Algorithmic fundamental trading
Algoritmické fundamentové obchodování
diploma thesis (DEFENDED)

View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/77855Identifiers
Study Information System: 161239
Collections
- Kvalifikační práce [18370]
Author
Advisor
Referee
Bubák, Vít
Faculty / Institute
Faculty of Social Sciences
Discipline
Economics
Department
Institute of Economic Studies
Date of defense
23. 6. 2016
Publisher
Univerzita Karlova, Fakulta sociálních vědLanguage
English
Grade
Excellent
Keywords (Czech)
Algoritmické obchodování, Faktorové modely, Fundamenty, Hodnotové investováníKeywords (English)
Algorithmic trading, Factor models, Fundamentals, Value InvestingTato práce si klade za cíl aplikovat metody hodnotového investování do stále se rozvíjejícího pole algoritmického obchodování. V první části zkoumáme, jaký efekt mají vybrané fundamenty na budoucí výnosy z akcií za pomocí fixních efektů a také metody, která porovnává výnosnost portfolií sestavených pomocí velkosti firmy a hodnoty ukazatele účetní ku tržní hodnotě firmy. Výsledky ukazují, že zmíněné proměnné vysvětlují část variace výnosů z akcií, kterou nezachycuje vývoj celého trhu. V druhé části se snažíme aplikovat tyto výsledky do obchodního algoritmu. Za pomocí běžných vyhodnocovacích metod testujeme několik obchodních fundamentových strategií a zjišťujeme, že jednoduchý algoritmus, který vybírá malé firmy s vysokým ukazatelem účetní ku tržní hodnotě, překonává výnos tržního portfolia ve sledovaném období od roku 2009 do roku 2015. Ačkoliv musíme být opatrní s interpretací výsledků, jelikož naše data mají několik omezení, věříme, že je na trhu anomálie, způsobená nejspíše preferencí technických strategií oproti fundamentovým strategiím mezi účastníky trhu.
This thesis aims to apply methods of value investing into developing field of algorithmic trading. Firstly, we investigate the effect of several fundamental variables on stock returns using the fixed effects model and portfolio approach. The results confirm that size and book- to-market ratio explain some variation in stock returns that market alone do not capture. Moreover, we observe a significant positive effect of book-to-market ratio and negative effect of size on future stock returns. Secondly, we try to utilize those variables in a trading algorithm. Using the common performance evaluation tools we test several fundamentally based strategies and discover that investing into small stocks with high book-to-market ratio beats the market in the tested period between 2009 and 2015. Although we have to be careful with conclusions as our dataset has some limitations, we believe that there is a market anomaly in the testing period which may be caused by preference of technical strategies over value investing by market participants.