تداول دوران إستراتيجية

معدل دوران.
ما هو "نسبة دوران"
نسبة الدوران هي النسبة المئوية لصناديق االستثمار المشترك أو االستثمارات األخرى التي تم استبدالها في سنة معينة والتي تختلف باختالف نوع الصناديق االستثمارية وهدفها االستثماري و / أو أسلوب استثمار مدير المحفظة. فعلى سبيل المثال، سيكون لمؤشر مؤشر الأسهم معدل دوران منخفض، ولكن صندوق السندات سيكون له معدل دوران مرتفع لأن التداول النشط هو نوعية متأصلة في استثمارات السندات؛ وبالمثل، فإن صندوق رأس المال الضخم للنمو الضئيل سيعاني عموما من ارتفاع معدل دورانه من صندوق الأسهم ذات القيمة الكبيرة. كذلك، كلما زاد حجم دوران محفظة الصندوق، زاد احتمال حصولها على أرباح رأسمالية قصيرة الأجل، وهي خاضعة للضريبة بمعدل دخل عادي للمستثمر.
تراجع "نسبة الدوران"
أهمية معرفة نسبة الدوران.
معرفة العائد التاريخي لصندوق الاستثمار المشترك يساعد المستثمر على تحديد الأداء المتوقع للصندوق في المستقبل. بعض الأموال مثل صناديق السندات وصناديق الأسهم الصغيرة لديها نسب دوران عالية بشكل طبيعي. ويؤدي ارتفاع معدل الدوران إلى زيادة تكاليف الصندوق وانخفاض العائدات للمساهمين نتيجة لمساهمين يدفعون فروقات وعمولات عند شراء وبيع الأسهم. وبالإضافة إلى ذلك، فإن الأموال ذات نسب الدوران العالية توزع أرباحا رأسمالية سنوية يدفع فيها المساهمون الضرائب، مما يخفض عائدات المساهمين. وفي المقابل، يؤدي انخفاض معدل الدوران إلى انخفاض تكاليف الصندوق وزيادة عائدات المساهمين. كما أن الأموال ذات نسب الدوران المنخفضة توزع أرباحا رأسمالية أقل يدفع فيها المساهمون الضرائب. لذلك، ينصح المستثمرون لاختيار صناديق الاستثمار المشترك مع نسب دوران تحت 50٪ أو صناديق مؤشر مع دوران لا يزيد عن 5٪.
مثال على نسب الدوران.
صندوق دريفوس تقدير لديه طريقة شراء وشراء قوية للاستثمار في الشركات الكبيرة الكبيرة في الغالب مع إجمالي رؤوس الأموال في السوق أكثر من 5 مليارات $ في وقت الشراء. وتظهر هذه الشركات ربحية مستدامة، وميزانيات قوية، والتوسع العالمي، ونمو الأرباح فوق المتوسط. واعتبارا من 4 مايو 2018، كانت نسبة دوران صندوق دريفوس 29٪.
في المقابل، فإن صندوق ريدكس S & P سمال كاب 600 النمو النقي يستثمر في الأسهم المشتركة للشركات ضمن نطاق الرسملة للمؤشر الأساسي والأدوات المشتقة. ویتم استثمار ما لا یقل عن 80٪ من صافي أصول الصندوق، بالإضافة إلی القروض للاستثمارات، في أوراق مالیة من الشرکات المدرجة في المؤشر الأساسي والمشتقات والأوراق المالیة الأخرى التي ینبغي أن یتوافق أداءھا مع المؤشر الأساسي. إن صندوق ريدكس غير متنوع كما في 31 مارس 2018، بلغ معدل دورانه 309٪.

دوران إستراتيجية التداول
إن قيمة التداول هي تكلفة مجمعة لجميع الصفقات التجارية في فترة زمنية محددة. في التحليل الفني يقيس دوران الكفاءة وكثافة تخصيص الأصول. ارتفاع وتيرة دوران هو سمة توقيع "الصاعد" السوق مع انتفاضة اتجاه الأسعار. وهي جزء من استراتيجية الثيران: من أجل زيادة السعر يجب أن تنجذب التدفقات النقدية الجديدة في حين أن انخفاض الأسعار قد يحدث تحت "الوزن" الخاصة بهم. من ذوي الخبرة الدب المستثمرين يعرفون عن هذا الخمول من السوق، ويمكن اللحاق اللحظة المناسبة للشراء.
دوران هو ثاني مؤشر مهم بعد سعر في التحليل الفني الصرف الأجنبي. للتفسير الرسومية لهذه الميزة رسم تخطيطي خاص & # 8211؛ حجم الرسم البياني حجم التداول - هي التي شيدت. وهو يتألف من أعمدة من ارتفاع مختلف، كل يمثل الإطار الزمني الخاص بها (اعتمادا على مقياس الرسم البياني قد يكون 1 دقيقة، 5 دقائق، 15 دقيقة الخ). ارتفاع العمود يتوافق مع مستوى حجم التجارة - أعلى العمود يبقى لدوران التجارة أكبر. يتم رسم الرسم البياني عادة جنبا إلى جنب مع الرسم البياني للسعر بحيث يتوافق كل عمود مدرج بياني مع نقطة الرسم البياني النسبي (أو شريط أو شمعة). وهكذا تصبح أحجام التداول لكل مستوى سعر مرئية بوضوح.
لا يعطي الرسم البياني حجم التداول أي معلومات إذا كانت الثيران أو الدببة تسود في السوق، أي أنه ليس من الممكن تحديد ما إذا كان هناك المزيد من البيع أو الشراء في الفترة الزمنية المستعرضة. ولكن هذا ليس هو المهم لتحليل دوران تسبب هذه المعلومات يمكن أن تكون وردت بسهولة من ديناميات الأسعار. ومن الجدير بالذكر أن أحجام التجارة تفوق حركة السعر. إذا ارتفع السعر جنبا إلى جنب مع ارتفاع معدل دوران وبعد ذلك قطرات دوران ثم عادة سيتم تشغيل السعر حتى لبعض الوقت وفقط بعد أن تفقد زخمه الاتجاه سوف تتحول إلى أسفل. وبالتالي فإن تذبذب دوران قد يخدم إشارة جيدة من الاتجاه القادم في اتجاه إعادة ويجب ألا يتم تجاهلها. يجب أن يكون الرسم البياني للسعر مصحوبا دائما مع الرسم البياني حجم التداول.
