Zum Inhalt

Market Timing with Moving Averages: The Anatomy and Performance of Trading Rules

Autor: Valeriy Zakamulin | Jahr: 2017 | Verlag: Springer (Palgrave Macmillan) — New Developments in Quantitative Trading and Investment Series

Kernthesen

  • Moving-Average-Regeln sind keine einfachen Indikatoren, sondern komplexe Filter mit definierbaren mathematischen Eigenschaften — ihre Performance ist direkt aus ihrer Anatomie ableitbar
  • Unterschiedliche MA-Typen (SMA, EMA, WMA, Hull MA etc.) haben verschiedene Frequenzgang-Charakteristiken, die bestimmen welche Marktphasen sie bevorzugen
  • Robuste Backtesting-Methodik — Out-of-Sample-Tests, Bootstrap-Verfahren, transaktionskostenbereinigte Returns — ist zwingend notwendig für realistische Performance-Schätzungen
  • MA-basierte Market-Timing-Regeln übertreffen Buy-and-Hold in Bärenmärkten durch Risikoreduktion, nicht durch höhere absolute Returns
  • Die "Anatomy of Trading Rules": jede Moving-Average-Regel hat ein implizites Gewichtungsschema das ihre Trägheit und Reaktionsgeschwindigkeit bestimmt

Methoden & Konzepte

  • Moving Average Taxonomie: SMA, EMA, WMA, DEMA, TEMA, HMA, ALMA — mathematische Charakteristika
  • Frequenzanalyse: Impulsantwort und Frequenzgang als Analyse-Framework für MA-Filter
  • Market Timing Regeln: Price/MA Crossover; MA/MA Crossover; Momentum-basierte Varianten
  • Robustes Backtesting: Bootstrap, Walk-Forward, Bootstrap Reality Check
  • Transaktionskosten-Analyse: Wie Handelskosten MA-Performance reduzieren
  • Performance-Metriken: Sharpe, Sortino, Maximum Drawdown, Calmar Ratio

Schlüsselzitate

"The anatomy of a trading rule — its mathematical structure — determines its performance characteristics in different market environments."

Bewertung

Für wen: Quantitative Trader und Systementwickler; akademisch orientierte Praktiker; ergänzt klassische MA-Literatur mit rigoroser mathematischer Fundierung
Stärken: Springer-Qualität; mathematisch streng; Backtesting-Methodik vorbildlich; Frequenzanalyse-Ansatz originell und übertragbar
Schwächen: Hochspezialisiert; setzt mathematische Vorkenntnisse voraus; Ergebnisse für US-Aktienmarkt dominiert — Generalisierung unklar