Herkkyysanalyysi robert lichello -automaattisen sijoitushallinnan (tavoite) järjestelmästä

Jos otat aikaa tarkastella hieman tarkemmin Robert Lichellon 1970-luvun lopulla kehittämää automaattisen sijoituksen hallinnan (AIM) algoritmia, esiin tulee joitain ilmeisiä kysymyksiä. Onko esimerkiksi parempi tarkastella salkun arvoa useammin kuin kuukausittain? Mitä tapahtuisi, jos alkuperäinen pääomasijoitus olisi enemmän tai vähemmän kuin 50% koko sijoituksestasi? Nousisiko tai laskisiko tuottoprosentti, jos valitset osakkeen / rahaston / ETF: n, jolla on korkea (tai matala) hintavaihtelu?

Tässä artikkelissa käsitellään hyvin järjestelmällisesti näitä erityiskysymyksiä. Toinen artikkeliKirjoitin selittää AIM-algoritmin yli 10 vuoden takatestituloksilla, ja toinen selittää, kuinka AIM-järjestelmää voidaan käyttää monen ETF-portfolion kanssa.

Herkkyysanalyysi ja takatestaus

Takatestiharjoitusta varten tutkimme AIM-algoritmin suorituskykyä käyttäen yhtä ETF: ää (ticker SPY) tietyn ajanjakson ajan aiemmin syötemuuttujien ollessa asetettuina eikä niiden sallittu vaihdella.

Herkkyysanalyysi käyttää jälkitestauksen käsitettä ymmärtääkseen, kuinka AIM-algoritmin tuotokset muuttuvat, kun tiettyjä tulomuuttujia muutetaan järjestelmällisesti. Toisin sanoen kuinka "herkkä" on AIM-algoritmin ulostulo, kun syötemuuttujien annetaan muuttua.

AIM-algoritmin herkkyysanalyysin suorittamiseksi meidän on ensin valittava syöttömuuttujat ja mitä aluetta niiden sallitaan muuttaa. Seuraavaksi meidän on valittava lähtömuuttujat ja määritettävä sitten jälkitestauksen aikataulu. Tässä vaiheessa olemme valmiita suorittamaan jälkitestit jokaiselle tulomuuttuja-asetusten yhdistelmälle samalla kun keräämme jokaisen jälkitestin tuloksen. Lopuksi tiivistämme tulokset ja teemme johtopäätöksemme.

AIM-tulomuuttujien valitseminen

Tätä analyysiä varten valitsemme AIM-algoritmin kolme syöttömuuttujaa: Arviointitiheys, prosenttiosuus alkuperäisestä osakesijoituksesta ja erityyppiset osakesijoitukset.

Arvioinnin tiheys

Herra Lichello ehdotti osakekurssin tarkastelua kuukausittain. Säilytämme tämän käsityksen herkkyysanalyysissämme ja tarkastelemme myös päätösten tekemistä viikoittain. Todella aktiivisen kauppiaan kannalta näemme myös, kuinka algoritmi reagoi päätöksentekoon päivittäin.

% Oman pääoman ehtoinen sijoitus

Herra Lichello ehdotti ensin 50–50 prosentin jakamista oman pääoman ja käteisen välillä. Kirjansa myöhemmissä painoksissa hän ehdotti kuitenkin jopa 80–20 prosentin omavaraisuusastetta. Säilytämme nämä molemmat käsitteet herkkyysanalyysissämme ja tutkimme myös tilaa alle 50–50%. Asetuksemme alkavat 30%: n omasta pääomasta ja kasvavat 10%: n välein, kunnes pääoma on 80%.

Oman pääomasijoituksen tyyppi

State Street Global Advisors myy ETF: itä, jotka jakavat S&P 500: n 9 sektoriin (kuluttajien harkinnanvaraiset, kuluttajapakkaukset, energia, rahoitus, terveydenhuolto, teollisuus, materiaalit, tekniikka ja apuohjelmat). Niitä kutsutaan Select Sector SPDR:eiksi. Tässä analyysissä etsimme kahta sektorin ETF: ää S & P-talletustodistuksen ETF-tunnuksen lisäksi, ticker SPY. Käytämme ETF: ää, jolla on korkeampi hintavaihtelu kuin SPY: llä, ja sellaista, jonka volatiliteetti on alhaisempi kuin SPY. Volatiliteetin mittaamiseen käytämme osakkeen beetaa. Käyttämällä Morningstarin 3 vuoden beeta-estimaattia havaitsemme, että eniten volatiliteettia oleva ETF (beeta 1,24) on energiavarasto, osake XLE. Sektorikanta, jolla on pienin beeta 0,18, on Utility ETF, tunniste XLU. Joten käytämme SPY: tä beetalla 1,00, XLU: lla beetaa 0,18 ja XLE: llä beetaa 1,24.

