Estratégias quantitativas de negociação de ações

S T R E E T DE W A L L S.

Tipos de Estratégias Quantitativas de Negociação de Fundos de Hedge.

Quant Hedge Funds vem em todas as formas e tamanhos - de pequenas empresas com empregados que numeram na adolescência, para fundos internacionais com presença em três continentes. Uma base de ativos maiores não se correlaciona necessariamente com um número maior de funcionários; em vez disso, a equipe do Hedge Fund provavelmente é uma função do número de estratégias que emprega. Quant Hedge Funds pode se concentrar em ações, renda fixa ou outras classes de ativos, embora raramente um Quant Hedge Fund esteja envolvido em uma estratégia de longo prazo de seleção de ações individualmente, sem cobertura. Muitos CTAs ou “Consultores de Negociação de Commodities” também seriam considerados Quant Hedge Funds, dado o seu papel na compra ou venda de contratos futuros, opções de futuros ou contratos de forex off-exchange de varejo (ou aconselhamento a outros para negociar nessas commodities).

A tabela a seguir fornece mais detalhes sobre diferentes tipos de estratégias de investimento em Hedge Funds; é importante notar que as versões quantitativas e não quantitativas de quase todos esses estilos de investimento Hedge Fund podem ser construídas:

Relative Value Trading vs. Directional Trading.

As abordagens de negociação / investimento Quantitative Hedge Fund se enquadram em uma das duas categorias: as que utilizam as estratégias de Valor Relativo e aquelas cujas estratégias serão caracterizadas como Direcional. Ambas as estratégias utilizam fortemente modelos de computador e software estatístico.

As estratégias de Relative Value tentam capitalizar relacionamentos de preços previsíveis (muitas vezes - relacionamentos de retorno) entre múltiplos ativos (por exemplo, a relação entre os rendimentos de curto prazo do Tesouro dos EUA vs. os rendimentos de longo prazo do Tesouro dos EUA ou a relação no implícito volatilidade em dois contratos de opção diferentes). As estratégias direcionais, entretanto, normalmente são baseadas em caminhos baseados em tendências ou outros padrões, sugestivos de impulso ascendente ou descendente para uma garantia ou conjunto de valores mobiliários (por exemplo, apostando que os rendimentos de longo prazo dos títulos do Tesouro dos EUA aumentarão ou que a volatilidade implícita declínio).

Relative Value Strategies.

Os exemplos comuns de estratégias de Relativo de Valor incluem a colocação de apostas relativas (ou seja, comprar um bem e vender outro) em ativos cujos preços estão intimamente vinculados:

Títulos governamentais de dois países diferentes Títulos do governo de dois prazos diferentes até o vencimento Títulos de obrigações de capital corporativo versus títulos hipotecários O diferencial de volatilidade implícita entre dois derivativos. Preços de ações versus preços de títulos para um emissor de títulos corporativos. Diferenças de rendimento de obrigações de capital vs. Swap de inadimplência de crédito (CDS ) se espalha.

A lista de estratégias de valor relativo potencial é muito longa; acima são apenas alguns exemplos. Existem três estratégias de Valor Relativo muito importantes e comummente utilizadas para se conscientizar, no entanto:

Arbitragem estatística: negociação de uma tendência de reversão média dos valores de cestas semelhantes de ativos com base em relações comerciais históricas. Uma forma comum de Arbitragem Estatística, ou "Arat Stat", "trading", é conhecida como Equity Market Neutral trading. Nesta estratégia, duas cestas de ações são escolhidas (uma cesta "longa" e uma cesta "curta"), com o objetivo de que os pesos relativos das duas cestas saiam do fundo com exposição líquida zero a vários fatores de risco (indústria, geografia, setor, etc. .) Stat Arb também pode envolver a negociação de um índice contra um ETF similar, ou um índice versus ações de uma única empresa. Arbitragem convertível: compra de emissões de obrigações convertíveis por uma empresa e simultaneamente venda das ações ordinárias da mesma empresa, com a idéia de que, se o estoque de uma determinada empresa declinar, o lucro da posição curta compensará mais do que qualquer perda na posição de títulos convertíveis, dado o valor do vínculo convertível como instrumento de renda fixa. De igual modo, em qualquer movimento ascendente das ações ordinárias, o fundo pode lucrar com a conversão de suas obrigações convertíveis em ações, vendendo essas ações no mercado valor por um valor que exceda todas as perdas em sua posição curta. Arbitragem de Renda Fixa: negociação de títulos de renda fixa em mercados de títulos desenvolvidos para explorar anomalias de taxa de juros relativos percebidas. Posições de Arbitragem de Renda Fixa podem usar títulos do governo, swaps de taxa de juros e futuros de taxa de juros. Um exemplo popular desse estilo de negociação em arbitragem de renda fixa é o "comércio de base", no qual um vende (compra) futuros do Tesouro e compra ( vende uma quantidade correspondente do potencial entregável. В Aqui, está a considerar a diferença entre o preço à vista de uma obrigação e o preço do contrato futuro ajustado (fator de conversão do preço de futuros) e a negociação dos pares de ativos em conformidade.

Estratégias direcionais.

As estratégias de negociação direcional, entretanto, geralmente se baseiam em caminhos de tendências ou outros motivos baseados em padrões sugerentes de impulso ascendente ou descendente para um preço de segurança. O comércio direcional geralmente incorporará algum aspecto da Análise Técnica ou "cartografia". Isso envolve a previsão da direção de preços através do estudo dos preços do mercado passado e do volume de dados do mercado. A "negociação" que está sendo negociada pode ser a de um bem em si (dinamismo nos preços das ações, por exemplo, ou a taxa de câmbio do euro / dólar norte-americano) ou um fator que afeta diretamente a o próprio preço dos ativos (por exemplo, volatilidade implícita para opções ou taxas de juros para títulos do governo).

A negociação técnica também pode incluir o uso de médias móveis, bandas em torno do desvio padrão histórico de preços, níveis de suporte e resistência e taxas de mudança. Normalmente, os indicadores técnicos não constituiriam a única base para o investimento de um Fundo Quantitativo de Hedge estratégia; Os Quante Hedge Funds empregam muitos fatores adicionais além das informações históricas sobre preço e volume. Em outras palavras, os Fundos Quantitativos de Hedge que empregam estratégias de negociação direcional geralmente têm estratégias quantitativas gerais que são muito mais sofisticadas do que a Análise Técnica geral.

Isso não é para sugerir que os comerciantes do dia não possam lucrar com a Análise Técnica - pelo contrário, muitas estratégias de negociação baseadas em impulso podem ser lucrativas. Assim, para os fins deste módulo de treinamento, as referências às estratégias de negociação Quant Hedge Fund não incluirão apenas estratégias baseadas em análise técnica.

Outras estratégias quantitativas.

