Вчера, 09:30
Торговля импульсом
Превосходство моментума в индийских акциях
Название статьи: Оттенки моментума: Альтернативные метрики моментума и их рассеивание в индийских акциях
Резюме:
В статье рассматриваются четыре различные метрики импульса на индийском рынке акций: академический импульс, импульс с поправкой на волатильность, идиосинкразический импульс и импульс информационной дискретности. Анализ, охватывающий данные с декабря 2008 года по сентябрь 2024 года, показывает, что все четыре метрики успешно отражают эффекты импульса, но идиосинкразический импульс обеспечивает самый высокий коэффициент Шарпа (1,73), что свидетельствует о более высоких показателях с поправкой на риск.
Исследование также показывает, что со временем эффект импульса рассеивается, а доходность и коэффициент Шарпа снижаются по мере увеличения периода владения акциями с 3 до 12 месяцев. В работе делается вывод о том, что инвесторы должны тщательно учитывать как метрики импульса, так и длительность периода владения, чтобы сбалансировать потенциал доходности и управление рисками в инвестиционных стратегиях, основанных на импульсе.
Размышления:
Эта статья полна глубоких идей, что делает ее очевидным выбором, чтобы выделить ее в первую очередь. В ней описаны четыре различные стратегии импульсных инвестиций (моментум), каждая из которых обеспечивает коэффициент Шарпа, превышающий аналогичный показатель широкого рынка.
Динамика с поправкой на волатильность уточняет традиционную динамику, деля доходность на волатильность базового актива в течение периода, а идиосинкразическая динамика фокусируется на сегменте доходности акций, не объясняемом общими факторами риска, такими как рынок, размер и стоимость.
На данный момент вы все знаете, как сильно я люблю аномалию импульса (и, похоже, вы тоже, судя по опросам), что делает эту статью еще более привлекательной для изучения. Я определенно буду проверять результаты самостоятельно, как я это делаю с некоторыми другими работами. Дайте мне знать, если кто-то из вас захочет ознакомиться с результатами!
Корпоративные облигации
Вновь добавленные в S&P 500 компании и показатели облигаций
Название статьи: Раскрывая тайны: Как пересмотр индекса S&P 500 раскрывает больше информации через реакцию цен на облигации
Резюме:
В работе показано, что цены на облигации, как и цены на акции, демонстрируют асимметричную реакцию на добавления и исключения из S&P 500. В исследовании отмечается значительный рост цен на облигации после объявления о добавлении, в то время как доходность облигаций после объявления об исключении не является статистически значимой.
Кроме того, исследование показывает, что компании с более низким кредитным рейтингом (спекулятивный / высокодоходный) сильнее реагируют на пересмотр индекса по сравнению с компаниями с более высоким кредитным рейтингом (инвестиционный). В частности, ценные бумаги спекулятивного класса демонстрируют более высокую положительную аномальную доходность после объявления о добавлении индекса и более высокую отрицательную аномальную доходность после объявления об исключении индекса.
Исследование также показало, что у компаний со спекулятивным рейтингом наблюдается более значительное увеличение прибыли, а их кредитный рейтинг с большей вероятностью будет повышен после добавления в S&P 500 по сравнению с компаниями с инвестиционным рейтингом.
Размышления:
Это увлекательная статья, в которой представлена простая торговая стратегия, не требующая технических навыков. Она подчеркивает важность информирования о последних научных исследованиях, поскольку практически каждый может принять в ней участие, покупая корпоративные облигации крупных компаний.
Интересно, что в то время как покупка облигаций компаний, собирающихся войти в S&P 500, приносит значительный доход (особенно для компаний с более низким кредитным рейтингом), короткая продажа облигаций компаний, выходящих из индекса, не приносит статистически значимой прибыли (что важно знать). Многие трейдеры сосредоточены исключительно на акциях, но данное исследование подчеркивает, что другие классы активов имеют неиспользованные возможности.
