مومنتوم سری زمانی (TSMOM)
factor.formula
عامل مومنتوم سری زمانی (TSMOM):
بازدهی های اضافی سهام منفرد:
میانگین متحرک نمایی بازدهی ها:
نوسانات بازدهی:
در:
- :
نشان دهنده ماه است که برای شناسایی یک نقطه خاص در زمان در داده های سری زمانی استفاده می شود.
- :
نشان دهنده یک سهام خاص است و برای شناسایی یک فرد خاص در داده های مقطعی استفاده می شود.
- :
نشان دهنده بازدهی اضافی سهام $i$ در ماه $m$ نسبت به بازدهی های تاریخی خود است. این تفاوت بین بازدهی واقعی $r_{m,i}$ در ماه جاری و میانگین متحرک نمایی $\bar{r}_{m,i}$ بازدهی های گذشته است. بازدهی های اضافی به منظور ثبت انحراف بازدهی های سهام منفرد نسبت به سطوح تاریخی خود است.
- :
نشان دهنده بازدهی سهام $i$ در ماه $m$ است که معمولاً به صورت درصد تغییر در قیمت سهام در طول آن ماه تعریف می شود.
- :
نشان دهنده میانگین متحرک نمایی بازدهی های ماهانه سهام $i$ قبل از ماه $m$ است که برای هموارسازی سری زمانی بازدهی ها، حذف نویز و ثبت روندهای بالقوه استفاده می شود. روش محاسبه آن، میانگین وزنی بازدهی های تاریخی است و وزن با گذشت زمان به صورت نمایی کاهش می یابد، به طوری که بازدهی های اخیر تأثیر بیشتری بر میانگین متحرک فعلی دارند.
- :
نشان دهنده نوسانات بازدهی سهام $i$ در ماه $m$ است. این جذر میانگین وزنی انحراف بازدهی های گذشته از میانگین متحرک نمایی است که در آن وزن با گذشت زمان به صورت نمایی کاهش می یابد. این شاخص میزان تغییر در بازدهی را در یک دوره زمانی اندازه گیری می کند و سطح ریسک سهام را نشان می دهد.
- :
نشان دهنده ضریب کاهش نمایی است که پارامتری بین 0 و 1 است و میزان تأثیر بازدهی های تاریخی بر میانگین متحرک نمایی را تعیین می کند. هرچه مقدار $\delta$ کوچکتر باشد، کاهش بازدهی های تاریخی سریعتر است و میانگین متحرک بیشتر به بازدهی های اخیر توجه می کند.
- :
نشان دهنده تعداد ماه های استفاده شده برای محاسبه میانگین بازدهی در گذشته است، در اینجا 12 ماه. $\frac{1}{N}\sum_{j=1}^{12}\hat{r}_{m-j,i}$ نشان دهنده میانگین بازدهی اضافی در 12 ماه گذشته است.
factor.explanation
عامل مومنتوم سری زمانی (TSMOM) با تجزیه و تحلیل روند بازدهی های تاریخی خود سهام، بازدهی های آتی را پیش بینی می کند. ایده اصلی این است که اگر سهامی در دوره ای از زمان در گذشته بازدهی های اضافی مثبت (منفی) نشان داده باشد، احتمالاً روند در آینده نیز ادامه خواهد داشت (اگرچه تحقیقات نشان می دهد که معمولاً برعکس این است). این عامل ابتدا میانگین بازدهی های اضافی را در 12 ماه گذشته محاسبه می کند و علامت آن را به عنوان یک شاخص جهت دار در نظر می گیرد. سپس، بازدهی اضافی ماه جاری بر نوسانات ماه جاری برای نرمال سازی تقسیم می شود. هدف از این کار، قوی تر کردن سیگنال مومنتوم و کاهش وزن سهام با نوسانات بالا است. بنابراین، عامل TSMOM می تواند برای ثبت اثر معکوس کوتاه مدت قیمت سهام و ساخت یک سبد سرمایه گذاری مربوطه استفاده شود.