평가를위한 임의의 포트폴리오 거래 전략

이 페이지는 다음 섹션으로 나뉘어져 있습니다. 임의의 포트폴리오는 펀드 관리에 혁명을 일으킬 힘이 있습니다. 당신은 그것이 밀교적이고 복잡해야 함을 의미한다고 생각할 수 있습니다. 당신은 생각이 매우 간단 할 것입니다. 무작위 포트폴리오를 가지려면 당신은 우주가 필요합니다. 자산 및 포트폴리오에 부과하는 일부 제약 집합 임의의 포트폴리오 집합은 모든 제약 조건을 준수하는 포트폴리오의 모집단 샘플입니다. 그림 1은 3 가지 자산의 완구 문제에 대한 가중치 샘플링 영역을 보여줍니다. 최대 휘발성보다 큰 가중치가 없습니다. 가변성 제약 조건은 비선형이므로 해당 제약 조건에 해당하는 경계는 비선형입니다. 그림 1 : 몇 가지 제약 조건이있는 허용 가능한 가중치. 원숭이와 남성, 다트. 무작위 포트폴리오는 주식 시장 다트 판 게임입니다 인간 또는 원숭이가 하나 또는 몇 개의 자산을 선택하기 위해 다트를 던졌습니다. 다트를 통한 선택은 일부 전문적 선택과 비교됩니다. n, 그리고 거의 훌륭한 접근 방식을 제공하지만 두 가지 실패가 있습니다. 첫 번째 실패는 전문가가 임의의 선택을 능가하는지 여부 만 확인한다는 것입니다. 전문가가 초과하는 무작위 선택의 비율을 확인하지 못합니다. 두 번째 실패는 다트가 어떤 제약 사항에도 순응하지 않는다는 것입니다. 이것은 전문가들에게 제약 조건이없는 신문 경연 대회에서 공정합니다. 그러나 실제 자금에는 제약이 있습니다. 제약없이 임의의 포트폴리오에 대한 제약이 펀드에 불리한 영향을 미칩니다. 성능 측정. 성능 측정을 위해 임의의 포트폴리오를 사용하는 두 가지 방법이 있습니다. 정적 방법과 섀도 잉 방법 벤치마킹을 통한 성능 측정이 왜 저조한 지 알 수 있습니다. 정적 방법에서 우리는 기간 초기에 제약 조건을 따르는 일련의 무작위 포트폴리오를 생성하고, 그러한 포트폴리오를 기간 동안의 수익률을 구하라. 기금의 백분위 수는 더 큰 수익률을 갖는 무작위 포트폴리오의 백분율이다. 성과 측정의 관행은 0 백분위 수에 가까워 좋고 백분위 수에 거의 못 미치는 것이 좋다. 그림 2는 무작위 포트폴리오의 수익 배분을 파란색으로 표시하고 금으로 돌아온 펀드를 보여줍니다. 이 경우 펀드는 성과가 좋지 않습니다. 그림 2 성능 측정의 정적 방법. 이것은 성과와 매우 흡사합니다 동료 집단과의 측정 두 경우 모두 단일 기간을 사용하고 있으며 두 경우 모두 펀드를 다른 가능성의 집합과 비교합니다. 두 가지를 강조했지만 몇 가지 중요한 차이점이 있습니다. 다른 집단에서 대안은 다른 자금입니다 관심있는 기금과 유사 이상적으로 동일한 제약 조건을 가진 자금 만 사용됩니다. 반면에 우리는 더 많은 정밀도를 얻기 위해 많은 동료를 원합니다. 그러므로 opp가 있습니다 작은 피어 그룹 대 대규모 피어 그룹의 힘 세분화 된 무작위 포트폴리오로 인해 우리는 무작위로 많은 포트폴리오를 생성 할 수 있습니다. 피어 그룹과 관련된보다 심각한 문제는 결과가 의미하는 바를 알지 못한다는 것입니다. 우리의 펀드가 동료 중 10 명을 제외한 모든 사람들보다 더 잘한다면, 우리 펀드의 기술은 대략 동료들 사이에서 10 번째 백분위 수에 해당합니다. 기술의 차이가 운의 차이를 지배한다고 가정합니다. 그러한 가정은 정당화 될 수 없습니다. 특히 기금이 기술이 없거나 모든 기금에 동등한 기술이있는 경우, 펀드는 행운의 10 백분위 수에 해당합니다. Burns 2007a가이 인수를 확대합니다 Surz 2006, 2009에서 추가 문제를 논의합니다. 