La théorie selon laquelle le marché boursier est à peu près une marche aléatoire ne semble pas du tout: la figure 1 est un diagramme de dispersion (log-log) montrant pour chaque Année 19011501986, le ratio de l'Indice normal et de l'Indice pauvre dix ans plus tard à l'indice réel aujourd'hui (sur l'axe des ordonnées) par rapport à un certain ratio de prix150: le rapport entre l'indice réel et l'indice composite pauvre pour la première année de l'intervalle de dix ans , Divisé par une moyenne mobile en retard de trente ans des gains réels correspondant à l'Indice Standard et Poor (sur l'axe des x). Les valeurs de l'indice sont pour janvier, la conversion des valeurs nominales en valeurs réelles est effectuée par l'indice des prix à la production de janvier. La variable affichée sur l'axe x est connue publiquement au début de chaque intervalle de dix ans. Si les prix réels des actions étaient une marche aléatoire, ils devraient être imprévisibles, et il ne devrait vraiment pas y avoir de relation entre y et x. Il semble y avoir ici une relation négative distincte. La valeur de Janvier 1996 pour le rapport montré sur l'axe horizontal est 29.72, montré sur la figure avec une ligne verticale. En regardant le diagramme, il est difficile de s'en aller sans le sentiment que le marché est assez susceptible de diminuer sensiblement en valeur au cours des dix années suivantes, il semble que les investisseurs à long terme devraient rester hors du marché pour la prochaine décennie. Est-ce que cette conclusion est juste Comment peut-on concilier cela avec l'impression largement répandue que l'hypothèse de marche aléatoire est au moins approximativement vraie Ratios comme indicateurs de surévaluation de prix Le diagramme de dispersion représenté sur la figure 1 est inhabituel, Les mesures montrées sur les deux axes concernent le long terme. Les ratios des indices boursiers et des mesures de valeur fondamentale (comme les bénéfices) comme indicateurs des perspectives pour le marché semblent être les plus utiles quand ils se rapportent correctement à long terme, c'est la leçon d'un certain nombre de documents récents. Le dénominateur du ratio devrait être une mesure de la valeur fondamentale à long terme, comme les bénéfices à long terme, et les perspectives pour le marché qui doit être prévu devraient être à long terme. John Campbell et moi avons étudié la relation décrite dans la figure dans une série de documents écrits à la fin des années 1980. Le R 2 dans une régression du diagramme de dispersion représenté à la figure 1, c'est-à-dire du rapport logarithmique des prix sur le rapport log-prix-bénéfice, est de 0,514, ce qui signifie que sur cet intervalle de 1901 à 1986, plus de la moitié des Variance du changement de prix (log) aurait pu être expliquée à l'avance par ce ratio simple. Il ya certaines inquiétudes quant à l'interprétation de cette dispersion, en raison d'éventuels petits effets de l'échantillon, mais la force de l'association semble si forte qu'elle suggère que cette relation n'est pas compatible avec les marchés efficaces ou le modèle de marche aléatoire. Le ratio utilisé ici pour prédire les variations des cours boursiers, le rapport entre le prix réel et la moyenne mobile trentenaire des gains réels, tend à être plus élevé que le ratio cours-bénéfice conventionnel parce que les bénéfices tendent à croître sur trente ans et le dénominateur Du rapport tend à être faible. Ainsi, le ratio moyen est plus élevé que prévu, le ratio moyen sur l'échantillon représenté est de 18,28. Aujourd'hui, avec un ratio de 29,72, bien au-dessus de la moyenne mais pas à des niveaux record. La valeur ajustée pour aujourd'hui de la régression est de 150,479, ce qui implique une baisse attendue de l'indice Standard and Poor réel au cours des 10 prochaines années de 38,07. Le diagramme de dispersion présenté à la figure 1 est inhabituel de deux façons: le ratio prix-bénéfice est défini en termes de moyennes trentenaires de gains plutôt que de gains des années précédentes et l'intervalle sur lequel les prix réels sont prévus est de dix ans, beaucoup plus long Que la plupart sont habitués. Le ratio le plus simple et le plus couramment utilisé pour prédire le marché est le ratio des prix150. L'utilisation des bénéfices d'un an dans le ratio prix-bénéfices est une convention malheureuse, recommandée par tradition et commodité plutôt que par une logique quelconque. En 1934, Benjamin Graham et David Dodd, dans leur fameux manuel «Security Analysis», disent que, pour examiner ces ratios, on devrait utiliser une moyenne de gains de moins de cinq ans, de préférence sept ou dix ans. (P. 452) Les gains au cours d'une année tendent à être affectés par des considérations à court terme, qui ne peuvent pas se poursuivre. À l'heure actuelle, les bénéfices ont soudainement grimpé ces dernières années, ramenant considérablement