Moving Average - MA BREAKING DOWN Moving Average - MA Som ett SMA-exempel, överväga en säkerhet med följande stängningskurser över 15 dagar: Vecka 1 (5 dagar) 20, 22, 24, 25, 23 Vecka 2 (5 dagar) 26, 28, 26, 29, 27 Vecka 3 (5 dagar) 28, 30, 27, 29, 28 En 10-dagars MA skulle medeltala slutkurserna för de första 10 dagarna som första datapunkt. Nästa datapunkt skulle släppa det tidigaste priset, lägga till priset på dag 11 och ta medeltalet, och så vidare som visas nedan. Som tidigare noterat lagrar MAs nuvarande prisåtgärd eftersom de är baserade på tidigare priser, ju längre tidsperioden för MA, ju större fördröjningen. Således kommer en 200-dagars MA att ha en mycket större grad av fördröjning än en 20-dagars MA eftersom den innehåller priser för de senaste 200 dagarna. Längden på MA som ska användas beror på handelsmålen, med kortare MAs som används för kortfristig handel och långsiktiga MAs mer lämpade för långsiktiga investerare. 200-dagars MA följs i stor utsträckning av investerare och handlare, med raster över och under detta glidande medel anses vara viktiga handelssignaler. MAs ger också viktiga handelssignaler på egen hand eller när två genomsnitt övergår. En stigande MA indikerar att säkerheten är i en uptrend. medan en minskande MA indikerar att den ligger i en nedåtgående trend. På samma sätt bekräftas uppåtgående momentum med en haussead crossover. som uppstår när en kortsiktig MA passerar över en längre tid MA. Nedåtgående momentum bekräftas med en bearish crossover som uppstår när en kortsiktig MA korsar en längre sikt MA. LOS 16f Diskutera styrkor och begränsningar i relativa värderingsmodeller LOS 16g Bedöm om en aktiemarknad är under-, rättvis eller övervärderad med hjälp av en relativ kapitalvärderingsmodell Vad exakt är denna modell Precis som Fed och Yardeni-modellerna är det här en inkomstbaserad relativ värderingsmodell. Det utvecklades av utvecklat av Campbell och Shiller baserat på rekommendationerna från Graham och Dodd, som är fascinerande. Fascinerande tråkigt. Vad är formeln Du borde veta att denna LOS är mindre om att memorera formler och mer om att förstå de grundläggande relationerna mellan. Aktuellt SampP 500 Index 10 års glidande medelvärde av realt resultat Vänta en minut, vilken är asterisken för i huvudsak betyder det att både täljare och nämnare måste justeras för inflation och anges i reala termer. Låt mig gissa, det finns ett långsiktigt genomsnittligt PE-förhållande, rätt Ja, bra gjort. Om det aktuella priset över det 10-åriga rörliga genomsnittliga resultatet (justerat för inflationen). Du menar det aktuella PE-förhållandet NEJ Använd aktuellt pris, men INTE den nuvarande E 1 eller E 0. Hur som helst, om det förhållandet - och meddelandet använde PE-förhållandet, inte vinstutbytet, vilket är dess inverse - ligger över det långsiktiga genomsnittet, är indexet övervärderat och förhållandet kommer (eller åtminstone ska) slutligen gå tillbaka till det långsiktiga genomsnittet. Det motsatta är också sant, ett förhållande som ligger under det långsiktiga genomsnittet, indexet är relativt undervärderat och priset kommer (eller borde) öka tills det förhållandet når sin långsiktiga genomsnittliga nivå. Vad är fördelarna med denna modell Genom att använda KPI för att justera för inflationen undviker man att jämföra en reell variabel med en nominell nivå. Genom att använda ett 10-årigt glidande medel tar man bort eventuella skevningar som ett resultat av konjunkturcykeln. Vilka är dess nackdelar Det är inte ovanligt att lowhigh-förhållandena (i förhållande till det långsiktiga genomsnittet) fortsätter under längre perioder, vilket gör denna åtgärd mindre användbar på kort sikt. Dessutom tar jag inte hänsyn till effekterna av bokföringsförändringar över tid, vilket kan vara betydande. Intressant, så skulle du säga. Inte oberoende av bokföringsändringar. Åh, så den viktiga kritiken av denna modell är. Inte oberoende av bokföringsändringar. Ja, du fortsätter säga det. Det måste vara viktigt. Om jag blev ombedd att