Động lượng Chuỗi Thời gian (TSMOM)
factor.formula
Yếu tố Động lượng Chuỗi Thời gian (TSMOM):
Lợi nhuận vượt trội của từng cổ phiếu:
Trung bình Động Lũy thừa của Lợi nhuận:
Độ biến động Lợi nhuận:
trong đó:
- :
Đại diện cho tháng, được sử dụng để xác định một điểm cụ thể trong thời gian trong dữ liệu chuỗi thời gian.
- :
Đại diện cho một cổ phiếu cụ thể và được sử dụng để xác định một cá nhân cụ thể trong dữ liệu cắt ngang.
- :
đại diện cho lợi nhuận vượt trội của cổ phiếu $i$ trong tháng $m$ so với lợi nhuận lịch sử của chính nó. Nó là hiệu số giữa lợi nhuận thực tế $r_{m,i}$ trong tháng hiện tại và trung bình động lũy thừa $\bar{r}_{m,i}$ của lợi nhuận quá khứ. Lợi nhuận vượt trội được sử dụng để nắm bắt sự sai lệch của lợi nhuận cổ phiếu cá nhân so với mức lịch sử của chính nó.
- :
đại diện cho lợi nhuận của cổ phiếu $i$ trong tháng $m$, thường được định nghĩa là phần trăm thay đổi giá cổ phiếu trong tháng đó.
- :
Đại diện cho trung bình động lũy thừa của lợi nhuận hàng tháng của cổ phiếu $i$ trước tháng $m$, được sử dụng để làm mượt chuỗi thời gian của lợi nhuận, loại bỏ nhiễu và nắm bắt các xu hướng tiềm năng. Phương pháp tính toán của nó là lấy trung bình có trọng số của lợi nhuận lịch sử, và trọng số giảm theo cấp số nhân theo thời gian, sao cho lợi nhuận gần đây có tác động lớn hơn đến trung bình động hiện tại.
- :
Đại diện cho độ biến động của lợi nhuận của cổ phiếu $i$ trong tháng thứ $m$. Nó là căn bậc hai của trung bình có trọng số của độ lệch của lợi nhuận quá khứ so với trung bình động lũy thừa, trong đó trọng số giảm theo cấp số nhân theo thời gian. Chỉ số này đo lường mức độ thay đổi của lợi nhuận trong một khoảng thời gian và phản ánh mức độ rủi ro của cổ phiếu.
- :
Đại diện cho hệ số phân rã lũy thừa, là một tham số nằm trong khoảng từ 0 đến 1 và xác định mức độ ảnh hưởng của lợi nhuận lịch sử đến trung bình động lũy thừa. Giá trị $\delta$ càng nhỏ, sự phân rã của lợi nhuận lịch sử càng nhanh, khiến trung bình động chú trọng hơn đến lợi nhuận gần đây.
- :
Đại diện cho số tháng được sử dụng để tính giá trị trung bình lợi nhuận trong quá khứ, ở đây là 12 tháng. $\frac{1}{N}\sum_{j=1}^{12}\hat{r}_{m-j,i}$ đại diện cho lợi nhuận vượt trội trung bình trong 12 tháng qua.
factor.explanation
Yếu tố động lượng chuỗi thời gian (TSMOM) dự đoán lợi nhuận tương lai bằng cách phân tích xu hướng lợi nhuận lịch sử của chính cổ phiếu đó. Ý tưởng cốt lõi là nếu một cổ phiếu đã thể hiện lợi nhuận vượt trội dương (âm) trong một khoảng thời gian trong quá khứ, thì xu hướng này có khả năng tiếp tục trong tương lai (mặc dù nghiên cứu cho thấy thường thì ngược lại). Yếu tố này trước tiên tính toán giá trị trung bình của lợi nhuận vượt trội trong 12 tháng qua và lấy dấu của nó làm chỉ báo định hướng. Sau đó, lợi nhuận vượt trội của tháng hiện tại được chia cho độ biến động của tháng hiện tại để chuẩn hóa. Mục đích của việc này là để làm cho tín hiệu động lượng mạnh mẽ hơn và giảm trọng số của các cổ phiếu có độ biến động cao. Do đó, yếu tố TSMOM có thể được sử dụng để nắm bắt hiệu ứng đảo chiều ngắn hạn của giá cổ phiếu và xây dựng một danh mục đầu tư tương ứng.