Tempo Série Momento Versus Movimento Média Negociação Regras

Dual Momentum TM À medida que as vantagens do investimento de momentum se tornam mais conhecidas, há naturalmente mais pesquisas sendo feitas para explorar seu potencial. Algumas dessas pesquisas, como o Moskowitz, Ooi, e Pedersen papel Time Series Momentum, tem sido excelente. Nós preferimos apontar e discutir coisas positivas como essa, mas uma vez que este é um blog sobre o momento, sentimos a obrigação de também falar sobre produtos de impulso e de investigação que pode ser um pouco fora de base (veja aqui vem Mercado Neutral Momentum8230sort de). No final do ano passado, Keller e van Putten emitiu um artigo chamado Momentum generalizado e Flexible Asset Allocation. Os autores aplicaram momentum absoluto e relativo ao top 3 de 7 ativos usando dados de 1998 até 2012. Eles desenvolveram seus parâmetros em 8 anos de dados de 2005 a 2012 e indicam que validaram seus resultados em 7 anos de dados adicionais de 1998 a 2004. Eles chamam isso de validação fora da amostra, mas eles mencionam em outro lugar em seu trabalho que eles determinaram o período de retrocesso e o número de fundos para investir, examinando um período mais longo de dados que inclui todo o período de 1998 a 2012 . Para dividir uma quantidade modesta de dados ao meio e chamar parte dele, um teste fora da amostra não está correto. O viés de snooping de dados e o excesso de ajuste do modelo também são práticas comuns entre os praticantes. Com relação a seus resultados, oito anos de dados é um tamanho de amostra muito pequeno para determinar os parâmetros do modelo de investimento. Seus resultados em mais 7 anos de dados podem parecer decentes porque momentum é tão robusto que a maioria dos parâmetros em uma determinada faixa de trabalho para fora OK. No entanto, o teste de volta em oito anos de dados pode não dar quais são realmente os melhores valores de parâmetro. Em outros lugares, o trabalho dos autores pode ser bastante confuso. Aqui está um exemplo: Às vezes, nosso momento relativo é chamado de força relativa (RS, ver Faber 2010) ou momentum das séries temporais (ver Thomas 2012). Também usaremos o termo impulso de retorno para melhor contrastar com a volatilidade e o momento de correlação. O momentum da série de tempo é diferente do momento relativo (veja meu post Whatchmacallit). Além disso, o que eles chamam de volatilidade e momento de correlação não tem nada a ver com o momento. Momentum é sobre a seleção de ativos com base na persistência em seu desempenho, quer contra os seus pares (momento relativo) ou contra si mesmos ao longo do tempo (momento absoluto). Isso não faz sentido com relação à volatilidade ou correlação. Os autores utilizam a volatilidade ea correlação como fatores de classificação. Eles fazem o mesmo com retornos, mas depois de selecioná-los usando momentum relativo e absoluto. Os autores terminam classificando os ativos usando pesos arbitrários de 1,0, 0,5 e 0,5 para o momento de retorno, volatilidade e correlação, respectivamente. Eles não explicam como eles vieram com essas ponderações. Eu seria cauteloso sobre o uso da informação neste papel sem fazer consideravelmente mais análise e back testing. Time Series Momentum versus Moving Average Trading Rules, de Marshall, Nguyen e Visaltanachoti é um trabalho acadêmico que tenta determinar se as regras de negociação de tempo-apenas momentum bater regras de negociação média móvel comparável. Eles fazem isso comparando o momentum absoluto (que eles chamam de momentum da série de tempo) a comparáveis ​​(de acordo com eles) as médias móveis de quintis com base no tamanho dos estoques dos EUA usando 10, 50, 100 e 200 dias de troca. Eles têm confiança em suas comparações, porque suas correlações entre momentum e média móvel retornos são geralmente superiores a 0,8. No entanto, isso pode ter algo a ver com o seu uso diário, em vez de mensais, os dados de retorno. Uma