Diese Seite ist in die folgenden Abschnitte unterteilt. Random-Portfolios haben die Macht, Fonds-Management zu revolutionieren Sie könnten denken, dass bedeutet, dass sie esoterisch und komplex sein müssen Sie wäre falsch, die Idee ist sehr einfach. Um zufällige Portfolios benötigen Sie ein Universum von Vermögenswerte und einige Reihe von Zwängen, um auf die Portfolios Ein Satz von zufälligen Portfolios ist ein Beispiel aus der Bevölkerung von Portfolios, die alle Einschränkungen zu befolgen. Figur 1 zeigt die Stichprobe Fläche in Gewichte für ein Spielzeug Problem von drei Vermögenswerte Die Zwänge sind. Kein Gewicht größer als 45.a maximale Volatilität. Volatilitätsbeschränkungen sind nicht-linear und daher ist die Grenze, die dieser Einschränkung entspricht, nicht-linear. Figure 1 Allowable Gewichte gegeben einige constraints. Of Monkeys und Männer und Darts. Die bekannteste Form von Zufällige Portfolios ist die Börse Dartboard Spiel Menschen oder Affen werfen Darts, um ein oder ein paar Vermögenswerte auszuwählen Die Auswahl über Darts wird dann mit einigen professionellen Auswahl verglichen Dies ist fu N, und fast ein toller Ansatz, aber hat zwei Fehler. Das erste Versagen ist, dass wir nur sehen, ob der Profi übertrifft eine zufällige Auswahl Wir don t bekommen zu sehen, welche Fraktion der zufälligen Auswahl der Profi übertrifft Um wirklich informiert wir brauchen Um auf der Reihenfolge von hundert oder mehr zufällige Selektionen zu sehen. Das zweite Versagen ist, dass die Darts nicht irgendwelche Einschränkungen gehorchen. Dies ist fair in einem Zeitungswettbewerb, wo die Experten keine Einschränkungen haben. Aber echte Fonds haben Einschränkungen Vergleich eines Fonds mit Einschränkungen für zufällige Portfolios ohne Einschränkungen bringt den Fonds in einen Nachteil. Performance Measurement. Es gibt zwei Möglichkeiten der Verwendung von zufälligen Portfolios, um Performance-Messung die statische Methode und die Shadowing-Methode Wir werden sehen, warum Performance-Messung über Benchmarks ist minderwertig. Die statische Methode. In der statischen Methode generieren wir eine Reihe von zufälligen Portfolios, die den Einschränkungen zu Beginn des Zeitraums gehorchen, halten diese Portfolios durch Ut die Zeitspanne, und finden ihre Renditen für die Periode Das Perzentil des Fonds ist der Prozentsatz der zufälligen Portfolios mit größeren Renditen Die Konvention in Performance-Messung ist für gut in der Nähe der nullten Perzentile und schlecht in der Nähe der 100. Perzentil zu sein. Abbildung 2 ist ein Beispiel Es zeigt die Verteilung der Renditen der zufälligen Portfolios in blau und die Rückgabe des Fonds in Gold In diesem Fall hat der Fonds nicht sehr gut durchgeführt. Figure 2 Statische Methode der Performance-Messung. Dies ist sehr ähnlich wie Leistung Messung mit Peer-Gruppen In beiden Fällen verwenden wir einen einzigen Zeitraum, und in beiden Fällen vergleichen wir unseren Fonds mit einer Reihe von alternativen Möglichkeiten Es gibt einige signifikante Unterschiede, obwohl wir zwei hervorheben. In Peer-Gruppen sind die Alternativen andere Fonds, die sind Ähnlich dem Fund of Interest Idealerweise werden nur Mittel mit den gleichen Einschränkungen verwendet werden. Auf der anderen Seite wollen wir viele Peers haben, um mehr Präzision zu bekommen. So gibt es opp Osing Kräfte für kleine Peer-Gruppen gegen große Peer-Gruppen Es gibt keine solche Spannung mit zufälligen Portfolios können wir so viele zufällige Portfolios wie wir mögen. Ein ernsteres Problem mit Peer-Gruppen ist, dass wir nicht wissen, was die Ergebnisse bedeuten, dass wir gemeint sind Glaube, dass, wenn unser Fund of Interest besser als alle, aber 10 seiner Peers, dann ist unser Fund s Skill ist etwa auf dem 10. Perzentil unter seinen Kollegen