من المهم جدا لتحليل دوران السوق المالية أن ننظر ليس فقط في حجم التداول الكلي ولكن أيضا في الفائدة المفتوحة - مجموع جميع المراكز المفتوحة في نهاية فترة التداول. والاختلافات فقط من هذا المؤشر هي حقا المسائل، وليس القيمة المطلقة. الزيادة في الفائدة التجارية قد تكون علامة جيدة للتفضيلات التاجر. إذا تم الاحتفاظ بالمراكز مفتوحة فهذا يعني أن التجار يدعمون الاتجاه الحالي في منظور طويل الأجل. على الجانب الآخر زيادة المفرطة من إشارات الفائدة المفتوحة بدوره الاتجاه المحتمل كما قد التجار لإغلاق مواقفهم لإصلاح الربح.
الأرقام الدقيقة لدوران تداول العملات الأجنبية لا يمكن الوصول إليها حتى بالنسبة للسلطات الإحصائية الرسمية لذلك حجم علامة أو عدد من الاقتباسات في إطار زمني محدد يستخدم على نطاق واسع لتقديرات دوران العملات الأجنبية. لها أعلى، السيولة المطلقة تقريبا السلس من الخلافات ويجعل ديناميات حجم علامة لتكرار ديناميكية دوران العام.
وينبغي النظر في القواعد التالية للتعامل مع مؤشرات التداول التداول:
انخفاض دوران هو إشارة من الركود في دعم الاتجاه الحالي: فإنه إما تغيير الاتجاه أو الأسعار سوف تبقى مسطحة لبعض الوقت؛ زيادة التحويلات يعني الدعم القوي للاتجاه الحالي: الأسعار سوف تطفو في نفس الاتجاه أو الاتجاه الجديد سوف تظهر؛ في بعض الأحيان التغييرات طفيف دوران تأتي جنبا إلى جنب مع التغيرات السعرية الخام.
وتشير قمم دوران تشير الاتجاهات المحتملة.
جميع المؤشرات المذكورة أعلاه واستراتيجيات التداول مفيدة فقط للاستفادة من التقلبات قصيرة الأجل & # 8211؛ خلال ساعة واحدة & # 8211؛ وتغطي فقط حجم التجارة وديناميكيات الأسعار خلال جلسة تداول واحدة (اليابانية أو الأوروبية أو الأمريكية). على نطاق زمني أطول (يوم واحد وأطول) إجمالي حجم التداول التجارة حول مستوى ثابت أو أكثر، ويعتمد أكثر على الوقت من يوم (في حجم التجارة الدورة اليابانية هي في حدها الأدنى والوصول إلى الحد الأقصى لها على الحدود بين الدورات الأوروبية والأمريكية) .
حقوق الطبع والنشر 2017 ترادينغ بوينت هولدينغز Ltd. جميع الحقوق محفوظة.
تحذير المخاطر: الفوركس والسلع والخيارات والعقود مقابل الفروقات (أوتك ترادينغ) هي منتجات مدعومة.
التي تنطوي على مخاطر كبيرة من خسارة تصل إلى رأس المال المستثمر الخاص بك وقد لا تكون مناسبة للجميع.
يرجى التأكد من أنك تفهم تماما المخاطر التي تنطوي عليها ولا تستثمر المال الذي لا يمكن أن تخسره.
يرجى مراجعة اإلفصاح الكامل عن المخاطر.
ملاحظة هامة: نقطة التداول.
لا تقدم خدمات لمواطني الولايات المتحدة الأمريكية.

دوران المحفظة.
ما هو "دوران محفظة"
دوران المحفظة هو مقياس لمدى تكرار شراء الأصول داخل الصندوق وبيعها من قبل المديرين. يتم احتساب معدل دوران المحفظة من خالل أخذ المبلغ اإلجمالي لألوراق المالية الجديدة المشتراة أو مبلغ األوراق المالية المباعة - أيهما أقل - على مدى فترة معينة، مقسوما على إجمالي صافي قيمة أصول الصندوق. وعادة ما يتم الإبلاغ عن القياس لمدة 12 شهرا.
كسر "دوران المحفظة"
وبالإضافة إلى ذلك، ينبغي أن المستثمرين المستثمرين واعية التكلفة أن نلاحظ أن رسوم رسوم الوساطة المعاملات لم يتم تضمينها في حساب نسبة النفقات التشغيلية للصندوق وبالتالي تمثل ما يمكن أن يكون، في محافظ عالية دوران، نفقات إضافية كبيرة مما يقلل من عائد الاستثمار.
الأموال المدارة مقابل الأموال غير المدارة.
وتستمر المناقشة بين المدافعين عن الأموال غير المدارة مثل صناديق المؤشرات والصناديق المدارة. كشفت دراسة عام 2018 مورنينغستار أن صناديق المؤشرات تفوق صناديق نمو الشركات الكبيرة حوالي 68٪ من الوقت في فترة 10 سنوات المنتهية في 31 ديسمبر 2017. الأموال غير المدارة تقليديا لديها انخفاض قيمة دوران محفظة. وتعكس الأموال مثل صندوق مؤشر الطليعة 500 دولار أمريكي الذي تبلغ قيمته 46.7 مليار دولار حيازات مؤشر ستاندرد آند بورز 500 الذي تتم فيه إزالة المكونات بشكل غير منتظم. وينتقل الصندوق بمعدل سنوي قدره 3٪، مما يساعد على إبقاء نسب النفقات منخفضة نتيجة الحد الأدنى من رسوم التداول والمعاملات.
في حين أن بعض المستثمرين تجنب الأموال عالية التكلفة، وهناك احتمال أن الفرد قد تفوت على عوائد متفوقة التي تفوق باستمرار الأموال مؤشر. مدراء الصناديق المحنكون الذين فازوا باستمرار على المعيار S & P 500 يشمل أب نيكولاس البالغ من العمر 85 عاما. وبلغ معدل دوران الصندوق في المتوسط ​​25 في المائة في السنوات العشر الأخيرة. وعلى الرغم من زيادة عمليات البيع والشراء، تجاوز الصندوق مؤشر ستاندرد آند بورز 500 في كل عام من عام 2008 حتى عام 2018.
الضرائب ودوران.
وتولد المحافظ التي تسجل بمعدلات مرتفعة توزيعات أرباح رأسمالية كبيرة. وقد يتأثر المستثمرون الذين يركزون على العوائد الضريبية بعد الضريبة ضرائب ضرائب على المكاسب المحققة. النظر في المستثمر الذي يدفع باستمرار معدل الضريبة السنوية من 30٪ على التوزيعات التي يتم الحصول عليها من صندوق الاستثمار المشترك 10٪ سنويا. فالفرد يتخلى عن دولار الاستثمار الذي يمكن الاحتفاظ به من المشاركة في صناديق معاملات منخفضة مع معدل دوران منخفض. وعائد سنوي مماثل بنسبة 10٪ لمستثمر في صندوق غير مدار ينتج بشكل كبير عن ارتفاع غير محقق.

و التاجر R.
استخدام R والأدوات ذات الصلة في التمويل الكمي.
تصور بيانات سلسلة الوقت في R.