Kaikki nämä tulomuuttujat ja asetukset on esitetty yhteenvetona taulukossa nimeltä Tulomuuttujat ja asetukset.

Syöttömuuttujat ja asetukset

Vaihteleva	Asetus 1	Asetus 2	Asetus 3	Asetus 4	Asetus 5	Asetus 6
Arviointitiheys	Päivittäin	Viikoittain	Kuukausittain
% Alkusijoitus	30%	40%	50%	60%	70%	80%
ETF / beeta	XLU / 0,18	VAKO / 1.00	XLE / 1.24

Tulosmuuttujien ja aikataulun valinta

Tuotosmuuttujien osalta tarvitsemme kyvyn mitata tarkasti sijoitustoimintaa jokaisessa jälkitestissä. Mittaus, jota käytämme, on vuotuinen tuottoaste, jota kutsutaan myös sisäiseksi tuotoksi. Onneksi Microsoft Excel ™: ssä on sisäänrakennettu toiminto (XIRR), jota käytämme laskutoimituksen yhtenäistämiseen. Lisäksi keräämme lopullisen salkun arvon, mahdolliset käteisvajeet ja kauppojen kokonaismäärän.

Historiallisten hintatietojen aikataulu on 22.12.1998 - 31.7.2013, hieman yli 14,5 vuotta. Historialliset hinta- ja osinkotiedot ovat peräisin Yahoo! rahoitussivusto.

Yhteenvetona voidaan todeta, että asetetaan kaikki tämän testin suorittamat takatestitapaukset. Muuttujia ja asetuksia on 54 erillistä yhdistelmää, joita muutamme samanaikaisesti. Kaikki 54 testitapausta näytetään graafisessa muodossa, katso kuva Testitapaukset.

Jokainen testitapaus edustaa yhtä takatestiä, esimerkiksi yksi testitapaus on asettaa AIM-algoritmi 30 prosentin osakesijoitukseksi, asettaa arviointitiheys päivittäiseksi ja käyttää historiallisia hintatietoja XLU-Utility ETF: ssä. Suorita tiedot AIM-algoritmin kautta, laske sisäinen tuottoprosentti, kerää salkun lopullinen arvo, kaikki käteisvaje ja kauppojen kokonaismäärä.

Testitapaukset

Oletukset AIM: n testaamiseksi

Oletukset on aina dokumentoitava, kun teet empiiristä analyysia, tässä on luettelo tälle analyysille:

1. Alkuinvestointien kokonaissumma on 10000 dollaria.
2. Alkuperäinen osto on avoinna 22.12.1998.
3. AIM-päätökset perustuvat osakkeen päätöskurssiin kuukauden viimeisenä kaupankäyntipäivänä kuukausittaisen arviointitiheyden perusteella, viikon viimeisen kaupankäyntipäivän viikoittaisen arviointitiheyden mukaan tai kyseisen päivän päätöskurssiin päivittäisen arviointitiheyden osalta.
4. Osto- tai myyntihinta on osakkeen avoin hinta seuraavana kaupankäyntipäivänä AIM-päätöksen jälkeen.
5. Osto- tai myyntitilaukset laukaistaan ​​vain, jos AIM-markkinatilaus on +/- 5% salkun nykyisestä oman pääoman arvosta.
6. Käteisvajeet rahoitetaan ja kassatili asetetaan nollaksi, kunnes myyntitilaus toteutetaan.
7. Osakekaupan palkkiota ei oteta huomioon, mutta voimme arvioida yleiset palkkiokustannukset käyttämällä kauppojen kokonaismäärää.
8. Käteisvarannon tuottoprosentti on 0,5% huhtikuu.
9. Osinko sijoitetaan uudelleen lisäosakkeisiin.

Testaustulokset

Taustatestitulokset -taulukossa on esitetty kaikkien 54 takatestien tulokset. Käytimme regressioanalyysia määrittääkseen, millä kolmesta syötemuuttujasta on merkittävin vaikutus tuottoprosenttiin, ja tulokset ovat:

• ETF-tyyppi: Merkittävin
• Alkuperäinen pääomasijoitus: merkittävä
• Arvioinnin tiheys: merkityksetön

Itse asiassa kaksi merkittävää muuttujaa, ETF-tyyppi ja alkuperäinen oman pääoman sijoitus%, muodostavat 94% vaihtelusta, jonka näemme tuottoprosentissa (tilastollisesti ajattelevien oikaistu r-neliöarvo on 0,937)

Testaustulokset

Huomaa, että SPY: hen ja XLU: han sijoittamisen yhteydessä havaittiin merkittävä kassavaje, joka tapahtui kaikilla arviointitiheyksillä ja alkuperäisten osakesijoitusten ollessa vain 50%. XLE-sijoituksiin ei kuitenkaan liittynyt käteisvajetta arviointitiheydestä tai alkuperäisen oman pääoman prosenttiosuudesta huolimatta.

