Копипаст | Последние научные исследования 9. Alpha in Academia.     

Перевод статьи из блога Alpha in Academia.

Альфа от компаний на схожих рынках

Название статьи: Схожесть рынков и предсказуемость доходности между фирмами

Резюме:

В данной работе для определения предсказуемости прибыли между фирмами используется сходство сфер деятельности — мера перекрытия товарных рынков фирм. Обнаружено, что фирмы, чьи коллеги по сфере деятельности показали высокие результаты в предыдущем месяце, имеют тенденцию к получению более высоких доходов в следующем месяце, в то время как фирмы, чьи коллеги по сфере деятельности показали низкие результаты, имеют тенденцию к снижению доходов.

Торговая стратегия создается путем распределения компаний по квинтилям на основе доходности их коллег по охвату в предыдущем месяце. Затем формируется long-short портфель, в котором длинные позиции занимают фирмы из верхнего квинтиля (чьи коллеги по охвату показали наилучшие результаты), а короткие — фирмы из нижнего квинтиля (чьи коллеги по охвату показали наихудшие результаты). Этот портфель ежемесячно ребалансируется и генерирует годовую пятифакторную альфу в размере 8,9% для портфелей, взвешенных по стоимости, и 15,8% для равновзвешенных портфелей.

Эффект обусловлен ограниченным вниманием инвесторов и неэффективностью учета информации об аналогах в ценах, причем более сильные результаты наблюдаются для небольших компаний и компаний с более высокими торговыми ограничениями.

Размышления:

Если после прочтения этой статьи вы все еще считаете, что рынки абсолютно эффективны, я не уверен, что смогу вас переубедить. Тем не менее, я подозреваю, что большинство из вас, будь то институциональные или индивидуальные инвесторы/трейдеры, уже (по крайней мере, в некоторой степени) не согласны с гипотезой эффективного рынка.

Эта статья демонстрирует удивительную аномалию: компании, работающие на схожих рынках, могут помочь предсказать будущую доходность друг друга. Хотя расчет масштаба (SCOPESIM) — не самая простая метрика для вычисления, концепция интуитивно понятна и применима на практике.

Что еще более интригует, так это возможность применения этой концепции не только в отношении акций. Могут ли подобные взаимосвязи существовать в других классах активов, таких как кредитные рынки или сырьевые товары? Возможно, эта статья станет началом раскрытия более широких рамок предсказуемости между активами.

Праздники приносят высокие доходы

Название работы: Эффект праздников

Резюме:

В данной работе рассматривается эффект праздников — календарная аномалия, при которой доходность акций систематически отличается до и после праздников, — на основе данных по мировым фондовым рынкам за период с 1990 по 2024 год. Исследование выявило значительный предпраздничный эффект в Северной Америке (средняя доходность 0,42%) и Азии (0,36%), где доходность в дни, предшествующие праздникам, существенно выше, чем в непраздничные дни. Послепраздничные эффекты наиболее заметны в Европе (средняя доходность 0,45 %) и Северной Америке (0,39 %), где доходность в дни после праздников также значительно выше, чем в обычные дни.

Авторы подтверждают, что эти эффекты не зависят от других календарных аномалий, таких как эффект пятницы или эффект конца года, что указывает на то, что эффект праздника — это отдельное явление. Они также обнаружили, что пред- и послепраздничные дни связаны с более низкими объемами торгов в некоторых регионах, что может способствовать повышению волатильности и увеличению доходности.

Размышления:

Несколько недель назад я уже рассказывал о предпраздничном эффекте, но тот документ был посвящен исключительно нефтегазовым ETF. В данной работе используется гораздо более широкий подход, рассматриваются различные рынки по всему миру. Может ли счастье и оптимизм, связанные с праздничным сезоном, быть причиной такого эффекта?

Средняя доходность, приведенная здесь, кажется достаточно большой, чтобы поддержать прибыльную торговую стратегию. В ближайшее время я воспроизведу несколько высокоэффективных стратегий с высокой доходностью из недавних статей и поделюсь результатами. Следите за новостями!

Покупать до пятницы

Название статьи: Эффект дня недели

Резюме:

В данной работе рассматривается эффект дня недели, когда доходность и волатильность акций систематически меняются в зависимости от дня, на основе данных по мировым рынкам за период с 1990 по 2024 год. Авторы обнаруживают сильный эффект понедельника: отрицательная средняя доходность -0,14% в Европе, -0,15% в Азии и Южной Америке и практически неизменная доходность в Северной Америке. Напротив, эффект пятницы показывает положительную среднюю доходность в 0,34% в Северной Америке, 0,20% в Азии и 0,21% в Южной Африке.

