Meine kleine Sammlung an Börsenstatistiken - 500 Beiträge pro Seite

[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.)

[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]

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]

(Stock) Return Anomalies - die Wissenschaft: Grundsätzliches - &quot;Warum?&quot;

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]

Antwort auf Beitrag Nr.: 55.455.387 von faultcode am 04.08.17 01:13:14

Return Seasonalities - die Wissenschaft (1')

Mir erscheint dieser Thread der geeignetere Platz zu sein, um obiger Frage (c) nach dem "Warum?" bei Return Seasonalities nachzugehen - ohne hier, um es gleich zu sagen, eine einfache Antwort präsentieren zu können.

Aber sonst gäbe es ja keine (ernsthafte) Wissenschaft (in einer freien Welt), wenn es auf alle schwierigen Fragen gleich eine einfache Antwort gäbe.

Daher zitiere ich beide Beiträge dazu hier noch einmal 1:1, um den Gedankenfluss beizubehalten.

__
Beitrag Nr. 3.057 (https://www.wallstreet-online.de/diskussion/1184227-3051-306…):

Zitat von Boersikus78: Wissenschaftlich gesehen sind wir auf dem richtigen Dampfer:

http://www.nzz.ch/finanzen/fonds/systematische-geldanlage-an…

Obiger Artikel ist prinzipiell interessant - erklärt aber nichts zur Saisonalität von Renditen.
Er ist schlampig recherchiert. Der Autor hat mMn das von ihm zuerst zitierte (schwierige) Papier offensichtlich nicht ganz verstanden.
Dennoch sind beide zitierten Papiere neu und allgemein interessant für faktor-basiertes Investieren. Soll aber hier nicht das Thema sein.


Ich habe dennoch zu Return Seasonalities gegoogelt, und bin dabei bei neueren Papieren, sagen wir ab 2010, auf eine (wichtige) Erkenntniss dazu gestossen.

Neuere Papiere sind mMn (sehr) wichtig (geworden) wg. dem offenkundigen Data Snooping-Problem in der Vergangenheit bei vielen Studien zu Renditen (Returns): https://de.wikipedia.org/wiki/P-Hacking (cf. The History of the Cross Section of Stock Returns, Linnainmaa, Roberts, 2016-02)

(a) die Saisonalität, gleich welcher Art, meistens Monat, Tag oder Stunde, von Renditen spielt in der internationalen (englischsprachigen - lingua franca), akademischen Literatur nur eine sehr untergeordnete Rolle.

(b) nach einigem Lesen, habe ich dann herausgefunden, warum das so sein könnte:

Und zwar im Abstract von:
Common Factors in Return Seasonalities, Matti Keloharju, Juhani T. Linnainmaa, Peter Nyberg, 2014-12 => http://finance.aalto.fi/en/people/keloharju/commonfactors.pd…

Sie haben offenbar einen Preis dafür bekommen und dazu dann diese Präsentation gemacht: http://faculty.chicagobooth.edu/juhani.linnainmaa/Seasonalit…
=> ich habe diese noch nicht studiert; glaube aber, dass die allgemeinen Schlussfolgerungen interessant sind. Ich denke aber, man muss die ganze (abstrakte) Studie oben lesen, um den Kontext der hier behandelten Saisonalitäts-Handels-Strategie(n) mit den Aussagen dieser Studie richtig in Verbindung zu setzen.

(Dieser Thread hat ja zwei Themen: (a) Momentum - und dann später (b) Saisonalität.)

=>
...
Our results suggest that seasonalities are not a distinct class of anomalies that requires an explanation of its own - rather, they are inter-twined with other return anomalies through shared common factors. A theory that is able to explain the risks behind any common factor is thus likely able to explain a part of the seasonalities.

=> meine Übersetzung:
Unsere Ergebnisse legen nahe, dass Saisonalität keine eigene Klasse von Anomalien sind, die einer eigenen Erklärung bedürfen - vielmehr sind sie mit anderen Rendite-Anomalien durch gemeinsame Faktoren verflochten.
Eine Theorie, die in der Lage ist die Risiken hinter jedem gemeinsamen Faktor zu erklären, ist wahrscheinlich auch in der Lage einen Teil der Saisonalität(-Anomalien) zu erklären.

[faultcode]

Return Seasonalities - die Wissenschaft (2a'): Begriffe: cross-section, t-test/t-value/t-ratio

Das zweite Posting dazu ist sehr lang geworden, daher teile ich es hier in (2a') und (2b') auf. (' steht für "Kopie".)

__
Beitrag Nr. 3.058 (https://www.wallstreet-online.de/diskussion/1184227-3051-306…):

In diesem Zusammenhang (mit den Studien zur Saisonalität) sind mir zwei Begriffe untergekommen, die vielleicht nicht immer geläufig sind:

(a) cross-section, cross-sectional:

(a1) Cross-sectional (expected) returns meint (erwartete Durchschnitts-)Renditen bei unterschiedlichen Aktien und Portfolios o.ä., und wie sich diese verändern (entlang was auch immer)

=> damit in Verbindung stehen die:
(a2) time series (expected) returns, also wie sich die zu erwartete Rendite einer Anlage mit der Zeit ändert

Expected Return = erwartete Rendite

Der Standard dazu ist: Asset Pricing, John H. Cochrane, 2000-06-12

Damit versteht man nun was damit z.B. gemeint ist: Expected Returns in the Cross Section


__
(b) (Student's) t-stat (hypothesis test statistic), t-value, t-ratio, t-distribution
https://de.wikipedia.org/wiki/Studentsche_t-Verteilung
https://de.wikipedia.org/wiki/T-Test

Der t-test ist eine statistische Analyse zweier Grundgesamtheiten, oft im Hinblick auf Unterschiede im Mittelwert.

1-sample t-test (one-sided/tailed):
- man errechne den Mittelwert einer (kleinen) Stichprobe
- man prüft nun anhand des Stichproben-Mittelwertes, ob der unbekannte Mittelwert einer (normalverteilten, aber sonst unbekannten) Grundgesamtheit sich von einem vorgegebenen Sollwert unterscheidet
(https://de.wikipedia.org/wiki/Einstichproben-t-Test)


2-sample t-test (two-sided/tailed):
- man errechne die Mittelwerte zweier (kleiner) Stichproben
- man errechnet nun anhand der beiden Stichproben-Mittelwerte, wie sich die unbekannten Mittelwerte zweier (normalverteilten, aber sonst unbekannten) Grundgesamtheiten zueinander verhalten (wobei die Varianzen beider Grundgesamtheiten gleich sein sollen im Original)
(https://de.wikipedia.org/wiki/Zweistichproben-t-Test)


z.B.: http://www.socscistatistics.com/tests/tsinglesample/Default2…
=> einfaches Beispiel:
- der angenomme/Soll-Mittelwert (MW) einer Grundgesamtheit beträgt 5.0 (was die Nullhypothese hier ist):
Eine Stichprobe mit n = 7 ergibt:
2
3
4
5
4
3
2
=>
- Stichproben-MW = 3,2857
- 7-1 = 6 Freiheitsgrade

=> mit Signifikanz-Niveau 0.05 und einseitiger Hypothese:
T-Value = -4.076197
P-Value = 0.003265 und damit < Signifikanz-Niveau von 0.05

=> die Null-Hypothese, dass der MW der Grundgesamtheit 5.0 beträgt, wird verworfen!
(bei angen. MW 3.0: T-Value = 0.679366, P-Value = 0.261118 > 0.05 => MW der Grundgesamtheit beträgt wohl 3.0 und der Stichproben-MW von 3,2857 basiert auf einer zufälligen Abweichung)

Ein t-Wert von 0.00 sagt also, dass die Stichprobe die Nullhypothese exakt bestätigt.
Ein (absoluter) t-Wert von 2.00 sagt, dass die beobachtete Differenz zwischen Stichproben-MW und Hypothesen-MW das zweifache der Variabiliät der Stichproben-Daten beträgt:

t-value = signal-to-noise ratio = t-ratio

http://blog.minitab.com/blog/adventures-in-statistics-2/und…

[faultcode]

Return Seasonalities - die Wissenschaft (2b'): Studien zu (Stock) Return Anomalies

Hier nun (auch in unveränderter) Form der zweite Teil.


__ Beitrag Nr. 3.059 (https://www.wallstreet-online.de/diskussion/1184227-3051-306…):

So weit, so gut.

Aber nun hat sich im Laufe der letzten Jahre herausgestellt, dass es bei den häufig eingesetzten t-tests zu den erwarteten Renditen nicht um wirklich belastbare Tests zur Untermauerung von (Arbeits-)Hypothesen in den betreffenden Studien gehandelt haben muss.

Denn 2016-02 schrieben Juhani T. Linnainmaa und Michael Roberts ("The History of the Cross Section of Stock Returns") dazu im Abstract:

Using accounting data spanning the 20th century, we show that most accounting-based return anomalies are spurious.
When we take anomalies out-of-sample by moving either backwards or forwards in time, their average returns decrease and volatilities increase. These patterns emerge because data-snooping works through t-values, and an anomaly's t-value is high if its average return is high or volatility low.

The average anomaly's in-sample Sharpe ratio is biased upwards by a factor of three.
...

spurious = fadenscheinig


=> das wäre schon ein Problem, wenn nun jemand im Asset Management eine Anomalie ausreichend und nachhaltig profitabel ausnutzen will, weil er das so in einer Studie gelesen hat, und dann viel zu spät bemerkt: das funktioniert so nicht!

Hier eine Studienübersicht aus "...and the Cross-Section of Expected Returns", Harvey, Liu, Zhu, 2014, S.22:



p.s.: man sieht in diesem Diagramm, dass heutzutage alle Standard-Handelsstrategien bereits ihre Abkürzungen haben wie z.B.:
- MOM = monthly momentum
- MRT = market beta
- SMB = size and book-to-market
- usw.

[faultcode]

Zwischeneinwurf: Blase Aktienmarkt USA ?

Die Idee zu diesem Zwischeneinwurf kam mir heute beim Lesen von: http://www.spiegel.de/wirtschaft/unternehmen/amazon-apple-go…
[Die Kommentare dazu lassen teilweise tief in die Seele der Deutschen blicken... Au weia =>
dabei wird schnell klar, warum Deutschland in den nächsten 30 Jahre mit an Sicherheit grenzender Wahrscheinlichkeit keine FAAMG-Aktie hervorbringen wird...]

gute Quelle zu MSCI-Charts (mit ISIN!): https://www.investing.com/indices/msci-world-chart =>



MSCI World Price - MIWO00000PUS
MSCI World ex US Price - MIWOU0000PUS





Nicht dass man mit US-Aktien noch viele Dividenden bekäme:



Der Fairness halber sollte man aber auch die höhere Wirtschaftsleistung der US gegenüber der schwachbrüstigen EURO-Zone seit 2008 erwähnen:

[faultcode]

Antwort auf Beitrag Nr.: 55.455.414 von faultcode am 04.08.17 01:29:38

Begriffe: t-test/t-value/t-ratio/t-stat

Zu:

Zitat von faultcode: t-value = signal-to-noise ratio = t-ratio

Diese Gleichung kann erweitert werden zu:

t-value = signal-to-noise ratio = t-ratio = t-stat

so wie hier gesehen: http://www.dualmomentum.net/2017/07/trend-following-research…

=> z.B.:


=> eine t-stat von 10.5 ist schon beachtlich (wenn es sich tatsächlich um eine signal-to-noise ratio handeln sollte).

[faultcode]

Markt- und Preis-Phänomene, Risk factors and abgeleitete Handelsstrategien: eine Auflistung

Ich habe aus:
(a) obiger Studie "...and the Cross-Section of Expected Returns", Harvey, Liu, Zhu, 2014 (hier immer genannt [CROSS]) und
(b) der Studie "Lucky Factors", Harvey, Liu, 2015 (hier immer genannt [LUCK])
einmal alle Symbole der dort erwähnten Risk factors aufgelistet zur besseren Übersicht.