Dies geht davon aus, dass Unterschiede in der Fähigkeit dominieren Unterschiede in Glück Eine solche Annahme ist unwahrscheinlich, dass gerechtfertigt werden In Besonders wenn es der Fall ist, dass kein Fonds Fähigkeiten hat oder alle Fonds gleich genug sind, dann ist unser Fonds bei der 10. Perzentil des Glücks die Maßnahme enthält keine Informationen überhaupt Burns 2007a erweitert dieses Argument Surz 2006, 2009 diskutiert zusätzliche Probleme mit Peer-Gruppen. Die Shadowing-Methode. Die statische Methode für zufällige Portfolios ist informativer als Peer-Gruppen Aber es ist immer noch ziemlich generische Informationen. Performance ist an der Wurzel über Entscheidungen Die Idee von Die Shadowing-Methode ist es, zufällige Trades zu verwenden, um die Entscheidungen zu imitieren, die der Fonds annimmt. Dies kann uns ein viel klareres Bild von dem Wert des Entscheidungsprozesses geben. Ein Beispiel wird in der Performance-Messanwendungsseite diskutiert. Ein Fonds wird gegen eine Benchmark beurteilt Vergleich einer Reihe von Renditen aus dem Fonds mit den entsprechenden Renditen für die Benchmark Diese Methode hat ein paar Probleme Die wichtigste ist die Zeit, die es braucht, um zu entscheiden, dass ein guter Fonds ist wirklich besser als die Benchmark wird es wahrscheinlich Jahrzehnte dauern. Die Macht der Diese Tests in der idealen Einstellung ist in Burns 2007a gegeben einige Jahre sind erforderlich, um vernünftige Macht auch für außergewöhnliche Geschick zu bekommen Aber die Realität ist viel schlimmer als das Ideal, weil die Schwierigkeit, einen Benchmark zu schlagen ist nicht konstant Wenn die am stärksten gewichteten Vermögenswerte in der Benchmark passieren sich relativ gut, dann wird es schwer sein, die Benchmark zu schlagen Umgekehrt, wenn die am stärksten gewichteten Vermögenswerte relativ schlecht verlaufen, dann ist es wi Ich werde einfach sein, den Benchmark zu schlagen Kothari und Warner 2001 diskutieren dies. Figure 3 zeigt den Prozentsatz der Fonds, die die SP 500 als ihre Benchmark haben, die die Benchmark in jedem Jahr übertroffen hat, siehe Besonderheiten in Performance Measurement über zufällige Portfolios Um zu glauben Dass der Vergleich aussagekräftig ist, müssen wir denken, dass die Fondsmanager als Gruppe seit Jahren arm waren, wurde plötzlich für drei Jahre gut und ging dann zurück zu arm. Figure 3 Prozent der SP 500 Benchmarked Fonds übertreffen bis zum Jahr. Burns 2007b Diskutiert Performance-Messung in der etwas anderen Einstellung der Prüfung der Empfehlungen der Marktkommentatoren. Testing Trading Strategies. Fund Manager und potenzielle Fondsmanager stehen vor einer Reihe von Problemen bei der Entscheidung über eine Handelsstrategie Hier untersuchen wir zwei. Essentiell gibt es das Problem, falsch zu sein , Und das Problem, richtig zu sein. Data Snooping macht die Strategien besser aussehen als sie wirklich sind Um zu sehen, warum, nehmen Sie an, dass Sie 1000 versucht haben Trading-Strategien, die völlig zufällig waren Diejenige, die am besten aussehen könnte gut aussehen Hoffentlich ein Investment-Manager wird nicht versuchen, völlig zufällige Strategien, aber Auswahl Bias wird noch existieren. Wenn ähnliche Modelle in mehreren Unternehmen verwendet werden, um eine Menge zu verwalten Geld, dann ein Fondsmanager mit diesen Modellen unterliegt dramatischen Bewegungen auf dem Markt Dies wurde offensichtlich, eine Menge Leute im August 2007 Ohne eine Krise ist es schwer zu sagen, dass dies geschieht. Random Portfolios können mit dem ersten Problem helfen, Und evtl. mit dem zweiten. Trading-Strategien können mit der oben beschriebenen Shadowing-Methode getestet werden Es gibt einen entscheidenden Unterschied zwischen Performance-Messung und Testen einer Handelsstrategie Beim Testen einer