Outras abordagens comerciais quantitativas que não são facilmente categorizadas como estratégias de Relative Value ou estratégias direcionais incluem:

Negociação de alta freqüência, onde os comerciantes tentam tirar proveito das discrepâncias de preços entre múltiplas plataformas com muitas negociações ao longo do dia. As estratégias de volatilidade administrada usam futuros e contratos a prazo para se concentrar na geração de retornos absolutos baixos, estáveis ​​e LIBOR-plus, aumentando ou diminuindo a número de contratos dinamicamente à medida que as volatilidades subjacentes das ações, títulos e outros mercados mudam. Estratégias de volatilidade gerenciadas ganharam popularidade nos últimos anos devido à recente instabilidade dos mercados de ações e títulos. & larr; O que é um Fundo de cobertura quantitativo? Top Quantitative Hedge Funds & rarr;

Negociação quantitativa.

O que é 'Negociação Quantitativa'

Negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e crunching de números para identificar oportunidades comerciais. Como a negociação quantitativa é geralmente utilizada por instituições financeiras e fundos de hedge, as transações geralmente são de grande porte e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, a negociação quantitativa está sendo mais usada pelos investidores individuais.

BREAKING 'Quantitative Trading'

As técnicas quantitativas de negociação incluem comércio de alta freqüência, negociação algorítmica e arbitragem estatística. Essas técnicas são rápidas e tipicamente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.

Compreender a negociação quantitativa.

Os comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bases de dados abrangentes para tomar decisões comerciais racionais.

Os comerciantes quantitativos tomam uma técnica de negociação e criam um modelo dele usando a matemática, e então eles desenvolvem um programa de computador que aplica o modelo aos dados históricos do mercado. O modelo é então testado e otimizado. Se os resultados favoráveis ​​forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.

A maneira como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um relatório meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol está brilhando. O meteorologista deriva essa conclusão contra-intuitiva coletando e analisando dados climáticos de sensores em toda a área. Uma análise quantitativa computadorizada revela padrões específicos nos dados. Quando esses padrões são comparados com os mesmos padrões revelados em dados climáticos históricos (backtesting), e 90 de 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90%. Os comerciantes quantitativos aplicam esse mesmo processo ao mercado financeiro para tomar decisões comerciais.

Vantagens e desvantagens da negociação quantitativa.

O objetivo da negociação é calcular a ótima probabilidade de executar um comércio lucrativo. Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais em uma quantidade limitada de títulos antes que a quantidade de dados recebidos superem o processo de tomada de decisão. O uso de técnicas de negociação quantitativas ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.

A superação da emoção é um dos problemas mais comuns na negociação. Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então o comércio quantitativo elimina esse problema.

Negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativa devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente rentáveis ​​para a condição de mercado para o qual eles foram desenvolvidos, mas eles finalmente falham quando as condições do mercado mudam.

Quant Strategies - São para você?

As estratégias quantitativas de investimento evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam aos 70 anos. Geralmente são executados por equipes altamente educadas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Existem até programas disponíveis que são plug-and-play para quem procura simplicidade. Quant modelos sempre funcionam bem quando testados, mas suas aplicações reais e taxa de sucesso são discutíveis. Embora pareçam funcionar bem nos mercados de touro, quando os mercados se afastam, as estratégias de quant estão sujeitas aos mesmos riscos que qualquer outra estratégia.

[As estratégias quantitativas de investimento tornaram-se extremamente populares entre os comerciantes do dia, mas elas não são as únicas estratégias que os comerciantes usam para obter lucro consistente. O Curso de Tradutor de Torneios de Dia da Invastopedia descreve uma estratégia comprovada que inclui seis tipos de negócios, juntamente com estratégias de gerenciamento de risco. Com mais de cinco horas de vídeo sob demanda, exercícios e conteúdo interativo, você ganhará as habilidades necessárias para negociar qualquer segurança em qualquer mercado.]

Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton. Você só pode imaginar o quão difícil e demorado o processo foi antes do uso de computadores. Outras teorias em finanças também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação do portfólio com base na moderna teoria da carteira. O uso de financiamento e cálculo quantitativo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de preços de opções Black-Scholes, que não só ajuda as opções de preços dos investidores e desenvolver estratégias, mas também ajuda a manter os mercados em risco com liquidez.

Quando aplicado diretamente ao gerenciamento de portfólio, o objetivo é como qualquer outra estratégia de investimento: agregar valor, alfa ou excesso de retorno. Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento. Existem tantos modelos por aí como quants que os desenvolvem, e todos afirmam ser os melhores. Um dos pontos mais vendidos da estratégia de investimento de quant é que o modelo e, finalmente, o computador, fazem a decisão de compra / venda real, não um humano. Isso tende a remover qualquer resposta emocional que uma pessoa possa experimentar ao comprar ou vender investimentos.

As estratégias Quant são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, hedge funds e investidores institucionais. Eles geralmente passam pelo nome de geradores alfa, ou alfa gens.

Assim como no "The Wizard of Oz", alguém está atrás da cortina que conduz o processo. Tal como acontece com qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam quant modelos combinam as habilidades de analistas de investimentos, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia.

Historicamente, esses membros da equipe trabalharam nos back-office, mas, à medida que os modelos quant tornam-se mais comuns, o back office está se movendo para o front office.

Benefícios de Quant Strategies.

Embora a taxa de sucesso global seja discutível, o motivo de algumas estratégias de quant é funcionar é que elas são baseadas em disciplina. Se o modelo for certo, a disciplina mantém a estratégia trabalhando com computadores com velocidade relâmpada para explorar ineficiências nos mercados com base em dados quantitativos. Os próprios modelos podem basear-se em apenas alguns ratios como P / E, dívida para patrimônio e crescimento de ganhos, ou usar milhares de insumos trabalhando juntos ao mesmo tempo.

Estratégias bem-sucedidas podem adotar as tendências em seus estágios iniciais, pois os computadores constantemente correm cenários para localizar ineficiências antes que outros o façam. Os modelos são capazes de analisar simultaneamente um grande grupo de investimentos, onde o analista tradicional pode estar olhando apenas alguns por vez. O processo de triagem pode avaliar o universo por níveis como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito direto investindo nos investimentos altamente cotados e vendendo os mais baixos.

Os modelos Quant também abrem variações de estratégias como longas, curtas e longas / curtas. Os fundos cuidadosos bem sucedidos mantêm um olho no controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa as ponderações setoriais e industriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o próprio modelo. Os fundos Quant geralmente funcionam com base em custos mais baixos porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los.

Desvantagens de Quant Strategies.

Há razões pelas quais tantos investidores não aceitam completamente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos bem sucedidos da quantia lá fora, apenas muitos parecem ser infrutíferos. Infelizmente para a reputação dos quants, quando eles falham, eles falham em grande momento.