Исследование рынка акций
Ценность исследований Sell-side
Название статьи: Ценность информации от аналитиков Sell-side
Резюме:
В работе показано, что текстовая информация в отчетах аналитиков является более ценной, чем количественные прогнозы, объясняя 10,19% вариации 3-дневной кумулятивной аномальной доходности акций (CAR) вне выборки, по сравнению с 9,01%, объясняемыми только числовой информацией. При сочетании текстовой и числовой информации объясняющая способность для CAR возрастает до 12,28%.
С помощью декомпозиции по Шэпли в работе показано, что анализ отчета о прибылях и убытках является наиболее информативным контентом в отчетах аналитиков, на который приходится более половины всей объясняющей способности. Информационная ценность аналитических отчетов достигает максимума в первую неделю после объявления прибыли. По оценкам авторов исследования, ранний доступ к отчетам аналитиков может привести к совокупной информационной ценности в размере 6,89 млн долларов в год для средней компании из списка S&P 100.
Размышления:
Уолл-стрит по-прежнему расходится во мнениях относительно ценности аналитических отчетов. Одни компании, несомненно, видят их ценность, поскольку продолжают «платить» за эти исследования, в то время как другие утверждают, что эти отчеты не дают особых преимуществ, поскольку информация широко доступна для инвесторов.
В данной статье мы находим истину в обеих точках зрения. Отчеты Sell-side действительно содержат ценные сведения, но их полезность быстро исчезает после публикации. Ранний доступ, несомненно, был бы выгоден, но, будем честны, другие клиенты этого не оценят, а нарушать правило 2241 FINRA (или привлекать внимание SEC) не входит в список желаний каждого.
Частный капитал
Доходность с поправкой на риск в частном капитале
Название статьи: Частный капитал для пенсионных планов? Оценка эффективности прямых инвестиций с точки зрения инвестора
Резюме:
В статье рассматривается эффективность частных инвестиций в акционерный капитал (PE) с точки зрения государственных пенсионных планов США. Авторы обнаружили, что в среднем пенсионные планы не получили бы значительной выгоды от изменения своего распределения в репрезентативный фонд PE в течение выборочного периода. Однако при рассмотрении отдельных стратегий фонды выкупа демонстрируют положительный GIPE (показатель эффективности, используемый для оценки прямых инвестиций с точки зрения конкретного инвестора), что свидетельствует о потенциальной выгоде от увеличения их размещения. Положительный GIPE для фондов выкупа частично объясняется их подверженностью стоимостным акциям.
Авторы также не обнаружили никаких доказательств маркет-тайминга пенсионных планов. Хотя пенсионные планы и добились более высокой доходности с поправкой на риск в фондах PE, в которые они напрямую инвестировали, по сравнению со средним фондом того же периода, это, по-видимому, объясняется преимущественным доступом к высококачественным менеджерам PE, а не умением выбирать. Этот вывод подтверждается тем, что преимущество исчезает, если рассматривать инвестиции, которые являются продолжением текущих отношений с менеджерами PE-фондов, или если рассматривать фонды, впервые созданные.
Размышления:
Это глубокая статья с точки зрения институциональных инвесторов в частные инвестиции. Пенсионные фонды, обладающие значительным капиталом и нуждающиеся в долгосрочной прибыли, часто находят частный капитал привлекательным из-за его предполагаемого отсутствия корреляции с более широкими рынками и потенциала для получения более высокой прибыли.
При этом исследование показывает, что в большинстве случаев пенсионные фонды не получили бы существенной выгоды от перераспределения инвестиций в фонды прямых инвестиций. Однако наиболее эффективные управляющие фондами прямых инвестиций неизменно превосходят своих коллег, а долгосрочные инвестиционные горизонты и запасы капитала пенсионных фондов делают их вполне подходящими для сотрудничества с этими элитными фондами.
