Revista de estratégias de negociação
The Journal of Trading.
Revistas institucionais de investidores (Revistas II) são criadas para profissionais da indústria e escritas por profissionais e acadêmicos líderes. Eles fornecem análises detalhadas e informações estratégicas que podem ser traduzidas em idéias implementáveis na gestão e finanças globais de investimentos.
O Journal of Trading (JOT)) lhe dá uma análise aprofundada de novas ferramentas e estratégias no comércio institucional e mostra como usá-los de forma prática. O JOT tem como objetivo fornecer inteligência crítica sobre negociação algorítmica, opções de execução, problemas de liquidez, plataformas de negociação e modelos analíticos. Você obtém as ferramentas práticas para revisar e medir o desempenho da execução comercial; realizar análise de pré e pós-comércio e análise de custos de transações; avaliar alocações de comissões e estratégias de negociação; alcançar a melhor execução e evitar armadilhas comerciais e controlar os custos de transação e minimizar os custos gerais. O JOT é ideal para comerciantes de nível superior de compra e venda, investidores institucionais e gestores de carteiras, e corretores e revendedores de empresas de investimento.
Brian R. Bruce, Editor, é fundador e CEO da Hillcrest Asset Management e diretor do Centro de Pesquisa de Investimentos.
Gerentes de fundos de pensões corporativos, gerentes de carteira, tesoureiros, consultores de investimentos.
4 números por ano.
Primavera (março), Verão (junho), Outono (setembro), Inverno (dezembro)
© The Center for Investment Research, 2009. Todos os direitos reservados.
Avaliando Estratégias de Negociação.
16 páginas postadas: 3 de agosto de 2014 Última revisão: 26 de agosto de 2014.
Campbell R. Harvey.
Duke University - Fuqua School of Business; National Bureau of Economic Research (NBER); Duke Innovation & Entrepreneurship Initiative.
Texas A & M University, Departamento de Finanças.
Data escrita: 25 de agosto de 2014.
Nós fornecemos algumas ferramentas novas para avaliar estratégias de negociação. Quando se sabe que muitas estratégias e combinações de estratégias foram testadas, precisamos ajustar nosso método de avaliação para esses testes múltiplos. Sharpe Ratios e outras estatísticas serão exagerados. Nossos métodos são simples de implementar e permitem a avaliação em tempo real das estratégias de negociação de candidatos.
Palavras-chave: taxa de Sharpe, testes múltiplos, Holm, BHY, Bonferroni, seleção de estratégia, Backtest, corte de cabelo, Ratio de corte de cabelo, mineração de dados, aprendizado de máquina, Higgs Boson, estratégias de negociação, testes fora de amostra, testes em teste, FDR , FWER, Capital IQ, PBO.
Classificação JEL: G12, G14, G30, G00, C12, C20, B41.
Campbell R. Harvey (Autor do Contato)
Duke University - Fuqua School of Business (e-mail)
Durham, NC 27708-0120.
National Bureau of Economic Research (NBER)
1050 Massachusetts Avenue.
Cambridge, MA 02138.
Iniciativa Duke Inovação e Empreendedorismo (e-mail)
215 Morris St., Suite 300.
Durham, NC 27701.
Universidade Texas A & M, Departamento de Finanças (e-mail)
Wehner 401Q, MS 4353.
College Station, TX 77843-4218.
Estatísticas de papel.
Jornais relacionados.
EJournal de gerenciamento de riscos.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
EJournal Behavioral & Experimental Finance.
Inscreva-se neste diário gratuito para artigos mais curados sobre este assunto.
Mercado de capitais: EJournal de eficiência de mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Fundos Mútuos, Hedge Funds e Indústria de Investimento eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: Métodos econométricos e estatísticos - EJournal geral.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: edição econométrica, estimativa e seleção eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Links rápidos SSRN.
Rankings SSRN.
Sobre SSRN.
Os cookies são usados por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo7 em 0.187 segundos.
Journal of Investment Strategies.
Primeira publicação: dezembro de 2012.
O Journal of Investment Strategies é dedicado ao tratamento rigoroso das estratégias modernas de investimento; indo muito além das abordagens "clássicas" tanto em seus instrumentos e metodologias. Ao fornecer uma representação equilibrada de pesquisas acadêmicas, de compra e de venda, o Jornal promove a polinização cruzada de idéias entre pesquisadores e profissionais, alcançando um nexo exclusivo da academia e da indústria, por um lado, e modelos teóricos e aplicados sobre a de outros.
O Diário contém artigos de pesquisa aprofundados, bem como artigos de discussão sobre temas técnicos e de mercado, e visa capacitar a comunidade de investimento global com pesquisas práticas e de ponta para entender e implementar estratégias de investimento modernas.
Com foco em importantes estratégias, técnicas e gerenciamento de investimentos contemporâneos, o jornal considera artigos sobre as seguintes áreas:
Estratégias Fundamentais: incluindo macro fundamental, equidade fundamental ou seleção de crédito Estratégias de Valor Relativo: estimativa e investimento na avaliação relativa de títulos relacionados, tanto de baunilha como de derivadas Estratégias Táticas: estratégias baseadas na previsão e no investimento em padrões de comportamento de mercado, como o impulso ou reversão média, e as estratégias táticas de alocação de ativos. Estratégias orientadas por eventos: estratégias baseadas na previsão de probabilidade de eventos de mudança de mercado ou reações de mercado a tais eventos Estratégias de negociação algorítmica: modelos de microestrutura de mercado, liquidez e impacto no mercado e execução de contratos algorítmicos e estratégias de mercado Principais estratégias de investimento: investimento Estratégias para títulos ilíquidos e principal propriedade ou financiamento de ativos e negócios reais Gerenciamento de carteira e alocação de ativos: modelos para otimização de portfólio, controle de risco, atribuição de desempenho e alocação de ativos Métodos econométricos e estatísticos: com aplicações em estratégias de investimento.
O Journal of Investment Strategies foi selecionado para cobertura no Clarivate Analytics Emerging Sources Citation Index.
Proteção de cauda para investidores longos: convexidade de tendência no trabalho.
Neste artigo, os autores mostram que as estratégias de tendência de ativos únicos têm convexidade interna, desde que seus retornos sejam agregados ao longo da escala de tempo certa, ou seja, o do filtro de tendências.
Velocidade e dimensões da negociação.
Neste artigo, são introduzidas duas novas estatísticas de portfólio: ENT, que mede a velocidade de negociação, e a ENTD, que mede a diversidade comercial. Juntamente com vetores que representam grandes direções comerciais, estes fornecem uma nova visão sobre o intrínseco ...
Negociação eficiente de carteiras tributáveis.
Este artigo determina estratégias de negociação do ciclo de vida para carteiras sujeitas ao sistema de impostos dos EUA.
Concentração de carteira e contágio no mercado de ações: evidência sobre o "vôo para familiaridade" em métodos de indexação.
Este artigo mostra luz sobre o emaranhamento dos esquemas de ponderação do índice.
Alavancagem e incerteza.
Ao estender o critério de Kelly a um modelo probabilístico simples com um resultado de risco de cauda adicional associado à incerteza, este documento examina além do risco e avalia como a incerteza restringe alavancagem ótima.
Iniciando o ciclo de vida com a rentável estratégia de rendimento de dividendos: simulações e análise não paramétrica.
Usando simulações, o autor mostra que o investimento em ciclo de vida implementado em ações altamente rentáveis e de alto rendimento de dividendos (a estratégia rentável de rendimento de dividendos) fornece uma solução convincente para o problema da suboptimidade alavancando ...
Melhorando o valor da empresa através de opções de negociação.
Este artigo aborda o problema de aprimorar uma atividade de investimento ao adicionar regularmente uma troca de opções ao mix de portfólio e apresentou resultados para o subjacente único do índice S & amp; P 500, com a atividade subjacente sendo longa o índice ou ...
Um quadro de quantificação de incertezas para a obtenibilidade dos resultados de backtesting das estratégias de negociação.
Neste artigo, os autores propõem um quadro para a implementação e estratégias de negociação de backtesting.
Testes estatísticos de indicadores técnicos de DeMark sobre futuros de commodities.
Este artigo examina o desempenho de três indicadores de DeMark em mais de vinte e um mercados de futuros de commodities e dez anos de dados diários.
Correção dos motores de backtest.
Neste artigo, os autores fornecem ferramentas para testar a correção dos mecanismos de backtest para configurações com no máximo uma entrada e uma saída.
Black-Litterman, beta exótica e diferentes carteiras eficientes: uma abordagem integrada.
Este artigo traz a otimização de Black-Litterman, betas exóticas e diferentes carteiras iniciais em um quadro completo e simbiótico.
Paridade de risco agnóstica: domesticar desconhecidos conhecidos e desconhecidos.
Este artigo oferece uma nova perspectiva sobre alocação de portfólio, que evita qualquer otimização explícita e, em vez disso, leva o ponto de vista da simetria.
Risco de interconexão e gerenciamento de portfólio ativo.
Este artigo estuda medidas de centralidade (risco de interconexão) e seu valor agregado em um quadro de otimização de portfólio ativo.
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 reequilíbrio do portfólio.
Investir em períodos com distâncias de Mahalanobis.
Os autores propõem um quadro analítico para medir as oportunidades de investimento e alocar o risco ao longo do tempo com base na distância Mahalanobis.
Modelos de risco estatístico.
Neste artigo, os autores fornecem algoritmos completos e código-fonte para a construção de modelos de risco estatístico.
Na otimização das exposições ao risco com estratégias de tendência nas carteiras de sobreposição de moeda.
Este artigo propõe o uso de um mecanismo de otimização no processo de construção da carteira de sobreposição de moeda.
Estratégia de preço de fechamento ótima: peculiaridades e aspectos práticos.
Os autores deste artigo obtêm uma ótima estratégia de negociação que avalia o preço de fechamento em uma estrutura de otimização de variância média.
Insights sobre otimização robusta: decomposição em carteiras de variância média e risco.
Os autores deste artigo visam desmitificar as carteiras selecionadas por otimização robusta, olhando para limitar as carteiras nos casos de incerteza grande e pequena nos retornos médios.
Igual alocação de risco com carry, value e momentum.
Os autores deste artigo analisam uma carteira de igual peso de exposições globais ao fator de risco de classes cruzadas.
Paginação.
Procurar revistas.
© Infopro Digital Risk (IP) Limited, publicado pela Infopro Digital Risk Limited, Haymarket House, 28-29 Haymarket, London SW1Y 4RX, são empresas registradas em Inglaterra e País de Gales com números de registro da empresa 9232733 & amp; 9232652.
Editora digital do ano.
Você precisa fazer login para usar esse recurso. Se você não possui uma conta de Risco, inscreva-se para um teste.
Você está atualmente em acesso corporativo.
Para usar este recurso, você precisará de uma conta individual. Se você já possui um, inscreva-se.
Alternativamente, você pode solicitar uma conta indvidual aqui:
Revista de estratégias de negociação
documentar e analisar suas ações, futuros e negócios de divisas e.
descubra novas maneiras de melhorar sua negociação.
"Insight Trading Journal está totalmente fora das paradas - está me ajudando a analisar todos os detalhes dos meus negócios e apontando áreas onde eu preciso melhorar. Vale a pena uma mina de ouro!"
50% dos movimentos máximos de suas negociações. Esta informação é importante para entender se você deseja maximizar seu lucro em negociações vencedoras.
em seguida, analise até 20 negócios.
sem pagar um centavo.
Quando você faz, você também terá acesso.
Insight's Guide to Thinking Like a Professional Trader.
Journal of Stock & amp; Forex Trading.
Open Access Journals ganhando mais leitores e citações.
