فاکتور مومنتوم میانگین متحرک چند دوره ای
factor.formula
قیمت میانگین متحرک:
قیمت میانگین متحرک نرمال شده:
مدل رگرسیون:
بازده مورد انتظار فاکتور:
پیش بینی نرخ بازده:
در:
- :
قیمت بسته شدن سهام j در روز معاملاتی k از ماه t. محدوده مقدار k [d-L+1, d] است، که d آخرین روز معاملاتی ماه است.
- :
عرض پنجره میانگین متحرک، بازه زمانی مورد استفاده برای محاسبه میانگین متحرک است، مانند 5 روز، 10 روز، 20 روز و غیره. مقادیر مختلف L نشان دهنده مقیاس های زمانی مختلف است.
- :
قیمت میانگین متحرک سهام j در ماه t با عرض پنجره L. این نشان دهنده میانگین سطح قیمت سهام در یک پنجره زمانی خاص است.
- :
قیمت میانگین متحرک استاندارد شده. با تقسیم قیمت میانگین متحرک بر قیمت بسته شدن در آخرین روز معاملاتی ماه، تفاوت در مقدار مطلق قیمت های مختلف سهام حذف می شود و میانگین های متحرک سهام های مختلف قابل مقایسه می شوند.
- :
نرخ بازده سهام j در دوره t. این به طور کلی به نرخ بازده ماهانه اشاره دارد که به صورت $r_{j,t} = (P_{j,d}^{t} - P_{j,d-1}^{t})/ P_{j,d-1}^{t}$ محاسبه می شود.
- :
در دوره t، بازده فاکتور (یا بار فاکتور) قیمت میانگین متحرک استاندارد شده $M\bar{A}_{j,t-1,L_i}$ پنجره زمانی iام $L_i$ که توسط مدل رگرسیون تخمین زده شده است. این نشان دهنده سهم سیگنال مومنتوم این بازه زمانی در بازده سهام است.
- :
جمله خطا در مدل رگرسیون منعکس کننده بخشی از بازده است که مدل نمی تواند آن را توضیح دهد.
- :
بر اساس میانگین بازده فاکتور در 12 ماه گذشته، مقدار مورد انتظار بازده فاکتور برای ماه آینده به دست می آید. استفاده از میانگین بازده فاکتور در دوره گذشته به عنوان تخمینی از بازده فاکتورهای آتی، از ویژگی برگشت به میانگین بازده فاکتورها بهره می برد.
- :
بر اساس میانگین متحرک هر پنجره زمانی و بازده مورد انتظار فاکتور، بازده مورد انتظار سهام j در دوره بعدی (t+1) محاسبه می شود. این به طور جامع تاثیر سیگنال های مومنتوم بر بازده های آتی در مقیاس های زمانی مختلف را در نظر می گیرد.
factor.explanation
فاکتور مومنتوم میانگین متحرک چند بازه زمانی، اثر مومنتوم یا بازگشتی سهام را در مقیاسهای زمانی مختلف، مانند کوتاهمدت، میانمدت و بلندمدت، با تحلیل میانگینهای متحرک پنجرههای زمانی مختلف، ثبت میکند. از طریق مدل رگرسیون، سهم سیگنالهای مومنتوم در بازههای زمانی مختلف در بازده سهام کمی میشود و بازدههای آتی فاکتور بر اساس بازده فاکتور در 12 ماه گذشته تخمین زده میشود. در نهایت، مجموع وزنی در معرض فاکتور و بازدههای مورد انتظار فاکتور در بازههای زمانی مختلف برای پیشبینی بازدههای آتی سهام استفاده میشود. این فاکتور اطلاعات را از مقیاسهای زمانی مختلف ترکیب میکند تا اثرات روند و مومنتوم سهام را بهتر ثبت کند. این فاکتور قابلیتهای توضیحی و پیشبینی خوبی در ساخت مدلهای چند فاکتوری دارد.