피어링 그룹. 섀도 잉 방법. 무작위 포트폴리오에 대한 정적 방법은 피어 그룹보다 유익하지만 여전히 일반적인 정보입니다. 성능은 의사 결정에있어 근본입니다. 섀도 잉 방법은 무작위 거래를 사용하여 펀드가 취한 결정을 모방하는 것입니다. 이렇게하면 의사 결정 프로세스의 가치에 대한 훨씬 더 명확한 그림을 얻을 수 있습니다. 성과 측정 응용 프로그램 페이지에서 예제를 논의합니다. 펀드의 일련의 수익률과 벤치 마크의 수익률을 비교합니다. 이 방법에는 몇 가지 문제점이 있습니다. 중요한 것은 좋은 펀드가 실제로 수십 년이 걸릴 것으로 예상되는 벤치 마크보다 낫다는 것을 결정하는 데 걸리는 시간입니다. 이상적인 환경에서의 이러한 테스트는 번즈 2007a에 나와 있습니다. 뛰어난 기술을 사용하더라도 합리적인 힘을 얻으려면 몇 년이 걸립니다. 하지만 벤치 마크를이기는 것이 어렵 기 때문에 현실이 훨씬 더 나쁩니다. 벤치 마크가 상대적으로 잘 수행되면 벤치 마크를 이기기가 어려울 것입니다. 반대로, 가중치가 가장 높은 자산이 비교적 저조한 실적을 보일 경우, 벤치 마크 Kothari와 Warner 2001에서이 점을 쉽게 이해할 수 있습니다. 그림 3은 SP 500을 벤치 마크로 사용하는 펀드의 퍼센트를 보여줍니다. 벤치 마크는 매년 벤치마킹을 수행하며 무작위 포트폴리오를 통한 실적 측정에서이를 자세히 보여줍니다. 그 비교가 의미심장하다면, 우리는 펀드 매니저가 그룹으로 수년간 빈곤하다고 생각할 필요가 있습니다. 갑자기 3 년 동안 좋았고 다시 빈곤층으로 돌아갔습니다. 그림 3 SP 500 벤치마킹 된 펀드의 연도 별 실적이 월등히 뛰어납니다. Burns 2007b 시장 평론가의 권고 사항을 테스트하는 약간 다른 환경에서 성과 측정에 대해 논의합니다. 테스팅 트레이딩 전략. 펀드 매니저와 잠재적 펀드 매니저는 거래 전략을 결정할 때 여러 가지 문제에 직면합니다. 여기서 두 가지를 조사합니다. 근본적으로 잘못되는 문제가 있습니다 , 그리고 옳다는 문제가 있습니다. 데이터 스누핑을 사용하면 전략이 실제보다 훨씬 좋아집니다. 왜, 1000을 시도했다고 가정 해 보겠습니다. 완전히 무작위 인 거래 전략 가장 잘 수행 된 거래 전략은 합리적으로 좋은 것으로 보일 수 있습니다. 투자 관리자가 완전히 임의의 전략을 시도하지는 않지만 선택 편향은 여전히 ​​존재할 수 있기를 바랍니다. 유사한 모델이 여러 회사에서 많은 돈을 가지고 있다면, 그 모델을 사용하는 펀드 매니저는 시장에서 극적인 움직임을 겪을 것입니다. 2007 년 8 월에 많은 사람들에게 명백하게 나타났습니다. 위기가 발생하지 않았다면 이런 일이 일어나고 있음을 알기 어렵습니다. 첫 번째 문제는 임의의 포트폴리오가 도움이 될 수 있습니다. 그리고 아마도 두 번째와 함께. 전략은 위에 설명 된 섀도 잉 방법을 사용하여 테스트 할 수 있습니다. 성과 측정과 테스트 간에는 한 가지 중요한 차이가 있습니다. 전략을 테스트 할 때 다른 시작 포트폴리오를 사용하여 여러 차례 섀도 잉 프로세스를 수행하려고합니다. 이 테스트 프로세스는 성공적인 전략에 대한 훨씬 더 엄격한 정의가 있기 때문에 데이터 스누핑의 영향을 줄입니다. f 관리자는 시장 행동의 변화에 ​​여전히 취약하지만 역사적 기간에 대한 잘못된 해석의 영향을 훨씬 덜받습니다. 