Este Readership é 10 vezes mais quando comparado a outros Revistas de Subscrição (Origem: Google Analytics)
Políticas de publicação e ética.
Links Úteis.
Revistas recomendadas.
Compartilhe esta página.
Conselho Editorial.
Michigan State University.
Universidade de Paris 8.
Universidade de La Trobe.
Enviar Manuscrito.
Índice.
Sobre o Jornal.
O estoque de uma entidade comercial representa o capital original pago ou investido no negócio por seus fundadores.
Sem taxa de publicação, apenas cobrança de formatação.
Trading forex.
O mercado de câmbio é o "lugar" onde as moedas são negociadas. As moedas são importantes para a maioria das pessoas em todo o mundo, sejam eles percebendo ou não, porque as moedas precisam ser trocadas para realizar negócios e negócios no exterior.
Desempenho de Marketing.
O Marketing Performance é responsável pela manutenção de operações de negociação efetivas e organizadas nos Mercados da Bolsa de Valores.
Revistas de Marketing relacionadas.
Investimento.
O investimento é criar ou gastar os assentos com a expectativa de aproveitar capital, lucros e ganhos.
Jornais Relacionados de Investimento.
Estudos de Negócios na Bolsa de Valores.
Na bolsa de valores, os estudos organizam mercados financeiros organizados e regulados em que títulos como títulos, notas, ações são comprados e vendidos a preços controlados pelas forças de demanda e fornecimento. As bolsas de valores servem basicamente como mercados primários, como as corporações, podem aumentar o capital através da canalização das poupanças dos investidores em empreendimentos produtivos e mercados secundários onde os investidores podem vender seus títulos a outros investidores por dinheiro, reduzindo assim o risco de investimento e mantendo liquidez no sistema.
Jornais Relacionados de Estudos Empresariais na Bolsa de Valores.
Estas são as lojas de valor e negociadas entre países do mercado de câmbio que determinam os valores relativos das moedas diferentes.
Jornais Relacionados de Moeda.
Feira comercial.
Muitos políticos e ONGs argumentam que o comércio livre não é suficiente; também deve ser justo. Em face disso, a equidade é evidentemente uma coisa boa. No entanto, a justiça, no comércio como na beleza, está no olho do observador. Não há nada de injusto com isso; na verdade, ajuda a tornar o comércio mutuamente benéfico.
Revistas relacionadas ao Comércio Justo.
Revista Internacional de Inteligência Swarm e Computação Evolutiva, Jornal de Negócios e Economia, Journal of Fair Trade Studies, Journal of African Trade, International Journal of Trade, Economics and Finance.
A inflação é a taxa em que o nível geral de preços de bens e serviços está aumentando e, conseqüentemente, o poder aquisitivo da moeda cai.
Jornais Relacionados de Especulação.
International Journal of Economics & amp; Gestão de Ciências, Empreendedorismo e Gestão de Organização, Pesquisa Turística & amp; Hospitalidade, Journal of Speculative Philosophy, Speculações, Journal of Economic Theory.
Mercado de lingotes.
O mercado da Bllion é um fórum através do qual tanto os compradores quanto os vendedores trocam ouro e prata puro e esse mercado de lingotes tem alta taxa de rotatividade e as transações são realizadas eletronicamente ou por telefone.
Jornais Relacionados do Mercado de Lingotes.
Nova Teoria do Comércio.
A nova Teoria do Comércio cresceu mais rapidamente entre países industrializados com economias similares e dotações dos fatores de produção. Em muitas indústrias novas, não havia nenhuma vantagem comparativa clara para qualquer país. Padrões de produção e comércio muitas vezes pareciam questões de chance.
Revistas relacionadas à New Trade Theory.
Gestão de recursos.
O Gerenciamento de recursos é a implantação efetiva e eficiente de recursos de uma organização quando eles são necessários e esses recursos incluem recursos financeiros, humanos e de produção.
Jornais relacionados de gerenciamento de recursos.
Marketing de capital.
Capital Marketing é o mercado financeiro para venda e compra de dívida comprada ou títulos garantidos por ações.
Jornais Relacionados de Marketing de Capital.
A deflação é uma queda persistente no nível geral de preços de bens e serviços. Não se deve confundir com uma queda nos preços em um setor econômico ou com uma queda na taxa de inflação. É também conhecido como DESINFLATION.
Revistas relacionadas à Deflação.
Quarterly Journal of Austrian Economics, Journal of Accounting & amp; Marketing, International Journal of Labor Research.
Relações Internacionais.
Relações Internacionais é uma ciência que estuda relação entre países e é um campo acadêmico e de políticas públicas e analisa e formula a política externa de um determinado estado.
Jornais Relacionados de Relações Internacionais.
Política econômica.
A política econômica tem como objetivo influenciar ou controlar o comportamento da economia e abrange a tributação, os orçamentos governamentais.
Jornais Relacionados de Política Econômica.
Finanças dos Mercados de Mercadorias.
Finanças do Commodity Market é o mercado onde compra, comercialização e venda de produtos primários e haverá commodities duras e suaves.
Jornais Relacionados de Finanças de Mercados de Mercadorias.
Exchange Traded Funds.
O Exchange Traded Funds é uma garantia negociável que rastreia um índice, um fundo de commodities, títulos e índices e este negocia como ações ordinárias em bolsa de valores.
Jornais relacionados de fundos negociados em bolsa.
Gestão Empresarial.
A Unidade de Gestão Empresarial esforça-se por aumentar o nível de trabalho acadêmico no campo do empreendedorismo, no rigor metodológico, na profundidade conceitual e na aplicabilidade gerencial.
Jornais Relacionados de Gestão Empresarial.
Avaliação financeira.
A avaliação financeira é o processo de estimar o que vale algo. Os itens que geralmente são avaliados são um ativo ou passivo financeiro.
Jornais relacionados de avaliação financeira.
Destaques do jornal.
Artigos recentemente publicados.
Vishal Dagar, Usha Tuteja, Nandini Pandey e Archana.
PLOS ONE.
Submissões Introdução Diretrizes de submissão Figuras Tabelas Informações de suporte LaTeX Revisando seu manuscrito Enviar agora Políticas Melhores práticas em relatórios de pesquisa Assuntos humanos Pesquisa Pesquisa em animais Interesses concorrentes Divulgação de fontes de financiamento Licenças e direitos autorais Disponibilidade de dados Materiais e software Compartilhamento Prática de publicação ética Autoria Downloads e traduções Revisão de manuscritos e Critérios de Publicação para Publicação Editorial e Processo de Revisão de Pares Revisor Diretrizes Manuscritos Aceitos Correções e Retrações Comentários Métricas de nível de artigo.
Envie seu manuscrito.
Descubra um caminho mais rápido e simples para publicar em um jornal de alta qualidade. O PLOS ONE promete uma revisão de pares rigorosa e rigorosa, um amplo escopo e um público amplo - um ajuste perfeito para sua pesquisa de cada vez.
Clique na taxonomia PLOS para encontrar artigos em seu campo.
Para obter mais informações sobre áreas de assunto PLOS, clique aqui.
As estratégias de negociação aleatória são mais bem sucedidas do que as técnicas?
Afiliação Dipartimento de Economia e Imprensa, Universitá di Catania, Catania, Itália.
Afiliações Dipartimento de Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Afiliações Dipartimento de Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Afiliação ETH Zurique, Zurique, Suíça.
As estratégias de negociação aleatória são mais bem sucedidas do que as técnicas?
Alessio Emanuele Biondo, Alessandro Pluchino, Andrea Rapisarda, Dirk Helbing.
Publicado: 11 de julho de 2013 doi / 10.1371 / journal. pone.0068344.
Abstrato.
Neste trabalho, 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 para prever a dinâmica dos mercados financeiros para diferentes índices internacionais de bolsa de valores, com o objetivo de compará-los ao desempenho de uma estratégia completamente aleatória. A este respeito, dados históricos para FTSE-UK, FTSE-MIB, DAX e S & amp; Os índices P500 são levados em conta por um período de cerca de 15-20 anos (desde a sua criação até hoje).
Citação: Biondo AE, Pluchino A, Rapisarda A, Helbing D (2013) As estratégias de negociação aleatória são mais bem-sucedidas do que técnicas? PLoS ONE 8 (7): e68344. doi / 10.1371 / journal. pone.0068344.
Editor: Alejandro Raul Hernández Montoya, Universidad Veracruzana, México.
Direitos autorais: © 2013 Biondo et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição de Commons, que permite uso, distribuição e reprodução sem restrições em qualquer meio, desde que o autor original e a fonte sejam creditados.
Financiamento: os autores não têm apoio ou financiamento para denunciar.
Interesses concorrentes: os autores declararam que não existem interesses concorrentes.
Introdução.
Na física, tanto no nível clássico quanto no quântico, muitos sistemas reais funcionam bem e de forma mais eficiente devido ao papel útil de um ruído fraco aleatório [1] - [6]. Mas não só os sistemas físicos se beneficiam da desordem. De fato, o ruído tem grandes influências sobre a dinâmica das células, neurônios e outras entidades biológicas, mas também nos sistemas ecológicos, geofísicos e socioeconômicos. Seguindo esta linha de pesquisa, investigamos recentemente como as 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 o Parlamento [10]. Outros grupos exploraram com sucesso estratégias semelhantes em jogos de minoria e Parrondo [11], [12], na avaliação do desempenho do portfólio [13] e no contexto do leilão contínuo [14].
Recentemente, Taleb comentou brilhantemente em seus livros bem sucedidos [15], [16] como os cisnes pretos e negros governam nossa vida, mas também o comportamento da economia e do mercado financeiro além de nossas expectativas ou controle pessoais e racionais. Na verdade, a aleatoriedade entra em nossa vida cotidiana, embora dificilmente a reconheçamos. Portanto, mesmo sem ser tão céticos quanto Taleb, pode-se facilmente afirmar que muitas vezes entendemos os fenômenos que nos rodeiam e são enganados por conexões aparentes que são apenas devidas à fortuidade. Os sistemas econômicos são inevitavelmente afetados pelas expectativas, presentes e passadas, uma vez que as crenças dos agentes influenciam fortemente suas dinâmicas futuras. Se hoje uma ótima expectativa surgisse sobre o desempenho de qualquer segurança, todos tentariam comprá-lo e essa ocorrência implicaria um aumento no preço. Então, amanhã, essa segurança teria um preço maior do que hoje, e esse fato seria apenas a conseqüência da própria expectativa de mercado. Esta profunda dependência das expectativas fez com que os economistas financeiros tentassem construir mecanismos para prever os preços dos ativos futuros. O objetivo deste estudo é precisamente verificar se esses mecanismos, que serão descritos em detalhes nas próximas seções, são mais efetivos para prever a dinâmica do mercado em comparação com uma estratégia completamente aleatória.
Em um artigo anterior [17], motivado também por algumas experiências intrigantes onde 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 no Reino Unido. Aqui, vamos estender essa investigação a outros mercados financeiros e a 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, apresentamos as séries temporais financeiras consideradas em nosso estudo e realizamos uma análise desconsiderada na 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 de política contra-intuitiva.
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, portanto, enfrentam altos custos de busca para obter informações necessárias. No entanto, normalmente, eles não podem reunir todas as informações que devem. Portanto, os agentes agem com base na racionalidade limitada, o que leva a tendências significativas na maximização de utilidade esperada que eles perseguem. 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 concorrência no mercado e são expulsos. Portanto, nem os preconceitos 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 principais modelos de referência de expectativas foram amplamente estabelecidos na literatura econômica: modelo de expectativas adaptativas e modelo de expectativa racional. Aqui não iremos dar uma definição formal desses paradigmas. Para nossos propósitos, basta lembrar sua lógica. O modelo de expectativas adaptativas é baseado em uma série de valores aparentemente ponderados (para que o valor esperado de uma variável seja o resultado da combinação de seus valores passados). Em contraste, o modelo de expectativas racionais hipotema 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 então a previsão objetiva fornecida pela teoria). Essas duas teorias remontam a contribuições muito relevantes, entre as quais 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 introduzida pela primeira vez pela Arrow e Nerlove [25]). Para expectativas racionais, nos referimos a Muth [26], Lucas [27] e Sargent-Wallace [28].
