Случайное блуждание на финансовых рынках: модель доходности

Могут ли профессиональные менеджеры хедж-фондов превзойти средние показатели доходности рынка? Более четырех десятилетий назад экономист из Принстона Бертон Малкиел написал свою классическую книгу Случайное блуждание по Уолл-стрит, в которой он утверждал, что доходность является случайной, и инвесторы не могут получить доход, превышающий среднее движение рынка.

Книга была переписана много раз, и новое дополнение вышло не так давно, в 2007 году. Теория случайного блуждания Малкиэля основана на представлении о том, что доходность акций непредсказуема и случайна, и поэтому управляющий портфелем не может получить стабильную доходность, которая будет превосходить доходность всего рынка. В книге говорится, что использование различных типов анализа приводит только к снижению производительности, так как невозможно прогнозировать движение цены в долгосрочной перспективе.

Малкиел пришел к следующему выводу относительно своей модели случайного блуждания: инвестору лучше покупать индексный фонд, который копирует доходность более широкого сектора рынка, используя стратегию покупки и удержания.

Теория случайного блуждания утверждает, что вся имеющаяся информация отражена в текущей цене ценной бумаги, и что движение любого финансового инструмента основано исключительно на настроении трейдеров, которое не может быть просчитано.

Когда новая информация становится доступной, цена быстро корректируется и немедленно отражает новую информацию. Поскольку новая информация является случайной, поэтому доходность, связанная с ценами, непредсказуема, что делает рынок хаотичным.

Гипотеза эффективного рынка

случайное блуждание на финансовых рынках

Теория случайного блуждания основана на представлении о том, что рынок эффективен, и когда новая информация становится доступной для трейдеров, они будут изменять текущую цену, учитывая новую информацию. У этой теории есть некоторые проблемы, поскольку не у каждого участника рынка одинаковая мотивация.

Например, у корпоративного управляющего и менеджера хедж-фонда будут разные мотивы относительно того, когда им следует заключать сделки. В то время как менеджер хедж-фонда может оставаться вне рынка во время периода падения цен, управляющий может попытаться использовать значительное снижение цен для запуска программы обратного выкупа.

Корпоративный управляющий также будет по-разному использовать производные ценные бумаги. Например, если цена акций быстро снижается, и у компании есть программа обратного выкупа, управляющий может продавать по цене ниже рынка. К примеру, если он продает опционы пут ниже рынка, он может получать премию независимо от того, достигнута ли цена исполнения опциона пут.

Кроме того, временной горизонт, используемый трейдерами, может изменять эффективность рынка. Инвесторы, которые хотят удерживать акции в долгосрочной перспективе, будут вести себя иначе, чем те, кто пытается спекулировать ценными бумагами в краткосрочной перспективе. Также если вы усредняете стоимость своей позиции, когда вы покупаете акцию по мере ее снижения, ваша цель отличается от трейдера, который хочет брать небольшие движения как на длинных, так и на коротких позициях.

Алгоритмы улучшают эффективную теорию рынка

Рынки значительно изменились с тех пор, как в 2007 году была написана последняя версия книги «Случайное блуждание по Уолл-стрит». Сегодня алгоритмы определяют значительную частью краткосрочных движений почти на каждом рынке капитала. Алгоритм — это компьютерная программа (робот или советник), которая ищет закономерности в движении цены и немедленно реагирует, покупая или продавая торговый инструмент.

Высокочастотные алгоритмические торговые стратегии используют компьютерные алгоритмы, которые заключают тысячи сделок в день, пытаясь повлиять на рынок, а также выявить его неэффективность. Высокочастотные трейдеры сделали свой первый набег на фондовые рынки. Новое регулирование позволило электронным биржам конкурировать друг с другом, что оставило открытой возможность для высокочастотных трейдеров искать расхождения в ценах.

Сегодня алгоритмы используют данные, которые накапливаются из разных источников. Алгоритмы сканируют веб-сайты и даже Twitter в поисках ключевых слов, чтобы определить, как они должны совершать сделки. Простой термин, такой как «Повышение резервной ставки», может вызвать целую череду новых транзакций, что может привести к волатильным движениям рынка. Многие неожиданные всплески волатильности были созданы алгоритмами, которые быстро покупают и продают ценные бумаги, создавая этим эффект снежного кома при появлении новой рыночной информации.