Aus diesen Risk factors können bzw. werden dann Handelsstrategien ("trading rules") abgeleitet (werden):

- BAB -- Betting Against Beta (Frazzini, Pedersen, 2014)
- CIV -- Common Idiosyncratic Volatility (Herskovic, Kelly, Lustig, Van Nieuwerburgh, 2014)
- CMA -- Investment (Fama, French, 2015) (+)
- CVOL -- Consumption Volatility (Boguth, Kuehn, 2012)
- DCG -- Durable Consumption Goods (Yogo, 2006)
- DEF -- Default Likelihood (Vassalou, Xing, 2004)
- EP -- Earnings-Price ratio (Basu, 1983)
- GP -- Gross profitability (Novy-Marx, 2013)
- HML -- High Minus Low = book-to-market (Fama, French, 1992) (*) (+) (+++)
- IA -- Investment-to-assets (Hou, Xue, Zhang, 2015) (oo)
- IVOL -- Idiosyncratic Volatility (Ang, Hodrick, Xing, Zhang, 2006) (***)
- LIQ -- Liquidity (Pastor, Stambaugh, 2003)
- LRV -- Long-Run Volatility (Adrian, Rosenberg, 2008)
- MKT (MRT) -- Market beta = excess market return (Fama, MacBeth, 1973) (+) (++) (+++)
- MOM -- Momentum (Carhart, 1997) (o)
- PSL -- Pastor and Stambaugh liquidity (Pastor, Stambaugh, 2003)
- QMJ -- Quality Minus Junk (Asness, Frazzini, Pedersen, 2013)
- RMW -- Profitability (Fama, French, 2015) (+)
- ROE -- Return On Equity - profitability (Hou, Xue, Zhang, 2015)
- SKEW -- Co-Skewness (Harvey, Siddique, 2000)
- SMB -- Small Minus Big = size (Fama, French, 1992) (**) (+) (+++)
(diese Liste ist bei weitem nicht vollständig, siehe Beitrag Nr. 7 was das Studienwachstum angeht, werden aber bis 2015 als massgebliche Risiko-Faktoren angesehen.)

(+) part of the five risk factors model by Fama, French: "A five-factor asset pricing model", 2015
(++) as mentionened in Fama, MacBeth: "Risk, return, and equilibrium: Empirical tests", 1973
(+++) part of the three risk factors model by Fama, French "The Cross-Section of Expected Stock Returns", 1992
(o) --> four risk factors in combination with (+++)
(oo) --> empirical q-factor model in combination with (+++)

"True" factors (unter Hunderten) nach [LUCK] für value weighted individual stocks:
- one dominant factor: the original market factor proposed by Sharpe (1964)
--> Sharpe Ratio = risk-adjusted measure of return: http://www.investopedia.com/terms/s/sharperatio.asp
- second factor: profitability (RMW, ROE), though economically small compared to the (original) market factor

(*) HML = 1/2 (Small Value + Big Value) - 1/2 (Small Growth + Big Growth)
(**) SMB = 1/3 (Small Value + Small Neutral + Small Growth) - 1/3 (Big Value + Big Neutral + Big Growth)
--> http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/Data_…


(***) Idiosyncratic Volatility = firmenspezifische Volatilität, also der Teil der Volatilität bei einem Wertpapier, was nicht von der Markt-Volatilität gedeckt ist. Die Volatilität eines Wertpapier setzt sich also aus zwei Komponenten zusammmen:
(1) der Markt-Volatilität und
(2) der idiosynkratischen Volatilität,
mit Volatilität als Mass für das Risiko.

=> damit gilt:
Total Risk = (Unsystematic Risk = Idiosyncratic Risk = Diversifiable Risk) + (Systematic Risk = Market Risk)


__
Neben Handelsstrategien die (ausdrücklich) auf akademisch untersuchten Markt- bzw. Preis-Phänomenen (w) beruhen (oder zu tun als ob ), gibt es auch solche, die einfach heuristisch auf solchen Phänomenen beruhen, hier nach Popularität sortiert:



Beim Betrachten der Zeiträume für die Gleitenden Durchschnitte könnte man schliessen, dass es sich um ein Umfeld für Swing- bis Position-Trading handeln könnte (aber Buy & Hold?):

Ich kenne leider nicht mehr die Original-Quelle dieses Diagramms, bin aber nach Quervergleich mit (v) zu dieser Liste gekommen:

- B&H -- Buy & Hold
- DCM -- Double Crossover Method, based on using two exponential moving averages (EMA's) with λ = 0.8 and s = 3 (v)
- MOM(X) -- Momentum (x days), siehe auch schon oben
- P-LMA -- Price-Minus-Linear-Moving-Average (v)
- P-REMA -- Price-Minus-Reverse-Exponential-Moving-Average rule (with λ = 0:8) (v)
- P-SMA(x) -- Price Minus Simple Moving Average (x days)
- SMAC(x,y) -- Simple Moving Average Channel (x and y days)


(v) aus: "Anatomy of Market Timing with Moving Averages", Zakamulin, 2015 (http://www.technicalanalyst.co.uk/wp-content/uploads/2015/04…)
=> sehr empfehlenswertes Papier (32 "lesbare" Seiten) für jemanden der mit Gleitenden Durchschnitten (GD) traded oder traden will (ich komme darauf vielleicht zurück).


(w) ich meine mit Markt- bzw. Preis-Phänomenen Folgendes:
- ein Markt-Phänomen hat eine cross-sectional dependency, also ein Phänomen wie z.B. HML
- ein (Wertpapier-)Preis-Phänomen hat eine time-series dependency, also ein Phänomen wie z.B. MOM

[faultcode]

Antwort auf Beitrag Nr.: 55.469.799 von faultcode am 07.08.17 02:02:51

Risk factors and abgeleitete Handelsstrategien: Sharpe Ratio - Risk-Adjusted Return

Obiges Posting ist sehr lang geworden. Daher will ich nochmals diese Erkenntnis hervorheben:

da werden also weltweit seit, sagen wir, den Fünfzigerjahre mittlerweile hunderte (akademische) Studien und Meta-Studien gemacht (und weiter wachsend), die im Wesentlichen die folgenden beiden Frage klären sollen:

(a) wie kommen die Cross-sectional (expected) returns, also die (erwartete Durchschnitts-)Renditen bei unterschiedlichen Wertpapieren und Wertpapier-Portfolios o.ä. zustande
und
(b) wie kommen die time series (expected) returns, also erwartete Rendite eines Wertpapieres zustande?
(siehe Beitrag Nr. 6 oben)


..nur damit am Ende, also 2015, als wesentlicher Faktor der original factor proposed by William F. Sharpe (1964, https://en.wikipedia.org/wiki/William_F._Sharpe) dabei als sichere Erkenntnis herauskommt, nämlich die Sharpe Ratio (SR) (*):

SRa = E(Ra - Rb) / sigma

- E() = expected => ex-ante Sharpe ratio formula uses expected returns while the ex-post Sharpe ratio uses realized returns
- Ra: return of investment a (investment a can be a portfolio)
- Rb: risk-free rate b
- sigma: investment's a (expected?) standard deviation
(all else equal, a higher Sharpe ratio is better --> auch dazu gibt es natürlich wieder Studien... --> und verbesserte(?) Versionen wie z.B.:
- Sortino Ratio
- Return Over Maximum Drawdown (RoMaD)
- Treynor Ratio
- ...)
--> https://en.wikipedia.org/wiki/Sharpe_ratio.

Die alternativen Return/Risiko-Kenngrössen versuchen zu berücksichtigen, dass (http://www.investopedia.com/terms/s/sharperatio.asp):

The Sharpe ratio ... can be inaccurate when applied to portfolios or assets that do not have a normal distribution of expected returns. Many assets have a high degree of kurtosis ('fat tails') or negative skewness. The Sharp ratio also tends to fail when analyzing portfolios with significant non-linear risks, such as options or warrants.


Das Sharpe Ratio wird auch genannt:
- Sharpe index
- Sharpe measure
- reward-to-variability ratio (originaler Name 1966: https://studentportalen.uu.se/portal/authsec/portal/uusp/stu…) (**)


(*) zumindest vestehe ich [LUCK] so auf Seite 4/67:
Despite the discovery of hundreds of factors to compete with the original factor proposed by Sharpe (1964), our analysis of value weighted individual stocks identifies one dominant factor - the one proposed by Sharpe.

Sharpe Ratio ist also meine Deutung hier... Was soll es sonst sein? Ich lass mich gerne hier korrigieren.

D.h., man sollte noch im Kopf in diesem Zusammenhang behalten, dass das Sharpe Ratio (ursprünglich) aus dem Konzept zum Bau von performanten Portfolios hervorging (siehe (**), wo der Erfinder noch mal selber darüber spricht -> https://en.wikipedia.org/wiki/Capital_asset_pricing_model):

The Sharpe ratio can also help explain whether a portfolio's excess returns are due to smart investment decisions or a result of too much risk.
Although one portfolio or fund can enjoy higher returns than its peers, it is only a good investment if those higher returns do not come with an excess of additional risk.
The greater a portfolio's Sharpe ratio, the better its risk-adjusted performance has been.
A negative Sharpe ratio indicates that a risk-less asset would perform better than the security being analyzed.

[faultcode]

Antwort auf Beitrag Nr.: 55.446.954 von faultcode am 02.08.17 21:51:33

Renditen ausrechnen - Calculating returns (1)

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

Man soll es nicht glauben: das vermeintlich Einfachste erweist sich manchmal/oft als die erste Stolperfalle. Dazu gehört auch das (nicht-triviale) Ausrechnen von Renditen.

D.h., vertue ich mich schon bei der rechnerischen Behandlung von täglichen Renditen (Daily Returns) bei Kursentwicklungen - und um die geht es sehr oft bei (fortgeschrittenen) Börsenstatistiken - dann sind z.B. die daraus abgeleiteten Momente (siehe https://en.wikipedia.org/wiki/Moment_(mathematics)) auch schon zweifelhaft bis falsch:




Dass das angemessene Ausrechnen von täglichen, wöchentlichen, monatlichen, jährlichen etc. Renditen keine ausgemachte Sache ist, sieht man z.B. an solchen Papieren, die eben dieser Frage nachgehen:
- Linear vs. Compounded Returns, Common Pitfalls in Portfolio Management, Meucci, 2010: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1586656
- Calculating and Comparing Security Returns is harder than you think, A Comparison between Logarithmic and Simple Returns, Hudson, Gregoriou, 2010: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1549328


D.h., will ich angemessen das Sharpe Ratio aus Beitrag Nr. 11 ausrechnen, muss ich zuvor die Standard-Abweichung des Investments korrekt ausrechnen, um es richtig in Beziehung zu den Zählergrössen return of investment a und risk-free rate b zu setzen.

Und beide Grössen, return of investment a und risk-free rate b müssen auch richtig ermittelt worden sein - oder zumindest angemessen richtig, sonst ist schon das (einfache) Sharpe Ratio falsch oder irreführend - und der Spekulant/Anleger trifft womöglich falsche Entscheidungen (zu seinen Ungunsten)!

=> fragen Sie bei Gelegenheit ihren Investment-Berater, wie er genau das Sharpe Ratio ausgerechnet hat! Und wenn er es nicht weiss ("...macht unsere Software..."), dann können Sie es ihm (hoffentlich) mit den folgenden Postings erklären...


Übrigens: auch Grossbanken schaffen es hin und wieder wichtige Kenngrössen ihrer Publikumswertpapiere - über Jahre hinweg - falsch auszurechnen: https://www.wallstreet-online.de/diskussion/1184227-3051-306…)

[faultcode]

Antwort auf Beitrag Nr.: 55.475.931 von faultcode am 07.08.17 21:44:29

Calculating returns (2) - Simple gross returns vs. Log returns (Continuously compounded returns)

Hier greife ich v.a. auf zwei Quellen zurück:

(a) Computational Finance, An Introductory Course with R von Argimiro Arratia, 2014 - ein Buch weit besser als manche Kritiken (Der R-Teil ist dabei gar nicht wichtig - aber die einfache Mathematik, weil die braucht man am häufigsten): http://www.springer.com/de/book/9789462390690

(b) https://quantivity.wordpress.com/2011/02/21/why-log-returns/

Daneben nutzte ich:
(c) https://en.wikipedia.org/wiki/Rate_of_return
(d) http://www.dcfnerds.com/94/arithmetic-vs-logarithmic-rates-o…

__
Das ist also der intuitive (Schul-)Weg zum Ausrechnen einer Rendite:

Simple gross return Rt(τ) for time period τ (<--- für "grössere" Zahlen bei Monats- und Jahresrenditen ohne "besondere" Weiterverarbeitung für z.B. Statistik-Momente, siehe Beitrag Nr. 12 oben)

Rt(τ) = (Pt-P(t-1)) / P(t-1)
with Price P at time t


=> annualized return Rt(τ) = average return Rt(τ) (geometrische Rendite)
= Π(j=0..τ-1)(1+R(t-j))^(1/τ) - 1

= exp((1/τ)Σ(j=0..τ-1)(ln(1+R(t-τ)) - 1

=> oder in schön:



__
Allerdings verwende ich bei täglichen oder Monats-Renditen, die weiterverarbeitet werden sollen z.B. für Statistik-Momente oder Zeitreihen-Analyse nicht die obige Simple gross return Rt(τ) mit τ = 1d oder 1m.
Solche Renditen wiesen nämlich idR "kleinere" Zahlen auf und die Verarbeitung tausender von Tagesrenditen oder hunderter von Monatsrenditen geht viel besser mit einer Summation statt Multiplikation und kann leicht in vorhandene Standard-Excel-Formeln eingebracht werden.