O Gerenciamento de Capital de Longo Prazo foi um dos mais famosos fundos hedge quant, já que foi dirigido por alguns dos líderes acadêmicos mais respeitados e dois economistas vencedores do Prêmio Nobel, Myron S. Scholes e Robert C. Merton. Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não só explorarem ineficiências, mas usando fácil acesso ao capital para criar apostas alavancadas enormes nas direções do mercado.

A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso. A Administração de Capital de Longo Prazo foi liquidada e dissolvida no início de 2000. Os modelos não incluíram a possibilidade de o governo russo estar inadimplente em algumas das suas próprias dívidas. Este evento desencadeou eventos e uma reação em cadeia ampliada por estragos criados por alavancagem. LTCM estava tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. A longo prazo, o Federal Reserve entrou para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Esta é uma das razões pelas quais os fundos quantitativos podem falhar, pois eles são baseados em eventos históricos que podem não incluir eventos futuros.

Enquanto uma equipe de quantos forte estará constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro sempre. Quant fundos também podem se surpreender quando a economia e os mercados estão passando por uma volatilidade maior do que a média. Os sinais de compra e venda podem vir tão rapidamente que o alto volume de negócios pode gerar altas comissões e eventos tributáveis. Os fundos Quant também podem representar um perigo quando são comercializados como resistentes ao incômodo ou baseados em estratégias curtas. Prever as desacelerações, usar derivadas e combinar alavancagem pode ser perigoso. Uma vez errada pode levar a implosões, que muitas vezes fazem as novidades.

As estratégias quantitativas de investimento evoluíram de caixas pretas de back office para ferramentas de investimento convencionais. Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos, tanto para explorar ineficiências quanto para utilizar a alavancagem para fazer apostas no mercado. Eles podem ter muito sucesso se os modelos incluíram todas as entradas certas e são ágeis o suficiente para prever eventos anormais do mercado. Por outro lado, enquanto os fundos quantitativos são rigorosamente testados até que eles funcionam, sua fraqueza é que eles dependem de dados históricos para o seu sucesso. Embora o investimento em estilo de quantum tenha seu lugar no mercado, é importante estar atento às suas deficiências e riscos. Para ser consistente com as estratégias de diversificação, é uma boa idéia tratar estratégias quantitativas como um estilo de investimento e combiná-lo com estratégias tradicionais para alcançar uma diversificação adequada.

Guia do principiante para negociação quantitativa.

Guia do principiante para negociação quantitativa.

Neste artigo, vou apresentá-lo a alguns dos conceitos básicos que acompanham um sistema de negociação quantitativa de ponta a ponta. Espera-se que este post atenda a dois públicos-alvo. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. A segunda será pessoas que desejam tentar montar seu próprio negócio de comércio algorítmico "de varejo".

A negociação quantitativa é uma área extremamente sofisticada de finanças quânticas. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas exige uma ampla experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência comercial da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, ser familiar com C / C ++ será de suma importância.

Um sistema de comércio quantitativo consiste em quatro componentes principais:

Identificação Estratégica - Encontrando uma estratégia, explorando uma vantagem e decidindo sobre a frequência de negociação Backtesting da estratégia - Obtendo dados, analisando o desempenho da estratégia e removendo vieses Sistema de Execução - Vinculando a uma corretora, automatizando a negociação e minimizando custos de transação tamanho da aposta "/ critério Kelly e psicologia comercial.

Começaremos dando uma olhada em como identificar uma estratégia de negociação.

Identificação de Estratégia.

Todos os processos de negociação quantitativos começam com um período inicial de pesquisa. Este processo de pesquisa engloba encontrar uma estratégia, verificando se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo quaisquer dados necessários para testar a estratégia e tentando otimizar a estratégia para retornos mais altos e / ou menor risco. Você precisará avaliar seus próprios requisitos de capital se estiver executando a estratégia como um comerciante "varejista" e como qualquer custo de transação afetará a estratégia.

Ao contrário da crença popular, é bastante simples encontrar estratégias lucrativas por meio de várias fontes públicas. Os acadêmicos publicam periodicamente resultados teóricos de negociação (embora na maioria dos custos brutos de transação). Os blogs de finanças quantitativas discutirão estratégias em detalhes. As revistas comerciais descreverão algumas das estratégias empregadas pelos fundos.

Você pode questionar por que indivíduos e empresas estão interessados ​​em discutir suas estratégias rentáveis, especialmente quando sabem que outros "aglomerando o comércio" podem impedir a estratégia de trabalhar no longo prazo. A razão está no fato de que eles geralmente não discutem os parâmetros exatos e os métodos de ajuste que eles realizaram. Essas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma altamente rentável. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar seu próprio procedimento de otimização.

Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia:

Muitas das estratégias que você olhará cairão nas categorias de reversão média e tendência / impulso. Uma estratégia de reversão à média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma "série de preços" (como o spread entre dois ativos correlatos) e que os desvios de curto prazo dessa média acabarão sendo revertidos. Uma estratégia de momentum tenta explorar tanto a psicologia do investidor quanto a grande estrutura de fundos, "pegando carona" em uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela se reverta.

Outro aspecto extremamente importante da negociação quantitativa é a freqüência da estratégia de negociação. A negociação de baixa freqüência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais tempo do que um dia de negociação. Correspondentemente, a negociação de alta frequência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Ultra-high frequency trading (UHFT) refere-se a estratégias que possuem ativos na ordem de segundos e milissegundos. Como profissionais de varejo, HFT e UHFT certamente são possíveis, mas apenas com conhecimento detalhado da "pilha de tecnologia" e da dinâmica do livro de pedidos. Não vamos discutir esses aspectos em grande medida neste artigo introdutório.

Uma vez que uma estratégia, ou conjunto de estratégias, foi identificado, agora precisa ser testado quanto à lucratividade em dados históricos. Esse é o domínio do backtesting.

Teste de estratégia.

O objetivo do backtesting é fornecer evidências de que a estratégia identificada por meio do processo acima é lucrativa quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia será realizada no "mundo real". No entanto, backtesting não é garantia de sucesso, por várias razões. É talvez a área mais sutil do comércio quantitativo, uma vez que implica inúmeros vieses, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de viés, incluindo viés avançado, viés de sobrevivência e viés de otimização (também conhecido como viés de dados). Outras áreas de importância dentro do backtesting incluem a disponibilidade e a limpeza de dados históricos, levando em consideração custos de transação realistas e decidindo sobre uma plataforma robusta de backtesting. Discutiremos os custos de transação ainda mais na seção Sistemas de Execução abaixo.

Uma vez que uma estratégia tenha sido identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Seus custos geralmente variam de acordo com a qualidade, profundidade e pontualidade dos dados. O ponto de partida tradicional para os comerciantes quantos iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuitos da Yahoo Finance. Não vou me debruçar muito sobre fornecedores aqui, em vez disso, gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos.