무작위 포트폴리오를 활용하면 일시적인 신호를 더 받아들이 기 쉽기 때문에 무리지기를 줄일 수 있습니다. 관행은 합리적인 합리적인 for. tracking 오류 constraints. performance fee. constraint bounds. Tracking Error Constraints. Many 위임은 벤치 마크에서 벤치 마크와 최대 추적 오류를주는 몇 가지 측면에서 낭비입니다. 거의 모든 경우에 투자자 매우 낮은 관리 수수료로 벤치 마크를위한 인덱스 펀드를 구입할 수 있습니다. 인덱스 펀드와 밀접한 상관 관계가있는 펀드를 운용하기 위해 능동적 인 매니저를 고용하는 이점은 무엇입니까? 매니저가 추가 관리 수수료 이상으로 벤치 마크를 능가하지 못하면 , 그럼에도 전혀 이점이 없습니다. 관리자가 지속적으로 벤치 마크를 능가하는 기술을 보유하고 있다면, 그 기술 훨씬 더 잘 활용 될 수 있습니다. 숙련 된 펀드 매니저는 일반적으로 추적 오류 제약 조건이 떨어지면 더 높은 수익을 올릴 수 있어야합니다. 투자자가 지수에 돈을 가지고 있다고 가정 할 때, 제약없는 관리자의 높은 수익은 더 가치가있을 것입니다 다른 모든 것이 평등하다면, 활성 펀드가 지수와의 상관 관계가 낮아지는 것이 더 좋습니다. 이것은 큰 추적 오류와 같습니다. 즉 합리적인 것은 오히려 최소 추적 오류 제한을 부과하는 것입니다 최대 추적 오차 제약 조건이있는 이유는 펀드 관리자가 성과를 거두는지를 알 수 있다는 착각을하기 위해서입니다. 벤치 마크를 사용하여 실제로 말할 수는 없지만 무작위 포트폴리오를 사용하여 알 수 있습니다 심지어 추적 오류 조건이없는 경우에도 무작위 포트폴리오는 추적 오류가 있는지 상관없이 성능 측정을 위해 동일하게 잘 작동합니다. 실적 수수료. 실적 수수료가 있으면 n 오히려 벤치마킹에 비유 할만한 좋은 아이디어 그림 3에서 알 수 있듯이 펀드 매니저와 투자자가 대문자를 능가하는지에 대한 베팅은 스킬과 관련이 거의 없다. 펀드의 제약 조건을 따르는 무작위 포트폴리오 집합의 평균 수익률. 제약 효과. 우리는 무작위 포트폴리오를 사용하여 제약 경계가 무엇인지 합리적으로 결정할 수 있습니다. 구속 조건은 습득되고 잃어버린 것에 대한 감각없이 습관적으로 부과됩니다. 그림 4는 제약 조건의 분석 사례를 보여줍니다. 시간에 따른 실현 된 유틸리티의 밀도는 특정 제약 조건 세트의 금과 제약 변수와 변동성 제약 조건에 대한 파란색을 보여줍니다. 일반적인 시장 시간 동안 우리는 변동성 제약 조건에 상당히 무관심 할 것입니다. 2008 년의 가난한 시장 상황은 변동성 제약이 매우 중요 함을 보여줍니다. 그림 4 2007-2008 년 제약 조건의 영향. 무작위 포트폴리오의 추가 용도. 무작위 포트폴리오의 추가 사용이 제안되었으며 확실한 많은 응용 프로그램이 아직 발견되지 않았습니다. 여기에서는 몇 가지 추가 용도에 대해 설명합니다. 위험 모델 평가. 임의 포트폴리오는 위험 모델을 통해 현실적인 포트폴리오를 생성 할 수있는 수단을 제공합니다. 위험 모델을 서로 비교하거나 개별 모델을 약점으로 테스트 할 수 있습니다. 그림 5는 위험 모델의 변동성 예측과 일부 120 개 20 개 포트폴리오의 실현 변동성을 비교 한 예입니다. 예측 된 변동성과 실현 된 변동성의 상관 관계. 일반 퀀트 도구. 포트폴리오를 포함하는 거의 모든 양적 실무에서 임의의 포트폴리오를 사용할 수 있습니다. 일부 사용 목록은 다음과 같습니다. 퀀트 리서치 어플리케이션 페이지. 