Log return = continuously compounded return rt:

rt = ln(1+Rt) = ln(Pt/P(t-1)) = ln(Pt) - ln(P-1)

=> oder in schön:



Denn es gilt: |x| < 1, ln(x+1) ≈ x (Gl.6)


=> ein Beispiel:

[faultcode]

Antwort auf Beitrag Nr.: 55.476.516 von faultcode am 08.08.17 00:01:20

Calculating returns (3) - Simple gross returns vs. Log returns: Abweichungen und 5 Vorteile für Log returns

Wie man schon am oberen Beispiel sehen kann, ergeben sich also u.U. Abweichungen zwischen beiden Rendite-Berechnungen, die aber um Null herum für alle höheren Konzepte der Finanzmathematik nicht unbedingt von Nachteil sein müssen - im Gegenteil; siehe unten bei Why Log Returns:




Bei (b) oben werden folgende 5 Vorteile genannt und am Ende auf die beiden Papiere unter (c) und (d) verwiesen:

Why Log Returns?
(Why use the logarithm of returns, rather than price or raw returns?)

(1) log-normality:
if we assume that prices are distributed log normally (which, in practice, may or may not be true for any given price series), then log(1 + ri) is conveniently normally distributed, because:

1 + ri = pi/pj = exp(log(pi/pj))

(2) approximate raw-log equality:
when returns are very small (common for trades with short holding durations), the following approximation ensures they are close in value to raw returns:

|x| < 1, ln(x+1) ≈ x

(3) time-additivity:
consider an ordered sequence of n trades. A statistic frequently calculated from this sequence is the compounding return, which is the running return of this sequence of trades over time:

(1+r1)...(1+rn) = Π(i)(1+ri)

(4) mathematical ease:
from calculus, we are reminded (ignoring the constant of integration):

exp(x) = ∫exp(x)dx

This identity is tremendously useful, as much of financial mathematics is built upon continuous time stochastic processes which rely heavily upon integration and differentiation.

(5) numerical stability:
addition of small numbers is numerically safe, while multiplying small numbers is not as it is subject to arithmetic underflow. For many interesting problems, this is a serious potential problem. To solve this, either the algorithm must be modified to be numerically robust or it can be transformed into a numerically safe summation via logs.


=> man sieht: schon das Ausrechnung von Renditen stellt bereits ein eigenes Konzept da, bei dem ist durchaus wichtig ist zu wissen, was man da selber ausrechnet oder vorgelegt bekommt.

[faultcode]

Antwort auf Beitrag Nr.: 55.476.543 von faultcode am 08.08.17 00:17:18

Calculating returns (4) - Log returns für die Berechnung der Annualisierten Volatilität (1)

Nachdem nun ein paar Grundlagen geklärt sind, hier nun die Berechnung auf die der derzeitige Gedankenfluss gerichtet ist, nämlich eine sachgerechte Berechnung der (historischen) Sharpe ratio.

Dazu muss man die (historische) Volatilität wissen, also die (historische) Standardabweichung.

Hierbei ist es nicht damit getan in Excel einfach =STABW.S(xx:yy) über eine Zeitreihe mit Renditen zu bestimmten Zeitpunkten als Formel zu verwenden.

Dazu Folgendes:
(a) idR verwendet man im Börsengeschehen immer nur Sample (Stichprobe) und nicht Population (Grundgesamtheit) (weil wir die oft oder meistens nicht kennen), auch wenn bei grossem Sample-Umfang sich beide Grössen annähern:

Population standard deviation:



Sample standard deviation:



Hier gibt es gute Formeln zum Berechnen der Standardabweichung bei gerade laufenden Zeitreihen - also für eine Echtzeitberechnung: https://www.johndcook.com/blog/standard_deviation/

So macht sich die Verwendung von =STABW.S(xx:yy) im Gegensatz zu =STABW.N(xx:yy) bei den letzten drei DAX30-Jahren (Performance, nur Schlusskurse) bemerkbar:



..und selbst diese geschätzten Volatilitäten können noch verbessert werden, wenn man auch die Intraday-Volatilität beim DAX30 berücksichtigen würde.
Dazu hat Parkinson (1980) eine tägliche High and Low-Formel entwickelt: http://www.ivolatility.com/help/3.html

..und Garman and Klass (1980) eine Formel, die auch noch das tägliche Open, High, Low und Close berücksichtigt: https://quant.stackexchange.com/questions/11306/what-is-the-…
(--> Range-based volatility estimates)

=> nun sollte klar sein, warum Stichprobe beim Börsengeschehen idR vorzuziehen ist, und warum Vola-Angaben immer mit Vorsicht zu geniessen sind.

=> es ist daher ein bischen gefährlich, Vola-Angaben aus verschiedenen Quellen zu vergleichen, wenn nicht klar ist, wie die Berechnungen im Detail zustande gekommen sind.

Ich lese sie daher eher relativ zueinander innerhalb einer Veröffentlichung.

[faultcode]

Antwort auf Beitrag Nr.: 55.476.597 von faultcode am 08.08.17 01:13:47

Calculating returns (4) - Log returns für die Berechnung der Annualisierten Volatilität (2)

Zurück zum Problem der Berechnung der (historische) Standardabweichung aus einer Zeitreihe mit Renditen zu bestimmten, gleichdistanten Zeitpunkten.

=> diese berechnete (=STABW.S(xx:yy)) Standardabweichung muss idR auf ein Jahr skaliert werden, um Vergleichbarkeit mit Zinssätzen etc. zu ermöglichen.

Da wir wie oben schon angedeutet unsere Log Returns als log-normal, also als normal verteilt annehmen (+), können wir - und nur dann - die Skalierung über diese Beziehung einfach vornehmen (aus (a) in Beitrag Nr. 13 --> ch.2.6 Volatility):

rt = ln(Pt) - ln(P(t-1)) ~ N(μ, σ^2) (Gl.7a)

mit N(μ, σ^2) als Normverteilung mit (wahrem) Mittelwert μ und (wahrer) Varianz = Standardabweichung^2 = σ^2.

Für h > 0, Anzahl der gleichdistanten Beobachtungen in einem Jahr, gilt dann entsprechend:

r(t+h) ~ N(μh, hσ^2) (Gl.7b)

Wenn wir also das erste Formelergebnis zur Standardabweichung σ0 mit dem Faktor √(h) (Wurzel von h) gewichten, bekommen wir die Annualisierte Volatilität:

σann = √(h)σ0 (Gl.8)

Also, bei:
- täglichen Log returns nehmen wir h = 250...255 (ich nehme immer unbesehen 254 - die Anzahl der Handelstage pro Jahr ist weltweit unterschiedlich und am selben Markt durch sich verschiebende Feiertage auch nicht immer konstant über die Jahre hinweg)
- wöchentlichen Log returns nehmen wir h = 52, und bei
- monatlichen Log returns nehmen wir h = 12.


__
Hier ist ein Beispiel dazu aus: http://www.investopedia.com/ask/answers/021015/how-can-you-c…

=>


A priori halte ich an dieser Stelle fest:

1. die täglichen Renditen sind hier arithmetisch, nicht logarithmisch. Die arithmetischen Renditen können durchaus als normalverteilt angenommen werden, um zu einem besseren Ergebnis bzgl. der Annualisierten Volatilität zu kommen.

2. diese Annahme ist aber nur implizit durch mich gemacht worden, nicht durch den Autor. Damit kann dieses Beispiel auf einer nicht beabsichtigten Annahme beruhen und damit das Ergebnis verfälschen (bei kleinen Zeiträumen spielt so eine Ergebnis-Verfälschung noch keine grosse Rolle, aber bei Berechnungen über mehrere Jahre hinweg, v.a. bei möglicher zunehmender Volatilität und Abnahme der zeitlichen Aüflösung, also von Tag zu Woche zu Monat usw. --> (e), (f) )


Daher zur Veranschaulichung mein Nachbau mit den arithmetischen (simplen, linearen) Tagesrenditen (rechts) und meinen logarithmischen (geometrischen) Renditen (links):



=> man sieht:
- es gibt bei der Annualisierten Volatilität bereits ein kleinen Unterschied
- man kann als Anlageberater seine publizierte Sharpe Ratio sehr leicht nach oben "tunen", indem man zum richtigen Rendite-Typ greift und/oder die Anzahl der Handelstage nach unten setzt!

=> so macht sich dieser kleine, aber feine Unterschied auf Sicht von mehreren Jahren bemerkbar (f):


(siehe (e2) unten: oben sind die geometrischen Renditen normalverteilt, und damit unten die linearen Renditen log-normalverteilt, die ins Positive verzerrt sind )


__
Aus (e) ein paar Aussagen:
(e1) wenn geometrische Renditen normalverteilt sind, erhält man nie negative Preise; bei arithmetischen Renditen, die normalverteilt sind, ist das durchaus möglich und damit sinnlos (S.3).

(e2) wenn eine Variable X = log(Y) normalverteilt ist, dann ist Y log-normalverteilt (S.2).

(e3) das Produkt von normalverteilten Variablen ist nicht mehr normalverteilt (S.2).
=> das hat zur Folge, dass wenn ich annehme oder definiere meine täglichen Renditen sind normalverteil, dann sind meine daraus berechneten Wochen-, Monats-, und Jahresrenditen nicht mehr normalverteil und umgekehrt!


__
Also was nehmen, Log returns oder Simple returns?

=> ich würde immer noch sagen Log returns aus den 5 Gründen aus Beitrag Nr. 14, aber auch aus diesen Erwägungen:

- ursprünglich nahm Markowitz zu seiner Modern Portfolio Theory (MPT) normally distributed arithmetic returns an
- später, 1973, verwendeten Fischer Black und Myron S. Scholes bei der Black and Scholes formula for option pricing normally distributed geometric returns an, und zwar über alle Zeitebenen hinweg: https://de.wikipedia.org/wiki/Black-Scholes-Modell
- empirisch gesehen sollen lognormal distributions von Renditen sich den "wahren" Rendite-Verteilungen (die ja idR nicht normalverteilt sind --> "fat tails") ganz gut annähern --> (h)
- als nach Black und Scholes immer mehr evident wurde, dass Aktienkurse idR doch nicht so gut einen Random Walk hinlegen, geriet auch ihre Formel zunehmend unter Beschuss (und aus anderen Gründen). Wie immer, wurden dann weitere Adaptionen daran vorgenommen, um diesem Umstand im Zeitalter der Super-Quants Rechnung zu tragen. Allerdings hat sie halt bis heute Bestand, weil man mit ihr relativ einfach rechnen kann. Ich persönlich finde nicht, dass man eine Formel oder Model dadurch verwerfen sollte, nur weil es eine komplizierte Wirklichkeit nur "einigermassen gut" abbilden kann, statt perfekt. Und so sehe ich das eben auch mit den Log Returns. Da wo es Sinn macht sollte man sie bevorzugen, um effektiv weiterrechnen zu können. Man kann ja immer noch parallel mit Simple returns arbeiten, da wo angebracht.


