¿Cómo contabilizar los movimientos del mercado cuando algunas bolsas están cerradas?

Question

Los datos diarios, como los precios de apertura y cierre, suelen estar disponibles durante períodos mucho más largos que los datos de alta frecuencia. Sin embargo, cuando se realiza un backtesting de cualquier estrategia que examine instrumentos negociados en diferentes zonas horarias y en diferentes bolsas, uno se enfrenta al problema de cómo contabilizar el movimiento del mercado mientras una bolsa estaba abierta y la otra cerrada. En otras palabras, los precios de apertura y cierre registrados por las bolsas y comunicados por la mayoría de los proveedores de datos no coinciden. Por lo tanto, si una noticia importante que mueve el mercado se produce durante el día en EE.UU. pero después de que los mercados asiáticos o europeos hayan cerrado, el impacto de esa noticia se reflejará en los rendimientos del mismo día, pero no se reflejará en los rendimientos de los mercados asiáticos/europeos hasta el día siguiente. En consecuencia, cualquier señal generada simultáneamente a partir de los rendimientos de ambos mercados y/o de los precios de apertura/cierre estará sesgada.

Por ejemplo, supongamos que los mercados estadounidenses suben con fuerza al cierre. En ese caso, los mercados estadounidenses pueden parecer sobrevalorados con respecto a los europeos y asiáticos a juzgar por los precios de los índices al cierre de los Estados Unidos, aunque en realidad estos últimos mercados también se han movido (como indicarían claramente los ETF negociados en las bolsas estadounidenses). Dado que no se ha negociado (todavía) en los mercados no estadounidenses, los precios de los índices no son representativos de los verdaderos precios del mercado.

¿Qué métodos hay que utilizar para conciliar los precios de apertura y cierre para que estén en una escala de tiempo similar? ¿Sería mejor ignorar simplemente la historia mucho más larga que tiene datos diarios pero no datos de alta frecuencia? Si se opta por la interpolación, ¿se deben utilizar los puntos interpolados para calcular también otras estadísticas, como las volatilidades? Supongamos que se trata de una señal de horizonte relativamente corto (que decae en 5-10 días), de modo que no es posible suavizar estas diferencias observando períodos de retorno más largos (por ejemplo, semanales).

Answer 1

La entrada del blog http://www.portfolioprobe.com/2011/11/21/asynchrony-in-market-data/ explica un poco más sobre el problema y también señala un documento que muestra que un modelo de media móvil es la manera de hacer el ajuste que Tal está buscando.

El documento se presenta en el contexto de un modelo garch multivariante. En realidad, esto es gratuito: la estimación de la MA será prácticamente la misma, se tengan o no en cuenta los efectos del garch.

Yo pensaría que obtener una estimación de MA para cada par de mercados sería suficiente (y probablemente mejor) que una estimación para cada par de activos.

Advertencia: el ajuste da una media. Por lo tanto, incluso si la estimación de la MA fuera perfecta, sólo le daría el ajuste en promedio en lugar de (tal vez) unos pocos movimientos grandes y un montón de movimientos básicamente cero. Por lo tanto, creo que debería hacer esto durante un período de tiempo razonablemente largo, si es que lo hace.

Answer 2

Es necesario conocer la zona horaria de cada instrumento. Entonces, para cada instrumento, convierta sus datos de tiempo de local a UTC (o a cualquier otra zona horaria que le sea conveniente).

Sugerencia de aplicación: utilice la base de datos Olson, disponible gratuitamente. Las rutinas de conversión de zonas horarias son fáciles de encontrar para cualquier lenguaje de programación serio.

Answer 3

Probablemente no sea la mejor solución, pero un enfoque alternativo sería mirar los datos semanalmente, por ejemplo, la apertura y el cierre semanales, eliminando así el "sesgo de zona horaria".

--
Aquí hay un gráfico de la variación de los mercados a lo largo de una semana, sólo por diversión...

Answer 4

En el estudiar la hipótesis del paseo aleatorio en los precios de las acciones ( Burns et al. 1998 ) se relajó y se propuso la generalización del modelo de sincronización: los rendimientos no registrados de los mercados anteriores constituyen una fracción de los rendimientos asíncronos del día siguiente.