“该策略在经济公告日（如CPI、PPI、就业数据、FOMC会议）通过差价合约（CFDs）、交易所交易基金（ETFs）或期货建立股票多头头寸，并在非公告日持有现金，以把握事件驱动型投资机会。”
资产类别: 差价合约（CFDs）、交易所交易基金（ETFs）、期货 | 地区: 全球 | 周期:
每日 | 市场: 股票 | 关键词: 公告
I. 策略概要
该策略利用差价合约（CFDs）、交易所交易基金（ETFs）或期货，在关键经济数据发布日（如消费者价格指数（CPI）、生产者价格指数（PPI）、就业数据或联邦公开市场委员会（FOMC）决议）时，在股票市场建立多头头寸。在非公告日，投资者持有现金。该方法旨在利用重大经济事件引发的潜在市场波动，提供对股票市场的定向敞口，同时在信息流较低的时期避免不必要的风险。
II. 策略合理性
学术研究表明，尽管投资者无法在公告日预测具体的新闻内容，但他们预期会有更多影响市场的信息发布。这种不确定性的增加提高了在此期间持有证券的风险。风险厌恶型投资者意识到这种风险的增加，因此要求更高的预期超额回报作为补偿。因此，公告日的股票回报率可预见地更高，因为市场通过定价这一额外的风险溢价来吸引愿意在风险升高期间持有资产的投资者。这一模式凸显了经济公告在影响市场行为和回报预期方面的重要性。
III. 来源论文
投资者对宏观经济风险有多关注？来自预定经济公告的证据 [点击查看论文]
- Savor、Wilson，德保罗大学 – 凯尔施塔特商学院，牛津大学 – 赛德商学院
<摘要>
在预定发布重要宏观经济新闻（如通胀、失业率或利率）的日子里，股票市场的平均回报率和夏普比率显著更高。从1958年到2009年，公告日的平均超额回报为11.4个基点，而其他所有日子的平均超额回报仅为1.1个基点，这表明超过60%的年度累计股票风险溢价是在公告日实现的。夏普比率更是高出十倍。与此相反，公告日的无风险利率明显较低，这与预防性储蓄动机一致。我们的研究结果展示了宏观经济风险与资产回报之间的权衡关系，并提供了投资者为承担这种风险所要求的溢价估计。
IV. 回测表现
| 年化回报 | 7.2% |
| 波动率 | N/A |
| β值 | 0.093 |
| 夏普比率 | N/A |
| 索提诺比率 | -0.104 |
| 最大回撤 | N/A |
| 胜率 | 54% |
V. 完整的 Python 代码
from AlgorithmImports import *
from pandas.tseries.offsets import BDay
#endregion
class ScheduledAnnouncementsAnomaly(QCAlgorithm):
def initialize(self):
self.set_start_date(2000, 1, 1)
self.set_cash(100_000)
self.symbol: Symbol = self.add_equity("SPY", Resolution.MINUTE).symbol
csv_string_file: str = self.download('data.quantpedia.com/backtesting_data/economic/economic_announcements.csv')
dates: List[str] = csv_string_file.split('\r\n')
self.announcement_dates_t_minus_one: List[datetime.date] = [(datetime.strptime(x, "%Y-%m-%d") - BDay(1)).date() for x in dates]
def on_data(self, data: Slice) -> None:
if self.time.hour == 15 and self.time.minute == 44:
if self.time.date() in self.announcement_dates_t_minus_one:
if not self.portfolio[self.symbol].is_long:
self.market_on_close_order(self.symbol, self.calculate_order_quantity(self.symbol, 1.))
else:
if self.portfolio[self.symbol].is_long:
self.market_on_close_order(self.symbol, -self.portfolio[self.symbol].quantity)