Копипаст | Реализация стратегии «Моментум». Alpha in Academia.

Перевод статьи из блога Alpha in Academia.

Этот пост представляет собой полную реализацию и усовершенствование стратегии импульса из исследовательской работы, о которой я рассказывал ранее. Это предварительный просмотр типа контента, который могут ожидать платные подписчики, что поможет вам решить, подходит ли вам подписка.

Многие платформы взимают высокую плату, не показывая своей аудитории, за что она платит. Я стараюсь быть абсолютно прозрачным и понятным.

В этой статье рассматривается стратегия, основанная на импульсе, с солидной доходностью. Однако мои усовершенствования возвышают стратегию, делая ее абсолютно некоррелированной с S&P 500 и одновременно превосходящей индекс с поправкой на риск, что измеряется коэффициентом Шарпа. Хотя этот пример демонстрирует тип контента, который вы можете ожидать, я оставляю наиболее эффективные стратегии для платных подписчиков.

Введение в статью

С учетом сказанного, давайте приступим к делу. В статье «Как улучшить моментум на товарных рынках с помощью внутрирыночной корреляции», написанной Радованом Войтко и Маргаретой Паухлевой (авторы Quantpedia), рассматривается инновационный способ улучшения импульсных стратегий на товарных рынках. Хотя авторы не являются традиционными учеными, они обладают значительным опытом работы в реальном мире — Радован, генеральный директор и руководитель отдела исследований Quantpedia, управлял фондами количественного анализа на сумму более 300 миллионов евро, что придает их идеям большую убедительность.

Изначально я включил эту статью в свой еженедельный пост «Последние академические исследования» 2 ноября (ссылка на перевод), где она набрала наибольшее количество голосов в опросе читателей. Учитывая ее популярность, я решил погрузиться глубже и провести всестороннюю оценку стратегии.

Вот мое предварительное резюме статьи:

В этой статье объясняется, как использовать фильтр внутрирыночной корреляции для повышения эффективности импульсных стратегий на товарных рынках, особенно учитывая, что в последнее время импульсные стратегии были менее эффективны. Когда краткосрочная корреляция между товарными ETF превышает долгосрочную корреляцию, это говорит о том, что сырьевые товары движутся в едином направлении. Это позволяет импульсным стратегиям более эффективно отделять победителей от проигравших. В таких условиях рекомендуется использовать импульсную стратегию, которая ставит длинные позиции на ETF, демонстрирующие высокие результаты, и короткие — на отстающие. И наоборот, когда краткосрочная корреляция падает ниже долгосрочной, рекомендуется использовать разворотную стратегию. Она предполагает длинные позиции по наименее успешным ETF и короткие по наиболее успешным.

Итак, давайте воспроизведем эту стратегию и посмотрим, насколько хорошо она работает.

Методология

Чтобы воспроизвести стратегию, описанную в статье «Как улучшить моментум на товарных рынках с помощью внутрирыночной корреляции», я максимально точно придерживался методологии, описанной в статье. Ниже описаны этапы моего подхода:

1. Источник данных:

• Все данные были получены из Yahoo Finance с помощью пакета yfinance Python, что соответствует подходу, описанному в статье.
• Я сосредоточился на тех же четырех ETF: DBA (сельское хозяйство), DBB (цветные металлы), DBE (энергетика) и DBP (драгоценные металлы).

2. Подготовка данных:

• Ежедневные скорректированные цены закрытия для каждого ETF были объединены в один pandas DataFrame.

3. Генерация сигналов:

• Сигнал моментума: Когда краткосрочная корреляция (20-дневная) превышала долгосрочную корреляцию (250-дневную) в конце торгового дня:
• Открывалась длинная позиция по двум ETF, показавшим лучшие результаты.
• Для двух нижних ETF открывалась короткая позиция.
• Сигнал разворота: Когда краткосрочная корреляция была ниже долгосрочной корреляции:
• Была открыта короткая позиция для двух лучших ETF.
• Длинная позиция была открыта для двух нижних ETF.

3. Исполнение:

• Позиции обновлялись ежедневно на основе сигналов, сгенерированных на закрытие предыдущего торгового дня.
• Сделки заключались по скорректированной цене закрытия следующего торгового дня.