As principais preocupações com dados históricos incluem precisão / limpeza, viés de sobrevivência e ajuste para ações corporativas, como dividendos e divisões de ações:

Precisão pertence à qualidade geral dos dados - se contém algum erro. Os erros às vezes podem ser fáceis de identificar, como, por exemplo, com um filtro de espiga, que irá escolher "picos" incorretos em dados da série temporal e corrigi-los. Em outras ocasiões, podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência geralmente é uma "característica" de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não estão mais negociados. No caso de ações, isso significa ações excluídas / falidas. Este viés significa que qualquer estratégia de negociação de ações testada em tal conjunto de dados provavelmente funcionará melhor do que no "mundo real", já que os "vencedores" históricos já foram pré-selecionados. As ações corporativas incluem atividades "logísticas" realizadas pela empresa que geralmente causam uma mudança de função gradual no preço bruto, que não deve ser incluído no cálculo dos retornos do preço. Ajustes para dividendos e desdobramentos são os culpados comuns. Um processo conhecido como ajuste de volta é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir um estoque de divisão com um verdadeiro ajuste de retorno. Muitos comerciantes foram pegos por uma ação corporativa!

Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a escolha entre softwares backtest dedicados, como o Tradestation, uma plataforma numérica como o Excel ou o MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C ++. Não vou demorar muito na Tradestation (ou similar), no Excel ou no MATLAB, pois acredito na criação de uma pilha de tecnologia interna completa (por razões descritas abaixo). Um dos benefícios de o fazer é que o software de backtest e o sistema de execução podem ser bem integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias HFT em particular, é essencial usar uma implementação personalizada.

Quando testar um sistema, é preciso quantificar o desempenho. As métricas "padrão do setor" para estratégias quantitativas são o rebaixamento máximo e o Índice de Sharpe. A retirada máxima caracteriza a maior queda de pico a calha na curva de equidade da conta em um determinado período de tempo (geralmente anual). Isso geralmente é citado como uma porcentagem. As estratégias de LFT tendem a ter maiores disparidades do que as estratégias de HFT, devido a uma série de fatores estatísticos. Um backtest histórico mostrará o último drawdown máximo, que é um bom guia para o futuro desempenho de drawdown da estratégia. A segunda medida é a Ratia de Sharpe, que é definida heuristicamente como a média dos retornos em excesso divididos pelo desvio padrão desses retornos em excesso. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um benchmark pré-determinado, como o S & P500 ou um Tesouro de 3 meses. Observe que o retorno anualizado não é uma medida usualmente utilizada, pois não leva em consideração a volatilidade da estratégia (ao contrário do Ratio Sharpe).

Uma vez que uma estratégia tenha sido backtested e seja considerada livre de preconceitos (na medida em que isso é possível!), Com um bom Sharpe e rebaixamentos minimizados, é hora de construir um sistema de execução.

Sistemas de Execução.

Um sistema de execução é o meio pelo qual a lista de negócios gerados pela estratégia é enviada e executada pelo corretor. Apesar do fato de que a geração de comércio pode ser semi - ou mesmo totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, "um clique") ou totalmente automatizado. Para estratégias LFT, as técnicas manuais e semi-manuais são comuns. Para as estratégias HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será estreitamente acoplado ao gerador comercial (devido à interdependência da estratégia e da tecnologia).

As principais considerações ao criar um sistema de execução são a interface com a corretora, a minimização dos custos de transação (incluindo comissão, derrapagem e spread) e a divergência de desempenho do sistema ao vivo do desempenho do backtested.

Existem muitas maneiras de se conectar a uma corretora. Eles variam de chamar seu corretor no telefone diretamente para uma interface de programação de aplicativos (API) de alto desempenho totalmente automatizada. O ideal é que você queira automatizar a execução de suas negociações o máximo possível. Isso liberta você para se concentrar em pesquisas futuras, além de permitir que você execute várias estratégias ou mesmo estratégias de maior freqüência (na verdade, o HFT é essencialmente impossível sem execução automática). O software comum de backtesting descrito acima, como MATLAB, Excel e Tradestation são bons para estratégias mais baixas e mais simples. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C ++, para fazer qualquer HFT real. Como uma anedota, no fundo em que eu costumava trabalhar, tínhamos um "loop de negociação" de 10 minutos, onde baixávamos novos dados de mercado a cada 10 minutos e depois executávamos negociações com base nessas informações no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxime de dados de minuto ou de segunda frequência, acredito que o C / C ++ seria mais ideal.

Em um fundo maior, muitas vezes não é o domínio do comerciante quant para otimizar a execução. No entanto, em lojas menores ou empresas HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é muitas vezes desejável. Tenha em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos de econometria!

Outra questão importante que se enquadra na bandeira de execução é a redução de custos de transações. Geralmente, existem três componentes para os custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, a troca e a SEC (ou órgão regulador governamental similar); deslizamento, qual é a diferença entre o que você pretendia que seu pedido fosse preenchido em relação ao que estava preenchido; spread, que é a diferença entre o preço de oferta / oferta da garantia negociada. Observe que o spread NÃO é constante e depende da liquidez atual (isto é, disponibilidade de ordens de compra / venda) no mercado.

Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com um bom índice de Sharpe e uma estratégia extremamente não lucrativa com um índice de Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará de acesso a dados de troca histórica, que incluirão dados de marca para preços de lances / pedidos. Equipes inteiras de quantos são dedicadas à otimização da execução nos fundos maiores, por esses motivos. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negociações (das quais as razões para isso são muitas e variadas!). Ao "despejar" tantas ações no mercado, elas comprimirão rapidamente o preço e não poderão obter uma execução ótima. Daí, os algoritmos que os pedidos de "gotejamento de alimentação" no mercado existem, embora o fundo corra o risco de derrapagem. Além disso, outras estratégias "presas" sobre essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo.

A questão principal final para os sistemas de execução diz respeito à divergência de desempenho da estratégia com o desempenho testado. Isso pode acontecer por vários motivos. Já analisamos o viés de look-ahead e o viés de otimização em profundidade, ao considerar os backtests. No entanto, algumas estratégias não facilitam a verificação desses preconceitos antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparece em um backtest, mas aparece no live trading. O mercado pode estar sujeito a uma mudança de regime posterior à implantação de sua estratégia. Novos ambientes regulatórios, mudanças no sentimento dos investidores e fenômenos macroeconômicos podem levar a divergências quanto ao comportamento do mercado e, assim, a rentabilidade da sua estratégia.

Gerenciamento de riscos.