vez que o momentum é uma anomalia de termo intermediário, a maioria dos pesquisadores o estuda usando retornos mensais. Obtemos correlações que variam de 0,45 a 0,47 quando se comparam os retornos mensais do impulso absoluto de 12 meses com um intervalo de 4 a 32 meses de média móvel dos retornos mensais do mercado de ações dos EUA nos últimos 38 anos. Utilizamos uma gama de comprimentos de média móvel, porque não se pode apenas usar o mesmo período de retrocesso para as médias de movimento e de movimento e esperar resultados comparáveis. Os autores sugerem isso quando dizem que as médias móveis entram e saem de ações mais cedo. O artigo também identifica os períodos médios de retenção de 10, 50, 100 e 200 dias de negociação como 8, 22, 31 e 47 dias para regras de média móvel, e 10, 32, 46 e 83 dias para regras de momentum. Entradas mais rápidas e saídas com médias móveis significa que seus comprimentos devem ser mais longos se se espera que seu desempenho corresponda ao desempenho do momento absoluto. Escolhendo o mesmo período de look-back não faz impulso absoluto e as médias móveis comparáveis. Um velho ditado de investimento é que as médias móveis devem ser plotadas metade do seu comprimento por trás do preço atual em um gráfico de ações. Um atraso de meio intervalo significa que o período de retrocesso para uma média móvel seria o dobro do período de retrocesso para o momento, para que os dois fossem aproximadamente comparáveis. O gráfico a seguir deve deixar isso claro. Vamos medir o momento absoluto a partir do ponto médio desta linha em 30 para o ponto final em 50. Momento absoluto mede a diferença entre o início eo valor final, que neste caso é 20. O valor da média móvel calculada desde o início de 30 até o final De 50 é 40. A diferença entre o valor médio móvel de 40 e o valor final de 50 é apenas 10, indicando uma tendência mais fraca do que foi identificada utilizando impulso absoluto. No entanto, se começarmos nossa média móvel duas vezes mais atrás no ponto de 10, o valor da média móvel calculada se torna 30 em vez de 40, ea diferença entre ele e nosso valor final é agora 20, o mesmo que com momento absoluto. Os números nem sempre funcionam exatamente dessa maneira. A média móvel equivalente período de retorno depende da ação de preço ao longo do comprimento da média móvel. No entanto, é seguro dizer que usando duas vezes o período de retrocesso momentum absoluto dá-nos um melhor comprimento médio móvel equivalente. Podemos ver isso no Painel D da Tabela 2 do artigo: Momentum Time-Series e Análise Técnica Desempenho e Comparação Q1 (Pequeno) Q2 Q3 Q4 Q5 (Grande) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Painel D: Sharpe Ratios 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 As existências estão em tamanho Quintis de Q1 (pequeno) para Q5 (grande). Períodos de retorno de 10 a 200 dias estão na primeira coluna. Leitura através das linhas, as relações de Sharpe são para a média móvel (MA) e momentum absoluto (TSMOM) estratégias usando o mesmo período de look-back. Vemos que, com exceção de Q5 (grande), se mudarmos as estratégias de MA para um nível para que seus períodos de retorno sejam duas vezes mais longos (ou mais quando passando de 50 para 10) como os períodos de retrospecção do TSMOM, Obter uma correspondência quase exata dos índices de Sharpe. Com base no uso desses períodos de retrocesso que tornam as estratégias MA e TSMOM quase equivalentes, não se pode mais dizer que as regras de tempo de carteira baseadas em médias móveis superam claramente suas contrapartidas de momento absoluto. Para comparar momentum absoluto a regras de negociação média móvel, deve-se examinar uma gama de valores para cada um. Fizemos isso e descobrimos que os parâmetros de melhor momento de desempenho aplicados a diferentes ativos e diferentes períodos de tempo têm menos dispersão do que os parâmetros de média móvel com melhor desempenho. Dual