Глубокое обучение
Long-Short инвестирование с помощью глубокого обучения
Название статьи: Глубокое обучение при распределении Long-Short портфеля акций: Эмпирическое исследование
Резюме:
В статье рассматривается использование четырех моделей глубокого обучения - MLP, CNN, LSTM и Transformer - для прогнозирования доходности акций и их влияние на эффективность Long-Short портфелей. Исследователи создали два портфеля, один из S&P 500 и один из NASDAQ, используя ежедневные данные о ценах на акции за 10 лет по 10 случайно выбранным акциям из каждого индекса. Модели обучались по четырем характеристикам - дневной доходности, RSI, объему торгов и волатильности - и затем использовались для прогнозирования дневной доходности в течение двухлетнего тестового периода. Портфели создавались путем длинных позиций акций с положительным прогнозом доходности и коротких позиций акций с отрицательным прогнозом, с равным весом каждой акции.
Модель Transformer показала наилучшие общие результаты для портфеля S&P 500, в то время как модель LSTM немного превзошла остальные модели для портфеля NASDAQ. В исследовании делается вывод, что модели глубокого обучения, в частности LSTM и Transformer, могут эффективно прогнозировать доходность акций, что приводит к улучшению показателей портфеля с более высокой доходностью, более эффективному управлению рисками и снижению максимальной просадки.
Размышления:
Обычно, когда я слышу «Long-Short инвестирование», у меня в голове сразу же возникают команды аналитиков, проводящих глубокие фундаментальные исследования отдельных компаний, чтобы сделать действенные выводы. Хотя некоторые управляющие хедж-фондами, несомненно, используют передовые методы моделирования, эта статья подчеркивает потенциальную выгоду от внедрения глубокого обучения в этот процесс.
Для тех, кто не знает, большие языковые модели (LLM), такие как ChatGPT, представляют собой разновидность архитектуры Transformer. В последнее время я освещаю довольно много работ, посвященных использованию ИИ на финансовых рынках, но это просто потому, что академические круги проводят революционные исследования в этой области. И, честно говоря, я считаю своим долгом поделиться этими открытиями - будущие инновации ИИ, вероятно, изменят наш мир так, как мы даже не можем себе представить.
Превосходство моментума в индийских акциях
Название статьи: Оттенки моментума: Альтернативные метрики моментума и их рассеивание в индийских акциях
Резюме:
В статье рассматриваются четыре различные метрики импульса на индийском рынке акций: академический импульс, импульс с поправкой на волатильность, идиосинкразический импульс и импульс информационной дискретности. Анализ, охватывающий данные с декабря 2008 года по сентябрь 2024 года, показывает, что все четыре метрики успешно отражают эффекты импульса, но идиосинкразический импульс обеспечивает самый высокий коэффициент Шарпа (1,73), что свидетельствует о более высоких показателях с поправкой на риск.
Исследование также показывает, что со временем эффект импульса рассеивается, а доходность и коэффициент Шарпа снижаются по мере увеличения периода владения акциями с 3 до 12 месяцев. В работе делается вывод о том, что инвесторы должны тщательно учитывать как метрики импульса, так и длительность периода владения, чтобы сбалансировать потенциал доходности и управление рисками в инвестиционных стратегиях, основанных на импульсе.
Размышления:
Эта статья полна глубоких идей, что делает ее очевидным выбором, чтобы выделить ее в первую очередь. В ней описаны четыре различные стратегии импульсных инвестиций (моментум), каждая из которых обеспечивает коэффициент Шарпа, превышающий аналогичный показатель широкого рынка.
Динамика с поправкой на волатильность уточняет традиционную динамику, деля доходность на волатильность базового актива в течение периода, а идиосинкразическая динамика фокусируется на сегменте доходности акций, не объясняемом общими факторами риска, такими как рынок, размер и стоимость.
На данный момент вы все знаете, как сильно я люблю аномалию импульса (и, похоже, вы тоже, судя по опросам), что делает эту статью еще более привлекательной для изучения. Я определенно буду проверять результаты самостоятельно, как я это делаю с некоторыми другими работами. Дайте мне знать, если кто-то из вас захочет ознакомиться с результатами!