Алгоритмы также изменяют распределение доходности акций. В целом доходы, отражаемые на рынках капитала, обычно не распределяются. Что это означает? Например, если бы вы измерили вес 100 школьников и построили график распределения, вы бы, вероятно, увидели классический изгиб. Самый повторяющийся вес будет средним, а оставшиеся веса этих детей будут распределены с обеих сторон. Приблизительно 68% будут находиться в пределах 1 стандартного отклонения от среднего, а 95% — в пределах 2 стандартных отклонений.

Было проведено множество исследований, которые показали, что доходы от ценных бумаг имеют огромные отклонения.

Алгоритмы обучены ничего не делать, когда нет новой информации, обеспечивающей небольшую ликвидность, но они вступают в игру, когда появляется новая информация, которая генерирует нестабильные рыночные условия.

Теория анти-блуждания

Хотя теория, предложенная Малкиэлем, имеет свои достоинства, было много управляющих портфелями, которые превзошли доходность рынка. Это означает, что методология «покупай и держи» — не лучший способ получения доходности с поправкой на риск. Например, за последние 20 лет Berkshire Hathaway получил доходность капитала в 613% по сравнению с индексом S&P 500, который имеет доходность в 190%.

случайное блуждание и доходность

Было также несколько статей и исследований, которые были написаны, чтобы противостоять аргументам Бертона Малкиэля. Существует сборник статей под названием «Неслучайный путь по Уолл-стрит», который свидетельствует о том, что цена акций дает ценную информацию, и это всегда можно использовать.

Использованные эмпирические данные представляли собой серию моделей, которые проверяли случайность цен. Неслучайное блуждание было оспорено Эндрю Ло. Он пришел к выводу, что существует множество методов, которые можно использовать для достижения основных средних значений, но остается вопрос, как долго эти методологии могут быть успешными.

Ло писал:

Чем больше креативности вы привносите в инвестиционный процесс, тем более полезным он будет. Однако единственный способ сохранить постоянный успех — это постоянно вводить новшества.

Его идея по завоеванию рынков в долгосрочной перспективе состояла в том, чтобы постоянно приспосабливаться к новым рыночным условиям.

Тест на случайное блуждание

Есть несколько тестов, которые могут быть проведены, чтобы определить, является ли ряд данных случайным. Например, RUNS, тест имени Абрахама Вальда и Якоба Вулфовица, представляет собой статистическую методологию, которая оценивает случайность двух или более временных периодов.

Тест прогонов может определить, существуют ли тренды на рынке и как часто они возникают. Предполагается, что нулевая гипотеза означает, что нет никакой зависимости и никакой существующей тенденции, а тренды идентичны по своей природе. Тесты прогонов ранжируют значения и либо подтверждают нулевую гипотезу, либо опровергают ее.

Регрессивный анализ

Другой способ определить, зависит ли одна переменная от другой переменной, — запустить регрессионный анализ. Формула регрессии обозначает независимую и зависимую переменную, а также R-квадрат, который описывает степень зависимости одной переменной от другой.

Самый простой регрессионный анализ использует переменную предиктора и переменную ответа. Точки данных представлены методом наименьших квадратов. Если в рядах данных имеются данные, которые являются подозрительными, то для подгонки модели могут использоваться устойчивые методы. R-квадрат 1 означает, что зависимая переменная движется в тандеме с независимой переменной.

Корреляционный анализ

Другим методом, который используется для определения неслучайного характера ценных бумаг, является корреляционный анализ. Корреляция похожа на регрессию в том, что вы используете несколько временных периодов, чтобы определить, движутся ли ценные бумаги в тандеме.

Анализ оценивает доходность одного временного ряда относительно другого и предоставляет вам коэффициент корреляции между 1 и -1. Коэффициент корреляции 1 означает, что возвраты 2-временного ряда движутся вместе. Коэффициент корреляции -1 означает, что возврат 2-временного ряда движется в противоположных направлениях. Когда вы оцениваете отношения, важно анализировать прибыль, а не цену.

Хотя корреляция не означает, что движение одной ценной бумаги зависит от другой ценной бумаги, она показывает, что движения двух ценных бумаг связаны друг с другом.

Чем выше коэффициент корреляции, тем ближе показатели двух активов друг к другу. Коэффициенты корреляции 70 или минус 70 означают, что активы имеют значительную или отрицательную корреляцию.

Примером использования корреляции является поиск актива, который может повлиять на другой актив. Например, в такой стране, как Канада, есть значительное количество нефтяных компаний, в которых работают миллионы людей. Канадская экономика в значительной степени зависит от этих компаний, и эти компании в значительной степени зависят от цены на нефть. Когда цена на нефть резко падает, как это было в первой половине 2015 года, экономика таких стран, как Канада, сталкивается с серьезными проблемами.