Momentum TM À medida que as vantagens do investimento de momentum se tornam mais conhecidas, Feito para explorar seu potencial. Algumas dessas pesquisas, como o Moskowitz, Ooi, e Pedersen papel Time Series Momentum, tem sido excelente. Nós preferimos apontar e discutir coisas positivas como essa, mas uma vez que este é um blog sobre o momento, sentimos a obrigação de também falar sobre produtos de impulso e de investigação que pode ser um pouco fora de base (veja aqui vem Mercado Neutral Momentum8230sort de). No final do ano passado, Keller e van Putten emitiu um artigo chamado Momentum generalizado e Flexible Asset Allocation. Os autores aplicaram momentum absoluto e relativo ao top 3 de 7 ativos usando dados de 1998 até 2012. Eles desenvolveram seus parâmetros em 8 anos de dados de 2005 a 2012 e indicam que validaram seus resultados em 7 anos de dados adicionais de 1998 a 2004. Eles chamam isso de validação fora da amostra, mas eles mencionam em outro lugar em seu trabalho que eles determinaram o período de retrocesso e o número de fundos para investir, examinando um período mais longo de dados que inclui todo o período de 1998 a 2012 . Para dividir uma quantidade modesta de dados ao meio e chamar parte dele, um teste fora da amostra não está correto. O viés de snooping de dados e o excesso de ajuste do modelo também são práticas comuns entre os praticantes. Com relação a seus resultados, oito anos de dados é um tamanho de amostra muito pequeno para determinar os parâmetros do modelo de investimento. Seus resultados em mais 7 anos de dados podem parecer decentes porque momentum é tão robusto que a maioria dos parâmetros em uma determinada faixa de trabalho para fora OK. No entanto, o teste de volta em oito anos de dados pode não dar quais são realmente os melhores valores de parâmetro. Em outros lugares, o trabalho dos autores pode ser bastante confuso. Aqui está um exemplo: Às vezes, nosso momento relativo é chamado de força relativa (RS, ver Faber 2010) ou momentum das séries temporais (ver Thomas 2012). Também usaremos o termo impulso de retorno para melhor contrastar com a volatilidade e o momento de correlação. O momentum da série de tempo é diferente do momentum relativo (veja meu post Whatchmacallit). Além disso, o que eles chamam de volatilidade e momento de correlação não tem nada a ver com o momento. Momentum é sobre a seleção de ativos com base na persistência em seu desempenho, quer contra os seus pares (momento relativo) ou contra si mesmos ao longo do tempo (momento absoluto). Isso não faz sentido com relação à volatilidade ou correlação. Os autores realmente usam a volatilidade ea correlação como fatores de classificação. Eles fazem o mesmo com retornos, mas depois de selecioná-los usando momentum relativo e absoluto. Os autores terminam classificando os ativos usando pesos arbitrários de 1,0, 0,5 e 0,5 para o momento de retorno, volatilidade e correlação, respectivamente. Eles não explicam como eles vieram com essas ponderações. Eu seria cauteloso sobre o uso da informação neste papel sem fazer consideravelmente mais análise e back testing. Time Series Momentum versus Moving Average Trading Rules, de Marshall, Nguyen e Visaltanachoti é um trabalho acadêmico que tenta determinar se as regras de negociação de tempo-apenas momentum bater regras de negociação média móvel comparável. Eles fazem isso comparando o momentum absoluto (que eles chamam de momentum da série de tempo) a comparáveis ​​(de acordo com eles) as médias móveis de quintis com base no tamanho dos estoques dos EUA usando 10, 50, 100 e 200 dias de troca. Eles têm confiança em suas comparações, porque suas correlações entre momentum e média móvel retornos são geralmente superiores a 0,8. No entanto, isso pode ter algo a ver com o seu uso diário, em vez de mensais, os dados de retorno. Uma vez que o momentum é uma anomalia de termo intermediário, a maioria dos pesquisadores o