Estrategias comerciales para fondos cotizados en bolsa una aplicación del análisis técnico
Barra lateral del artículo
Contenido principal del artículo
El objetivo de este estudio es demostrar la rentabilidad de los indicadores de análisis técnico sobre estrategias buy & hold tomando en cuenta 3 de los Exchange Traded Funds más populares: SPY (SPDR S&P 500), DUST (Direxion Daily Gold Miners Index Bear 2x Shares) y EDZ (Emerging Markets Direxion Daily MSCI Emerging Markets Bear 3X Shares). El sistema propuesto se enfoca al trading de baja frecuencia incluyendo las herramientas de Bandas de Bollinger y el Rango de Porcentaje de Williams, cuyos resultados son comparados con la estrategia de Buy & Hold que se toma como punto de comparación. La principal contribución de este trabajo es que el Sistema Binario de Trading creado permite obtener rendimientos positivos incluso en momentos de tendencia a la baja y volatilidad, aún después de incluir las comisiones de los intermediarios bursátiles. El Sistema Binario de Trading se valida a partir de métricas de desempeño, proporciona señales precisas de compra y venta y reduce perdidas potenciales de capital.
Ball, R. (2009). The Global Financial Crisis and the Efficient Market Hypothesis: What Have We Learned? Journal of Applied Corporate Finance, 21(4), 8-16.
Berutich, J.-M.; F. López; F. Luna & D. Quintana (2016). Robust technical trading strategies using GP for algorithmic portfolio selection. Expert Systems with Applications, 46, 307-315. doi:10.1016/j.eswa.2015.10.040.
Carvalho, M.; A. Azevedo & A. Massuquetti (2019). Emerging Countries and the Effects of the Trade War between US and China. Economies, 7(45), 1-21. doi:10.3390/economies7020045.
Escobar, A.; J. Moreno & S. Múnera (2013). A technical analysis indicator based on fuzzy logic. Electronic Notes in Theoretical Computer Science, 292, 27-37. doi:10.1016/j.entcs.2013.02.003.
Fama, E. (1965). Random walks in stock-market prices. Financial Analysts Journal, 21(5), 55-59. doi:10.2469/faj.v51.n1.1861.
Fama, E. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417. doi:10.2307/2325486.
Gastineau, G. (2001). Exchange-Traded Funds: An Introduction. The Journal of Portfolio Management, 27(3), 88-96.
Hadj-Ayed, A.-B.; G. Loeper & F. Abergel (2019). Challenging the robustness of optimal portfolio investment with moving average-based strategies. Quantitative Finance, 19(1), 123-135. doi:10.1080/14697688.2018.1468080.
Jeet, P. (2017). Learning Quantitative Finance with R. Packt Publishing.
Jeffrey, R., & J. Ulrich (2019). quantmod: Quantitative Financial Modelling Framework. R package version 0.4-15. Retrieved from https://cran.r-project.org/web/packages/quantmod/quantmod.pdf.
Jiarui, N., & C. Zhang (2005). An Efficient Implementation of the Backtesting of Trading Strategies. In Y. Pan, D. Chen, M. Guo, J. Cao, & J. Dongarra, Lecture Notes in Computer Science (pp. 126-131). Nanjing: Springer.
Jovanovic, F. (2018). Journal of Economic Methodology. A comparison between qualitative and quantitative histories: the example of the efficient market hypothesis, 25(4),
-310. doi:10.1080/1350178X.2018.1529135.
Kampouridis, M., & F. Otero (2017). Evolving Trading Strategies Using Directional Changes. Expert Systems with Applications, 73, 145-160. doi:10.1016/j.eswa.2016.12.032.
Lee, K., & B. K. Seo (2017). Marked Hawkes process modeling of price dynamics and volatility estimation. Journal of Empirical Finance, 40, 174-200. doi:10.1016/j.jempfin.2016.08.004.
Macchiarulo, A. (2018). Predicting and beating the stock market with machine learning and tecnical analysis. Journal of Internet Banking and Commerce, 23(1), 1-22.
Maragoudakis, M., & D. Serpanos (2016). Exploiting Financial News and Social Media Opinions for Stock Market Analysis using MCMC Bayesian Inference. Computational Economics, 47(4), 589-622. doi:10.1007/s10614-015-9492-9.
Peterson, B., & P. Carl (2019). PerformanceAnalytics: Econometric Tools for Performance and Risk Analysis. R package version 1.5.3. Retrieved from https://cran.r-project.org/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf.
Rousis, P., & S. Papathanasiou (2018). Is Technical Analysis Profitable on Athens Stock? Mega Journal of Business Research, 61, 1-24.
Stanković, J.; I. Marković & M. Stojanović (2015). Investment Strategy Optimization Using Technical Analysis and Predictive Modeling in Emerging Markets. Procedia Economics and Finance, 19(15), 51–62. doi:10.1016/S2212-5671(15)00007-6.
Szakmary, A.; Q. Shen & S. Sharma (2010). Trend-following trading strategies in commodity futures: A re-examination. Journal of Banking & Finance, 34(2), 409-426.doi:10.1016/j.jbankfin.2009.08.004.
