Moving Average - MA BREAKING DOWN Moving Average - MA Als SMA-Beispiel betrachten Sie eine Sicherheit mit den folgenden Schlusskursen über 15 Tage: Woche 1 (5 Tage) 20, 22, 24, 25, 23 Woche 2 (5 Tage) 26, 28, 26, 29, 27 Woche 3 (5 Tage) 28, 30, 27, 29, 28 Ein 10-Tage-MA würde die Schlusskurse für die ersten 10 Tage als ersten Datenpunkt ausgleichen. Der nächste Datenpunkt würde den frühesten Preis fallen lassen, den Preis am Tag 11 hinzufügen und den Durchschnitt nehmen, und so weiter wie unten gezeigt. Wie bereits erwähnt, verbleiben MAs die derzeitige Preisaktion, weil sie auf vergangenen Preisen basieren, je länger der Zeitraum für die MA ist, desto größer ist die Verzögerung. So wird ein 200-Tage-MA ein viel größeres Maß an Verzögerung haben als ein 20-Tage-MA, weil es Preise für die letzten 200 Tage enthält. Die Länge der MA zu verwenden hängt von den Handelszielen ab, wobei kürzere MAs für kurzfristige Handels - und längerfristige MAs für langfristige Investoren besser geeignet sind. Die 200-Tage-MA ist weithin gefolgt von Investoren und Händlern, mit Pausen über und unter diesem gleitenden Durchschnitt als wichtige Handelssignale. MAs vermitteln auch eigene Handelssignale, oder wenn zwei Durchschnitte kreuzen. Eine aufsteigende MA zeigt an, dass die Sicherheit in einem Aufwärtstrend ist. Während eine abnehmende MA anzeigt, dass es sich in einem Abwärtstrend befindet. Ebenso wird die Aufwärtsbewegung mit einem bullish Crossover bestätigt. Die auftritt, wenn ein kurzfristiges MA über einen längerfristigen MA kreuzt. Abwärts-Impuls wird mit einem bärigen Crossover bestätigt, der auftritt, wenn ein kurzfristiger MA unter einen längerfristigen MA. Price150Erfindungsquoten als Forecasters of Returns übergeht: Der Börsenausblick 1996 von Robert J. Shiller Die Theorie, dass der Aktienmarkt ist Etwa ein zufälliger Spaziergang sieht überhaupt nicht aus: Abbildung 1 ist ein (log-log) Streudiagramm, das für jedes Jahr 19011501986 das Verhältnis des realen Standard - und Poor-Index zehn Jahre später zum realen Index heute (auf der y-Achse) Im Vergleich zu einem bestimmten Preis150earnings Ratio: das Verhältnis des realen Standard - und Poor Composite Index für das erste Jahr des zehnjährigen Intervalls, geteilt durch einen umlaufenden dreißigjährigen gleitenden Durchschnitt des realen Ergebnisses entsprechend dem Standard - und Poor-Index (auf der x-Achse) . Indexwerte sind für Januar, die Umwandlung von Nominalwerten in reale Werte erfolgt durch den Januar Producer Price Index. Die auf der x-Achse angezeigte Variable ist zu Beginn eines jeden zehnjährigen Intervalls öffentlich bekannt. Wenn echte Aktienkurse ein zufälliger Spaziergang waren, sollten sie unvorhersagbar sein, und es sollte eigentlich keine Beziehung zwischen y und x geben. Es scheint sicherlich eine deutliche negative Beziehung hier zu sein. Der Januar 1996 Wert für das Verhältnis auf der horizontalen Achse ist 29,72, auf der Figur mit einer vertikalen Linie gezeigt. Wenn man das Diagramm betrachtet, ist es schwer, ohne das Gefühl zu kommen, dass der Markt in den darauffolgenden zehn Jahren mit einem erheblichen Wertverlust übertreffen wird. Es scheint, dass langjährige Investoren für das nächste Jahrzehnt aus dem Markt bleiben sollten. Ist diese Schlussfolgerung richtig Wie können wir es mit dem weit verbreiteten öffentlichen Eindruck versöhnen, dass die zufällige Spazierhypothese zumindest annähernd echte Verhältnisse als Indikatoren des Marktübertritts ist. Das in Abbildung 1 (und in der nachfolgenden Figur) dargestellte Streudiagramm ist ungewöhnlich, Die auf beiden Achsen gezeigten Maßnahmen beziehen sich auf den Langlauf. Die Verhältnisse der Börsenindizes zu den Maßnahmen des Grundwerts (wie zB des Ergebnisses) als Indikatoren für die Aussichten für den Markt scheinen am nützlichsten zu sein, wenn sie