أنا مسرور جدا أن أعلن بلدي داتاكامب بالطبع على تصور البيانات سلسلة الوقت في R. هذا بالطبع هو أيضا جزء من سلسلة الوقت مع R المهارات المسار. لا تتردد في الحصول على نظرة، والفصل الأول هو حر!
وصف المساقات.
وكما يقول المثل، "الرسم البياني يستحق ألف كلمة". هذا هو السبب في التصور هو الطريقة الأكثر استخداما وقوية للحصول على فهم أفضل للبيانات الخاصة بك. بعد هذا بالطبع سيكون لديك نظرة عامة جيدة جدا من R سلسلة الوقت قدرات التصور، وسوف تكون قادرة على اتخاذ قرار أفضل النموذج الذي يختار للتحليل اللاحق. سوف تكون قادرة على نقل الرسالة التي تريد تسليم بطريقة فعالة وجميلة.
بالطبع مخطط.
الفصل 1: R التصور سلسلة الوقت أدوات.
هذا الفصل سوف أعرض لكم الأساسية R سلسلة الوقت أدوات التصور.
الفصل 2: ​​سلسلة زمنية أحادية المتغير.
وقد صممت األراضي املتعددة املتغريات لتعلم قدر اإلمكان عن التوزيع والتوجه املركزي وانتشار البيانات املتوفرة. في هذا الفصل سوف يتم تقديمك مع بعض الأدوات البصرية المستخدمة لتشخيص سلسلة أحادية المتغيرات.
الفصل الثالث: سلسلة زمنية متعددة المتغيرات.
ماذا تفعل إذا كان لديك للتعامل مع سلاسل زمنية متعددة المتغيرات؟ في هذا الفصل، سوف تتعلم كيفية تحديد أنماط في التوزيع، والاتجاه المركزي وانتشار على أزواج أو مجموعات من البيانات.
الفصل الرابع: دراسة حالة: اختيار بصريا الأسهم التي تحسن المحفظة الحالية.
اسمحوا & # 8217؛ ق وضع كل ما تعلمته حتى الآن في الممارسة العملية! تخيل أنك تملك بالفعل محفظة من الأسهم وكان لديك بعض النقود الاحتياطية للاستثمار، وكيف يمكنك بحكمة اختيار الأسهم الجديدة للاستثمار النقدية الخاصة بك إضافية؟ ويعد تحليل الخصائص الإحصائية للأسهم الفردية مقابل المحفظة القائمة وسيلة جيدة لمعالجة المشكلة.
ربط R إلى إقفيد مع حزمة كوانتولس.
يوفر إقفيد تدفق خدمات البيانات والحلول التجارية التي تغطي السوق الزراعي والطاقة والمالية. بل هو معروف ومعترف به مزود تغذية البيانات الموجهة نحو مستخدمي التجزئة والمؤسسات الصغيرة. يبدأ سعر الاشتراك في حوالي 80 $ / الشهر.
وقد وضعت ستانيسلاف كوفاليفسكي حزمة تسمى كوانتولس. بل هو حزمة في كل واحدة تهدف إلى تعزيز النمذجة التداول الكمي. فإنه يسمح لتحميل وتنظيم بيانات السوق التاريخية من مصادر متعددة مثل ياهو، جوجل، فينام، موكس و إكيفيد. الميزة التي تهمني أكثر هي القدرة على ربط إكفيد ل R. أنا & # 8217؛ لقد تم استخدام إكفيد لبضع سنوات وأنا & # 8217؛ م سعيد معها (أنا & # 8217؛ م لا ينتمي إلى الشركة في أي الطريق). ويمكن الاطلاع على مزيد من المعلومات هنا. أنا & # 8217؛ كنت تبحث عن التكامل داخل R لفترة من الوقت وهنا هو. ونتيجة لذلك، بعد أن ركضت بعض الاختبارات، انتقلت التعليمات البرمجية التي كانت لا تزال في بيثون إلى R. مجرد اكتمال، وهنا & # 8217؛ ق رابط يشرح كيفية تحميل البيانات التاريخية من إكفيد باستخدام بايثون.
كوانتولس يقدم أربع وظائف رئيسية هي: الحصول على بيانات السوق، مخزن / استرداد بيانات السوق، مؤامرة البيانات سلسلة الوقت والاختبار مرة أخرى.
تأكد أولا من أن إقفيد مفتوح. يمكنك إما تحميل البيانات اليومية أو خلال اليوم. أدناه رمز التنزيلات الأسعار اليومية (المفتوحة، عالية، منخفضة، إغلاق) ل سبي من 1 يناير 2017 إلى 1 يونيو 2017.
أدناه رمز التنزيلات البيانات اللحظية من 1 مايو 2017 إلى 3 مايو 2017.
لاحظ معلمة الفترة. يمكن أن تأخذ أي من القيم التالية: القراد، 1min، 5min، 10min، 15min، 30min، ساعة، يوم، أسبوع، شهر، اعتمادا على التردد الذي تحتاجه.
كوانتولس يجعل عملية إدارة وتخزين بيانات سوق القراد سهلة. كنت فقط الإعداد معلمات التخزين وكنت على استعداد للذهاب. المعلمات هي حيث، منذ التاريخ والرموز التي ترغب في أن يتم تخزينها. في أي وقت يمكنك إضافة المزيد من الرموز وإذا لم تكن موجودة في التخزين، كوانتولس يحاول الحصول على البيانات من تاريخ البدء المحدد. سيقوم الرمز أدناه بحفظ البيانات في الدليل التالي: & # 8220؛ C: / وسرس / أرنو / دوكومينتس / ماركيت داتا / إكفيد & # 8221 ؛. هناك مجلد فرعي واحد من قبل أداة والبيانات هو أفيد في ملفات. rds.
يمكنك أيضا تخزين البيانات بين تواريخ محددة. استبدل السطر الأخير من الشفرة أعلاه بأحد الخيارات التالية.
الآن إذا كنت ترغب في الحصول على العودة بعض البيانات التي قمت بتخزينها، مجرد تشغيل شيء مثل:
لاحظ أن القراد فقط معتمد في التخزين المحلي لذلك يجب أن تكون الفترة & # 8216؛ علامة & # 8217؛
كوانتولس يوفر وظيفة plot_ts لرسم البيانات سلسلة الوقت دون عطلة نهاية الأسبوع، والعطلات والثغرات بين عشية وضحاها. في المثال أدناه، أنا أولا استرداد البيانات المخزنة أعلاه، ثم حدد أول 100 الملاحظات السعر وأخيرا رسم المخطط.
أمران أن نلاحظ: الجاسوس الأول هو كائن data. table وبالتالي بناء الجملة أعلاه. للحصول على لمحة سريعة عن قدرات data. table لها نظرة على هذه الورقة الغش ممتازة من داتاكامب. ثانيا المعلمة المحلية ترو كما يتم استرجاع البيانات من وحدة التخزين الداخلية.