Os mercados financeiros geralmente são tomados como exemplo para dinâmicas complexas e volatilidade perigosa. Isso de alguma forma sugere a idéia de imprevisibilidade. No entanto, devido ao papel relevante desses mercados no sistema econômico, um vasto leque 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 arbitragem perfeita. Isso significa que o caso de ineficiência implica a existência de oportunidades para lucros inexplorados e, claro, os comerciantes operariam imediatamente posições longas ou curtas até que desaparecesse qualquer possibilidade de lucro. Jensen [30] afirma precisamente que um mercado deve ser considerado eficiente em relação a um conjunto de informações se for impossível fazer lucros através da negociação com base nesse conjunto de informações. Isso é consistente com Malkiel [31], que argumenta que um mercado eficiente reflete perfeitamente toda a informação 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 do mercado, de acordo com o grau de completude do conjunto informativo (ou seja, "fraco", "semi-forte" e "forte"). Assim, os comerciantes e os analistas financeiros procuram continuamente expandir seu conjunto de informações para ganhar a oportunidade de escolher a melhor estratégia: este processo envolve agentes tanto em flutuações de preços que, no final do dia, pode-se dizer que sua atividade é reduzida a uma suposição sistemática. A globalização completa dos mercados financeiros ampliou esse processo e, eventualmente, estamos experimentando décadas de extrema variabilidade e alta volatilidade.
Keynes argumentou, há muitos anos, que a racionalidade dos agentes e da psicologia em massa (os chamados "espíritos animais") não deve ser interpretada como se fosse a mesma coisa. O autor apresentou o famoso exemplo do concurso de beleza para explicar a lógica embaixo dos mercados financeiros. Em sua Teoria Geral [32] ele escreveu que "o investimento baseado em expectativas genuínas de longo prazo é tão difícil de ser praticamente praticável. Aquele que o tenta certamente deve levar dias muito mais laboriosos e correr riscos maiores do que aquele que tenta adivinhar melhor do que a multidão como a multidão se comportará; e, dada a mesma inteligência, ele pode cometer erros mais desastrosos. "Em outras palavras, para prever o vencedor do concurso de beleza, deve-se tentar interpretar a beleza preferida do jurado, ao invés 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 antecipadamente a opinião "do júri", ou seja, de uma massa generalizada, heterogênea e muito substancial de investidores que reduz qualquer previsão possível apenas para um palpite.
Apesar de considerações como essas, a chamada Hipótese do Mercado Eficiente (cujo principal fundamento teórico é a teoria das expectativas racionais), descreve o caso de mercados perfeitamente competitivos e agentes perfeitamente racionais, dotados de todas as informações disponíveis, que escolhem as melhores estratégias ( uma vez que o mecanismo de compensação competitivo os colocaria fora do mercado). Há evidências de que esta interpretação de um mecanismo de arbitragem perfeito totalmente funcional não é adequada para analisar mercados financeiros como, por exemplo: Cutler et al. [33], que mostra que grandes movimentos de preços ocorrem mesmo quando pouca ou nenhuma informação nova está disponível; Engle [34], que relatou que a volatilidade dos preços está temporariamente correlacionada temporariamente; Mandelbrot [35], [36], Lux [37], Mantegna e Stanley [38], que argumentam que as flutuações de preços curtos 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. Nestes 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 citar com franqueza pelo menos as contribuições de Brock [40], 41, Brock e Hommes [42], Chiarella [43], Chiarella e He [44], DeGrauwe et al . [45], Frankel e Froot [46], Lux [47], Wang [48] e Zeeman [49].
Parte desta literatura refere-se à abordagem, denominada "sistemas de crenças adaptativas", que tenta aplicar não-linearidade e ruído aos modelos de mercado financeiro. A incerteza intrínseca sobre os fundamentos econômicos, juntamente com erros e heterogeneidade, leva à idéia de que, além do valor fundamental (ou seja, o valor atualizado atual dos fluxos esperados de dividendos), os preços das ações flutuam imprevisivelmente por fases de otimismo ou pessimismo de acordo para as fases correspondentes da tendência de alta e tendência de baixa que causam crises de mercado. Como gerenciar esse tipo de comportamento errático para otimizar uma estratégia de investimento? Para explicar a atitude muito diferente adotada pelos agentes para escolher estratégias ao negociar nos mercados financeiros, é feita uma distinção entre fundamentalistas e chartist. 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, ganhos, crescimento econômico, taxas de desemprego, etc.). Por outro lado, os últimos tentam extrapolar tendências ou características estatisticamente relevantes de séries passadas de dados, para prever caminhos futuros dos preços dos ativos (também conhecida como análise técnica).
Dado que a interação desses dois grupos de agentes determina a evolução do mercado, escolhemos aqui para se concentrar no comportamento dos chartists (uma vez que uma análise qualitativa sobre os fundamentos macroeconômicos é absolutamente subjetiva e difícil de avaliar), tentando avaliar o ex investidor individual - capacidade de previsão significativa. Supondo a falta de informações completas, 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 de hipóteses de mercados eficientes acima mencionados. Mais precisamente, estamos buscando a resposta para a seguinte questão: se um comerciante assume a falta de informações completas através de todo o mercado (ou seja, a imprevisibilidade da dinâmica dos preços das ações [50] - [53]), um ex-ante aleatório A estratégia de negociação desempenha, em média, estratégias de negociação bem conhecidas? Passamos da evidência de que, uma vez que 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 auto-influente, devido à circulação assimétrica de informações, desenvolve seus vínculos e gera comportamentos de rebanho para seguir alguns sinais cuja credibilidade é aceita.
As crises financeiras mostram que os mercados financeiros não são imunes às falhas. Seu sucesso periódico não é gratuito: eventos catastróficos queimam enormes valores em dólares e os sistemas econômicos em grave perigo. Os comerciantes estão tão certos de que as estratégias elaboradas se encaixam na dinâmica dos mercados? Nossa simulação simples realizará uma análise comparativa do desempenho de diferentes estratégias de negociação: nossos comerciantes terão que prever, dia a dia, se o mercado subirá (tendência "alta") ou baixa (tendência "baixa"). As estratégias testadas são: Momentum, RSI, UPD, MACD e um completamente aleatório.
Os teóricos das expectativas racionais apostaram imediatamente que a estratégia aleatória perderia a concorrência, pois não está fazendo uso de nenhuma informação, mas, como mostraremos, nossos resultados são bastante surpreendentes.
Análise Detenida da Série Temporária Índice.
Consideramos quatro índices muito populares de mercados financeiros e, em particular, analisamos as seguintes séries temporais correspondentes, mostradas na Fig. 1:
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.
Índice FTSE UK All-Share, de 1 de janeiro de 1998 a 3 de agosto de 2012, para um total de T = 3714 dias; Índice FTSE MIB All-Share, de 31 de dezembro de 1997 a 29 de junho de 2012, para um total de T = 3684 dias; Índice All-Share do DAX, de 26 de novembro de 1990 a 09 de agosto de 2012, para um total de T = 5493 dias; S & amp; Índice P 500, de 11 de setembro de 1989 a 29 de junho de 2012, para um total de T = 5750 dias;
Em geral, a possibilidade de prever séries temporais financeiras foi estimulada pela descoberta de algum tipo de comportamento persistente em alguns deles [38], [54], [55]. O objetivo principal da seção atual é investigar a possível presença de correlações nas quatro séries financeiras anteriores de todos os índices de ações do mercado de ações europeu e norte-americano. Neste contexto, calcularemos o expoente Hurst dependente do tempo usando a técnica de média móvel detritada (DMA) [56]. Comecemos por um resumo do algoritmo DMA. O procedimento computacional é baseado no cálculo do desvio padrão ao longo de uma determinada série de tempo definida como (1) onde é a média calculada em cada janela de tempo de tamanho. Para determinar o expoente de Hurst, a função é calculada para aumentar os valores dentro do intervalo, sendo o comprimento da série temporal, e os valores obtidos são relatados como uma função de um gráfico log-log. Em geral, exibe uma dependência de poder-lei com o expoente, isto é,
(2) Em particular, se, um tiver uma correlação negativa ou comportamento anti-persistente, enquanto que se um tiver uma correlação positiva ou comportamento persistente. O caso corresponde a um processo browniano não correlacionado. No nosso caso, como primeiro passo, calculamos o expoente Hurst considerando a série completa. Esta análise está ilustrada nas quatro parcelas da Fig. 2. Aqui, um ajuste linear para os lotes log-log revela que todos os valores do índice Hurst H obtidos dessa 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.
O comportamento do direito de poder do desvio padrão DMA permite derivar um índice Hurst que, em todos os quatro casos, oscila em torno de 0,5, o que indica uma ausência de correlações, em média, em grandes períodos de tempo. Veja o texto.
Por outro lado, é interessante calcular o expoente 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 passo do tempo. Isto significa que, a cada tempo, calculamos o interior da janela deslizante mudando com a Eq. (1). Assim, seguindo o mesmo procedimento descrito acima, uma seqüência de valores do expoente de Hurst é obtida em função do tempo. Na Fig. 3 mostramos os resultados obtidos para os parâmetros,. Nesse caso, os valores obtidos para o expoente Hurst diferem muito localmente de 0,5, o que indica a presença de correlações locais significativas.
Esta investigação, que está em consonância 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 eles anulam a média em períodos longos. Como veremos nas próximas seções, essa característica afetará os desempenhos 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, uma vez que o comerciante correspondente faz sua previsão ao tempo completamente ao acaso (com distribuição uniforme). Estratégia Momentum (MOM) Esta estratégia baseia-se no chamado indicador 'momentum', isto é, a diferença entre o valor eo valor, onde é um determinado intervalo de negociação (em dias). Então, se, o comerciante prevê um incremento do índice de fechamento para o dia seguinte (isto é, prevê isso) e vice-versa. Nas próximas simulações, consideraremos dias, uma vez que este é um dos atrasos de tempo mais utilizados para o indicador de momentum. Veja a Ref. [57]. Estratégia de índice de força relativa (RSI) Esta estratégia é baseada em um indicador mais complexo chamado 'RSI'. É considerada uma medida da força comercial recente da ação e sua definição é: onde é 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 um determinado período de tempo imediatamente anterior ao tempo, o comerciante que segue a estratégia RSI faz sua previsão com base em uma possível reversão da tendência do mercado, revelada pela denominada "divergência" entre a série temporal original e a nova RSI. Uma divergência pode ser definida referindo-se a uma comparação entre as séries de dados originais e as séries RSI geradas, e é o sinal comercial mais significativo entregue por qualquer indicador de estilo oscilador. É o caso quando a tendência significativa entre dois extremos locais mostrados pela tendência RSI é orientada na direção oposta à tendência significativa entre dois extrema (no mesmo intervalo de tempo) mostrado pela série original. Quando a linha RSI se inclina de forma diferente da linha original da série, ocorre uma divergência. Veja o exemplo na Fig. 4: dois máximos locais seguem duas tendências diferentes inclinadas de forma oposta. In the case shown, the analyst will interpret this divergence as a bullish expectation (since the RSI oscillator diverges from the original series: it starts increasing when the original series is still decreasing). In our simplified model, the presence of such a divergence translates into a change in the prediction of the sign, depending on the bullish or bearish trend of the previous days. In the following simulations we will choose days, since - again - this value is one of the mostly used in RSI-based actual trading strategies. Veja a Ref. [57]. Up and Down Persistency (UPD) Strategy This deterministic strategy does not come from technical analysis. However, we decided to consider it because it seems to follows the apparently simple alternate “up and down” behavior of market series that any observer can see at first sight. The strategy is based on the following very simple rule: the prediction for tomorrow market’s behavior is just the opposite of what happened the day before. If, e. g., one has , the expectation at time for the period will be bullish: , and vice versa. Moving Average Convergence Divergence (MACD) Strategy The ‘MACD’ is a series built by means of the difference between two Exponential Moving Averages (EMA, henceforth) of the market price, referred to two different time windows, one smaller and one larger. In any moment t , . In particular, the first is the Exponential Moving Average of taken over twelve days, whereas the second refers to twenty-six days. The calculation of these EMAs on a pre-determined time lag, x , given a proportionality weight , is executed by the following recursive formula: with , where . Once the MACD series has been calculated, its 9-days Exponential Moving Average is obtained and, finally, the trading strategy for the market dynamics prediction can be defined: the expectation for the market is bullish (bearish) if ( ). Veja a Ref. [57].