sich auf lange Sicht richtig beziehen, dies ist die Lehre aus einer Reihe neuerer Zeitungen. Der Nenner des Verhältnisses sollte ein gewisses Maß an langfristigem Grundwert sein, wie zum Beispiel langfristige Erträge, und die Prognosen für den Markt, die prognostiziert werden sollen, sollte eine langfristige sein. John Campbell und ich studierten die in der Figur dargestellte Beziehung in einer Reihe von Papieren, die in den späten 1980er Jahren geschrieben wurden. Die R 2 in einer Regression des in Abbildung 1 dargestellten Streudiagramms, dh des Protokollverhältnisses der Preise auf das Log-Preis-Gewinn-Verhältnis, beträgt 0,514, was bedeutet, dass über dieses Intervall von 1901 bis 1986 mehr als die Hälfte der Abweichung der (log) Preisänderung hätte im Voraus durch dieses einfache Verhältnis erklärt werden können. Es gibt einige Bedenken hinsichtlich der Interpretation dieser Streuung, aufgrund möglicher kleiner Stichprobeneffekte, aber die Stärke des Vereins scheint so stark zu sein, dass diese Beziehung nicht mit den effizienten Märkten oder dem zufälligen Wandermodell übereinstimmt. Das hier verwendete Verhältnis zur Vorhersage der Aktienkursveränderungen, das Verhältnis des realen Preises zu einem dreißigjährigen gleitenden Durchschnitt des realen Ergebnisses, ist tendenziell höher als das konventionelle Kurseinkommensverhältnis, weil das Ergebnis über dreißig Jahre wächst und damit der Nenner Des Verhältnisses tendenziell niedrig zu sein. Somit ist das mittlere Verhältnis höher als man erwartet hätte, das mittlere Verhältnis über der gezeigten Probe beträgt 18,28. Heute, mit einem Verhältnis von 29,72, weit überdurchschnittlich aber nicht auf Rekordniveau. Der passende Wert für heute von der Regression ist 150.479, was einen erwarteten Rückgang der realen Standard und Poor Index in den nächsten 10 Jahren von 38,07. Das in Abbildung 1 dargestellte Streudiagramm ist in zweierlei Hinsicht ungewöhnlich: Die Preis-Gewinn-Ratio ist in Bezug auf die dreißigjährigen Durchschnittswerte des Ergebnisses und nicht für das Ergebnis der letzten Jahre definiert, und das Intervall, über das die realen Preise prognostiziert werden, beträgt zehn Jahre, viel länger Als die meisten gewöhnt sind. Das einfachste und am weitesten verbreitete Verhältnis zur Vorhersage des Marktes ist das Preisverhältnis. Die Verwendung von Ein-Jahres-Einkommen in der Preis150earnings Ratio ist eine unglückliche Konvention, die von Tradition und Bequemlichkeit eher als jede Logik empfohlen wird. Noch vor 1934, Benjamin Graham und David Dodd, in ihrer jetzt berühmten Lehrbuch Security Analysis, sagte, dass für Zwecke der Prüfung solcher Verhältnisse, sollte man einen Durchschnitt von Einkommen von quotnot weniger als fünf Jahre, vorzugsweise sieben oder zehn Jahre (S. 452) Die Erträge in einem Jahr sind in der Regel von kurzfristigen Erwägungen betroffen, die nicht weiter zu erwarten sind. In der heutigen Zeit sind die Einnahmen in den letzten Jahren plötzlich erschienen und bringen die Preisverhältnisse drastisch, aber es ist zweifelhaft, dass solche plötzlichen Veränderungen sinnvoll sind. Wir verlängern unseren gleitenden Durchschnitt noch weiter, als Graham und Dodd, unter der Voraussetzung, dass noch mehr Glättung ist vorteilhaft, und Graham und Dodd nicht die Daten dann, um solche Glättung möglich zu machen. Wir haben uns für eine langjährige Rendite von zehn Jahren entschieden, denn das ist für die meisten Investoren wirklich wichtig, denn es gibt so viel Interesse an langfristigen Investitionen, und weil es in der statistischen Literatur, dass die Langzeit - Horizon-Renditen sind eher vorhersehbar. Dies kann im Widerspruch zu den Erwartungen sein, die man hätte denken können, dass es leichter ist, in die nahe Zukunft zu prognostizieren als in die ferne Zukunft, aber die Daten widersprechen einer