Portfolio Optimization Trading Strategies

Otimização de portfólios Tempo real após horas Pre-Market News Resumo de cotações de resumo Cotações Interactive Gráficos Configuração padrão Por favor, note que uma vez que você faça sua seleção, ela se aplicará a todas as futuras visitas ao NASDAQ. Se, a qualquer momento, estiver interessado em voltar às nossas configurações padrão, selecione Configuração padrão acima. Se você tiver dúvidas ou tiver problemas na alteração das configurações padrão, envie um e-mail para isfeedbacknasdaq. Confirme sua seleção: Você selecionou para alterar sua configuração padrão para a Pesquisa de orçamento. Esta será agora a sua página de destino padrão, a menos que você altere sua configuração novamente ou exclua seus cookies. Tem certeza de que deseja alterar suas configurações? Temos um favor a perguntar Desabilite seu bloqueador de anúncios (ou atualize suas configurações para garantir que o javascript e os cookies estejam ativados), para que possamos continuar fornecendo as novidades do mercado de primeira linha E os dados que você chegou a esperar de nós. O top 7 problemas de otimização de carteira Tropeço blocos na caminhada da teoria para a otimização prática na gestão de fundos. Problema 1: otimização de portfólio é muito difícil Se você estiver usando uma planilha, então este é realmente um problema. As planilhas são perigosas quando se trata de uma tarefa complexa. Otimização de portfólio qualifica como complexo neste contexto (complexo em requisitos de dados). Se você estiver usando um ambiente de computação mais apropriado, então ele não é realmente tão difícil. Existem algumas questões que precisam ser tratadas, mas levá-los um de cada vez mantém a tarefa de ser esmagadora. Solução Se você estiver usando planilhas, minha receita é mudar para R. Quando há dinheiro real na linha, usar uma planilha para otimização de carteira parece-me ser um tostão e um dólar tolice. Se você tiver outros problemas com otimização, leia o restante deste post. Problema 2: otimizadores de portfólio sugerem negociação demais Uma grande frustração com otimizadores é que o volume de negócios pode ser excessivo. Solução Todos os otimizadores de portfólio razoáveis ​​permitem: restrições de volume de negócios custos de transação Use qualquer um destes para reduzir o volume de negócios para uma quantidade adequada. Nós don8217t muitas vezes deixamos os carros rolar descontrolado descendo uma colina. E não devemos permitir que os otimizadores também. Problema 3: os retornos esperados são necessários Primeiramente fora, este isn8217t estritamente verdadeiro. Você pode encontrar portfólios de variância mínima que precisam de uma matriz de variação, mas não retorna esperado. O sucesso do investimento de baixa volatilidade é uma razão para descer por esse caminho. Mas assumindo que você é um investidor ativo, você precisa de expectativas em algum sentido. Há uma série de técnicas que don8217t exigem retorno numérico esperado. Alvo alvo de solução Qualquer um deve ser capaz de fornecer um portfólio de destino ideal 8212 o portfólio que você gostaria de manter quando todas as restrições são ignoradas. Depois de ter o portfólio de destino, então você pode obter um portfólio que é 8220close8221 para o alvo, mas obedece às restrições. Uma dessas restrições quase certamente deve ser o volume de negócios. Provavelmente uma solução melhor seria minimizar o erro de rastreamento para o portfólio de destino. Isso requer uma matriz de variância. Otimização reversa A técnica de otimização reversa (também chamada implícita alfa) pode ser usada iterativamente para tentar encontrar um portfólio que se parece com o que você quer em termos de retornos esperados que estão implícitos. Isso evita realmente fazer otimização, mas é de trabalho intensivo e depende das restrições não estragar o alfas implícitas (que é talvez duvidoso). Ativos Se você pode ordenar os ativos em seu universo em termos de retornos esperados, então é viável produzir retornos esperados para dar a um otimizador. Classificação de ativos é muito mais fácil do que dar estimativas numéricas de retornos. Um artigo de Almgren e Chriss explica