Результаты репликации:

Метрики портфеля с оригинальным импульсом:

• Общая доходность: 44.03%
• CAGR: 2,18%
• Стандартное отклонение: 9,10%
• Коэффициент Шарпа: 0,27
• Максимальная просадка: -20.04%

Метрики портфеля для импульса с фильтром корреляции:

• Общая доходность: 110.85%
• CAGR: 4,51%
• Стандартное отклонение: 9,10%
• Коэффициент Шарпа: 0.50
• Максимальная просадка: -20.74%

Интересно, что результаты моей репликации не совсем совпадают с результатами, представленными в статье. Однако заметным сходством между моими результатами и выводами статьи является спад или стагнация в результатах стратегии, начиная с марта 2022 года. Этот период, по-видимому, создает проблемы для эффективности стратегии.

Интересно, что в моих тестах оригинальная стратегия импульса показала лучшие результаты, чем указано в статье, что говорит о том, что базовые показатели могут быть не такими слабыми, как описывалось вначале.

При воспроизведении научных работ я проверяю стратегии на устойчивость, чтобы избежать чрезмерной подгонки и обеспечить применимость в реальном мире. Моя цель — представить стратегии, которые не только убедительны на бумаге, но и надежны на практике.

Я провел некоторые предварительные модификации стратегии, чтобы попытаться улучшить ее производительность и доходность с поправкой на риск. Цель заключалась в том, чтобы сохранить устойчивость модели (т. е. попытаться не переборщить с оптимизацией каждой переменной) и в то же время выявить потенциальные улучшения, которые могли бы повысить коэффициент Шарпа и общую эффективность.

Методология тестирования улучшений

1. Выбор переменных:

• Я сосредоточился на тестировании трех ключевых переменных: периода оглядки* для расчета импульса, долгосрочного корреляционного окна и краткосрочного корреляционного окна.

*Здесь и далее «период оглядки» — lookback period.
— прим. Holy Finance

• Чтобы сохранить устойчивость модели, я ограничил диапазон значений для этих переменных, протестировав лишь некоторые из них:
• Период оглядки: 20 дней, 60 дней, 100 дней, 180 дней, 250 дней.
• Окно долгосрочной корреляции: 20 дней, 60 дней, 100 дней, 180 дней, 250 дней.
• Краткосрочное окно корреляции: Определяется как отношение (0,1, 0,2, 0,3) долгосрочного окна корреляции.

2. Бэктестирование:

• Стратегия тестировалась для каждой комбинации этих трех переменных, в результате чего был проведен всесторонний анализ потенциальных конфигураций параметров.

3. Лучшие стратегии:

• Были определены пять лучших стратегий, ранжированных по коэффициенту Шарпа, которые представлены ниже. Лучшие результаты будут использоваться для будущих тестов.

Расширение спектра ETF

В оригинальной статье для измерения импульса были указаны только четыре товарных ETF (DBA, DBB, DBE и DBP). Чтобы выяснить, улучшит ли увеличение числа ETF показатели стратегии, я расширил вселенную, включив в нее следующие девять ETF:

• Оригинальные ETF: DBA, DBB, DBE, DBP
• Дополнительные ETF: DBC (широкие товарные рынки), GSG (широкие товарные рынки), GLD (золото), SLV (серебро), USO (сырая нефть).

Благодаря включению этих дополнительных ETF, стратегия охватывает более широкий спектр сырьевых секторов, что потенциально повышает диверсификацию и улучшает качество сигналов.

Улучшенные результаты:
Наблюдается явное и устойчивое улучшение по сравнению как с результатами исследовательской работы, так и с традиционным импульсом...