estuda usando retornos mensais. Obtemos correlações que variam de 0,45 a 0,47 quando se comparam os retornos mensais do impulso absoluto de 12 meses com um intervalo de 4 a 32 meses de média móvel dos retornos mensais do mercado de ações dos EUA nos últimos 38 anos. Utilizamos uma gama de comprimentos médios móveis porque não se pode apenas usar o mesmo período de retrocesso para as médias de movimento e de movimento e esperar resultados comparáveis. Os autores sugerem isso quando dizem que as médias móveis entram e saem de ações mais cedo. O artigo também identifica os períodos médios de retenção de 10, 50, 100 e 200 dias de negociação como 8, 22, 31 e 47 dias para regras de média móvel, e 10, 32, 46 e 83 dias para regras de momentum. Entradas mais rápidas e saídas com médias móveis significa que seus comprimentos devem ser mais longos se se espera que seu desempenho corresponda ao desempenho do momento absoluto. Escolhendo o mesmo período de look-back não faz impulso absoluto e as médias móveis comparáveis. Um velho ditado de investimento é que as médias móveis devem ser plotadas metade do seu comprimento por trás do preço atual em um gráfico de ações. Um atraso de meio intervalo significa que o período de retrocesso para uma média móvel seria o dobro do período de retrocesso para o momento, para que os dois fossem aproximadamente comparáveis. O gráfico a seguir deve deixar isso claro. Vamos medir o momento absoluto a partir do ponto médio desta linha em 30 para o ponto final em 50. Momento absoluto mede a diferença entre o início eo valor final, que neste caso é 20. O valor da média móvel calculada desde o início de 30 até o final De 50 é 40. A diferença entre o valor médio móvel de 40 e o valor final de 50 é apenas 10, indicando uma tendência mais fraca do que foi identificada utilizando impulso absoluto. No entanto, se começarmos nossa média móvel duas vezes mais atrás no ponto de 10, o valor da média móvel calculada se torna 30 em vez de 40, ea diferença entre ele e nosso valor final é agora 20, o mesmo que com momento absoluto. Os números nem sempre funcionam exatamente dessa maneira. A média móvel equivalente período de retorno depende da ação preço ao longo do comprimento da média móvel. No entanto, é seguro dizer que usando duas vezes o período de retrocesso momentum absoluto dá-nos um melhor comprimento médio móvel equivalente. Podemos ver isso no Painel D da Tabela 2 do artigo: Momentum Time-Series e Análise Técnica Desempenho e Comparação Q1 (Pequeno) Q2 Q3 Q4 Q5 (Grande) MA TSMOM MA TSMOM MA TSMOM MA TSMOM MA TSMOM Painel D: Sharpe Ratios 10 0,47 0,38 0,41 0,31 0,42 0,28 0,37 0,25 0,16 0,04 50 0,37 0,26 0,30 0,21 0,28 0,22 0,25 0,19 0,12 0,08 100 0,27 0,19 0,22 0,15 0,21 0,18 0,19 0,16 0,12 0,11 200 0,20 0,13 0,17 0,12 0,17 0,15 0,19 0,14 0,13 0,10 As existências estão em tamanho Quintis de Q1 (pequeno) para Q5 (grande). Períodos de retorno de 10 a 200 dias estão na primeira coluna. Leitura através das linhas, as relações de Sharpe são para a média móvel (MA) e momentum absoluto (TSMOM) estratégias usando o mesmo período de look-back. Vemos que, com exceção de Q5 (grande), se mudarmos as estratégias de MA para um nível para que seus períodos de retorno sejam duas vezes mais longos (ou mais quando passando de 50 para 10) como os períodos de retrospecção do TSMOM, Obter uma correspondência quase exata dos índices de Sharpe. Com base no uso desses períodos de retrocesso que tornam as estratégias MA e TSMOM quase equivalentes, não se pode mais dizer que as regras de tempo de carteira baseadas em médias móveis superam claramente suas contrapartidas de momento absoluto. Para comparar momentum absoluto a regras de negociação média móvel, deve-se examinar uma gama de valores para cada um. Fizemos isso e descobrimos que os parâmetros de momentum com melhor desempenho aplicados a diferentes ativos e períodos de tempo diferentes têm menos dispersão do que os parâmetros de média móvel com melhor desempenho. 