كوانتولس يسمح لكتابة استراتيجية التداول الخاصة بك باستخدام C ++ أبي. أنا & # 8217؛ م لن نتحدث عن هذا لأن هذا هو أساسا C ++ التعليمات البرمجية. يمكنك الرجوع إلى قسم الأمثلة على موقع كوانتولس.
عموما أجد حزمة مفيدة للغاية وموثقة بشكل جيد. الشيء الوحيد المفقود هو تغذية حية بين R و إقفيد والتي سوف تجعل حزمة نهاية حقيقية لإنهاء الحل.
كالمعتاد أي تعليقات موضع ترحيب.
بيرت: الوافد الجديد في اتصال R إكسيل.
قبل بضعة أشهر قارئ يشير لي من هذه الطريقة الجديدة لربط R و إكسيل. أنا لا أعرف كم من الوقت كان هذا حولها، ولكن أنا لم تأتي عبر ذلك وأنا & # 8217؛ لم أر أي مشاركة بلوق أو مقالة حول هذا الموضوع. لذلك قررت أن أكتب وظيفة كأداة حقا يستحق ذلك وقبل أن يسأل أي شخص، أنا & # 8217؛ م لا علاقة للشركة بأي شكل من الأشكال.
يقف بيرت لمجموعة أدوات إكسيل R الأساسية. إنه مجاني (مرخص بموجب غل v2) وقد تم تطويره من قبل ستروتوريد داتا ليك. في وقت كتابة النسخة الحالية من بيرت هو 1.07. ويمكن الاطلاع على مزيد من المعلومات هنا. من منظور أكثر تقنية، تم تصميم بيرت لدعم تشغيل وظائف R من خلايا جداول البيانات إكسل. في عبارات إكسيل، فإنه يتم كتابة المهام التي يحددها المستخدم (أودفس) في R.
في هذا المنصب أنا & # 8217؛ م لن تظهر لك كيف R و إكسيل التفاعل عبر بيرت. هناك دروس جيدة جدا هنا، هنا وهنا. بدلا من ذلك أريد أن تظهر لك كيف استخدمت بيرت لبناء & # 8220؛ برج التحكم & # 8221؛ لتداول بلدي.
يتم إنشاء إشارات التداول الخاصة بي باستخدام قائمة طويلة من الملفات R ولكن أنا بحاجة إلى مرونة إكسيل لعرض النتائج بسرعة وكفاءة. كما هو مبين أعلاه بيرت يمكن أن تفعل هذا بالنسبة لي ولكن أريد أيضا أن خياط التطبيق لاحتياجاتي. من خلال الجمع بين قوة شمل، فبا، R و بيرت يمكنني إنشاء تطبيق جيد حتى الآن قوية في شكل ملف إكسيل مع الحد الأدنى من التعليمات البرمجية فبا. في نهاية المطاف لدي ملف اكسل واحد جمع كل المهام اللازمة لإدارة محفظتي: تحديث قاعدة البيانات، توليد إشارة، تقديم الطلبات الخ & # 8230؛ ويمكن تقسيم نهجي في الخطوات الثلاث التالية:
استخدم شمل لإنشاء قوائم وأزرار محددة من قبل المستخدم في ملف إكسيل. القوائم المذكورة أعلاه وأزرار هي أساسا يدعو إلى وظائف فبا. تلك الوظائف فبا هي التفاف حول وظائف R المعرفة باستخدام بيرت.
مع هذا النهج يمكنني الحفاظ على تمييز واضح بين جوهر بلدي رمز الاحتفاظ بها في R، سكل وبيثون وكل ما يستخدم لعرض وتنسيق النتائج أبقى في إكسيل، فبا & أمب؛ XML. في الأقسام التالية أقدم الشرط الأساسي لتطوير مثل هذا النهج ودليل خطوة بخطوة يوضح كيف يمكن استخدام بيرت لمجرد تمرير البيانات من R إلى إكسيل مع الحد الأدنى من التعليمات البرمجية فبا.
1 & # 8211؛ تحميل وتثبيت بيرت من هذا الرابط. بمجرد اكتمال التثبيت يجب أن يكون لديك قائمة الوظائف الإضافية الجديدة في إكسيل مع الأزرار كما هو موضح أدناه. هذه هي الطريقة التي تحققت بيرت في إكسيل.
2 & # 8211؛ تنزيل وتثبيت محرر واجهة مستخدم مخصص: يسمح محرر واجهة المستخدم المخصص بإنشاء قوائم وأزرار محددة من قبل المستخدم في شريط إكسيل. يتوفر إجراء خطوة بخطوة هنا.
1 & # 8211؛ R كود: وظيفة R أدناه هي قطعة بسيطة جدا من التعليمات البرمجية لأغراض التوضيح فقط. ويحسب ويعيد البقايا من الانحدار الخطي. هذا هو ما نريد استرداد في إكسيل. حفظ هذا في ملف يسمى myRCode. R (أي اسم آخر على ما يرام) في دليل من اختيارك.
2 & # 8211؛ functions. R في بيرت: من إكسيل حدد الوظائف الإضافية - & غ؛ الصفحة الرئيسية الدليل وفتح الملف يسمى functions. R. في هذا الملف قم بلصق التعليمة البرمجية التالية. تأكد من إدراج المسار الصحيح.
هذا هو مجرد مصادر في بيرت ملف R قمت بإنشائه أعلاه. ثم حفظ وإغلاق الملف functions. R. إذا كنت تريد إجراء أي تغيير على ملف R الذي تم إنشاؤه في الخطوة 1 سيكون لديك لإعادة تحميله باستخدام زر بيرت & # 8220؛ تحديث ملف بدء التشغيل & # 8221؛ من القائمة الوظائف الإضافية في إكسيل.
3 & # 8211؛ في إكسيل: إنشاء وحفظ ملف يسمى myFile. xslm (أي اسم آخر على ما يرام). هذا هو ملف تمكين ماكرو الذي تقوم بحفظه في الدليل الذي تختاره. مرة واحدة يتم حفظ الملف إغلاقه.
4 & # 8211؛ افتح الملف الذي تم إنشاؤه أعلاه في محرر واجهة المستخدم المخصصة: بعد فتح الملف، الصق الشفرة التالية.
يجب أن يكون لديك شيء من هذا القبيل في محرر شمل:
أساسا هذه القطعة من رمز شمل يخلق قائمة إضافية (رترادر)، مجموعة جديدة (مجموعتي) وزر تعريف المستخدم (زر جديد) في الشريط إكسيل. بعد الانتهاء من إجراء ذلك، افتح myFile. xslm في إكسيل وأغلق محرر واجهة المستخدم المخصص. يجب أن نرى شيئا من هذا القبيل.