Troiano, L., & P. Kriplani (2011). Supporting trading strategies by inverse fuzzy transform. Fuzzy Sets and Systems, 180(1), 121-145. doi:10.1016/j.fss.2011.05.004.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Contenido principal del artículo
El objetivo de este estudio es demostrar la rentabilidad de los indicadores de análisis técnico sobre estrategias buy & hold tomando en cuenta 3 de los Exchange Traded Funds más populares: SPY (SPDR S&P 500), DUST (Direxion Daily Gold Miners Index Bear 2x Shares) y EDZ (Emerging Markets Direxion Daily MSCI Emerging Markets Bear 3X Shares). El sistema propuesto se enfoca al trading de baja frecuencia incluyendo las herramientas de Bandas de Bollinger y el Rango de Porcentaje de Williams, cuyos resultados son comparados con la estrategia de Buy & Hold que se toma como punto de comparación. La principal contribución de este trabajo es que el Sistema Binario de Trading creado permite obtener rendimientos positivos incluso en momentos de tendencia a la baja y volatilidad, aún después de incluir las comisiones de los intermediarios bursátiles. El Sistema Binario de Trading se valida a partir de métricas de desempeño, proporciona señales precisas de compra y venta y reduce perdidas potenciales de capital.
Ball, R. (2009). The Global Financial Crisis and the Efficient Market Hypothesis: What Have We Learned? Journal of Applied Corporate Finance, 21(4), 8-16.
Berutich, J.-M.; F. López; F. Luna & D. Quintana (2016). Robust technical trading strategies using GP for algorithmic portfolio selection. Expert Systems with Applications, 46, 307-315. doi:10.1016/j.eswa.2015.10.040.
Carvalho, M.; A. Azevedo & A. Massuquetti (2019). Emerging Countries and the Effects of the Trade War between US and China. Economies, 7(45), 1-21. doi:10.3390/economies7020045.
Escobar, A.; J. Moreno & S. Múnera (2013). A technical analysis indicator based on fuzzy logic. Electronic Notes in Theoretical Computer Science, 292, 27-37. doi:10.1016/j.entcs.2013.02.003.
Fama, E. (1965). Random walks in stock-market prices. Financial Analysts Journal, 21(5), 55-59. doi:10.2469/faj.v51.n1.1861.
Fama, E. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417. doi:10.2307/2325486.
Gastineau, G. (2001). Exchange-Traded Funds: An Introduction. The Journal of Portfolio Management, 27(3), 88-96.
Hadj-Ayed, A.-B.; G. Loeper & F. Abergel (2019). Challenging the robustness of optimal portfolio investment with moving average-based strategies. Quantitative Finance, 19(1), 123-135. doi:10.1080/14697688.2018.1468080.
Jeet, P. (2017). Learning Quantitative Finance with R. Packt Publishing.
Jeffrey, R., & J. Ulrich (2019). quantmod: Quantitative Financial Modelling Framework. R package version 0.4-15. Retrieved from https://cran.r-project.org/web/packages/quantmod/quantmod.pdf.
Jiarui, N., & C. Zhang (2005). An Efficient Implementation of the Backtesting of Trading Strategies. In Y. Pan, D. Chen, M. Guo, J. Cao, & J. Dongarra, Lecture Notes in Computer Science (pp. 126-131). Nanjing: Springer.
Jovanovic, F. (2018). Journal of Economic Methodology. A comparison between qualitative and quantitative histories: the example of the efficient market hypothesis, 25(4),
-310. doi:10.1080/1350178X.2018.1529135.
Kampouridis, M., & F. Otero (2017). Evolving Trading Strategies Using Directional Changes. Expert Systems with Applications, 73, 145-160. doi:10.1016/j.eswa.2016.12.032.
Lee, K., & B. K. Seo (2017). Marked Hawkes process modeling of price dynamics and volatility estimation. Journal of Empirical Finance, 40, 174-200. doi:10.1016/j.jempfin.2016.08.004.
Macchiarulo, A. (2018). Predicting and beating the stock market with machine learning and tecnical analysis. Journal of Internet Banking and Commerce, 23(1), 1-22.
Maragoudakis, M., & D. Serpanos (2016). Exploiting Financial News and Social Media Opinions for Stock Market Analysis using MCMC Bayesian Inference. Computational Economics, 47(4), 589-622. doi:10.1007/s10614-015-9492-9.
Peterson, B., & P. Carl (2019). PerformanceAnalytics: Econometric Tools for Performance and Risk Analysis. R package version 1.5.3. Retrieved from https://cran.r-project.org/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf.
Rousis, P., & S. Papathanasiou (2018). Is Technical Analysis Profitable on Athens Stock? Mega Journal of Business Research, 61, 1-24.
Stanković, J.; I. Marković & M. Stojanović (2015). Investment Strategy Optimization Using Technical Analysis and Predictive Modeling in Emerging Markets. Procedia Economics and Finance, 19(15), 51–62. doi:10.1016/S2212-5671(15)00007-6.
Szakmary, A.; Q. Shen & S. Sharma (2010). Trend-following trading strategies in commodity futures: A re-examination. Journal of Banking & Finance, 34(2), 409-426.doi:10.1016/j.jbankfin.2009.08.004.
Troiano, L., & P. Kriplani (2011). Supporting trading strategies by inverse fuzzy transform. Fuzzy Sets and Systems, 180(1), 121-145. doi:10.1016/j.fss.2011.05.004.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.