. However, I am also looking for collaborators that wish to pursue interesting trading ideas. If you feel my skills may be of help to you, let8217s talk. You can email me at ilya. kipnisgmail, or find me on my LinkedIn here . Post navigation Categories