A peça final para o enigma de negociação quantitativa é o processo de gerenciamento de riscos. "Risco" inclui todos os vieses anteriores que discutimos. Isso inclui risco de tecnologia, como servidores co-localizados na central de repente desenvolvendo um mau funcionamento do disco rígido. Isso inclui risco de corretagem, como o corretor estar falido (não tão louco quanto parece, dado o recente susto com a MF Global!). Em suma, abrange quase tudo o que poderia interferir com a implementação comercial, dos quais existem muitas fontes. Livros inteiros são dedicados ao gerenciamento de riscos para estratégias quantitativas, então não tento elucidar todas as possíveis fontes de risco aqui.

O gerenciamento de riscos também abrange o que é conhecido como alocação ótima de capital, que é um ramo da teoria do portfólio. Este é o meio pelo qual o capital é alocado para um conjunto de estratégias diferentes e para os negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério de Kelly. Como este é um artigo introdutório, não vou me alongar em seu cálculo. O critério de Kelly faz alguns pressupostos sobre a natureza estatística dos retornos, que geralmente não são válidos nos mercados financeiros, então os comerciantes são geralmente conservadores quando se trata da implementação.

Outro componente fundamental do gerenciamento de riscos é lidar com o próprio perfil psicológico. Existem muitos vieses cognitivos que podem surgir na negociação. Embora isso seja certamente menos problemático com o comércio algorítmico se a estratégia for deixada sozinha! Um viés comum é o da aversão à perda, em que uma posição perdedora não será fechada devido à dor de ter que perceber uma perda. Da mesma forma, os lucros podem ser tomados muito cedo porque o medo de perder um lucro já ganho pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os comerciantes colocam muita ênfase nos eventos recentes e não no longo prazo. Então, é claro, há o par clássico de viés emocional - medo e ganância. Estes podem, muitas vezes, levar a alavancagem insuficiente ou excessiva, o que pode causar explosão (ou seja, o patrimônio da conta em zero ou pior!) Ou lucros reduzidos.

Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e já está ficando bastante longo! Livros e papéis inteiros foram escritos sobre questões que eu apenas dediquei uma ou duas sentenças. Por essa razão, antes de se candidatar a empregos quantitativos em bolsa de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, por meio de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de frequência mais alta, seu conjunto de habilidades é provável para incluir modificação do kernel do Linux, C / C ++, programação de montagem e otimização de latência da rede.

Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria se programar bem. A minha preferência é criar o máximo de captura de dados, backtester de estratégia e sistema de execução por si mesmo possível. Se o seu próprio capital estiver na linha, você não dormiria melhor à noite sabendo que você testou completamente seu sistema e está ciente de suas armadilhas e problemas específicos? Terceirizar isso para um fornecedor, enquanto potencialmente economiza tempo a curto prazo, pode ser extremamente caro a longo prazo.

A Quantcademy.

Junte-se ao portal de adesão da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento e saiba como aumentar a rentabilidade da sua estratégia.

Negociação Algorítmica Bem Sucedida.

Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para seu portfólio usando um mecanismo de backtesting personalizado em Python.

Negociação Algorítmica Avançada.

Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquinas e estatísticas bayesianas com R e Python.

Quantitative Trading Systems & # 8211; Guia de estratégia do seu iniciante.

Para começar, serviria bem para explicar em palavras simples, o que são sistemas de negociação quantitativos.

Simplificando, é uma estratégia de investimento que usa algoritmos matemáticos e cálculos lógicos baseados em tecnologia. Eles são geralmente utilizados por gestores de fundos, empresas de private equity e indivíduos ricos. Mas, recentemente, os pequenos comerciantes de varejo têm aproveitado o mercado de ações usando esses métodos e estão convertendo essas táticas em sistemas automáticos de negociação completos.

O objetivo deste artigo é servir como uma introdução a essencialmente duas categorias de pessoas, aqueles que estão tentando fazer uma carreira como comerciante quantitativo e para os comerciantes de varejo individuais que estão tentando entender os conceitos básicos de negociação quantitativa e têm limitado capital para negociação.

Se você está ciente desses conceitos básicos, e você é bom com os números, você encontrará que esta é uma área fascinante que pode oferecer uma excelente oportunidade de carreira à medida que esse setor do mercado cresce. No entanto, não vamos simplificar as coisas aqui. Servirá bem para você saber que o comércio quantitativo é, de fato, um ramo de finanças bastante sofisticado.

É preciso se aventurar nesse espaço sabendo que pode demorar vários meses para construir até as estratégias mais básicas. A negociação quantitativa está convertendo seus pensamentos e estilos de negociação em um sistema de negociação baseado em regras, um computador pode executar, esta não é uma tarefa fácil. Você também deve saber que, para se envolver com sistemas de negociação quantitativos, você precisará de alguma experiência em programação. Se você não possui conhecimentos extensivos de programação, você deve ter pelo menos o conhecimento em linguagens de computador como R, Python ou MATLAB. Mas, é importante para nós mencionar que os aspectos tecnológicos emergirão mais claramente à medida que a frequência das negociações aumentar. Portanto, é de grande importância que você esteja familiarizado com o CC ++ antes de pensar em começar a usar sistemas de negociação quantitativos.

Quatro principais pilares de sistemas de negociação quantitativos.

• Identificação de Estratégia & # 8211; Isso envolve encontrar uma estratégia adequada, explorar uma vantagem e selecionar uma freqüência de negociação com a qual você se sente confortável.

• Teste de Voltar a Estratégia e # 8211; Nesta etapa, primeiro é preciso obter os dados relevantes, em seguida, analisar o desempenho da estratégia. Isso deve ser feito removendo todos os preconceitos.

• Sistema de Execução & # 8211; Essa etapa envolve vincular sua estratégia a uma corretora. Isso pode ser feito automatizando o processo de pedido. Isso, por sua vez, também o ajudará a minimizar os custos da transação.

• Gerenciamento de risco & # 8211; Este é talvez o aspecto mais crítico dos sistemas de negociação. Isso inclui a alocação de capital otimamente e a decisão sobre um & # 8217; s & # 8220; tamanho da posição & # 8221 ;. Se você não entende o dimensionamento da posição e a gestão de riscos, então você terá dificuldade em construir seu sistema comercial negociado.

Não há muito tempo, a análise técnica não foi considerada uma habilidade ou profissão. Com ferramentas de negociação mais sofisticadas agora disponíveis, a negociação quantitativa está ganhando força com os comerciantes de varejo individuais e todos os comerciantes devem gastar algum tempo aprendendo sobre isso, pois é o caminho do futuro para negociar ações, opções e futuros.

Comece a usar nossos sistemas de negociação quantitativos hoje!

Compartilhe essa entrada.

Melhore sua negociação e aumente lucros.

A Technical Traders Ltd. ajuda você a identificar e tirar proveito de mais de sua negociação. Como? Ao fornecer-lhe configurações de comércio verificado e notificações em tempo real.

Seu Futures Trading System é apresentado na Revista Futures!