Ymmärtääksemme miksi käteisvajetta ei ollut XLE: hen sijoittamisen yhteydessä, meidän on purettava härkämarkkinat vuoden 2002 puolivälistä vuoden 2007 lopun huipulle. Vuosina 23.7.2002 - 26.12.2007 XLE hinta vaihteli 19,80 dollarista 80,55 dollariin 306,8%: n nousulla. AIM antaisi useita myyntisignaaleja tuon nousun aikana, rakentaen kassavaroja ostomahdollisuuksien seuraamiseksi väistämättömällä markkinoiden laskulla. SPY ja XLU kokivat samanlaisen härkäajon vuoden 2002 lopusta vuoden 2007 loppupuolelle, mutta kasvu ei ollut yhtä dramaattista. XLU kasvoi 191,4% ja SPY kasvoi 100,4%. Joten, koska XLE on korkeampi beetakanta, se johti korkeampaan hinnankorotukseen, jolloin AIM pystyi saamaan enemmän voittoja. Tämä johti kassaan riittävästi käteistä useiden ostosignaalien hyödyntämiseen markkinoiden jyrkässä laskussa vuoden 2008 lopusta vuoden 2009 puoliväliin.

Näemme myös, että kauppojen määrä kasvaa arviointitiheyden kasvaessa ja ETF-beetan kasvaessa. Intuitiivisesti sillä on järkeä, koska odotamme enemmän kaupankäyntimahdollisuuksia, jos tarkistamme salkkuarvoamme useammin tai jos ETF: n hinta heilahtaa voimakkaammin.

Kun tarkastellaan kaaviota nimeltä Sijoitustyypin vaikutukset, näemme, että energian ETF-tunnuksella XLE oli merkittävin vaikutus tuottoprosenttiin keskimäärin 11% ja vaihteluvälillä 7,1% - 14,5%.

Sijoitustyypin vaikutukset

Katsotaan nyt kaaviota, jonka otsikko on Alkuperäisen osakesijoituksen vaikutukset. Näemme, että keskimääräinen tuottoprosentti nousee lineaarisesti 5,3 prosentista 30 prosentin alkuperäisen oman pääomasijoituksen avulla aina 11 prosenttiin 80 prosentin alkuperäisen oman pääomasijoituksen kanssa. Huomaa, että havaitsemamme alhaisin tuottoprosentti oli 3,8% ja korkein 14,5%.

Alkuperäisen oman pääoman sijoituksen vaikutukset

Lopuksi tarkastelemalla kaaviota nimeltä Arviointitiheyden vaikutukset, näemme, että keskimääräinen tuottoprosentti ei muutu kovin paljon päivittäisistä arvioista kuukausittain. Itse asiassa päivittäisten ja kuukausittaisten arviointien välillä oli vain pieni ero keskimääräisessä 0,6 prosentin tuottoprosentissa.

Arviointitiheyden vaikutukset

Koska arviointitiheys mitataan ajassa, voimme tarkastella sitä eri näkökulmasta. Voimme laskea takaisinmaksun dollarissa tunnissa seuraavan osto- / myyntitapahtuman arvioimiseksi kuluneesta ajasta. Tätä varten meidän on arvioitava lopullisen salkun arvon keskimääräinen kasvu useammissa arvioinneissa ja arvioihin käytettyjen tuntien kokonaismäärä.

Esimerkiksi, jos vietämme 5 minuuttia joka kerta, kun päivitämme AIM-algoritmin, olisimme tämän tutkimuksen 14,7 vuoden aikana käyttäneet 14,7 tuntia kuukausittaiseen arviointiin, 63,7 tuntia viikoittain ja 318,5 tuntia päivässä. Tarkasteltaessa kaaviota nimeltä Arviointitaajuuden vaikutukset salkun lopulliseen arvoon näemme, että keskimääräinen lopullinen salkun arvo oli 21 445 dollaria kuukausittaisten arviointien, 23 772 dollaria viikoittain ja 25 044 dollaria päivittäin.

Näiden tietojen perusteella takaisinmaksun lisäys arvioinnista kuukausittain viikoittain lasketaan seuraavasti:

(salkun lopullisen arvon kasvu) / (lisäaika arviointia varten) =

(23772 - 21445) / (63,7 - 14,7) = 2370 dollaria / 49 = 47,49 dollaria tunnissa

Joten lisäsimme keskimääräistä salkkuamme 2370 dollarilla viemällä 49 lisätuntia AIM-algoritmin päivittämiseen, jolloin takaisinmaksu on 47,49 dollaria tunnissa, ei nuhjuinen palkka.

