Flytting Gjennomsnitt Pe Forholdet

Flytte gjennomsnittlig - MA BREAKING DOWN Moving Average - MA Som et SMA-eksempel, vurder en sikkerhet med følgende lukkepriser over 15 dager: Uke 1 (5 dager) 20, 22, 24, 25, 23 Uke 2 (5 dager) 26, 28, 26, 29, 27 Uke 3 (5 dager) 28, 30, 27, 29, 28 En 10-dagers MA ville gjennomsnittlig sluttprisene de første 10 dagene som det første datapunktet. Det neste datapunktet vil slippe den tidligste prisen, legge til prisen på dag 11 og ta gjennomsnittet, og så videre som vist nedenfor. Som nevnt tidligere lagrer MAs nåværende prishandling fordi de er basert på tidligere priser, jo lengre tidsperioden for MA, desto større er lagret. Dermed vil en 200-dagers MA ha en mye større grad av forsinkelse enn en 20-dagers MA fordi den inneholder priser for de siste 200 dagene. Lengden på MA å bruke, avhenger av handelsmålene, med kortere MA'er som brukes til kortvarig handel og langsiktig MAs som er mer egnet for langsiktige investorer. 200-dagers MA er mye etterfulgt av investorer og forhandlere, med brudd over og under dette bevegelige gjennomsnittet regnes som viktige handelssignaler. MAs gir også viktige handelssignaler på egen hånd, eller når to gjennomsnitt overgår. En stigende MA indikerer at sikkerheten er i en uptrend. mens en fallende MA indikerer at den er i en downtrend. På samme måte er oppadgående momentum bekreftet med en bullish kryssovergang. som oppstår når en kortsiktig MA krysser over en langsiktig MA. Nedadgående momentum er bekreftet med en bearish crossover, som oppstår når en kortsiktig MA krysser under en langsiktig MA. Price150Earnings Ratioer som Forecasters of Returns: Stock Market Outlook i 1996 av Robert J. Shiller Teorien om at aksjemarkedet er omtrent en tilfeldig spasertur ser ikke helt ut: Figur 1 er et (log-log) scatterdiagram som viser for hvert år 19011501986 forholdet mellom det virkelige Standard og Poor Index ti år senere til den virkelige indeksen i dag (på y-aksen) mot et bestemt pris150earnings-forhold: forholdet mellom den reelle standard - og fattige sammensatte indeksen for det første året av tiårsintervallet, divisjonert med et forsinket trettiårs glidende gjennomsnitt av realinntekt som tilsvarer standard og dårlig indeks (på x-aksen) . Indeksverdier er for januar, omregning av nominelle verdier til virkelig verdi utføres av januar produsentprisindeks. Varianten som vises på x-aksen, er kjent i begynnelsen av hvert tiårsintervall. Hvis reelle aksjekurser var en tilfeldig spasertur, burde de være uforutsigbare, og det burde virkelig ikke være noe forhold her mellom y og x. Det ser ut til å være et tydelig negativt forhold her. Januar 1996 verdi for forholdet vist på den horisontale akse er 29,72, vist på figuren med en vertikal linje. Når man ser på diagrammet, er det vanskelig å komme seg uten en følelse av at markedet sannsynligvis vil falle vesentlig i verdi i løpet av de kommende ti årene, ser det ut til at langsiktige investorer bør holde seg ute av markedet i det neste tiåret. Er denne konklusjonen riktig Hvordan kan vi forene det med det utbredte offentlige inntrykk at den tilfeldige turhypotesen er i det minste omtrentlig ekte forhold som indikatorer for overprising av markedet. Spredningsdiagrammet vist i figur 1 (og i den etterfølgende figuren) er uvanlig ved at Tiltak som vises på begge akser, gjelder for lang sikt. Nøkkeltall av børsindekser til tiltak av grunnleggende verdi (som inntjening) som indikatorer på utsiktene for markedet ser ut til å være mest nyttige når de forholder seg ordentlig til det lange løp, dette er leksjonen til en rekke nyere papirer. Nivån på forholdet bør være et mål på langsiktig grunnverdien, for eksempel langsiktig inntjening, og utsiktene for markedet som skal prognose bør være en langsiktig periode. John Campbell og jeg studerte forholdet som er avbildet i figuren i en serie av papirer skrevet i slutten av 1980-tallet. R 2 i en regresjon av scatterdiagrammet vist i figur 1, det vil si av loggforholdet mellom priser på loggprisinntjeningsforholdet, er 0,514, hvilket betyr at over dette intervallet fra 1901 