A divergence is a disagreement between the indicator (RSI) and the underlying price. By means of trend-lines, the analyst check that slopes of both series agree. When the divergence occurs, an inversion of the price dynamic is expected. In the example a bullish period is expected.
Results of Empirically Based Simulations.
For each one of our four financial time series of length (in days), the goal was simply to predict, day by day and for each strategy, the upward (bullish) or downward (bearish) movement of the index at a given day with respect to the closing value one day before: if the prediction is correct, the trader wins, otherwise he/she looses. In this connection we are only interested in evaluating the percentage of wins achieved by each strategy, assuming that - at every time step - the traders perfectly know the past history of the indexes but do not possess any other information and can neither exert any influence on the market, nor receive any information about future moves.
In the following, we test the performance of the five strategies by dividing each of the four time series into a sequence of trading windows of equal size (in days) and evaluating the average percentage of wins for each strategy inside each window while the traders move along the series day by day, from to . This procedure, when applied for , allows us to explore the performance of the various strategies for several time scales (ranging, approximatively, from months to years).
The motivation behind this choice is connected to the fact that the time evolution of each index clearly alternates between calm and volatile periods, which at a finer resolution would reveal a further, self-similar, alternation of intermittent and regular behavior over smaller time scales, a characteristic feature of turbulent financial markets [35], [36], [38], [58]. Such a feature makes any long-term prediction of their behavior very difficult or even impossible with instruments of standard financial analysis. The point is that, due to the presence of correlations over small temporal scales (as confirmed by the analysis of the time dependent Hurst exponent in Fig. 3), one might expect that a given standard trading strategy, based on the past history of the indexes, could perform better than the others inside a given time window. But this could depend much more on chance than on the real effectiveness of the adopted algorithm. On the other hand, if on a very large temporal scale the financial market time evolution is an uncorrelated Brownian process (as indicated by the average Hurst exponent, which result to be around for all the financial time series considered), one might also expect that the performance of the standard trading strategies on a large time scale becomes comparable to random ones. In fact, this is exactly what we found as explained in the following.
In Figs. 5–8, we report the results of our simulations for the four stock indexes considered (FTSE-UK, FTSE-MIB, DAX, S & P 500). In each figure, from top to bottom, we plot: the market time series as a function of time; the correspondent ‘returns’ series, determined as the ratio ; the volatility of the returns, i. e. the variance of the previous series, calculated inside each window for increasing values of the trading window size (equal to, from left to right, , , and respectively); the average percentage of wins for the five trading strategies considered, calculated for the same four kinds of windows (the average is performed over all the windows in each configuration, considering different simulation runs inside each window); the corresponding standard deviations for the wins of the five strategies.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
Observing the last two panels in each figure, two main results are evident:
The average percentages of wins for the five strategies are always comparable and oscillate around , with small random differences which depend on the financial index considered. The performance of of wins for all the strategies may seem paradoxical, but it depends on the averaging procedure over all the windows along each time series. In Fig. 9 we show, for comparison, the behavior of the various strategies for the four financial indexes considered and for the case (the score in each window is averaged over different events): as one can see, within a given trading window each single strategy may randomly perform much better or worse than , but on average the global performance of the different strategies is very similar. Moreover, referring again to Figs. 5–8, it is worth to notice that the strategy with the highest average percentage of wins (for most of the windows configurations) changes from one index to another one: for FTSE-UK, the MOM strategy seems to have a little advantage; for FTSE-MIB, the UPD seems to be the best one; for DAX, the RSI, and for the S & P 500, the UPD performs slightly better than the others. In any case the advantage of a strategy seems purely coincidental. The second important result is that the fluctuations of the random strategy are always smaller than those of the other strategies (as it is also visible in Fig. 9 for the case ): this means that the random strategy is less risky than the considered standard trading strategies, while the average performance is almost identical. This implies that, when attempting to optimize the performance, standard traders are fooled by the “illusion of control” phenomenon [11], [12], reinforced by a lucky sequence of wins in a given time window. However, the first big loss may drive them out of the market. On the other hand, the effectiveness of random strategies can be probably related to the turbulent and erratic character of the financial markets: it is true that a random trader is likely to win less in a given time window, but he/she is likely also to loose less. Therefore his/her strategy implies less risk, as he/she has a lower probability to be thrown out of the game.
As visible, the performances of the strategies can be very different one from the others inside a single time window, but averaging over the whole series these differences tend to disappear and one recovers the common outcome shown in the previous figures.
Conclusions and Policy Implications.
In this paper we have explored the role of random strategies in financial systems from a micro-economic point of view. In particular, we simulated the performance of five trading strategies, including a completely random one, applied to four very popular financial markets indexes, in order to compare their predictive capacity. 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.
Agradecimentos.
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.
Referências.
1. Kirkpatrick S, Gelatt CD, Vecchi MP (1983) Optimization by Simulated Annealing. Science 220: 671–680. View Article PubMed/NCBI Google Scholar 2. Benzi R, Parisi G, Sutera A, Vulpiani A (1982) Stochastic resonance in climatic change. Tellus 34: 10–16. View Article PubMed/NCBI Google Scholar 3. Gammaitoni L, Hanggi P, Jung P, Marchesoni F (1989) Stochastic Resonance. Reviews of Modern Physics, 70 (1): 223–287. View Article PubMed/NCBI Google Scholar 4. Mantegna R, Spagnolo B (1996) Noise enhanced stability in an unstable system. Phys. Rev. Lett. 76: 563–566. View Article PubMed/NCBI Google Scholar 5. Caruso F, Huelga SF, Plenio MB (2010) Noise-Enhanced Classical and Quantum Capacities in Communication Networks. Phys. Rev. Lett. 105(198): 190501. View Article PubMed/NCBI Google Scholar 6. Van den Broeck C, Parrondo JMR, Toral R (1994) Noise-Induced Non-equilibrium Phase Transition. Physical Review Letters 73: 3395. View Article PubMed/NCBI Google Scholar 7. Peter LJ, Hull R (1969) The Peter Principle: Why Things Always Go Wrong. New York: William Morrow and Company. 8. Pluchino A, Rapisarda A, Garofalo C (2010) The Peter Principle revisited: a computational study. Physica A 389: 467–472 Available: oldweb. ct. infn. it/cactus/peter-links. html. View Article PubMed/NCBI Google Scholar 9. Pluchino A, Rapisarda A, Garofalo C (2011) Efficient promotion strategies in hierarchical organizations. Physica A 390: 3496–3511. View Article PubMed/NCBI Google Scholar 10. Pluchino A, Rapisarda A, Garofalo C, Spagano S, Caserta M (2011) Accidental Politicians: How Randomly Selected Legislators Can improve Parliament Efficiency. Physica A, 2011 390: 3944–3954 Available: pluchino. it/Parliament. html. View Article PubMed/NCBI Google Scholar 11. Satinover JB, Sornette D (2007) ‘Illusion of control’ in Time-Horizon Minority and Parrondo Games. EUR. Phys. J. B 60: 369–384. View Article PubMed/NCBI Google Scholar 12. Satinover JB, Sornette D (2009) Illusory versus Genuine Control in Agent-Based Games. EUR. Phys. J. B. 67: 357–367. View Article PubMed/NCBI Google Scholar 13. Gilles D, Sornette D, Woehrmann P (2009) Look-Ahead Benchmark Bias in Portfolio Performance Evaluation. Journal of Portfolio Management 36(1): 121–130. View Article PubMed/NCBI Google Scholar 14. Farmer JD, Patelli P, Zovko II (2005) The predictive power of zero intelligence in financial markets, PNAS. 102: 2254–2259. View Article PubMed/NCBI Google Scholar 15. Taleb NN (2005) Fooled by Randomness: The Hidden Role of Chance in the Markets and in Life. Nova York: Random House. 16. Taleb NN (2007) The Black Swan: The Impact of the Highly Improbable. Nova York: Random House. 17. Biondo AE, Pluchino A, Rapisarda A (2013) The Beneficial Role of Random Strategies in Social and Financial Systems. Journal of Statistical Physics 151: 607–622 View Article PubMed/NCBI Google Scholar 18. Wiseman R (2007) Quirkology. Londres: Macmillan. 19. Porter GE (2004) The long term value of analysts advice in the Wall Street Journals investment dartboard contest. J. Appl. Finance 14: 720. View Article PubMed/NCBI Google Scholar 20. Simon HA (1957) Models of Man. Nova Iorque: Wiley. 21. Friedman M (1956) A Theory of the Consumption Function. Princeton, NJ: Princeton University Press. 22. Friedman M (1968) The Role of Monetary Policy. The American Economic Review 58(1): 1–17. View Article PubMed/NCBI Google Scholar 23. Phelps E (1967) Phillips Curve Expectations of Ination, and Output Unemployment Over Time. Economica 34(135): 254–281. View Article PubMed/NCBI Google Scholar 24. Cagan P (1956) The Monetary Dynamics of Hyperination. In Friedman M, editor. Studies in the Quantity Theory of Money. Chicago: University of Chicago Press. 25. Arrow KJ, Nerlove M (1958) A Note on Expectations and Stability. Econometrica 26: 297–305. View Article PubMed/NCBI Google Scholar 26. Muth JF (1961) Rational Expectation and the Theory of Price Movements. Econometrica 29: 315–335. View Article PubMed/NCBI Google Scholar 27. Lucas RE (1972) Expectations and the Neutrality of Money. Journal of Economic Theory 4: 103–124. View Article PubMed/NCBI Google Scholar 28. Sargent TJ, Wallace N (1975) Rational Expectations, the Optimal Monetary Instrument, and the Optimal Money Supply Rule. Journal of Political Economy 83(2): 241–254. View Article PubMed/NCBI Google Scholar 29. Fama EF (1970) Efficient Capital Markets: a Review of Theory and Empirical Work. Journal of Finance 25: 383–423. View Article PubMed/NCBI Google Scholar 30. Jensen M (1978) Some anomalous evidence regarding market efficiency. Journal of Financial Economics 6: 95–101. View Article PubMed/NCBI Google Scholar 31. Malkiel B (1992) Efficient market hypothesis. New Palgrave Dictionary of Money and Finance. Londres: Macmillan. 32. Keynes JM (1936) The General Theory of Unemployment, Interest, and Money. Londres: Macmillan. 157 p. 33. Cutler DM, Poterba JM, Summers LH (1989) What moves stock prices? Journal of Portfolio Management 15(3): 4–12. View Article PubMed/NCBI Google Scholar 34. Engle R (1982) Autoregressive conditional heteroscedasticity with estimates of the variance of UK ination, Econometrica. 