Tendência de seguir estratégias de negociação em futuros de commodities: A re-exame Andrew C. Szakmary a ,. Qian Shen b. Subhash C. Sharma c. Departamento de Economia e Finanças, Escola de Negócios, Alabama AampM University, Normal, AL 35762, EUA c Departamento de Economia, Southern Illinois University at Carbondale, IL 62901, USA Recebido em 20 de fevereiro de 2008. Aceito em 7 de agosto de 2009. Disponível on-line em 11 de agosto de 2009. Este artigo examina o desempenho das estratégias de negociação de tendências nos mercados futuros de commodities usando um conjunto de dados mensais com 48 anos e 28 mercados. Descobrimos que todas as parametrizações das estratégias de cruzamento e de canal de média móvel dupla que implementamos geram retornos de excesso médios positivos líquidos de custos de transações em pelo menos 22 dos 28 mercados. Quando reunimos nossos resultados em todos os mercados, mostramos que todas as regras de negociação ganham retornos positivos extremamente significativos que prevalecem sobre a maioria dos subperíodos dos dados também. Estes resultados são robustos em relação ao conjunto de mercadorias com as quais as regras de negociação são implementadas, pressupostos distributivos, ajustes de mineração de dados e custos de transação e ajudam a resolver evidências divergentes na literatura existente sobre o desempenho de É de outra forma difícil de explicar. Este artigo examina o desempenho das estratégias de negociação seguindo tendências nos mercados de futuros de commodities usando um conjunto de dados mensais que abrange 48 anos e 28 mercados. Descobrimos que todas as parametrizações das estratégias de cruzamento e de canal de média móvel dupla que implementamos geram retornos de excesso médios positivos líquidos de custos de transações em pelo menos 22 dos 28 mercados. Quando reunimos nossos resultados em todos os mercados, mostramos que todas as regras de negociação ganham retornos positivos extremamente significativos que prevalecem sobre a maioria dos subperíodos dos dados também. Estes resultados são robustos em relação ao conjunto de mercadorias com as quais as regras de negociação são implementadas, pressupostos distributivos, ajustes de mineração de dados e custos de transação e ajudam a resolver evidências divergentes na literatura existente sobre o desempenho de É de outra forma difícil de explicar. Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Por favor, seja paciente, pois os arquivos podem ser grandes. Como o acesso a este documento é restrito, você pode querer procurar uma versão diferente em Pesquisas relacionadas (mais adiante) ou procurar uma versão diferente do mesmo. Artigo fornecido pela Elsevier em seu diário Journal of Banking Finance. Ao solicitar uma correção, mencione por favor estes itens identificador: RePEc: eee: jbfina: v: 34: y: 2018: i: 2: p: 409-426. Veja informações gerais sobre como corrigir material no RePEc. Para questões técnicas sobre este item, ou para corrigir seus autores, título, resumo, informações bibliográficas ou download, entre em contato: (Shamier, Wendy) Se você é autor deste item e ainda não está registrado no RePEc, recomendamos que o faça aqui . Isso permite vincular seu perfil a este item. Ele também permite que você aceite citações em potencial para este item que estamos incertos sobre. Se as referências estiverem totalmente ausentes, você pode adicioná-las usando este formulário. Se as referências completas listarem um item que está presente no RePEc, mas o sistema não tiver vinculado a ele, você pode ajudar com este formulário. Se você souber de itens ausentes citando este, você pode nos ajudar a criar esses links adicionando as referências relevantes da mesma maneira como acima, para cada item referente. Se você é um autor registrado deste item, você também pode querer verificar a guia de citações em seu perfil, pois pode haver algumas citações esperando confirmação. Tenha em atenção que as correcções podem demorar algumas semanas para filtrar os vários serviços RePEc. Mais serviços Seguir séries, jornais, autores e mais Novos artigos por e-mail Subscrever novas adições ao RePEc Registro de autor Perfis públicos para pesquisadores de Economia Vários rankings de pesquisa em Economia e campos relacionados Quem foi um estudante de quem, usando RePEc Biblio Artigos curados amp Artigos em vários tópicos de economia Carregue seu artigo para ser listado em RePEc e IDEAS EconAcademics agregador de blogs para a pesquisa de economia Plágio Casos de plágio em Economia Papéis do mercado de trabalho RePEc série de trabalho de trabalho dedicado ao mercado de trabalho Fantasy League Finja que está ao leme de uma economia Os autores exploram a rentabilidade da tendência de seguir e as estratégias de impulso nos mercados de futuros de commodities (Mercados de Futuros de Mercadorias) . Eles testam várias variações dessas estratégias, incluindo momentum transversal, uma regra