Trading strategies based on estimates of conditional distribution of stock returns

Abstract

Tato práce vytváří novou obchodní strategii. Pomocí kvantilových regresí jsou odhadnuty podmíněné distribuční funkce tržních návratností. Na základě odhadnutých distribucí jsou produkovány signály pro nákup a prodej, které společně s funkcí vah, jež jsou odvozené od exponenciálních klouzavých průměrů, určují množství a čas nákupu a prodeje. Strategie má lepší výkonnost než trh na datech, na kterých byla odhadována, avšak při out-of-sample testování neposkytuje uspokojivé výsledky.

In this thesis, a new trading strategy is proposed. By the help of quantile regression, the conditional distribution functions of stock market returns are estimated. Based on the knowledge of the distribution the strategy produced buying and selling signals which together with a weight function derived from exponential moving averages determines how much and when to buy or sell. The strategy performs better than the market in terms of absolute return and the Sharpe ratio in-sample, but it does not provide satisfactory results out-of-sample.