til 1986 er mer enn halvparten av Variasjon av (log) prisendringen kunne ha blitt forklart på forhånd ved dette enkle forholdet. Det er noen bekymringer for tolkning av denne spredningen, på grunn av mulige små utvalgseffekter, men styrken i foreningen virker så sterk som å antyde at dette forholdet ikke er i samsvar med effektive markeder eller tilfeldige turmodeller. Forholdet som brukes her for å forutsi aksjekursendringene, forholdet mellom reell pris og et trettiårig glidende gjennomsnitt av realinntekt, har en tendens til å være høyere enn konvensjonell prisinntekter, fordi inntjening har en tendens til å vokse over tretti år, og så nevner av forholdet har en tendens til å være lav. Dermed er gjennomsnittlig forhold høyere enn man kunne ha forventet, gjennomsnittlig forholdet over prøven som vises er 18,28. I dag, med et forhold på 29,72, godt over gjennomsnittet, men ikke på rekordnivå. Den tilpassede verdien for regresjonen i dag er 150.479, noe som innebærer en forventet nedgang i det virkelige Standard og Poor Index over de neste 10 årene av 38.07. Spredningsdiagrammet vist i figur 1 er uvanlig på to måter: Prisinntektsforholdet er definert med hensyn til tretti års gjennomsnitt av inntjening, i stedet for fjorårets inntjening, og intervallet over hvilke reelle priser er forventet er ti år, mye lenger enn de fleste er vant til. Det enkleste og mest brukte forholdet som brukes til å forutsi markedet, er price150earnings-forholdet. Bruk av ettårsinntekt i price150earnings-forholdet er en uheldig konvensjon, anbefalt av tradisjon og bekvemmelighet, i stedet for noen logikk. Så lenge siden 1934 sa Benjamin Graham og David Dodd, i deres nå berømte lærebok Security Analysis, at for å undersøke slike forhold bør man bruke gjennomsnittlig inntektsfortelling på mindre enn fem år, helst syv eller ti år. (s. 452) Inntekter i et år har en tendens til å bli påvirket av kortsiktige hensyn, som ikke kan forventes å fortsette. I det nåværende tidspunkt har inntjeningen plutselig skutt opp de siste årene, noe som medfører en dramatisk nedgang i price150earnings-forholdene, men det er tvilsomt at slike plutselige endringer er meningsfylte. Vi utvider vårt bevegelige gjennomsnittsgrade enda mer enn Graham og Dodd gjorde, med det antagelse at enda mer utjevning er fordelaktig, og Graham og Dodd hadde ikke dataene da for å gjøre slik utjevning mulig. Vi valgte å representere langvarig avkastning på ti år siden det er det som virkelig betyr noe for de fleste investorer, fordi det er så mye interesse i langtidsprosjekter, og fordi det er nyere bevis i den statistiske litteraturen om at langvarig investering, Horisontavkastningen er mer prognostiserbar. Dette kan være i strid med de forventningene man kunne ha trodd at det er lettere å prognose i nær fremtid enn i en fjern fremtid, men dataene motsetter seg slik intuisjon. Denne prognostiseringen av markedet er ikke den typen ting som gjør oss i stand til å prognose at et krasj er rundt hjørnet, det forutsetter gradvise trender, analogt med å prognose utsiktene for en by basert på befolkningstrender, eller forutsi suksess for et universitet i forhold til antall unge som er påmeldt. Legg merke til at det tilsynelatende prediktive forholdet ikke er en artefakt av 1929-krasjet, som noen kanskje mistenker. Året 1929 er ikke et reelt uthold på plottet, og etterkrigstidene 1972 og 1966 gir mer dramatisk støtte til teorien om at prisendringer er relatert til price150earnings-forholdene. Ikke heller er krasj 1987 av stor betydning for disse resultatene: punktet som tilsvarer 1978 (ti år før vår første etterkrasjobservasjon her i januar 1988) er ikke en utfordring på denne plottet. Vår variabel price150earnings er 11,12 i 1978, under gjennomsnittet 18,28 i dette datasettet, og logprisendringen fra 1978 til 1988 er 0,57, noe høyere enn gjennomsnittlig tiårig loggprisendring på 0,16, noe som gir litt mild støtte til vår teori . Krasj fra 1987 selv virker faktisk mot teorien, siden modellen forutslo en gjennomsnittlig økning i reelle aksjekurser over tiårsintervallet 197815088, og krasjet