solchen Intuition. Diese Prognose des Marktes ist nicht die Art von Dingen, die es uns ermöglichen zu prognostizieren, dass ein Absturz um die Ecke ist es prognostiziert allmähliche Trends, analog zur Prognose der Perspektiven für eine Stadt auf der Grundlage von Bevölkerungs-Trends oder Prognose der Erfolg einer Universität In Bezug auf die Zahl der Jugendlichen, die sich einschreiben. Beachten Sie, dass die scheinbare prädiktive Beziehung nicht wirklich ein Artefakt des 1929-Crashs ist, wie manche vermuten könnten. Das Jahr 1929 ist nicht ein echtes Standout auf dem Grundstück, und die Nachkriegsjahre 1972 und 1966 bieten eine drastischere Unterstützung für die Theorie, dass Preisänderungen im Zusammenhang mit Preis150earnings Ratios sind. Ebenso wenig ist der Crash von 1987 von großer Bedeutung für diese Ergebnisse: Der Punkt, der 1978 entspricht (zehn Jahre vor unserer ersten Post-Crash-Beobachtung hier im Januar 1988), ist kein Ausmaß auf dieser Handlung. Unsere Preisvariable variabel ist 11.12 im Jahr 1978, unterhalb des Durchschnittes von 18,28 in diesem Datensatz, und die logarktpreisänderung von 1978 bis 1988 ist 0,57, etwas höher als durchschnittliche zehnjährige logpreisänderung von 0,16 und bietet eine leichte unterstützung für unsere theorie . Der Crash von 1987 selbst arbeitet tatsächlich gegen die Theorie, da das Modell einen überdurchschnittlichen Anstieg der realen Aktienkurse über das Zehnjahresintervall 197815088 prognostiziert hat und der Crash diente dazu, den Anstieg weniger weit überdurchschnittlich zu machen. Abbildung 2 zeigt ein zeitlich verknüpftes Streudiagramm der realen (inflationskorrigierten) Brutto-Rendite auf dem Standard - und Poor Composite-Aktienkursindex gegenüber dem gleichen Verhältnis des realen Preises zum 30-jährigen Durchschnitt des verzögerten Realeinkommens. In diesem Diagramm sieht die Beziehung noch auffallender aus, das heißt, die negative Beziehung zwischen dem Preiseinkommensverhältnis und der nachfolgenden Rendite ist stärker, linearer im Aussehen. Der Grund für die bessere Passform in dieser Relation ist, dass die Renditen von der Rate150earnings Ratio auf zwei Arten beeinflusst werden: durch die Auswirkung auf nachfolgende Preisänderungen, wie in Abbildung 1 gesehen, und auch durch ihre Auswirkung auf Dividendenrenditen. Zeiten von sehr hohen Preis-Gewinn-Verhältnissen neigen dazu, Zeiten der niedrigen Dividendenrenditen zu sein. Die niedrige Dividendenrendite unter solchen Umständen neigt dazu, jahrelang anhalten zu können und trägt damit zu den niedrigen Renditen bei. Für die Prognose von dreijährigen Renditen erzielte Campbell und I 1988 einen R 2 von 0,195 mit dieser einzigen Prognoservariablen allein für die Prognose von zehnjährigen Renditen, erreichten wir eine R 2 von 0,566. Im Gegensatz dazu, wenn wir die einfache Log-Gewinn-Preis-Verhältnis als unabhängige Variable verwendet, war die R 2 für die Prognose der dreijährigen Renditen nur 0,090, und für die Prognose der zehnjährigen Renditen war 0,296. Die zusätzlichen neunjährigen Daten seit unserer 1988er Zeitung waren gut zu unseren Ergebnissen: Die R 2 in einer Regression von zehnjährigen realen Renditen auf unser Verhältnis von realen Preis zu dreißigjährigen gleitenden Durchschnitt der realen Einnahmen steigt für die volle Stichprobe auf 0,624 . Durch die Erweiterung unserer Daten nach 1987 können wir nun das Zehnjahresintervall ab 1982 beobachten und die im Jahr 1982 durch das niedrige Verhältnis vorhergesagte hohe Zehnjahresrendite wird durch die tatsächliche Rendite gut behauptet. Wenn wir den Wert von Januar 1996 für das Verhältnis, das sind 29,72, ersetzen, dann ist die vorhergesagte log zehnjährige Rendite 1500.06, praktisch Null. Natürlich ist das nicht das gleiche wie die erwartete Rendite. Wenn die Rücksendungen nach rechts geschoben werden, wie