A robert lichello automatikus befektetési menedzsment (cél) rendszer érzékenységelemzése

Ha időt szán egy kicsit közelebbről megnézni az Robert Investment Lichello által az 1970-es évek végén kifejlesztett automatikus befektetés-kezelési (AIM) algoritmust, nyilvánvaló kérdések merülnek fel. Például jobb, ha havonta gyakrabban nézzük a portfólió értékét? Mi történne, ha a kezdeti tőkebefektetésed meghaladná (vagy kevesebb) a teljes befektetés 50% -át? Növekedne vagy csökkenne a megtérülési ráta, ha olyan részvényt / alapot / ETF-t választana, amely magas (vagy alacsony) áringadozást mutat?

Ez a cikk nagyon módszeres megközelítést alkalmaz az adott kérdések megválaszolásához. Egy másik cikkAzt írtam, hogy elmagyarázza az AIM algoritmust 10+ év utólagos teszt eredményeivel, egy másik pedig elmagyarázza, hogyan kell használni az AIM rendszert egy multi-ETF portfólióban.

Szenzitivitás-elemzés és vissza-tesztelés

Az utólagos teszt gyakorlathoz az AIM algoritmus teljesítményét tanulmányoztuk egyetlen ETF (ticker SPY) felhasználásával, a múltban egy meghatározott időtartam alatt, beállított bemeneti változókkal, amelyeknek nem szabad váltaniuk.

Az érzékenység-elemzés az utólagos tesztelés koncepcióját használja annak megértésére, hogy az AIM algoritmus kimeneti eredményei hogyan változnak, ha az egyes bemeneti változókat szisztematikusan megváltoztatják. Más szavakkal, mennyire „érzékeny” az AIM algoritmus kimenete, amikor a bemeneti változók változhatnak.

Az AIM algoritmus érzékenység-elemzésének elvégzéséhez először ki kell választanunk a bemeneti változókat és azt, hogy milyen tartományban változtathatnak. Ezután ki kell választanunk a kimeneti változókat, majd meg kell határoznunk az utótesztelés időkeretét. Ezen a ponton készen állunk a visszavizsgálatok futtatására a bemeneti változó beállításainak minden kombinációjára, miközben összegyűjtjük a kimeneti eredményeket az egyes back-tesztekből. A végén összefoglaljuk az eredményeket és levonjuk következtetéseinket.

AIM bemeneti változók kiválasztása

Ehhez az elemzéshez az AIM algoritmus három bemeneti változóját választjuk ki: Az értékelés gyakorisága, a kezdeti tőkebefektetés% -a és a különböző tőkebefektetések.

Az értékelés gyakorisága

Mr. Lichello azt javasolta, hogy havi gyakorisággal nézzék meg a részvényárfolyamot. Ezt az elképzelést megtartjuk érzékenységi elemzésünk során, és heti rendszerességgel megvizsgáljuk a döntéseket is. Az igazán aktív kereskedő számára azt is látni fogjuk, hogy az algoritmus hogyan reagál a napi döntések meghozatalára.

% Kezdeti részvénybefektetés

Mr. Lichello először a tőke és a készpénz 50-50% -os felosztását javasolta. Könyvének későbbi kiadásaiban azonban a 80–20% -os saját tőke / készpénz arányt javasolta. Mindkét fogalmat megtartjuk érzékenységi elemzésünk során, és feltárjuk a teret is 50–50% alatt. Beállításaink 30% -os saját tőkéből indulnak, és 10% -kal növekszenek, amíg el nem érik a 80% -os tőkét.

Részvénybefektetés típusa

A State Street globális tanácsadói olyan ETF-eket adnak el, amelyek az S&P 500-at 9 szektorra osztják (Consumer Disceptionary, Consumer Staples, Energy, Financial, Health Care, Industrial, Materials, Technology, and Utilities). Ezeket Select Sector SPDR-nek nevezik. Ebben az elemzésben két szektoros ETF-t fogunk keresni az S & P Letéteményes nyugta ETF mellett, ticker SPY. Olyan ETF-et fogunk használni, amelynek áringadozása magasabb, mint a SPY, és alacsonyabb volatilitású, mint a SPY árfolyam-ingadozással. A volatilitás méréséhez egy részvény bétáját használjuk. A Morningstar 3 éves béta-becslésének felhasználásával azt találjuk, hogy a legnagyobb volatilitású ETF (1,24-es béta) az energiaállomány, XLE ticker. A legalacsonyabb 0,18-as bétával rendelkező szektorállomány az Utility ETF, XLU ticker. Tehát a SPY-t 1,00-as bétával, az XLU-t 0,18-as bétával és az XLE-t 1,24-es bétával fogjuk használni.