__
Quellen:
(e) To log or not to log, The distribution of asset returns, Aas, 2004: https://www.nr.no/files/samba/bff/SAMBA0304.pdf
(f) Linear vs. Compounded Returns, Common Pitfalls in Portfolio Management, Meucci, 2010 --> siehe Beitrag Nr. 12 oben
(g) Geometric or Arithmetic Mean, A Reconsideration, Jacquier, Kane, Marcus, 2003: https://www2.bc.edu/alan-marcus/papers/FAJ_2003.pdf
(h) The Distribution of S&P 500 Index Returns, Egan, 2007: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=955639 --> Chartered Financial Analyst Program Curriculum, year 2006, level 1, volume 1, reading 10

[faultcode]

Antwort auf Beitrag Nr.: 55.476.645 von faultcode am 08.08.17 04:53:10

Calculating returns (5) - Rechnen mit Logarithmus- und Expoentialfunktion

Zum Kapitelabschluss noch ein paar Gleichungen zum einfachen Rechnen mit geometrischen Renditen:

ln(x · y) = ln(x) + ln(y); x; y > 0
ln(x/y) = ln(x) − ln(y); x; y > 0
ln(x^y) = y ln(x); x > 0
d ln(x)/dx = 1/x ; x > 0
d/dx ln(f (x)) = 1/f(x)· d/dx f(x) (chain-rule)

ln(1) = 0 and ln(x) -> −∞ für x-> 0

---
e^1 = 2.718: that is, ln(x) is defined such that x = ln(e^x)

e^xe^y = e^(x+y)
e^xe^(−y) = e^(x−y)
(e^x)^y = e^(xy)
eln(x) = x
d/dx e^x = e^x
d/dx e^f(x) = e^f(x) d/dx f(x) (chain-rule)

[faultcode]

Antwort auf Beitrag Nr.: 55.476.645 von faultcode am 08.08.17 04:53:10

Calculating returns (6) - Log returns als Basis für die meisten Option pricing formulas

wie hier gesehen:

The Complete Guide to Option Pricing Formulas, Haug, 2nd ed., 2007
http://www.espenhaug.com/books.html

=> über 90% der vorgestellten Formeln basieren auf lognormal distributions:



usw....

[faultcode]

Antwort auf Beitrag Nr.: 55.476.645 von faultcode am 08.08.17 04:53:10

Calculating returns (4) - Log returns für die Berechnung der Annualisierten Volatilität (2a) - Faustformal

Unter https://en.wikipedia.org/wiki/Volatility_(finance) gibt es bei:
https://en.wikipedia.org/wiki/Volatility_(finance)#Crude_vol…

..noch eine grobe Faustformel (die mMn Sinn macht) zur Berechnung der annualisierten Volatilität:

σann_est = 16 x σd (Gl.8a)

mit σd die beobachtete tägliche Änderung bzw. Volatilität eines Wertpapieres (über einen etwas längeren Zeitraum), z.B. +/-1%.

=> σann_est = 16 x 1% = 16%

...weil 16^2 = 256 Handelstage pro Jahr angenommen, was nahe bei h = 250...255 liegt.


__
Den zweiten Absatz in diesem Kapital halte ich für sehr fraglich, da er mit einem Korrektur-Faktor arbeitet, der hier mMn nicht angebracht ist - und die Faustformal-Vola mit 1 / correction factor c4(n=2) = 1/(√(2/π)) beaufschlagen würde, also um 1.2533 erhöhen würde => Vorsicht: eine zu hohe Vola macht Finanzinstrumente uU zu teuer (und die Sharpe Ratio zu niedrig etc.)!

Dieser Faktor kommt von hier: https://en.wikipedia.org/wiki/Unbiased_estimation_of_standar…

=> dort geht es darum, die (wahre) Standardabweichung (bei Normalverteilung) abzuschätzen, wenn nur n = 2, 3, 4,... Stichproben vorliegen, was aber für die Anwendung der Faustformel nicht unbedingt gegeben sein muss. Auch gibt Wikipedia keine Quelle für diese Korrektor an!

(Wenn man es "ziemlich" genau wissen muss/will, dann darf man eh nicht mit Faustformeln arbeiten.)

[faultcode]

Antwort auf Beitrag Nr.: 55.476.645 von faultcode am 08.08.17 04:53:10

Calculating returns (4) - Log returns für die Berechnung der Annual.Vola (2b) - Log-normal distribution

Hier eine wichtige Wikipedia-Seite dazu: https://en.wikipedia.org/wiki/Log-normal_distribution

..mit diesem Diagramm zum besseren Verständnis:



=> hier gilt:

Zufallsvariable Y = µ + σZ

(µ = Mittelwert/mean, σ = Standardabweichung/standard deviation = SQRT(variance) )
mit Z als:
- standard normal deviate or
- standard normal variable or
- standard normal random variable, a normally distributed random variable with expected value µ = 0 and variance σ^2 = 1 (https://en.wikipedia.org/wiki/Standard_normal_deviate)

=> ist nun Y wie oben dargestellt normalverteilt, dann ist X log-normalverteilt: x = exp(y)


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
X hat dann diese wichtigen Eigenschaftten:

x ∈ (0, +∞)
Medianwert = Geometrischer Mittelwert GM hier : Med[X] = GM[X] = exp(µ)
arithmetischer Mittelwert (AM)/mean/expected value/Erwartungswert:
E[X] = exp(µ + 0,5*σ^2) = exp(µ)*SQRT(exp(σ^2)) = GM[X]*SQRT(GVar[X])
mit GVar[X] = geometrische Varianz = exp(σ^2)

=> auch hier gilt: GM < AM (weil exp(µ) < exp(µ + 0,5*σ^2) ) --> https://en.wikipedia.org/wiki/Inequality_of_arithmetic_and_g… ("Inequality of arithmetic and geometric means")

Ist logA(Y) normalverteilt, dann ist auch logB(Y) normalverteilt mit A, B ≠ 1 und > 0.
Ist exp(X) log-normalverteilt, dann ist auch A^X log-normalverteilt mit A ≠ 1 und > 0
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


Also, ist Zufallsvariable X log-normalverteilt, dann ist Y = log(X) normalverteilt.
Umgekehrt, ist Y normalverteilt, dann ist X = exp(Y) log-normalverteilt (siehe (e2) aus Beitrag Nr. 16 oben - nur X und Y vertauscht), und nimmt nur positive Werte an:
=> Wertpapier-Preise an der Börse rutschen nicht ins Negative! (wie praktisch )


D.h., wie auch für andere, ähnliche Prozesse sind Wertpapier-Preise das multiplikative Produkt von vielen, voneinander unabhängigen Zufallsvariablen, jede davon positiv.


=> also werden zur einfacheren Rechnung alle Wertpapier-Preisänderungen x (zunächst) als log-normalverteilt angenommen - und damit sind alle y = log(1+ri) = log(x), siehe oben, als (zunächst) normalverteilt angenommen. (siehe Beitrag Nr. 14 --> (1) )

[faultcode]

Antwort auf Beitrag Nr.: 55.476.648 von faultcode am 08.08.17 05:09:16

Calculating returns (5) - Rechnen mit Logarithmus- und Expoentialfunktion (2)

Eine Gleichung bräuchten wir noch (siehe E[X] = exp(µ + 0,5*σ^2) = exp(µ)*SQRT(exp(σ^2)) oben):

e^(a*b) = (e^a)^b

=>
exp(µ + 0,5*σ^2) = exp(µ) * exp(0,5*σ^2)) = exp(µ) * exp(σ^2)^0,5 = exp(µ) * SQRT(exp(σ^2))

[faultcode]

!

Dieser Beitrag wurde von CloudMOD moderiert. Grund: Löschung auf Wunsch des Users

[faultcode]

Antwort auf Beitrag Nr.: 55.466.658 von faultcode am 05.08.17 23:16:12

Zwischeneinwurf: Boom am Top? Eigenkapitalrendite der Berenberg Bank und drohende Mean Reversion

(mean reversion (MR) is the assumption that a stock's price will tend to move to the average price over time (**) - hin zum langjährigen, positiven "Drift"/FC)

(a)
Ich will hier kein Fass über MR auchmachen (es bleibt von oben noch genug zu tun), aber mir ist ein MM-Artikel 2017/08 (*) über den heissen Reifen der Berenberg Privatbank (BPB) seit 2010 untergekommen.

Hier füllt eine kleine dt. Privatbank Lücken im dt. und europäischen Kapitalmarkt, die die grossen wie Dt.Bank, Commerzbank etc. seit 2009 zunehmend bewusst liegengelassen haben:
=> mittlerweile liegt die Eigenkapitalrendite bei nahezu 100% (2016):



Wenn man nun annimmt - zu oben, dass der USA-Aktienmarkt sich im Bereich ein Tops befindet, dann könnte man auch annehmen, dass die Party der BPB als Power House bei europ. Small- und Midcaps auch irgendwann in 2018...2020(?) vorbei sein könnte.

Ich ahne daher Schlimmes für Evotec und Co. in mittlerer Zukunft. Aber solange diese Party, unterstützt von immer neuen Analysen der BPB ("Die Privatbank Berenberg hat das Kursziel für Evotec nach starken Quartalsergebnissen von 13 auf 16 Euro angehoben."" (***) ), anhält, wird halt dazu getanzt. (Also (teil-)verkaufen sie ihre Evotec-Anteile noch nicht!)

Man sollte allerdings wissen, wann die Party allmählich vorbei ist.
D.h., wann in den USA die QE- und andere geldpolitische Zügel wieder angezogen werden - und damit der Treibstoff für den jetzigen Aktienboom mit viel superbilligem Geld gedrosselt wird.
Auch eine kleine Drosselung kann schon den ein oder anderen Margin call auslösen, und damit eine Kettenrekation.

Man könnte aber auch die immer noch wachsende Privat-Kreditblase in China zum Anlass nehmen (o).
Man kann sich dann den eigentlichen Anlass zur 15...25%-Korrektur - nicht Crash!/FC (im Nachhinein) aussuchen.
Und dann spielt es keine Rolle, ob sich Deutschland dann noch in einem Auftrags- und Beschäftigungsboom befindet oder nicht.

Mich erinnert das an die Zeit des Zweiten Golfkrieges 1991, an die sich in den USA eine Rezession anschloss, die mitten in den westdeutschen Wiedervereinigungsboom hineinkrachte - und dieser damit auch vorerst vorbei war:
- einige dt. Aktiendickschiffe haben sich davon erst wieder bis Ende der 90er Jahre erholt (Mannesmann z.B.):



So könnte es auch vielen der (noch) von der BPB bejubelten Aktienstars gehen.
(Die Aktenanalysen der BPB sind auch nicht besser als die der früheren, grossen dt. "Investmentbanken": die Annahmen ihrer DCF-Kalkulationen liegen im Dunkeln für Aussenstehende:
=> ist wie Leberkäs: schmeckt gut; man will aber lieber nicht wissen, was drinnen ist und wie er gemacht wurde.)

Dass Hendrik Riehmer offenbar beruflich eine "Rampensau"/MM ist, macht die Sache umso bedenklicher. Er wird nicht der Verlierer sein, wenn es zur MR bei der Eigenkapitalrendite der BPB kommt. Bis dahin hat er nämlich schon viel/genug Geld verdient. (Aber ich nicht...)

Lt. MM erwartet er, Hendrik Riehmer, selber "den Crash im Herbst 2019" - vielleicht sollten das die Marktteilnehmer, die auf die BPB-Analysen jetzt noch hören, wissen.


(b) zur Handelsstrategie des Staffeltraders (+) und die sichtbare Divergenz:
Auch nach mehreren Strategiewechsel, die ich nicht mehr genau im Kopf habe, ist doch klar, dass dem dort vorgestellten Handel (bewusst oder unbewusst) eine klassische MR-Strategie zugrunde liegt (++).

Ich schätze Staffeltrader und seine Beträge sehr. Und nun, nach vergangener Handelswoche, zeichnet sich wohl ab, dass diese MR-Handelsstrategie nicht (mehr) funktioniert.

Systematisch kommen 2017 gemischte, aber abgestürzte SP500-Werte nicht wieder in einem erwarteten Zeitraum zurück nach oben - und der Trader wird ungewollt zum Investor.