tjente til å gjøre økningen mindre over gjennomsnittet. Figur 2 viser et tidsforbundet spredningsdiagram over den reelle (inflasjonskorrigerte) bruttoavkastningen på Standard og Poor Composite Stock Price Index sammenlignet med samme forhold av reell pris til 30-års gjennomsnittet av forsinket realinntekt. På dette diagrammet ser forholdet enda mer slående ut, det vil si at det negative forholdet mellom prisinntekter og etterfølgende avkastning er sterkere, mer lineær i utseende. Årsaken til bedre passform i dette forholdet er avkastningen påvirkes av price150earnings-forholdet på to måter: ved effekten av senere prisendringer, se figur 1, og også av effekten på utbytteutbytter. Tider med svært høy prisinntekter har en tendens til å være ganger med lave utbytter. Lavt utbytteutbytte under slike omstendigheter har en tendens til å fortsette i mange år, og bidrar dermed videre til den lave avkastningen. For å prognostisere tre års retur oppnådde Campbell og I 1988 en R 2 på 0,195 med denne enkle prognosevarianten alene for å prognostisere tiårig avkastning, oppnådde vi en R2 på .566. I motsetning til at hvis vi brukte det enkle logginntektsprisforholdet som den uavhengige variabelen, var R 2 for prognoser for treårig avkastning bare 0,090, og for prognoser på ti år var avkastningen 0,266. De ytterligere ni års dataene siden vårt 1988-papir har vært gode til våre resultater: R 2 i en regresjon av tiårig realavkastning på forholdet mellom reell pris og trettiårig glidende gjennomsnitt av realinntektene øker for hele prøven til 0.624 . Ved å utvide dataene våre i løpet av 1987, er vi nå i stand til å observere tiårsintervallet som begynner i 1982, og den høye tiårige avkastningen spådd av det lave forholdet i 1982 utgjør godt av den faktiske avkastningen. Hvis vi erstatter januar 1996 verdien for forholdet, som er 29,72, er den antatte loggen ti år tilbake på 1500.06, nesten null. Selvfølgelig er dette ikke det samme som forventet avkastning. Hvis avkastningen er skjev til høyre, som det ville bli foreslått av en lognormal fordeling, kan forventet avkastning være vesentlig høyere. Den lognormale antakelsen og vår estimerte regresjonsmodell innebærer at forventet avkastning er exp (gjennomsnittlig varians2) hvor gjennomsnittlig er forventet loggbruttoavkastning og varians er den kvadratiske standardfeilen til regresjonen: med disse kommer vi opp med en forventet totalavkastning over de følgende ti årene av .009, eller om en tiendedel av prosent i året. Denne prognosen i markedet skyldes ikke et markedssvar på rentenes forutsigbarhet. Campbell og Shiller 1988 fant at hvis man erstatter som avhengig variabel i den tiårige avkastningsligningen, er loggen med ett pluss tiårig avkastning på standard og dårlig kompositt minus loggen av en pluss tiårsavkastningen på å investere i 41506 månedens primære kommersielle papir, er resultatene nesten uendret, R 2 i regresjonen er fortsatt 0,480. Alle disse resultatene er statistisk signifikante: Ved bruk av en Wald-test som tar hensyn til de overlappende observasjonene av den avhengige variabelen, finner vi at signifikansnivået for den tiårige reelle avkastningsligningen er 0.000 for den tiårige meravkastningsligningen det er 0,002. Mulige forstyrrelser i forholdet Siden regressjonene har stokastiske regressorer, må vi forvente litt forspenning i estimert koeffisient. Enkelt sagt, selv om aksjekursene ikke har noe forhold til en enkel inntjening, så lenge inntjeningen blir jevnet nok til å generere price150earnings-forholdet, vil det være en negativ korrelasjon mellom småprovene mellom prisinntekter og trettiårene gjennomsnitt av inntjening. Den negative korrelasjonen oppstår først og fremst fordi prøvens gjennomsnitt er estimert over hele prøven, og prisene vil naturligvis virke som om de går tilbake til deres prøvemiddel, selv om det ikke finnes noen ekte gjennomsnitt. Jeg gjorde et enkelt monte carlo-eksperiment for å foreslå hvor viktig en slik bias kan være. Vi genererte 96 (årlige) observasjoner av en tilfeldig spasertur (dette tallet som tilsvarer 96 observasjonene 1901 til 