5 & ​​# 8211؛ فتح محرر فبا: في myFile. xlsm إدراج وحدة نمطية جديدة. قم بلصق التعليمة البرمجية أدناه في الوحدة النمطية التي تم إنشاؤها حديثا.
يؤدي ذلك إلى محو النتائج السابقة في ورقة العمل قبل التعامل مع نتائج جديدة.
6 & # 8211؛ انقر فوق زر جديد: الآن عد إلى جدول البيانات وفي القائمة رترادر ​​انقر فوق & # 8220؛ زر جديد & # 8221؛ زر. يجب أن تشاهد شيئا مثل ما يظهر أدناه.
الدليل أعلاه هو نسخة أساسية جدا من ما يمكن تحقيقه باستخدام بيرت لكنه يظهر لك كيفية الجمع بين قوة عدة أدوات محددة لبناء التطبيق المخصص الخاص بك. من وجهة نظري مصلحة هذا النهج هو القدرة على الغراء معا R و إكسيل الواضح ولكن أيضا لتشمل عن طريق شمل (والدفعة) قطعة من التعليمات البرمجية من بايثون، سكل وأكثر من ذلك. هذا هو بالضبط ما كنت بحاجة إليه. وأخيرا أود أن تكون غريبة لمعرفة ما إذا كان أي شخص لديه أي خبرة مع بيرت؟
استراتيجية التداول: الاستفادة القصوى من البيانات من العينة.
عند اختبار استراتيجيات التداول هناك نهج مشترك هو تقسيم مجموعة البيانات الأولية إلى بيانات العينة: الجزء من البيانات المصممة لمعايرة النموذج والخروج من بيانات العينة: جزء من البيانات المستخدمة للتحقق من صحة المعايرة وضمان أن الأداء التي تم إنشاؤها في عينة ستنعكس في العالم الحقيقي. وكقاعدة عامة يمكن استخدام حوالي 70٪ من البيانات الأولية للمعايرة (أي في العينة) و 30٪ للتحقق (أي من العينة). ثم تساعد مقارنة البيانات داخل وخارج العينة على تحديد ما إذا كان النموذج قويا بما فيه الكفاية. ويهدف هذا المنصب إلى المضي قدما خطوة أخرى ويوفر طريقة إحصائية لتقرير ما إذا كانت البيانات خارج العينة يتماشى مع ما تم إنشاؤه في العينة.
في الرسم البياني أدناه تمثل المنطقة الزرقاء خارج أداء العينة لأحد استراتيجياتي.
فحص بصري بسيط يكشف عن تناسب جيد بين داخل وخارج أداء العينة ولكن ما هي درجة الثقة لدي في هذا؟ في هذه المرحلة ليس كثيرا، وهذه هي القضية. والمطلوب حقا هو مقياس للتشابه بين مجموعات البيانات داخل وخارج العينة. ومن الناحية الإحصائية، يمكن ترجمة ذلك على أنه احتمال أن تأتي أرقام أداء العينة وخارجها من نفس التوزيع. هناك اختبار إحصائي غير بارامتري الذي يفعل بالضبط هذا: اختبار كروسكال واليس. ويمكن العثور على تعريف جيد لهذا الاختبار على R-توتور & # 8220؛ مجموعة من عينات البيانات مستقلة إذا كانت تأتي من السكان غير ذات الصلة والعينات لا تؤثر على بعضها البعض. باستخدام اختبار كروسكال واليس، يمكننا أن نقرر ما إذا كانت التوزيعات السكانية متطابقة دون افتراض أنها تتبع التوزيع الطبيعي. & # 8221؛ الفائدة الإضافية لهذا الاختبار لا يفترض توزيع طبيعي.
وتوجد اختبارات أخرى من نفس الطبيعة يمكن أن تتلاءم مع هذا الإطار. اختبار مان-ويتني-ويلكوكسون أو اختبارات كولموغوروف-سميرنوف يناسب تماما الإطار يصف هنا ولكن هذا خارج نطاق هذه المقالة لمناقشة إيجابيات وسلبيات كل من هذه الاختبارات. ويمكن الاطلاع على وصف جيد جنبا إلى جنب مع الأمثلة R هنا.
هنا الرمز المستخدم لإنشاء الرسم البياني أعلاه والتحليل:
في المثال أعلاه في فترة العينة أطول من خارج الفترة عينة ولذلك أنا عشوائيا إنشاء 1000 مجموعات فرعية من البيانات في العينة كل واحد لها نفس طول البيانات خارج العينة. ثم اختبرت كل عينة فرعية في مقابل عينة من البيانات وسجلت قيم p. هذه العملية لا تخلق قيمة P واحدة لاختبار كروسكال واليس ولكن التوزيع يجعل التحليل أكثر قوة. في هذا المثال يكون متوسط ​​قيم p أعلى بكثير من الصفر (0.478) مما يشير إلى أنه يجب قبول الفرضية الصفرية: فهناك أدلة قوية على أن البيانات داخل وخارج العينة تأتي من نفس التوزيع.
كالمعتاد ما هو عرض في هذا المنصب هو مثال لعبة أن خدوش فقط على سطح المشكلة ويجب أن تكون مصممة لتلبية الاحتياجات الفردية. ومع ذلك أعتقد أنه يقترح إطارا إحصائيا للاهتمام والعقلاني لتقييم نتائج العينة.
هذه المقالة مستوحاة من الورقتين التاليتين:
فيجيل ألكسندر، شميل سوان (2007)، "آثار وظائف التحسين المختلفة على الخروج من عينة أداء استراتيجيات التداول المتطورة وراثيا"، التنبؤ مؤتمر الأسواق المالية.
فيجيه أليكساندر، شميل سوان (2018)، "عملية التحسين لتحسين / الخروج من عينة الاتساق، حالة سوق الأسهم»، مؤتمر مورغان كازينوف الأسهم الكمية الكمية، لندن أكتوبر 2018.
تقديم فيدلر: فينانسيال داتا لوادير.