es durch eine logarithmische Verteilung vorgeschlagen würde, dann kann die erwartete Rendite wesentlich höher sein. Die logarithmische Annahme und unser geschätztes Regressionsmodell würden implizieren, dass die erwartete Rendite exp (mittlere Varianz2) ist, wobei der Mittelwert die erwartete log Brutto-Rendite ist und die Varianz der quadrierte Standardfehler der Regression ist: Mit diesen kommen wir mit einer erwarteten Gesamtrendite auf Die folgenden zehn Jahre von .009, oder etwa ein Zehntel pro Prozent pro Jahr. Diese Prognose auf dem Markt ist nicht auf eine Marktreaktion auf die Prognose der Zinssätze zurückzuführen. Campbell und Shiller 1988 stellten fest, dass, wenn man als abhängige Variable in der zehnjährigen Rendite Gleichung die Log von einem plus die zehnjährige Rendite auf den Standard und Poor Composite minus das Protokoll von einem plus die zehnjährige Rendite auf Investitionen in 41506 ersetzt Monat Prime Commercial Paper, die Ergebnisse sind nahezu unverändert, die R 2 in der Regression ist immer noch 0,480. Alle diese Ergebnisse sind statistisch signifikant: Mit einem Wald-Test, der die überlappenden Beobachtungen der abhängigen Variablen berücksichtigt, finden wir, dass das Signifikanzniveau für die zehnjährige reale Renditegleichung für die zehnjährige Überschussrendite gleich ist 0,002 Mögliche Vorurteile in der Beziehung Da die Regressionen stochastische Regressoren haben, müssen wir eine gewisse Vorspannung im geschätzten Koeffizienten erwarten. In einfachen Worten, auch wenn Aktienkurse haben keine Beziehung zu allen einfachen Einnahmen, solange das Ergebnis geglättet genug, um die Preis150earnings Verhältnis zu generieren, wird es neigen dazu, eine negative Korrelation kleine Proben zwischen der Preis-Gewinn-Verhältnis und die dreißig Jahre Durchschnitt des ergebnisses Die negative Korrelation entsteht primär, weil der Stichprobenmittelwert über die gesamte Stichprobe geschätzt wird, und die Preise werden natürlich als Mittelwert für ihre Stichprobe bedeuten, auch wenn kein wahres Mittel vorhanden ist. Ich habe ein einfaches monte carlo Experiment, um zu suggerieren, wie wichtig eine solche Bias sein könnte. Wir erzeugten 96 (jährliche) Beobachtungen eines zufälligen Spaziergangs (diese Zahl entspricht den 96 Beobachtungen 1901 bis 1996, die verwendet wurden, um die 86 Punkte zu erzeugen, die in dem Streudiagramm in Fig. 2 gezeigt sind) und rezitieren zehnjährige Änderungen in dem zufälligen Spaziergang auf seinem Niveau am Anfang des zufälligen Spaziergangs. Diese Regression zeigt eine Art Begrenzungsfall unserer Geschichte, in der die Einnahmen so geglättet werden, dass sie eine Konstante sind, und damit die Einnahmen in unserer Analyse keine Rolle spielen. In diesem monte carlo experiment, mit 10.000 iterationen, fanden wir, dass das R 2 tendenziell positiv war: der durchschnittliche R 2 war 0,26. Bei diesen monte carlo-Experimenten erreichten wir jedoch ein R2 von .624 nur 1,9 der Zeit, was darauf hindeutet, dass die Ergebnisse in der Tat sehr signifikant sind. In einem anderen monte carlo experiment suchte ich den 30-jährigen gleitenden Durchschnitt des Einkommens als etwas anderes als eine Konstante zu vertreten: Wir ersetzten es mit einem dreißigjährigen gleitenden Durchschnitt der zurückgebliebenen Preise, wie es ein interessantes Experiment war, in diesem dreißigjährigen Durchschnitt Der Log-Erträge sehen ziemlich ähnlich wie 30-Jahres-Mittelwerte des Log-Preises mit tatsächlichen Daten, bis zu einer additiven Konstante. Bei jeder Iteration des monte carlo-Experiments wurde ein neuer 126-elementiger (jährlicher) zufälliger Spaziergang erzeugt, und für die Elemente 31 bis 116 wurde ein Vektor der nachfolgenden zehnjährigen Änderungen als abhängige Variable erstellt. Ein Vektor von unabhängigen variablen Beobachtungen wurde genommen, indem