ge kritik på tentamen. Inte oberoende av bokföringsändringar. Jag önskar att du skulle sluta säga det. Dess som det enda du vill att jag ska veta om den här modellen är. Inte oberoende av bokföringsändringar. Prissättning150Earningsförhållandena som Prognoser för avkastning: Börsutsikterna 1996 av Robert J. Shiller Teorin om att aktiemarknaden är ungefär en slumpmässig promenad ser inte alls ut: Figur 1 är en (loggbok ) scatterdiagram för varje år 19011501986 förhållandet mellan det verkliga standard - och fattiga indexet tio år senare till det verkliga indexet idag (på y-axeln) mot ett visst pris150earningsförhållande: förhållandet mellan det verkliga standard - och fattiga kompositindexet för det första år av tioårsintervallet dividerat med ett fördröjt trettioårigt glidande medelvärde av realt resultat motsvarande det normala och dåliga indexet (på x-axeln). Indexvärdena är för januari, omräkning av nominella värden till reala värden görs av januariproducentprisindex. Variabeln som visas på x-axeln är offentligt känd i början av varje tioårsintervall. Om reala aktiekurser var en slumpmässig promenad, borde de vara oförutsägbara, och det borde verkligen inte vara någon relation här mellan y och x. Det verkar verkligen vara ett tydligt negativt förhållande här. Januari 1996 värdet för förhållandet som visas på den horisontella axeln är 29,72, som visas på figuren med en vertikal linje. Med tanke på diagrammet är det svårt att komma undan utan att känna till att marknaden sannolikt kommer att minska betydligt under de kommande tio åren, det verkar som att långsiktiga investerare borde vara ute av marknaden under det närmaste decenniet. Är denna slutsats rätt Hur kan vi förena det med det allmänna intrycket att slumpmässig promenadhypotesen är åtminstone ungefär sannolika förhållanden som indikatorer för marknadsöverprissättning Scatterdiagrammet som visas i figur 1 (och i efterföljande figur) är ovanligt, eftersom åtgärder som visas på båda axlarna hänför sig till den långa loppet. Ratioerna av aktiemarknadsindex till åtgärder av grundläggande värde (som resultat) som indikatorer på utsikterna för marknaden verkar vara mest användbara när de relaterar ordentligt till det långa loppet, det här är lektionen i ett antal nyligen publicerade dokument. Nivåns nämnare bör vara ett mått på långsiktigt grundläggande värde, såsom långsiktigt resultat, och utsikterna för marknaden som ska prognostiseras bör vara långsiktiga. John Campbell och jag studerade förhållandet avbildat i figuren i en serie papper skrivna i slutet av 1980-talet. R ^ i en regression av scatterdiagrammet som visas i figur 1, det vill säga av logförhållandet mellan priserna på log-prisvinstförhållandet, är 0,514, vilket innebär att över detta intervall från 1901 till 1986 överstiger hälften av varians av (log) prisförändringen kunde ha förklarats i förväg med detta enkla förhållande. Det finns vissa farhågor om tolkningen av denna scatter på grund av möjliga småprovseffekter, men föreningsstyrkan verkar så stark att det föreslås att denna relation inte överensstämmer med de effektiva marknaderna eller slumpmässiga promenadmodellen. Förhållandet som används här för att förutsäga aktiekursförändringarna, förhållandet mellan det reala priset och ett trettioårigt glidande medelvärde av realt resultat tenderar att vara högre än det konventionella prisvinstförhållandet eftersom intäkterna tenderar att växa över trettio år och så nämnaren av förhållandet tenderar att vara lågt. Sålunda är medelvärdet högre än man kan ha förväntat sig, medeltalet över provet som visas är 18,28. Idag med ett förhållande på 29,72, långt över genomsnittet men inte på rekordnivåer. Det anpassade värdet för regression idag är 150.479 vilket medför en förväntad nedgång i det verkliga standard - och fattiga indexet under de kommande tio åren av 38.07. Spridningsdiagrammet som visas i Figur 1 är ovanligt på två sätt: Prisinkomstförhållandet definieras med avseende på trettioåriga medelinkomster i stället för i