Ezeket a bemeneti változókat és beállításokat a Bemeneti változók és beállítások táblázat foglalja össze.

Beviteli változók és beállítások

Változó	1. beállítás	2. beállítás	3. beállítás	4. beállítás	5. beállítás	6. beállítás
Értékelés gyakorisága	Napi	Heti	Havi
% Kezdeti beruházás	30%	40%	50%	60%	70%	80%
ETF / Beta	XLU / 0,18	Kém / 1.00	XLE / 1.24

Kimeneti változók és időkeret kiválasztása

A kimeneti változókhoz szükségünk van arra, hogy pontosan mérjük a befektetési teljesítményt az egyes utóteszteknél. Az általunk alkalmazott mérés az éves megtérülési ráta, más néven belső megtérülési ráta. Szerencsére a Microsoft Excel ™ rendelkezik beépített funkcióval (XIRR), amelyet a számítás egységesítésére használunk. Ezenkívül rögzítjük a végső portfólió értékét, az esetleges készpénzhiányt és a kereskedések teljes számát.

A történelmi áradatok időkerete 1998.12.22-től2013.7.31-ig tart, valamivel több, mint 14,5 év. A korábbi ár- és osztalékadatok a Yahoo! pénzügyi honlap.

Összefoglalva, tegyük fel az összes olyan tesztet, amelyet futtatunk ehhez az elemzéshez. 54 változó és beállítás kombinációja létezik, amelyeket egyszerre fogunk megváltoztatni. Mind az ötvennégy tesztesemény grafikus formátumban jelenik meg, lásd a Tesztesetek című ábrát.

Minden teszteset egyetlen utótesztet jelent, például egy teszteset az AIM algoritmus 30% -os kezdeti tőkebefektetésre állítása, az értékelési gyakoriság napi szintű beállítása és a korábbi áradatok felhasználása az XLU-Utility ETF számára. Futtassa az adatokat az AIM algoritmuson keresztül, számítsa ki a belső megtérülési rátát, rögzítse a portfólió végső értékét, az esetleges készpénzhiányt és a kereskedések teljes számát.

Teszt esetek

Feltételezések az AIM teszteléséhez

Az empirikus elemzés során mindig dokumentálni kell a feltételezéseket, itt található az elemzés felsorolása:

1. A kezdeti befektetés összege 10 000 USD.
2. Az első vásárlás az 1998.12.22-i nyitott ár.
3. Az AIM-döntések a részvények havi értékelési gyakoriságának a hónap utolsó kereskedési napján érvényes záróárán, a heti értékelési gyakoriság esetén a hét utolsó kereskedési napján vagy a napi értékelési gyakoriságánál az adott nap záróárán alapulnak.
4. A vételi vagy eladási ár a részvény AIM-döntést követő következő kereskedési napjának nyitott ára.
5. A vételi vagy eladási megbízások csak akkor váltanak ki, ha az AIM piaci megbízás a portfólió aktuális részvényértékének +/- 5% -a.
6. A készpénzhiányt finanszírozzák, és a készpénzszámlát nullára állítják, amíg eladási megbízást nem hajtanak végre.
7. A tőzsdei jutalékot nem veszik figyelembe, azonban a teljes jutalékköltséget becsülhetjük a teljes ügyletszám felhasználásával.
8. A készpénz tartalék megtérülési rátája THM 0,5%.
9. Az osztalékokat további részvényekbe fektetik be.

Vissza-teszt eredményei

A Vissza-teszt eredményei című táblázat bemutatja mind az 54 vissza-teszt eredményét. Regresszióanalízist használtunk annak meghatározására, hogy a három bemeneti változó közül melyik gyakorolja a legjelentősebb hatást a megtérülési rátára, és az eredmények a következők:

• Az ETF típusa: A legjelentősebb
• % kezdeti tőkebefektetés: Jelentős
• Az értékelés gyakorisága: jelentéktelen

Valójában a két szignifikáns változó, az ETF típusa és a kezdeti tőkebefektetés% -a adja annak a változásnak a 94% -át, amelyet a megtérülési rátánál látunk (a statisztikailag gondolkodók számára a korrigált r négyzetérték 0,937)

Vissza-teszt eredményei

Megjegyezzük, hogy a SPY-be és az XLU-ba történő befektetéskor jelentős készpénzhiány figyelhető meg, amely az értékelési gyakoriság minden szintjén előfordult, és a kezdeti tőkebefektetések akár 50% -ot is elértek. Az XLE-be történő befektetéskor azonban nem volt pénzhiány, függetlenül az értékelési gyakoriságtól vagy a kezdeti tőkebefektetés% -ától.