Für mich ist das eine ernstzunehmende Divergenz, und sich charttechnisch wie mehrfach in Beitrag Nr. 8 bereits auch erwähnt, so darstellt (+++) --> kein gutes Zeichen im Allgemeinen (u):




__
(*) http://www.manager-magazin.de/unternehmen/banken/berenberg-h…
(**) aus: https://en.wikipedia.org/wiki/Mean_reversion_(finance)
--> siehe auch: https://en.wikipedia.org/wiki/Regression_toward_the_mean
(***) z.B.:
https://www.wallstreet-online.de/nachricht/9830463-berenberg…
https://www.wallstreet-online.de/nachricht/9827703-berenberg…
(+) https://www.wallstreet-online.de/diskussion/1249084-161-170/…
(++) https://www.quantopian.com/posts/enhancing-short-term-mean-r…
(+++) https://finance.yahoo.com/news/a-growing-divergence-in-perfo…
(o) https://www.wallstreet-online.de/diskussion/1218056-1351-136…
(u) diese Schere kann natürlich auch wieder geschlossen werden. Aber auch so ein Öffnen - Schliessen - Öffnen - Schliessen... ist mMn ein Zeichen eines (breiten) Tops.

[faultcode]

Sharpe Ratio Wikifolios (1)

Hier ist mir ein Wikifolio namens "CDAX-Werte Alpha" aufgefallen mit ausgesprochen hohem Sharpe Ratio von z.Z. 1.70:
https://www.wikifolio.com/de/de/w/wfalfacdax

(wie woanders bereits erwähnt, alles über 1.0 langfristig ist börsengenie-mässig und auch Glück. Langfrsitig hier wieder mit 15Y und mehr definiert.)

=> der grosse Knackpunkt: Wikifolio erklärt nicht, wie genau das Sharpe Ratio bei Ihnen berechnet wird, v.a. nicht über Anlagezeiträume von mehreren Jahren hinweg. Zumindest konnte ich dazu bisher nichts finden.

=> die Wahrscheinlichkeit, dass obiges Sharpe Ratio "in Wahrheit" viel zu hoch ist, ist sehr gross.


Hier ist ein sehr guter Warnhinweis, dass Sharpe Ratios teilweise extremen Schwankungen unterliegen können, wenn der (historische) Betrachtungszeitraum unangemessen kurz ist (der Artikel erwähnt das auch indirekt im vorletzten Satz):
http://www.frasee-investors.com/2013/05/was-ist-ein-sharpe-r…
=> das Wikifolio "VP Defensiv" https://www.wikifolio.com/de/de/w/wf000vp001 wurde seinerzeit noch mit einem extrem hohen Wert von 3.1 beworben:



__
(obige Seite weist Defizite bzgl. ihrer Aussagen zum Sharpe Ratio auf; das soll aber nicht das Thema hier sein. Es sind typische, aber ungenaue und unvollständige Aussagen zum Sharpe Ratio.)


...nur um heute, 25.8.2017 und 4 Jahre später, auf nur noch 0.41 zusammengefallen zu sein:

[faultcode]

Antwort auf Beitrag Nr.: 55.603.249 von faultcode am 26.08.17 14:03:23

Sharpe Ratio Wikifolios (2) - komplett falsches Konzept

Dieser Satz oben stimmt nicht mehr:
Wikifolio erklärt nicht, wie genau das Sharpe Ratio bei Ihnen berechnet wird...
=> ich hab's teilweise gefunden (+)

Obiges Sharpe Ratio von 0.41 (*) (im Wikifolio "VP Defensiv") bei langfristigen Aktienanlagen wäre ein exzellenter Wert:

=> bei allen Wikifolios wird aber immer nur ein letzter, kurzer Zeitraum von 1Y verwendet (+):



=> damit sind die Sharpe Ratios bei Wikifolio allesamt wertlos und irreführend.

(aber auch bei obiger Erklärung bleiben wichtige Detailfragen offen. Auch dieses 1Y-Sharpe Ratio muss nicht "der Wahrheit" entsprechen...)

Trader (<1Y), auch von einzelnen Wikifolios, brauchen kein Sharpe Ratio mMn (weil auch sinnlos in Zeiträumen von < 1Y); für Anleger könnte es schon eine nützliche Kennzahl sein. Solche ("rationalen") Marktteilnehmer wollen aber Wikifolios in Zeiträumen >1Y halten:

=> das historische Sharpe Ratio (SR) bei allen Wikifolios sollte sich immer auf die ganze Geschichte eines Wikifolios beziehen (#). (Ausnahme: nach Auflage; hier könnte man z.B. annualisiert vorgehen - und darauf hinweisen. Oder noch transparenter: generell keine Ausweisung eines SR's bei Wikifolios jünger als ein Jahr.)


(#) Nachteil: das mutmasslich miserable und amateurhafte Risiko-Profil sehr vieler Wikifolios träte schonungslos zu Tage.
(*) --> nächstes Posting

[faultcode]

Antwort auf Beitrag Nr.: 55.603.429 von faultcode am 26.08.17 14:36:23

Sharpe Ratio Wikifolios (3) - 0.34 ist ein Spitzenwert für ein langfristiges Aktien-Portfolio

Zu (*) von oben:

Warum wäre ein Sharpe Ratio von 0.41 für ein langfristiges Aktien- oder generell Wertpapier-Portfolio exzellent? (**)

=> nun, weil empirisch gesehen, hier über 26Y hinweg, ein Wert von 0.34 schon eine hohe Marke darstellt:

From 1970-96, for example, the average excess return on long-term U.S. Treasury bonds over three-month Treasury bills was less than 2 percent, while the standard deviation of this return was almost 11 percent.

The ratio of average excess return to standard deviation (the short-term reward-risk ratio or "Sharpe ratio") for bonds was only 0.18.

Over the same period, the U.S. equity market had an average excess return of almost 6 percent and a standard deviation of 17 percent, implying a Sharpe ratio that was almost twice as high at 0.34.
aus: http://www.nber.org/reporter/fall00/campbell.html


=> ich habe diesen Wert von 0.34 (aus Zeitgründen) nicht nachgerechnet oder anderweitig geprüft; aber er kann als gute Richtschnur für ein langfristiges Aktien-Portfolio vorerst dienen.

(**) beachte: es ist hart langfristig den Markt zu schlagen, aber nicht unmöglich: https://www.wallstreet-online.de/diskussion/1256297-71-80/ma…

[faultcode]

Antwort auf Beitrag Nr.: 55.562.521 von faultcode am 20.08.17 16:10:16

Behavioral finance: buying when others are buying - selling when others are selling

Kleiner Ausflug in die Welt der Behavioral finance (https://www.behavioral-finance.de/), die so ganz irrational auf jede Börsenstatistik durchschlagen kann und es eigentlich immer tut:

Also: warum steigen Kurse von Aktien, die nach den meisten, vernünftigen Massstäben völlig überteuert sind?

Einfach: weil es viele oder genug "andere" tun - und nur/meistens (contrarian) Low Performers mutmasslich als erste gehen müssen auf dem Aktien-Indexweg nach oben und ihren Job verlieren (und umgekehrt):

https://www.quora.com/Why-are-people-buying-stocks-in-2016-w…

=>
It’s the old IBM rule that I.T. managers grew up on: “You don’t get fired for buying IBM.” If you run a fund and are contrarian right now your returns are lower than everyone else because your thesis is that a downturn comes within 5 years. Most bosses and investors are judging you against the performance of your peers. You probably won’t last until your thesis plays out.

If you do what the herd is doing then when the downturn happens, everyone loses money and you don’t get blamed for doing what everyone else did. You never get blamed for doing what everyone else did and so your career continues.

The only people fund managers that can be contrarian are the ones that have been contrarian before and got it right. They still won’t get nearly as much money to manage now but later on they get to say “I told you so” and then money comes flowing in.
(Unterstr. d. mich)

[faultcode]

Antwort auf Beitrag Nr.: 55.562.521 von faultcode am 20.08.17 16:10:16

Value Line Geometric Index - mein neuer Lieblings-Chart (VALUG, $XVG) (1)

Wie hier langfristig eingestellt mit ein paar Hintergrund-Infos: https://www.wallstreet-online.de/diskussion/1131140-254431-2…

Ich habe daher hier nun den Aufstieg bis zur Dot-Com-Blase weitgehend weggelassen, und zeige nur die Zeit danach bis heute:




=> hier gibt es eine Reihe von bemerkenswerten Auffälligkeiten im Gegensatz zu den "Standard-Charts" wie DJIA, DAX, SP500, NASDAQ, EUROSTOXX50 (von mir aus auch noch) etc.:

(a) die durchschnittliche Aktie in NA (USA+CAN) ist seit 1998 im Grund genommen nicht mehr gestiegen (ich nehme immer noch an, dass hier kein TR = Total Return vorliegt) - d.h. schon vor Platzen der Dot-Com-Blase ging der durchschnittlichen "Normalo"-Aktie der Sprit aus; siehe unten (*)

(b) sollte diese Barriere bei - sagen wir 530 - nach oben durchbrochen werden, könnte in der Tat das drohen: https://www.wallstreet-online.de/diskussion/1218056-1-10/dro…

=> ich glaube aber mittelfristig nicht daran. Der Grund ist simpel: das "Normalo"-Unternehmen (mit handelbaren Aktien) kann mittelfristig seinen operativen Gewinn nicht weiter steigern. Das ist meine vorl. Arbeits-Hypothese hier.
Im Gegenteil, es droht mMn gar ein weiterer Rückgang; z.B. alleine schon wg. einer - auch nur - leicht veränderten Notenbank-Politik:
P/E Russell 2000, 2017-08-25: 87.82 (ttm); aus: http://www.wsj.com/mdc/public/page/2_3021-peyield.html =>



=> soll ich nun die 12m-Vorhersage von Birinyi Ass. glauben, einer Institution, deren Track Record ich nicht kenne?!? (https://www.birinyi.com/index.php/about-us.html)

=> eigentlich erstaunlich wie in den nächsten 12m die Gewinne in NA geradezu explodieren sollen.

__
(*) stimmt das wirklich? Ja, v.a. bei grösseren, nachfolgenden Bewegungen scheint es eine deutlichere Divergenz (**) zu geben:




(**) man kann nun Mutmassungen darüber anstellen, warum das so ist. Z.B. durch Umschichtungen von kleinen, schwachen Aktien in Dickschiffe am Ende eines Bullenmarktes.

Frage: wissen das auch die Algo's, die mittlerweile so den Markt bestimmen? --> keine Ahnung...

[faultcode]

Antwort auf Beitrag Nr.: 55.606.418 von faultcode am 27.08.17 15:11:57

Value Line Geometric Index - mein neuer Lieblings-Chart (VALUG, $XVG) (2)

Der zweite Komplex, der mir gestern aufgefallen ist, betrifft die Behavioral finance: https://www.wallstreet-online.de/diskussion/1258587-21-30/me…

(m) so fallen beim Value Line Geometric Index optisch klar die Spikes nach unten - zumindest seit 2000 - ins Auge. Während die Tops, zumindest zuletzt, alle schön "rounding" waren.

(n) bei den "Red China"-Aktien (https://www.wallstreet-online.de/diskussion/1131140-254431-2…) ist es umgekehrt; hier fallen die Spikes nach oben auf:



Beide Indizes sind mit Sicherheit verschieden berechnet, aber das (Äpfel vs. Birnen) soll hier nicht das Thema sein.

Meine Arbeits-Hypothese ist, dass der Value Line Geometric Index einen reifen Aktienmarkt abbildet, und der Shanghai Stock Exchange (SSE) Composite Index einen unreifen:

- im Ersteren dominiert die Angst, und..
- ..im Zweiteren die Gier.


Mir ist dieser Gedanke gestern beim Lesen von Andrew Lo's (*) neuem Buch (siehe Beitrag Nr.1 - ANRWDWS) gekommen, aus dem Intro (**):
- dort betont er - und das scheint sein Thema seit geraumer Zeit zu sein - die Wichtigkeit der Behavioral finance (siehe seine AMH - Adaptive Markets Hypothesis) und spricht dabei gleich zu Beginn von der Angst ("fear"; er schreibt aber noch mehr im Laufe dieses Wälzers von der Gier, "greed").

Demnach sind reife Aktienmärkte wie USA, CAN, D, UK, F, etc. massgeblich von der Angst, und nicht mehr von der Gier bestimmt (FC - nicht A.Lo).