9 de março de 2013 Há um novo papel de pesquisa por Wes Grey e Jack Vogel que é interessante não só para os investidores momentum, mas para todos os investidores e pesquisadores. O papel está usando o Drawdown máximo para capturar o risco de cauda. Nela, Wes e Jack mostram que as anomalias acadêmicas, identificadas por modelos de fatores lineares (alfa), muitas vezes não são grandes estratégias de negociação. Wes e Jack selecionam onze longshort anomalias da literatura acadêmica e mostram que um número deles, apesar alphas positivos e Sharpe proporções atraentes, mostram grandes levantamentos que provavelmente desencadear chamadas de margem e retiradas de investidores em momentos inoportunos. Seis das onze estratégias têm reduções superiores a 50, sendo as três piores 86,1, 84,7 e 83,5. (A dinâmica de estoque Longshort é aquela com um levantamento de 86. Talvez o QuantShares devesse reconsiderar o chamado ETF de longo prazo, o US Neutral Momentum Fund). Alguns pesquisadores analisam a razão Sortino, que divide o excesso de retorno por variabilidade negativa, ao invés de variabilidade total, como a razão de Sharpe. A incorporação de variabilidade de alta pode ser útil, no entanto, especialmente quando se avaliam oportunidades de investimento com volatilidade de descida semelhantes. Nem Sharpe nem o rácio Sortino considera a extensão total da exposição negativa no extremo esquerdo de uma distribuição. Wes e Jack dizem que é importante que pesquisadores e investidores considerem o risco de cauda. Eles sugerem olhar para a perda de pico-para-vale máximo (abaixamento) associado a uma série de tempo como uma maneira relativamente fácil de fazer isso. Eles têm um vídeo explicativo em seu blog Turnkey Analyst, juntamente com o código de macro Excel VBA e uma planilha para calcular o máximo drawdown. (Existem outros bons vídeos lá também, mostrando como usar o Excel para a otimização média de variância e como calcular o fator alfa de 3 ou 4). Obviamente, a redução máxima não é perfeita como medida de risco. Não é passível de análise estatística tradicional, como intervalos de confiança. (Dada a natureza estocástica dos mercados financeiros, a análise estatística tradicional pode não ser tão precisa de qualquer maneira.) A redução máxima é dependente do tempo quanto mais longo for um registro de pista, mais provável será que o levantamento máximo aumente. A freqüência de estiramento, bem como a magnitude, também é importante. Além disso, o levantamento máximo mostra apenas um único evento passado que pode ser uma ocorrência casual e não ser representativo do que o futuro pode trazer. Outras maneiras de olhar para a cauda de risco tentam lidar com essas preocupações. O valor condicional em risco (CVAR) tenta mostrar o que um drawdown será mais provável parecer dado um evento extremo. A teoria do valor extremo (EVT) tenta identificar grandes desvios das medianas das distribuições de probabilidade. Ambas as abordagens são computacionalmente desafiadoras e raramente encontradas na literatura financeira. (Eu costumava computar CVAR eu mesmo, mas didn8217t encontrá-lo como intuitivamente atraente como redução máxima.) Wes e Jack têm feito um serviço em mostrar como as formas habituais de avaliação de oportunidades de investimento, como Alpha e Sharpe rácios, pode ser seriamente faltando. Nem alfa, nem desvio padrão, nem redução máxima, representam uma medida completa do risco de investimento. Drawdown máximo é bom que dá alguma indicação de risco de cauda extrema. No entanto, eu também olhar mais amplamente em drawdown estratégia versus drawdown benchmarks sob uma variedade de condições adversas. Também examino intervalos interquartis e outliers extremos usando gráficos de caixa dos dados. Você pode ver todos os quatro destes métodos no trabalho em meu papel de impulso dupla. Espero que outros pesquisadores pegar em breve