Хотя эти закономерности статистически значимы, они, как правило, недостаточно сильны, чтобы преодолеть торговые издержки. Тем не менее, эффект пятницы в Северной Америке, с его неизменно более высокой доходностью и более низкой волатильностью, может предложить потенциальные возможности для получения прибыли с поправкой на риск в отдельных случаях.

Размышления:

Эта статья написана теми же авторами, что и предыдущая, что явно свидетельствует об их заинтересованности в выявлении закономерностей доходности рынка через сезонность и календарные эффекты.

Еще раз подчеркнем статистическую значимость эффектов понедельника и пятницы, поскольку это подчеркивает надежность этих закономерностей в академических исследованиях и за их пределами. Однако отрицательная доходность эффекта понедельника не настолько существенна, чтобы сделать торговую стратегию прибыльной. С другой стороны, положительная доходность по пятницам на различных рынках может представлять реальную торговую возможность.

Удивительно и немного забавно, как простые человеческие эмоции, такие как «уныние» понедельника и предвкушение пятницы, могут влиять на мировые рынки. Иногда наша коллективная психология оставляет отпечатки даже в числах.

Индикатор предсказывает финансовые кризисы

Название работы: Обслуживание совокупного долга и ограничение частного кредитования

Резюме:

В данной работе рассматривается коэффициент обслуживания долга (DSR) как ключевая мера финансового риска, сочетающая в себе уровень долга и расходы на его обслуживание по отношению к доходу. Используя данные по 10 странам с развитой экономикой, начиная с 1920-х годов, авторы показывают, что DSR надежно предсказывает финансовые кризисы, когда он превышает 3,5% от долгосрочных средних значений.

В отличие от соотношения кредитов к ВВП, DSR учитывает процентные ставки и сроки погашения кредитов, обеспечивая более точную оценку долгового бремени домохозяйств и корпораций. Кроме того, этот показатель не нуждается в детрендинге, что облегчает его интерпретацию в условиях экономических циклов. Сосредоточившись на способности обслуживать долг, а не только на его уровне, DSR является более действенным инструментом для выявления системных рисков и эффективного управления кредитными циклами.

Размышления:

Существует бесчисленное множество индикаторов, которые, как утверждают люди, могут предсказывать экономические спады и финансовые кризисы. За последние пять лет я слышал, как все — от нефти по $100 до правила Sahm — называли следующим важным предсказателем обвала рынка. Хотя я не дискредитирую эти или другие метрики, я ценю, когда академические исследования глубоко изучают эти показатели. Академики часто дают более надежный и непредвзятый анализ по сравнению с чрезмерно упрощенными оценками «гуру» интернет-финансов.

Что особенно интересно в DSR, так это то, что он соответствует беспрецедентному экономическому росту, который мы наблюдали после финансового кризиса 2008 года (исключая крах рынка COVID-19, учитывая быстрое восстановление и устойчивость экономики после него). Это делает его привлекательным показателем для мониторинга, особенно при оценке кредитной экспансии и системных рисков.

Нейросетевая стратегия в криптовалюте

Название работы: Разработка криптовалютной торговой стратегии на основе алгоритмов Autoencoder-CNN-GANs

Резюме:

В данной работе представлена стратегия торговли криптовалютой с использованием гибридной модели машинного обучения, сочетающей автоэнкодеры (Autoencoders), CNN и GAN для прогнозирования движения цены биткоина. Модель обрабатывает деноизированные ценовые данные для извлечения ключевых характеристик и анализа временных паттернов, предсказывая направление значительных изменений цены. Стратегия предполагает занятие длинных позиций при прогнозировании восходящего тренда и коротких — при нисходящем, при этом позиции удерживаются в течение 100 минут или закрываются раньше при достижении порога стоп-лосса.

Протестированная на данных с 2019 по 2024 год, стратегия достигла совокупной годовой доходности в 120% и коэффициента Шарпа в 2,5, значительно превзойдя традиционные модели, такие как ARIMA и LSTMs.

Размышления:

В последнее время я выделяю работы, посвященные относительно «простым» торговым стратегиям, таким как торговля импульсами, модели дня недели и эффект праздника. Однако эта работа выводит торговлю на совершенно новый уровень сложности. Хотя многоступенчатый нейросетевой процесс явно эффективен в применении к ценам BTC, это определенно скачок по сравнению с простыми стратегиями, описанными в предыдущих работах.

Тем не менее, сложность в стратегии может быть преимуществом — если она правильно применяется. Для новых классов активов, таких как криптовалюты, которые часто считаются менее эффективными, может быть больше возможностей использовать неправильную цену и генерировать альфу. Единственный недостаток, который я вижу, — это большие транзакционные издержки, связанные с торговлей как минимум каждые 100 минут, что может снизить впечатляющую доходность стратегии.