فيدلر هو رستوديو أدين تهدف إلى تبسيط عملية تنزيل البيانات المالية من مختلف مقدمي الخدمات. هذا الإصدار الأولي هو المجمع حول وظيفة جيتسيمبولس في حزمة كوانتمود ويتم دعم فقط ياهو، جوجل، فريد و أواندا. أنا ربما إضافة وظائف مع مرور الوقت. كالمعتاد مع هذه الأشياء مجرد تذكير نوع: & # 8220؛ يتم توفير البرنامج & # 8220؛ كما هو & # 8221؛، دون ضمان من أي نوع & # 8230؛ & # 8221؛
كيفية تثبيت واستخدام فيدلر؟
يمكنك الحصول على أدين / حزمة من مستودع جيثب هنا (وسوف يسجل على كران في وقت لاحق) تثبيت أدين. هناك تعليمي ممتاز لتثبيت رستوديو أدينز هنا. بمجرد تثبيت أدين يجب أن تظهر في القائمة أدين. اخترت فقط فيدلر في القائمة ونافذة كما في الصورة أدناه يجب أن تظهر. اختر موفر بيانات من القائمة المنسدلة المصدر. حدد نطاق تاريخ من قائمة التاريخ أدخل الرمز الذي ترغب في تنزيله في مربع النص الخاص بالأداة. لتحميل عدة رموز فقط أدخل الرموز مفصولة بفواصل. استخدام أزرار الراديو لاختيار ما إذا كنت ترغب في تحميل الصك في ملف كسف أو في البيئة العالمية. سيتم حفظ ملف كسف في دليل العمل وسيكون هناك ملف كسف واحد لكل أداة. اضغط على تشغيل للحصول على البيانات أو إغلاق لإغلاق أدين.
يتم التعامل مع رسائل الخطأ والتحذيرات من قبل الحزم الأساسية (كوانتمود و لامعة) ويمكن قراءتها من وحدة التحكم.
هذه هي النسخة الأولى جدا من المشروع لذلك لا نتوقع الكمال ولكن نأمل أنه سوف تتحسن مع مرور الوقت. يرجى الإبلاغ عن أي تعليق، اقتراح، علة الخ & # 8230؛ تو: ثيرترادر ​​@ غميل.
الحفاظ على قاعدة بيانات لملفات الأسعار في R.
القيام بالبحث الكمي ينطوي على الكثير من البيانات الطحن واحد يحتاج إلى بيانات نظيفة وموثوق بها لتحقيق ذلك. ما هو مطلوب حقا هو البيانات النظيفة التي يمكن الوصول إليها بسهولة (حتى من دون اتصال بالإنترنت). وكانت الطريقة الأكثر فعالية للقيام بذلك بالنسبة لي للحفاظ على مجموعة من ملفات كسف. من الواضح أن هذه العملية يمكن التعامل معها في نواح كثيرة ولكن وجدت العمل الإضافي فعالة جدا وبسيطة للحفاظ على الدليل حيث يمكنني تخزين وتحديث ملفات كسف. لدي ملف كسف واحد لكل أداة ويسمى كل ملف بعد الصك أنه يحتوي على. السبب في ذلك هو شقين: أولا، لا أريد تحميل البيانات (السعر) من ياهو، غوغل وغيرها & # 8230؛ في كل مرة أريد أن اختبار فكرة جديدة ولكن الأهم من ذلك مرة واحدة حددت وتحديد المشكلة، وأنا لا تريد أن تفعل ذلك مرة أخرى في المرة القادمة أنا بحاجة إلى نفس الأداة. بسيطة لكنها فعالة جدا حتى الآن. يتم تلخيص العملية في الرسم البياني أدناه.
في كل ما يلي، أفترض أن البيانات تأتي من ياهو. يجب تعديل الشفرة للبيانات من غوغل، كواندل إتك & # 8230؛ وبالإضافة إلى ذلك أقدم عملية تحديث بيانات الأسعار اليومية. سيكون الإعداد مختلفا عن بيانات التردد الأعلى والنوع الآخر من مجموعات البيانات (أي مختلف عن الأسعار).
1 & # 8211؛ تنزيل البيانات الأولية (listOfInstruments. R & HistoryData. R)
ملف listOfInstruments. R هو ملف يحتوي فقط على قائمة بجميع الصكوك.
إذا لم يكن أحد الأدوات جزءا من قائمتي (أي ملف كسف في مجلد البيانات) أو إذا قمت بذلك للمرة الأولى، عليك تنزيل مجموعة البيانات التاريخية الأولية. المثال أدناه ينزل مجموعة من صناديق المؤشرات المتداولة يوميا من ياهو فينانس إلى يناير 2000 وتخزين البيانات في ملف كسف.
2 & # 8211؛ تحديث البيانات الموجودة (updateData. R)
يبدأ رمز أدناه من الملفات الموجودة في مجلد مخصص وتحديث كل منهم واحدا تلو الآخر. أنا عادة تشغيل هذه العملية كل يوم إلا عندما أنا & # 8217؛ م في عطلة. لإضافة أداة جديدة، ببساطة تشغيل الخطوة 1 أعلاه لهذا الصك وحده.
3 & # 8211؛ إنشاء ملف دفعي (updateDailyPrices. bat)
جزء مهم آخر من المهمة هو إنشاء ملف دفعي يقوم بأتمتة عملية التحديث أعلاه (I & # 8217؛ م مستخدم ويندوز). هذا يتجنب فتح R / رستوديو وتشغيل التعليمات البرمجية من هناك. يتم وضع التعليمات البرمجية أدناه على ملف بت. (يجب تعديل المسار مع إعداد القارئ & # 8217؛ s). لاحظ أنني أضفت ملف الإخراج (updateLog. txt) لتتبع التنفيذ.
العملية المذكورة أعلاه بسيطة للغاية لأنها تصف فقط كيفية تحديث بيانات الأسعار اليومية. أنا & # 8217؛ لقد تم استخدام هذا لفترة من الوقت، وأنها كانت تعمل بسلاسة جدا بالنسبة لي حتى الآن. للحصول على بيانات أكثر تقدما و / أو ترددات أعلى، يمكن للأشياء الحصول على أكثر صعوبة.
كالمعتاد أي تعليقات موضع ترحيب.
صعود الروبوتات (المستشارين & # 8230؛)
إن صناعة إدارة الأصول على وشك إحداث تغيير كبير. على مدى العامين الماضيين ظهرت الروبوتات المستشارين (را) لاعبين جدد. المصطلح نفسه يصعب تعريفه لأنه يشمل مجموعة كبيرة ومتنوعة من الخدمات. تم تصميم بعضها لمساعدة المستشارين التقليديين لتخصيص أفضل أموال عملائها والبعض الحقيقي & # 8220؛ الصندوق الأسود & # 8221؛. يدخل المستخدم بعض المعايير (العمر والدخل والأطفال الخ & # 8230؛) والروبوت يقترح تخصيص مخصص. بين هذين النقيضين مجموعة كاملة من العروض المتاحة. لقد وجدت تعريف ويكيبيديا جيدة جدا. & # 8220؛ هم فئة من المستشار المالي الذي يوفر إدارة المحافظ على الانترنت مع الحد الأدنى من التدخل البشري & # 8221؛. وبصورة أدق، يستخدمون إدارة الحافظة القائمة على الخوارزميات لتقديم مجموعة كاملة من الخدمات التي سيقدمها مستشار تقليدي: إعادة استثمار الأرباح، وتقارير الامتثال، وإعادة توازن المحفظة، وحصاد الخسائر الضريبية، إلخ & # 8230؛ (حسنا هذا هو ما يقوم به مجتمع الاستثمار الكمي لعقود!). هذه الصناعة لا تزال في مهدها مع معظم اللاعبين لا تزال تدير كمية صغيرة من المال ولكن أدركت فقط مدى عميق كان التغيير عندما كنت في مدينة نيويورك قبل بضعة أيام. عندما را الحصول على أسمائهم على التلفزيون يضيف أو على سقف سيارة أجرة مدينة نيويورك كنت أعرف شيئا كبيرا يحدث & # 8230؛
فإنه يحصل على المزيد والمزيد من الاهتمام من وسائل الإعلام وقبل كل شيء يجعل الكثير من الشعور من وجهة نظر المستثمرين. هناك في الواقع اثنين من المزايا الرئيسية في استخدام را:
رسوم أقل بكثير على المستشارين التقليديين يتم جعل الاستثمار أكثر شفافية وأبسط وأكثر جاذبية للأشخاص ذوي المعرفة المالية المحدودة.