Ahhoz, hogy megértsük, miért nem volt készpénzhiány az XLE-be történő befektetéskor, meg kell rekonstruálnunk a bikapiacot 2002 közepétől a bika futásának csúcsáig, 2007 végén. 2002.7.23-tól 2007.12.26-ig XLE az ár 19,80 és 80,55 dollár között mozgott, ami 306,8% -os növekedést jelent. Az AIM az emelkedés során több eladási jelet adna ki, készpénztartalékokat építve a vásárlási lehetőségekhez az ezt követő elkerülhetetlen piaci visszaesés idején. A SPY és az XLU hasonló bikafutást tapasztalt 2002 végétől 2007 végéig, de a növekedés nem volt annyira drámai. Az XLU 191,4% -kal, a SPY pedig 100,4% -kal növekedett. Tehát, mivel az XLE magasabb béta részvény, magasabb áremelkedést eredményezett, ami lehetővé tette az AIM számára, hogy több nyereséget szerezzen. Ez elegendő készpénzt eredményezett a kasszában, hogy a 2008 végétől 2009 közepéig tartó meredek piaci visszaesés során kihasználhassa a többszörös vételi jeleket.

Azt is látjuk, hogy a kereskedések száma növekszik az értékelési gyakoriság növekedésével és az ETF béta növekedésével. Intuitív módon ennek van értelme, mivel több kereskedési lehetőségre számítanánk, ha gyakrabban ellenőrizzük a portfóliónk értékét, vagy ha az ETF ára erősebben lendül fel / le.

A Befektetési típus hatásai című grafikont nézve azt látjuk, hogy az energia ETF, az XLE ticker volt a legmeghatározóbb hatással a megtérülési rátára, átlagosan 11% -kal és 7,1% -tól 14,5% -ig terjedő tartományban.

A befektetési típus hatása

Most nézzük meg a kezdeti részvénybefektetés hatásai című grafikont. Látjuk, hogy az átlagos megtérülési ráta lineárisan növekszik 5,3% -ról 30% -os kezdeti tőkebefektetéssel egészen 11% -ra 80% -os kezdeti tőkebefektetéssel. Vegye figyelembe, hogy az általunk megfigyelt legalacsonyabb megtérülési ráta 3,8%, a legmagasabb pedig 14,5% volt.

A kezdeti részvénybefektetés% -ának hatásai

Végül az értékelési gyakoriság hatásainak grafikonját tekintve azt látjuk, hogy az átlagos megtérülési ráta nem nagyon változik a napi értékekről havi értékelésekre. Valójában a napi és a havi értékelések között csak kismértékű, 0,6% -os átlagos megtérülési különbség volt.

Az értékelési gyakoriság hatásai

Mivel az értékelési gyakoriságot időben mértük, más szempontból nézhetjük meg. Kiszámíthatunk egy megtérülést dollárban / órában a következő vételi / eladási / tartási döntés értékelésére fordított idő után. Ehhez meg kell becsülnünk a végső portfólió átlagos növekedését a gyakoribb értékelésekhez és az értékelésekhez töltött órák teljes számát.

Például, ha 5 percet töltünk minden alkalommal, amikor frissítjük az AIM algoritmust, akkor a tanulmány 14,7 éve alatt 14,7 teljes órát fordítottunk havi értékelésekre, 63,7 órát hetente és 318,5 órát naponta. Az értékelési gyakoriság hatása a portfólió végső értékére című grafikont nézve azt látjuk, hogy az átlagos végső portfólióérték havi értékeléseknél 21 445 dollár, heti 23 232 722, napi pedig 25 044 dollár volt.

Ezen információk alapján a havi és a heti érték közötti növelés megtérülését a következőképpen számítják ki:

(a portfólió végleges értékének növekedése) / (további idő az értékelésre) =

(23 772 - 21 445) / (63,7 - 14,7) = 2370 USD / 49 = 47,49 USD óránként

Tehát 2370 dollárral növeltük átlagos portfóliónkat azzal, hogy további 49 órát töltöttünk az AIM algoritmus frissítésére óránként 47,49 dolláros megtérüléssel, nem pedig kopott fizetéssel.

