股票 · 美国 · 差价合约、ETFs、基金、期货 · 每日 · 美国 Free

每日票房收入和股票总收益

登录后收藏

学术论文

Is it Time for Popcorn? Daily Box Office Earnings and Aggregate Stock Returns

作者Seda Oz; Steve Fortin

机构

CAUniversity of Waterloo
?University of Waterloo - School of Accounting and Finance

论文链接https://ssrn.com/abstract=3026910

策略概要

该策略使用CRSP等权重指数或标普500指数，并纳入来自Box Office Mojo的票房收益数据。每日票房收益增长（Changebox）计算为当季平均收益或前一周收益的百分比变化。实际上，Changebox计算为第d天和第d-7天的每日收益之差，除以第d-7天的收益。如果Changebox超过15%，则在第d天结束时做多；否则，做空。这种方法利用娱乐业的表现作为投资者情绪的代理，可能影响股票市场回报。

II. 策略合理性

票房收益是可自由支配消费的有效代理，反映了大量人口的消费习惯，2016年有71%的美国人去过电影院。该数据公开可用，并与GDP增长和可支配收入呈正相关，捕捉的是真实消费变化，而不是借入资金的变化。研究表明，票房收益也与行业投资组合回报呈正相关，排除了行业特定的偏差。然而，票房收益对股票回报的预测能力仅限于4天窗口，因此需要高换手率的投资策略，以利用由可自由支配支出趋势驱动的短期市场波动。

回测表现

索提诺比率-1.486

胜率31%

完整 Python 代码

1from AlgorithmImports import *
2#endregion
3class DailyBoxOfficeEarningsandAggregateStockReturns(QCAlgorithm):
4def Initialize(self):
5self.SetStartDate(2010, 1, 1)
6self.SetCash(100000)
7
8self.symbol = self.AddEquity("SPY", Resolution.Daily).Symbol
9
10# Daily box data indexed by date.
11self.daily_box_data = {}
12
13# Import daily box data.
14# Data source: https://www.boxofficemojo.com/daily/2020/?view=year
15daily_box_string_data = self.Download('data.quantpedia.com/backtesting_data/economic/daily_box_earnings.csv')
16lines = daily_box_string_data.split('\r\n')
17for line in lines[1:]:
18    split_line = line.split(';')
19    date = datetime.strptime(split_line[0], "%Y-%m-%d").date()
20    
21    if split_line[5] == '-':
22        weekly_change = None
23    else:
24        weekly_change = float(split_line[5])
25    
26    self.daily_box_data[date] = weekly_change
27
28def OnData(self, data):
29date_to_lookup = (self.Time - timedelta(days = 1)).date()
30
31if date_to_lookup in self.daily_box_data:
32    weekly_change = self.daily_box_data[date_to_lookup]
33    if weekly_change:
34        if weekly_change > 15:
35            self.SetHoldings(self.symbol, 1)
36        else:
37            self.SetHoldings(self.symbol, -1)
38else:
39    self.Liquidate()