Meine kleine Sammlung an Börsenstatistiken (Seite 21)

[faultcode]

(Stock) Return Anomalies - die Wissenschaft: Grundsätzliches - "Warum?"

Nun, eigentlich bin ich ja wegen dieses Thread's bei WO: https://www.wallstreet-online.de/diskussion/1184227-3051-306… auf dieses Thema hier gekommen.

Erst 2,5 Jahre nach Threaderöffnung (bei Beitrag Nr. 2.618) gibt es nach meinem Querlesen zum ersten Mal einen indirekten, aber zumindest starken Hinweis zur Frage nach der wissenschaftlichen Begründung für die im Thread mittlerweile behandelte Handelsstrategie nach wiederkehrenden Monaten bzw. "Jahreszeiten" ("Seasons").

Vorher sind beide Themen "Wissenschaft" und "Saisonalität von Renditen" - nach meinen Kenntnisstand und Stichwortsuche - nicht behandelt oder zumindest angerissen worden. (Der zitierte Prof.Weber/Mannheim ging seinerzeit der Saisonalitäts-Anomalie nach meiner Kurzdurchsicht nicht nach: https://weber.bwl.uni-mannheim.de/de/mitarbeiter/prof_martin…).


D.h. bis heute macht man sich in obigem Thread fast täglich Gedanken zum:
(a) Wie?
(b) nachdem das Was? geklärt wurde (*), ...

(c) ... aber wo bliebt das Warum?
Also, warum funktioniert offensichtlich eine Handelsstrategie nach wiederkehrenden Monaten mit einer profitablen Rendite, zumindest über einen gewissen Zeitraum hinweg?

Und was sind die Risiken bei so einer Handels-Strategie? (***)

Und wie könnte die "wahre" Rendite aussehen, nämlich der Risk-Adjusted Return? (ein Begriff der bis heute nicht in jenem Thread auftaucht, auch nicht als Wort "risikoangepasst/risiko-angepasst").

Man sieht, es können einem dazu gewichtige Fragen einfallen in Zeiten hoch-effizienter Finanzmärkte (Stichwort Aladdin von Blackrock).


__
(*) es entstand aus der "TSI-Börsenampel" des AKTIONÄRS --> siehe dort Beitrag Nr. 407, von 17.11.13 20:12:51 des Users meckelfelder/meckelfelder_neu/etf_meckelfelder (alle abgemeldet; Banker im Controlling nach Eigenangaben mit sehr guten Excel-Programmierkenntnissen -> Nr. 313) --> (**)

Später kamen dann diese (deutschen) Design Inputs hinzu:
- der Gebert-Börsenindikator (-> Nr. 637): https://www.gebert-börsenindikator.de/
- der Aktienklima-Indikator von Goerke (-> Nr. 695): http://www.momentumstrategie.de/


(**) vollständiges Zitat von Beitrag Nr. 407:
Ergebnis meiner Simulation:
- Anlage am 29.05.1991 von 10.000 € - Bei "guter" Börsenverfassung wird ein Long DAX X2 ETF gekauft
- bei "schlechter" Börsenverfassung wird ein Short DAX X2 ETF gekauft. Beim Tausch von einem in ein anderes ETF sind 11,80 € an Flatex zu bezahlen
- ein Long DAX X2 ETF kostet 0,35 % p.a. (TER) - ein Short DAX X2 ETF kostet 0,60 % p.a. (TER)

Bei unveränderten Parametern:
- Wechsel bei RSL 0,95 bzw. 1,05 oder am 9. Tag nach einem Ampelwechsel: Ergebnis am 15.11.2013: 515.843,59 € (Rendite: 17,56% p.a.)
- Wechsel bei RSL 0,98 bzw. 1,02 oder am 6. Tag nach einem Ampelwechsel - Ergebnis am 15.11.2013: 3.210.791,38 € (Rendite: 25,71% p.a.)

Ein recht interessantes Ergebnis. Kann man sich den ganzen Kram mit den Einzelwerten sparen, wenn man nur mit X2 DAX ETF arbeitet? Was meint ihr dazu?