fjolårets resultat och det intervall över vilket de reala priserna beräknas är tio år, mycket längre än de flesta är vana vid. Det enklaste och mest använda förhållandet som används för att förutsäga marknaden är price150earnings-förhållandet. Användningen av ett års vinst i price150earnings-förhållandet är en olycklig konvention, rekommenderad av tradition och bekvämlighet snarare än någon logik. Så länge som 1934 sa Benjamin Graham och David Dodd i sin nu kända lärobokssäkerhetsanalys att man för att undersöka sådana förhållanden borde använda ett genomsnitt av kvotintäkterna mindre än fem år, helst sju eller tio år. (s. 452) Intäkterna under ett år tenderar att påverkas av kortfristiga överväganden, som inte kan förväntas fortsätta. För närvarande har intäkterna plötsligt skjutit upp under de senaste åren, vilket medfört att priserna på 150 års nivåer sjunker dramatiskt, men det är tveksamt att sådana plötsliga förändringar är meningsfulla. Vi utökar vårt rörliga medel än Graham och Dodd gjorde, med antagandet att ännu mer utjämning är fördelaktigt, och Graham och Dodd hade inte data då för att göra sådan utjämning möjlig. Vi valde att representera avkastning på lång sikt, om tio år, eftersom det är det som verkligen betyder för de flesta investerare, eftersom det finns så mycket intresse idag för långsiktig investering, och för att det finns nya bevis i den statistiska litteraturen, Horisontell avkastning är mer förutsägbar. Detta kan strida mot de förväntningar man kunde ha trott att det är lättare att prognosa inom en snar framtid än i en avlägsen framtid, men data motsäger en sådan intuition. Denna förutsägbarhet på marknaden är inte den typ av saker som gör det möjligt för oss att förutse att en krasch ligger runt hörnet, det förutspår gradvisa trender, analogt med att förutse utsikterna för en stad baserad på befolkningstrender eller förutse framgången för ett universitet i fråga om antalet ungdomar som registrerar sig. Observera att det tydliga prediktiva förhållandet inte är en artefakt av 1929-kraschen, som vissa kanske misstänker. År 1929 är inte en riktig utgångspunkt på grunden, och efterkrigsåren 1972 och 1966 erbjuder mer dramatiskt stöd för teorin om att prisförändringar är relaterade till price150earningsförhållandena. Inte heller är kraschen 1987 av stor betydelse för dessa resultat: den punkt som motsvarar 1978 (tio år före vår första efterkollisionsobservation här i januari 1988) är inte en utmaning på denna plot. Våra price150earnings variabel är 11,12 år 1978, under genomsnittet 18,28 i denna dataset och logprisförändringen från 1978 till 1988 är 0,57, något högre än den genomsnittliga tioåriga logprisförändringen på 0,16, vilket ger lite milt stöd för vår teori . Kraschen år 1987 verkar faktiskt mot teorin, eftersom modellen förutspådde en ökning i reala aktiekurser över tioårsintervallet 197815088, och kraschen tjänade till att öka ökningen mindre än genomsnittet. Figur 2 visar ett tidsförbundet scatterdiagram över den reala (inflationskorrigerade) bruttoavkastningen på Standard och Poor Composite Stock Price Index jämfört med samma förhållande av realt pris till 30-årsgenomsnittet av det försenade reala resultatet. På detta diagram ser förhållandet ännu slående ut, det vill säga det negativa sambandet mellan prisvinstförhållande och efterföljande avkastning är starkare, mer linjär i utseende. Orsaken till bättre passform i detta förhållande är att avkastningen påverkas av price150earnings-förhållandet på två sätt: genom effekten på efterföljande prisförändringar, som framgår av Figur 1, och även genom deras effekt på utdelningsräntor. Tider med mycket höga prisutvecklingsräntor tenderar att vara tider med låga utdelningsposter. Det låga utdelningsutbytet under sådana omständigheter tenderar att fortsätta i åratal och därigenom bidra till den låga avkastningen. För att förutspå tre års avkastning uppnådde Campbell och I 1988 en R 2 på 0.195 med denna enda prognosvariabel enbart för prognostisering av tioåriga