في هذا المنصب R هو مجرد عذر لتقديم لطيف ما هو الاتجاه الرئيسي في صناعة إدارة الأصول. ويبين الرسم البياني أدناه حصص السوق من را الأكثر شعبية اعتبارا من نهاية عام 2017. التعليمات البرمجية المستخدمة لتوليد الرسم البياني أدناه يمكن العثور عليها في نهاية هذا المنصب والبيانات هنا.
هذه الأرقام هي مؤرخة قليلا نظرا لمدى سرعة هذه الصناعة تتطور ولكن لا تزال مفيدة للغاية. ليس من المستغرب أن يهيمن على السوق من قبل مقدمي الولايات المتحدة مثل ويالثفرونت و بيترمنت ولكن را لا تظهر في جميع أنحاء العالم: آسيا (8Now!)، سويسرا (إنفستغلاس)، فرنسا (ماري كوانتييه) & # 8230؛ .. انها بدأت تؤثر بشكل كبير طريقة مديري الأصول التقليدية يقومون بأعمال تجارية. ومن الأمثلة البارزة على ذلك الشراكة بين "الإخلاص" و "بيترمنت". منذ ديسمبر 2017 بيترمنت الماضي علامة 2000000000 $ أوم.
على الرغم من كل ما سبق، وأعتقد أن التغيير الحقيقي هو أمامنا. ولأنهم يستخدمون وسطاء أقل ومنتجات عمولة منخفضة (مثل صناديق الاستثمار المتداولة)، فإنهم يتقاضون رسوما أقل بكثير من الرسوم التي يحصل عليها المستشارون التقليديون. ومن المؤكد أن إدارة األبحاث ستكتسب حصصا سوقية كبيرة ولكنها ستخفض أيضا الرسوم التي تتحملها الصناعة ككل. في نهاية المطاف سوف تؤثر على طريقة الشركات الاستثمارية التقليدية القيام بأعمال تجارية. إدارة محفظة النشطة التي تواجه وقتا صعبا لبعض سنوات الآن سوف تعاني أكثر من ذلك. إن الرسوم المرتفعة التي تتكبدها ستكون أكثر صعوبة لتبريرها ما لم تعيد اختراع نفسها. ومن الآثار المحتملة الأخرى ارتفاع صنادیق الاستثمار المتداولة والمنتجات المالیة منخفضة العمولات بشکل عام. ومن الواضح أن هذا قد بدأ منذ فترة ولكنني أعتقد أن التأثير سيكون أكثر وضوحا في السنوات المقبلة. وتتبع الأجيال الجديدة لصناديق الاستثمار المتداولة مؤشرات أكثر تعقيدا واستراتيجيات مخصصة. وسيزداد حتما هذا الاتجاه.
كالمعتاد أي تعليقات موضع ترحيب.
R الوقت المالي نصائح سلسلة يجب أن يعرف الجميع عنه.
هناك العديد من R سلسلة الدروس الوقت العائمة حول على شبكة الإنترنت لم يتم تصميم هذا المنصب ليكون واحدا منهم. بدلا من ذلك أريد أن أعرض قائمة من الحيل الأكثر فائدة جئت عبر التعامل مع سلسلة الوقت المالي في R. بعض من الوظائف المقدمة هنا قوية بشكل لا يصدق ولكن للأسف دفن في الوثائق وبالتالي رغبتي في إنشاء وظيفة مخصصة. أنا فقط عنوان اليومية أو أقل تردد مرات سلسلة. Dealing with higher frequency data requires specific tools: data. table or highfrequency packages are some of them.
xts : The xts package is the must have when it comes to times series in R. The example below loads the package and creates a daily time series of 400 days normaly distributed returns.
merge. xts (package xts): This is incredibly powerful when it comes to binding two or more times series together whether they have the same length or not. The join argument does the magic! it determines how the binding is done.
apply. yearly/apply. monthly (package xts): Apply a specified function to each distinct period in a given time series object. The example below calculates monthly and yearly returns of the second series in the tsInter object. Note that I use the sum of returns (no compounding)
endpoints (package xts): Extract index values of a given xts object corresponding to the last observations given a period specified by on. The example gives the last day of the month returns for each series in the tsInter object using endpoint to select the date.
na. locf (package zoo): Generic function for replacing each NA with the most recent non-NA prior to it. Extremely useful when dealing with a time series with a few “holes” and when this time series is subsequently used as input for an R functions that does not accept arguments with NAs. In the example I create a time series of random prices then artificially includes a few NAs in it and replace them with the most recent value.
charts. PerformanceSummary (package PerformanceAnalytics): For a set of returns, create a wealth index chart, bars for per-period performance, and underwater chart for drawdown. This is incredibly useful as it displays on a single window all the relevant information for a quick visual inspection of a trading strategy. The example below turns the prices series into an xts object then displays a window with the 3 charts described above.
The list above is by no means exhaustive but once you master the functions describe in this post it makes the manipulation of financial time series a lot easier, the code shorter and the readability of the code better.
As usual any comments welcome.
Factor Evaluation in Quantitative Portfolio Management.
When it comes to managing a portfolio of stocks versus a benchmark the problem is very different from defining an absolute return strategy. In the former one has to hold more stocks than in the later where no stocks at all can be held if there is not good enough opportunity. The reason for that is the tracking error . This is defined as the standard deviation of the portfolio return minus the benchmark return. The less stocks is held vs. a benchmark the higher the tracking error (e. g higher risk).
The analysis that follows is largely inspired by the book “Active Portfolio Management” by Grinold & Kahn. This is the bible for anyone interested in running a portfolio against a benchmark. I strongly encourage anyone with an interest in the topic to read the book from the beginning to the end. It’s very well written and lays the foundations of systematic active portfolio management (I have no affiliation to the editor or the authors).