Palautus lisääntyvästä arvioinnista kuukausittaisesta päivittäiseen on 11,85 dollaria tunnissa ja 4,99 dollaria tunnissa lisäten arviointia viikoittaisesta päivään.

Arviointitiheyden vaikutukset salkun lopulliseen arvoon

Päätelmät

Ensimmäisestä AIM-artikkelistamme huomasimme, että voit parantaa Buy / Hold-sijoittamista käyttämällä AIM: ää erittäin monipuolisen ETF: SPY: n kanssa. Tästä artikkelista näemme, että enemmän parannuksia voidaan saavuttaa purkamalla SPY ja käyttämällä AIM: ää yksittäisillä liiketoiminta-alueilla. Tämä johtuu siitä, että yksittäisten toimialojen ETF: ien volatiliteetti on erilainen (beetalla mitattuna) kuin yhdistetty SPY. Tämän eron ansiosta AIM voi kaapata enemmän luonnosta johtuvaa volatiliteettia, jota SPY ei ole käytettävissä.

Tämä varmistetaan edelleen takaisinkokeiden tietojen regressioanalyysillä. Voimme päätellä, että tärkein tekijä, joka on otettava huomioon, jos aiot käyttää AIM: ää pääomasijoitusten salkun hallintaan, on valitsemasi osaketyyppi / sijoitusrahasto / ETF. Tarkemmin sanottuna näyttää siltä, ​​että AIM-algoritmi on tehokkaampi korkeammilla beeta- / volatilemmilla investoinneilla. Varoituksen sana on kuitenkin, että tämä analyysi rajoittuu ETF: iin, joiden beetaversiot vaihtelevat välillä 0,18 - 1,24. Joten, ei todennäköisesti ole turvallista ekstrapoloida tuloksia tällaisiin sijoitusvälineisiin.

AIM-käyttäjien verkkosivustojen arkistoissa on yksityiskohtainen artikkeli varastovalinnasta. Vaikka se keskittyy osakkeiden valintaan yksittäisissä yrityksissä, konseptin pitäisi olla helppo soveltaa ETF-valintaan.

Seuraava tekijä, joka osoittaa merkittävän vaikutuksen tuottoprosenttiin, on prosenttiosuus alkuperäisestä osakesijoituksesta. Koska tuottoprosentti nousee lineaarisesti sijoitetun oman pääoman prosenttiosuuden kasvaessa, meidän on käytettävä tätä tekijää riski / tuotto-vipuna. Esimerkiksi, jos olet konservatiivinen sijoittaja ja halukas hyväksymään alhaisemman tuoton tuosta turvallisuudesta, sijoita vain 30–50 prosenttia alun perin ETF: ään. Päinvastoin, jos olet valmis ottamaan täyden vastuun riskialttiista sijoituksista, valitse 60–80 prosentin alkuinvestointi.

Viimeinen arviointitekijä, arviointitiheys, näyttää olevan merkityksetön suhteessa tuottoprosenttiin. Kun kuitenkin tarkastelemme AIM-algoritmin arviointiin käytettyjen ylimääräisten aikojen voittoa, näemme, että salkun arvon kasvu on paras, kun arviointitiheyttä kasvatetaan kuukausittain viikoittain (keskimäärin 47,49 dollaria / AIM-algoritmin arviointiin käytetty ylimääräinen tunti).

Tietenkin voit pitää arviointitiheyttä mukavuustekijänä. Jos sinulla on aikaa tai taipumusta tarkistaa salkku päivittäin kaikin keinoin, pidä sitä. Jos sinulla ei ole niin paljon aikaa, mutta sinulla on lyhyt jakso viikonloppuisin, tee tavoitteesi viikoittain. Jos päivät ja viikot ovat täynnä muita toimintoja, ehkä kuukausittaiset salkutarkastukset ovat sinulle. Missä tahansa skenaariossa voit odottaa vastaavanlaista tuottoprosenttia, mutta muista, että kaupankäynnin kokonaiskustannuksesi nousevat, kun arviointitiheys kasvaa.

AIM-verkkosivustot

• AIM-käyttäjien ilmoitustaulu (AIMUSERS)

AIM-pohjainen ohjelmisto

• Automaattinen sijoittaja: Mekaaninen, automatisoitu osakesijoitusohjelmisto pitkäaikaiseen sijoittamiseen

  Automaattinen sijoittaja: tehokas, automatisoitu, mekaaninen osakesijoitusohjelmistopaketti, joka on suunniteltu tuottojen kasvattamiseen, riskien minimointiin ja ajan säästämiseen.

© 2013 dburkeaz