(***) siehe bei noch aktivem User elmago, der in Beitrag Nr. 2.388 dazu schrieb:
...halte ich etwa je 1/3 in der ETF-Strategie, in internationalen Aktien und physischen Edelmetallen. Sollte sich diesesr Mix stark verändern, werde ich die Drittel-Verteilung wieder herstellen.

[faultcode]

S&P 500: (Calendar) Day of month returns

=>
(*) schwierig:
- kaufen am 7., 9., oder 19., 20.,
- verkaufen am 1., 2., 3., 16. oder 18.
?

=> es bietet sich an (nach dieser Statistik): handeln im letzten Monatsdrittel (als Privatmann; "ruhiger"), sonst Raziermesser-Gefahr.


Was sagen andere, hier z.B. 1950 - 2015:



aus: http://stockmarketalmanac.co.uk/2015/04/us-stock-market-aver…

=>
- the first day of each month has the highest average daily return for the S&P 500 index; followed by the last day of the month

- the worst average daily return has been on the 9th of the month => FC: blieb so!
...

=> FC: der 15. (Kalendertag) hat sich zum 16. verschoben (zum Verkauf), der 18. zum 19. und 20 (zum Kaufen).


NB: das Problem an dieser Statistik: der 29., 30. und 31. Kalendertag ist nicht in jedem Monat jeden Jahres verfügbar

__
(*) wie bei Beitrag Nr. 2

[faultcode]

S&P 500: Day of week returns

=>
(*) also, in den USA:
- am Montag kaufen,
- am Dienstag verkaufen,
..wenn sie am Wochenende ihre Handelswoche vorbereiten.


Was sagen andere, hier z.B. nur 2017 bis 19.7.2017:


aus: https://seekingalpha.com/article/4088819-s-and-p-500-average…


=> wir sehen, ein komplett anderes statistisches Bild!

=> nur der Mittwoch bleibt zum Verkaufen.


=> dadurch, dass aber beide Statistiken in sehr verschiedenen Marktphasen unterwegs waren (1998-2017 Mischung aus Bullen- und Bärenmärkten, 2017 soweit ein Bullenmarkt), verschieben sich die Parameter erheblich.

Man sieht das alleine schon am "All Days"-Return von:
- 0,0264% (1998-2017)
gegenüber
- 0,07% (2017-7-19)


Und noch was seh ich 2017: die "Quantifizierung" des Aktienmarktes:
- Up
- Down
- Up
- Down
- ...

=> der einzige Nicht-Phasenwechsel (2017) ist der um's Wochenende herum.

=>
d.h., 2017 ist es en vogue über's WE Long zu sein,
in den letzten 19...20 Jahren hingegen nicht.

__
(*)
Start: 02.01.1998 (soweit wie bei finance.yahoo.com verfügbar - für mich zumindest). Ist OK für mich; ich brauch im Jahr 2017 keine Statistik von 1955.
Ende: 31.07.2017

=> 4914 Handelstage (ich prüfe immer ein wenig, wie z.B.: ist auch Volumen da mit >0 und <∞ ?)

[faultcode]

Beim Lesen verschiedener Postings hier bei WO, insbesondere von "Handelsstrategen", fing ich auch an ein paar (einfache) Statistiken in MS Excel (2010, 32Bit, deutsch) zu erstellen zum Thema:

frequentistische Statistiken von Aktienkursen.


(a) der Rückspiegel:
Also ein klarer Blick in den Rückspiegel statt unklarer Blick durch die schmutzige Windschutzscheibe (frei nach W.Buffett).

Dennoch heisst es nicht umsonst: Traue keiner Statistik, die du nicht selbst gefälscht hast.

(b) die Wissenschaft:
Also habe ich mir gedacht, warum denn nicht selber anfangen zu (ver-)fälschen? Daher habe ich auch keinerlei wissenschaftlichen Anspruch hier.

Fehler und Irreführungen in:
- Konzeption,
- Durchführung und
- Interpretation (Deutung)..
..sind damit quasi schon vorprogrammiert.