Here we’re trying to rank as accurately as possible the stocks in the investment universe on a forward return basis. Many people came up with many tools and countless variant of those tools have been developed to achieve this. In this post I focus on two simple and widely used metrics: Information Coefficient (IC) and Quantiles Return (QR).
The IC gives an overview of the factor forecasting ability. More precisely, this is a measure of how well the factor ranks the stocks on a forward return basis. The IC is defined as the rank correlation ( ρ ) between the metric (e. g. factor) and the forward return. In statistical terms the rank correlation is a nonparametric measure of dependance between two variables. For a sample of size n , the n raw scores are converted to ranks , and ρ is computed from:
The horizon for the forward return has to be defined by the analyst and it’s a function of the strategy’s turnover and the alpha decay (this has been the subject of extensive research). Obviously ICs must be as high as possible in absolute terms.
For the keen reader, in the book by Grinold & Kahn a formula linking Information Ratio (IR) and IC is given: with breadth being the number of independent bets (trades). This formula is known as the fundamental law of active management . The problem is that often, defining breadth accurately is not as easy as it sounds.
In order to have a more accurate estimate of the factor predictive power it’s necessary to go a step further and group stocks by quantile of factor values then analyse the average forward return (or any other central tendency metric) of each of those quantiles. The usefulness of this tool is straightforward. A factor can have a good IC but its predictive power might be limited to a small number of stocks. This is not good as a portfolio manager will have to pick stocks within the entire universe in order to meet its tracking error constraint. Good quantiles return are characterised by a monotonous relationship between the individual quantiles and forward returns.
All the stocks in the S&P500 index (at the time of writing). Obviously there is a survival ship bias: the list of stocks in the index has changed significantly between the start and the end of the sample period, however it’s good enough for illustration purposes only.
The code below downloads individual stock prices in the S&P500 between Jan 2005 and today (it takes a while) and turns the raw prices into return over the last 12 months and the last month. The former is our factor, the latter will be used as the forward return measure.
Below is the code to compute Information Coefficient and Quantiles Return. Note that I used quintiles in this example but any other grouping method (terciles, deciles etc…) can be used. it really depends on the sample size, what you want to capture and wether you want to have a broad overview or focus on distribution tails. For estimating returns within each quintile, median has been used as the central tendency estimator. This measure is much less sensitive to outliers than arithmetic mean.
And finally the code to produce the Quantiles Return chart.
3 & # 8211؛ How to exploit the information above?
In the chart above Q1 is lowest past 12 months return and Q5 highest. There is an almost monotonic increase in the quantiles return between Q1 and Q5 which clearly indicates that stocks falling into Q5 outperform those falling into Q1 by about 1% per month. This is very significant and powerful for such a simple factor (not really a surprise though…). Therefore there are greater chances to beat the index by overweighting the stocks falling into Q5 and underweighting those falling into Q1 relative to the benchmark.
An IC of 0.0206 might not mean a great deal in itself but it’s significantly different from 0 and indicates a good predictive power of the past 12 months return overall. Formal significance tests can be evaluated but this is beyond the scope of this article.
The above framework is excellent for evaluating investments factor’s quality however there are a number of practical limitations that have to be addressed for real life implementation:
Rebalancing : In the description above, it’s assumed that at the end of each month the portfolio is fully rebalanced. This means all stocks falling in Q1 are underweight and all stocks falling in Q5 are overweight relative to the benchmark. This is not always possible for practical reasons: some stocks might be excluded from the investment universe, there are constraints on industry or sector weight, there are constraints on turnover etc… Transaction Costs : This has not be taken into account in the analysis above and this is a serious brake to real life implementation. Turnover considerations are usually implemented in real life in a form of penalty on factor quality. Transfer coefficient : This is an extension of the fundamental law of active management and it relaxes the assumption of Grinold’s model that managers face no constraints which preclude them from translating their investments insights directly into portfolio bets.
And finally, I’m amazed by what can be achieved in less than 80 lines of code with R…
As usual any comments welcome.
Risk as a “Survival Variable”
I come across a lot of strategies on the blogosphere some are interesting some are a complete waste of time but most share a common feature: people developing those strategies do their homework in term of analyzing the return but much less attention is paid to the risk side its random nature. I’ve seen comment like “a 25% drawdown in 2018 but excellent return overall”. Well my bet is that no one on earth will let you experience a 25% loss with their money (unless special agreements are in place). In the hedge fund world people have very low tolerance for drawdown. Generally, as a new trader in a hedge fund, assuming that you come with no reputation, you have very little time to prove yourself. You should make money from day 1 and keep on doing so for a few months before you gain a bit of credibility.
First let’s say you have a bad start and you lose money at the beginning. With a 10% drawdown you’re most certainly out but even with a 5% drawdown the chances of seeing your allocation reduced are very high. This has significant implications on your strategies. Let’s assume that if you lose 5% your allocation is divided by 2 and you come back to your initial allocation only when you passed the high water mark again (e. g. the drawdown comes back to 0). In the chart below I simulated the experiment with one of my strategies.
You start trading in 1st June 2003 and all goes well until 23rd Jul. 2003 where your drawdown curve hits the -5% threshold (**1**). Your allocation is cut by 50% and you don’t cross back the high water mark level until 05th Dec. 2003 (**3**). If you have kept the allocation unchanged, the high water mark level would have been crossed on 28th Oct. 2003 (**2**) and by the end of the year you would have made more money.
But let’s push the reasoning a bit further. Still on the chart above, assume you get really unlucky and you start trading toward mid-June 2003. You hit the 10% drawdown limit by the beginning of August and you’re most likely out of the game. You would have started in early August your allocation would not have been cut at all and you end up doing a good year in only 4 full months of trading. In those two examples nothing has changed but your starting date….
The trading success of any individual has some form of path dependency and there is not much you can do about it. However you can control the size of a strategy’s drawdown and this should be addressed with great care. A portfolio should be diversified in every possible dimension: asset classes, investment strategies, trading frequencies etc…. From that perspective risk is your “survival variable”. If managed properly you have a chance to stay in the game long enough to realise the potential of your strategy. Otherwise you won’t be there next month to see what happens.

Trading strategy turnover

This is a measure of the fund's trading activity, which is computed by taking the lesser of purchases or sales (excluding all securities with maturities of less than one year) and dividing by average monthly net assets.
A turnover ratio of 100% or more does not necessarily suggest that all securities in the portfolio have been traded. In practical terms, the resulting percentage loosely represents the percentage of the portfolio's holdings that have changed over the past year.
A low turnover figure (20% to 30%) would indicate a buy-and-hold strategy. High turnover (more than 100%) would indicate an investment strategy involving considerable buying and selling of securities. Morningstar does not calculate turnover ratios. The figure is culled directly from the financial highlights of the fund's annual report.