A havi és napi értékelések közötti megtérülés megtérülése 11,85 USD / óra, és 4,99 USD / óra a heti-napi értékelés növelése érdekében.

Az értékelési gyakoriság hatása a portfólió végső értékére

Következtetések

Első AIM cikkünkből azt láttuk, hogy javíthatja a Buy / Hold befektetéseket az AIM használatával a rendkívül diverzifikált ETF: SPY-vel. Ebből a cikkből azt látjuk, hogy további javulás érhető el a SPY szétszerelésével és az AIM használatával az egyes üzleti szektorokban. Ez annak köszönhető, hogy az egyes iparági ETF-ek eltérő volatilitásúak (a Beta által mérve), mint az összesített SPY. Ez a különbség lehetővé teszi az AIM számára, hogy jobban megragadja a SPY számára nem elérhető belső volatilitást.

Ezt a vissza-teszt adataink regressziós elemzése is igazolja. Arra a következtetésre juthatunk, hogy a legfontosabb tényező, amelyet figyelembe kell venni, ha az AIM-et használja a részvénybefektetések portfóliójának ellenőrzésére, az a választott részvény / befektetési alap / ETF típusa. Pontosabban: úgy tűnik, hogy az AIM algoritmus nagyobb béta / volatilisebb befektetések esetén hatékonyabb. Vigyázat: ez az elemzés csak a 0,18 és 1,24 közötti béta értékű ETF-ekre korlátozódik, nem vizsgáltuk azokat a rendkívül illékony ETF-eket, amelyek kétszer és háromszor volatilisebbek, mint a standard ETF-ek. Tehát valószínűleg nem biztonságos az eredményeink extrapolálása az ilyen típusú befektetési eszközökre.

Az AIM felhasználói weboldalának archívumában található egy részletes cikk a részvények kiválasztásáról. Annak ellenére, hogy az egyes vállalatok részvényeinek kiválasztására összpontosít, a koncepciónak könnyen alkalmazhatónak kell lennie az ETF kiválasztására.

A következő tényező, amely jelentős hatást mutat a megtérülési rátára, a kezdeti tőkebefektetés% -a. Mivel a megtérülési ráta lineárisan növekszik a befektetett saját tőke% -os növekedésével, akkor ezt a tényezőt kell használnunk kockázat / hozam emelőként. Például, ha konzervatív befektető vagy, és hajlandó elfogadni alacsonyabb megtérülési rátát azért a biztonságért, akkor kezdetben csak 30-50% -ot fektess be az ETF-be. Ezzel szemben, ha hajlandó vállalni a kockázatos befektetések teljes erejét, akkor vegye igénybe a kezdeti tőkebefektetés 60–80% -át.

Végül az értékelés utolsó tényezője, gyakorisága jelentéktelennek tűnik a hozamhoz viszonyítva. Az AIM algoritmus értékelésével töltött többletidő kifizetését vizsgálva azonban azt látjuk, hogy a portfólió értékének növekedése a legjobb, ha havi értékről heti értékre növeljük az értékelési gyakoriságot (átlagosan 47,49 USD / további óra, amelyet az AIM algoritmus értékelésével töltöttünk).

Természetesen az értékelési gyakoriságot kényelmi tényezőként kezelheti. Ha van ideje vagy hajlandósága naponta ellenőrizni portfólióját, mindenképpen legyen rá lehetősége. Ha nincs annyi ideje, de hétvégén rövid ideje van, akkor végezze el az AIMING hetente. Ha napjait és heteit más tevékenységek töltik ki, akkor talán a havi portfólió-ellenőrzések az Ön számára. Bármely forgatókönyv esetén hasonló megtérülési rátára számítana, azonban vegye figyelembe, hogy az összes kereskedési jutalék költsége nőni fog, mivel az értékelés gyakorisága növekszik.

AIM weboldalak

• AIM felhasználók hirdetőtáblája (AIMUSERS)

AIM alapú szoftver

• Automatikus befektető: Mechanikus, automatizált részvénybefektetési szoftver a hosszú távú befektetésekhez

  Automatikus befektető: hatékony, automatizált, mechanikus részvénybefektetési szoftvercsomag, amelynek célja a hozam növelése, a kockázat minimalizálása és az időmegtakarítás.

© 2013 dburkeaz