Estratégias de Negociação de Probabilidade Elevada & # 8211; Pergunta do Cliente & # 038; Preocupação.

Estratégias Quantitativas para Seleção de Ações.

por Richard Tortoriello.

Há alguns anos, pediram-me para desenvolver uma série de modelos quantitativos de seleção de ações para o departamento de pesquisa de ações da Standard & amp; Pobre.

Na preparação para este projeto, nós backtested mais de 1.200 diferentes estratégias de investimento para determinar quais eram preditivas de futuros retornos em excesso. (Um backtest é simplesmente uma análise estatística dos dados históricos para determinar se o emprego de um determinado fator de investimento, como a seleção de ações com baixos índices de preço-lucro, resulta em retornos excedentes ao longo do tempo, ou seja, retornos acima do benchmark do mercado de ações).

Meu objetivo era determinar os fatores básicos que impulsionam os retornos futuros do mercado de ações, do ponto de vista empírico, usando apenas dados históricos como nossa matéria-prima (balanço, demonstração de resultados, demonstração de fluxo de caixa e dados de preços). Em suma, eu me propus a criar um mapa de rotas quantitativamente desenhado & ldquo; rdquo; dos mercados acionários. Para fazer nossa pesquisa, usamos um sofisticado programa de análise de dados e o Standard & amp; Poor & rsquo; S Point in Time banco de dados, que contém mais de 20 anos de & ldquo; como originalmente relatado & rdquo; (sem restrições) de dados para cerca de 150 itens de dados e 25.000 empresas individuais.

Esta abordagem intensiva em dados para a análise de investimentos resultou em resultados claros. Certas estratégias superaram consistentemente o mercado ao longo do período de teste de duas décadas, enquanto outras consistentemente tiveram um desempenho inferior. Os resultados desta pesquisa estão publicados no livro “Estratégias Quantitativas para Alcançar Alfa”. (McGraw-Hill, 2009). Nisto, apresento uma ampla variedade de estratégias de investimento que prevêem retornos excessivos, e mostro aos investidores como combinar estratégias de investimento individuais em telas e modelos mais complexos. Estes podem ser usados ​​para gerar fortes ideias de investimento em potencial, criar portfólios quantitativos ou simplesmente ajudar os investidores a entender melhor o mercado do ponto de vista quantitativo.

Procurando por fatores.

Ao estruturar nossos backtests, mantivemos à vista um princípio básico: os números podem mentir. Se um backtest não for construído com cuidado ou se forem usados ​​poucos anos de dados, os resultados do backtest não serão confiáveis.

O viés estatístico pode fazer com que os resultados sejam falhos. Os dois mais comuns são viés de avanço e viés de sobrevivência. O viés de antecipação é quando as informações que não seriam conhecidas ou disponíveis durante o período são analisadas. Por exemplo, os ganhos relatados no quarto trimestre não estão disponíveis para a maioria das empresas em 31 de dezembro de qualquer ano civil. Porque as empresas fortes tendem a sobreviver e as empresas fracas são muitas vezes adquiridas com desconto ou saem do mercado, uma base de dados que inclui apenas os sobreviventes provavelmente produzirá resultados muito mais fortes para um backtest do que se & ldquo; non-survivors & rdquo; foram incluídos. (Nosso banco de dados protegeu nossos testes contra o viés de antecipação e de sobrevivência.)

As devoluções devem ser calculadas de forma consistente - usamos a variação de preço anual de uma ação mais dividendos e distribuições de valor equivalentes a caixa (como desdobramentos). E um universo claro de backtest deve ser definido: Nosso universo consistia das 2.200 maiores ações em nosso banco de dados selecionadas por capitalização de mercado, com uma restrição mínima de preço de ação (US $ 2, para manter o estoque de tostão volátil).

Cada teste dividiu as empresas em nosso universo de backtest em quintis (cinco grupos de tamanho igual) com base em sua classificação em um ou mais fatores de investimento. Por exemplo, um teste de relação preço / lucro colocou os 20% das empresas com os menores índices preço / lucro no primeiro quintil, os próximos 20% no segundo quintil, até os 20% das empresas com o preço mais alto. rácios de ganhos, que seriam colocados no quinto quintil. As carteiras foram formadas trimestralmente durante o período de testes, e o período de manutenção de cada carteira foi de 12 meses.

As devoluções para todas as carteiras em cada quintil foram então calculadas, em média ao longo do período de teste de 20 anos, e comparadas com o retorno médio durante o mesmo período para o universo geral. Dizia-se que uma estratégia tinha valor de investimento se o primeiro quintil superior superasse significativamente o universo, o quinto quinto inferior significativamente abaixo do desempenho e o desempenho / desempenho inferior era consistente ao longo do tempo.

Combinando Indicadores.

Eu gosto de usar a idéia de um mosaico para descrever os resultados de nossos testes quantitativos. Um mosaico é uma imagem ou padrão feito reunindo muitos azulejos de pequenas cores. Em um mosaico real, cada bloco não faz sentido quando visto sozinho. No entanto, quando montados por um artista, surge um belo padrão. Em nosso mosaico de investimento, cada & ldquo; tile & rdquo; é uma estratégia que tem valor de investimento (é consistentemente superada ou inferior ao mercado) e é entendida pelo investidor (sabemos por que funcionou).

O segundo ponto é crítico. Mineração de dados - a busca por correlações entre itens em um banco de dados - pode revelar estratégias de investimento que funcionam de forma fabulosa durante o período de teste e não funcionam depois disso. Ao basear as estratégias de investimento que testávamos na sólida teoria do investimento, asseguramos que os resultados representem princípios e tendências fundamentais nos mercados de investimento e não anomalias estatísticas. O objetivo era reunir várias estratégias de investimento para identificar quais características procurar ou evitar nas ações em que planejamos investir.

Os sete princípios.

Então, o que os investidores podem aprender com a análise quantitativa? Uma importante descoberta que fizemos foi que a maioria das estratégias de investimento que são preditivas quantitativamente se enquadram em sete categorias principais. Eu chamo essas categorias de conceitos básicos, precisamente porque são fundamentais para obter retornos excedentes no mercado de ações. Consistem em rentabilidade, avaliação, fluxo de caixa, crescimento, alocação de capital, momentum de preço e risco de bandeiras vermelhas. Provavelmente, há mais noções básicas do que as sete que identificamos (e a sétima, bandeiras vermelhas, é um pouco como um catchall), mas os investidores que buscam os drivers primários do mercado não precisam ir além desses.

Do ponto de vista quantitativo, a avaliação, a geração de fluxo de caixa, a lucratividade e o momento de preço são os fundamentos mais importantes. Em particular, a avaliação e os fatores de fluxo de caixa devem ser incluídos em quase todos os modelos quantitativos, telas e análises. Os testes de avaliação relativos que usamos foram simples (por exemplo, preço para ganhos ou preço para vendas), mas mostraram que as baixas avaliações geraram fortes retornos excedentes que eram consistentes ao longo do tempo. Parece óbvio, mas os investidores geralmente esquecem de verificar o preço que estão pagando por um ativo.