e começar a apresentar mais do que Sharpe proporção ou alfa como sua função objetivo. Estas muitas vezes significam pouco por conta própria em termos de exposição ao risco real. O risco de cauda é importante para os investidores, e também deve ser importante para os pesquisadores. O desempenho da vida real de timing de mercado com a média móvel e as regras de momentum da série de tempo Citar este artigo como: Zakamulin, V. J Asset Manag (2014) 15: 261 Neste artigo, revisamos os mitos sobre o desempenho superior das estratégias de market timing baseadas na média móvel e nas regras de momentum da série de tempo. Estas estratégias de timing ativo são muito atraentes para os investidores por causa de sua simplicidade extraordinária e porque eles prometem vantagens substanciais sobre os seus homólogos passivos. No entanto, o desempenho muito bom para ser verdadeiro relatado destas regras de timing de mercado levanta uma preocupação legítima quanto a se este desempenho é realista e se os investidores podem esperar que o desempenho futuro será o mesmo que o desempenho histórico documentado. Argumentamos que o desempenho relatado de estratégias de cronograma de mercado geralmente contém um viés considerável de mineração de dados e ignora atritos de mercado importantes. Para resolver esses problemas, realizamos testes fora da amostra desses dois modelos de temporização em que contabilizamos custos de transação realistas. Nossos resultados revelam que o desempenho das estratégias de mercado timing é altamente exagerado, para dizer o mínimo. Análise técnica mercado timing simples movimento média tempo-série momentum teste fora da amostra Referências Anderson, R. M. Bianchi, S. W. E Goldberg, L. R. Análise Técnica Baseada em Evidências: Aplicando o Método Científico e Inferência Estatística a Sinais de Negociação, New Jersey: John (2008) A estratégia de paridade de risco superará o Financial Analyst Journal 68 (6): 7593. CrossRef Google Scholar Aronson, Wiley amp Sons. CrossRef Google Acadêmico Asness, C. S. Frazzini, A. e Pedersen, L. H. (2012) Alavancagem aversão e paridade de risco. Analistas financeiros Jornal 68 (1): 4759. CrossRef Google Scholar Bauer, R. J. E Dahlquist, J. R. (2001) Mercado de tempo e rodas de roleta. Analistas financeiros Journal 57 (1): 2840. CrossRef Google Scholar Berkowitz, S. A. Logue, D. E. E Noser, E. A. (1988) Os custos totais das transações na NYSE. Journal of Finance 43 (1): 97112. CrossRef Google Scholar Bessembinder, H. (2003) Questões na avaliação de custos de execução de comércio. Journal of Financial Markets 6 (3): 233257. CrossRef Google Scholar Bodie, Z. Kane, A. e Marcus, A. J. (2007) Investimentos, Nova Iorque: McGraw Hill. Google Scholar Brock, W. Lakonishok, J. e LeBaron, B. (1992) Regras de negociação técnicas simples e as propriedades estocásticas de retornos de ações. Chakravarty, S. e Sarkar, A. (2003) Custos de negociação em três mercados de obrigações dos EUA. Jornal de renda fixa 13 (1): 3948. CrossRef Google Scholar Chan, L. K.C. E Lakonishok, J. (1993) Negociações institucionais e comportamento do preço das ações intraday. Journal of Financial Economics 33 (2): 173199. CrossRef Google Scholar Dermody, J. C. e Prisman, E. Z. (1993) Nenhuma arbitragem e avaliação em mercados com custos de transação realistas. Jornal de Análise Financeira e Quantitativa 28 (1): 6580. CrossRef Google Scholar Edwards, A. K. Harris, L. E. E Piwowar, M. S. (2007) Custos de transação de mercado de obrigações corporativas e transparência. Journal of Finance 62 (3): 14211451. CrossRef Google Scholar Faber, M. T. (2007) Uma abordagem quantitativa para a alocação de ativos táticos. Revista de Gestão de Riqueza 9 (4): 6979. CrossRef Google Scholar Freyre-Sanders, A. Guobuzaite, R. e Byrne, K. (2004) Uma revisão do modelo de custo de negociação: Reduzindo custos de transação. Journal of Investing 13 (3): 93116. CrossRef Google Acadêmico