Метрики портфеля с оригинальным импульсом:

• Общая доходность: 40.23%
• CAGR: 2,02%
• Стандартное отклонение: 6.72%
• Коэффициент Шарпа: 0,31
• Максимальная просадка: -15.26%

Метрики портфеля для импульса с фильтром корреляции:

• Общая доходность: 168.65%
• CAGR: 6,02%
• Стандартное отклонение: 6.71%
• Коэффициент Шарпа: 0,85
• Максимальная просадка: -13.65%

Расширение спектра ETF значительно улучшает показатели стратегии. Примечательно, что стратегия, использующая корреляционный фильтр, теперь превосходит S&P 500 с поправкой на риск. За тот же период времени коэффициент Шарпа S&P 500 составляет 0,53, в то время как стратегия с корреляционным фильтром достигает коэффициента Шарпа 0,85, демонстрируя лучшую доходность с поправкой на риск (хотя и не самую лучшую).

Чтобы дополнительно проиллюстрировать это улучшение, я включил визуальное сравнение кумулятивных показателей стратегии по сравнению с подходом «купи и держи» S&P 500. Эта визуализация подчеркивает способность стратегии использовать возможности импульса и разворота при эффективном управлении риском, что приводит к более плавному профилю доходности по сравнению с S&P 500.

Показатели стратегии по сравнению с S&P 500

Наша стратегия имеет почти линейные показатели по сравнению с S&P 500!

Ознакомившись с графиком, некоторые из вас могут задаться вопросом: «Минуточку, я думал, что импульсная стратегия превосходит S&P 500?» И вы абсолютно правы — это так, но с поправкой на риск. Наша стратегия имеет коэффициент Шарпа 0,85, в то время как коэффициент Шарпа S&P 500 за тот же период составил 0,60.

Обращает на себя внимание значительно более высокая волатильность доходности S&P 500 по сравнению с нашей улучшенной стратегией. Примечательно, что наша стратегия демонстрирует отрицательную корреляцию с рынком во время крупных спадов, таких как крах COVID-19 и финансовый кризис 2008 года.

Для тех, кто скептически относится к важности доходности с поправкой на риск, позвольте мне объяснить, почему она имеет значение. Ключ лежит в плече. До сих пор во всех сценариях мы предполагали, что леверидж равен 1. Но что произойдет, если мы увеличим леверидж как для стратегии, так и для S&P 500 до 2х? Хотя коэффициенты Шарпа остаются прежними (по определению), общая доходность говорит о другом:

Наша стратегия начинает «догонять» по общей доходности. А что, если мы еще больше увеличим кредитное плечо, скажем, до 5x?

Результаты говорят сами за себя: наша стратегия становится явным победителем. При плече 5x инвестиция в S&P 500 «купи и держи» начинает разрушаться, обеспечивая худшую доходность, чем при плече 2x. При этом общая доходность стратегии взлетает примерно до 6200%! Это наглядно демонстрирует, почему доходность с поправкой на риск так важна.

И не забывайте, что это достигается при коэффициенте Шарпа всего 0,85. В одном из следующих постов я подробнее остановлюсь на роли кредитного плеча в торговых стратегиях, а пока хочу представить эту краткую демонстрацию.

Сегодня я рассказал о стратегии, которая превосходит S&P 500 с поправкой на риск, если судить по коэффициенту Шарпа. Используя фильтр внутрирыночной корреляции, этот подход динамически подстраивается под рыночные условия. Стратегия демонстрирует устойчивость, особенно при применении к расширенной совокупности ETF, и даже демонстрирует отрицательную корреляцию с S&P 500 во время крупных рыночных спадов, таких как крах COVID-19 и финансовый кризис 2008 года.

Этот анализ не только подтверждает правильность методологии, предложенной в оригинальной статье, но и выявляет потенциал для дальнейшего совершенствования. Протестированные здесь усовершенствования, включая более широкий охват ETF и уточненные окна корреляции, обещают повысить применимость стратегии в реальном мире. Моя цель — создавать стратегии, которые не только хорошо выглядят на бумаге, но и являются практичными, надежными и не перегруженными данными.

Код этой стратегии доступен для платных подписчиков [прим. HolyFinance: вы можете найти его в моём канале!]. Однако если вы сомневаетесь, стоит ли подписываться, и хотите оценить качество кода перед тем, как сделать это, я вас полностью понимаю. Просто ответьте на это письмо или напишите мне на Substack, и я отвечу в течение 24 часов.

Как и всегда, это учебный материал, и он не должен применяться в реальной торговле.