Ich nehme mal 2007 bis 2009 davon etwas aus, weil ich in dieser Marktphase zuviele rein technische Faktoren, wie Portfolio-Räumungen zur Liquiditätsgenerierung, sehe. Aber natürlich haben individuelle Marktteilnehmer aus Angst in dieser Marktphase ihre Portfolios geräumt - so wie ich auch teilweise im Übrigen.

D.h. solche Angstspikes nach unten bleiben eigentlich nie besonders lange unten, höchstens 1 Jahr lang (2002-2003, 2008-2009) - zumindest in einer Welt, in der Notenbanken mit QE's und Mini-Zinsen als Standardmassnahmen aushelfen.

Letzteres muss aber kein Heilmittel (mehr) sein. Auch in der Weltwirtschaftskrise sanken in den USA zumindest die kurzfristigen Zinsen zügig, und es ging trotzdem steil abwärts am Aktienmarkt (+):




__
(*) http://mitsloan.mit.edu/faculty-and-research/faculty-directo…
(**) http://press.princeton.edu/titles/10932.html --> übrigens: in diesem Buch gibt es nicht eine mathematische Gleichung (soweit ich durchflippte) - im Gegensatz zu ANRWDWS.
(+) aus: "Money And Interest Rates In The United States During The Great Depression", Basile, Landon-Lane, Rockoff, 2010

[faultcode]

Simple Stock Model - wirkungsvolle Prognosen möglich?

Quelle: https://www.simplestockmodel.com/macro/

Mir ist beim Suchen zur Saisonalität obige Seite aufgefallen, und dabei zwei sehr einfache Indikatoren, die, zumindest seit der jeweilige Chart läuft, den Benchmark (+) ausreichend schlagen könnten mit jeweils einer sehr einfachen Handelsstrategie.

Einfacher ist oft besser als kompliziert, weil robuster und leichter verständlich (u).

Diese beiden (US)-Indikatoren sind:
(a) US Industrial production YtY change
(b) US 12m change of 10Y-2Y spread (also Spread Lang- zu Kurzläufern)

Und natürlich liegt dem Ganzen die Annahme zugrunde, dass ohne den US-Aktienmarkt auch hierzulande nicht allzuviel aus der Reihe getanzt wird.

=>
(a)


(b)


Es gibt dort noch viele andere Indikatoren/Signale, aber die beiden könnte man mMn ersatzweise mit einfachen Hilfsmitteln tracken, wenn obige Seite mal nicht mehr existieren sollte.


=> aber noch ist (auch beim Kombi-Signalgeber https://www.simplestockmodel.com/composite/) die Party demnach nicht vorbei:




(u) oben sieht man aber auch schon die beiden grundlegenden Probleme mit solchen Macro- oder auch anderen Indikatoren:
(c1) sie basieren auch nur auf Beobachtungen der Vergangenheit
(c2) Fehlsignale (übrigens auch beim Kombi-Signalgeber):

=> Fehlsignale könnte man filtern, wie mit:
(d1) Schalthysterese
oder
(d2) Zeit-Verzögerungselement (in beide Richtungen um den Schwellwert herum)

=> damit schafft man sich aber auch nur wieder neue Probleme, wie:
(e1) nicht rechtzeitig zu handeln (lag)
(e2) vergebliches Herumoptimieren der Parameter (Backtesting) bei (d1) und (d2)
(e3) falsches Backtesting (z.B. kein ausreichendes OOS-Backtesting, Out-Of-Sample)

__
(+) SPDR S&P 500 ETF (SPY), seit 1993 durch State Street

p.s. ich habe die Handelsstrategien des Autors https://www.movement.capital/ in keinster Art und Weise überprüft (wie Datenzuverlässigkeit, Algo-Korrektheit, Handelskosten etc.)

[faultcode]

Sharpe Ratio aktiver Aktienfonds - auch völlig unbrauchbar

Darauf bin ich gekommen durch einen MM-Artikel 2017/09 zum Thema "Die Fondsfaulpelze".
Hier ähnlicher Inhalt: https://www.welt.de/finanzen/article152496338/Der-grosse-Blu…

Immerhin sind in den Tops-/Flops-Listen (jeweils 5 Stk.) 5Y-Sharpe Ratios (SR's) abgebildet.
Als Quelle wird Morningstar (MS) angegeben, mit Stichtag 30.6.2017, z.B.:
http://www.morningstar.de/de/funds/snapshot/snapshot.aspx?id…

MS hat auch die Untersuchung für's MM getätigt.

IdR liegen die SR's der Tops über denen der Flops (logischerweise, obwohl man in der Finanzwelt aufpassen muss), mit einer Ausnahme im USA-Bereich (der Bereiche Deutschland, Europa, USA, Welt).

Im Bereich Deutschland hatte demnach DE0009769869 ("DWS Aktien Strategie Deutschland LC") das Beste 5Y-SR mit 1.37.

An sich, siehe Beitrag Nr. 24 oben, ist er mit > 1.0 schon ziemlich gut; aber auch noch zu kurz.
Finanzen.net (http://www.finanzen.net/fonds/dws_aktien_strategie_deutschla…) liefert auch 10Y-SR's, falls es den Fonds schon so lange gibt:

=> wie man leicht sieht, weichen die SR-Daten substantiell voneinander ab (bei der Vola weniger, was aber auch kein gutes Bild auf die Branche wirft):



Bemerkungen:
- klar, kann das eine SR-Datum vom 30.6. anders als das vom 31.7.2017 ausfallen => aber so grosse Unterschiede?
- jeder Dantenlieferant scheint anders zu rechnen; selbst bei einer vermeintlich einfachen Sache wie der (annualisierten) Vola der letzten 3 Jahre (+)
- haben zwei Anbieter auffallend gleiche Werte, dann haben sie wahrscheinlich auch denselben Datenlieferanten
- die grösste Unsicherheit scheint bei der Verwendung einer risikolosen Anlage über denselben Zeitraum zu herrschen; daher bieten viele Seiten nur das SR des letzten Jahres an; das vereinfacht die Rechnung ungemein

=> eigentlich sollte ich einen Brief an die EU-Finanzregulierung schreiben; jeder Mist in der EU ist reguliert, aber nicht wie man die risiko-adjustierte, historische Rendite einer Finanzanlage ausrechnet. Dabei wird auf vielen Finanz-Internet-Seiten mit der Vergleichbarkeit des Sharpe Ratios geworben.

Ich würde nicht mal den MS-Zahlen glauben, da auch sie nicht genau sagen, wie sie das SR ausrechnen, v.a. nicht über mehrere Jahre hinweg.


__
(+) https://www.wallstreet-online.de/fonds/dws-aktien-strategie-…
=>

=> am unteren Rand der Webseite stehen die Datenlieferanten

[faultcode]

The danger in black-box investment algorithms - Value Investing

aus: http://www.marketwatch.com/story/this-experiment-shows-the-d…

=>
- black-box investment algorithms now account for nearly a third of all U.S. stock trades
- they are particularly dangerous because they are so efficient at discovering statistical patterns
- but so utterly useless in judging whether the discovered patterns are meaningful

Hier kommt dann ein Experiment mit 100 Eingangsvariablen in Korrelation zum SP500
=> davon sind 5 übriggeblieben als aussichtsreich (aus > 75m Variationen mit 1...5 Variablen).

=> hier eine Kombination mit sehr guter Korrelation von 0.88 aus Vorhersage und tatsächlichem Index-Stand:

=> diese Vorhersage ist in der Tat beeindruckend genau.

=> aber dann in 2016:

=> fooled by randomness (würde Nassim N. Taleb sagen/FC).
=> For a model to keep working with fresh data, it needs to have a theoretical foundation.

Aufklärung:
Are my five explanatory variables sensible? Nope. I used a computer random-number generator to create 100 random variables.

=> was natürlich auch die Schwäche dieses Experiments darstellt.
Autor: Fletcher Jones Professor of Economics at Pomona College: https://www.goodreads.com/book/show/35138553-money-machine


Aber auch "Value Investing" muss man erst mal durchhalten können; siehe:

“Value investing is easy.”




aus: http://www.marketwatch.com/story/these-charts-could-blow-up-…
--> tolle Seite; daraus kann man immer mal Argumente und Gegen-Argumente ziehen.

[faultcode]

Antwort auf Beitrag Nr.: 55.562.521 von faultcode am 20.08.17 16:10:16

Bild mit Divergenz fehlt oben

...dieses ist gemeint:



aus: http://www.athrasher.com/growing-divergence-performance-sp-5…

[faultcode]

Antwort auf Beitrag Nr.: 55.606.559 von faultcode am 27.08.17 16:25:25

(n) Bild fehlt

dieses ist gemeint:



doppelt hält besser:

[faultcode]

Antwort auf Beitrag Nr.: 55.614.098 von faultcode am 28.08.17 19:44:32

(+) diese SR-Tabelle fehlt oben:

[faultcode]

Hyperbolisches Wachstum - Bitcoin Group (1)

(zum 2.Teil, einer exponentiellen und hyperbolischen Regression komme ich vielleicht noch mal später - gelang mir mit R nicht auf die Schnelle; manchmal muss man die Dinge einfach (vorerst) unvollendet lassen - er ist mir aber wichtiger vor dem neuen Börsentag zu posten... nachher kann jeder...(+) )

Also:
Hyperbolisches Wachstum kann durch eine hyperbolische Funktion nachgebildet werden, z.B.:

x(t) = K/(tc-t)

mit tc = konstant > 0 und bei der x(t), der Aktienkurs, bei t gegen tc (der Singularität) gegen +unendlich geht (*). K ist dabei lediglich ein Skalierungsfaktor.

Nach Didier Sornette ist hyperbolisches Wachstum (mit positivem Feedback) das Kennzeichen einer Preis-Blase (**). Dieses liegt anfangs sogar unter dem von exponentiellem Wachstum (ohne positivem Feedback). Das ist einfach mathematisch so.


1.Ableitung, d.h. "Wachstum", von x(t) = K*(tc-t)^(-1):

dx/dt = -1*K*(tc-t)^(-2)*(-1) = K*(tc-t)^(-2) = 1/K*x(t)^2

(mit Kettenregel: dy/dx = dy/du*du/dx mit hier: u = tc-t)

=> d.h., das finale Wachstum einer hyperbolischen Funktion ist noch deutlich stärker, nämlich hier quadratisch mit x(t)^2, als das einer (vergleichbaren) exponentiellen Funktion wie z.B.:

x(t) = b^(t-tc) = b^(-tc)*b^t
mit dx/dt = b^(-tc)*t*b^(t-1)

=> d.h., Kurs vor der Singularität geht das (Preis-)Wachstum (quasi) gegen +unendlich beim hyperbolischem Wachstum und in einem logarithmischen Chart kann keine Gerade mehr in der letzten Phase einer Blase an den Kursverlauf gelegt werden.


Und nachdem ich heute nur (+) soweit gekommen bin am Beispiel der Bitcoin Group SE
(DE000A1TNV91, https://www.wallstreet-online.de/aktien/bitcoin-group-aktie), hier nur der lineare und darunter der logarithmische Chart:



_
Man kann sich nun überlegen, wie es morgen am 5.9.2017 mit dem Kurs der Bitcoin Group-Aktie weitergehen könnte. Nachdem meine Regression in R leider gescheitert ist (an der nls-Funktion, bei der die Start-Parameter unglücklicherweise schon relativ nah an den finalen Werten liegen müssen für Konvergenz...), bin ich auf Beispiel (***) gestossen, bei der die Welt-Bevölkerungsentwicklung von hyperbolisch (vor 1962/63) in invers-hyperbolisch übergeht (nach 1990). So ein invers-hyperbolisches Wachstum nennt man auch logistisch (++), zumindest nach (***), S.20/128 =>




=> aus Erfahrung wissen wir aber, dass so ein günstiges, stabiles Verhalten bei Wertpapier-Preisen eher nicht eintritt, sondern am Punkt der Singularität, als im Verlaufe des Handelstages 4.9.2017 nach meiner Einschätzung, das hyperbolische Wachstum abbricht - und damit andere Kursverläufe ab dem 5.9. stattfinden werden. So wie es bei bisherigen Kursverläufen beim Bitcoin-Preis auch der Fall war, z.B. Ende 2013 mit einem Salami-Crash - bevor wieder anschliessend nochmals hyperbolisches Wachstum einsetzte.

