Diário de estratégias de negociação

A ferramenta de negociação mais importante: um diário de negociação | Código de desconto Edgewonk & # 8220; Tradeciety & # 8221;
Nossos cursos Premium Trading & amp; Mentoria.
Junte-se à nossa equipe, aprenda nossas estratégias exatas de negociação, receba um novo vídeo com as melhores configurações todas as semanas e beneficie-se de nossa orientação contínua em nossa comunidade privada.
A ferramenta de negociação mais importante: um diário de negociação | Código de desconto Edgewonk & # 8220; Tradeciety & # 8221;
Um diário de negociação é provavelmente a ferramenta mais importante que um negociador precisa ter para negociar lucrativamente. A manutenção de registros é a chave para o sucesso em toda profissão ou habilidade; Se você quer melhorar, você tem que registrar o que você tem feito para encontrar padrões em seu comportamento. Sem registro, a melhoria não é possível.
Até agora, a maioria dos traders fez seus próprios diários de negociação & # 8211; ou não registrou seus negócios em tudo. No entanto, essas revistas de negócios caseiros têm dois grandes problemas que também são a razão pela qual a maioria dos comerciantes acabam por deixar de registrar seus negócios:
Divulgação: Tradeciety também está por trás da Edgewonk e do software de diário comercial. Nosso objetivo com a Tradeciety e a Edgewonk é fornecer educação comercial de alta qualidade e estamos felizes em anunciar que a equipe da Tradeciety criou o diário comercial da Edgewonk.
Desconto Edgewonk: todos os fãs do Tradeciety podem usar o código de desconto & # 8220; Tradeciety & # 8221; obter US $ 30 em sua compra Edgewonk!
Os dois principais problemas com os diários de negociação convencionais.
# 1 Eles perdem o propósito.
Um diário de negociação não deve ser apenas um lugar onde você armazena seus negócios anteriores. Um diário de negociação deve analisar seu comportamento comercial e fornecer dicas pessoais e específicas por que você está perdendo dinheiro e o que mudar para aumentar seu desempenho. Somente se o seu diário de negociação fornecer dicas práticas, vale a pena ter uma em primeiro lugar.
# 2 Journaling é chato e uma atividade inútil.
Colocar dados comerciais em um documento simples e sem graça ou em uma planilha feita por você mesmo não é nada que o deixe animado. Não é de surpreender que a maioria dos traders acredite que o journaling é inútil e entediante.
Combinando análises comerciais profissionais e sofisticadas e métricas de desempenho indevidas e colocando-as em um programa bem projetado e fácil de lidar, o registro no diário pode se tornar uma atividade divertida que o aproxima de se tornar um operador profissional.
O que um bom diário de negociações faz por você.
Um diário de negociação mantém você responsável e torna você mais consciente sobre sua negociação. Um diário de negociação deve crescer com você. No começo, um profissional deve se concentrar em questões emocionais, mentais e disciplinares. Uma vez que ele progride, o foco do trader geralmente muda para métricas específicas do comércio e ele começa a trabalhar para melhorar sua colocação de pedidos e gerenciamento de comércio. Um diário de negociação deve oferecer todas essas funções e recursos. Finalmente, & # 8216; um tamanho serve para todos & # 8217; não funciona quando se trata de troca de periódicos. É por isso que um bom diário de negociação deve ser personalizável.
Até agora, apenas os corretores bancários e grandes firmas de negociação tinham acesso ao software profissional de análise de negociação. Com a Edgewonk, todo trader pode finalmente usar um diário de negociação personalizado e profissional para trabalhar em sua negociação.
Por que Edgewonk?
Um profissional não deve gastar seu tempo criando planilhas que ainda não oferecem ajuda. Edgewonk é o balcão único para todos os comerciantes que estão procurando uma solução de registro profissional.
O Edgewonk é carregado com recursos, funções e métricas, mas, ao mesmo tempo, permite que o trader melhore sua negociação passo a passo. Deixe-me apontar apenas alguns recursos sobre este jornal que valem a pena conhecer:
# 1 O primeiro diário de negociação personalizado e totalmente personalizável.
Edgewonk é totalmente personalizável para o seu próprio estilo de negociação. Você pode rastrear sua própria estratégia de negociação, suas configurações individuais e definir comentários de gerenciamento e execução de comércio personalizados para criar uma experiência de registro no diário totalmente não resolvida. A Edgewonk ainda oferece mais slots para comentários / tags totalmente personalizáveis. Desta forma, Edgewonk torna-se seu próprio mentor de negociação pessoal e profissional, sempre à mão.
# 2 Análise emocional - borda psíquica.
Todo trader sabe que as emoções desempenham um papel muito importante na negociação e que as emoções influenciam significativamente suas decisões de negociação. Até agora, os comerciantes costumavam escrever manualmente quais emoções eles achavam que os afetavam. Edgewonk é o único diário de negociação que quantifica como as emoções afetam seu desempenho comercial. Além disso, o Tilt-Meter embutido fornece sinais de aviso antecipado quando você toma decisões ruins de negociação repetidamente. Agora você pode eliminar a adivinhação e gerenciar profissionalmente suas emoções e os aspectos psicológicos da negociação.
A Edgewonk também ajuda você a otimizar seus pedidos e a forma como você coloca seus negócios. Por exemplo, definir as ordens de stop loss muito longe reduz sua taxa de recompensa de risco e, portanto, o desempenho de sua estratégia de negociação. Por outro lado, a definição de levar as ordens de lucro muito longe resultará em uma taxa de vitrificação menor, pois o preço não alcançará suas ordens de lucro e retornará antes da meta.
A Edgewonk cuida disso e fornece dicas específicas, com base nos seus parâmetros de negociação individuais, para otimizar seus pedidos e ajudá-lo a aumentar seu desempenho comercial.
# 4 O que fazer quando você está em um comércio?
Normalmente, os comerciantes gastam todo o seu tempo com foco em entradas e uma vez em um comércio, eles realmente não sabem o que fazer. A Edgewonk está ciente desse problema e a análise de Trade Management analisa seu comportamento comercial. O microgerenciamento e a incerteza são grandes problemas para os traders e a análise transparente da Edgewonk elimina as dúvidas.
Traders famosos e websites de negociação sobre trading de jornais & # 8230;
Um diário de negociação é provavelmente o mais comumente falar sobre ferramenta de negociação e cada comerciante sabe sobre os benefícios de ter um diário de negociação, mas apenas muito poucos comerciantes realmente têm um diário de negociação. As seguintes citações são as opiniões de comerciantes profissionais e os sites de negociação mais populares por aí sobre os periódicos de negociação em geral:
& # 8220; Um operador disciplinado é um operador lucrativo e manter um diário de negociação é o primeiro passo para construir sua disciplina. & # 8221; & # 8211; Babypips
“A única maneira de obter uma educação real no mercado é investir em dinheiro, acompanhar seu negócio e estudar seus erros.” - Jesse Livermore.
& # 8220; Acontece que eu sou muito fã de jornais de negociação; na verdade, tornei os periódicos uma parte obrigatória do programa de treinamento em uma empresa proprietária de trading sediada em Chicago. & # 8211; Brett Steenbarger, Ph. D. (treinador de negociação, autor)
& # 8220; Faça um diário de negociação seu primeiro hábito de negociação. Ela se tornará a chave para todos os seus bons ofícios no futuro. & # 8221; & # 8211; Investopedia.
Finalmente, há uma solução para resolver o problema do diário comercial.
Se você está olhando para levar sua negociação para o próximo nível e você está cansado de não ver nenhum resultado, talvez seja hora de levar as coisas um pouco mais a sério e iniciar uma rotina de negociação profissional.
Você pode até experimentar o Edgewonk gratuitamente e ver como é um diário de negociação pré-preenchido.
Desconto Edgewonk: todos os fãs do Tradeciety podem usar o código de desconto & # 8220; Edgewonk20 & # 8221; para obter US $ 20 em sua compra Edgewonk!

Diário de Negociação.
Análise de desempenho.
Negociação Automatizada.
Visualização do StockTickr.
Corretores Suportados.
Buzzrss recente.
Este é um post convidado por Derek Devore, um experiente trader de opções. Saiba mais sobre sua OptionB. Consulte Mais informação.
Apenas um lembrete de que irei fazer uma apresentação junto com Trade-Ideas & # 8217; David Aferiat. Consulte Mais informação.
Estamos trabalhando duro para adicionar suporte a opções no StockTickr. Se você é um comerciante de opções. Consulte Mais informação.
Testemunhos de Clientes.
StockTickr Copyright 2005-2018.
Financial Market Data desenvolvido pela Quotemedia. Todos os direitos reservados. Termos e Condições. Os dados da NYSE / AMEX atrasaram 20 minutos. NASDAQ / outros dados atrasaram 15 minutos, a menos que indicado.

Diário de estratégias de negociação
Afiliação: Dipartimento di Economia e Impresa, Universitá di Catania, Catania, Itália.
Alessandro Pluchino.
Afiliações: Dipartimento di Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Andrea Rapisarda.
Afiliações: Dipartimento di Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Dirk Helbing.
Afiliação: ETH Zurique, Zurique, Suíça.