1996 pleide å produsere de 86 poengene som er vist i scatterdiagrammet i figur 2) og regresse tiårsendringer i tilfeldig gange på dens nivå i begynnelsen av tilfeldig spasertur. Denne regresjonen viser en slags begrensende sak i vår historie, hvor inntektene er så glatt som å være en konstant, og at inntektene ikke spiller noen rolle i analysen. I dette monte carlo-eksperimentet, med 10 000 iterasjoner, fant vi ut at R 2 pleide å være positiv: gjennomsnittlig R 2 var 0,26. Imidlertid oppnådde vi i disse monte carlo-eksperimentene en R2 på .624 bare 1,9 av tiden, noe som tyder på at resultatene faktisk er svært signifikante. I et annet monte carlo-eksperiment forsøkte jeg å representere det 30-årige glidende gjennomsnittet av inntjening som noe annet enn en konstant: vi erstattet det med et trettiårig glidende gjennomsnitt av forsinkede priser. Dette virket som et interessant eksperiment i de trettiårige gjennomsnittene av logginntektene ser ganske ut som 30 års gjennomsnitt av loggpris med faktiske data, opp til en additiv konstant. I hver iterasjon av monte carlo-eksperimentet genererte en ny 126-element (årlig) tilfeldig tur, og for elementene 31 til og med 116 ble en vektor av påfølgende tiårige endringer opprettet som den avhengige variabel. En vektor med uavhengige variable observasjoner ble tatt ved først å lage vektoren av elementene 1 til og med 116, og deretter trekke fra hvert 30-års gjennomsnitt av forsinket pris. I hver iterasjon regresserte vi denne avhengige variabelen på den uavhengige variabelen og registrerte R 2. I 100.000 iterasjoner var gjennomsnittlig R2 0,124 langt under det vi har observert, og i bare 0,26 av iterasjonene var R2 større enn 0.62. Mulige feil i indeksen Brukes til å konvertere nominelle til ekte verdier Vær oppmerksom på at vårt scatterdiagram refererer til reelle priser, reelle avkastninger og reell inntjening. Det er viktig å banne analysen vår i disse betingelsene, siden vi er opptatt av ekte, ikke nominelle, mengder. Men innføring av prisindeksindekser indikerer muligheten for feil. Perioden rundt 1920 ser ut til å ha mye innflytelse, og utgjør kanskje for mye av vår passform. Oppførselen til serien vår rundt 1920 kan muligens være en gjenstand for vår prisindeks, en produsentprisindeks, som kan vise mye mer volatilitet rundt 192015021-resesjonen enn andre prisindekser. Hvorfor Long Horizon Returns Det er litt populær forvirring om betydningen av denne forutsigbarheten når det gjelder prognoser for langtidshorisont. En kilde til bekymring som mange mennesker uttrykker er, om ettårig avkastning ikke er vesentlig prognostisk, hvorfor skal de tiårige avkastningene, som bare er tiårsmedlemmer av ettårig avkastning, være betydelig prognostisk Årsakene til det større Kraften til testene som forutsier tiårs avkastning er beskrevet i Campbell 1992. En relatert forvirring handler om den tilsynelatende tilfeldige gangsegenskapen til ettårig avkastning. Hvordan, noen vil spørre, kan det være at ettårig avkastning er så tilsynelatende tilfeldig, og likevel er tiårsavkastning mest forutsigbare Svaret er at det er kjent at stokastiske prosesser som er nær enhetsrot i ett årsintervall kan være vesentlig prognose over lengre intervaller. Når man ser på ettårig avkastning, ser man mye støy, men over lengre tidsintervaller utgjør denne støyen effektivt ut, og er mindre viktig. Advarsler om ovennevnte analyse Slutten av dette papiret om at aksjemarkedet forventes å avta i løpet av de neste ti ører, og å tjene en total avkastning på omtrent ingenting, må fortolkes med stor forsiktighet. Vårt søk på økonomiske relasjoner som vi skal studere prisen delt på med 30 års glidende gjennomsnitt av inntjening, kan ha snublet over et sjanseforhold uten betydning. Med andre ord kan forholdet som studeres her være en falsk relasjon, resultatet av data mining. Verken de statistiske testene eller monte carlo-eksperimentene tar hensyn til søket over andre mulige forhold. Det er også farlig å anta at historiske relasjoner er nødvendigvis gjeldende for fremtiden. Det kan forekomme fundamentale strukturelle endringer som nå innebærer at fortiden på aksjemarkedet ikke lenger er en veiledning for fremtiden. Campbell, John Y. og Robert J. Shiller, quotStock Priser, Inntjening og Forventet Utbytte, citerer Journal of Finance. 