zuerst der Vektor der Elemente 1 bis 116 erzeugt wurde und dann von jedem der 30-Jahres-Durchschnitt des verzögerten Preises subtrahiert wurde. In jeder Iteration haben wir diese abhängige Variable auf die unabhängige Variable zurückgeführt und die R 2 aufgezeichnet. In 100.000 Iterationen betrug der durchschnittliche R 2 0,124, weit unter dem, was wir beobachtet haben, und in nur 0,26 der Iterationen war das R 2 größer als 0,62 Mögliche Fehler im Index, die verwendet werden, um Nominale in reale Werte umzuwandeln Beachten Sie, dass unser Streudiagramm auf reale Preise, reale Renditen und reale Erträge verweist. Es ist wichtig, unsere Analyse in diesen Begriffen zu treffen, da wir uns mit echten, nicht nominalen Mengen beschäftigen. Aber die Einführung von Indizes der Preisinflation führt die Möglichkeit des Irrtums ein. Die Periode um 1920 scheint eine Menge Hebelwirkung zu haben, und ist vielleicht zu viel von unserer Passform verantwortlich. Das Verhalten unserer Serie um 1920 könnte ein Artefakt unseres Preisindexes sein, ein Produzentenpreisindex, der in der Rezession von 192015021 viel mehr Volatilität aufweisen könnte als andere Preisindizes. Warum Long Horizon Returns Es gibt einige populäre Verwirrung über die Bedeutung dieser Vorhersagbarkeit bei der Prognose von Long-Horizon-Renditen. Eine Quelle der Sorge, die viele Menschen ausdrücken, ist, wenn die Einjahresrenditen nicht signifikant vorhersehbar sind, warum sollten die zehnjährigen Renditen, die nur zehnjährige Mittelwerte der einjährigen Renditen sind, deutlich vorhersehbar sein Die Leistung der Tests, die zehnjährige Renditen vorhersagen, wird in Campbell 1992 beschrieben. Eine verwandte Verwirrung betrifft die scheinbare zufällige Wanderung Eigentum von einjährigen Renditen. Wie werden einige fragen, kann es sein, dass einjährige Renditen so scheinbar zufällig sind und doch zehnjährige Renditen meist vorhersehbar sind. Die Antwort ist, dass es bekannt ist, dass stochastische Prozesse, die in der Nähe von Einheitswurzeln für einjährige Intervalle liegen, sein können Weitgehend über längere Intervalle prognostiziert werden. Bei der Betrachtung von Einjahresrenditen sieht man viel Lärm, aber über längere Zeitintervalle schaltet dieses Geräusch effektiv aus und ist weniger wichtig. Warnungen über die obige Analyse Die Schlussfolgerung dieses Papiers, dass die Börse erwartet wird, um in den nächsten zehn Ohren zu sinken und eine totale Rendite von fast nichts zu verdienen, muss mit großer Vorsicht interpretiert werden. Unsere Suche über die wirtschaftlichen Beziehungen, die wir, um den Preis zu studieren, geteilt durch den 30-jährigen gleitenden Durchschnitt des Verdienstes, kann auf eine zufällige Beziehung ohne Bedeutung gestoßen sein. Mit anderen Worten, die hier untersuchte Beziehung könnte eine falsche Beziehung sein, das Ergebnis des Data Mining. Weder die statistischen Prüfungen noch die monte carlo-Experimente berücksichtigen die Suche über andere mögliche Beziehungen. Es ist auch gefährlich, davon auszugehen, dass historische Beziehungen notwendigerweise auf die Zukunft anwendbar sind. Es könnten grundlegende strukturelle Veränderungen auftreten, die jetzt bedeuten, dass die Vergangenheit der Börse nicht mehr ein Leitfaden für die Zukunft ist. Campbell, John Y. und Robert J. Shiller, quotStock Preise, Einnahmen und erwartete Dividenden, Journal of Finance. 43 (3): 661-76, Juli 1988.,Die Dividend Ratio Model und Small Sample Bias: Eine Monte Carlo Studie, Wirtschaftswissenschaften. 29: 325-31, 1989. Graham, Benjamin und David L. Dodd, Sicherheitsanalyse. Erster Auflage, McGraw Hill, New York, 1934. Helwege, Jean, David Laster und Kevin Cole, quotStock Market Valuation Indikatoren: Ist diese Zeit anders als Federal Reserve Bank von New York Research Paper Nr. 9520, September 1995. 