Neste artigo, exploramos o papel específico da aleatoriedade nos mercados financeiros, inspirados pelo papel benéfico do ruído em muitos sistemas físicos e em aplicações anteriores a sistemas socioeconômicos complexos. Após uma breve introdução, estudamos o desempenho de algumas das estratégias de negociação mais utilizadas na previsão da dinâmica dos mercados financeiros para diferentes índices internacionais de bolsa de valores, com o objetivo de compará-las ao desempenho de uma estratégia completamente aleatória. A este respeito, os dados históricos para FTSE-UK, FTSE-MIB, DAX e S & amp; Os índices P500 são levados em conta por um período de cerca de 15 a 20 anos (desde sua criação até hoje).
Citação: Biondo AE, Pluchino A, Rapisarda A, Helbing D (2013) As estratégias de negociação aleatória são mais bem-sucedidas que as técnicas? PLoS ONE 8 (7): e68344. doi: 10.1371 / journal. pone.0068344.
Editor: Alejandro Raul Hernandez Montoya, Universidade Veracruzana, México.
Direitos autorais: © 2013 Biondo et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição da Creative Commons, que permite uso, distribuição e reprodução irrestritos em qualquer meio, desde que o autor e a fonte originais sejam creditados.
Financiamento: Os autores não têm apoio ou financiamento para relatar.
Interesses concorrentes: Os autores declararam que não existem interesses concorrentes.
Introdução.
Na física, tanto no nível clássico quanto quântico, muitos sistemas reais funcionam bem e mais eficientemente devido ao papel útil de um ruído fraco aleatório [1] - [6]. Mas não apenas os sistemas físicos se beneficiam da desordem. De fato, o ruído tem uma grande influência na dinâmica de células, neurônios e outras entidades biológicas, mas também em sistemas ecológicos, geofísicos e socioeconômicos. Seguindo essa linha de pesquisa, investigamos recentemente como estratégias aleatórias podem ajudar a melhorar a eficiência de um grupo hierárquico para enfrentar o princípio de Peter [7] - [9] ou uma instituição pública como um Parlamento [10]. Outros grupos exploraram com sucesso estratégias semelhantes em jogos de minorias e Parrondo [11], [12], na avaliação de desempenho de portfólio [13] e no contexto do leilão duplo contínuo [14].
Recentemente Taleb foi brilhantemente discutido em seus livros de sucesso, como o acaso e os cisnes negros governam nossa vida, mas também o comportamento da economia e do mercado financeiro além de nossas expectativas ou controle pessoal e racional. Na verdade, a aleatoriedade entra em nossa vida cotidiana, embora dificilmente a reconheçamos. Portanto, mesmo sem ser cético tanto quanto Taleb, pode-se facilmente afirmar que muitas vezes entendemos mal os fenômenos que nos rodeiam e somos enganados por aparentes conexões que são apenas devido à fortuna. Os sistemas econômicos são inevitavelmente afetados pelas expectativas, presentes e passadas, já que as crenças dos agentes influenciam fortemente sua dinâmica futura. Se hoje surgiu uma expectativa muito boa sobre o desempenho de qualquer segurança, todos tentariam comprá-la e essa ocorrência implicaria um aumento em seu preço. Então, amanhã, essa garantia teria um preço maior do que hoje, e esse fato seria apenas a consequência da própria expectativa do mercado. Essa profunda dependência das expectativas fez com que economistas financeiros tentassem construir mecanismos para prever os preços futuros dos ativos. O objetivo deste estudo é precisamente verificar se esses mecanismos, que serão descritos em detalhes nas próximas seções, são mais eficazes para prever a dinâmica do mercado em comparação com uma estratégia completamente aleatória.
Em um artigo anterior [17], motivado também por alguns experimentos intrigantes em que uma criança, um chimpanzé e dardos foram utilizados com sucesso para investimentos remunerativos [18], [19], já encontramos algumas evidências a favor de estratégias aleatórias para o FTSE - Mercado de ações do Reino Unido. Aqui vamos estender esta investigação para outros mercados financeiros e para novas estratégias de negociação. O artigo está organizado da seguinte forma. A seção 2 apresenta uma breve introdução ao debate sobre a previsibilidade nos mercados financeiros. Na Seção 3, introduzimos a série histórica financeira considerada em nosso estudo e realizamos uma análise de retificação em busca de possíveis correlações de algum tipo. Na Seção 4, definimos as estratégias de negociação usadas em nossas simulações, enquanto na Seção 5 discutimos os principais resultados obtidos. Finalmente, na Seção 6, extraímos nossas conclusões, sugerindo também algumas implicações políticas contraintuitivas.
Expectativas e Previsibilidade nos Mercados Financeiros.
Como Simon [20] apontou, os indivíduos assumem sua decisão com base em um conhecimento limitado sobre seu ambiente e, assim, enfrentam altos custos de busca para obter informações necessárias. No entanto, normalmente, eles não podem reunir todas as informações que deveriam. Portanto, os agentes agem com base na racionalidade limitada, o que leva a vieses significativos na maximização da utilidade esperada que eles buscam. Em contraste, Friedman [21] defendeu a abordagem do agente racional, que considera que o comportamento dos agentes pode ser melhor descrito assumindo sua racionalidade, uma vez que os agentes não-racionais não sobrevivem à competição no mercado e são expulsos dele. Portanto, nem os vieses sistemáticos na utilidade esperada, nem a racionalidade limitada podem ser usados ​​para descrever os comportamentos dos agentes e suas expectativas.
Sem qualquer receio de contradição, pode-se dizer que hoje em dia dois modelos principais de referência de expectativas foram amplamente estabelecidos na literatura econômica: o modelo de expectativas adaptativas e o modelo de expectativa racional. Aqui não daremos nenhuma definição formal desses paradigmas. Para os nossos propósitos, é suficiente recordar sua justificativa. O modelo de expectativas adaptativas baseia-se em uma série ponderada de valores retrospectivos (de modo que o valor esperado de uma variável é o resultado da combinação de seus valores passados). Em contraste, o modelo de expectativas racionais hipotetiza que todos os agentes têm acesso a todas as informações disponíveis e, portanto, conhecem exatamente o modelo que descreve o sistema econômico (o valor esperado de uma variável é a previsão objetiva fornecida pela teoria). Essas duas teorias remontam a contribuições muito relevantes, entre as quais apenas nos referimos a Friedman [21], [22], Phelps [23] e Cagan [24] para expectativas adaptativas (vale a pena notar que a noção de “ expectativas adaptativas ”foi introduzido pela primeira vez por Arrow e Nerlove [25]). Para expectativas racionais, nos referimos a Muth [26], Lucas [27] e Sargent-Wallace [28].
Os mercados financeiros são frequentemente tomados como exemplo de dinâmicas complexas e volatilidade perigosa. Isso de alguma forma sugere a ideia de imprevisibilidade. No entanto, devido ao papel relevante desses mercados no sistema econômico, um amplo corpo de literatura foi desenvolvido para obter algumas previsões confiáveis. De fato, a previsão é o ponto chave dos mercados financeiros. Desde Fama [29], dizemos que um mercado é eficiente se ocorrer uma arbitragem perfeita. Isso significa que o caso de ineficiência implica a existência de oportunidades para lucros inexplorados e, é claro, os operadores operariam imediatamente posições longas ou curtas até que qualquer outra possibilidade de lucro desaparecesse. Jensen [30] afirma precisamente que um mercado deve ser considerado eficiente em relação a um conjunto de informações, se for impossível obter lucros por negociação com base nesse conjunto de informações. Isso é consistente com Malkiel [31], que argumenta que um mercado eficiente reflete perfeitamente todas as informações na determinação dos preços dos ativos. Como o leitor pode entender facilmente, a parte mais importante dessa definição de eficiência depende da integridade do conjunto de informações. De fato, Fama [29] distingue três formas de eficiência de mercado, de acordo com o grau de completude do conjunto informativo (ou seja, “fraco”, “semiforte” e “forte”). Assim, traders e analistas financeiros buscam continuamente expandir seu conjunto de informações para obter a oportunidade de escolher a melhor estratégia: esse processo envolve tanto agentes em flutuações de preço que, ao final do dia, pode-se dizer que sua atividade é reduzida a um palpite sistemático. A globalização completa dos mercados financeiros ampliou esse processo e, com o tempo, estamos experimentando décadas de extrema variabilidade e alta volatilidade.
Keynes argumentou, há muitos anos, que a racionalidade dos agentes e da psicologia de massa (os chamados "espíritos animais") não devem ser interpretados como se fossem a mesma coisa. O Autor apresentou o famoso exemplo do concurso de beleza para explicar a lógica subjacente aos mercados financeiros. Em sua Teoria Geral [32], ele escreveu que “o investimento baseado em expectativas genuínas de longo prazo é tão difícil que dificilmente é praticável. Aquele que o tenta certamente deve levar dias muito mais trabalhosos e correr riscos maiores do que aquele que tenta adivinhar melhor do que a multidão como a multidão se comportará; e, dada inteligência igual, ele pode cometer erros mais desastrosos. Em outras palavras, a fim de prever o vencedor do concurso de beleza, deve-se tentar interpretar a beleza preferida do júri, em vez de prestar atenção no ideal da beleza objetiva. Nos mercados financeiros é exatamente a mesma coisa. Parece impossível prever preços de ações sem erros. A razão é que nenhum investidor pode saber de antemão a opinião “do júri”, ou seja, de uma massa de investidores ampla, heterogênea e muito substancial, que reduz qualquer previsão possível a apenas um palpite.
