Estudo Long & Short: SMAL11 (Long) Vs BOVA11 (Short)
Esse artigo é um estudo científico que foi realizado usando Python para verificar a estratégia de long & short usando os ETFs SMAL11 e BOVA11.
Objetivo: verificar a hipótese de que uma estratégia com posição comprada em SMAL11 contra uma posição vendida em BOVA11, de mesmo valor, gerará retorno diário médio positivo.
Experimento: o modo mais intuitivo de testar essa hipótese é pelo cálculo da distribuição de frequência do retorno diário dessa estratégia.
A distribuição dos retornos aproxima-se de uma normal padrão, com média 0 e desvio padrão 0,01.
Levando em conta apenas este fator, o resultado é desfavorável à hipótese, dado que o retorno esperado é próximo de 0.
Um contra-argumento possível seria o de que a maioria dos retornos próximos ou menores que 0 teriam ocorrido no passado e que os retornos, de um tempo para cá, teriam sido positivos, em média.
Em outras palavras, os parâmetros não seriam consistentes ao longo do tempo. Esse contra-argumento, no entanto, é desfeito pela constatação da estacionariedade dos retornos diários da estratégia.
Rodando um teste de Dickey-Fuller Aumentado, encontra-se os seguintes valores, apresentados na imagem ao lado. Esse teste assume como hipótese nula que a série não é estacionária. O p-value, próximo a zero, rejeita essa hipótese, constatando que a série é estacionária.
Uma segunda possibilidade seria que essa fosse uma estratégia de momentum, funcionando apenas em períodos de bull ou bear market.
Pela mera observação dos gráficos, essa não parece uma hipótese promissora, já que o bear market se estendeu de 2011 até 2016, enquanto no mesmo período houve momentos em que o retorno da estratégia foi extremamente positivo e outros em que foi extremamente negativo.
Uma hipótese mais provável parece ser a de que o retorno da estratégia funciona de forma pró-cíclica antecedente (cerca de 2 anos de antecedência). No entanto, esse é um tema para outro estudo.
Premissas: a distribuição dos retornos diários da estratégia é constante e aproxima-se de uma normal padrão.
Conclusão: não foi possível constatar a existência de retornos diários médios positivos usando como referência dados de 2010 até o momento (23/12/2019).
Bônus
Neste artigo, utilizamos alguns recursos bem simples de python para criamos nossos gráficos, mas você sabia que tem como fazermos muito mais usando programação? Por exemplo, podemos automatizar diversos processos, como por exemplo: busca de preço de ativos ou indicadores fundamentalista do artigo.
O melhor disso tudo é que você não precisa ser cientista da computação ou engenheiro para aprender isso. Nós aqui da VAROS queremos sempre que você aprenda da forma mais eficiente e rápida possível.
Nosso código.py foi criado justamente para que você aprenda programação diretamente aplicado ao mercado financeiro. Você não precisa ter conhecimento algum para começar a estudar com a gente.
Se quiser conhecer o código.py é só entrar no link abaixo que uma nova guia se abrirá com mais informações.
Conheça o código.py
