Perguntas:

• As estratégias CTA são populares, mas muitas vezes não são adequadas para um conjunto menor de mercados, por exemplo, apenas o setor de commodities.
• É possível criar uma estratégia de ML que capture os principais atributos de desempenho das estratégias CTA tradicionais?
• Com o uso da abordagem AiLA para a modelagem de estratégias de negociação.

Abordagem:

• Replicar os sinais CTA de Momentum, Carry e Value para o treinamento de ML, com base na literatura pública [Baz15].
• Construir um modelo de previsão de sinais long/short, conforme descrito na seção de modelagem CTA com ML.
• Comparar o desempenho entre os sinais CTA tradicionais e os sinais de ML, para 29 mercados de commodities normalmente incluídos em índices como o BCOM e o GSCI.

[Baz15] J.Baz et al., Dissecting Investment Strategies in the Cross Section and Time Series (December 4, 2015). Disponível no SSRN:https://ssrn.com/abstract=2695101

• Para uma comparação clara, os sinais CTA e CML (CTA-ML) são produzidos em formato equivalente e aplicados aos mesmos retornos de mercado.
• Uma diferença de desempenho está, portanto, diretamente relacionada aos sinais, e as carteiras são comparadas com o mesmo risco diário.
• Obtém-se uma correlação de 58% do P&L diário entre as carteiras CML e CTA, o que indica uma semelhança substancial com o desempenho das estratégias CTA tradicionais.
• Ao mesmo tempo, a carteira CML indica um desempenho significativamente superior ao das estratégias CTA ao longo do histórico considerado e em base ajustada ao risco.
• Cabe observar que, em média, a CML mantém posições com menos frequência do que as estratégias CTA e que todos os resultados desconsideram os custos de transação, que devem afetar mais os resultados da CML.

(* Os retornos usados baseiam-se no contrato de primeiro vencimento de cada mercado, normalmente rolado algumas semanas antes do vencimento do contrato)

• O papel do timing é estudado com uma máscara que isola os dias em que a CML tem posições diferentes de zero em cada mercado.
• A aplicação da máscara de posições aos sinais CTA indica uma melhora no uso dos sinais CTA nos dias selecionados pela CML.
• O desempenho da CML é decomposto nas contribuições de dias com diferentes tipos de sinal CTA, ou seja, igual ou diferente do sinal CML, ou sinal CTA classificado como zero.
• A maioria dos dias com posição CML pertence à categoria de sinal igual, o que também é indicado pela correlação entre CML e CTA.
• O desempenho da CML nos dias das categorias de sinal CTA igual ou zero indica uma contribuição positiva considerável da CML.
• O desempenho da CML nos dias da categoria de sinal CTA diferente indica que a CML acerta com mais frequência do que o CTA, mas também um desempenho mais fraco quando os sinais divergem.

(* Para a comparação entre os sinais CTA e CML, o sinal CTA líquido de um dado dia é classificado como pertencente a um grupo de sinal comprado, vendido ou zero)

• A metodologia AiLA de modelagem de estratégias de investimento foi usada para criar um modelo de previsão long/short que parece capturar as principais características de desempenho das estratégias CTA tradicionais.
• A estratégia CML (CTA-ML) foi treinada com três sinais CTA (Momentum, Carry e Value) da literatura pública, e o desempenho foi comparado com base em 29 mercados líquidos de commodities, que são os componentes típicos de índices como o BCOM e o GSCI.
• A estratégia CML indica uma sobreposição substancial com o desempenho da estratégia CTA, bem como um retorno ajustado ao risco significativamente maior.
• A decomposição dos resultados sugere que o desempenho excedente da CML decorre tanto do timing dos sinais, no sentido do subconjunto menor de dias em que a CML decide gerar sinais diferentes de zero, quanto da geração de valores de sinal diferentes dos das estratégias CTA.
• Cabe observar que o estudo foi feito sem considerar os custos de transação, que devem afetar os resultados da CML de forma mais negativa do que os resultados CTA tradicionais.