Apesar de considerações como essas, a chamada Hipótese dos Mercados Eficientes (cuja principal fundamentação teórica é a teoria das expectativas racionais), descreve o caso de mercados perfeitamente competitivos e agentes perfeitamente racionais, dotados de toda informação disponível, que escolhem as melhores estratégias ( já que, de outra forma, o mecanismo competitivo de compensação os colocaria fora do mercado). Há evidências de que essa interpretação de um mecanismo de arbitragem perfeito em pleno funcionamento não é adequada para analisar os mercados financeiros, como, por exemplo: Cutler et al. [33], que mostra que grandes movimentos de preços ocorrem mesmo quando pouca ou nenhuma nova informação está disponível; Engle [34], que relatou que a volatilidade dos preços está fortemente correlacionada temporalmente; Mandelbrot [35], [36], Lux [37], Mantegna e Stanley [38], que argumentam que as flutuações de curto prazo dos preços não são normais; ou por último, mas não menos importante, Campbell e Shiller [39], que explicam que os preços podem não refletir com precisão as avaliações racionais.
Muito interessante, uma infinidade de modelos de agentes heterogêneos foram introduzidos no campo da literatura financeira. Nesses modelos, diferentes grupos de comerciantes coexistem, com diferentes expectativas, influenciando-se mutuamente por meio das conseqüências de seus comportamentos. Mais uma vez, nossa discussão não pode ser exaustiva aqui, mas podemos mencionar proveitosamente pelo menos contribuições de Brock [40], [41], Brock e Hommes [42], Chiarella [43], Chiarella e He [44], DeGrauwe e cols. . [45], Frankel e Froot [46], Lux [47], Wang [48] e Zeeman [49].
Parte dessa literatura refere-se à abordagem, denominada “sistemas de crenças adaptativas”, que tenta aplicar a não-linearidade e o ruído aos modelos de mercado financeiro. A incerteza intrínseca sobre fundamentos econômicos, juntamente com erros e heterogeneidade, leva à ideia de que, além do valor fundamental (ou seja, o valor atual descontado dos fluxos esperados de dividendos), os preços das ações flutuam de forma imprevisível devido a fases de otimismo ou pessimismo. para as fases correspondentes de tendência de alta e tendência de baixa que causam crises de mercado. Como esse tipo de comportamento errático pode ser gerenciado para otimizar uma estratégia de investimento? A fim de explicar a atitude muito diferente adotada pelos agentes para escolher estratégias ao negociar nos mercados financeiros, uma distinção é feita entre fundamentalistas e cartistas. Os primeiros baseiam suas expectativas sobre os preços dos ativos futuros sobre os fundamentos do mercado e fatores econômicos (ou seja, variáveis ​​micro e macroeconômicas, como dividendos, lucros, crescimento econômico, taxas de desemprego, etc.). Por outro lado, os últimos tentam extrapolar tendências ou características estatisticamente relevantes de séries passadas de dados, a fim de prever os caminhos futuros dos preços dos ativos (também conhecidos como análise técnica).
Dado que a interação destes dois grupos de agentes determina a evolução do mercado, escolhemos aqui focar no comportamento dos grafistas (uma vez que uma análise qualitativa dos fundamentos macroeconômicos é absolutamente subjetiva e difícil de avaliar), tentando avaliar a ex-investidora individual capacidade preditiva - ante. Assumindo a falta de informação completa, a aleatoriedade desempenha um papel fundamental, uma vez que a eficiência é impossível de ser alcançada. Isto é particularmente importante para sublinhar que a nossa abordagem não depende de qualquer forma do paradigma da Hipótese dos Mercados Eficientes acima mencionado. Mais precisamente, estamos buscando a resposta para a seguinte questão: se um trader assumir a falta de informação completa em todo o mercado (isto é, a imprevisibilidade da dinâmica dos preços das ações [50] - [53]), estratégia de negociação executar, em média, tão bem como estratégias de negociação bem conhecidas? Passamos da evidência de que, como cada agente depende de um conjunto de informações diferente para construir suas estratégias de negociação, nenhum mecanismo eficiente pode ser invocado. Em vez disso, uma rede complexa de comportamento de auto-influência, devido à circulação assimétrica de informações, desenvolve suas ligações e gera comportamentos de manada para seguir alguns sinais cuja credibilidade é aceita.
Crises financeiras mostram que os mercados financeiros não estão imunes a falhas. Seu sucesso periódico não é gratuito: eventos catastróficos queimam valores enormes em dólares e os sistemas econômicos em grave perigo. Os comerciantes estão tão certos de que estratégias elaboradas se encaixam na dinâmica dos mercados? A nossa simulação simples irá realizar uma análise comparativa do desempenho de diferentes estratégias de negociação: os nossos traders terão que prever, dia a dia, se o mercado irá subir (tendência 'alta') ou para baixo (tendência 'bearish'). As estratégias testadas são: o Momentum, o RSI, o UPD, o MACD e um completamente aleatório.
Os teóricos das expectativas racionais imediatamente apostariam que a estratégia aleatória perderia a concorrência, pois não está usando nenhuma informação, mas, como mostraremos, nossos resultados são bastante surpreendentes.
Análise Detectada da Série de Índices.
Consideramos quatro índices muito populares de mercados financeiros e, em particular, analisamos as seguintes séries temporais correspondentes, mostradas na Figura 1:
Expandir Figura 1. Evolução temporal de quatro índices importantes do mercado financeiro (com intervalos de tempo de 3714 a 5750 dias).
De cima para baixo, mostramos o índice FTSE UK All-Share, o índice FTSE MIB All-Share, o índice DAX All-Share e o índice S & amp; Índice P 500. Veja o texto para mais detalhes.
Em geral, a possibilidade de prever séries temporais financeiras tem sido estimulada pelo achado de algum tipo de comportamento persistente em alguns deles [38], [54], [55]. O principal objetivo da presente seção é investigar a possível presença de correlações nas quatro séries financeiras anteriores do mercado de ações da Europa e dos EUA todos os índices de ações. Neste contexto, calcularemos o expoente de Hurst dependente do tempo usando a técnica de média móvel desmistificada (DMA) [56]. Vamos começar com um resumo do algoritmo DMA. O procedimento computacional é baseado no cálculo do desvio padrão ao longo de uma determinada série temporal definida como.
onde é a média calculada em cada janela de tempo de tamanho. Para determinar o expoente de Hurst, a função é calculada para valores crescentes dentro do intervalo, sendo o comprimento da série temporal, e os valores obtidos são reportados como uma função de um gráfico log-log. Em geral, exibe uma dependência da lei de potência com o expoente, ou seja,
Em particular, se, um tiver uma correlação negativa ou um comportamento anti-persistente, enquanto um tiver uma correlação positiva ou um comportamento persistente. O caso de corresponde a um processo browniano não correlacionado. No nosso caso, como primeiro passo, calculamos o expoente de Hurst considerando a série completa. Esta análise é ilustrada nas quatro parcelas da Fig. 2. Aqui, um ajuste linear aos gráficos log-log revela que todos os valores do índice H de H obtidos desta maneira para as séries temporais estudadas são, em média, muito próximos. para 0,5. Este resultado parece indicar uma ausência de correlações em grandes escalas de tempo e uma consistência com um processo aleatório.
Expandir a Figura 2. Análise detetada para as quatro séries do mercado financeiro mostradas na Figura 1.
O comportamento da lei de potência do desvio padrão da DMA permite derivar um índice de Hurst que, em todos os quatro casos, oscila em torno de 0,5, indicando uma ausência de correlações, em média, ao longo de grandes períodos de tempo. Veja o texto.
Por outro lado, é interessante calcular o expoente de Hurst localmente no tempo. Para realizar esta análise, consideramos subconjuntos da série completa por meio de janelas deslizantes de tamanho, que se movem ao longo da série com o intervalo de tempo. Isso significa que, a cada vez, calculamos o interior da janela deslizante mudando com a Eq. (1). Assim, seguindo o mesmo procedimento descrito acima, uma sequência de valores de expoente de Hurst é obtida em função do tempo. Na Fig. 3 mostramos os resultados obtidos para os parâmetros,. Neste caso, os valores obtidos para o expoente de Hurst diferem muito localmente de 0,5, indicando assim a presença de correlações locais significativas.
Expandir a Figura 3. Dependência temporal do índice de Hurst para as quatro séries: em escalas de tempo menores, correlações significativas estão presentes.
Esta investigação, que está de acordo com o que foi encontrado anteriormente na Ref. [56] para o índice Dax, parece sugerir que as correlações são importantes apenas em uma escala temporal local, enquanto cancelam a média em períodos de longo prazo. Como veremos nas próximas seções, esse recurso afetará o desempenho das estratégias de negociação consideradas.
Descrição das Estratégias de Negociação.