Корпоративные облигации
Вновь добавленные в S&P 500 компании и показатели облигаций
Название статьи: Раскрывая тайны: Как пересмотр индекса S&P 500 раскрывает больше информации через реакцию цен на облигации
Резюме:
В работе показано, что цены на облигации, как и цены на акции, демонстрируют асимметричную реакцию на добавления и исключения из S&P 500. В исследовании отмечается значительный рост цен на облигации после объявления о добавлении, в то время как доходность облигаций после объявления об исключении не является статистически значимой.
Кроме того, исследование показывает, что компании с более низким кредитным рейтингом (спекулятивный / высокодоходный) сильнее реагируют на пересмотр индекса по сравнению с компаниями с более высоким кредитным рейтингом (инвестиционный). В частности, ценные бумаги спекулятивного класса демонстрируют более высокую положительную аномальную доходность после объявления о добавлении индекса и более высокую отрицательную аномальную доходность после объявления об исключении индекса.
Исследование также показало, что у компаний со спекулятивным рейтингом наблюдается более значительное увеличение прибыли, а их кредитный рейтинг с большей вероятностью будет повышен после добавления в S&P 500 по сравнению с компаниями с инвестиционным рейтингом.
Размышления:
Это увлекательная статья, в которой представлена простая торговая стратегия, не требующая технических навыков. Она подчеркивает важность информирования о последних научных исследованиях, поскольку практически каждый может принять в ней участие, покупая корпоративные облигации крупных компаний.
Интересно, что в то время как покупка облигаций компаний, собирающихся войти в S&P 500, приносит значительный доход (особенно для компаний с более низким кредитным рейтингом), короткая продажа облигаций компаний, выходящих из индекса, не приносит статистически значимой прибыли (что важно знать). Многие трейдеры сосредоточены исключительно на акциях, но данное исследование подчеркивает, что другие классы активов имеют неиспользованные возможности.
Исследование рынка акций
Ценность исследований Sell-side
Название статьи: Ценность информации от аналитиков Sell-side
Резюме:
В работе показано, что текстовая информация в отчетах аналитиков является более ценной, чем количественные прогнозы, объясняя 10,19% вариации 3-дневной кумулятивной аномальной доходности акций (CAR) вне выборки, по сравнению с 9,01%, объясняемыми только числовой информацией. При сочетании текстовой и числовой информации объясняющая способность для CAR возрастает до 12,28%.
С помощью декомпозиции по Шэпли в работе показано, что анализ отчета о прибылях и убытках является наиболее информативным контентом в отчетах аналитиков, на который приходится более половины всей объясняющей способности. Информационная ценность аналитических отчетов достигает максимума в первую неделю после объявления прибыли. По оценкам авторов исследования, ранний доступ к отчетам аналитиков может привести к совокупной информационной ценности в размере 6,89 млн долларов в год для средней компании из списка S&P 100.
Размышления:
Уолл-стрит по-прежнему расходится во мнениях относительно ценности аналитических отчетов. Одни компании, несомненно, видят их ценность, поскольку продолжают «платить» за эти исследования, в то время как другие утверждают, что эти отчеты не дают особых преимуществ, поскольку информация широко доступна для инвесторов.
В данной статье мы находим истину в обеих точках зрения. Отчеты Sell-side действительно содержат ценные сведения, но их полезность быстро исчезает после публикации. Ранний доступ, несомненно, был бы выгоден, но, будем честны, другие клиенты этого не оценят, а нарушать правило 2241 FINRA (или привлекать внимание SEC) не входит в список желаний каждого.
Частный капитал
Доходность с поправкой на риск в частном капитале
Название статьи: Частный капитал для пенсионных планов? Оценка эффективности прямых инвестиций с точки зрения инвестора
Резюме:
В статье рассматривается эффективность частных инвестиций в акционерный капитал (PE) с точки зрения государственных пенсионных планов США. Авторы обнаружили, что в среднем пенсионные планы не получили бы значительной выгоды от изменения своего распределения в репрезентативный фонд PE в течение выборочного периода. Однако при рассмотрении отдельных стратегий фонды выкупа демонстрируют положительный GIPE (показатель эффективности, используемый для оценки прямых инвестиций с точки зрения конкретного инвестора), что свидетельствует о потенциальной выгоде от увеличения их размещения. Положительный GIPE для фондов выкупа частично объясняется их подверженностью стоимостным акциям.