Trading-Strategie wollen wir den Shadowing-Prozess mehrmals mit unterschiedlichen Startportfolios durchführen. Dieser Testprozess reduziert die Wirkung von Daten Snooping, weil es eine viel strengere Definition einer erfolgreichen Strategie Die f Und Manager ist immer noch anfällig für Veränderungen im Marktverhalten, aber viel weniger anfällig für falsche Interpretationen der historischen Periode. Testing mit zufälligen Portfolios können in der Lage sein, Herden zu reduzieren, weil die Technologie macht es möglich, mehr ephemeren Signale abholen. Rational Investment. Current Praxis ist weniger als rational für. tracking Fehler constraints. performance Gebühren. constraint bounds. Tracking Error Constraints. Many Mandate geben dem Investment Manager eine Benchmark und eine maximale Tracking-Fehler aus der Benchmark Dies ist in mehrfacher Hinsicht verschwenderisch. In praktisch allen Fällen der Investor Kann einen Indexfonds für die Benchmark mit sehr niedrigen Managementgebühren kaufen. Was ist der Vorteil, einen aktiven Manager einzustellen, um einen Fonds zu führen, der mit dem Indexfonds sehr korreliert ist. Wenn der Manager die Benchmark nicht mehr als die zusätzlichen Verwaltungsgebühren übertrifft , Dann gibt es offensichtlich keinen Vorteil überhaupt Wenn der Manager hat die Fähigkeit, konsequent schlagen die Benchmark, dann diese Fähigkeit Könnte viel besser genutzt werden Ein qualifizierter Fondsmanager sollte im Allgemeinen in der Lage sein, höhere Renditen zu erzielen, wenn die Tracking-Fehler-Einschränkung fallengelassen wird. Wenn der Investor Geld im Index hat, wird die höhere Rendite des unbeschränkten Managers wertvoller sein Auch alles andere ist gleich, es ist besser für den aktiven Fonds eine niedrige Korrelation mit dem Index haben Dies erweist sich als das gleiche wie ein großer Tracking-Fehler Das heißt, die rationale Sache wäre, eine minimale Tracking-Fehler-Einschränkung eher zu verhängen Als eine maximale Tracking-Fehler-Einschränkung. Der Grund gibt es maximale Tracking-Fehler-Einschränkungen ist, um die Illusion haben, dass wir sehen können, ob der Fondsmanager ist übertreffen oder nicht Wir können nicht wirklich sagen, indem Sie Benchmarks, aber wir können mit zufälligen Portfolios zu erzählen Auch wenn es keine Verfolgungsfehler-Einschränkung gibt. Zufällige Portfolios arbeiten gleichermaßen gut für die Leistungsmessung, egal welcher Tracking-Fehler dort ist. Performance Gebühren. Wenn Sie eine Performance-Gebühr haben, ist es n Ot eine gute Idee, um es relativ zu einer Benchmark haben Wie Abbildung 3 impliziert, ist das meist eine Wette zwischen dem Fondsmanager und dem Investor, ob große Caps übertreffen Skill wird sehr wenig damit zu tun haben. Ein vernünftigeres Ziel wäre Die mittlere Rückkehr eines Satzes von zufälligen Portfolios, die den Einschränkungen des Fonds gehorchen. Konstraint Effekte. Wir können zufällige Portfolios verwenden, um rational zu entscheiden, was die Einschränkungsgrenzen sein sollten Einschränkungen sind gewöhnlich auferlegt ohne Sinn für das, was gewonnen und verloren wird 4 zeigt eine beispielhafte Analyse von Einschränkungen Die Dichten der realisierten Nutzen über die Zeit sind für eine bestimmte Menge von Einschränkungen Gold und für diese Einschränkungen plus eine Volatilität Einschränkung blau gezeigt Während der normalen Marktzeiten werden wir ziemlich gleichgültig gegenüber der Volatilität Einschränkung Allerdings, während der Schlechte Marktbedingungen von 2008 die Volatilität Einschränkung war sehr wertvoll. Figure 4 Auswirkungen der Zwänge in 2007-2008.Zusatzliche Verwendung von Random Portfolios. Eine Reihe von Zusätzliche Verwendungen von zufälligen Portfolios wurden vorgeschlagen und es gibt sicherlich eine große Anzahl von Anwendungen, die noch zu