No presente estudo, consideramos cinco estratégias de negociação definidas da seguinte forma:
Estratégia Aleatória (RND) Esta estratégia é a mais simples, já que o trader correspondente faz sua previsão no tempo completamente ao acaso (com distribuição uniforme). Momentum (MOM) Estratégia Esta estratégia é baseada no chamado indicador de momentum, ou seja, a diferença entre o valor e o valor, onde é um dado intervalo de negociação (em dias). Então, se, o comerciante prevê um incremento do índice de fechamento para o dia seguinte (ou seja, ele prevê isso) e vice-versa. Nas seguintes simulações, consideraremos dias, já que este é um dos mais utilizados para o indicador de momento. Veja ref. [57] Estratégia do Índice de Força Relativa (RSI) Esta estratégia é baseada em um indicador mais complexo chamado "RSI". É considerada uma medida da força de negociação recente da ação e sua definição é:, onde está a relação entre a soma dos retornos positivos e a soma dos retornos negativos ocorridos nos últimos dias anteriores. Uma vez calculado o índice RSI para todos os dias incluídos em uma janela de tempo imediatamente anterior à hora, o trader que segue a estratégia RSI faz sua previsão com base em uma possível reversão da tendência de mercado, revelada pelo a chamada 'divergência' entre a série temporal original e a nova série RSI. Uma divergência pode ser definida referindo-se a uma comparação entre a série de dados original e a série RSI gerada, e é o sinal de negociação mais significativo fornecido por qualquer indicador de estilo do oscilador. É o caso quando a tendência significativa entre dois extremos locais mostrada pela tendência do RSI é orientada na direção oposta à tendência significativa entre dois extremos (no mesmo intervalo de tempo) mostrados pela série original. Quando a linha RSI se inclina de maneira diferente da linha da série original, ocorre uma divergência. Veja o exemplo na Fig. 4: dois máximos locais seguem duas tendências diferentes inclinadas de forma oposta. No caso mostrado, o analista interpretará essa divergência como uma expectativa otimista (já que o oscilador RSI diverge da série original: ela começa a aumentar quando a série original ainda está diminuindo). Em nosso modelo simplificado, a presença de tal divergência se traduz em uma mudança na previsão do sinal, dependendo da tendência de alta ou baixa dos dias anteriores. Nas simulações seguintes, escolheremos dias, uma vez que - mais uma vez - este valor é um dos mais utilizados nas estratégias de negociação reais baseadas no RSI. Veja ref. [57] Estratégia de Up and Down Persistency (UPD) Esta estratégia determinista não vem da análise técnica. No entanto, decidimos considerá-lo porque parece seguir o aparentemente alternativo comportamento “subindo e descendo” das séries de mercado que qualquer observador pode ver à primeira vista. A estratégia é baseada na seguinte regra muito simples: a previsão para o comportamento do mercado amanhã é exatamente o oposto do que aconteceu no dia anterior. Se, por exemplo, um tiver, a expectativa no momento para o período será de alta: e vice-versa. Estratégia de Divergência de Convergência Média Móvel (MACD) A 'MACD' é uma série construída por meio da diferença entre duas Médias Móveis Exponenciais (EMA, doravante) do preço de mercado, referindo-se a duas janelas de tempo diferentes, uma menor e uma maior. Em qualquer momento t. Em particular, a primeira é a Média Móvel Exponencial de doze dias, enquanto a segunda se refere a vinte e seis dias. O cálculo desses EMAs em um intervalo de tempo pré-determinado, x, dado um peso de proporcionalidade, é executado pela seguinte fórmula recursiva: com, onde. Uma vez calculada a série MACD, obtém-se a média móvel exponencial de 9 dias e, finalmente, a estratégia de negociação para a previsão dinâmica do mercado pode ser definida: a expectativa para o mercado é de alta (baixa) se (). Veja ref. [57] Expandir Figura 4. Exemplo de divergência de RSI.
Uma divergência é um desacordo entre o indicador (RSI) e o preço subjacente. Por meio de linhas de tendência, o analista verifica se as inclinações de ambas as séries estão de acordo. Quando a divergência ocorre, uma inversão da dinâmica de preços é esperada. No exemplo, um período de alta é esperado.
Resultados de Simulações Baseadas em Empiricamente.
Para cada uma de nossas quatro séries temporais financeiras (em dias), o objetivo era simplesmente prever, dia a dia e para cada estratégia, o movimento ascendente (alta) ou descendente (baixa) do índice em um determinado dia com em relação ao valor de fechamento um dia antes: se a previsão estiver correta, o negociador ganha, caso contrário ele perde. Neste sentido, estamos interessados ​​apenas em avaliar a porcentagem de ganhos obtidos por cada estratégia, assumindo que - a cada passo - os operadores conhecem perfeitamente a história passada dos índices, mas não possuem nenhuma outra informação e não podem exercer nenhuma influência sobre os mesmos. mercado, nem receber qualquer informação sobre movimentos futuros.
A seguir, testamos o desempenho das cinco estratégias dividindo cada uma das quatro séries temporais em uma sequência de janelas de negociação de tamanho igual (em dias) e avaliando a porcentagem média de vitórias para cada estratégia dentro de cada janela enquanto os operadores se movem. ao longo da série dia a dia, de para. Este procedimento, quando aplicado, permite explorar o desempenho das várias estratégias para várias escalas de tempo (variando, de forma aproximada, de meses a anos).
A motivação por trás dessa escolha está ligada ao fato de que a evolução temporal de cada índice alterna claramente entre períodos calmos e voláteis, que em uma resolução mais precisa revelaria uma alternância mais autosemelhante de comportamento intermitente e regular em escalas de tempo menores. uma característica dos mercados financeiros turbulentos [35], [36], [38], [58]. Tal característica torna qualquer previsão a longo prazo de seu comportamento muito difícil ou mesmo impossível com instrumentos de análise financeira padrão. O ponto é que, devido à presença de correlações em pequenas escalas temporais (como confirmado pela análise do expoente de Hurst dependente do tempo na Figura 3), pode-se esperar que uma dada estratégia de negociação padrão, baseada na história passada da índices, poderia executar melhor do que os outros dentro de uma determinada janela de tempo. Mas isso pode depender muito mais do acaso do que da eficácia real do algoritmo adotado. Por outro lado, se numa escala temporal muito grande a evolução do tempo do mercado financeiro é um processo browniano não correlacionado (como indicado pelo expoente médio de Hurst, que resulta em torno de todas as séries financeiras consideradas), pode-se esperar também que o desempenho das estratégias de negociação padrão em uma grande escala de tempo torna-se comparável a estratégias aleatórias. Na verdade, isso é exatamente o que encontramos, conforme explicado a seguir.
Nas Figs. 5–8, relatamos os resultados de nossas simulações para os quatro índices de ações considerados (FTSE-UK, FTSE-MIB, DAX, S & P 500). Em cada figura, de cima para baixo, plotamos: a série temporal do mercado em função do tempo; a série de "retornos" correspondente, determinada como a proporção; a volatilidade dos retornos, ou seja, a variância da série anterior, calculada dentro de cada janela para aumentar os valores do tamanho da janela de negociação (igual a, da esquerda para a direita,, e respectivamente); a porcentagem média de ganhos para as cinco estratégias de negociação consideradas, calculadas para os mesmos quatro tipos de janelas (a média é realizada sobre todas as janelas em cada configuração, considerando diferentes execuções de simulação dentro de cada janela); os desvios padrão correspondentes para as vitórias das cinco estratégias.
Figura 5. Resultados da série de índices FTSE-UK, divididos em um número crescente de janelas de negociação de tamanho igual (3,9,18,30), simulando diferentes escalas de tempo.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
De cima para baixo, relatamos as séries temporais do índice, as séries temporais dos retornos correspondentes, a volatilidade, as porcentagens de ganhos para as cinco estratégias em todas as janelas e os correspondentes desvios-padrão. As duas últimas quantidades são calculadas sobre 10 execuções diferentes (eventos) dentro de cada janela.
Observando os dois últimos painéis em cada figura, dois resultados principais são evidentes:
As percentagens médias de ganhos para as cinco estratégias são sempre comparáveis ​​e oscilam, com pequenas diferenças aleatórias que dependem do índice financeiro considerado. O desempenho de vitórias para todas as estratégias pode parecer paradoxal, mas depende do procedimento de cálculo da média em todas as janelas ao longo de cada série temporal. Na Fig. 9 mostramos, para comparação, o comportamento das várias estratégias para os quatro índices financeiros considerados e para o caso (a pontuação em cada janela é calculada sobre diferentes eventos): como se pode ver, dentro de uma dada janela de negociação cada Uma estratégia única pode executar aleatoriamente muito melhor ou pior do que, mas, em média, o desempenho global das diferentes estratégias é muito semelhante. Além disso, referindo novamente as Figs. 5–8, vale a pena notar que a estratégia com a maior porcentagem média de ganhos (para a maioria das configurações do Windows) muda de um índice para outro: para o FTSE-UK, a estratégia do MOM parece ter uma pequena vantagem; para o FTSE-MIB, a UPD parece ser a melhor; para DAX, o RSI e para o S & amp; P 500, o UPD funciona um pouco melhor que os outros. Em qualquer caso, a vantagem de uma estratégia parece mera coincidência. O segundo resultado importante é que as flutuações da estratégia aleatória são sempre menores que as das outras estratégias (como também é visível na Fig. 9 para o caso): isso significa que a estratégia aleatória é menos arriscada do que a negociação padrão considerada. estratégias, enquanto o desempenho médio é quase idêntico. Isso implica que, ao tentar otimizar o desempenho, os operadores padrão são enganados pelo fenômeno da “ilusão de controle” [11], [12], reforçado por uma seqüência de vitórias em um determinado período de tempo. No entanto, a primeira grande perda pode afastá-los do mercado. Por outro lado, a eficácia das estratégias aleatórias pode estar provavelmente relacionada ao caráter turbulento e errático dos mercados financeiros: é verdade que um operador aleatório provavelmente ganhará menos em um determinado período de tempo, mas é provável que ele também perder menos. Portanto, sua estratégia implica menos risco, já que ele tem uma probabilidade menor de ser expulso do jogo. Expandir a Figura 9. A porcentagem de vitórias das diferentes estratégias dentro de cada janela de tempo - em média, em 10 eventos diferentes - é relatada, no caso N w = 30, para os quatro mercados considerados.