avkastningar, vi uppnådde en R2 av .566. Om vi däremot använde det enkla logpriset som den oberoende variabeln, var R 2 för prognoser om treårig avkastning endast 0,090, och för prognostisering av tioåriga avkastningar var 0,296. De ytterligare nioårsuppgifterna sedan vårt 1988-papper har varit snäll mot våra resultat: R 2 i en regression av tioåriga realavkastningar på vårt förhållande av realt pris till trettioårigt glidande medelvärde av realt resultat stiger för hela provet till 0.624 . Genom att utöka vår data förbi 1987 kan vi nu observera tioårsintervallet som startades 1982 och de höga tioåriga avkastningarna som förutspås av det låga förhållandet 1982 utspelas väl av den faktiska avkastningen. Om vi ersätter januari 1996-värdet för förhållandet, det vill säga 29,72, är den förväntade loggen tioåriga avkastningen 1500.06, nästan noll. Naturligtvis är detta inte detsamma som den förväntade avkastningen. Om avkastningen är skevad till höger, som föreslås av en lognormal fördelning, kan den förväntade avkastningen vara väsentligt högre. Det lognormala antagandet och vår beräknade regressionsmodell skulle innebära att den förväntade avkastningen är exp (medelvariation2) där medelvärdet är den förväntade logbruttoavkastningen och variansen är regressionens kvadrerade standardfel: med dessa kommer vi upp med en förväntad totalavkastning över de efterföljande tio åren av .009, eller ungefär en tiondel av procent per år. Denna förutsägbarhet på marknaden beror inte på ett marknadsrespons på räntespårbarheten. Campbell och Shiller 1988 fann att om man ersätter som beroende variabel i den tioåriga avkastningsekvationen loggen av en plus tioårig avkastning på standard och Poor Composite minus loggen av en plus tioårig avkastning på att investera i 41506 månadens primära kommersiella papper, är resultaten nästan oförändrade, och R2 i regressionen är fortfarande 0,480. Alla dessa resultat är statistiskt signifikanta: Med ett Wald-test som tar hänsyn till de överlappande observationerna av den beroende variabeln, finner vi att signifikansnivån för den tioåriga reala avkastningsekvationen är 0.000 för den tioåriga överskjutningsekvationen som den är 0,002. Eventuella förspänningar i förhållandet Eftersom regressionerna har stokastiska regressorer, måste vi förvänta oss en viss bias i den uppskattade koefficienten. Enkelt uttryckt, även om aktiekurserna inte har något förhållande till ett enkelt resultat, så länge som intäkterna mättas tillräckligt för att generera price150earnings-förhållandet, kommer det att vara en negativ korrelation mellan små och medelstora prover mellan prisvinstförhållandet och trettioåriga genomsnittet av intäkterna. Den negativa korrelationen uppstår främst för att medelvärdet för provet beräknas över hela provet, och priserna ser naturligtvis ut att vara genomsnittliga att återgå till deras provmedel, även om det inte finns något sant medelvärde. Jag gjorde ett enkelt monte carlo-experiment för att föreslå hur viktigt en sådan bias kan vara. Vi genererade 96 (årliga) observationer av en slumpmässig promenad (detta tal som motsvarar 96 iakttagelser 1901 till 1996 brukade producera de 86 punkterna som visas i scatterdiagrammet i Figur 2) och regressa tioårsändringar i slumpmässig promenad på dess nivå i början av den slumpmässiga promenad. Denna regression visar ett slags begränsande fall av vår historia, där resultatet är så jämnt att det är en konstant, och så att intäkterna inte spelar någon roll i vår analys. I detta monte carlo-experiment, med 10 000 iterationer, fann vi att R2 hade en tendens att vara positiv: medelvärdet R2 var 0,26. Men i dessa monte carlo-experiment uppnådde vi en R2 av .624 endast 1,9 av tiden vilket tyder på att resultaten verkligen är mycket signifikanta. I ett annat monte carlo-experiment försökte jag representera det 30-åriga glidande genomsnittet av inkomster som något annat än en konstant: vi ersatte den med ett trettioårigt glidande genomsnitt av försenade priser. Det verkade som ett intressant