como transformar fileiras em retornos esperados numéricos. O caso simples requer apenas o uso da função qnorm em R. Isso dá-lhe tamanhos relativos, mas você ainda vai querer escalá-los para coincidir com a matriz de variância. Problema 4: a otimização da variância média é restritiva Existe um mito de que a otimização da média-variância só é útil quando os retornos são normalmente distribuídos. That8217s para trás. Se os retornos são normalmente distribuídos, então a otimização de variância média é tudo o que pode ser feito. Todos os outros utilitários serão equivalentes. Ver mais na 8220 Teoria da carteira antiga8221. Se a distribuição de retorno de quaisquer ativos no universo não estiver razoavelmente próxima da simétrica, então, sim, a otimização da média de variância é restritiva e não deve ser usada. Exemplos de ativos disruptivos são títulos e opções. No entanto, se o universo é apenas ações, então média-variância é uma aproximação muito boa para o melhor que podemos fazer. Skewness e kurtosis poderia ser adicionado ao utilitário para explicar a não-normalidade dos retornos. O post do blog 8220Predictabilidade da skewness e kurtosis em constituintes SampP8221 indica que skewness é provavelmente perto de impossível de prever ea previsibilidade de kurtosis é limitada. Em 1999, menores momentos parciais e semi-variância eram populares com ações de tecnologia, porque eles eram realmente arriscados, só subiram. Descobriu-se que havia simetria nos retornos de ações de tecnologia 8212 era só que o lado negativo veio mais tarde. Solução Se de fato você estiver em uma situação 8212 incluindo renda fixa ou opções 8212 onde a otimização de média-variância não é apropriado, então você provavelmente deve fazer otimização de cenário. Problema 5: as entradas de otimização de portfólio são estimativas ruidosas Otimizadores de portfólio são estúpidos o suficiente para acreditar no que lhes dizemos. O otimizador nos dá uma solução como se realmente soubéssemos os retornos esperados ea matriz de variância. De fato: as estimativas de retornos esperados são estimativas de ruído quase total da matriz de variância são bastante barulhentas e quase total ruído8221 se aplica aos melhores gestores de fundos 8212 o 8220almost8221 precisa ser descartado para gestores de fundos abaixo da média. Os modelos de variância de fatores são muitas vezes inseridos em otimizadores. Estes são muito melhores do que as matrizes de variância da amostra para grandes universos. No entanto, usando uma estimativa de retração é provavelmente melhor do que qualquer um. Erro nominativo Temos um problema Wharfian com 8220optimização8221. As pessoas pensam que estamos otimizando o portfólio quando dizemos isso. Na verdade, estamos realmente otimizando o comércio. Para alguns propósitos não importa, mas importa quando estamos pensando sobre o que fazer com insumos barulhentos. Solução Black-Litterman operações tipo Algumas pessoas pensam que fazer algo como Black-Litterman é uma solução para este problema. Ele não é. Se feito de forma inteligente, então ele reduz 8212, mas não elimina 8212 o ruído nos retornos esperados. Otimização robusta A solução real para este problema passa pelo nome de otimização robusta. Acho que este termo lamentável, uma vez que existem vários usos do termo 8220robust8221 que pode ser facilmente confundido com o significado de obter boas soluções para uma otimização do comércio de entradas ruidosas. Existe uma grande variedade de propostas para implementar soluções. A maioria deles é bastante complicada. Encolhendo Há uma solução simples e facilmente implementada (embora o número exato provavelmente precisa ser encontrado através da experimentação). Aqui está a história (assumindo que temos um portfólio existente): Se as entradas que damos ao otimizador são exatamente verdadeiras, então devemos aceitar o que o otimizador diz. Devemos fazer o comércio sugerido 8212 lembrar que estamos otimizando o comércio. Se as entradas que damos ao otimizador são lixo completo, não devemos fazer nada. Nosso comércio deve ser zero. A realidade é que nossos insumos estão em algum lugar entre o lixo exatamente verdadeiro e completo, então