les ratios des prix à la consommation, mais il est douteux que ces changements soudains aient un sens. Nous étendons notre moyenne mobile même plus loin que Graham et Dodd, en supposant que le lissage est encore plus avantageux, et Graham et Dodd n'ont pas les données pour rendre possible un tel lissage. Nous avons choisi de représenter les rendements à long terme de dix ans, car c'est ce qui importe vraiment à la plupart des investisseurs, parce qu'il y a tellement d'intérêt aujourd'hui à investir à long terme et parce que la littérature statistique a récemment démontré que, Horizon sont plus prévisibles. Cela peut être contraire aux attentes que l'on pourrait penser qu'il est plus facile de prévoir dans un proche avenir que dans un avenir lointain, mais les données contredisent une telle intuition. Cette prévisibilité du marché n'est pas le genre de chose qui nous permettra de prévoir qu'un crash est au coin de la rue, il prévoit des tendances progressives, analogues à la prévision des perspectives d'une ville basée sur les tendances démographiques, ou la prévision du succès d'une université En termes de nombre de jeunes qui s'inscrivent. Notez que la relation prédictive apparente n'est pas vraiment un artefact de l'accident de 1929, comme certains pourraient le soupçonner. L'année 1929 n'est pas une vraie révélation sur l'intrigue, et les années 1972 et 1966 de l'après-guerre offrent un soutien plus spectaculaire à la théorie selon laquelle les variations de prix sont liées aux ratios des prix. Le crash de 1987 n'a pas non plus beaucoup d'importance à ces résultats: le point correspondant à 1978 (dix ans avant notre première observation post-collision ici de janvier 1988) n'est pas un point fort sur cette parcelle. Notre variable de prix150 variables est de 11,12 en 1978, en dessous de la moyenne de 18,28 dans cette série de données, et la variation des prix de log de 1978 à 1988 est de 0,57, un peu plus que la moyenne des dix ans de changement de prix de 0.16, . Le crash de 1987 lui-même est en fait contraire à la théorie, puisque le modèle prédit une augmentation supérieure à la moyenne des cours réels des actions au cours de l'intervalle de dix ans 197815088, et l'écrasement a servi à faire l'augmentation moins loin au-dessus de la moyenne. La figure 2 montre un diagramme de dispersion en fonction du temps du rendement brut réel (corrigé de l'inflation) de l'indice des actions ordinaires et des indices comptables pauvres comparativement au même rapport entre le prix réel et la moyenne des gains réels décalés de 30 ans. Sur ce diagramme, la relation semble encore plus frappante, c'est-à-dire que la relation négative entre le rapport prix-bénéfice et le retour ultérieur est plus forte, plus linéaire en apparence. La raison de l'ajustement le mieux adapté à cette relation est que les rendements sont influencés par le rapport prix-propriété de deux façons: par l'effet sur les variations de prix subséquentes, comme le montre la figure 1, et aussi par leur effet sur le rendement des dividendes. Les périodes de prix très élevés ratios de revenus ont tendance à être des périodes de faibles dividendes. Le faible rendement des dividendes dans ces circonstances tend à persister pendant des années, contribuant ainsi à la faiblesse des rendements. Pour la prévision des rendements sur trois ans, Campbell et I 1988 ont obtenu un R 2 de 0,195 avec cette seule variable de prévision seule pour la prévision des rendements sur dix ans, nous avons atteint un R 2 de 0,566. En revanche, si l'on utilisait le ratio des prix du revenu logarithmique simple comme variable indépendante, le R 2 pour la prévision des rendements sur trois ans n'était que de 0,090 et pour la prévision des rendements sur dix ans était de 0,296. Les données additionnelles de neuf ans depuis notre publication de 1988 ont été bénéfiques à nos résultats: le R 2 dans une régression des rendements réels sur dix ans de notre ratio entre le prix réel et la moyenne mobile trentenaire des gains réels augmente pour l'échantillon complet à 0,624 . En étendant nos données au-delà de 1987, nous pouvons maintenant observer l'intervalle de dix ans commençant en 1982 et les rendements élevés sur dix ans prévus par le faible ratio en 1982 sont bien confirmés par le rendement réel. Si l'on remplace la valeur de janvier 1996 pour ce ratio, soit 29,72, le rendement prévu à 10 ans pour les données à 10 ans est de 1500,06, pratiquement nul. Bien sûr, ce n'est pas le même que le retour attendu. Si les rendements sont biaisés vers la droite, comme cela serait suggéré par une distribution log-normale, alors le rendement attendu peut être sensiblement plus élevé. L'hypothèse logarithmique et notre modèle de régression estimative impliqueraient que le rendement attendu est exp (variance moyenne2) où la moyenne est le rendement logarithmique logarithme