Sumber daya yang dimuat... Pemuatan...
  1. Persegi
  2. Momentum Alpha Strategi

Momentum Alpha Strategi

Penulis:ChaoZhang, Tanggal: 2023-11-23 11:34:40
Tag:

img

Gambaran umum

Strategi Momentum Alpha menilai apakah aset yang mendasari memiliki momentum positif dengan menghitung rasio Sharpe dan nilai alpha.

Prinsip Strategi

Indikator inti dari strategi ini adalah rasio Sharpe dan alfa. Rasio Sharpe mencerminkan pengembalian aset yang disesuaikan risiko, sementara alfa mencerminkan kelebihan pengembaliannya atas tolok ukur pasar. Ketika keduanya positif, itu menunjukkan aset memiliki pengembalian yang disesuaikan risiko yang tinggi dan melebihi tolok ukur pasar. Oleh karena itu, posisi panjang diambil. Ketika keduanya berubah negatif, itu berarti momentum hilang dan posisi rata.

Secara khusus, strategi pertama menghitung rasio Sharpe selama 180 hari terakhir. Rasio Sharpe dihitung sebagai: (rata-rata pengembalian harian pengembalian bebas risiko) / penyimpangan standar pengembalian harian. Di sini rata-rata dan penyimpangan standar pengembalian harian dihitung menggunakan harga pembukaan dan harga penutupan sebelumnya. Ketika rasio Sharpe lebih besar dari 1, itu berarti aset memiliki pengembalian yang disesuaikan dengan risiko yang relatif tinggi.

Pada saat yang sama, alfa selama 180 hari terakhir dihitung. Alpha dihitung melalui model pasar: Alpha = Pengembalian Aset Nyata (Pengembalian Pasar x Beta). Di sini pengembalian harian aset yang mendasari dan indeks S&P 500 digunakan. Ketika alpha lebih besar dari 0, itu berarti pengembalian aktual aset lebih tinggi dari patokan pasar.

Oleh karena itu, ketika kedua rasio Sharpe dan alfa positif, posisi panjang diambil.

Analisis Keuntungan

Keuntungan terbesar dari strategi ini adalah bahwa dengan menilai momentum, ia dapat menangkap peluang pertumbuhan pasar yang lebih luas dan beberapa saham individu selama periode tertentu, sambil mengendalikan risiko untuk menghindari crash pasar yang berkepanjangan.

  1. Perhitungan rasio Sharpe mencerminkan kondisi momentum baru-baru ini dan dapat menangkap tren kenaikan beberapa pasar dan saham.

  2. Dengan mempertimbangkan secara komprehensif kedua indikator di horizon waktu yang berbeda, momentum positif dapat ditentukan dengan lebih akurat.

  3. Ketika momentum hilang, stop loss yang tepat waktu menghindari kerugian besar.

  4. Dibandingkan dengan indikator momentum tunggal, strategi ini lebih stabil sekaligus cukup fleksibel untuk digunakan pada saham dan indeks.

Analisis Risiko

Meskipun ada keuntungan, strategi ini masih memiliki risiko berikut:

  1. Indikator momentum dapat mundur. Ketika pasar berbalik, saham momentum dapat turun dengan cepat. Ini dapat menyebabkan kerugian besar. Parameter dapat disesuaikan atau dikombinasikan dengan indikator lain.

  2. Rasio alfa dan sharpe memiliki keterlambatan waktu. ketika pasar bergerak cepat, nilai indikator mungkin terlambat dan gagal mencerminkan tren terbaru. periode perhitungan dapat dipersingkat.

  3. Tidak ada kontrol ukuran posisi, yang mengarah pada risiko terkonsentrasi.

  4. Data backtest mungkin tidak mencukupi dan kinerja live tidak pasti. Lebih banyak waktu dan instrumen backtest harus dilakukan. Jendela optimasi parameter harus dipersingkat untuk mencegah overfitting.