nosso comércio deve estar em algum lugar entre o comércio sugerido e nenhum comércio. Queremos diminuir o comércio. É fácil encolher o comércio quer impondo uma restrição (mais forte) do volume de negócios ou aumentando os custos de transação. Quanto a fazer isso é um problema, é claro, mas o princípio é simples. A suposição é provável que seja melhor do que não fazê-lo em tudo. Problema 6: os custos de transação são complicados Isso é verdade. Alguns dos custos são diretos, mas o impacto no mercado é difícil de definir. Mas há um bocado ainda mais complicado: ou os custos de transação precisam ser dimensionados para coincidir com os retornos esperados e a variação, ou os retornos e variância esperados precisam ser dimensionados para corresponder aos custos de transação. Todas as três entidades aparecem na função de utilidade, eo dimensionamento é necessário para que o utilitário faça sentido. Solução A saída do coward8217s é apenas impor uma restrição de volume de negócios. A outra maneira é trabalhar e pensar muito sobre os custos de negociação. E provavelmente para usar um otimizador que permite a especificação flexível de custos. Problema 7: problema de alinhamento de fatores de risco e alfa Houve conversa entre os otimizadores de otimização de carteira sobre alimentação alfa e alinhamento de fatores. A coisa toda soa seriamente geeky (mesmo para um nerd como eu). A essência é que se houver fatores usados ​​nos retornos esperados que não são fatores no modelo de risco, então o otimizador vai pensar que esses fatores são essencialmente sem risco e usá-los muito. Solução Uma das principais 8220solutions8221 para isso é adicionar os fatores faltantes ao modelo de risco. Isso, naturalmente, pressupõe que existem fatores no modelo de retorno esperado. Eu suspeito que o problema real é que os modelos de fatores são a tecnologia errada para usar como a matriz de variância em otimizadores. A solução, então, é a melhor tecnologia. Minha sugestão é usar estimativas de Ledoit-Wolf que encolhem em direção à correlação igual. Problema 8: as restrições ficam no caminho Este é o problema invisível. Não é motivo de preocupação para as pessoas, porque elas não sabem que as têm. Existem restrições para que a carteira não faça nada de estúpido. Mas quantos verificaram para ver que as restrições estão fazendo como pretendido Solução Perguntas O 8220the8221 no título é, naturalmente, huckstering absurdo 8212 Eu don8217t realmente sei quais os problemas estão no topo. O que outros problemas estão na execução Apêndice R otimização de portfólio em R Muitos dos otimizadores de portfólio comercial têm uma interface R. Isso, claro, inclui o Portfolio Probe. Há uma série de implementações de otimização de portfólio mais ou menos ingênuas em R que foram contribuídas. Consulte a vista de tarefas Empirical Finance para obter mais detalhes. Ledoit-Wolf shrinkage Você pode obter uma função que faz Ledoit-Wolf encolhimento para a correlação igual fazendo (em R): O primeiro comando que você só precisa fazer uma vez (por versão de R), o segundo que você precisa fazer em cada R Sessão em que você deseja usar a função. Ele é chamado var. shrink. eqcor. Por padrão, isso garante que o autovalor mínimo seja pelo menos 0,001 vezes o maior autovalor. Esta é uma maneira de evitar o problema de alinhamento de fatores. Não há nenhuma razão científica para esse valor específico do limite 8212 sinta-se livre para experimentar e relatar de volta. O pacote BurStFin também tem factor. model. stat que estima um modelo de factor estatístico. Tendo dados de um estoque de company8217s (companhia A) nos anos antes da crise financeira (quando fizeram realmente bom) e de um company8217s (companhia B) estoques em anos na retirada Isn8217t bastante útil, porque o software de otimização de carteira / algoritmo vai retornar a saída que todos os pesos devem ir para a empresa A Right Você está no problema 3 aqui: retornos esperados são difíceis. Como eu disse em meus momentos mais altos, falar usando retornos históricos é quase completamente inútil para a maioria dos propósitos. Como você ressalta corretamente, eles seriam ainda mais perigosos se os