무작위 포트폴리오의 아이디어는 새로운 용도가 아니며, D eBee LeBaron과 동료들은 1970 년대에 Batterimarch Financial Management에서 일했다. 1965 년 James Lorie가 American Statistical Association에서 연설 한 내용은 Mark Twain에서 시작하여 St Tropez에서 끝나는 연설이 모두 나쁠 수 있음을 보여줍니다. 그 시점에서 무작위 포트폴리오는 계산 능력을 늘리고있었습니다 계산 속도는 더 이상 적절한 기술로는 심각한 문제가 아닙니다. 일부 기술적 인 점 통계적 부트 스트랩 및 무작위 순열 테스트는 지난 수십 년 동안 데이터 분석을 근본적으로 변화시킨 기술입니다. 임의의 포트폴리오 사용 방법에 따라 , 일반적으로이 기법들 중 하나와 동일합니다. 성능 측정을 수행하기 위해 무작위 포트폴리오를 사용하는 것은 임의 순열 테스트를 수행하는 것과 유사합니다 (그림 5와 같은) 제약 경계의 효과를 조사하는 것은 부트 스트랩이 유일한 차이점은 제약 때문에 임의의 포트폴리오를 계산하기가 더 어렵다는 것입니다. 컨설턴트는 PIPOD에 대한 몇 가지 평론을 발표했습니다. 이것은 특히 한 구현에 대한 내용이지만 대부분의 의견은 일반적으로 무작위 포트폴리오에 적용됩니다. 무작위로 포트폴리오를 생성하는 것도 유용 할 수 있습니다. Mikkelsen 2001 Kritzman 및 Page 2003 및 Asso, L Her 및 Plante 2004 년 Kothari와 Warner 2001는 지수에 대한 벤치마킹이 문제가 있다는 것을 보여 주며 기술에는 무작위 포트폴리오가 포함됩니다. 다음 제품은 서로 독립적으로 작성되었으며 Portfolio Probe 만 Burns Statistics와 관련됩니다. Burns Statistics의 Portfolio Probe Portfolio의 변동성을 제한하는 매우 중요한 것을 포함하여 제약 조건의 범위. PPCA Inc. 의 POD 및 PIPOD 또한 Kodjovi, Jean-Franois L Her 및 Jean-Franois Plante 2004는 투자 선택의 계층을 실제로 갖추고 있습니다. Bridgeland, Sally 2001 프로세스 속성은 포트폴리오 구성의 기술을 측정하는 새로운 방법입니다. Journal of Asset Management. Burns, Patric k 2006 년 포트폴리오 분석 무작위 포트폴리오로 주석 첨부 프리젠 테이션 슬라이드의 PDF보기 Burns, P 2006 최적화, 계량 경제 및 재무 분석에서의 성과 측정을위한 임의의 포트폴리오 E Kontoghiorghes and C Gatu, 편집자 Springer. Burns, P 2007a Bullseye Professional Investor March issue 버전은 Heart to Dart로 제공됩니다. Carl, Peter and Brian Peterson 및 Kris Boudt 2010 비즈니스 목표 및 복잡한 포트폴리오 최적화 R 재무 자습서 Daniel, GD Sornette 및 P Wohrmann 2008 포트폴리오 성과의 벤치 마크 편향표 SSRN의 평가 작업 보고서. Dawson, Richard and Richard Young 2003 포트폴리오 구성 및 발전의 발전에서 Stephen Satchell과 Alan Scowcroft Butterworth-Heinemann이 편집 한 거의 