43 (3): 661-76, juli 1988., quotDividend Ratio Model og Small Sample Bias: En Monte Carlo Study, citerer Economics Letters. 29: 325-31, 1989. Graham, Benjamin, og David L. Dodd, sikkerhetsanalyse. Første utgave, McGraw Hill, New York, 1934. Helwege, Jean, David Laster og Kevin Cole, quotStock Market Valuation Indicators: er denne tiden Differentquot Federal Reserve Bank of New York forskningsskrift nr. 9520, september 1995. 1996 Robert J. Shiller Rå data som brukes til å produsere figurer, finnes også på denne nettsiden. Markedsundersøkelsesmodeller Med dette verktøyet kan du teste forskjellige markeds timing og taktiske fordelingsmodeller basert på flyttende gjennomsnitt, momentum, markedsverdi og målvolatilitet. De støttede modellene inkluderer: Shiller PE Ratio Markedsvurdering Moving Averages - Enkelt aktiv Flytende gjennomsnitt - Porteføljeaktiver Momentum - Relativ styrke Momentum - Dual Momentum Momentum - Adaptiv allokering Målvolatilitet Du kan finne et sammendrag av den valgte taktiske fordelingsmodellen nedenfor, og en Nærmere beskrivelse i FAQ-delen. Shiller PE Ratio Markedsvurdering Shiller PE Ratio (PE10) Markedsverdivelsesbasert timingmodell bruker forskyver fordelingen mellom aksjer og obligasjoner som følger: PE10 gt 22 - 40 aksjer, 60 obligasjoner 14 lt PE10 lt 22 - 60 aksjer, 40 obligasjoner PE10 lt 14 - 80 aksjer, 20 obligasjoner Den balanserte 60 aksjene og 40 obligasjonsallokering benyttes som referanseporteføljen. Gjennomgangsmidler - Enkelt aktiv Den flyttende gjennomsnittlige timingmodellen er enten investert i en bestemt aksje, ETF eller fond eller alternativt i kontanter eller annen risikofri eiendel basert på det bevegelige gjennomsnittssignalet. Modellen er investert i eiendelen når sluttkursen i slutten av måneden er større enn det bevegelige gjennomsnittet, og modellen flyttes til kontanter når slutten av månedsjustert sluttpris er mindre enn det bevegelige gjennomsnittet. Modellen støtter også bruk av flytende gjennomsnittsovergang som signalet. Flytende gjennomsnitt - Porteføljeaktiver Den glidende gjennomsnittsmodellen gjelder det bevegelige gjennomsnittlige signalet til hver porteføljeaktiv. Modellen er investert i en porteføljeaktiv når sluttkursen i slutten av måneden er større enn det glidende gjennomsnittet og tildelingen blir flyttet til kontanter når slutten av månedsjustert nærverdi er mindre enn glidende gjennomsnitt. Modellen støtter også bruk av flytende gjennomsnittsovergang som signalet. Momentum - Relativ styrke Den relative styrke momentum modellen investerer i de mest effektive eiendelene i modellen basert på hver eiendel i forkant av avkastningen. Momentet kan baseres på en enkelt tidsperiode eller flere vektede tidsperioder. I tillegg støtter modellen å bruke bevegelige gjennomsnitt som en risikokontroll for å avgjøre om investeringer skal flyttes til kontanter. Momentum - Dual Momentum Dual-momentmodellen bruker relativ momentum for å velge de beste utførelsesmodellene og inkorporerer absolutt momentum som et filter for å investere i kontanter dersom meravkastningen av den valgte aktiva over kontanter er negativ. Adaptiv allokering Den adaptive eiendomsfordelingsmodellen kombinerer relativ styrke momentum modell med forskjellig aktivvekting. Den relative styrkemodellen benytter en lik vektfordeling for de modellvalgte eiendelene, mens den adaptive eiendelfordelingen bruker enten invers volatilitetsbasert risikoparitetsallokering eller minimumsvarsjonsallokering for modellaktiver for å minimere forventet volatilitet. Målvolatilitet Målvolatilitetsmodellen justerer porteføljens markedseksponering basert på realisert historisk volatilitet og gitt volatilitetsmål. Kontantfordelingen i porteføljen økes eller reduseres etter behov for å møte det målrettede volatilitetsnivået for å forbedre risikoredusert ytelse. Finn ETF, Gensidig fond eller Stock Symbol