períodos históricos não fossem os mesmos (pelo menos em grande parte). Obrigado pelo post esclarecimento. Estou particularmente interessado no poder de R como uma ferramenta de análise de investimento. Depois de implementar com sucesso o modelo clássico de otimização de portfólio, estou procurando uma maneira eficiente de desenhar toda a área de investimento viável em R (além da fronteira de investimento eficiente). Minha abordagem atual é gerar pesos de carteira aleatória (uniformemente distribuídos dentro de um simplex), verificar se as restrições são mantidas e plotá-los. No entanto, os gráficos que recebo são muito diferentes dos que eu vi como saída de outros programas (por exemplo, OptiFolio. ECVaR). Meus resultados mostram uma pequena nuvem de carteiras. Você tem alguma sugestão sobre como produzir uma área de investimento viável mais detalhada usando R Eu suspeito que você está vendo algo como a Figura 3 de Fronteiras eficientes percebidas. Parece que as carteiras típicas vivem em uma parte bastante pequena do espaço viável. Eu nunca tentei fazer o que você está fazendo, então eu realmente não tenho nenhuma sabedoria sobre o assunto. Acho que você precisará fazer algum tipo de otimização com entradas variadas. Mas eu não o vejo completamente, pelo menos no momento. Se você pode assumir que o espaço viável é convexo, então a 8216chull8217 (como em 8216convex hull8217) função R é seu friend. Portfolio Otimização Otimização de carteira ferramentas e estratégias ajudam os investidores a gerenciar seus portfólios da maneira mais eficiente de impostos e tornar-se mais inteligente sobre o Impacto dos impostos sobre os seus rendimentos reais de investimento. GainsKeeper Brokerage oferece ferramentas que podem gerar negócios comissionados adicionais para corretoras, melhorando os resultados pós-imposto dos investidores. Rastreamento de portfólio Recurso Aumente a satisfação do cliente e a acumulação de ativos As estratégias de otimização de portfólio do GainsKeepers minimizam as conseqüências fiscais de seus clientes. Gerar volumes de negociação mais elevados Ajude seus clientes a tomar decisões de negociação informadas enquanto aumenta os volumes de negociação. Reduza os pedidos de suporte ao cliente GainsKeeper fornece aos seus clientes as ferramentas para reduzir a complexidade dos problemas de contabilização de impostos. Aumente a satisfação do cliente ea acumulação de ativos Fornecendo serviços pós-transação para seus clientes é fundamental para a experiência geral do investidor. Com as ferramentas de otimização de portfólio do GainsKeepers, seus clientes podem identificar transações tax-smart para maximizar os retornos após impostos e minimizar os impostos. Gerar maiores volumes de negociação GainsKeepers estratégias de negociação permitem que os investidores para identificar negócios que podem melhorar a sua posição fiscal. Evite vendas de lavagem. GainsKeeper identifica posições em um portfólio que irá desencadear uma venda de lavagem se negociado no dia atual, para que seus clientes podem evitar esses comércios. Identificar investimentos para a estratégia Double Down. Com a estratégia Double Down, os investidores assumem posições que estão atualmente em um profundo estado perdedor, e dobram suas participações neles. Depois de esperar 31 dias para estar fora da janela de venda de lavagem, essas ações são, então, vendidos com prejuízo. GainsKeeper notifica os investidores de posições em suas carteiras que são bons candidatos para a estratégia Double Down. Isso permite aos investidores reconhecer as perdas para fins fiscais sem perder sua participação nas posições. Use Sell Grades para vender lotes óptimos em primeiro lugar. GainsKeepers Sell Grade mede as conseqüências fiscais de seus clientes vendendo seus investimentos e classifica-los em conformidade. Quanto maior o valor de Sell Grade, mais favorável é o comércio de um ponto de vista fiscal. GainsKeeper atribui um grau de venda para cada exploração e, em seguida, classifica-los de mais alto grau de venda para menor grau de venda. Um grau de venda superior a 1,0 vai economizar seu dinheiro de imposto do cliente. Um Sell Grade de 1,0 é