Estratégia EV-to-EBITDA.

Um dos maiores índices de avaliação que avaliamos é o valor da empresa para o EBITDA. Valor da empresa (EV) é o preço teórico que custaria para comprar toda a corporação. Calculamos como o valor de mercado das ações ordinárias (preço vezes as ações em circulação) mais o valor contábil da dívida de longo prazo menos o caixa e equivalentes. O EBITDA representa o lucro antes de juros, impostos, depreciação e amortização. Grosso modo, representa o lucro operacional antes da depreciação. Para calculá-lo, comece com a receita de 12 meses das operações contínuas e adicione novamente os itens listados acima.

De um modo geral, as empresas com índices de EV / EBITDA de 8x ou menos tiveram desempenho superior ao nosso período de teste de 20 anos, e as empresas com índices EV / EBITDA de 11x ou acima tiveram desempenho inferior. O CEO da General Electric (GE), Jeff Immelt, afirmou nossa observação quando ele opinou em uma reunião de investidores: "Acho que se você pagar além de 10x EBITDA [para uma aquisição] é difícil fazer com que pague." A GE aprendeu por experiência difícil o que nossos resultados de testes encontraram.

A Figura 1 mostra os retornos excedentes médios (ou seja, retornos acima ou abaixo do retorno para todo o universo) por quintil para a estratégia EV-to-EBITDA ao longo do nosso período de teste de 20 anos. As empresas do primeiro quintil têm os menores índices EV / EBITDA, enquanto as empresas do quintil mais baixo têm os maiores índices.

Estratégia ROIC em dinheiro.

Os testes de fluxo de caixa também geraram retornos excedentes fortes e consistentes. (O fluxo de caixa foi definido como o caixa gerado pelas atividades operacionais, em vez do caixa gerado por atividades de financiamento ou investimento, todos os quais podem ser encontrados na demonstração de fluxo de caixa da empresa.) Por que o fluxo de caixa é tão importante? Uma razão é que o dinheiro representa uma realidade e mdash; poder de compra e mdash, enquanto os ganhos contábeis são pelo menos um passo removido dessa realidade. Outra é que uma empresa com excesso de caixa tem flexibilidade financeira; ele pode usar esse dinheiro para expandir seus negócios, pagar dividendos, recomprar ações, adquirir outros negócios, e assim por diante.

Uma maneira de medir o fluxo de caixa é comparar o chamado "fluxo de caixa livre" e "rdquo; uma empresa gera em um ano o capital investido no negócio. O retorno do capital investido (caixa ROIC) compara o fluxo de caixa livre (caixa de 12 meses gerada por atividades operacionais menos despesas de capital de 12 meses) ao capital investido (acionistas totais e rsquo; patrimônio mais dívida de longo prazo). As empresas com ROIC de caixa de 12% de mais tiveram desempenho superior ao longo do período de teste de 20 anos, enquanto aquelas com ROIC de caixa de 4% ou menos tiveram desempenho inferior.

A Figura 2 mostra os retornos médios excedentes por quintil para a estratégia ROIC de caixa. As empresas do primeiro quintil têm os maiores rácios de ROIC em dinheiro, enquanto as empresas do quinto quintil têm as mais baixas.

Retorno sobre a estratégia de equidade.

Ao procurar ações provavelmente superadas, o investidor também deve favorecer os fatores de rentabilidade. O nível de rentabilidade de uma empresa proporciona aos investidores uma medida da qualidade dos ativos produtivos da empresa (sejam esses ativos são instalações de fabricação, uma marca forte, uma excelente lista de clientes ou uma força de trabalho talentosa).

Um bom índice de rentabilidade, e um que é fácil de calcular, é o retorno sobre o patrimônio líquido (receita de operações contínuas nos últimos 12 meses dividido pelos acionistas e rsquo; patrimônio). Os investidores devem favorecer empresas que possam gerar retorno sobre o patrimônio de 16% ou mais, e evitar que aqueles com retorno sobre o patrimônio de 8% de menos.

A Figura 3 mostra os retornos excedentes médios por quintil para a estratégia de retorno sobre o capital próprio.

Estratégia de faixa de preço de 52 semanas.

Finalmente, os investidores devem considerar o momentum de preço de um estoque. O momentum de preço refere-se simplesmente à velocidade com que um estoque sobe ou desce durante um determinado período de tempo. Para citar William O, Neil, fundador do Business Daily do Investidor, "o grande paradoxo no mercado de ações é que o que parece alto demais e arriscado para a maioria geralmente sobe e o que parece baixo e barato geralmente diminui". Nossa pesquisa certamente achou que isso fosse verdade.

Uma maneira simples de medir o momento de preço é considerar a proximidade de um estoque com 52 semanas de alta ou baixa. A fórmula que eu usei para isso foi o preço atual menos 52 semanas de baixa dividido por 52 semanas de alta menos 52 semanas de baixa. Ações que pontuam 82% ou mais nessa fórmula tendem a ter um desempenho superior, enquanto as ações com pontuação igual ou menor que 41% tendem a ter um desempenho inferior. A Figura 4 mostra os retornos excedentes médios por quintil para a estratégia de faixa de preço de 52 semanas.

Conclusões.

Uma conclusão importante de nosso estudo foi que os fundamentos importam, as avaliações são importantes e as técnicas (isto é, as medidas de momentum de preço) são importantes. O investidor que procura obter altos retornos do mercado de ações ao longo de um horizonte de investimento de seis meses a 18 meses faria bem em considerar os três desses fatores.

Os sete fundamentos acima apresentados fornecem aos investidores estratégias que funcionam em todas essas três áreas importantes. Outra conclusão importante é que a análise quantitativa, a análise qualitativa e a análise técnica não foram apenas longe de áreas não relacionadas, mas formam disciplinas mutuamente complementares. Os investidores que aprendem as lições ensinadas por cada um deles estão aptos a aumentar sua capacidade de ganhar dinheiro de forma consistente em ações.

Para colocar tudo em conjunto, sugiro executar uma tela que incorpore os quatro fatores de investimento individuais mencionados neste artigo. Esses quatro fatores cobrem os fundamentos de avaliação, fluxo de caixa, lucratividade e momentum de preço. Eles também consideram os principais pontos de dados da demonstração do resultado da empresa, do balanço patrimonial e do fluxo de caixa, bem como do preço de mercado. Os quatro critérios de seleção seriam:

Enterprise Value to EBITDA & lt; = 8.

Dicas Práticas.

