Использование коэффициента Шарпа в momentum-стратегии для развивающихся рынков

Не так давно мы изучали вопрос, как различные показатели могут помочь с разработкой подхода по выбору стран, который сможет обогнать стратегию купить-и-держать на развивающихся рынках. Это оказалось сложно отчасти потому, что волатильность многих фондовых рынков развивающихся стран приводит к пилообразным движениям и внезапным потерям, с чем наши относительно медленные трендовые системы испытывают трудности.

В качестве одного из потенциальных подходов можно применить к нашим расчетам импульса (momentum) логику, на которой основано измерение популярного коэффициента Шарпа. Коэффициент Шарпа является мерой приведенной к риску доходности (или точнее приведенной к волатильности), предназначенной для сравнения активов с точки зрения величины приносимой ими доходности выше безрискового порога (например, казначейские векселя) по сравнению с волатильностью, которую они берут на себя при получении этой доходности.

Математически коэффициент Шарпа рассчитывается так:

[Доходность — Безрисковая ставка] / стандартное отклонение доходности

Можно очень просто применить это к нашей модели. Модели, которые мы анализировали, используют несколько периодов измерения импульса, чтобы выявить наиболее привлекательных кандидатов для инвестиций – страна с самым высоким средним импульсом за несколько периодов получала одобрение. На этой неделе мы внесли некоторые изменения: разделили эти данные по импульсу за несколько периодов на стандартное отклонение доходности для того, чтобы «привести к риску».

Таким образом, в настоящее время модель выбирает из рынков, которые показывают:

а) положительные макроэкономические характеристики (PMI (Purchasing Managers’ Index, индекс деловой активности), OECD CLI (composite leading indicators Organization for Economic Cooperation and Development, индекс опережающих показателей Организации экономического сотрудничества и развития), и положительную макро-оценку США),

б) положительный импульс за несколько периодов,

в) самый высокий приведенный к волатильности импульс.

Применяя этот подход для измерения волатильности на прошлых данных за 52 недели, мы получаем следующие результаты:

График 1. Результаты приведенной к волатильности стратегии для развивающихся рынков на основе 52-недельного скользящего окна

Модель, по-видимому, дает меньшую волатильность, но и меньшую доходность в докризисный период. То же самое в целом верно и для посткризисного периода, но уменьшение доходности настолько сильно выражено, что она едва положительна. Если мы посмотрим на весь ряд с точки зрения статистики, то увидим, что просадка и стандартное отклонение значительно снижаются, коэффициент Шарпа становится лучше:

Таблица 1. Доходность и статистика по риску приведенной к волатильности системы развивающихся стран на основе 52-недельного скользящего окна

Оптимизация риска является значительной, но как говорят многие трейдеры, торговавшие до 2008 года: «Высокий коэффициент Шарпа на хлеб не намажешь». Можем ли мы на самом деле использовать систему подобную этой, чтобы улучшить доходность?

Если учесть, что в посткризисный период одной из проблем были внезапные изменения волатильности, которые тогда часто случались, то мы могли бы рассмотреть более короткий период прошлых данных. Если мы сделаем его достаточно коротким, чтобы он был чувствителен к изменениям внутри календарного квартала (то есть, менее 13 недель), то мы увидим значительное улучшение:

График 2. Результаты приведенной к волатильности стратегии развивающихся рынков на основе 10-недельного скользящего окна

Статистические данные также улучшились:

Таблица 2. Доходность и статистика по риску приведенной к волатильности стратегии на основе 10-недельного скользящего окна

Применение более короткого скользящего окна улучшает как доходность, так и риск. В некотором смысле это использование волатильности совсем другим способом. Первый подход, использующий 52-недельный (или дольше) период прошлых данных, действительно смотрит на доходности фондовых рынков каждой страны таким образом, будто она представляет собой «подкласс актива» — то есть инвестицию с определенными относительно постоянными свойствами с течением времени. Подход с коротким периодом прошлых данных использует волатильность скорее как инструмент для избежания риска непосредственно в рыночной среде – то есть, он равнодушен к долгосрочным характеристикам риска разных стран, и просто направляет модель от тех стран, где уровень волатильности высок по отношению к силе импульса.

Источник: Getting Sharpe in Emerging Markets

Комментарии:

Andrew Kartashov: Я че та чем дальше, тем больше понимаю что связка Келли-Шарп это все. Мне, по крайней мере, больше ничего не надо. У них очень стабильные, скажем так, свойства. И много где их можно грамотно применять. Ну и они сами по себе красивые и простые(формулы).

mehanizator: Да, у меня тоже все вокруг них.


Подпишитесь на уведомления о новых постах

И получите доступ к специальным материалам сайта