neutro e não tem impacto fiscal. Um grau de venda inferior a 1,0 custará o seu imposto de cliente dólares. GainsKeepers Sell Grade é derivado de um algoritmo proprietário que considera cada lote de impostos base de custo ajustada (ou seja, a base de custo original ajustada para todas as vendas de lavagem e / ou ações corporativas), atual período de detenção (ou longo prazo ou curto prazo) Preço de mercado e, o mais importante, a taxa de imposto pessoal de seus clientes e ganhos / perdas realizados anteriores, incluindo o caráter desses ganhos e perdas. Desta forma, GainsKeepers Venda Grade é personalizado para cada carteira de indivíduos e situação tributária. Reduza os questionamentos de suporte ao cliente Com o GainsKeeper integrado ao seu site, você está proativamente a armar seus clientes com informações fiscais associadas aos seus investimentos, particularmente no que se refere a vendas de lavagem, ações corporativas, cálculos de ganhos / perdas e Programação D. Fornecer aos seus clientes as ferramentas para Ajudá-los a gerenciar a complexidade dessas questões pode ajudar a reduzir inquéritos para o seu call center. Portfolio Estratégias de Negociação Estratégia de negociação do portfólio implica a negociação em cestas de vários ativos. Raders e investidores preferem trocar uma série de ativos simultaneamente, a fim de reduzir o risco. Actualmente, o novo método GeWorko tornou possível a realização de operações de carteira de forma muito simples e com amplas possibilidades. Você pode criar portfólios em poucos cliques, escolher as combinações de ativos e negociar seguindo a teoria da diversificação de risco. Aqui você pode encontrar um exemplo aplicado de construção de um portfólio eficaz, independentemente das condições do mercado e fatores econômicos globais. Você pode aprender como equilibrar investimentos, bem como otimizá-los com base em valores absolutos, relativos, bem como desempenho quantitativo, incluindo indicadores como retorno, desvio padrão e Sharpie Ratio. É difícil compilar uma estrutura ótima de ativos em um portfólio. Por um lado, depende muito dos parâmetros dos activos, incluídos na carteira e, por outro lado, das preferências e restrições individuais dos investidores. No entanto, a teoria financeira moderna e novo método de análise e negociação GeWorko, simplifica substancialmente esse processo. Aqui está um exemplo de 6 otimização de carteira de ações. O artigo atual leva em conta o processo de otimização de carteira, com foco no aumento do retorno esperado da carteira. Consequentemente, a carteira otimizada é de maior risco para obter retornos mais elevados. Como resultado, existem várias carteiras com risco variável e taxa de retorno. Os investidores são livres de escolher com base no grau de tolerância ao risco. A fim de aplicar o método GeWorko na prática, oferecemos-lhe o uso de uma nova geração de negociação plataforma analítica NetTradeX. Através dele, você será capaz de criar pessoais GeWorko instrumentos compostos de uma maneira fácil e rápida, para obter gráficos de preços instantaneamente e usar uma ampla gama de ferramentas de análise técnica para prever o preço dos instrumentos criados. A teoria da carteira moderna sugere benefícios significativos da diversificação. Usando o conjunto de ferramentas do método GeWorko gostaríamos de mostrar como exatamente um investidor se beneficia da diversificação. Para este exemplo, escolhemos dois títulos bem conhecidos incluídos no índice Dow Jones Industrial Average. Trading amp Estratégias de Investimento O desenvolvimento de boas estratégias é de extrema importância para a criação, gerenciamento e manutenção eficientes de portfólio. O método inovador de análise de portfólio GeWorko torna possível aos investidores desenvolverem sua estratégia técnica, com base em gráficos e um vasto número de ferramentas de análise técnica, bem como obter a sensação para os instrumentos usando a ferramenta de análise histórica. No entanto, um ainda pode confiar em sua própria intuição e testar as idéias mais ousadas, como GeWorko método torna possível criar carteiras com qualquer combinação de ativos. O método contém todos os elementos