1996 Robert J. Shiller Raw Daten, die verwendet werden, um Zahlen zu produzieren, sind auch auf dieser Website. Test Market Timing Models Mit diesem Tool können Sie verschiedene Markt-Timing und taktische Asset Allocation Modelle auf der Grundlage von gleitenden Durchschnitten, Impuls, Marktbewertung und Zielvolatilität zu testen. Zu den unterstützten Modellen gehören: Shiller PE Ratio Marktbewertung Moving Averages - Single Asset Moving Averages - Portfolio Assets Momentum - Relative Stärke Momentum - Dual Momentum Momentum - Adaptive Allokation Zielvolatilität Hier finden Sie eine Zusammenfassung des ausgewählten taktischen Asset Allocation Models unten und a Detailliertere Beschreibung im FAQ-Bereich. Shiller PE Ratio Marktbewertung Shiller PE Ratio (PE10) Marktbewertung basiert Timing-Modell verwendet Verschiebungen die Zuordnung zwischen Aktien und Anleihen wie folgt: PE10 gt 22 - 40 Aktien, 60 Anleihen 14 lt PE10 lt 22 - 60 Aktien, 40 Anleihen PE10 lt 14 - 80 Aktien, 20 Anleihen Die ausgewogene 60 Aktie und 40 Anleihenzuteilung werden als Benchmark-Portfolio verwendet. Moving Averages - Single Asset Das gleitende durchschnittliche Timing-Modell wird entweder in einen bestimmten Aktien-, ETF - oder Investmentfonds investiert oder ist alternativ in bar oder Andere risikofreie Vermögenswerte auf der Grundlage der gleitenden durchschnittlichen Signal. Das Modell wird in den Vermögenswert investiert, wenn der am Ende des Monats angepasst enge Preis größer ist als der gleitende Durchschnitt und das Modell bewegt sich in bar, wenn der Ende des Monats angepasst nahen Preis ist weniger als der gleitende Durchschnitt. Das Modell unterstützt auch die gleitende durchschnittliche Überkreuzung als Signal. Verschieben von Durchschnittswerten - Portfolio-Assets Das gleitende Durchschnittsmodell wendet das gleitende Durchschnittssignal an jedes Portfolio-Asset an. Das Modell wird in ein Portfolio-Asset investiert, wenn der am Ende des Monats angepasst enge Preis größer ist als der gleitende Durchschnitt und die Zuteilung wird in bar verschoben, wenn der am Ende des Monats angepasst enge Preis weniger als der gleitende Durchschnitt ist. Das Modell unterstützt auch die gleitende durchschnittliche Überkreuzung als Signal. Momentum - Relative Stärke Das relative Stärke-Impulsmodell investiert in die am besten leistungsfähigen Vermögenswerte im Modell auf der Grundlage jedes Vermögens Vergangenheit Rückkehr. Der Impuls kann auf einer einzigen Timingperiode oder mehrfach gewichteten Timingperioden basieren. Darüber hinaus unterstützt das Modell die Verwendung von gleitenden Durchschnitten als Risikokontrolle, um zu entscheiden, ob die Investitionen in Bargeld umgezogen werden sollen. Momentum - Dual-Momentum Das Dual-Impuls-Modell nutzt relative Impulse, um die bestmöglichen Modell-Assets auszuwählen und beinhaltet absolute Impulse als Filter, um in Geld zu investieren, wenn die Überschussrendite des ausgewählten Vermögenswertes über Bargeld negativ ist. Adaptive Allokation Das adaptive Asset Allocation Model kombiniert das relative Impulsmodell mit unterschiedlicher Assetgewichtung. Das relative Stärkemodell verwendet eine gleichgewichtige Zuteilung für das Modell ausgewählte Vermögenswerte, während die adaptive Asset Allocation entweder inverse Volatilitäts-basierte Risiko-Paritätszuteilung oder minimale Varianz-Allokation für die Modell-Assets verwendet, um die erwartete Volatilität zu minimieren. Zielvolatilität Das Zielvolatilitätsmodell passt das Marktrisiko des Portfolios auf Basis der realisierten historischen Volatilität und des gegebenen Volatilitätsziels an. Die Barausschüttung im Portfolio wird erhöht oder verringert, um die gezielte Volatilität zu erreichen, um die risikoadjustierte Performance zu verbessern. Finden Sie ETF, Investmentfonds oder Stock Symbol
No comments:
Post a Comment