Estrategia Momentum Cross-Sectional en Python

  • Save

Principales Temas e Ideas Clave:

  1. Definición de Momentum Cross-Seccional: La estrategia se basa en la idea de que las acciones que han tenido un buen rendimiento en el pasado reciente tenderán a seguir teniendo un buen rendimiento en el futuro cercano. El método cross-seccional implica comparar el rendimiento de múltiples activos (acciones del S&P 500 en este caso) dentro de un mismo periodo.
  • Cita: «so what is crosssectional momentum you rank a group of stocks based on their past performance then you buy the winners or you sell the losers or you even do both in this video I’m focusing on buying the winners and then you rebalance usually monthly»
  1. Pasos de la Estrategia:
  • Universo de Inversión: Se selecciona un universo de acciones, en este caso, los componentes históricos del S&P 500.
  • Periodo de Mirada Hacia Atrás (Look-back Period): Se define un periodo para evaluar el rendimiento pasado, siendo el más común los últimos 12 meses.
  • Exclusión del Mes Reciente: Se excluye el rendimiento del mes más reciente del cálculo del momentum para mitigar el efecto de la reversión a corto plazo.
  • Cita: «you take a look at the returns and you exclude the last month reason behind that is shortterm reversal»
  • Ranking y Selección: Las acciones se clasifican según su rendimiento durante el periodo de mirada hacia atrás (excluyendo el último mes), y se selecciona un porcentaje superior (por ejemplo, el 20%) para ser incluidas en la cartera.
  • Cita: «you rank all stocks by return and you go long the top x%»
  • Rebalanceo Mensual: La cartera se reevalúa y se ajusta mensualmente, vendiendo las acciones que ya no están en el percentil superior y comprando las nuevas que sí lo están.
  • Cita: «and then you hold this for exactly one month»
  1. Implementación en Python: El tutorial demuestra cómo implementar esta estrategia utilizando las librerías yfinance para obtener datos de precios y pandas para la manipulación de datos.
  • Se utiliza un archivo CSV con la composición histórica del S&P 500 para evitar el sesgo de supervivencia.
  • Se definen funciones para obtener los tickers de las acciones que componían el S&P 500 en fechas específicas.
  • Se calculan los precios mensuales tomando el último precio disponible de cada mes.
  • Se calcula el momentum como el cambio porcentual durante los últimos 12 meses, desplazado un mes hacia atrás.
  • Se crea una cartera mensual dinámica que contiene las acciones con el mayor momentum, asignándoles un peso igualitario.
  • Cita: «in this case you check for the top 20 so every component in the portfolio has a weight of 1 / 20 all right so if you have top 10 you have 1 / 10 and so on assuming equal weight of the assets so that’s an important assumption here»
  • Se calculan los rendimientos de la estrategia multiplicando los pesos de la cartera por los rendimientos del mes siguiente de las acciones seleccionadas.
  1. Sesgo de Supervivencia: Se enfatiza la importancia de utilizar la composición histórica del índice para evitar un sesgo en el backtesting que inflaría artificialmente los resultados. Incluir en el análisis acciones que hoy forman parte del índice pero que no lo hacían en el pasado puede llevar a conclusiones erróneas.
  • Cita: «imagine you would just take the S&P 500 composition as of today then you simply would include stocks in previous dates if you do a back test so an analysis back in time and include stocks which are today in the S&P 500 but were not back then and then you have a whole bias in your data set or in your data set analysis because you are including stocks which would have not been in the S&P 500 back then and let me tell you one thing the results will be way way better which is obvious because you’re just including skyrocketing stocks which are going up in the S&P 500 in your analysis because you just include those stocks even though they were not part back then»
  1. Resultados del Backtesting: El backtesting de la estrategia desde principios de 2010 muestra un rendimiento total que aproximadamente multiplica por cinco el capital inicial, lo que representa una ligera superación al rendimiento del S&P 500 durante el mismo periodo, que aproximadamente multiplicó el capital por cuatro.
  • Cita: «slight outperformance of the S&P 500 S&P 500 roughly 4x uh momentum cross-sectional momentum long only strategy roughly uh 5ish X here so super interesting one»
  1. Posibles Extensiones de la Estrategia: El video sugiere posibles mejoras o variaciones de la estrategia, como:
  • Incluir la venta en corto de las acciones con el menor rendimiento («losers»).
  • Implementar una estrategia «winner minus losers» combinando la compra de ganadores y la venta en corto de perdedores.

Conclusiones:

La estrategia de momentum cross-seccional, implementada comprando el 20% de las acciones del S&P 500 con mayor rendimiento del año anterior (excluyendo el último mes) y rebalanceando mensualmente con pesos iguales, demostró una ligera ventaja sobre el rendimiento del índice S&P 500 durante el periodo de backtesting. El video destaca la importancia de la correcta metodología en el backtesting, especialmente en lo que respecta a la prevención del sesgo de supervivencia. Se sugieren posibles extensiones de la estrategia para explorar si se puede mejorar aún más el rendimiento. Es importante recordar que los resultados pasados no garantizan rendimientos futuros y que esta estrategia, como cualquier otra, conlleva riesgos.convert_to_textConvertir en fuente

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Scroll al inicio
Share via
Copy link