Como é visível, os desempenhos das estratégias podem ser muito diferentes uns dos outros dentro de uma única janela de tempo, mas, ao longo de toda a série, essas diferenças tendem a desaparecer e a pessoa recupera o resultado comum mostrado nas figuras anteriores.
Conclusões e Implicações de Política.
Neste artigo, exploramos o papel das estratégias aleatórias nos sistemas financeiros do ponto de vista microeconômico. Em particular, simulamos o desempenho de cinco estratégias de negociação, incluindo uma completamente aleatória, aplicada a quatro índices de mercados financeiros muito populares, a fim de comparar sua capacidade preditiva. Our main result, which is independent of the market considered, is that standard trading strategies and their algorithms, based on the past history of the time series, although have occasionally the chance to be successful inside small temporal windows, on a large temporal scale perform on average not better than the purely random strategy, which, on the other hand, is also much less volatile. In this respect, for the individual trader, a purely random strategy represents a costless alternative to expensive professional financial consulting, being at the same time also much less risky, if compared to the other trading strategies.
This result, obtained at a micro-level, could have many implications for real markets also at the macro-level, where other important phenomena, like herding, asymmetric information, rational bubbles occur. In fact, one might expect that a widespread adoption of a random approach for financial transactions would result in a more stable market with lower volatility. In this connection, random strategies could play the role of reducing herding behavior over the whole market since, if agents knew that financial transactions do not necessarily carry an information role, bandwagon effects could probably fade. On the other hand, as recently suggested by one of us [59], if the policy-maker (Central Banks) intervened by randomly buying and selling financial assets, two results could be simultaneously obtained. From an individual point of view, agents would suffer less for asymmetric or insider information, due to the consciousness of a “fog of uncertainty” created by the random investments. From a systemic point of view, again the herding behavior would be consequently reduced and eventual bubbles would burst when they are still small and are less dangerous; thus, the entire financial system would be less prone to the speculative behavior of credible “guru” traders, as explained also in [60]. Of course, this has to be explored in detail as well as the feedback effect of a global reaction of the market to the application of these actions. This topic is however beyond the goal of the present paper and it will be investigated in a future work.
Acknowledgments.
We thank H. Trummer for DAX historical series and the other institutions for the respective data sets.
Author Contributions.
Conceived and designed the experiments: AEB AP AR DH. Performed the experiments: AEB AP AR. Analyzed the data: AEB AP AR. Wrote the paper: AEB AP AR DH.

Keep a Trade Journal: Be Your Own Trading Coach.
A trade journal is a powerful tool to track and reflect upon your trading actions. Build and use it to analyze trading behaviors and hone your trade plan.
Account statements will tell you what you bought, sold, when, and for how much. A trade journal helps document how and why you made the trades that you did; the subjective thoughts, feelings, and assumptions that went into making those decisions.
Athletic coaches at every level analyze video to pinpoint what's working and, more importantly, what's not working. This way the coach and the athlete know exactly what needs to be done to improve performance. Traders can spot patterns and benefit in the same way with a trade journal. It's an important tool to help support your trading discipline, potentially improve your performance, and enhance your experience.
What should be in a trade journal?
Your trading account provides one level of accountability. Your trade journal offers a different kind of accountability by forcing you to write down why you made the decisions that you did. Like keeping track of what you eat, if you don't want to record a particular behavior it is likely that it is a departure from your plan.
Some general guidelines for what to include in a trade journal are captured below.
What you did Why you did it How you felt How did it work/not work What you learned Adjustments for future trades Expectations for the trade (price targets, exit targets)
Write it down. No, seriously, write it down.
When evaluating their trades, some traders rely on memory. Three months after a trade, it is hard to remember everything that went into it. A good trade journal captures your thinking when you placed the trade. Pay particular attention to those things that you would rather not write down. They may reflect behaviors that negatively impact your trading.
We can't overemphasize the importance of maintaining a physical journal. It doesn't matter if your journal is hand written in a spiral notebook, an online worksheet, or a series of screenshots with notes; having them in your head isn't good enough.
Many traders have "selective" memories. They remember the trades that look good and have a way of photo-shopping the uglier ones away. This distortion in recall will make it harder to make necessary adjustments in the future. This fuzziness may increase the chances of repeating a mistake. The key to a good trade journal is to put it in writing and be specific .

US Search Desktop.
Agradecemos seus comentários sobre como melhorar a Pesquisa do Yahoo. Este fórum é para você fazer sugestões de produtos e fornecer feedback atencioso. Estamos sempre tentando melhorar nossos produtos e podemos usar o feedback mais popular para fazer uma mudança positiva!
Se você precisar de assistência de qualquer tipo, visite nosso fórum de suporte à comunidade ou encontre ajuda individualizada em nosso site de ajuda. Este fórum não é monitorado por nenhum problema relacionado a suporte.
O fórum de comentários do produto do Yahoo agora exige um ID e uma senha válidos do Yahoo para participar.
Agora você precisa fazer login usando sua conta de e-mail do Yahoo para nos fornecer feedback e enviar votos e comentários para as ideias existentes. Se você não tiver um ID do Yahoo ou a senha do seu ID do Yahoo, inscreva-se para obter uma nova conta.
Se você tiver um ID e uma senha válidos do Yahoo, siga estas etapas se quiser remover suas postagens, comentários, votos e / ou perfil do fórum de comentários do produto do Yahoo.
Vote em uma ideia existente () ou publique uma nova ideia…
Idéias quentes Idéias superiores Novas ideias Categoria Status Meu feedback.
Xnxx vedios.
Trazer de volta o layout antigo com pesquisa de imagens.
sim: a única possibilidade (eu acho) enviar todas as informações para (alienvault.
Desinformação na ordem DVD.
Eu pedi DVD / Blueray "AL. A confidencial" tudo que eu consegui foi Blue ray & amp; um contato # para obter o DVD que não funcionou. Eu encomendo minha semana com Marilyn ____DVD / blue ray & amp; Eu peguei os dois - tolamente, assumi que o mesmo se aplicaria a L. A.___ETC não. Eu não tenho uma máquina de raio azul ----- Eu não quero uma máquina de raio azul Eu não quero filmes blueray. Como obtenho minha cópia de DVD de L. A. Confidential?
yahoo, pare de bloquear email.
Passados ​​vários meses agora, o Yahoo tem bloqueado um servidor que pára nosso e-mail.
O Yahoo foi contatado pelo dono do servidor e o Yahoo alegou que ele não bloquearia o servidor, mas ainda está sendo bloqueado. CEASE & amp; DESISTIR.
Não consigo usar os idiomas ingleses no e-mail do Yahoo.
Por favor, me dê a sugestão sobre isso.
Motor de busca no Yahoo Finance.
Um conteúdo que está no Yahoo Finance não aparece nos resultados de pesquisa do Yahoo ao pesquisar por título / título da matéria.
Existe uma razão para isso, ou uma maneira de reindexar?
Procure por "turkey ******" imagens sem ser avisado de conteúdo adulto ou que o mostre.
O Yahoo está tão empenhado em atender os gostos lascivos das pessoas que nem posso procurar imagens de uma marca de "peitos de peru" sem ser avisado sobre conteúdo adulto? Apenas usar a palavra "******" em QUALQUER contexto significa que provavelmente vou pegar seios humanos em toda a página e ter que ser avisado - e passar por etapas para evitá-lo?
Aqui está minha sugestão Yahoo:
Invente um programa de computador que reconheça palavras como 'câncer' ou 'peru' ou 'galinha' em uma frase que inclua a palavra '******' e não assuma automaticamente que a digitação "***** * "significa que estou procurando por ***********.
Descobrir uma maneira de fazer com que as pessoas que ESTÃO procurando *********** busquem ativamente por si mesmas, sem assumir que o resto de nós deve querer ************************************************ uma palavra comum - ****** - que qualquer um pode ver qualquer dia em qualquer seção de carne em qualquer supermercado em todo o país. :(
O Yahoo está tão empenhado em atender os gostos lascivos das pessoas que nem posso procurar imagens de uma marca de "peitos de peru" sem ser avisado sobre conteúdo adulto? Apenas usar a palavra "******" em QUALQUER contexto significa que provavelmente vou pegar seios humanos em toda a página e ter que ser avisado - e passar por etapas para evitá-lo?
Aqui está minha sugestão Yahoo:
Invente um programa de computador que reconheça palavras como 'câncer' ou 'peru' ou 'galinha' em uma frase que inclua a palavra '******' e não assuma automaticamente que a digitação "***** * "significa que estou procurando por mais ...
Por que, quando eu faço login no YahooGroups, todos os grupos aparecem em francês ?!
Quando entro no YahooGroups e ligo para um grupo, de repente tudo começa a aparecer em francês? O que diabos está acontecendo lá ?! Por alguma razão, o sistema está automaticamente me transferindo para o fr. groups. yahoo. Alguma ideia?
consertar o que está quebrado.