50: 987–1008. View Article PubMed/NCBI Google Scholar 35. Mandelbrot BB (1963) The variation of certain speculative prices. Journal of Business 36: 394–419. View Article PubMed/NCBI Google Scholar 36. Mandelbrot BB (1997) Fractals and Scaling in Finance. New York: Springer. 37. Lux T (1996) The stable Paretian hypothesis and the frequency of large returns: an examination of major German stocks. Applied Financial Economics 6: 463–475. View Article PubMed/NCBI Google Scholar 38. Mantegna RN, Stanley HE (1996) Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge: Cambridge University Press. 39. Campbell JY, Shiller R (1998) The Dividend-Price Ratio and Expectations of Future Dividends and Discount Factors. Review of Financial Studies 1: 195–227. View Article PubMed/NCBI Google Scholar 40. Brock WA (1993) Pathways to Randomness in the Economy: Emergent Non-Linearity and Chaos in Economics and Finance. Estudios Económicos 8: 3–55. View Article PubMed/NCBI Google Scholar 41. Brock WA (1997) Asset Prices Behavior in Complex Environments. In: Arthur WB, Durlauf SN, Lane DA, editors. The Economy as an Evolving Complex System II. Reading, MA: Addison-Wesley. 385–423 p. 42. Brock WA, Hommes CH (1997) A Rational Route to Randomness. Econometrica 65: 1059–1095. View Article PubMed/NCBI Google Scholar 43. Chiarella C (1992) The Dinamics of Speculative Behavior. Annals of Operations Research 37: 101–123. View Article PubMed/NCBI Google Scholar 44. Chiarella C, He T (2002) Heterogeneous Beliefs, Risk and Learning in a Simple Asset Pricing Model. Computational Economics - Special issue: Evolutionary processes in economics 19(1): 95–132. View Article PubMed/NCBI Google Scholar 45. DeGrauwe P, DeWachter H, Embrechts M, (1993) Exchange Rate Theory. Chaotic Models of Foreign Exchange Markets. Blackwell. 46. Frankel JA, Froot KA (1988) Chartists, Fundamentalists and the Demand for Dollars. Greek Economic Review 10: 49–102. View Article PubMed/NCBI Google Scholar 47. Lux T (1995) Herd Behavior, Bubbles and Crashes. The Economic Journal 105: 881–896. View Article PubMed/NCBI Google Scholar 48. Wang J (1994) A Model of Competitive Stock Trading Volume. Journal of Political Economy 102: 127–168. View Article PubMed/NCBI Google Scholar 49. Zeeman EC (1974) The Unstable Behavior of Stock Exchange. Journal of Mathematical Economics 1: 39–49. View Article PubMed/NCBI Google Scholar 50. Black F, Scholes M (1973) The Valuation of Options and Corporate Liabilities, Journal of Political Economy. 81: 637–654. View Article PubMed/NCBI Google Scholar 51. Merton RC (1973) Theory of Rational Option Pricing. Bell Journal of Economics and Management Science 4: 141–183. View Article PubMed/NCBI Google Scholar 52. Cox JC, Ingersoll JE, Ross SA (1985) A Theory of the Term Structure of Interest Rates, Econometrica. 53: 385–408. View Article PubMed/NCBI Google Scholar 53. Hull JC, White A (1987) The Pricing of Options on Assets with Stochastic Volatilities. Journal of Finance 42: 281–300. View Article PubMed/NCBI Google Scholar 54. Gabaix X, Gopikrishnan P, Plerou V, Stanley HE (2003) A theory of power-law distributions in financial market uctuations. Nature 423: 267–72. View Article PubMed/NCBI Google Scholar 55. Livan G, Inoue J, Scalas E (2012) On the non-stationarity of financial time series: impact on optimal portfolio selection. Journal of Statistical Mechanics. doi:10.1088/1742-5468/2012/07/P07025. 56. Carbone A, Castelli G, Stanley HE (2004) Time dependent Hurst exponent in financial time series. Physica A 344: 267–271. View Article PubMed/NCBI Google Scholar 57. Murphy JJ (1999) Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. Instituto de Finanças de Nova York. 58. Krawiecki A, Holyst JA, Helbing D (2002) Volatility clustering and scaling for financial time series due to attractor bubbling. Physical Review Letters 89, 158701. 59. Helbing D, Christen M (2011) Physics for Financial Markets. Available: tinyurl/d3j5bgs. 60. Tedeschi G, Iori G, Gallegati M (2012) Herding effects in order driven markets: The rise and fall of gurus. Journal of Economic Behavior & Organization 81: 82–96 View Article PubMed/NCBI Google Scholar.
Áreas de assunto.
For more information about PLOS Subject Areas, click here.
We want your feedback. Do these Subject Areas make sense for this article? Click the target next to the incorrect Subject Area and let us know. Obrigado pela ajuda!
Is the Subject Area "Financial markets" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Finance" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Economic agents" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Economics" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Analysts" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Behavior" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Marketing" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Resource management (economics)" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Archived Tweets.
PLOS is a nonprofit 501(c)(3) corporation, #C2354500, and is based in San Francisco, California, US.
documentar e analisar suas ações, futuros e negócios de divisas e.
descubra novas maneiras de melhorar sua negociação.
"Insight Trading Journal está totalmente fora das paradas - está me ajudando a analisar todos os detalhes dos meus negócios e apontando áreas onde eu preciso melhorar. Vale a pena uma mina de ouro!"
50% dos movimentos máximos de suas negociações. Esta informação é importante para entender se você deseja maximizar seu lucro em negociações vencedoras.
em seguida, analise até 20 negócios.
sem pagar um centavo.
Quando você faz, você também terá acesso.
Insight's Guide to Thinking Like a Professional Trader.
Journal of Stock & amp; Forex Trading.
Open Access Journals ganhando mais leitores e citações.
Este Readership é 10 vezes mais quando comparado a outros Revistas de Subscrição (Origem: Google Analytics)
Políticas de publicação e ética.
Links Úteis.
Revistas recomendadas.
Compartilhe esta página.
Conselho Editorial.
Michigan State University.
Universidade de Paris 8.
Universidade de La Trobe.
Enviar Manuscrito.
Índice.
Sobre o Jornal.
O estoque de uma entidade comercial representa o capital original pago ou investido no negócio por seus fundadores.
Sem taxa de publicação, apenas cobrança de formatação.
Trading forex.
O mercado de câmbio é o "lugar" onde as moedas são negociadas. As moedas são importantes para a maioria das pessoas em todo o mundo, sejam eles percebendo ou não, porque as moedas precisam ser trocadas para realizar negócios e negócios no exterior.
Desempenho de Marketing.
O Marketing Performance é responsável pela manutenção de operações de negociação efetivas e organizadas nos Mercados da Bolsa de Valores.
Revistas de Marketing relacionadas.
Investimento.
O investimento é criar ou gastar os assentos com a expectativa de aproveitar capital, lucros e ganhos.
Jornais Relacionados de Investimento.
Estudos de Negócios na Bolsa de Valores.
Na bolsa de valores, os estudos organizam mercados financeiros organizados e regulados em que títulos como títulos, notas, ações são comprados e vendidos a preços controlados pelas forças de demanda e fornecimento. As bolsas de valores servem basicamente como mercados primários, como as corporações, podem aumentar o capital através da canalização das poupanças dos investidores em empreendimentos produtivos e mercados secundários onde os investidores podem vender seus títulos a outros investidores por dinheiro, reduzindo assim o risco de investimento e mantendo liquidez no sistema.
Jornais Relacionados de Estudos Empresariais na Bolsa de Valores.
Estas são as lojas de valor e negociadas entre países do mercado de câmbio que determinam os valores relativos das moedas diferentes.
Jornais Relacionados de Moeda.
Feira comercial.
Muitos políticos e ONGs argumentam que o comércio livre não é suficiente; também deve ser justo. Em face disso, a equidade é evidentemente uma coisa boa. No entanto, a justiça, no comércio como na beleza, está no olho do observador. Não há nada de injusto com isso; na verdade, ajuda a tornar o comércio mutuamente benéfico.
Revistas relacionadas ao Comércio Justo.
Revista Internacional de Inteligência Swarm e Computação Evolutiva, Jornal de Negócios e Economia, Journal of Fair Trade Studies, Journal of African Trade, International Journal of Trade, Economics and Finance.
A inflação é a taxa em que o nível geral de preços de bens e serviços está aumentando e, conseqüentemente, o poder aquisitivo da moeda cai.
Jornais Relacionados de Especulação.
International Journal of Economics & amp; Gestão de Ciências, Empreendedorismo e Gestão de Organização, Pesquisa Turística & amp; Hospitalidade, Journal of Speculative Philosophy, Speculações, Journal of Economic Theory.
Mercado de lingotes.
O mercado da Bllion é um fórum através do qual tanto os compradores quanto os vendedores trocam ouro e prata puro e esse mercado de lingotes tem alta taxa de rotatividade e as transações são realizadas eletronicamente ou por telefone.
Jornais Relacionados do Mercado de Lingotes.
Nova Teoria do Comércio.
A nova Teoria do Comércio cresceu mais rapidamente entre países industrializados com economias similares e dotações dos fatores de produção. Em muitas indústrias novas, não havia nenhuma vantagem comparativa clara para qualquer país. Padrões de produção e comércio muitas vezes pareciam questões de chance.
Revistas relacionadas à New Trade Theory.
Gestão de recursos.
O Gerenciamento de recursos é a implantação efetiva e eficiente de recursos de uma organização quando eles são necessários e esses recursos incluem recursos financeiros, humanos e de produção.
Jornais relacionados de gerenciamento de recursos.
Marketing de capital.
Capital Marketing é o mercado financeiro para venda e compra de dívida comprada ou títulos garantidos por ações.
Jornais Relacionados de Marketing de Capital.
A deflação é uma queda persistente no nível geral de preços de bens e serviços. Não se deve confundir com uma queda nos preços em um setor econômico ou com uma queda na taxa de inflação. É também conhecido como DESINFLATION.
Revistas relacionadas à Deflação.
Quarterly Journal of Austrian Economics, Journal of Accounting & amp; Marketing, International Journal of Labor Research.
Relações Internacionais.
Relações Internacionais é uma ciência que estuda relação entre países e é um campo acadêmico e de políticas públicas e analisa e formula a política externa de um determinado estado.
Jornais Relacionados de Relações Internacionais.
Política econômica.
A política econômica tem como objetivo influenciar ou controlar o comportamento da economia e abrange a tributação, os orçamentos governamentais.
Jornais Relacionados de Política Econômica.
Finanças dos Mercados de Mercadorias.
Finanças do Commodity Market é o mercado onde compra, comercialização e venda de produtos primários e haverá commodities duras e suaves.
Jornais Relacionados de Finanças de Mercados de Mercadorias.
Exchange Traded Funds.
O Exchange Traded Funds é uma garantia negociável que rastreia um índice, um fundo de commodities, títulos e índices e este negocia como ações ordinárias em bolsa de valores.
Jornais relacionados de fundos negociados em bolsa.
Gestão Empresarial.
A Unidade de Gestão Empresarial esforça-se por aumentar o nível de trabalho acadêmico no campo do empreendedorismo, no rigor metodológico, na profundidade conceitual e na aplicabilidade gerencial.
Jornais Relacionados de Gestão Empresarial.
Avaliação financeira.
A avaliação financeira é o processo de estimar o que vale algo. Os itens que geralmente são avaliados são um ativo ou passivo financeiro.