Aqui algumas sugestões para triagem ou análise de um estoque:

Certifique-se de entender cada proporção que você está usando. Idealmente, você deve entender não só o que representa a relação, mas como é previsível. Certos índices funcionam melhor que outros com setores específicos, portanto, uma análise mais focada no setor pode produzir melhores resultados do que uma tela ou análise projetada para uso em todo o universo de estoque. Evite triagem ou realização de análise em um único fator. Ele fornecerá uma visão muito estreita de uma empresa e de suas ações (tenha em mente a ideia de um mosaico de investimentos, descrito aqui). Em vez disso, prefira fatores complementares, particularmente aqueles que combinam valoração com lucratividade, momentum de preço, fluxo de caixa e / ou crescimento. Nunca olhe para o crescimento sem considerar a avaliação! Nossa pesquisa descobriu que apenas fatores de crescimento não são preditivos. Há duas razões possíveis para isso: 1) altas taxas de crescimento são muito difíceis de manter e 2) os investidores tendem a pagar mais pelo crescimento. A combinação de crescimento / valor ajuda os investidores a evitar a segunda armadilha e nossa pesquisa mostra que ela funciona. Se a ferramenta de triagem que você está usando não permitir triagem sofisticada, substitua as menos sofisticadas por outras mais sofisticadas. Por exemplo, a relação preço / lucro pode ser substituída pelo valor da empresa para o EBITDA e a força relativa para a faixa de preço de 52 semanas. Quando da triagem, use valores para cada proporção que forneçam um número suficiente de resultados, mas seja mais restritivo com as taxas de avaliação do que com outras proporções. Quantitativamente, os índices de avaliação são mais preditivos e fornecem os resultados mais fortes.

Discussão.

Você pode ser melhor servido usando MARGEM DE LUCRO em vez de ROE, juntamente com apenas ações que estão dentro de 95 por cento de sua alta de 52 semanas.

Seleção de ações - ferramentas e regras.

Autor de: "The Brainwashing of the American Investor: The Book, que Wall Street não quer que você leia"

Alguém sabe o que o ponto de Steve era?

Eu gosto dessa abordagem, que é confirmada por backtesting realista. Uma parte importante da análise é que leva em conta os dividendos, valores de spinoff e pagamentos em dinheiro, que podem ser uma parte significativa do retorno global, mas que nem sempre são refletidos em muitos bancos de dados. Esta revisão confirma minha crença de que um investidor obtém seu ganho do lado da compra; geralmente reconhecendo um ponto de entrada subestimado para uma empresa de qualidade. Infelizmente, as proporções empregadas aqui não são obtidas em nenhuma das telas de estoque simples que tenho à mão. Por que não oferecer este método como um dos portfólios do modelo AAII?

Eu estou em uma situação semelhante a Dan do Texas. Eu teria dificuldade em obter a maioria dos índices utilizados no artigo e pensaria que seria bom ver esse método como um portfólio modelo da AAII.

Estou com Dave e Dan e gostaria de receber uma maneira fácil de obter essas proporções.

Como Dan, Fred e Bruce, eu precisarei de mais ajuda para capitalizar esse argumento.

Eu também gostaria de uma fonte de referência fácil para atualizações contínuas para os dados. AAII?

A AA1 pode adicionar os critérios acima no portfólio modelo de estoque e nos ajudar na triagem de ações.

uma questão para autor na estratégia de preço de 52 semanas é aquilo.

Há sempre o X-Factor, nada é certo, eventos mundiais até mesmo eventos nacionais, natureza, mudanças de gerenciamento, novas tecnologias e coisas assim mudam. Então, há as surpresas imprevistas que estão a nosso favor. O risco de controle é primordial. Não se concentre em poucos setores da economia.

O livro do Sr. Tortoriello está em minha biblioteca junto com muitos outros que colecionei nos últimos 40 anos. Investindo profissional e pessoalmente durante a maior parte desse período, posso atestar o valor de abordagens disciplinadas como a descrita neste artigo. opinião não há uma melhor maneira de resolver o enigma de investimento. Muitas coisas funcionam. Você só precisa continuar fazendo isso. E mantenha isso simples. Na operação profissional do meu grupo, gastamos muito tempo e dinheiro testando estratégias e métodos. Depois de tudo dito e feito, no entanto, grande parte do nosso processo de seleção de ações ainda é impulsionado por insumos básicos semelhantes aos deste artigo e que foram desenvolvido décadas atrás com base em técnicas analíticas aceitas e testadas pelo tempo.

Alguém tem uma tela simples do Stock Investor Pro funcionou para esse conceito? Em caso afirmativo, inclua sua resposta.

Eu ficaria feliz em pagar por essa tela, se ela estiver disponível como um portfólio AAII.

Esta é uma estratégia de "comprar e manter". Provavelmente não, então, que critérios você usa para determinar quando vender? Eu tenho algumas ações em que o PM caiu para 0,2 (com, é claro, perdas resultantes).

Vamos lá. Alguém na AAII não pode apresentar um modelo de portfólio de ações para essas estratégias. O que posso fazer para estimular isso?

Adicionamos os critérios de tela e os campos personalizados para uso no Stock Investor Pro na coluna First Cut da abordagem Tortoriello: aaii / journal / article / tortoriellos-quantitative-strategies (está vinculada acima à direita em Related Articles, ou apenas pesquisa em Tortoriello).

Como observou Jean, publicamos os critérios para a criação de uma abordagem Tortoriello no nosso programa Stock Investor Pro. O artigo First Cut (aaii / journal / article / tortoriellos-quantitative-strategies) explica o que fizemos: se você quiser apenas ver os critérios, você pode baixar o arquivo excel em: aaii / objects / get / 1931.xls - Charles Rotblut, AAII.

Dominick Sciola de WA postou mais de 6 anos atrás:

Gostei muito deste artigo.

Parece que o momentum e o valor dos preços são medidas de contravenção e quase mutuamente exclusivos; Por exemplo, como é provável que um estoque perto dele seja de 52 semanas de alta ainda terá uma baixa avaliação relativa (medida, digamos, por P / E)?

Charles Rotblut de IL publicado há mais de 5 anos:

Ben, se um estoque já estivesse fora de favor com os investidores ou tiveram um forte crescimento dos lucros, ele pode ter um bom impulso e uma baixa avaliação. É mais comum do que você pensa. Dito isto, em algum momento, o impulso para cima irá elevar a avaliação, então você tem que monitorar o preço da ação para garantir que o P / L ainda seja razoável. - Charles.

James Hargreaves da GA postou há mais de 5 anos:

O conceito de que o valor é importante (embora não seja determinante) NÃO DEVE ser um choque.

Desculpe, você não pode adicionar comentários em um dispositivo móvel ou durante a impressão.

&cópia de; 2018 A Associação Americana de Investidores Individuais.

Este conteúdo originalmente apareceu no AAII Journal.