Arahan Optimasi

Strategi dapat dioptimalkan dalam aspek berikut:

  1. Tambahkan mekanisme stop loss. Tetapkan titik stop loss ketika harga turun tajam dalam sehari untuk menghindari kerugian besar.

  2. Mengontrol modal per perdagangan berdasarkan volatilitas pasar untuk membatasi kerugian per perdagangan.

  3. Mengoptimalkan parameter. Uji kerangka waktu yang berbeda untuk menyesuaikan karakteristik dasar yang berbeda dan kondisi pasar. Kombinasi parameter yang berbeda juga dapat dievaluasi.

  4. Tambahkan kondisi penyaringan. Tetapkan filter seperti volume perdagangan atau volatilitas untuk menghindari terjebak dalam situasi yang bervariasi atau likuiditas rendah.

  5. Menggabungkan dengan strategi lain. Pertimbangkan untuk menggabungkan dengan strategi lain yang mengikuti tren. Ini dapat meningkatkan stabilitas dan mendiversifikasi risiko dari satu strategi.

Ringkasan

Strategi Momentum Alpha secara dinamis menangkap peluang momentum dengan menilai baik pengembalian aset yang disesuaikan dengan risiko dan kinerja pasar relatif. Dibandingkan dengan indikator momentum tunggal, strategi ini memiliki keuntungan penilaian yang lebih akurat, penerapan yang lebih luas, dan ketahanan risiko yang lebih tinggi.

/*backtest
start: 2023-11-15 00:00:00
end: 2023-11-16 04:00:00
period: 1m
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=2
strategy("Alpha strategy - simple version", overlay=true)

//by NIKLAUS
//USE ON DAILY TIMEFRAME TO DETECT MOMO STOCKS & ETFs AND TRADE THEM
//USE ON 5MIN CHART FOR INTRADAY USAGE
//examples to try this on: GER30, NAS100, JPN225, AAPL, IBB, TSLA, FB, etc.

//This Strategy goes long when Sharpe Ratio is > 1 and Alpha against the S&P500 is generated. It exits when conditions break away.

//https://en.wikipedia.org/wiki/Alpha_(finance)
//------------------------------------------------------------------------------------------------------------------------------------
//Alpha is a measure of the active return on an investment, the performance of that investment compared to a suitable market index. 
//An alpha of 1% means the investment's return on investment over a selected period of time was 1% better than the market during that same period, 
//an alpha of -1 means the investment underperformed the market. 
//Alpha is one of the five key measures in modern portfolio theory: alpha, beta, standard deviation, R-squared and the Sharpe ratio.


//simplified sharpe
src = ohlc4, len = input(180, title = "Sharpe/Alpha/Beta Period")
pc = ((src - src[len])/src)
std = stdev(src,len)
stdaspercent = std/src
sharpe = pc/stdaspercent


//alpha
sym = "BTC_USDT:swap", res=timeframe.period, src2 = close
ovr = request.security(sym, res, src2)

ret = ((close - close[1])/close)
retb = ((ovr - ovr[1])/ovr)
secd = stdev(ret, len), mktd = stdev(retb, len)
Beta = correlation(ret, retb, len) * secd / mktd

ret2 = ((close - close[len])/close)
retb2 = ((ovr - ovr[len])/ovr)

alpha = ret2 - retb2*Beta
//plot(Beta, color=green, style=area, transp=40)


smatrig = input(title="Sensitivity",  defval=2, minval=1, maxval=3) 
bgcolor (sma(sharpe,len/smatrig) > 1 and sma(alpha,len/smatrig) > 0 ? green : red, transp=70)

if (close > open) and (sma(sharpe,len/smatrig) > 1) and (sma(alpha,len/smatrig) > 0)
    strategy.entry("Alpha", strategy.long)
strategy.close("Alpha", when = (sma(sharpe,len/smatrig) < 1) or (sma(alpha,len/smatrig) < 0))
Lebih banyak

2019 FMZ - Semua hak dilindungi