균일하게 분포 된 확률 적으로 생성 된 포트폴리오. Elton, EJMJ Gruber, SJ Brown 및 WN Goetzmann 2003 현대 포트폴리오 이론 및 투자 분석, 여섯 번째 판 24 장, 포트폴리오 성능 평가 mance. Kothari, SP and Jerold Warner 2001 뮤추얼 펀드 성과 평가 SSRN. Kritzman, Mark and Sbastien의 재무 저널 작업 보고서 Page 2003 투자 선택의 계층 구조 포트폴리오 관리 저널 29 number 4, pages 11-23.Lisi, Francesco 2011 시장과의 다이 싱 뮤추얼 펀드의 평가를위한 무작위 추출 절차 Quantitative Finance 11 2 번, 163-172 페이지 Padova 대학 연구 논문. Mikkelsen, Hans 2001 예상 수익률과 베타의 관계 임의 리샘플링 접근법 SSRN papers. Shaw, William 2010 Monte 일반 투자자 위험 - 수익 목표 및 임의 수익률 분배를위한 카를로 포트폴리오 최적화 긴 전용 포트폴리오를위한 솔루션 SSRN 버전. Simon, Thibaut 2010 다양성 및 혁신적인 위험 측정을 기반으로 한 주식 포트폴리오에 대한 실증 연구 석사 논문. Stein, Roberto 2012 무작위로 속지 않음 Random Portfolio를 사용하여 투자 자금 분석 SSRN version. Surz, Ron 1994 포트폴리오 기회 Di Stributions 성능 평가의 혁신 Investments of Surprise, Ron 1996 포트폴리오 기회 분포 벤치 마크 및 피어 그룹의 문제에 대한 해결책 저널 성능 측정. Surz, Ron 1997 글로벌 성과 평가 및 주식 스타일 포트폴리오 기회 소개 주식 수첩 스타일 관리 Frank Fabozzi Associates. Surz, Ron 2004 헤지 펀드 알파는 Albourne Village 도서관의 테스트에 가치있는 가설입니다. Surz, Ron 2005 가설 테스트 헤지 펀드 성과는 웰스 매니지먼트의 좋은 저널입니다. Spring issue. Surz, Ron 2006 투자 성과 평가 적시성 및 신뢰성 향상을위한 베스트 프랙티스 통일 포트폴리오 관리 저널 Summer issue. Surz, Ron 2007 정확한 벤치마킹은 사라졌지 만 잊지 않았습니다 기본 원칙으로 되돌아 가야 할 필요성 Journal of Performance 측정 Vol 11 No 3, Spring, 34 -43.Surz, Ron 2009 투자 성과 Horsera의 장애 ce 투자 성과의 장애인으로 게시 됨 Advisor Perspectives의 Horserace 2009 년 4 월 28 일. Surz, Ron 2010 새로운 신뢰이지만 투자 및 자산 관리 SSRN 버전 확인. 무작위 포트폴리오는 통계 분석을 통해 거래 전략 기회보다 우수하게 수행 전략의 각 실행은 기술이없는 것으로 알려진 다수의 일치하는 임의 실행과 비교됩니다. 중요하게도이 유형의 백 테스트는 전략이 작동하는 시간과 실행되지 않는 시간을 보여줍니다. 실시간 포트폴리오는 이 방법은 또한 활용을 통한 변화와 같은 정보에 근거한 결정을 실시간으로 수행 할 수있게 해줍니다. 