experiment i de trettioåriga medeltalen av logginsats ser ganska ut som 30 års medelvärde av logpris med faktiska data, upp till en tillsatskonstant. Vid varje iteration av monte carlo-experimentet genererade en ny 126-element (årlig) slumpmässig promenad och för element 31 till 116 skapades en vektor med efterföljande tioårsändringar som den beroende variabeln. En vektor med oberoende variabla observationer togs genom att först skapa vektorn av element 1 till 116 och subtrahera sedan från varje 30-årigt genomsnitt av försenat pris. Vid varje iteration regresserade vi denna beroende variabel på den oberoende variabeln och registrerade R 2. I 100 000 iterationer var medelvärdet R2 0,124, långt under det vi har observerat och i endast 0,26 av iterationerna var R2 större än 0,62. Eventuella fel i indexet Används för att konvertera nominellt till reala värden Observera att vårt scatterdiagram avser reala priser, real avkastning och realt resultat. Det är viktigt att vi bjuder på analysen i dessa termer, eftersom vi är oroade över verkliga, inte nominella kvantiteter. Men införandet av index för prisinflöde introducerar möjligheten till fel. Perioden kring 1920 verkar ha mycket hävstång, och står för för mycket för vår passform. Beteendet hos vår serie runt 1920 kan möjligen vara en artefakt av vårt prisindex, ett producentprisindex, vilket kan visa mycket mer volatilitet runt 192015021-konjunkturen än andra prisindex. Varför Long Horizon Returns Det finns en viss populär förvirring om betydelsen av denna förutsägbarhet vid prognoser för långfristiga avkastningar. En källa till oro som många människor uttrycker är att om ettårigt avkastning inte är väsentligt prognostiserat, varför skulle tioårens avkastning, som bara är tioåriga medeltal av ettårig avkastning, vara väsentligt förutsägbar. Orsakerna till det större Kraften i de tester som förutsäger tioåriga avkastningar beskrivs i Campbell 1992. En relaterad förvirring handlar om den uppenbara slumpvisa egenskapen för ettårig avkastning. Hur kommer vissa att fråga, kan det vara så att ettårigt avkastning är så uppenbart slumpmässigt, och ändå är tioåriga avkastningar för det mesta prognostiska Svaret är att det är känt att stokastiska processer som är nära enhetsrot i ettårsintervall kan vara väsentligen prognostiserad över längre intervaller. När man tittar på ettårig avkastning ser man mycket ljud, men över längre tidsintervaller detta ljud effektivt medeltar och är mindre viktigt. Varningar om ovanstående analys Slutsatsen av detta dokument om att aktiemarknaden förväntas minska under de kommande tio åren och att få en totalavkastning på nästan ingenting, måste tolkas med stor försiktighet. Vår sökning över ekonomiska relationer som vi kan studera priset dividerat med 30 års glidande medelvärde av intäkter kan ha snubblat på ett chansförhållande utan betydelse. Med andra ord kan förhållandet studerat här vara en falsk relation, resultatet av data mining. Varken de statistiska testerna eller monte carlo-experimenten tar hänsyn till sökningen över andra möjliga relationer. Det är också farligt att anta att historiska relationer nödvändigtvis är tillämpliga på framtiden. Det kan finnas grundläggande strukturella förändringar som nu inträffar, vilket innebär att aktiemarknadens förflutna inte längre är en vägledning för framtiden. Campbell, John Y. och Robert J. Shiller, quotStock Priser, Intäkter och Förväntad Utdelning, cf. Journal of Finance. 43 (3): 661-76, juli 1988., quotDividend Ratio Model och Small Sample Bias: En Monte Carlo Study, citationstecken Economics Letters. 29: 325-31, 1989. Graham, Benjamin och David L. Dodd, säkerhetsanalys. Första utgåvan, McGraw Hill, New York, 1934. Helwege, Jean, David Laster och Kevin Cole, quotStock Market Valuation Indicators: är den här tiden Differentquot Federal Reserve Bank of New York Research Paper nr 9520, september 1995. 1996 Robert J. Shiller Raw data som används för att producera siffror finns också på denna webbplats.
No comments:
Post a Comment