Авторы также не обнаружили никаких доказательств маркет-тайминга пенсионных планов. Хотя пенсионные планы и добились более высокой доходности с поправкой на риск в фондах PE, в которые они напрямую инвестировали, по сравнению со средним фондом того же периода, это, по-видимому, объясняется преимущественным доступом к высококачественным менеджерам PE, а не умением выбирать. Этот вывод подтверждается тем, что преимущество исчезает, если рассматривать инвестиции, которые являются продолжением текущих отношений с менеджерами PE-фондов, или если рассматривать фонды, впервые созданные.
Размышления:
Это глубокая статья с точки зрения институциональных инвесторов в частные инвестиции. Пенсионные фонды, обладающие значительным капиталом и нуждающиеся в долгосрочной прибыли, часто находят частный капитал привлекательным из-за его предполагаемого отсутствия корреляции с более широкими рынками и потенциала для получения более высокой прибыли.
При этом исследование показывает, что в большинстве случаев пенсионные фонды не получили бы существенной выгоды от перераспределения инвестиций в фонды прямых инвестиций. Однако наиболее эффективные управляющие фондами прямых инвестиций неизменно превосходят своих коллег, а долгосрочные инвестиционные горизонты и запасы капитала пенсионных фондов делают их вполне подходящими для сотрудничества с этими элитными фондами.
Глубокое обучение
Long-Short инвестирование с помощью глубокого обучения
Название статьи: Глубокое обучение при распределении Long-Short портфеля акций: Эмпирическое исследование
Резюме:
В статье рассматривается использование четырех моделей глубокого обучения - MLP, CNN, LSTM и Transformer - для прогнозирования доходности акций и их влияние на эффективность Long-Short портфелей. Исследователи создали два портфеля, один из S&P 500 и один из NASDAQ, используя ежедневные данные о ценах на акции за 10 лет по 10 случайно выбранным акциям из каждого индекса. Модели обучались по четырем характеристикам - дневной доходности, RSI, объему торгов и волатильности - и затем использовались для прогнозирования дневной доходности в течение двухлетнего тестового периода. Портфели создавались путем длинных позиций акций с положительным прогнозом доходности и коротких позиций акций с отрицательным прогнозом, с равным весом каждой акции.
Модель Transformer показала наилучшие общие результаты для портфеля S&P 500, в то время как модель LSTM немного превзошла остальные модели для портфеля NASDAQ. В исследовании делается вывод, что модели глубокого обучения, в частности LSTM и Transformer, могут эффективно прогнозировать доходность акций, что приводит к улучшению показателей портфеля с более высокой доходностью, более эффективному управлению рисками и снижению максимальной просадки.
Размышления:
Обычно, когда я слышу «Long-Short инвестирование», у меня в голове сразу же возникают команды аналитиков, проводящих глубокие фундаментальные исследования отдельных компаний, чтобы сделать действенные выводы. Хотя некоторые управляющие хедж-фондами, несомненно, используют передовые методы моделирования, эта статья подчеркивает потенциальную выгоду от внедрения глубокого обучения в этот процесс.
Для тех, кто не знает, большие языковые модели (LLM), такие как ChatGPT, представляют собой разновидность архитектуры Transformer. В последнее время я освещаю довольно много работ, посвященных использованию ИИ на финансовых рынках, но это просто потому, что академические круги проводят революционные исследования в этой области. И, честно говоря, я считаю своим долгом поделиться этими открытиями - будущие инновации ИИ, вероятно, изменят наш мир так, как мы даже не можем себе представить.
(C) Источник
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба