¿Normalizar los datos de la serie temporal del ETF SPY con sus ETFs sectoriales?

Question

Quiero comparar los rendimientos de una estrategia de rotación de sectores entre los distintos SPDR ETFs sectoriales

• XLY,

• XLP,

• XLE,

• XLF,

• XLV,

• XLI,

• XLB,

• XLK,

• XLU

  frente a la rentabilidad de invertir sólo en el ETF SPY overall S&P 500.

Estoy utilizando los datos de precios de los 9 ETFs frente a los datos de precios de los ETFs del SPY y me gustaría normalizar en base a un nocional fijo. Los precios de los ETFs del sector están entre 24,75-81,11. El SPY ETF se sitúa en torno a 200.

¿Cuál es la mejor manera de comparar sus rendimientos?

Las formas que he escuchado son:

a'(i) := [ a(i) - mean( a ) ] / std_dev( a )
a'(i) := [ a(i) - min( a ) ] / [ max ( a ) - min ( a ) ]

También veo una serie de sugerencias en: Cómo normalizar los datos de las existencias pero no estoy seguro de cuál sería el más apropiado para este propósito.

Supongo que también se pueden utilizar las medias móviles. Estoy trabajando con 5 años de datos de precios de cierre diario.

Answer 1

¿Por qué no utilizar simplemente la media geométrica de los rendimientos? Cada vez que compre/venda un ETF, calcule la rentabilidad del periodo de tenencia en forma de porcentaje e introdúzcala en la fórmula. La respuesta es un porcentaje que puede utilizar para calcular la revalorización (o pérdida) aproximada del dinero frente a su "nocional fijo"

Answer 2

Tal vez no entienda lo que quiere decir con "normalizar los datos de las series temporales".

Para comparar las dos estrategias, yo simplemente calcularía el ratio de Sharpe de las dos: manteniendo el SPY frente a la estrategia de rotación. Se trata de una comparación "normalizada" en la que se tiene en cuenta tanto la rentabilidad media como la desviación estándar de la rentabilidad.