Jornais relacionados de avaliação financeira.
Destaques do jornal.
Artigos recentemente publicados.
Vishal Dagar, Usha Tuteja, Nandini Pandey e Archana.
PLOS ONE.
Submissões Introdução Diretrizes de submissão Figuras Tabelas Informações de suporte LaTeX Revisando seu manuscrito Enviar agora Políticas Melhores práticas em relatórios de pesquisa Assuntos humanos Pesquisa Pesquisa em animais Interesses concorrentes Divulgação de fontes de financiamento Licenças e direitos autorais Disponibilidade de dados Materiais e software Compartilhamento Prática de publicação ética Autoria Downloads e traduções Revisão de manuscritos e Critérios de Publicação para Publicação Editorial e Processo de Revisão de Pares Revisor Diretrizes Manuscritos Aceitos Correções e Retrações Comentários Métricas de nível de artigo.
Envie seu manuscrito.
Descubra um caminho mais rápido e simples para publicar em um jornal de alta qualidade. O PLOS ONE promete uma revisão de pares rigorosa e rigorosa, um amplo escopo e um público amplo - um ajuste perfeito para sua pesquisa de cada vez.
Clique na taxonomia PLOS para encontrar artigos em seu campo.
Para obter mais informações sobre áreas de assunto PLOS, clique aqui.
As estratégias de negociação aleatória são mais bem sucedidas do que as técnicas?
Afiliação Dipartimento de Economia e Imprensa, Universitá di Catania, Catania, Itália.
Afiliações Dipartimento de Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Afiliações Dipartimento de Fisica e Astronomia, Università di Catania, Catania, Itália, INFN sezione di Catania, Catania, Itália.
Afiliação ETH Zurique, Zurique, Suíça.
As estratégias de negociação aleatória são mais bem sucedidas do que as técnicas?
Alessio Emanuele Biondo, Alessandro Pluchino, Andrea Rapisarda, Dirk Helbing.
Publicado: 11 de julho de 2013 doi / 10.1371 / journal. pone.0068344.
Abstrato.
Neste trabalho, 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 para prever a dinâmica dos mercados financeiros para diferentes índices internacionais de bolsa de valores, com o objetivo de compará-los ao desempenho de uma estratégia completamente aleatória. A este respeito, dados históricos para FTSE-UK, FTSE-MIB, DAX e S & amp; Os índices P500 são levados em conta por um período de cerca de 15-20 anos (desde a sua criação até hoje).
Citação: Biondo AE, Pluchino A, Rapisarda A, Helbing D (2013) As estratégias de negociação aleatória são mais bem-sucedidas do que técnicas? PLoS ONE 8 (7): e68344. doi / 10.1371 / journal. pone.0068344.
Editor: Alejandro Raul Hernández Montoya, Universidad Veracruzana, México.
Direitos autorais: © 2013 Biondo et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição de Commons, que permite uso, distribuição e reprodução sem restrições em qualquer meio, desde que o autor original e a fonte sejam creditados.
Financiamento: os autores não têm apoio ou financiamento para denunciar.
Interesses concorrentes: os autores declararam que não existem interesses concorrentes.
Introdução.
Na física, tanto no nível clássico quanto no quântico, muitos sistemas reais funcionam bem e de forma mais eficiente devido ao papel útil de um ruído fraco aleatório [1] - [6]. Mas não só os sistemas físicos se beneficiam da desordem. De fato, o ruído tem grandes influências sobre a dinâmica das células, neurônios e outras entidades biológicas, mas também nos sistemas ecológicos, geofísicos e socioeconômicos. Seguindo esta linha de pesquisa, investigamos recentemente como as 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 o Parlamento [10]. Outros grupos exploraram com sucesso estratégias semelhantes em jogos de minoria e Parrondo [11], [12], na avaliação do desempenho do portfólio [13] e no contexto do leilão contínuo [14].
Recentemente, Taleb comentou brilhantemente em seus livros bem sucedidos [15], [16] como os cisnes pretos e negros governam nossa vida, mas também o comportamento da economia e do mercado financeiro além de nossas expectativas ou controle pessoais e racionais. Na verdade, a aleatoriedade entra em nossa vida cotidiana, embora dificilmente a reconheçamos. Portanto, mesmo sem ser tão céticos quanto Taleb, pode-se facilmente afirmar que muitas vezes entendemos os fenômenos que nos rodeiam e são enganados por conexões aparentes que são apenas devidas à fortuidade. Os sistemas econômicos são inevitavelmente afetados pelas expectativas, presentes e passadas, uma vez que as crenças dos agentes influenciam fortemente suas dinâmicas futuras. Se hoje uma ótima expectativa surgisse sobre o desempenho de qualquer segurança, todos tentariam comprá-lo e essa ocorrência implicaria um aumento no preço. Então, amanhã, essa segurança teria um preço maior do que hoje, e esse fato seria apenas a conseqüência da própria expectativa de mercado. Esta profunda dependência das expectativas fez com que os economistas financeiros tentassem construir mecanismos para prever os preços dos ativos futuros. O objetivo deste estudo é precisamente verificar se esses mecanismos, que serão descritos em detalhes nas próximas seções, são mais efetivos para prever a dinâmica do mercado em comparação com uma estratégia completamente aleatória.
Em um artigo anterior [17], motivado também por algumas experiências intrigantes onde 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 no Reino Unido. Aqui, vamos estender essa investigação a outros mercados financeiros e a 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, apresentamos as séries temporais financeiras consideradas em nosso estudo e realizamos uma análise desconsiderada na 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 de política contra-intuitiva.
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, portanto, enfrentam altos custos de busca para obter informações necessárias. No entanto, normalmente, eles não podem reunir todas as informações que devem. Portanto, os agentes agem com base na racionalidade limitada, o que leva a tendências significativas na maximização de utilidade esperada que eles perseguem. 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 concorrência no mercado e são expulsos. Portanto, nem os preconceitos 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 principais modelos de referência de expectativas foram amplamente estabelecidos na literatura econômica: modelo de expectativas adaptativas e modelo de expectativa racional. Aqui não iremos dar uma definição formal desses paradigmas. Para nossos propósitos, basta lembrar sua lógica. O modelo de expectativas adaptativas é baseado em uma série de valores aparentemente ponderados (para que o valor esperado de uma variável seja o resultado da combinação de seus valores passados). Em contraste, o modelo de expectativas racionais hipotema 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 então a previsão objetiva fornecida pela teoria). Essas duas teorias remontam a contribuições muito relevantes, entre as quais 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 introduzida pela primeira vez pela Arrow e Nerlove [25]). Para expectativas racionais, nos referimos a Muth [26], Lucas [27] e Sargent-Wallace [28].
Os mercados financeiros geralmente são tomados como exemplo para dinâmicas complexas e volatilidade perigosa. Isso de alguma forma sugere a idéia de imprevisibilidade. No entanto, devido ao papel relevante desses mercados no sistema econômico, um vasto leque 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 arbitragem perfeita. Isso significa que o caso de ineficiência implica a existência de oportunidades para lucros inexplorados e, claro, os comerciantes operariam imediatamente posições longas ou curtas até que desaparecesse qualquer possibilidade de lucro. Jensen [30] afirma precisamente que um mercado deve ser considerado eficiente em relação a um conjunto de informações se for impossível fazer lucros através da negociação com base nesse conjunto de informações. Isso é consistente com Malkiel [31], que argumenta que um mercado eficiente reflete perfeitamente toda a informação 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 do mercado, de acordo com o grau de completude do conjunto informativo (ou seja, "fraco", "semi-forte" e "forte"). Assim, os comerciantes e os analistas financeiros procuram continuamente expandir seu conjunto de informações para ganhar a oportunidade de escolher a melhor estratégia: este processo envolve agentes tanto em flutuações de preços que, no final do dia, pode-se dizer que sua atividade é reduzida a uma suposição sistemática. A globalização completa dos mercados financeiros ampliou esse processo e, eventualmente, estamos experimentando décadas de extrema variabilidade e alta volatilidade.
Keynes argumentou, há muitos anos, que a racionalidade dos agentes e da psicologia em massa (os chamados "espíritos animais") não deve ser interpretada como se fosse a mesma coisa. O autor apresentou o famoso exemplo do concurso de beleza para explicar a lógica embaixo dos mercados financeiros. Em sua Teoria Geral [32] ele escreveu que "o investimento baseado em expectativas genuínas de longo prazo é tão difícil de ser praticamente praticável. Aquele que o tenta certamente deve levar dias muito mais laboriosos e correr riscos maiores do que aquele que tenta adivinhar melhor do que a multidão como a multidão se comportará; e, dada a mesma inteligência, ele pode cometer erros mais desastrosos. "Em outras palavras, para prever o vencedor do concurso de beleza, deve-se tentar interpretar a beleza preferida do jurado, ao invés 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 antecipadamente a opinião "do júri", ou seja, de uma massa generalizada, heterogênea e muito substancial de investidores que reduz qualquer previsão possível apenas para um palpite.
Apesar de considerações como essas, a chamada Hipótese do Mercado Eficiente (cujo principal fundamento teórico é a teoria das expectativas racionais), descreve o caso de mercados perfeitamente competitivos e agentes perfeitamente racionais, dotados de todas as informações disponíveis, que escolhem as melhores estratégias ( uma vez que o mecanismo de compensação competitivo os colocaria fora do mercado). Há evidências de que esta interpretação de um mecanismo de arbitragem perfeito totalmente funcional não é adequada para analisar mercados financeiros como, por exemplo: Cutler et al. [33], que mostra que grandes movimentos de preços ocorrem mesmo quando pouca ou nenhuma informação nova está disponível; Engle [34], que relatou que a volatilidade dos preços está temporariamente correlacionada temporariamente; Mandelbrot [35], [36], Lux [37], Mantegna e Stanley [38], que argumentam que as flutuações de preços curtos 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. Nestes 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 citar com franqueza pelo menos as contribuições de Brock [40], 41, Brock e Hommes [42], Chiarella [43], Chiarella e He [44], DeGrauwe et al . [45], Frankel e Froot [46], Lux [47], Wang [48] e Zeeman [49].
Parte desta literatura refere-se à abordagem, denominada "sistemas de crenças adaptativas", que tenta aplicar não-linearidade e ruído aos modelos de mercado financeiro. A incerteza intrínseca sobre os fundamentos econômicos, juntamente com erros e heterogeneidade, leva à idéia de que, além do valor fundamental (ou seja, o valor atualizado atual dos fluxos esperados de dividendos), os preços das ações flutuam imprevisivelmente por fases de otimismo ou pessimismo de acordo para as fases correspondentes da tendência de alta e tendência de baixa que causam crises de mercado. Como gerenciar esse tipo de comportamento errático para otimizar uma estratégia de investimento? Para explicar a atitude muito diferente adotada pelos agentes para escolher estratégias ao negociar nos mercados financeiros, é feita uma distinção entre fundamentalistas e chartist. 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, ganhos, crescimento econômico, taxas de desemprego, etc.). Por outro lado, os últimos tentam extrapolar tendências ou características estatisticamente relevantes de séries passadas de dados, para prever caminhos futuros dos preços dos ativos (também conhecida como análise técnica).
Dado que a interação desses dois grupos de agentes determina a evolução do mercado, escolhemos aqui para se concentrar no comportamento dos chartists (uma vez que uma análise qualitativa sobre os fundamentos macroeconômicos é absolutamente subjetiva e difícil de avaliar), tentando avaliar o ex investidor individual - capacidade de previsão significativa. Supondo a falta de informações completas, 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 de hipóteses de mercados eficientes acima mencionados. Mais precisamente, estamos buscando a resposta para a seguinte questão: se um comerciante assume a falta de informações completas através de todo o mercado (ou seja, a imprevisibilidade da dinâmica dos preços das ações [50] - [53]), um ex-ante aleatório A estratégia de negociação desempenha, em média, estratégias de negociação bem conhecidas? Passamos da evidência de que, uma vez que 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 auto-influente, devido à circulação assimétrica de informações, desenvolve seus vínculos e gera comportamentos de rebanho para seguir alguns sinais cuja credibilidade é aceita.