entdecken sind Hier diskutieren wir ein paar zusätzliche Verwendungen. Sprechen Risikomodelle. Random Portfolios bieten ein Mittel zur Erzeugung von realistischen Portfolios, die durch Risikomodelle in gesetzt werden können Um zu sehen, wie sie laufen können Risikomodelle können miteinander verglichen werden, oder einzelne Modelle können auf schwache Punkte getestet werden. Abbildung 5 zeigt ein Beispiel für den Vergleich eines Risikomodells s Vorhersage der Volatilität auf die realisierte Volatilität für rund 120 20 Portfolios Die Korrelation Zwischen vorhergesagter und realisierter Volatilität über eine große Anzahl von zufälligen Portfolios wurde berechnet. Figur 5 Korrelation der vorhergesagten und realisierten Volatilität. General quant tool. Random Portfolios können in so ziemlich alle quantitativen Übungen mit Portfolios verwendet werden Eine Liste von einigen der Verwendungen ist in Die quant research-anwendungen-Seite. Die Idee der zufälligen Portfolios ist nicht neu, eine frühzeitige Verwendung war Programm ausgewählt Portfolios von D Ean LeBaron und Kollegen bei Batterymarch Financial Management in den 1970er Jahren Eine noch frühere Verwendung ist in einer amerikanischen Statistical Association Rede von James Lorie im Jahr 1965 beschrieben jede Rede, die mit Mark Twain beginnt und endet in St. Tropez kann nicht alle schlecht sein Zufällige Portfolios dehnten die Berechnungsfähigkeit aus. Die rechnerische Geschwindigkeit ist nicht mehr ein ernstes Problem mit der geeigneten Technologie. Einige technische Punkte. Die statistischen Bootstrap - und Random-Permutationstests sind Techniken, die die Datenanalyse in den letzten paar Jahrzehnten radikal verändert haben. Je nachdem, wie zufällige Portfolios verwendet werden , Sind sie im Allgemeinen äquivalent zu einer dieser Techniken. Die Verwendung von zufälligen Portfolios, um Performance-Messung zu tun ist analog zu einem zufälligen Permutationstest Die Untersuchung der Wirkung von Constraint-Grenzen, wie in Abbildung 5, ist ähnlich wie die Bootstrap kann Verwendet werden. Die einzige wirkliche Unterschied ist, dass, wegen der Einschränkungen, zufällige Portfolios sind schwerer zu berechnen. Senior Berater veröffentlichte einige Zeugnisse über PIPODs Während dies speziell für eine Implementierung ist, gelten die meisten Kommentare für zufällige Portfolios im Allgemeinen. Even naiv generieren zufällige Portfolios können nützlich sein Beispiele hierfür sind Mikkelsen 2001 Kritzman und Page 2003 und Asso, L Her und Plante 2004 Kothari und Warner 2001 zeigen, dass das Benchmarking gegen einen Index problematisch ist und ihre Technik zufällige Portfolios beinhaltet. Die folgenden Produkte wurden unabhängig voneinander erstellt und nur Portfolio-Sonde ist mit Burns Statistics assoziiert. Portfolio Probe von Burns Statistics Dies hat eine breite Bereich der Einschränkungen, einschließlich der sehr wichtigen der Begrenzung der Volatilität der Portfolios. PODs und PIPODs von PPCA Inc. Asso, Kodjovi, Jean-Franois L Her und Jean-Franois Plante 2004 Ist es wirklich eine Hierarchie in Investment Choice. Bridgeland, Sally 2001 Prozessattribution ein neuer Weg zur Messung der Fertigkeiten im Portfolio-Bau Journal of Asset Management. Burns, Patric K 2006 Portfolioanalyse mit zufälligen Portfolios pdf von annotierten Präsentationsfolien. Burns, P 2006 Random Portfolios für Performance Measurement in Optimierung, Ökonometrie und Finanzanalyse E Kontoghiorghes und C Gatu, Redakteure Springer. Burns, P 2007a Bullseye Professional Investor März Ausgabe Ein sehr ähnliches Version ist als Dart für das Herz verfügbar. Carl, Peter und Brian Peterson und Kris Boudt 2010 Business Ziele und komplexe Portfolio-Optimierung R Finanzen Tutorial. Daniel, GD Sornette und P Wohrmann 2008 Look-Ahead