이 기사의 나머지 부분을 읽고 싶습니까? Abstract abstract Hide abstract ABSTRACT 제약 조건을 준수하지만 유틸리티를 무시하는 무작위 포트폴리오 포트폴리오는 투자 기술을 효과적으로 측정하기 위해 표시됩니다 벤치 마크와 관련된 정보 비율을 사용하여 성과 측정에 관한 문제가 강조됩니다 무작위 포트폴리오가 투자 의무의 기초를 형성 할 수도 있습니다 투자 의무로 인해 활성 기금 관리자는 자신의 아이디어를 구현할 수있는보다 많은 자유와 투자자에게 더 많은 융통성을 제공하여 유용성을 제공합니다. 무작위 포트폴리오의 계산 무작위 포트폴리오는 간단히 논의됩니다. 2007 년 1 월 Derivatives 헤지 펀드 저널. Patrick Burns. Abstract Abstract를 숨김 요약 쌍 매매는 이익을 얻기 위해 시장의 비효율을 이용하려고하는 인기있는 거래 전략입니다. 아이디어는 간단합니다. 함께 움직이는 두 주식을 찾아 내고 비정상적으로 갈라지면 길고 짧은 포지션을 취합니다. 미래의 수렴 시장 효율성 이론의 학문적 관점에서 볼 때 페어 트레이딩 전략은 주식의 실제 가격이 역사적 가격을 포함한 과거 거래 데이터를 반영하기 때문에 긍정적 인 성과를 나타내면 안된다. 질문, 쌍 무역 전략 브라질 시장에 대한 긍정적 인 성능을 제시합니까이 연구의 주요 목적은 데이터베이스의 다른 주파수에 대한 브라질의 금융 시장에서 페어 거래의 성능과 위험을 확인하는 것입니다, 같은 일일, 주간 및 월간 가격 기간이 시뮬레이션의 주요 결론은 페어 트레이딩 전략이 수익성이 있고 마 브라질 시장에서의 중립적 인 전략 이러한 수익성은 전략 매개 변수의 영역에서 일관되게 나타났습니다. 최상의 결과는 매일 가장 높은 빈도에서 발견되었으며 직관적 인 결과입니다. 기사 Jan 2008.Marcelo Scherer Perlin. Abstract 추상을 숨김 요약이 작업의 목적은 기술 분석이 투자 결정에 가치를 더할 수 있는지 여부를 조사하는 것입니다. 신뢰 구간의 개발을 통해 Bootstrap 샘플 추론 기술을 사용하고 시장의 귀무 가설 우리는 4 가지 기술 시스템을 테스트했습니다. 보다 구체적으로, 자산의 원래 시리즈에 적용된 각 시스템의 결과를 얻었습니다. 그런 다음이 시스템을 동일한 시스템을 적용한 결과의 평균과 비교했습니다 각 자산의 무작위 도보에 따라 1,000 개의 시뮬레이션 시리즈 시장이 약한 형태로 효율적이라면 원래 시리즈의 결과가 시뮬레이션 된 시리즈의 결과보다 커야 할 이유가 없습니다. 여기서 발견 된 경험적 결과는 테스트 한 시스템은 과거의 데이터만을 사용하여 미래를 예측할 수 없었습니다. 그러나 일부는 상당한 수익을 창출했습니다. 2010 년 6 월 Derivatives 헤지 펀드 저널 Guidine Serafine Pedro Luiz Vares Pereira. 트레이딩 전략 평가를위한 무작위 포트폴리오. 2006 년 1 월 13 일 작성. 랜덤 포트폴리오는 트레이딩 전략이 우연보다 더 잘 수행한다는 통계적 테스트를 제공 할 수 있습니다. 전략의 실행은 기술이없는 것으로 알려진 다수의 무작위 실행과 비교됩니다. 중요하게도이 유형의 백 테스트는 전략이 작동하는 시간과 실행되지 않는 시간을 보여줍니다. 라이브 포트폴리오도 이와 같이 모니터링 할 수 있습니다. 레버리지 변화와 같은 정보에 근거한 결정이 실시간으로 이루어질 수 있도록합니다. 키워드 투자 기술, MACD, 성과 측정. 인용 평가 추천 인용문. 반스, 패트릭, 트레이딩 전략 평가를위한 임의의 포트폴리오 2006 년 1 월 13 일 SSRN 또는 . 번즈 통계 이메일.