attendu et la variance est l'erreur-type carrée de la régression: nous obtenons un rendement total attendu supérieur à Les dix années suivantes de 0,009, soit environ un dixième de pourcentage par an. Cette prévisibilité sur le marché n'est pas due à une réponse du marché à la prévisibilité des taux d'intérêt. Campbell et Shiller 1988 ont constaté que si l'on substitue comme variable dépendante dans l'équation de retour de dix ans le journal de un plus le rendement de dix ans sur la norme et Poor Composite moins le log de un plus le rendement de dix ans sur l'investissement dans 41506 Les résultats sont pratiquement inchangés, le R 2 dans la régression est toujours 0,480. Tous ces résultats sont statistiquement significatifs: en utilisant un test de Wald qui tient compte des observations chevauchantes de la variable dépendante, nous constatons que le niveau de signification pour l'équation de retour réel à dix ans est de 0,000 pour l'équation de 10 ans de rendement excédentaire 0,002. Les biais possibles dans la relation Puisque les régressions ont des régresseurs stochastiques, il faut s'attendre à un certain biais dans le coefficient estimé. En termes simples, même si les prix des actions n'ont aucune relation avec les bénéfices simples, tant que les bénéfices sont lissés suffisamment pour générer le ratio des prix, il y aura une corrélation négative de petits échantillons entre le ratio prix-bénéfice et le ratio de trente ans Moyenne des gains. La corrélation négative provient principalement du fait que la moyenne de l'échantillon est estimée sur l'ensemble de l'échantillon et que les prix semblent naturellement être une moyenne revenant à la moyenne de l'échantillon, même si aucune moyenne réelle n'existe. J'ai fait une simple expérience de monte carlo pour suggérer l'importance d'un tel biais pourrait être. Nous avons généré 96 observations (annuelles) d'une randonnée aléatoire (ce nombre correspondant aux 96 observations 1901 à 1996 utilisées pour produire les 86 points montrés dans le diagramme de dispersion de la figure 2) et régresser les changements sur dix ans dans la marche aléatoire Niveau au début de la marche aléatoire. Cette régression montre une sorte de cas limite de notre histoire, dans laquelle les bénéfices sont lissés comme étant une constante, et donc que les gains ne jouent aucun rôle dans notre analyse. Dans cette expérience de Monte Carlo, avec 10 000 itérations, nous avons constaté que le R 2 avait tendance à être positif: le R 2 moyen était de 0,26. Cependant, dans ces expériences de Monte Carlo, nous avons atteint un R 2 de 0,624 seulement 1,9 fois, ce qui suggère que les résultats sont en fait très significatifs. Dans une autre expérience de monte carlo, j'ai cherché à représenter la moyenne mobile de 30 ans des gains comme autre chose qu'une constante: nous l'avons remplacée par une moyenne mobile de trente ans de prix décalés, cela semblait une expérience intéressante, en moyenne trente ans Des gains en ligne semblent assez similaires aux moyennes à 30 ans du prix du grumeau avec les données réelles, jusqu'à une constante d'addition. Dans chaque itération de l'expérience de Monte Carlo, une nouvelle randonnée aléatoire de 126 éléments (annuelle) générait, et pour les éléments 31 à 116, un vecteur de changements décennaux fut créé comme variable dépendante. Un vecteur d'observations variables indépendantes a été pris en créant d'abord le vecteur des éléments 1 à 116, puis en soustrayant de chacun la moyenne sur 30 ans du prix décalé. Dans chaque itération, nous avons régressé cette variable dépendante sur la variable indépendante et avons enregistré la R 2. En 100 000 itérations, la moyenne R 2 était de 0,124, bien en dessous de ce que nous avons observé, et dans seulement 0,26 des itérations était le R 2 supérieur à 0,62. Erreurs possibles dans l'index utilisé pour convertir les valeurs nominales en valeurs réelles Notez que notre diagramme de dispersion se réfère aux prix réels, aux rendements réels et aux gains réels. Il est important d'interpréter notre analyse en ces termes, puisque nous nous intéressons à des quantités réelles, non nominales. Mais introduire des indices d'inflation des prix introduit la possibilité d'erreur. La période autour de 1920 semble avoir beaucoup d'effet de levier, et est peut-être la comptabilité trop de notre ajustement. Le comportement de notre série autour de 1920 pourrait être un artefact de notre indice des prix, un indice des prix à la production, qui pourrait montrer beaucoup plus de volatilité autour de la récession de 192015021 que les autres indices de prix. Pourquoi Long Horizon Returns Il ya une certaine confusion populaire au sujet de l'importance de cette prévisibilité dans la prévision des retours à long terme. Une source de préoccupation que beaucoup de gens expriment est, si les rendements d'un an ne sont