Benchmark Bias in Portfolio Performance Evaluation Arbeitspapier bei SSRN. Dawson, Richard und Richard Young 2003 Fast einheitlich verteilte, stochastisch generierte Portfolios in Advances im Portfolio-Bau und Implementierung von Stephen Satchell und Alan Scowcroft Butterworth-Heinemann. Elton, EJMJ Gruber, SJ Brown und WN Goetzmann 2003 Moderne Portfolio Theorie und Investition Analyse, Sechste Ausgabe Kapitel 24, Evaluation von Portfolio Perfor Mance. Kothari, SP und Jerold Warner 2001 Evaluierung des Investmentfonds Performance Journal of Finance Arbeitspapier bei SSRN. Kritzman, Mark und Sbastien Page 2003 Die Hierarchie der Investment Choice Journal des Portfoliomanagements 29 Nummer 4, Seiten 11-23.Lisi, Francesco 2011 Dicing mit dem Markt Randomisierte Verfahren für die Bewertung der gegenseitigen Fonds Quantitative Finanzen 11 Nummer 2, Seiten 163-172 Universität Padova Working Paper. Mikkelsen, Hans 2001 Die Beziehung zwischen erwarteter Rückgabe und Beta Ein zufälliger Resampling Ansatz SSRN Papiere. Shaw, William 2010 Monte Carlo Portfolio-Optimierung für General Investor Risk-Return-Ziele und willkürliche Rendite-Verteilungen Eine Lösung für Long-Only-Portfolios SSRN version. Simon, Thibaut 2010 Eine empirische Studie von Aktienportfolios auf der Basis von Diversifikation und innovativen Risikomaßnahmen Masters thesis. Stein, Roberto 2012 Nicht von Randomness getäuscht, mit Random Portfolios zu analysieren Investment Funds SSRN version. Surz, Ron 1994 Portfolio Opportunity Di Stumpfveranstaltungen Eine Innovation in der Leistungsbewertung Journal of Investing. Surz, Ron 1996 Portfolio Opportunity Distributionen Eine Lösung für die Probleme mit Benchmarks und Peer Groups Journal of Performance Measurement. Surz, Ron 1997 Global Performance Evaluation und Equity Style Einführung von Portfolio Opportunity Distributionen in Handbook of Equity Style Management Frank Fabozzi Associates. Surz, Ron 2004 Hedge Fonds haben Alpha ist eine Hypothese wert Testing Albourne Village Bibliothek. Surz, Ron 2005 Testen der Hypothese Hedge Fonds Performance ist gut Journal of Wealth Management Frühjahr Ausgabe. Surz, Ron 2006 Ein frischer Blick auf Investition Performance Evaluation Vereinheitlichung Best Practice zur Verbesserung der Aktualität und Zuverlässigkeit Journal of Portfolio Management Sommer Ausgabe. Surz, Ron 2007 Genaue Benchmarking ist weg, aber nicht vergessen Die Imperative Notwendigkeit, wieder zu den Grundlagen Journal of Performance Measurement Vol 11 No 3, Spring, pp 34 -43.Surz, Ron 2009 Ein Handicap der Anlageleistung Horsera Ce Veröffentlicht als Handicap in der Anlage Performance Horserace in Berater Perspektiven 2009 April 28.Surz, Ron 2010 Die neue Trust aber Überprüfen Investment und Wealth Management SSRN version. Random Portfolios für die Bewertung von Trading-Strategien. Random-Portfolios können einen statistischen Test, dass eine Handelsstrategie Führt besser als Zufall aus Jeder Lauf der Strategie wird mit einer Anzahl von passenden zufälligen Läufen verglichen, die bekanntermaßen null Geschick haben. Wichtig ist, dass diese Art von Backtest Zeiträume zeigt, in denen die Strategie funktioniert und wann es nicht möglich ist, Portfolios zu überwachen Auf diese Weise können auch informierte Entscheidungen - wie zB Wechsel der Hebelwirkung - in Echtzeit erfolgen. Möchten Sie den Rest dieses Artikels lesen. Zeigen Sie abstrakt Ausblenden ABSTRACT Random Portfolios Portfolios, die Einschränkungen befolgen, aber ignorieren Dienstprogramm gezeigt werden, um Investitionsfähigkeit effektiv zu messen Probleme werden in Bezug auf Leistungsmessung mit Informationsverhältnissen im Vergleich zu einer Benchmark hervorgehoben Zufällige Portfolios können auch die Grundlage für Investitionsmandate Investment-Mandate