Letzteres muss aber bei der Bitcoin Group nicht gegeben sein. Man könnte nach einem (Salami-)Crash-Ende auch von einem normalen, exponentiellen Wachstum ausgehen.


__
(*) hyperbolic growth: https://en.wikipedia.org/wiki/Hyperbolic_growth
(**) Financial bubbles: mechanisms and diagnostics, Didier Sornette and Peter Cauwels, 2014: https://arxiv.org/abs/1404.2140
(***) see: World Population Growth, 500 BCE–2300 CE, millions
https://www.academia.edu/32757085/Introduction_to_Social_Mac…
(++) https://en.wikipedia.org/wiki/Logistic_function

[tradeinvest]

Antwort auf Beitrag Nr.: 55.666.596 von faultcode am 05.09.17 05:04:39

Wozu die Zahlen, Formeln und Charts???
An der Börse braucht man nur eines: GLÜCK

[faultcode]

Antwort auf Beitrag Nr.: 55.666.596 von faultcode am 05.09.17 05:04:39

Hyperbolisches Wachstum - Bitcoin Group (1-a)

Wie noch vor Handelseröffnung XETRA oben festgestellt ("...als im Verlaufe des Handelstages 4.9.2017 nach meiner Einschätzung, das hyperbolische Wachstum abbricht..."), ergab sich am folgenden Handelstag kein solches Kurswachstum mehr:



__
Handelsverlauf XETRA (Schluss) bis zum finalen Handelstag mit hyperbolischem Wachstum:

[faultcode]

Antwort auf Beitrag Nr.: 55.675.539 von faultcode am 05.09.17 23:43:34

Hyperbolisches Wachstum - Bitcoin Group (1-b)

Halten wir fest:

(a) das Kurs-Wachstum der Bitcoin Group-Aktie war von Anfang an (1.Handelstag XETRA 4.10.2016) hyperbolisch angelegt und damit zumindest anfangs als solches nur extrem schwer zu entdecken, vor dem 31.7. gar unmöglich mMn nach für Menschen und Maschinen (ich kann das aber auch nur in Rückschau feststellen, weil die Diskussion für die notwendigen und hinreichenden Vorraussetzung zu hyperbolischem Wachstum den Rahmen dieser paar Postings sprengen würde.)





(meine eigene Regression zur Bitcoin Group-Aktie ist immer noch nicht fertig... siehe (+) oben)


(b) allerdings gab es empirisch an diesem Beispiel am 8./9./10.08., also an drei aufeinander folgenden Handelstagen, für aufmerksame Marktteilnehmer ein deutliches Zeichen dafür, dass hyperbolisches Wachstum vorliegen könnte - und das mit hoher Wahrscheinlichkeit => d.h. am 10.08., oder bei Geduld am 11.08., und sogar nach dem Wochenende am 14.08., konnte man sich entsprechend Long positionieren - und das bei relativ kontrolliertem Risiko:

- ich habe zu diesen drei Handelstagen geschrieben, sich "zügig" (aber nicht hektisch) Long zu positionieren. Der Grund dafür ist, dass man auch nach diesen Handelstagen noch nicht (mMn) die genauen Parameter des hyperbolischen Wachstums kennt (also K und tc bei x(t) = K/(tc-t) ):
=> d.h., es ist in einem hoch verrauschten, adaptiven und komplexen System wie dem Aktienmarkt einfach nicht besonders sinnvoll so etwas zu tun, v.a. vor dem Hintergrund, wenn es - wie hier vorliegend - möglicherweise ein ausreichend gutes Handels-Signal gibt (r); siehe nachfolgend (c).


(c) mir scheinen die dann beobachteten +50% (+ X%) Kurszuwachs am finalen Handelstag mit hyperbolischem Wachstum als guter Indikatorwert zum Handeln zu dienen für beide Seiten, Long und Short (für Long-Positionen hätte auch - für vorsichtige Marktteilnehmer - der +40%-Handelstag zuvor zum Ausstieg genutzt werden können. Dieser Tag wäre aber für Short-Händler u.U. böse ausgegangen --> anschliessende hohe Short-Squeeze-Gefahr)


(r) dieses Handelssignal kennt man u.U. nicht vorher - allerdings mit der bisherigen Untersuchung des Bitcoin Group-Kursverlaufes liegt eben nun eine erste (für mich) Arbeits-Hypothese vor - die gegebenenfalls anzupassen ist, v.a. im Hinblick auf Unternehmen mit höherer Marktkapitalisierung (MK; auf Werte mit noch weniger MK würde ich am dt. Aktienmarkt meine Resourcen nicht allzusehr verschwenden - deren Kursverläufe sind zu sehr von unvorhersehbaren Diskontinuitäten geprägt.)

[faultcode]

Antwort auf Beitrag Nr.: 55.675.689 von faultcode am 06.09.17 00:08:36

Hyperbolisches Wachstum - Bitcoin Group (1-c) - Kapitalmarkt-Blasen und Unternehmensbewertung

Im betreffenden Thread (https://www.wallstreet-online.de/diskussion/1222914-921-930/…) ist am 5.9. ein interessante Frage in diesem Zusammenhang gestellt worden. Nämlich wie kann es sein, dass noch am 4.9. nach Handelsschluss die Bitcoin Group rund EUR400m "wert" ist, und keine 24h später nur mehr rund EUR250m? (s)

Nun, mMn ganz einfach: der (regulierte) Markt musste vom hyperbolischen Wachstum ablassen, da bereits restlos alle verfügbare Liquidität in der Bitcoin Group investiert war.

Damit kommt anschliessend, d.h. ab 5.9. einschliesslich, nur noch und bestenfalls:
(a) "normales", also exponentielles oder
(b) invers-hyperbolisches (auch logistisches, siehe (++) oben)
Wachstum in Frage.
Damit verabschieden sich aber genügend alte Marktteilnehmer, die an einem solchen nicht mehr interessiert sind (zumal das ob und wenn ja, welche Parameter ja vollkommen offen sind zu diesem Zeitpunkt...).

Das ist eben der grosse Unterschied zwischen hyperbolischem und exponentiellen Wachstum, wie von Didier Sornette und Co. oben in Figure 2 beschrieben: Growth without positive feedback can continue ad infinitum...


Hyperbolisches Wachstum ist an sich nicht "betriebsfremd" oder "unnatürlich" - siehe die Beispiele unter: https://en.wikipedia.org/wiki/Hyperbolic_growth#Applications

Es taucht auch an regulierten Finanzmärkten mitunter auf, v.a. in Einzelwerten. Letzteres ist mMn eher unproblematisch, da nicht die ganze Kapitalmarkt-Liquidität (mit dem Fremdkapital) in einen einzigen Wert fliesst. Bei einem breiten Gesamtmarkt ist eine Blasenbildung naturgemäss nicht erwünscht, v.a. wenn (zu) viel Fremdkapital, also geliehenes Geld, im Spiel ist, siehe die Tokioter Börse Ende der 80er Jahre.


__
Eine Bemerkung zu diesem Godmode-Artikel und seinem Ruf nach gezielter Markt-Beobachtung:
https://www.godmode-trader.de/analyse/bitcoin-group-der-fahn… ("Die Pusherkolonne dürfte sich nun zum nächsen Ziel bewegen. Das wird so weitergehen, bis die Bafin sich dem Ganzen mal annimmt.").

Warum dieser Ruf eigentlich (immer) nur aufgrund einer vorangegangenen Marktbewegung?
(Ketzerische Frage: warum nicht schon am 10.08.2017 - siehe oben unter (b).)

Noch konnte nicht festgestellt werden, dass sich das Unternehmen und/oder seine Führungskräfte und/oder Insider nicht entsprechend den Regularien verhalten hätten. Genauso wenig externe Marktteilnehmer (Stichwort "Pump and Dump").

Ich denke sowieso, dass sich die Bafin generell/punktuell Tagesbewegungen von >+50% und <-50% (im CDAX) anschaut - und dann idR nichts feststellt. Die Deutsche Börse hat ja ihre "Circuit Breaker"-Rules etc.: http://www.xetra.com/xetra-en/newsroom/current-regulatory-to… (soll die Bafin deren Einhaltung erstmal überwachen...)

Preisblasen sind eben Teil des Sortiments an Phänomenen von Finanzmärkten immer schon gewesen - ganz ohne Marktmanipulation, und werden es in freien Märkten, selbst bei Regulierung (ausser Tot-Regulierung), immer auch bleiben.

__
(s) "Price Is the Best Indicator in the World.", Michael Covel, 2014

[faultcode]

Lohnt es sich das Tracken von Insider-Handeln bei deutschen Aktien? -> jein

Nein, wenn man diese beiden Tracker-Zertifikate als Basis nimmt ggü. einem DAX-ETF:
https://www.wallstreet-online.de/zertifikat/db6gwd-s-box-ins…
https://www.wallstreet-online.de/zertifikat/ck1598-insider-i…




=> man sieht:
(a) Rot (Commerzbank-Insider-Tracker) ist im Laufe von gut 10 Jahren nicht besser als Grün (DAX-ETF):
=> d.h. im Umkehr-Schluss, dass wenn man alle Gebühren bei Rot weglassen würde, man eine relativ sichere Überperformance haben könnte. Wenn auch diese nicht der Brüller ist. Das hängt aber auch von den eigenen Gebühren im Vergleich zur Depotgrösse ab.

(b) eine relativ hohe, dauerhafte Management-Gebühr (hier 1.5% vs. 0.8%) haut sichtbar ins Kontor => man verliert ggü. der diesbezüglichen, "risikolosen" Anlage DAX-ETF Geld:
- Performance-Gebühren wirken sich bei weitem nicht so schlimm aus

(c) der Aufwand, die 100 liquidesten dt. Aktien zu finden, lohnt sich ganz offensichtlich nicht für diese Strategie; DAX reicht vollkommen aus (siehe Underperformances des Solactive Insider Performance-Index) (daher auch die relative hohe Management-Gebühr bei dieser Strategie...)


=> d.h., dass ziemlich sicher aus dem übersichtlichen Anlage-Universum DAX mit 30 Werten eine Überperformance in Eigenbau möglich ist bei langfristigem Handeln (> 10Y).

Z.B. indem man 1 x pro Quartal DAX-Werte mit den vorausgegangenen, relativ höchsten Insider-Käufen nachbildet mit z.B. konstant nur 5 Werten (gleichgewichtet), also man alle Nicht-Top-5-Werte wieder verkauft:

=> das wären im Jahr maximal 4 x 5 Käufe und 4 x 5 Verkäufe = max. 40 Handlungen pro Jahr als Obergrenze. Vielleicht sollte man eine Mindesthalte-Dauer von 6 Monaten einführen ("Hin und Her macht Taschen leer."), um den Aktienkursen auch eine Chance zur Wirkung zu geben.

Jetzt gibt's nur noch ein kleines Aufwands-Problem:
- der Commerzbank Insider-Index ist nicht öffentlich!
- aber diese kostenlose Seite sieht daten-gepflegt aus: https://www.boerse.de/insider-trades/

=> ohne Wertung der relativen Insider-Netto-Käufe im DAX, die letzten 5 bis 2017-09-08, chronologisch:
- ProSiebenSat.1
- Deutsche Post
- Siemens
- Linde
- BASF

(hier wäre noch zu werten, relativ zu was: zum Gehalt, zur Unternehmensgrösse, zur MK, ...)

Und noch ein paar Überlegungen:
- Insider, die weniger als ein Jahr im Unternehmen sind, zählen nicht. Quasi keine Vertrauensvorschusskäufe (aus der eigenen Portokasse...)
- Vorstand zählt mehr als AR (Alt-Herren und Damenriege...)
- man kann dazu auch ins Prospekt des Deutsche Bank "Leitfaden zum Solactive Insider Performance-Index (Solactive Insider) Version 1.7 vom 21. Juni 2010" als Inspirations-Quelle hineingucken.