Eu não deveria ter que concordar com coisas que eu não concordo com a fim de dizer o que eu acho - eu não tive nenhum problema resolvido desde que comecei a usar o Yahoo - fui forçado a jogar meu antigo mensageiro, trocar senhas, obter novas messenger, disse para usar o meu número de telefone para alertar as pessoas que era o meu código de segurança, receber mensagens diárias sobre o bloqueio de yahoo tentativas de uso (por mim) para quem sabe por que como ele não faz e agora eu obter a nova política aparecer em cada turno - as empresas costumam pagar muito caro pela demografia que os usuários fornecem para você, sem custo, pois não sabem o que você está fazendo - está lá, mas não está bem escrito - e ninguém pode responder a menos que concordem com a política. Já é ruim o suficiente você empilhar o baralho, mas depois não fornece nenhuma opção de lidar com ele - o velho era bom o suficiente - todas essas mudanças para o pod de maré comendo mofos não corta - vou relutantemente estar ativamente olhando - estou cansado do mudanças em cada turno e mesmo aqueles que não funcionam direito, eu posso apreciar o seu negócio, mas o Ameri O homem de negócios pode vender-nos ao licitante mais alto por muito tempo - desejo-lhe boa sorte com sua nova safra de guppies - tente fazer algo realmente construtivo para aqueles a quem você serve - a cauda está abanando o cachorro novamente - isso é como um replay de Washington d c
Eu não deveria ter que concordar com coisas que eu não concordo com a fim de dizer o que eu acho - eu não tive nenhum problema resolvido desde que comecei a usar o Yahoo - fui forçado a jogar meu antigo mensageiro, trocar senhas, obter novas messenger, disse para usar o meu número de telefone para alertar as pessoas que era o meu código de segurança, receber mensagens diárias sobre o bloqueio de yahoo tentativas de uso (por mim) para quem sabe por que isso acontece e agora eu recebo a nova política em cada turno - as empresas costumam pagar muito pela demografia que os usuários fornecem para você ... mais.

Journal of Investment Strategies.
Publicado pela primeira vez em dezembro de 2012.
O Journal of Investment Strategies é dedicado ao tratamento rigoroso de estratégias de investimento modernas; indo muito além das abordagens “clássicas” em seus instrumentos e metodologias. Ao fornecer uma representação equilibrada de pesquisas acadêmicas, de buy side e sell side, a Revista promove a polinização cruzada de idéias entre pesquisadores e profissionais, alcançando um vínculo indevido da academia e da indústria, por um lado, e modelos teóricos e aplicados sobre o tema. de outros.
A Revista contém trabalhos de pesquisa em profundidade, bem como artigos de discussão sobre assuntos técnicos e de mercado, e visa equipar a comunidade de investimento global com pesquisas práticas e de ponta, a fim de compreender e implementar estratégias de investimento modernas.
Com foco em importantes estratégias, técnicas e gestão de investimentos contemporâneos, a revista considera trabalhos nas seguintes áreas:
Estratégias fundamentais: incluindo macro fundamental, seleção de capital ou de crédito fundamental Estratégias de valor relativo: estimativa e investimento na avaliação relativa de títulos relacionados, tanto de baunilha quanto de derivativos Estratégias táticas: estratégias baseadas na previsão e no investimento em padrões de comportamento de mercado tais como momentum ou reversão à média, e estratégias de alocação tática de ativos. Estratégias orientadas a eventos: estratégias baseadas na previsão da probabilidade de eventos que movem o mercado ou reações do mercado a tais eventos Estratégias de Negociação Algorítmicas: modelos de microestrutura de mercado, impacto de liquidez e mercado e estratégias de execução de mercado e de criação de mercado Principais estratégias de investimento: investimento estratégias para títulos iluidados e principal propriedade ou financiamento de ativos reais e Gestão de Carteira e Alocação de Ativos: modelos para otimização de portfólio, controle de risco, atribuição de desempenho e alocação de ativos. Métodos Econômicos e Estatísticos: com aplicações a estratégias de investimento.
O Journal of Investment Strategies foi selecionado para cobertura no Clarivate Analytics Emerging Sources Citation Index.
Reflexões sobre a volatilidade recente.
Este artigo trata da volatilidade patrimonial sem precedentes na segunda semana de fevereiro de 2018. O artigo recapitula a semana, coloca o movimento do mercado em um contexto histórico, discute como alguns comerciantes e fundos foram afetados e oferece alguns…
O critério de Kelly na otimização de portfólio: um problema desacoplado.
Este artigo examina como o critério de Kelly pode ser implementado em um modelo de otimização de portfólio que combina risco e retorno em uma única função objetiva usando um parâmetro de risco.
Estatísticas de futuros VIX e suas aplicações para produtos negociados em bolsa de volatilidade comercial.
Neste artigo, os autores estudam a dinâmica de futuros do índice de volatilidade (VIX) da Bolsa de Valores de Chicago e notas negociadas em bolsa (ETNs) / fundos negociados em bolsa (ETFs).
Uma abordagem baseada em risco para construir soluções de portfólio de ativos múltiplos.
In this paper, the authors introduce an approach to cluster asset classes by correlation distance and then outline how these results can be used to design portfolios that are optimal in a group risk parity (GRP) framework.
Proteção da cauda para investidores de longo prazo: convexidade de tendência no trabalho.
Neste artigo, os autores mostram que as estratégias de tendência de ativos únicos têm convexidade integrada, desde que seus retornos sejam agregados na escala de tempo certa, ou seja, a do filtro de tendência.
Velocidade e dimensões da negociação.
Neste artigo, duas novas estatísticas de portfólio são introduzidas: ENT, que mede a velocidade de negociação, e ENTD, que mede a diversidade de negociação. Juntamente com os vetores que representam as principais direções de negociação, eles fornecem uma nova visão sobre a intrínseca…
Negociação eficiente em carteiras tributáveis.
Este documento determina as estratégias de negociação do ciclo de vida para carteiras sujeitas ao sistema tributário dos EUA.
Concentração de carteira e contágio do mercado de ações: evidências sobre a “fuga para a familiaridade” entre os métodos de indexação.
Este artigo esclarece o emaranhamento de esquemas de ponderação de índices.
Alavancagem e incerteza.
Ao estender o critério de Kelly para um modelo probabilístico simples com um risco de cauda adicional associado à incerteza, este documento analisa além do risco e avalia como a incerteza restringe a alavancagem ideal.
Ciclo de vida investindo com a estratégia rentável de dividend yield: simulações e análise não paramétrica.
Usando simulações, o autor mostra que o investimento em ciclo de vida implementado em ações altamente lucrativas e com alto rendimento de dividendos (a estratégia de rendimento de dividendos lucrativos) fornece uma solução convincente para o problema de subotimização, alavancando na…
Melhorando o valor da empresa por meio de opções de negociação.
Este artigo considera o problema de melhorar uma atividade de investimento adicionando regularmente uma opção de negociação ao mix de portfólio e apresentou resultados para o único underlier do índice S & P 500, com a atividade subjacente sendo longa ou…
Um quadro de quantificação de incerteza para a viabilidade de resultados de backtesting de estratégias de negociação.
Neste artigo, os autores propõem uma estrutura para implementação e backtesting de estratégias de negociação.
Testes estatísticos de indicadores técnicos DeMark sobre futuros de commodities.
Este artigo examina o desempenho de três indicadores DeMark em vinte e um mercados futuros de commodities e dez anos de dados diários.
Correcção dos motores de backtest.
Neste artigo, os autores fornecem ferramentas para testar a exatidão dos mecanismos de backtest para configurações com no máximo uma entrada e uma saída.
Black–Litterman, exotic beta and varying efficient portfolios: an integrated approach.
Este artigo traz a otimização Black-Litterman, betas exóticos e diferentes portfólios iniciais juntos em uma estrutura simbiótica completa.
Paridade de risco agnóstica: domar desconhecidos conhecidos e desconhecidos.
Este artigo oferece uma nova perspectiva sobre a alocação de portfólio, o que evita qualquer otimização explícita e, em vez disso, assume o ponto de vista da simetria.
Risco de interconectividade e gerenciamento ativo de portfólio.
Este trabalho estuda as medidas de centralidade (risco de interconexão) e seu valor agregado em uma estrutura ativa de otimização de portfólio.
Restrições de risco para otimização de portfólio com custo de transação de taxa fixa.
Neste artigo, os autores investigam como os custos de transação de taxa fixa afetam o rebalanceamento da carteira.
Investir em períodos com distâncias de Mahalanobis.
Os autores propõem uma estrutura analítica para medir as oportunidades de investimento e alocar o risco ao longo do tempo com base na distância de Mahalanobis.
Modelos estatísticos de risco.
Neste artigo, os autores fornecem algoritmos completos e código-fonte para a construção de modelos estatísticos de risco.

Pares de negociação: uma abordagem de cópula.
Rong Qi Liew Yuan Wu.
A negociação de pares é uma técnica amplamente praticada no setor financeiro. Sua relevância tem sido constantemente testada com amostras atualizadas e sua lucratividade é reconhecida entre profissionais e acadêmicos. No entanto, em pares negociando, a noção de correlação é central, e o uso de correlação ou cointegração como medida de dependência é, em última análise, o calcanhar de Aquiles. Para superar essa limitação, este artigo emprega o uso de cópulas, que é muito mais realista e robusto, para desenvolver regras de negociação para a negociação de pares. Cópulas são extensões úteis e generalizações de abordagens para modelar distribuições conjuntas e dependência entre ativos financeiros. Uma estratégia de negociação que envolve o uso de cópulas foi comparada com duas estratégias convencionais mais comumente aplicadas. Os resultados empíricos sugerem que a estratégia proposta é uma alternativa analítica potencialmente poderosa para os tradicionais sistemas de negociação de pares.