As crises financeiras mostram que os mercados financeiros não são imunes às falhas. Seu sucesso periódico não é gratuito: eventos catastróficos queimam enormes valores em dólares e os sistemas econômicos em grave perigo. Os comerciantes estão tão certos de que as estratégias elaboradas se encaixam na dinâmica dos mercados? Nossa simulação simples realizará uma análise comparativa do desempenho de diferentes estratégias de negociação: nossos comerciantes terão que prever, dia a dia, se o mercado subirá (tendência "alta") ou baixa (tendência "baixa"). As estratégias testadas são: Momentum, RSI, UPD, MACD e um completamente aleatório.
Os teóricos das expectativas racionais apostaram imediatamente que a estratégia aleatória perderia a concorrência, pois não está fazendo uso de nenhuma informação, mas, como mostraremos, nossos resultados são bastante surpreendentes.
Análise Detenida da Série Temporária Índice.
Consideramos quatro índices muito populares de mercados financeiros e, em particular, analisamos as seguintes séries temporais correspondentes, mostradas na Fig. 1:
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.
Índice FTSE UK All-Share, de 1 de janeiro de 1998 a 3 de agosto de 2012, para um total de T = 3714 dias; Índice FTSE MIB All-Share, de 31 de dezembro de 1997 a 29 de junho de 2012, para um total de T = 3684 dias; Índice All-Share do DAX, de 26 de novembro de 1990 a 09 de agosto de 2012, para um total de T = 5493 dias; S & amp; Índice P 500, de 11 de setembro de 1989 a 29 de junho de 2012, para um total de T = 5750 dias;
Em geral, a possibilidade de prever séries temporais financeiras foi estimulada pela descoberta de algum tipo de comportamento persistente em alguns deles [38], [54], [55]. O objetivo principal da seção atual é investigar a possível presença de correlações nas quatro séries financeiras anteriores de todos os índices de ações do mercado de ações europeu e norte-americano. Neste contexto, calcularemos o expoente Hurst dependente do tempo usando a técnica de média móvel detritada (DMA) [56]. Comecemos por um resumo do algoritmo DMA. O procedimento computacional é baseado no cálculo do desvio padrão ao longo de uma determinada série de tempo definida como (1) onde é a média calculada em cada janela de tempo de tamanho. Para determinar o expoente de Hurst, a função é calculada para aumentar os valores dentro do intervalo, sendo o comprimento da série temporal, e os valores obtidos são relatados como uma função de um gráfico log-log. Em geral, exibe uma dependência de poder-lei com o expoente, isto é,
(2) Em particular, se, um tiver uma correlação negativa ou comportamento anti-persistente, enquanto que se um tiver uma correlação positiva ou comportamento persistente. O caso corresponde a um processo browniano não correlacionado. No nosso caso, como primeiro passo, calculamos o expoente Hurst considerando a série completa. Esta análise está ilustrada nas quatro parcelas da Fig. 2. Aqui, um ajuste linear para os lotes log-log revela que todos os valores do índice Hurst H obtidos dessa 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.
O comportamento do direito de poder do desvio padrão DMA permite derivar um índice Hurst que, em todos os quatro casos, oscila em torno de 0,5, o que indica uma ausência de correlações, em média, em grandes períodos de tempo. Veja o texto.
Por outro lado, é interessante calcular o expoente 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 passo do tempo. Isto significa que, a cada tempo, calculamos o interior da janela deslizante mudando com a Eq. (1). Assim, seguindo o mesmo procedimento descrito acima, uma seqüência de valores do expoente de Hurst é obtida em função do tempo. Na Fig. 3 mostramos os resultados obtidos para os parâmetros,. Nesse caso, os valores obtidos para o expoente Hurst diferem muito localmente de 0,5, o que indica a presença de correlações locais significativas.
Esta investigação, que está em consonância 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 eles anulam a média em períodos longos. Como veremos nas próximas seções, essa característica afetará os desempenhos 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, uma vez que o comerciante correspondente faz sua previsão ao tempo completamente ao acaso (com distribuição uniforme). Estratégia Momentum (MOM) Esta estratégia baseia-se no chamado indicador 'momentum', isto é, a diferença entre o valor eo valor, onde é um determinado intervalo de negociação (em dias). Então, se, o comerciante prevê um incremento do índice de fechamento para o dia seguinte (isto é, prevê isso) e vice-versa. Nas próximas simulações, consideraremos dias, uma vez que este é um dos atrasos de tempo mais utilizados para o indicador de momentum. Veja a Ref. [57]. Estratégia de índice de força relativa (RSI) Esta estratégia é baseada em um indicador mais complexo chamado 'RSI'. É considerada uma medida da força comercial recente da ação e sua definição é: onde é 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 um determinado período de tempo imediatamente anterior ao tempo, o comerciante que segue a estratégia RSI faz sua previsão com base em uma possível reversão da tendência do mercado, revelada pela denominada "divergência" entre a série temporal original e a nova RSI. Uma divergência pode ser definida referindo-se a uma comparação entre as séries de dados originais e as séries RSI geradas, e é o sinal comercial mais significativo entregue por qualquer indicador de estilo oscilador. É o caso quando a tendência significativa entre dois extremos locais mostrados pela tendência RSI é orientada na direção oposta à tendência significativa entre dois extrema (no mesmo intervalo de tempo) mostrado pela série original. Quando a linha RSI se inclina de forma diferente da linha original da série, ocorre uma divergência. Veja o exemplo na Fig. 4: dois máximos locais seguem duas tendências diferentes inclinadas de forma oposta. In the case shown, the analyst will interpret this divergence as a bullish expectation (since the RSI oscillator diverges from the original series: it starts increasing when the original series is still decreasing). In our simplified model, the presence of such a divergence translates into a change in the prediction of the sign, depending on the bullish or bearish trend of the previous days. In the following simulations we will choose days, since - again - this value is one of the mostly used in RSI-based actual trading strategies. Veja a Ref. [57]. Up and Down Persistency (UPD) Strategy This deterministic strategy does not come from technical analysis. However, we decided to consider it because it seems to follows the apparently simple alternate “up and down” behavior of market series that any observer can see at first sight. The strategy is based on the following very simple rule: the prediction for tomorrow market’s behavior is just the opposite of what happened the day before. If, e. g., one has , the expectation at time for the period will be bullish: , and vice versa. Moving Average Convergence Divergence (MACD) Strategy The ‘MACD’ is a series built by means of the difference between two Exponential Moving Averages (EMA, henceforth) of the market price, referred to two different time windows, one smaller and one larger. In any moment t , . In particular, the first is the Exponential Moving Average of taken over twelve days, whereas the second refers to twenty-six days. The calculation of these EMAs on a pre-determined time lag, x , given a proportionality weight , is executed by the following recursive formula: with , where . Once the MACD series has been calculated, its 9-days Exponential Moving Average is obtained and, finally, the trading strategy for the market dynamics prediction can be defined: the expectation for the market is bullish (bearish) if ( ). Veja a Ref. [57].
A divergence is a disagreement between the indicator (RSI) and the underlying price. By means of trend-lines, the analyst check that slopes of both series agree. When the divergence occurs, an inversion of the price dynamic is expected. In the example a bullish period is expected.
Results of Empirically Based Simulations.
For each one of our four financial time series of length (in days), the goal was simply to predict, day by day and for each strategy, the upward (bullish) or downward (bearish) movement of the index at a given day with respect to the closing value one day before: if the prediction is correct, the trader wins, otherwise he/she looses. In this connection we are only interested in evaluating the percentage of wins achieved by each strategy, assuming that - at every time step - the traders perfectly know the past history of the indexes but do not possess any other information and can neither exert any influence on the market, nor receive any information about future moves.
In the following, we test the performance of the five strategies by dividing each of the four time series into a sequence of trading windows of equal size (in days) and evaluating the average percentage of wins for each strategy inside each window while the traders move along the series day by day, from to . This procedure, when applied for , allows us to explore the performance of the various strategies for several time scales (ranging, approximatively, from months to years).
The motivation behind this choice is connected to the fact that the time evolution of each index clearly alternates between calm and volatile periods, which at a finer resolution would reveal a further, self-similar, alternation of intermittent and regular behavior over smaller time scales, a characteristic feature of turbulent financial markets [35], [36], [38], [58]. Such a feature makes any long-term prediction of their behavior very difficult or even impossible with instruments of standard financial analysis. The point is that, due to the presence of correlations over small temporal scales (as confirmed by the analysis of the time dependent Hurst exponent in Fig. 3), one might expect that a given standard trading strategy, based on the past history of the indexes, could perform better than the others inside a given time window. But this could depend much more on chance than on the real effectiveness of the adopted algorithm. On the other hand, if on a very large temporal scale the financial market time evolution is an uncorrelated Brownian process (as indicated by the average Hurst exponent, which result to be around for all the financial time series considered), one might also expect that the performance of the standard trading strategies on a large time scale becomes comparable to random ones. In fact, this is exactly what we found as explained in the following.
In Figs. 5–8, we report the results of our simulations for the four stock indexes considered (FTSE-UK, FTSE-MIB, DAX, S & P 500). In each figure, from top to bottom, we plot: the market time series as a function of time; the correspondent ‘returns’ series, determined as the ratio ; the volatility of the returns, i. e. the variance of the previous series, calculated inside each window for increasing values of the trading window size (equal to, from left to right, , , and respectively); the average percentage of wins for the five trading strategies considered, calculated for the same four kinds of windows (the average is performed over all the windows in each configuration, considering different simulation runs inside each window); the corresponding standard deviations for the wins of the five strategies.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
From top to bottom, we report the index time series, the corresponding returns time series, the volatility, the percentages of wins for the five strategies over all the windows and the corresponding standard deviations. The last two quantities are averaged over 10 different runs (events) inside each window.
Observing the last two panels in each figure, two main results are evident:
The average percentages of wins for the five strategies are always comparable and oscillate around , with small random differences which depend on the financial index considered. The performance of of wins for all the strategies may seem paradoxical, but it depends on the averaging procedure over all the windows along each time series. In Fig. 9 we show, for comparison, the behavior of the various strategies for the four financial indexes considered and for the case (the score in each window is averaged over different events): as one can see, within a given trading window each single strategy may randomly perform much better or worse than , but on average the global performance of the different strategies is very similar. Moreover, referring again to Figs. 5–8, it is worth to notice that the strategy with the highest average percentage of wins (for most of the windows configurations) changes from one index to another one: for FTSE-UK, the MOM strategy seems to have a little advantage; for FTSE-MIB, the UPD seems to be the best one; for DAX, the RSI, and for the S & P 500, the UPD performs slightly better than the others. In any case the advantage of a strategy seems purely coincidental. The second important result is that the fluctuations of the random strategy are always smaller than those of the other strategies (as it is also visible in Fig. 9 for the case ): this means that the random strategy is less risky than the considered standard trading strategies, while the average performance is almost identical. This implies that, when attempting to optimize the performance, standard traders are fooled by the “illusion of control” phenomenon [11], [12], reinforced by a lucky sequence of wins in a given time window. However, the first big loss may drive them out of the market. On the other hand, the effectiveness of random strategies can be probably related to the turbulent and erratic character of the financial markets: it is true that a random trader is likely to win less in a given time window, but he/she is likely also to loose less. Therefore his/her strategy implies less risk, as he/she has a lower probability to be thrown out of the game.
