{"id":13650,"url":"\/distributions\/13650\/click?bit=1&hash=b4a44ea9299acb416ac92e110a87e80acc960de1a8f124e06d52ec1ea62c252a","title":"\u041a\u0430\u043a \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u0434\u043e\u043c \u043a\u0430\u043a \u0432 Sims","buttonText":"","imageUuid":"","isPaidAndBannersEnabled":false}
Финансы
Dmitry Perkov

Хотите обогнать S&P 500? Лучше разгоните его как следует!

Одна из целей активного управления инвестиционным портфелем — получить доходность большую, чем может дать рынок акций, в случае США традиционно представленный индексом S&P 500. А что если не обгонять, а "оседлать" рынок и как следует его "пришпорить"?

Пассивные инвесторы просто покупают и держат годами ETF на этот индекс, довольствуясь неплохой доходностью. Так с декабря 1993 года SPY (ETF на S&P 500) показал в среднем 9.9% в год. Это, на минуточку, увеличило бы ваш капитал за это время в 15 раз! Неплохо, да? 😉

Но романтикам и мечтателям, коих хоть отбавляй на фондовом рынке, нужно больше. Они, как неутомимые алхимики средневековья, ищут в тиши своих математических моделей философский камень инвестирования - алгоритм выбора акций, способный обеспечить доходность, большую, чем рынок. Ту самую вожделенную «альфу».

С одним из таких практиков и его подходом мы сегодня познакомимся. Так же поделюсь своими результатами практического применения его модели.

Итак, сегодня «обгоняем» рынок вместе с Мебом Фабером, управляющим активами в Cambria.

Суть идеи, изложенной Фабером, заключается в выборе времени сделки с интересующими активами по определённым сигналам, что позволяет избегать просадки портфеля в кризисы и максимизировать тем самым его доходность.

В качестве такого сигнала Меб предлагает использовать пересечение графика котировок актива и графика их 10-месячной скользящей средней. Если цена актива выше значения скользящей средней его цен за 10 месяцев - актив покупается/удерживается в портфеле. Если цена становилась ниже - актив продаётся. Такой вот незатейливый market-timing.

Идея увеличить доходность портфеля за счёт минимизации его просадок показалась мне достаточно интересной. Тем более, что в статье Меба, как вы понимаете, по результатам всё было очень красиво.

Поэтому я решил попробовать применить этот подход для тайминга SPY - ETF на S&P 500. Управляемый таким образом портфель в каждый момент времени должен состоять на 100% либо из SPY, либо из денег.

Помимо длины скользящей средней в месяцах, достаточно важной переменной оказалось время реакции на пересечение графика цены и её скользящей средней. Допустим, вы делаете это сравнение в последний день каждого месяца. Как быстро надо выходить в кэш, если цена актива упала и стала меньше значения своей скользящей средней? Сразу же? Или подождать ещё месяц? Вдруг будет разворот, а вы вне рынка, сидите в деньгах😳 (спойлер - так зачастую и бывает 🤨)

Как показали бэк-тесты портфеля с разными сроками реакции на торговый сигнал, наилучший результат в случае с SPY получился, когда я «выходил» в кэш после четырёх подряд месяцев отрицательного тренда (цена актива ниже его средней), не ранее. Если делать это сразу, продавая ETF на следующий день после того, как он ушёл ниже своей средней, можно пропустить быстрый отскок наверх, зачастую случающийся в следующие месяц-два. И потерять в доходности.

Так же поэкспериментировал со скользящей средней. Годовая показала чуть лучшие результаты, чем 10-ти месячная.

Таким образом, в моих бэк-тестах наилучший результат показал тайминг SPY с использованием 12-ти месячной скользящей средней и 4-мя подряд месяцами отрицательного тренда, как сигнала к продаже ETF и выхода в деньги.

Доходности трестируемого портфеля. По горизонтали - количество месяцев, в течение которого SPY должен был быть ниже своей скользящей средней перед его продажей. По вертикали - варианты скользящей средней.

На графике ниже можно сравнить годовую доходность пассивной стратегии «купил и держи» (buy&hold) в отношении SPY и результаты активной стратегии тайминга SPY по описанной выше модели.

Активное управление портфелем помогло сохранить капитал в период 2-х длительных просадок рынка и стартовать в фазе роста с более высоких позиций.

Доходность активно управляемого портфеля, состоявшего попеременно либо из денег, либо из SPY (“Timed”), прилично выше доходности собственно SPY (“buy&hold”), всегда находившегося в рынке - 12.1% годовых против 9.9%. Как раз за счёт того, что в период кризиса доткомов начала 2000-х и финансового кризиса 2008 года, я «продавал» SPY и выходил с рынка в кэш (кружками на графике). А рынок, меж тем, продолжал самозабвенно падать прямиком в ад, пуская попутно кровь тысячам портфелей мелких и крупных инвесторов 😈

Однако, важно понимать, что кризисы на фондовом рынке после 2008 года стали короче, не потеряв при этом в яркости и драматизме. Какой будет текущий - не понятно.

Поэтому гарантировать, что описанные параметры модели (длина средней и лаг в принятии решения) дадут оптимальный результат в будущем, я не возьмусь. Помните, постулаты классической теории эффективности рынка акций гласят, что прошлые доходности не являются гарантией будущих.

Так или иначе, согласно этой модели, в августе можно спокойно сидеть «в деньгах», поглядывая на рынок издалека 🥱

Если хотите больше таких материалов - ставьте лайк и подписывайтесь на мой канал в Telegram.

Не является инвестиционной рекомендацией.

0
2 комментария
Dmitry Perkov
Автор

Дмитрий, добрый день. Данная стратегия представляет собой тайминг SPY по определённым торговым сигналам. Именно в периоды действия этих сигналов она должна показывать статистически значимую разницу в доходности с этим ETF. Все остальное время она ведет себя аналогично SPY.

Всего за период бэк-теста было три отрезка, когда сигнал срабатывал и стратегия «включалась». На 30 месяцев в 2000-2003, на 19 месяцев в 2007-2009 году и на 5 месяцев в 2011.

В первых двух периодах стратегия показала статистически значимую разницу в доходности с SPY для любого уровня значимости (t-stat 4.6 и 4.4 соответственно). Если взять все три упомянутые периода суммарно (54 месяца), то в этом случае мы так же получаем статистически значимое превышение доходности стратегии над бенчмарком при уровне значимости 5 и 10% (t-stat 1,68).

Ответить
Развернуть ветку
Дмитрий Т.

Начинающим дата аналитикам осталось узнать про train/validation/test split. Без них посчитанные вами числа не значат абсолютно ничего.

Ответить
Развернуть ветку
Читать все 2 комментария
null