Gartley, H. M. (1935) Lucros no mercado conservado em estoque, Pomeroy (Washington): Lambert Gann Pub. Google Scholar Gwilym, O. Clare, A. Seaton, J. e Thomas, S. (2010) Preço e momentum como abordagens táticas robustas ao investimento de capital global. Revista de Investimentos 19 (3): 8091. CrossRef Google Scholar Hansen, P. R. e Timmermann, A. (2013) Escolha da amostra dividida em Out-of-Sample Forecast Evaluation. Instituto Universitário Europeu, Universidade de Stanford e CREATES. Documento de trabalho. Hudson, R. Dempsey, M. e Keasey, K. (1996) Uma nota sobre a forma fraca de eficiência dos mercados de capitais: A aplicação de regras técnicas simples de negociação aos preços das ações no Reino Unido 1935 a 1994. Journal of Banking and Finance 20 (6 ): 11211132. CrossRef Google Scholar Jegadeesh, N. e Titman, S. (1993) Retorna para comprar vencedores e vender perdedores: Implicações para a eficiência do mercado de ações. Journal of Finance 48 (1): 6591. CrossRef Google Scholar Kilgallen, T. (2012) Testando a média móvel simples em commodities, índices de ações globais e moedas. Journal of Wealth Management 15 (1): 82100. CrossRef Google Acadêmico Knez, P. J. and Ready, M. J. (1996) Estimativa dos lucros de estratégias de negociação. Revisão de Estudos Financeiros 9 (4): 11211163. CrossRef Google Scholar Lukac, L. P. e Brorsen, B. W. (1990) Um teste abrangente de desequilíbrio do mercado de futuros. Financial Review 25 (4): 593622. CrossRef Google Scholar Lukac, L. P. Brorsen, B. W. E Irwin, S. H. (1988) Um teste de desequilíbrio do mercado de futuros usando doze diferentes sistemas de negociação técnica. Applied Economics 20 (5): 623639. CrossRef Google Scholar Marcellino, M. Stock, J. H. E Watson, M. W. (2006) Uma comparação de direto e iterated multistep AR métodos para a previsão de séries macroeconômicas. Journal of Econometrics 135 (12): 499526. CrossRef Google Scholar Modigliani, F. e Modigliani, L. (1997) Desempenho ajustado ao risco. Jornal de Gestão de Portfólio 23 (2): 4554. CrossRef Google Scholar Moskowitz, T. J. Ooi, Y. H. E Pedersen, L. H. (2012) Time momentum séries. Jornal de Economia Financeira 104 (2): 228250. CrossRef Google Scholar Okunev, J. e White, D. (2003) As estratégias baseadas em momento ainda trabalham em mercados de moeda estrangeira Jornal de Análise Financeira e Quantitativa 38 (2): 425447. CrossRef Google Scholar Park, C.-H. E Irwin, S. H. (2007) O que sabemos sobre a rentabilidade da análise técnica Jornal de Pesquisas Econômicas 21 (4): 786826. CrossRef Google Scholar Pesaran, M. H. Pick, A. e Timmermann, A. (2011) Seleção variável, estimativa e inferência para problemas de previsão multi-período. Rossi, B. e Inoue, A. (2012) Out-of-amostra testes de previsão robusto para a escolha do tamanho da janela. Shin, S. e Soydemir, G. (2010) Fundos negociados em bolsa, persistência em erros de rastreamento e disseminação de informações. Jornal de Gestão Financeira Multinacional 20 (45): 214234. CrossRef Google Scholar Siegel, J. (2002) Stocks para Longa Duração, Nova York: Empresas McGraw-Hill. Google Scholar Sortino, F. A. and Price, L. N. (1994) Medição do desempenho em um quadro de risco negativo. Journal of Investing 3 (3): 5965. Crossref Google Scholar Sullivan, R. Timmermann, A. e White, H. (1999) Data-snooping, desempenho técnico da regra de negociação, eo bootstrap. Welch, I. e Goyal, A. (2008) Um olhar abrangente sobre o desempenho empírico da previsão do prémio de capital próprio. Revisão de Estudos Financeiros 21 (4): 14551508. CrossRef Google Scholar White, H. (2000) Uma verificação de realidade para snooping de dados. Econometrica 68 (5): 10971126. CrossRef Google Scholar Informações sobre direitos autorais Palgrave Macmillan, uma divisão da Macmillan Publishers Ltd 2014 Autores e afiliações Valeriy Zakamulin 1 Email do autor 1. Escola de Negócios e Direito, Universidade de Agder Kristiansand Noruega Sobre este artigo