Quantitative Filtering Techniques Applied to Diversified Portfolio Selection and Practical Implementation of the Sahm Rule

Abstract

A través del diseño de una estrategia de trading algorítmico, este trabajo pretende resolver un problema real de la industria de gestión de activos: ser capaz de seleccionar de manera eficiente una cartera de acciones correctamente diversificada de un gran universo de empresas, y conseguir batir al índice de referencia de manera consistente. Con este objetivo, se ha adoptado un enfoque de backtesting evaluando miles de diferentes combinaciones de parámetros para concluir cuál sería la mejor estrategia de inversión para maximizar una de dos variables objetivo: el retorno total o el ratio de Sharpe. Estas dos posibilidades aseguran que se cubre un amplio rango de perfiles de riesgo de los inversores: aquellos que buscan asumir un mayor riesgo optarán por maximizar el retorno total, mientras que los clientes adversos al riesgo preferirán una estrategia que maximice el ratio de Sharpe. Además, se ha incluido un innovador parámetro macroeconómico: la regla de Sahm. Este factor fue creado por la economista estadounidense Claudia Sahm como un método para predecir periodos de crisis económica y activar automáticamente un conjunto de incentivos monetarios ("Stimulus Checks") con el objetivo de reducir el impacto de la crisis en el consumo. Este factor ha sido adaptado para ser utilizado en la estrategia de inversión como una alerta para vender todas las posiciones existentes y detener las inversiones hasta que haya pasado la recesión, con el fin de evitar tomar riesgos innecesarios y preservar tanto capital como sea posible. Los resultados muestran que la estrategia diseñada es capaz de superar al índice de referencia, el S&P 500. Sin embargo, dado que la estrategia también es capaz de generar retornos positivos durante períodos de crisis, la implementación de la Regla de Sahm reduce el rendimiento de la estrategia.

By designing an algorithmic trading strategy, this paper aims to solve a real problem of the asset management industry: being able to efficiently select a correctly diversified portfolio of stocks from a vast universe of companies consistently beating the benchmark index. To do this, a backtesting approach has been taken by evaluating thousands of different combinations of parameters to conclude what would be the best possible investing strategy for maximizing either one of two target variables: total return or the Sharpe ratio. These two possibilities ensure that a broad range of retail investors’ risk preferences are covered: risk-seeking investors will opt to use the total return strategy while risk-averse clients will likely prefer the more conservative Sharpe ratio option. Moreover, an innovative macroeconomic parameter has been included in the investment strategy, the Sahm Rule. This factor was created by American economist Claudia Sahm as a method to predict periods of economic recession and automatically trigger a set of stimulus checks with the purpose of reducing the impact of the crisis on consumer demand. This factor has been adapted to be used in the investment strategy as an alert to sell all existing positions and stop investing until the recession has passed, in order to avoid taking unnecessary risks and preserve as much capital as possible. Key findings show that the designed strategy is consistently capable of beating the benchmark index, the S&P 500. However, since the strategy is also capable of generating positive returns during recessionary periods, the implementation of the Sahm Rule negatively impacts its performance.