Корреляционный анализ может быть выполнен в течение многих различных периодов. Вы можете выполнить корреляционный анализ в течение одного периода, такого как 1 год или в течение скользящего периода. Число, которое вы видите за 1-летний период, будет включать совокупный период корреляции, но не будет показывать нюансы того, как корреляция изменяется в течение определенных временных горизонтов. Например, USD/CAD может иметь коэффициент корреляции -0,80 в течение года, но может варьироваться от -1 до -0,20 в течение различных 20-дневных периодов.

Технический анализ для неслучайных рынков

случайное блуждание и технический анализ

Технический анализ широко используется для определения будущего направления цены. Была проделана эмпирическая работа, которая предполагает, что технический анализ может быть использован для того, чтобы превзойти рынок.

Многие специалисты считают, что они могут прогнозировать будущие движения цены, используя исторические данные. Например, технические аналитики считают, что вся доступная информация в настоящее время уже отражена в цене актива.

Исходя из этого, вы можете определить будущую цену только с помощью исследований или паттернов, так как поведение цены в прошлом прогнозирует будущие движения цены. По крайней мере, технический анализ может использоваться как самоисполняющееся пророчество. Многие трейдеры используют технический анализ для определения будущих ценовых движений.

Уровни спроса и поддержки

Значения ценной бумаги основаны на изменениях в спросе и предложении. Когда инвестор считает, что цена ценной бумаги является дешевой по сравнению с ожиданиями рынка, они будут начать покупать в надежде, что акция будет расти в цене. По мере роста спроса на акции цена найдет опорную точку, где дальнейшее снижение будет недостижимо. Это считается поддержкой.

Есть много способов использовать технический анализ для определения поддержки. Многие трейдеры используют линии тренда, которые соединяют минимумы колебания.

Уровни поддержки и сопротивления

Сопротивление противоположно поддержке. Это область предложения, которая отражает движение рыночных цен, когда ценам трудно двигаться дальше вверх. Здесь возникает сопротивление. Как и поддержка, существует несколько способов определения уровней сопротивления с помощью технического анализа. Вы можете использовать линии тренда, которые соединяют максимумы колебания, или вы можете использовать горизонтальную линии поддержки и сопротивления.

Скользящие средние

Другой технической методологией, которая часто используется для определения будущего направления ценной бумаги, является использование скользящих средних для сглаживания ценового действия.

Например, если вы рассчитываете 10-дневную скользящую среднюю ценной бумаги, вы усредняете 10 дней. На 11-й день вы отбрасываете первый день, который генерирует новую точку данных.

Скользящие средние могут помочь вам определить будущее направление с помощью популярной методологии пересечение. Пересечение скользящих средних помогает определить, есть ли новая тенденция, которой вы можете воспользоваться. Если вы ищете изменения в краткосрочной перспективе, то лучше всего использовать краткосрочные скользящие средние.

Одной из наиболее популярных настроек является 5-дневное скользящее среднее значение выше или ниже 20-дневной скользящей средней. Это заключает в себе 1-недельный период и 1-месячный период и очень помогает при выявлении краткосрочных тенденций. Если вы ищете более длительный период, вы можете рассмотреть 20-дневную и 50-дневную скользящие средние.

Долгосрочные пересечения скользящих средних, такие как 50-дневная скользящая средняя и 200-дневная скользящая средняя, ​​очень популярны и известны как золотое пересечение или «крест смерти».

Заключение

Как технический аналитик, я не считаю, что рынки являются случайными, и совершенно очевидно, что есть трейдеры, которые показывают доходность, намного превышающую движение рынка. Производительность Уоррена Баффета легко превзошла индекс S&P500 на 423% за последние 20 лет. В то время как Баффет использует фундаментальный подход к выбору компаний, существует множество примеров успешных трейдеров, которые используют статистические модели, а также технический анализ для получения устойчивой и последовательной прибыли.

Существует также несколько статистических инструментов, таких как тесты прогонов, регрессия и корреляция, которые показывают наличие зависимости и корреляции между активами. Предположение, что вся доступная информация в настоящее время включена в стоимость, имеет свои достоинства. Также очевидно, что существует новая парадигма, в которой алгоритмы обмениваются повсеместно распространяемой информацией, включая информацию, доступную в социальных сетях, включая Facebook и Twitter.

В конце концов, даже если сторонники «случайного» и «неслучайного» продолжат свои дебаты, я склонен считать, что информированный инвестор или трейдер, имеющий стратегию положительного статистического преимущества, всегда может опережать рынок в своей доходности.