de cruzamento de média móvel dupla e uma regra de canal. Eles acham retornos positivos significativos e demonstram que os resultados também são robustos a suposições distribucionais, ajustes de mineração de dados e custos de transação. Os autores examinam três variações de estratégias de momentum. A primeira é uma formulação transversal que é comum na literatura de equidade. No final de cada mês calendário, classificam todas as commodities com base no respectivo rendimento total ao longo dos períodos de formação, que são 1, 2, 3, 6, 9 e 12 meses. Em seguida, eles tomam posições longas no terço superior, posições curtas no terço inferior e nenhuma posição no terço médio. A próxima estratégia é uma estratégia de impulso explícita baseada em um cruzamento de média móvel dupla (DMAC) em cada mercadoria de forma independente. A média móvel de curto prazo é de 1 ou 2 meses ea média móvel de longo prazo é de 6 ou 12 meses. Eles também consideram uma faixa neutra em que nenhuma posição é tomada quando as médias móveis estão dentro de uma faixa de 5 por cento um do outro. A estratégia final é a regra do canal. Uma posição longa é tomada se o valor da mercadoria exceder os valores unitários máximos de fim de mês nos últimos n meses e uma posição curta é tomada se o valor mais recente for inferior ao mínimo dos valores de fim de mês Nos últimos n meses. Vários parâmetros são considerados para o comprimento de atraso, n. Incluindo 3, 4, 5, 6, 9 e 12 meses. Os dados são obtidos a partir da base de dados Commodity Research Bureau, a partir do qual os autores são capazes de extrair preços diários para 28 mercados futuros. Para efeitos da análise, os autores utilizam sempre o contrato próximo e rolam no último dia do mês antes da expiração do contrato. Os dados são então agregados em uma série mensal para a análise. Os mercados de futuros escolhidos representam um amplo corte transversal de mercados de futuros agrícolas, industriais, de metais preciosos e de energia e especificamente excluem futuros de moedas e outros futuros financeiros. Os autores também aplicam os testes à negociação do Goldman Sachs Commodity Index (GSCI) futuros. Usando dados de volume, eles também são capazes de examinar os retornos de um subconjunto que exclui as oito commodities com o volume de negociação geral mais baixo. Para calcular os retornos de negociação, os autores implementam transações alocando um valor nocional igual a cada mercadoria no universo de investimento para cada combinação de parâmetros de cada uma das três estratégias. Os retornos são relatados para toda a amostra de julho de 1959Dezembro de 2007 e para as subamostras de 19581971, 19721983, 19841995 e 19962007. Para a amostra inteira, todos os resultados são mostrados como significativamente positivos ao nível de 1 por cento usando erros padrão NeweyWest. Os retornos líquidos médios não alavancados variam de 0,33% a 0,49% ao mês, com os índices de Sharpe variando de 0,42 a 0,64. Dividindo os dados nas subamostras, os autores acham que os três primeiros resultados da subamostra são geralmente comparáveis com os de todo o período. Para o período de 1996 a 2007, a comparação é mais fraca, com as estratégias de DMAC e de canal apresentando resultados positivos estatisticamente significativos para três das seis estratégias de canal e cinco das seis parametrizações de DMAC em comparação com os retornos significativos (nível de 5%) para o cross-sectional Estratégias de impulso. Ao limitar a análise às commodities mais líquidas, os autores relatam resultados semelhantes, embora os retornos sejam ligeiramente menores. Aplicar as estratégias aos futuros do GSCI, entretanto, produz resultados mistos, e os autores apontam que a razão é que o momentum é geralmente assumido como sendo um efeito específico de segurança e não um efeito marketwide. Os autores realizam testes de robustez usando simulações bootstrap para abordar a suposição de normalidade do teste estatístico NeweyWest que eles usaram. Aplicando as estratégias às histórias bootstrap e demonstrando que a melhor estratégia supera todas as estratégias aplicadas às histórias bootstrap, eles mostram que o resultado é improvável que seja explicado pelo snooping de dados. Eles também aplicam uma correção Bonferroni, e novamente, eles acham que as melhores estratégias ainda são muito significativas. Finalmente, os autores mostram que os resultados são robustos a pressupostos mais pessimistas dos custos de transação. Em geral, os autores demonstram a eficácia das estratégias de tendência e de impulso nos mercados de commodities. Eles demonstram que esses resultados são robustos para a formulação de regras de negociação, suposições distribucionais, ajustes de mineração de dados e custos de transação. Informação do Autor Andrew C. Szakmary está na Escola de Negócios Robins, da Universidade de Richmond. Os usuários que lerem este artigo também lerão
No comments:
Post a Comment