As visible, the performances of the strategies can be very different one from the others inside a single time window, but averaging over the whole series these differences tend to disappear and one recovers the common outcome shown in the previous figures.
Conclusions and Policy Implications.
In this paper we have explored the role of random strategies in financial systems from a micro-economic point of view. In particular, we simulated the performance of five trading strategies, including a completely random one, applied to four very popular financial markets indexes, in order to compare their predictive capacity. 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.
Agradecimentos.
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.
Referências.
1. Kirkpatrick S, Gelatt CD, Vecchi MP (1983) Optimization by Simulated Annealing. Science 220: 671–680. View Article PubMed/NCBI Google Scholar 2. Benzi R, Parisi G, Sutera A, Vulpiani A (1982) Stochastic resonance in climatic change. Tellus 34: 10–16. View Article PubMed/NCBI Google Scholar 3. Gammaitoni L, Hanggi P, Jung P, Marchesoni F (1989) Stochastic Resonance. Reviews of Modern Physics, 70 (1): 223–287. View Article PubMed/NCBI Google Scholar 4. Mantegna R, Spagnolo B (1996) Noise enhanced stability in an unstable system. Phys. Rev. Lett. 76: 563–566. View Article PubMed/NCBI Google Scholar 5. Caruso F, Huelga SF, Plenio MB (2010) Noise-Enhanced Classical and Quantum Capacities in Communication Networks. Phys. Rev. Lett. 105(198): 190501. View Article PubMed/NCBI Google Scholar 6. Van den Broeck C, Parrondo JMR, Toral R (1994) Noise-Induced Non-equilibrium Phase Transition. Physical Review Letters 73: 3395. View Article PubMed/NCBI Google Scholar 7. Peter LJ, Hull R (1969) The Peter Principle: Why Things Always Go Wrong. New York: William Morrow and Company. 8. Pluchino A, Rapisarda A, Garofalo C (2010) The Peter Principle revisited: a computational study. Physica A 389: 467–472 Available: oldweb. ct. infn. it/cactus/peter-links. html. View Article PubMed/NCBI Google Scholar 9. Pluchino A, Rapisarda A, Garofalo C (2011) Efficient promotion strategies in hierarchical organizations. Physica A 390: 3496–3511. View Article PubMed/NCBI Google Scholar 10. Pluchino A, Rapisarda A, Garofalo C, Spagano S, Caserta M (2011) Accidental Politicians: How Randomly Selected Legislators Can improve Parliament Efficiency. Physica A, 2011 390: 3944–3954 Available: pluchino. it/Parliament. html. View Article PubMed/NCBI Google Scholar 11. Satinover JB, Sornette D (2007) ‘Illusion of control’ in Time-Horizon Minority and Parrondo Games. EUR. Phys. J. B 60: 369–384. View Article PubMed/NCBI Google Scholar 12. Satinover JB, Sornette D (2009) Illusory versus Genuine Control in Agent-Based Games. EUR. Phys. J. B. 67: 357–367. View Article PubMed/NCBI Google Scholar 13. Gilles D, Sornette D, Woehrmann P (2009) Look-Ahead Benchmark Bias in Portfolio Performance Evaluation. Journal of Portfolio Management 36(1): 121–130. View Article PubMed/NCBI Google Scholar 14. Farmer JD, Patelli P, Zovko II (2005) The predictive power of zero intelligence in financial markets, PNAS. 102: 2254–2259. View Article PubMed/NCBI Google Scholar 15. Taleb NN (2005) Fooled by Randomness: The Hidden Role of Chance in the Markets and in Life. Nova York: Random House. 16. Taleb NN (2007) The Black Swan: The Impact of the Highly Improbable. Nova York: Random House. 17. Biondo AE, Pluchino A, Rapisarda A (2013) The Beneficial Role of Random Strategies in Social and Financial Systems. Journal of Statistical Physics 151: 607–622 View Article PubMed/NCBI Google Scholar 18. Wiseman R (2007) Quirkology. Londres: Macmillan. 19. Porter GE (2004) The long term value of analysts advice in the Wall Street Journals investment dartboard contest. J. Appl. Finance 14: 720. View Article PubMed/NCBI Google Scholar 20. Simon HA (1957) Models of Man. Nova Iorque: Wiley. 21. Friedman M (1956) A Theory of the Consumption Function. Princeton, NJ: Princeton University Press. 22. Friedman M (1968) The Role of Monetary Policy. The American Economic Review 58(1): 1–17. View Article PubMed/NCBI Google Scholar 23. Phelps E (1967) Phillips Curve Expectations of Ination, and Output Unemployment Over Time. Economica 34(135): 254–281. View Article PubMed/NCBI Google Scholar 24. Cagan P (1956) The Monetary Dynamics of Hyperination. In Friedman M, editor. Studies in the Quantity Theory of Money. Chicago: University of Chicago Press. 25. Arrow KJ, Nerlove M (1958) A Note on Expectations and Stability. Econometrica 26: 297–305. View Article PubMed/NCBI Google Scholar 26. Muth JF (1961) Rational Expectation and the Theory of Price Movements. Econometrica 29: 315–335. View Article PubMed/NCBI Google Scholar 27. Lucas RE (1972) Expectations and the Neutrality of Money. Journal of Economic Theory 4: 103–124. View Article PubMed/NCBI Google Scholar 28. Sargent TJ, Wallace N (1975) Rational Expectations, the Optimal Monetary Instrument, and the Optimal Money Supply Rule. Journal of Political Economy 83(2): 241–254. View Article PubMed/NCBI Google Scholar 29. Fama EF (1970) Efficient Capital Markets: a Review of Theory and Empirical Work. Journal of Finance 25: 383–423. View Article PubMed/NCBI Google Scholar 30. Jensen M (1978) Some anomalous evidence regarding market efficiency. Journal of Financial Economics 6: 95–101. View Article PubMed/NCBI Google Scholar 31. Malkiel B (1992) Efficient market hypothesis. New Palgrave Dictionary of Money and Finance. Londres: Macmillan. 32. Keynes JM (1936) The General Theory of Unemployment, Interest, and Money. Londres: Macmillan. 157 p. 33. Cutler DM, Poterba JM, Summers LH (1989) What moves stock prices? Journal of Portfolio Management 15(3): 4–12. View Article PubMed/NCBI Google Scholar 34. Engle R (1982) Autoregressive conditional heteroscedasticity with estimates of the variance of UK ination, Econometrica. 50: 987–1008. View Article PubMed/NCBI Google Scholar 35. Mandelbrot BB (1963) The variation of certain speculative prices. Journal of Business 36: 394–419. View Article PubMed/NCBI Google Scholar 36. Mandelbrot BB (1997) Fractals and Scaling in Finance. New York: Springer. 37. Lux T (1996) The stable Paretian hypothesis and the frequency of large returns: an examination of major German stocks. Applied Financial Economics 6: 463–475. View Article PubMed/NCBI Google Scholar 38. Mantegna RN, Stanley HE (1996) Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge: Cambridge University Press. 39. Campbell JY, Shiller R (1998) The Dividend-Price Ratio and Expectations of Future Dividends and Discount Factors. Review of Financial Studies 1: 195–227. View Article PubMed/NCBI Google Scholar 40. Brock WA (1993) Pathways to Randomness in the Economy: Emergent Non-Linearity and Chaos in Economics and Finance. Estudios Económicos 8: 3–55. View Article PubMed/NCBI Google Scholar 41. Brock WA (1997) Asset Prices Behavior in Complex Environments. In: Arthur WB, Durlauf SN, Lane DA, editors. The Economy as an Evolving Complex System II. Reading, MA: Addison-Wesley. 385–423 p. 42. Brock WA, Hommes CH (1997) A Rational Route to Randomness. Econometrica 65: 1059–1095. View Article PubMed/NCBI Google Scholar 43. Chiarella C (1992) The Dinamics of Speculative Behavior. Annals of Operations Research 37: 101–123. View Article PubMed/NCBI Google Scholar 44. Chiarella C, He T (2002) Heterogeneous Beliefs, Risk and Learning in a Simple Asset Pricing Model. Computational Economics - Special issue: Evolutionary processes in economics 19(1): 95–132. View Article PubMed/NCBI Google Scholar 45. DeGrauwe P, DeWachter H, Embrechts M, (1993) Exchange Rate Theory. Chaotic Models of Foreign Exchange Markets. Blackwell. 46. Frankel JA, Froot KA (1988) Chartists, Fundamentalists and the Demand for Dollars. Greek Economic Review 10: 49–102. View Article PubMed/NCBI Google Scholar 47. Lux T (1995) Herd Behavior, Bubbles and Crashes. The Economic Journal 105: 881–896. View Article PubMed/NCBI Google Scholar 48. Wang J (1994) A Model of Competitive Stock Trading Volume. Journal of Political Economy 102: 127–168. View Article PubMed/NCBI Google Scholar 49. Zeeman EC (1974) The Unstable Behavior of Stock Exchange. Journal of Mathematical Economics 1: 39–49. View Article PubMed/NCBI Google Scholar 50. Black F, Scholes M (1973) The Valuation of Options and Corporate Liabilities, Journal of Political Economy. 81: 637–654. View Article PubMed/NCBI Google Scholar 51. Merton RC (1973) Theory of Rational Option Pricing. Bell Journal of Economics and Management Science 4: 141–183. View Article PubMed/NCBI Google Scholar 52. Cox JC, Ingersoll JE, Ross SA (1985) A Theory of the Term Structure of Interest Rates, Econometrica. 53: 385–408. View Article PubMed/NCBI Google Scholar 53. Hull JC, White A (1987) The Pricing of Options on Assets with Stochastic Volatilities. Journal of Finance 42: 281–300. View Article PubMed/NCBI Google Scholar 54. Gabaix X, Gopikrishnan P, Plerou V, Stanley HE (2003) A theory of power-law distributions in financial market uctuations. Nature 423: 267–72. View Article PubMed/NCBI Google Scholar 55. Livan G, Inoue J, Scalas E (2012) On the non-stationarity of financial time series: impact on optimal portfolio selection. Journal of Statistical Mechanics. doi:10.1088/1742-5468/2012/07/P07025. 56. Carbone A, Castelli G, Stanley HE (2004) Time dependent Hurst exponent in financial time series. Physica A 344: 267–271. View Article PubMed/NCBI Google Scholar 57. Murphy JJ (1999) Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. Instituto de Finanças de Nova York. 58. Krawiecki A, Holyst JA, Helbing D (2002) Volatility clustering and scaling for financial time series due to attractor bubbling. Physical Review Letters 89, 158701. 59. Helbing D, Christen M (2011) Physics for Financial Markets. Available: tinyurl/d3j5bgs. 60. Tedeschi G, Iori G, Gallegati M (2012) Herding effects in order driven markets: The rise and fall of gurus. Journal of Economic Behavior & Organization 81: 82–96 View Article PubMed/NCBI Google Scholar.
Áreas de assunto.
For more information about PLOS Subject Areas, click here.
We want your feedback. Do these Subject Areas make sense for this article? Click the target next to the incorrect Subject Area and let us know. Obrigado pela ajuda!
Is the Subject Area "Financial markets" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Finance" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Economic agents" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Economics" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Analysts" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Behavior" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Marketing" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Is the Subject Area "Resource management (economics)" applicable to this article? Sim não.
Obrigado pelo seu feedback!
Archived Tweets.
PLOS is a nonprofit 501(c)(3) corporation, #C2354500, and is based in San Francisco, California, US.
Комментариев нет:
Отправить комментарий