para a criação de carteiras, analisando e comparando-os, o mais importante, os investidores podem diversificar os seus riscos, criando uma carteira equilibrada, de modo que as perdas de um activo são compensados ​​pelo crescimento positivo de outro. Estratégias de Negociação de Carteiras Aqui você pode encontrar um exemplo aplicado de construção de um portfólio eficaz, independentemente das condições de mercado e fatores econômicos globais. Você pode aprender como equilibrar investimentos, bem como otimizá-los com base em valores absolutos, relativos, bem como desempenho quantitativo, incluindo indicadores como retorno, desvio padrão e Sharpie Ratio. É difícil compilar uma estrutura ótima de ativos em um portfólio. Por um lado, depende muito dos parâmetros dos activos, incluídos na carteira e, por outro lado, das preferências e restrições individuais dos investidores. No entanto, a teoria financeira moderna e novo método de análise e negociação GeWorko, simplifica substancialmente esse processo. Aqui está um exemplo de 6 otimização de carteira de ações. O artigo atual leva em conta o processo de otimização de carteira, com foco no aumento do retorno esperado da carteira. Consequentemente, a carteira otimizada é de maior risco para obter retornos mais elevados. Como resultado, existem várias carteiras com risco variável e taxa de retorno. Os investidores são livres de escolher com base no grau de tolerância ao risco. A fim de aplicar o método GeWorko na prática, oferecemos-lhe o uso de uma nova geração de negociação plataforma analítica NetTradeX. Através dele, você será capaz de criar pessoais GeWorko instrumentos compostos de uma maneira fácil e rápida, para obter gráficos de preços instantaneamente e usar uma ampla gama de ferramentas de análise técnica para prever o preço dos instrumentos criados. A teoria da carteira moderna sugere benefícios significativos da diversificação. Usando o conjunto de ferramentas do método GeWorko gostaríamos de mostrar como exatamente um investidor se beneficia da diversificação. Para este exemplo, escolhemos dois títulos bem conhecidos incluídos no índice Dow Jones Industrial Average. Spread Trading Strategies Eurozone consiste em quase duas dezenas de países, cada um com suas próprias características econômicas. A crise da dívida soberana, também conhecida como crise européia, derrubou os mercados de ações de todos os países. No entanto, é lógico que a reação não poderia ser quantitativamente a mesma em todos os lugares. Neste artigo vamos tentar investigar o comportamento do maior índice alemão DAX e do maior índice francês CAC40. Para comparar sua dinâmica, a fim de determinar o ritmo relativo de recuperação de cada um deles de 2009 a 2013. É sabido que os mercados financeiros são de natureza cíclica, com o capital de investimento fluindo de ouro e prata para ativos de papel e vice-versa. Os investidores em todo o mundo preferem manter seus fundos na forma de metais preciosos quando o estado de uma economia é ruim: durante crises, guerras e inadimplências, quando não há confiança no mercado de ações. Spread Trading também conhecido como Pair Trading é uma tecnologia comercial relativamente nova que se tornou popular entre os investidores privados em meados da década de 1990. Atualmente, a propagação de negociação é uma ferramenta popular entre os comerciantes que descobriram como uma maneira inteligente de fazer lucro. Spread Trading é uma estratégia que permite ao comerciante usar anomalias, bem como diferenças bastante fortes entre os preços de duas ações ou cestas, mantendo a neutralidade relativa em relação às flutuações do mercado. Aviso de Aviso de Risco: A negociação de FX e CFDs em OTC Market envolve risco significativo e as perdas podem exceder o seu investimento. Os produtos de investimento Synthethic oferecidos através dos serviços Portfolio Spread são compostos por componentes OTC FX e CFD. Assim, os investimentos em produtos de investimento sintéticos estão sujeitos a riscos semelhantes. Importante: O site de propagação de portfólio está atualmente em desenvolvimento. Serviços de investimento atualmente não estão disponíveis para os clientes.