INTRODUÇÃO.
A negociação de pares é uma estratégia de investimento especulativo bem reconhecida nos mercados financeiros que é popularizada nos anos 80. Hoje, a negociação de pares é comumente aplicada por fundos de hedge e investidores institucionais como uma estratégia de investimento de capital longo / curto. (Vidyamurthy, 2004) Pesquisadores recentes (Gatev et al, 2006; Do e Faff, 2010) estenderam a análise inicial de pares negociando para amostras mais atualizadas e documentaram lucros econômicos e estatisticamente significativos usando a regra de negociação de pares simples.
Geralmente percebido como uma forma de análise técnica, o objetivo da negociação de pares é identificar as posições relativas supervalorizadas e subvalorizadas entre duas ações que estão intimamente relacionadas, com uma relação de longo prazo. Tal precificação relativa ocorre se o spread entre os dois estoques se desvia do seu equilíbrio, e retornos excedentes serão gerados se o par estiver revertendo (isto é, quaisquer desvios são temporários, e retornarão ao seu equilíbrio após um período de ajuste) . Nesta situação, a estratégia encurtará simultaneamente a ação relativamente sobrevalorizada e perdurará a relativa subvalorização. A formação de pares resulta de uma análise de cointegração ou critérios de correlação máxima dos preços históricos. Posteriormente, a estratégia de negociação de pares é implementada para identificar os sinais de negociação.
No entanto, uma deficiência significativa na tecnologia é a suposição fundamental da associação linear e seu uso do coeficiente de correlação ou cointegração como medida de dependência. Essas suposições básicas podem ser convenientes e úteis na aplicação, mas podem fazer com que os sinais de negociação de pares simples sejam imprecisos. Se os dados são normalmente distribuídos, então a correlação linear descreve completamente a dependência. Mas é amplamente reconhecido que os dados financeiros raramente são normalmente distribuídos na realidade, portanto, a correlação não pode descrever completamente a dependência. In fact, negative skewness and/or excess kurtosis are frequently observed in most financial assets ( Kat, 2003 ; Crook and Moreira, 2011 ), resulting in upper and lower tail dependence of different extent. Como tal, a correlação e a cointegração não são suficientes para descrever a associação entre ativos financeiros e prever seus movimentos futuros.
O objetivo deste artigo é vincular o uso de cópula com pares de negociação para desenvolver uma estratégia de negociação. Como as cópulas separam as distribuições marginais das estruturas de dependência, a cópula apropriada para um aplicativo específico é aquela que melhor captura os recursos de dependência dos dados. (Trivedi e Zimmer, 2007) Assim, o uso de cópula é capaz de capturar o co-movimento entre os estoques com precisão suficiente para identificar sinais de negociação, cuja análise de correlação linear padrão não é robusta o suficiente para realizar (Ferreira, 2008). Portanto, é hipotetizado que uma estratégia de negociação envolvendo o uso de cópula trará mais oportunidades de negociação e potencialmente mais lucro do que as estratégias convencionais. A estratégia proposta será explorada e comparada com estratégias convencionais.
O resto do artigo será organizado da seguinte forma. A próxima seção fornecerá uma breve visão geral da negociação de pares. A seção "Estratégias de negociação" descreverá as estratégias de negociação estudadas neste artigo, e os resultados empíricos serão demonstrados na seção "Resultados empíricos". A seção "Conclusão" concluirá o artigo e fornecerá instruções para futuros estudos.
FUNDAÇÕES DAS ESTRATÉGIAS DE NEGOCIAÇÃO DOS PARES.
A ideia geral de investir no mercado a partir de um ponto de vista de avaliação é vender títulos supervalorizados e comprar os subvalorizados. Como os verdadeiros valores dos títulos em termos absolutos raramente são conhecidos, as técnicas de negociação de pares tentam resolver isso observando os pares de ações com características semelhantes. Its objective is to identify the relative positions whenever an inefficient market results in the mispricing of securities. Este mispricing mútuo entre dois títulos é teoricamente capturado pela noção de spread (Vidyamurthy, 2004).
Currently, there are several different pairs trading technues applied in the modern financial industry. As duas técnicas mais comumente estabelecidas são a estratégia da distância (Gatev et al, 2006; Perlin, 2009; Do e Faff, 2010) e a estratégia de cointegração (Vidyamurthy, 2004; Lin et al, 2006; Galenko et al, 2012).
Geralmente, os pares são selecionados com base em critérios de análise de cointegração ou distância mínima (equivalentemente, correlação máxima). Quando um par adequado é identificado, a tecno tradicional fará uma compra simultânea de ações relativamente subavaliadas e a venda de ações relativamente sobrevalorizadas, na tentativa de criar um sistema de negociação neutro de mercado. Isso é para aproveitar a divergência de preços em termos do spread que se espera que reverta eventualmente, conhecido como o comportamento de reversão da média (Bock e Mestel, 2008). Assim, a negociação em pares também é conhecida como uma forma de investimento de capital longo / curto, pois a estratégia neutra em relação ao mercado detém duas ações de diferentes posições, com exposição igual ao risco de mercado em todos os momentos.
É importante notar que todas as técnicas convencionais são essencialmente encontradas no pressuposto de associação linear e seu uso do coeficiente de correlação ou cointegração como uma medida de dependência. Além disso, o uso de correlação e cointegração em pares de negociação assume uma distribuição simétrica de spread em torno do valor médio de 0. Portanto, a negociação de pares tem suas limitações, e isso pode resultar em problemas onde a abordagem de negociação de pares tradicionais produz sinais de negociação errados ou deixar de identificar oportunidades de lucro (Bock e Mestel, 2008).
Por outro lado, as cópulas fornecem uma estrutura poderosa para modelar a estrutura de dependência sem suposições rígidas (Ferreira, 2008). Ele pode resolver potencialmente as preocupações mencionadas anteriormente, uma vez que separa a estimativa do comportamento marginal individual e a estrutura de dependência em dois procedimentos diferentes. Essa separação de procedimentos é extremamente valiosa e útil em muitos aspectos diferentes. De uma perspectiva econômica, ele dá ao analista a oportunidade de usar diferentes distribuições marginais para explicar a diversidade de riscos financeiros (ou ativos) (Ane e Kharoubi, 2003). Assim, a cópula pode ser aplicada independentemente da forma de distribuições marginais, fornecendo uma flexibilidade muito maior para a aplicação prática. A partir de uma posição de modelagem, quanto menor a dimensionalidade de um modelo ou a cardinalidade de seus parâmetros, maior a confiabilidade das estimativas. Portanto, aplicar a distribuição marginal mais adequada antes de estimar sua distribuição conjunta garante que todas as informações relativas à estrutura de dependência entre variáveis ​​aleatórias sejam capturadas com precisão, sem premissas rígidas.
Ao contrário das abordagens convencionais, empregar uma abordagem baseada em cópulas resulta em um conjunto muito mais rico de informações, como a forma e a natureza da dependência entre os pares de ações (Ferreira, 2008). Essa vantagem é resultado da variedade de escolhas de cópulas que medem as dependências de cauda superior e inferior de diferentes extensões, em um ambiente que considera tanto a relação linear quanto não-linear. Por exemplo, a cópula de Gumbel produz mais correlação nos dois extremos da distribuição correlacionada, mas tem sua correlação mais alta nas caudas máximas, enquanto a cópula de Clayton produz uma correlação estreita na extremidade inferior de cada variável. Além disso, as cópulas possuem uma propriedade atraente de serem invariantes sob transformações estritamente monótonas de variáveis ​​aleatórias. Em outras palavras, a mesma cópula será obtida independentemente de o analista ou pesquisador estar usando séries de preços ou séries de preços de log (Hu, 2003).
As a whole, copula is unue as it allows modeling dependence structure to be split into two separate procedures. Primeiro, a escolha da melhor distribuição marginal é fornecida para descrever as variáveis. Subsequentemente, é aplicada uma cópula adequada para estabelecer a estrutura de dependência. Esta abordagem em duas etapas fornece mais alternativas na especificação do modelo, e uma função de dependência explícita obtida fornecerá uma descrição mais delicada da dependência (Hu, 2003). Essas funcionalidades da cópula garantem alta precisão e confiabilidade das estimativas, ambas essenciais para análise e aplicação financeira. Assim, o conceito de cópula será explorado como uma alternativa neste artigo, onde o ambiente não linear pode ser considerado. For more details about copula, please refer Appendix A .
ESTRATÉGIAS DE NEGOCIAÇÃO.
Nesta seção, serão elaboradas as regras de negociação customizadas para três abordagens, a saber, cópula, distância e cointegração. Em todas as três abordagens, existem dois períodos de tempo diferentes, o período de formação e o período de negociação (ou backtesting). Os dados históricos durante o período de formação são usados ​​para observar o comportamento do preço e estimar a distribuição e os parâmetros relevantes exigidos para cada abordagem. Usando as distribuições e parâmetros estimados do período de formação, as estratégias são implementadas durante o período de negociação para testar a lucratividade. Não existe uma diretriz fixa para a duração de cada período de tempo, portanto, este artigo usará uma fase de 2 anos e 1 ano subsequente como o período de formação e negociação, respectivamente.