dies ermöglicht aktive Fonds Managern mehr Freiheit, ihre Ideen umzusetzen und bietet dem Investor mehr Flexibilität, um Nutzen zu gewinnen Die Berechnung von zufälligen Portfolios Zufällige Portfolios werden kurz diskutiert. Kapitel Jan 2007 Journal of Derivatives Hedge Funds. Patrick Burns. Zeigen Sie abstrakt Ausblenden ABSTRAKT Pairs Handel ist eine beliebte Handelsstrategie, die versucht, die Vorteile der Marktinfizienten zu nutzen, um Gewinn zu erzielen. Die Idee ist einfach, zwei Aktien zu finden, die sich zusammen bewegen und lange kurze Positionen einnehmen, wenn sie abnormal abweichen, in der Hoffnung, dass die Preise werden In der Zukunft konvergieren Aus der akademischen Sicht der schwachen Marktwirkungs-Theorie sollten die Trading-Strategie der Paare keine positive Performance aufweisen, da der tatsächliche Kurs einer Aktie die bisherigen Handelsdaten, einschließlich der historischen Kurse, widerspiegelt Frage, macht Paare Trading-Strategie präsentiert positive Leistung für den brasilianischen Markt Das Hauptziel dieser Forschung ist es, die Leistung und das Risiko von Paaren Handel auf dem brasilianischen Finanzmarkt für verschiedene Frequenzen der Datenbank, tägliche, wöchentliche und monatliche Preise für die gleiche zu überprüfen Zeitraum Die wichtigste Schlussfolgerung dieser Simulation ist, dass Paare Trading-Strategie war ein profitables und ma Rket neutrale Strategie auf dem brasilianischen Markt Diese Profitabilität war konsistent über eine Region der Strategie s Parameter Die besten Ergebnisse wurden für die höchste Frequenz täglich gefunden, was ein intuitives Ergebnis ist. Artikel Jan 2008.Marcelo Scherer Perlin. Zeigen Sie abstrakt Ausblenden ABSTRAKT Der Zweck dieser Aufgabe ist es zu untersuchen, ob die technische Analyse kann oder nicht hinzufügen Wert für Investitionsentscheidungen Durch die Entwicklung von Konfidenzintervallen, konstruiert mit der Technik der Bootstrap Probe Schlussfolgerung, und im Einklang mit der Null-Hypothese des Marktes Effizienz in seiner schwachen Form, testeten wir 4 technische Systeme des Handels Spezieller erhielten wir die Ergebnisse jedes Systems, das auf die ursprüngliche Reihe der Vermögenswerte angewendet wurde. Dann verglichen wir diese Ergebnisse mit dem Durchschnitt der Ergebnisse, die erhalten wurden, wenn die gleichen Systeme angewendet wurden 1000 simulierte Serien nach einem zufälligen Spaziergang von jedem Asset Wenn die Märkte in ihrer schwachen Form effizient sind, gäbe es keinen Grund, dass die Ergebnisse der Originalreihe größer sind als die der simulierten Serie. Die hier gefundenen empirischen Ergebnisse deuten darauf hin Die getesteten Systeme waren nicht in der Lage, die Zukunft mit nur vergangenen Daten zu antizipieren. Allerdings haben einige von ihnen erhebliche Renditen erzeugt. Ful L-Text Artikel Juni 2010 Journal of Derivatives Hedge FondsDaniel Guedine Serafine Pedro Luiz Valls Pereira. Random Portfolios für die Bewertung von Trading-Strategien. Date Geschrieben 13. Januar 2006.Random-Portfolios können einen statistischen Test, dass eine Handelsstrategie besser als Chance jeder Der Ablauf der Strategie wird mit einer Reihe von passenden zufälligen Läufen verglichen, die bekanntermaßen null Geschick haben. Wichtig ist, dass diese Art von Backtest Zeiträume zeigt, in denen die Strategie funktioniert und wann es keine Live-Portfolios auf diese Weise überwacht werden kann Ermöglicht es, informierte Entscheidungen - wie etwa Änderungen der Hebelwirkung - in Echtzeit zu machen. Keywords Investment Skill, MACD, Performance-Messung. Suggested Citation Vorgeschlagene Citation. Burns, Patrick, Random Portfolios für die Bewertung von Handelsstrategien 13. Januar 2006 Erhältlich bei SSRN oder. Burns Statistik E-Mail.
Comments
Post a Comment