Stichwörter:
data-snooping biases --> https://www.quantshare.com/sa-59-data-snooping-bias
..auch genannt (vielleicht nicht identisch): Data dredging, data fishing, p-hacking --> https://en.wikipedia.org/wiki/Data_dredging


(c) Einfachheit:
Also: je einfacher die Statistik, umso nachvollziehbarer und damit erhellender.

Je schwieriger eine Statistik, umso so mehr müsste man dazu schreiben, um sie für Dritte leicht(er) verständlich zu machen. Damit sind Stolpersteine geradezu vorprogrammiert.

(d) Renditen ausrechnen:
Ich stellte in der Vergangenheit nämlich fest, dass eine realistische und allgemeine Renditeberechnung keine triviale Angelegenheit ist, egal für welchen Zweck.

(e) Kontext einer Statistik:
Was für den einen Anleger oder Spekulanten wichtig wäre, ist für den nächsten vollkommen belanglos. Der Kontext einer Statistik ist nämlich von allergrösster Bedeutung.

Dazu gehört vor allem und in erster Linie über welchen vergangenen Zeitraum sie erstellt wurde. Die Märkte ändern sich (unmerklich) jeden Handelstag. Jeden Handelstag treten neue Marktteilnehmer ein (Menschen oder Maschinen) und jeden Handelstag verlassen Marktteilnehmer wieder einen Markt.

D.h., in den nächsten 5, 10 oder gar 15 Jahren werden wir mit an Sicherheit grenzender Wahrscheinlichkeit andere Werte für dieselben statistischen Grössen haben als in den letzten 5, 10 oder gar 15 Jahren.

Das sollten alle Marktteilnehmer, nicht nur "Handelsstrategen", immer im Hinterkopf behalten.

(f) der Einzelfall:
Und natürlich:
eine Statistik sagt nichts (Gesichertes) über den Einzelfall aus, weder in der Vergangenheit noch in Zukunft.


(g) Sehr wichtig - wird immer gerne übersehen: die Grenzkosten
Selbst wenn es eine belastbare Statistik über eine bestimmte Situation geben sollte, dann sollte - oder besser muss - eine nachhaltig ausreichend profitable Handelbarkeit dieser durch die einem zur Verfügung stehenden Instrumente, vom Marktteilnehmer auch überprüft werden.

Mit anderen Worten:
Es macht keinen Sinn nach einer Statistik zu handeln, wenn:

die Grenzkosten ("marginal cost") den Grenznutzen ("marginal benefits") überschreiten.

Und Kosten können hier mehr als nur monetäre Grössen sein, sondern auch der eigene Arbeits- und Zeitaufwand, sowie individuelle Randbedingungen wie Kosten für eine Einkommensteuererklärung.

D.h., eine Statistik mag für den einen Marktteilnehmer nachhaltig profitabel handelbar sein, aber für den anderen eben nicht. Es wäre in jedem Fall gut, das zumindest schon vorher abzuklären. Man lebt ja nicht 100 Jahre und sollte daher versuchen die Anzahl seiner Fehler an der Börse zu minimieren.

Ich erinnere dazu an:
ANRWDWS - A Non-Random Walk Down Wall Street, Andrew W. Lo and A. Craig MacKinlay, 1999:
http://press.princeton.edu/titles/6558.html
=> ja, der Markt ist nicht dauerhaft zufällig, weder kurz- noch langfristig, und damit in Teilen vorhersehbar, aber die ausreichend profitable Ausbeutung dieser sehr kleinen Nicht-Zufälligkeiten ist dem einfachen Privatanleger mit sehr hoher Wahrscheinlichkeit nicht dauerhaft möglich!

Schon damals, 1999, war das evident - wie sieht es denn heutzutage, 2017, aus, einer Zeit in der an der NYSE 90% aller Trades bereits von Maschinen vorgenommen werden?


__
Ein paar allgemeine Kenngrössen (1):
- nur Schlusskurse wie vom jeweiligen, freien Datenlieferanten zur Verfügung gestellt; manchmal auch Volumen
- Sprache: Denglisch (der Hund wackelt mit dem Schwanz mittel- und langfristig, nicht umgekehrt => erst kommt der S&P500, dann der DAX z.B.)