Em última análise, todas as três abordagens visam identificar as posições relativas dos pares de ações e, simultaneamente, as ações subvalorizadas e encurtar as sobrevalorizadas, na tentativa de estabelecer um sistema de negociação neutro de mercado. The use of same formation period, trading period and stock pairs are maintained throughout the three approaches in this article due to the intention to make a comparison between the three.
Abordagem do cópula.
O objetivo da técnica de troca de pares usando a abordagem da cópula é aplicar a cópula ótima entre dois retornos de ações e identificar as posições relativas entre os pares de ações. Em geral, a aplicação da estratégia para a abordagem da cópula exigirá as distribuições marginais, a função da cópula relevante e as funções de distribuição de probabilidade condicional, que podem ser funções da cópula.
Utilizando dados das ações durante o período de formação, as funções marginais de distribuição e os respectivos parâmetros são estimados com base no valor dos seus log-retornos acumulados. Isso pode ser feito usando qualquer software de análise estatística padrão que calcule a distribuição marginal mais adequada. Depois de aplicar as distribuições marginais e os parâmetros estimados relevantes para cada retorno das ações, os valores da função de distribuição cumulativa obtidos de cada ação, uev, fornecem as informações para que uma função cópula relevante seja selecionada.
Como diretriz geral, os estoques são identificados como sendo relativamente subavaliados se a probabilidade condicional for menor que 0,5 e relativamente supervalorizada se a probabilidade condicional for maior que 0,5. Além disso, os valores das probabilidades condicionais são também uma indicação de sua certeza ou confiança em relação à posição dos estoques (Ferreira, 2008). Portanto, a execução do comércio deve ser feita quando uma das probabilidades condicionais estiver próxima de 1. Portanto, o uso de funções de probabilidade condicional é essencial para a estratégia. Para mais informações sobre as fórmulas das funções de probabilidade condicional, consulte o Apêndice B (Tabela B1).
Para fins de demonstração, este artigo seleciona o limite superior de 0,95 e o limite inferior de 0,05 para o limite de probabilidades condicionais como acionadores de negociação nessa abordagem. Uma posição é aberta durante o período de negociação quando um dos valores de probabilidade condicional está acima do limite superior, enquanto o outro está abaixo do limite inferior. Posteriormente, a posição de saída é assumida quando as posições são revertidas (isto é, quando as probabilidades condicionais cruzam o limite de 0,5).
Abordagem à distância.
Neste artigo, implementamos a mesma estrutura de estratégia de negociação descrita por Gatev et al (2006) para a abordagem à distância. Ao encontrar duas ações que se movem juntas, posições longas / curtas são tomadas quando as ações divergem anormalmente. Essa divergência é determinada pela diferença entre o diferencial de preço padronizado dos dois títulos, geralmente conhecido como spread. Ele age como um sinal para as posições de abertura e fechamento dos estoques pareados. Durante o período de negociação, a posição é aberta quando o spread aumenta em mais de dois desvios padrão históricos, conforme estimado durante o período de formação. Posteriormente, as posições são fechadas quando o spread dos estoques for revertido. Se a reversão não ocorrer antes do final do período de negociação, os lucros ou perdas são calculados no final do último dia de negociação do período de negociação.
Abordagem de cointegração.
Semelhante à estratégia de negociação anterior, a principal preocupação dessa abordagem é o movimento de disseminação. No entanto, em vez de enfatizar a distância entre os preços padronizados dos pares de ações, o spread considerado é baseado na noção de correção de erros. A idéia de correção de erros é baseada no equilíbrio de longo prazo em um sistema cointegrado; isto é, a média de longo prazo da combinação linear de duas séries temporais (Vidyamurthy, 2004). Se houver um desvio da média de longo prazo, então é esperado que uma ou ambas as séries temporais sejam ajustadas para que o equilíbrio de longo prazo seja restaurado.
Usando a cointegração como base teórica, a estrutura geral da abordagem de cointegração em pares de negociação consiste em duas partes. A primeira é gerar o spread com base no termo de erro de cointegração real do relacionamento de longo prazo. This is estimated using regression analysis based on log-price series data from the formation period. Usando o desvio padrão do spread durante o período de formação, é estabelecido um limiar de dois desvios-padrão para a estratégia de negociação. Uma vez que o spread se desvie do seu equilíbrio de longo prazo e exceda o limite durante o período de negociação, posições longas / curtas são tomadas. Posteriormente, as posições são fechadas depois que o spread converge para seu valor de equilíbrio de longo prazo de 0. Para obter mais detalhes sobre a estrutura de estratégia conduzida neste artigo, consulte Vidyamurthy (2004).
RESULTADOS EMPÍRICOS.
Esta seção fornecerá detalhes da implementação real, demonstrando as três estratégias usando os pares que foram aplicados. Por razões de espaço, apenas um exemplo da Brookdale Senior Living Inc. e da Emeritus Corporation (BKD-ESC) será ilustrado em detalhes. O par de ações é verificado como um que é altamente correlacionado e cointegrado. É também um dos pares de ações listados em pareslog no setor de saúde, especificamente em instalações de cuidados de longo prazo.
Este artigo investiga o período de tempo de 1º de dezembro de 2009 a 30 de novembro de 2012. Os dados dos primeiros 24 meses são usados ​​para encontrar os parâmetros relevantes, e as informações obtidas são aplicadas no período de negociação, que são os 12 meses subsequentes. As estratégias de negociação de diferentes abordagens são estudadas e demonstradas, sem o procedimento de seleção de pares. Portanto, apenas os pares de ações amplamente discutidos on-line ou especulados em várias literaturas foram considerados. Cada par de ações tem o mesmo código Schwarz Information Criterion (SIC) para garantir a neutralidade industrial, ou pelo menos para reduzir o risco industrial também.
Abordagem à distância.
Uma figura detalhada para a estratégia de distância convencional é apresentada abaixo para ilustrar os preços padronizados e a distribuição dos valores.
Estratégia de negociação à distância.
Abordagem de cointegração.
Cointegration trading strategy.
A Figura 2 (a) mostra um gráfico da série de preços de log do par de ações BKD-ESC durante o período de formação e a Figura 2 (b) exibe o spread durante o mesmo período de tempo. O mesmo se aplica à Figura 2 (c) e à Figura 2 (d), respectivamente, mas os valores plotados são dados do período de negociação.
Observe que a disseminação de preocupação nessa abordagem é obtida a partir do termo de erro de cointegração real da relação de longo prazo entre as duas séries de preços log, estimada por meio de regressão. Assim, o spread propriamente dito é uma combinação linear das duas séries de preços de log. Como o par de ações é cointegrado, isso implica que o spread deve ser uma série temporal estacionária que é distribuída aleatoriamente sobre o valor médio de longo prazo de 0. Entretanto, isso não é ilustrado nas Figuras 2 (b) e ( d). De fato, o comportamento de propagação dos dois períodos de tempo é distintivamente diferente, com uma distribuição assimétrica. Assim, a associação linear e seu uso da cointegração como medida de dependência nessa abordagem é insuficiente para capturar a associação entre os ativos financeiros. Isso resulta em uma inconsistência dos valores de spread obtidos durante os dois períodos de tempo. Observe que a possibilidade de uma mudança estrutural não pode ser descartada, mas as limitações da abordagem em si parecem mais razoáveis. As limitações dessa estratégia de negociação convencional poderiam, por sua vez, resultar em uma perspectiva imprecisa da associação entre os ativos envolvidos, possivelmente causando a falta de oportunidades de negociação e, portanto, um lucro menor na estratégia de negociação.
Abordagem do cópula.
Como mencionado na seção "Abordagem à distância", essa abordagem exigirá primeiro as distribuições marginais de cada variável; neste caso, os retornos de log cumulativos de BKD e ESC dos dados históricos. Usando o software de análise estatística padrão, as distribuições marginais ajustadas aos retornos de log cumulativos de BKD e ESC são distribuições Erro e Logística Generalizada, respectivamente. Usando as funções de distribuição e os parâmetros estimados, os valores de uev são calculados.
Valores de teste SIC, AIC e HQIC de cópulas usando dados do período de formação.

Trading strategies journal

O Jornal de Negociação.
Revistas de Investidores Institucionais (II Journals) são criadas para profissionais da indústria e escritas por profissionais e acadêmicos líderes. Eles fornecem análises detalhadas e insights estratégicos que podem ser traduzidos em ideias implementáveis ​​em gerenciamento de investimentos globais e finanças.
O Journal of Trading (JOT) oferece uma análise aprofundada de novas ferramentas e estratégias na negociação institucional e mostra como usá-las de maneira prática. O objetivo do JOT é fornecer inteligência crítica sobre negociação algorítmica, opções de execução, questões de liquidez, plataformas de negociação e modelos analíticos. Você obtém as ferramentas práticas para revisar e medir o desempenho da execução comercial; realizar análise pré e pós-negociação e análise de custos de transação; avaliar alocações de comissão e estratégias de negociação; alcançar a melhor execução e evitar armadilhas de negociação e controlar os custos de transação e minimizar os custos gerais. O JOT é ideal para traders de buy-sellers e sell-side de nível sênior, investidores institucionais e gerentes de portfólio, e corretores e revendedores de firmas de investimento.
Brian R. Bruce, editor, é fundador e CEO da Hillcrest Asset Management e diretor do Center for Investment Research.
Gestores de fundos de pensão, gestores de carteiras, tesoureiros, consultores de investimentos.
4 edições por ano.
Primavera (março), verão (junho), outono (setembro), inverno (dezembro)