pas significativement prévisibles, pourquoi les rendements sur dix ans, qui ne sont que des moyennes sur dix ans des rendements d'un an, sont-ils significativement prévisibles? La puissance des tests prévoyant des rendements décennaux est décrite dans Campbell 1992. Une confusion connexe concerne l'apparente propriété aléatoire des rendements d'un an. La réponse est que l'on sait que les processus stochastiques qui sont près de la racine unitaire pour des intervalles d'un an peuvent être Sensiblement prévisibles sur des intervalles plus longs. En regardant les rendements d'un an, on voit beaucoup de bruit, mais sur des intervalles de temps plus longs ce bruit effectivement moyennes, et est moins important. Avertissements sur l'analyse ci-dessus La conclusion de cet article que le marché boursier devrait diminuer au cours des dix prochaines oreilles et de gagner un rendement total de presque rien doit être interprété avec une grande prudence. Notre recherche sur les relations économiques que nous pour étudier le prix divisé par la moyenne mobile de 30 ans de gains peut avoir trébuché sur une relation de hasard sans importance. En d'autres termes, la relation étudiée ici pourrait être une relation parasite, le résultat de l'exploration de données. Ni les tests statistiques ni les expériences de Monte Carlo ne tiennent compte de la recherche sur d'autres relations possibles. Il est également dangereux de supposer que les relations historiques sont nécessairement applicables à l'avenir. Il pourrait y avoir des changements structurels fondamentaux qui se produisent maintenant que signifie que le passé du marché boursier n'est plus un guide pour l'avenir. Campbell, John Y. et Robert J. Shiller, quotStock Prix, gains, et dividendes attendus, quot Journal of Finance. 43 (3): 661-76, juillet 1988. Le modèle de ratio de dividende et le petit biais d'échantillonnage: une étude de Monte Carlo, quot Economics Letters. 29: 325-31, 1989. Graham, Benjamin et David L. Dodd, Security Analysis. Helwege, Jean, David Laster, et Kevin Cole, quotStock Market Market Indicators: Est-ce que ce temps est différent de la Banque de la Réserve fédérale de New York? Shiller Les données brutes utilisées pour produire des chiffres sont également sur ce site web. Moving moyenne - MA Qu'est-ce que une moyenne mobile - MA Un indicateur largement utilisé dans l'analyse technique qui contribue à lisser l'action des prix en filtrant le bruit des fluctuations de prix aléatoires. Une moyenne mobile (MA) est un indicateur de tendance ou de retard, car il est basé sur les prix passés. Les deux MA de base et couramment utilisés sont la moyenne mobile simple (SMA), qui est la moyenne simple d'une sécurité sur un nombre défini de périodes de temps, et la moyenne mobile exponentielle (EMA), ce qui donne plus de poids aux prix plus récents. Les applications les plus courantes des MAs sont d'identifier l'orientation de la tendance et de déterminer les niveaux de soutien et de résistance. Alors que les AG sont assez utiles par eux-mêmes, ils forment également la base pour d'autres indicateurs tels que la Divergence de Convergence Moyenne Mouvante (MACD). Chargement du lecteur. (5 jours) 20, 22, 24, 25, 23 Semaine 2 (5 jours) 26, 28, 26, 29, 27 Semaine 3 (5 jours) 28, 30, 27, 29, 28 Une MA de 10 jours calcule les prix de clôture pour les 10 premiers jours comme premier point de données. Le prochain point de données laisserait tomber le premier prix, ajoute le prix au jour 11 et prend la moyenne, et ainsi de suite comme montré ci-dessous. Comme on l'a noté plus haut, les AM retardent l'action actuelle du prix parce qu'elles sont basées sur des prix passés, plus la période de l'AM est longue, plus le décalage est important. Ainsi, un MA de 200 jours aura un décalage beaucoup plus grand que d'une MA de 20 jours, car il contient des prix pour les 200 derniers jours. La durée de la MA à utiliser dépend des objectifs de négociation, avec plus courte MA utilisés pour les transactions à court terme et à plus long terme MA plus adaptés pour les investisseurs à long terme. La MA de 200 jours est largement suivie par les investisseurs et les commerçants, avec des ruptures au-dessus et en dessous de cette moyenne mobile considérés comme des signaux commerciaux importants. Les MA confèrent également des signaux commerciaux importants seuls, ou lorsque deux moyennes se croisent. Une augmentation MA indique que la sécurité est dans une tendance haussière. Tandis qu'un MA en déclin indique qu'il est dans une tendance baissière. De même, la dynamique ascendante est confirmée par un croisement haussier. Qui se produit quand un MA à court terme traverse au-dessus d'un MA à plus long terme. Le momentum descendant est confirmé par un croisement baissier, qui se produit quand un MA à court terme traverse un MA à plus long terme.
No comments:
Post a Comment