__
Das Commerzbank-Zertifikat ist anders im Vorgehen:
- z.B. monatliche Überprüfung, was im Eigenbau sehr wahrscheinlich zu viel Aufwand wäre. Quartalsweise Überprüfung gefällt mir besser.
- anfangs (alter Prospekt) von 2006 sind im Insider-Index 9 Werte aus den 30 DAX-Werten vertreten (statt 15 aus 100 Werten wie bei Solactive Insider)


Hier hätte sich ein ZERTIFIKAT aber gelohnt:
- das "Unlimited Indexzertifikat auf Deutschland Mid Cap Insider"-Zertifikat, also dasselbe mit dem MDAX (DE000CB5PME8) wurde am 21.03.2013 eingestellt!
Es lief aber bis dahin besser als das DAX-Pedant, ca. 25% (der MDAX lief in diesem Zeitraum auch besser als der DAX) - und besser als der MDAX selber:



=> im Grunde genommen ist das breite, deutsche Anlage-Publikum an Überperformance gar nicht so richtig interessiert - oder zu skeptisch. Also kündigt es die Bank mangels Masse.

[faultcode]

Antwort auf Beitrag Nr.: 55.562.521 von faultcode am 20.08.17 16:10:16

die Pusher im Bullenmarkt

...und die Berenberg Privatbank mittendrin statt nur dabei: http://www.boerse-online.de/nachrichten/aktien/Aurelius-Akti…

..und damit als Ober-Pusher in der Spätphase eines Aktien-Bullenmarktes --> Take the money and run ist hier wohl das Motto - den Letzten beissen die Hunde :
=> In Deutschland umfasst das beobachtete Anlageuniversum rund 130 Werte.

=> es sind aber nicht die üblich Verdächtigen, d.h. 50+50+30 = 130 Werte aus MDAX, SDAX und TecDAX, da eine MagForce AG (WKN: A0HGQF) empfohlen wird im Scale-Segment:

- MK EUR200m
- KGV 2018e: 178,80 (2017 Verlust anzunehmen)
- Umsatz 2016: EUR0,47m

=> logisch, dass hier noch, wie bei den anderen 4 vorgestellten Werten, noch Kurs-Potenzial nach oben besteht im 2-stelligen Prozentplus-Bereich.


=> nach meiner bescheidenen Börsenerfahrung: auch dieser Bullenmarkt wird im Tal der Tränen für manche Anleger enden. Das war nun wirklich schon immer so.

[faultcode]

Wie löst man eine Finanzkrise aus? ==> zu viele Marktteilnehmer mit zuviel Fremdkapital (1)

Also eigentlich so wie immer. Was richtig Schlimmes muss eigentlich gar nicht passieren.

Die Finanzstruktur von zu vielen Marktteilnehmern mit zuviel Fremdkapital reicht eigentlich vollkommen. Den Rest erledigt der berühmte Schmetterling-Schlag irgendwo in einem wichtigen Land (bleiben eigentlich nur die USA und China dafür z.Z.).

Können steigende Zinsen sein - kombiniert in Märkten mit geringer Vola (wie 2017) und Standard-Hebeln von Eigen- zu Fremdkapital von nur 8 (zumindest anfangs). (Ich tippe ja auf eine private Verschuldungskrise in China - und den wie so oft unvermeidlichen Zwangs- und Notverkäufen; diesmal mit globaler Durchschlagskraft.)

Die Idee dazu hatte ich aus:
More Money MoneyGod: Hedge Funds and the Making of a New Elite von Sebastian Mallaby, 2010
..einem wirklich sehr unterhaltsamen Buch über die Geschichte der US-Hedgefunds von den Anfängen bis zur Krise 2008/9: https://en.wikipedia.org/wiki/More_Money_Than_God
(ich lese es im Original - das (US)-English ist allerdings anspruchsvoll...)
=> in Deutsch: https://www.amazon.de/Mehr-Geld-als-Gott-Allmachtsphantasien…

--> hier in Anlehnung an den US Hedge Fund Sowood Capital Management/Boston im Juli 2007: https://en.wikipedia.org/wiki/Sowood_Capital

=> der Witz an diese Geschichte: dieser Hedge Fund war nicht aggressive unterwegs - und verlor am Ende doch sein halbes Kapital in relativ wenigen Wochen.

Und das kam prinzipiell so - wobei ich die auf Seite 342 abstrakte Erklärung in ein eigenes Excel-Sheet gegossen habe, um zu zeigen, dass bereits 3 Marktrückgänge von je -5% ausreichen, um ein normal gehebeltes Portfolio in die ewigen Jagdgründe zu schicken:

[faultcode]

Antwort auf Beitrag Nr.: 55.891.324 von faultcode am 06.10.17 02:04:08

Wie löst man eine Finanzkrise aus? ==> zu viele Marktteilnehmer mit zuviel Fremdkapital (2)

=> d.h., nach bereits 2 x -5% im Fondsvermögen muss dringend gehandelt werden (bei obiger Struktur).

Wie im Buch beschrieben,
(a) wird zunächst versucht, mit eigenen Mitteln den Hebel wieder in Richtung 1:10 zu bringen, indem man z.B. Notverkäufe vornimmt --> diese Notverkäufe waren es im Übrigen, die im Somme 2007 die globale Finanzkrise in Gang setzten (aber nicht ihr root cause). Andere Hedge Funds spürten diese Notverkäufe, wussten aber nicht woher sie kamen:

=> d.h., so eine kleine, lokale Unsicherheit lässt u.U. die globale und allgemeine Unsicherheit zusätzlich anschwellen. Die anderen Algo-Marktteilnehmer merken nämlich solche Notverkäufe heutzutage sehr schnell, weil eben die Algo's plötzlich aufhören profitabel zu funktionieren wie all die Monate zuvor. Und dann, plötzlich funktionieren sie wieder. So im Buch beschrieben.

=> Frage: warum soll dass 2017/18/19 viel anders sein? Damals war am Markt noch richtig Vola, heutzutage nicht mehr. Einfach weg. Man kann sich vorstellen, wie empfindlich manche Algo's in so einer Umgebung arbeiten.

=> wenn eigene Notverkäufe nicht helfen,
(b) muss man schnell jemanden Solventes finden, oft eine deutlich grössere Organisation, der einem das ganze Portfolio ("trading book") abnimmt, und eben keine Notverkäufe vornimmt. So geschehen bei Sowood Capital, die 2 Hedge Funds an die damals schon viele grössere Citadel verkauften, nachdem man in einer Nacht von Sonntag auf Montag vor Handelsstart Sowood's Positionen und Handelsbeziehungen prüfte. Dieser Verkauf wurde dann öffentlich kommuniziert und in der Tat stieg dann auch der Anleihemarkt am Montag um +4% (Erleichterungs-Rally) (*).

=> übrigens sehr lukrativ für Citadel in den Folgejahren: https://en.wikipedia.org/wiki/Citadel_LLC
Citadel ist ein immens grosser Market Maker in den USA geworden (was viel risikoärmer ist, als einen Hedge Fund zu betreiben) => Citadel Securities also executes about 13 percent of U.S. consolidated volume in equities and 28 percent of U.S. retail equities volume.[16][17]
=> AUM USD149b

__
(*) Sowoods viele Problem-Positionen, aber nicht alle, waren nicht an einer regulierten Börse gelistet ("OTC") und damit war eine (realisitsche) Preisfindung nur durch jemanden möglich, der auch solche Positionen handelte, wie eben Citadel:

=> ich persönlich sehe so etwas ähnliches als klares Risiko z.Z. bei vielen dt. Neben- und Mikrowerten, die bei allgemeinen Marktrückgängen - vollkommen unabhängig von ihrer fundamentalen Situation - deutlich verkauft werden mit noch stärkeren Folgeverkäufen, weil zu viele Marktteilnehmer ("Momentum") den zu kleinen Ausgang dann suchen werden => wie gewonnen, so zerronnen...

[faultcode]

Antwort auf Beitrag Nr.: 55.891.345 von faultcode am 06.10.17 02:41:39

Wie löst man eine Finanzkrise aus? ==> zu viele Marktteilnehmer mit zuviel Fremdkapital (3)

Zu:
(a) wird zunächst versucht, mit eigenen Mitteln den Hebel wieder in Richtung 1:10 zu bringen, indem man z.B. Notverkäufe vornimmt

=> hier hilft eine Veranschaulichung, da es sich um den idR naheliegenden Weg aus einer Krisensituation handelt, nämlich den Notverkauf im betroffenen Fonds:



=> wie man sieht, kann man nach 2 x -5% Wertrückgang im Fonds durch den Notverkauf des halben Fondsvermögens einen Hebel wieder in Richtung des Ursprunghebels von 8 zurückbringen:




Es bleibt feststellen, dass nach so einem 50%-Notverkauf (und Hebel 8) nach 2 x -5% Marktrückgang das halbe Eigenkapital für eine ganze Weile weg ist - und damit das der (Mit-)Anleger auch.


__
In magenta habe ich Korrekturen beim Hebel in obiger Tabelle vorgenommen, weil man ja sinnigerweise auch die aufgelaufenen Zinsen des Kredites berücksichtigen sollte. Man sieht:

Spekulation mit hohem Fremdkapitalanteil ist zwangsläufig mit sehr hohen - und nicht nur hohen - Risiken verbunden, auch bereits bei eher kleinen Marktkorrekturen.

Daher haben entsprechende Marktteilnehmer auch entsprechende Hedges, also Absicherungen im wahrsten Sinne des Wortes, laufen; zumindest sollten sie das nach 2009 machen.

Nachdem man aber mit solchen Portfolio-Absicherungsgeschäften nicht alleine unterwegs ist, kommt es zwangsweise zu einer fortlaufenden und uferlosen Verknüpfung von Risiken quer durch die globale Finanzindustrie:

=> dieses ungute Phänomen soll in diesem gelobten Buch beschrieben worden sein, was bei mir aber nur auf der Wunschliste steht:

A Demon of Our Own Design: Markets, Hedge Funds, and the Perils of Financial Innovation
http://eu.wiley.com/WileyCDA/WileyTitle/productCd-0471227277…
vom Hedge Fund Manager Richard Bookstaber, welches im Oktober 2008, also auf dem Höhepunkt der Finanzkrise, erschien (Wer hat dann noch Zeit zu lesen, mitten in der Krise??).


(c) eine dritte Rettungs-Möglichkeit wäre es, in einem anderen Portfolio Verkäufe vorzunehmen (um das Schieflagen-Portfolio mit Eigenkapital aufzupeppen),
oder
(d) eigene Cash-Reserven anzuzapfen, so wie bei dem damaligen Hedge Fund von Goldman Sachs, denen praktischerweise von der Mutter(-Bank) mit USDN.Nb Cash unter die Arme gegriffen wurde.


__
Über 1000 Hedge Funds haben 2016 (in den US?) geschlossen (und es gibt einen Nettorückgang), soviele wie seit 2008 nicht mehr: http://www.marketwatch.com/story/hedge-funds-closed-down-las… =>



=> man könnte nun fazitmässig annehmen, dass Hedge Funds einfach nicht mehr funktionieren, obwohl in ihnen USD3,000b investiert sind (ich denke ohne Fremdmittel oder?) und damit Rekord. So gesehen gibt es auch hier eine Konzentration:

=> man wird wahrscheinlich erst in der nächsten Krise sehen, ob man flächendeckend seit 2007/8 dazugelernt hat - oder ob nur wieder ein paar wenige das grosse Los gezogen haben und der Rest dumm dasteht.

[faultcode]

Antwort auf Beitrag Nr.: 55.548.111 von faultcode am 17.08.17 23:01:47

Lognormal: Zahlenbeispiel dazu

zur Veranschaulichung:



aus Posting: https://www.wallstreet-online.de/diskussion/1184671-29851-29… mit mehr Erläuterungen.

[faultcode]

Denken in Subportfolios

Wie hier am Beispiel Lithium vorgestellt: https://www.wallstreet-online.de/diskussion/1254052-1-10/kle…, habe ich nun mein ursprüngliches - und langjähriges - Subportfolio "Food&Crops" nochmals unterteilt in:
- Crops
- Food
also quasi - wie bei Ölproduzenten und Ölrefinern - in "Upstream" und "Downstream".

Denn es wurde mir nach der vergangenen Handelswoche klar: bei Crops (und Co. wie Rinderzucht) stimmt etwas grundsätzlich nicht. Etwas, was dafür sorgen wird, dass es Crops-Aktien, ausser den üblichen Auf's und Ab's, auch in den nächsten Jahren aller Wahrscheinlichkeit nach sehr schwer haben werden:
https://www.wallstreet-online.de/diskussion/1161889-71-80/ag…

Das machte sich auch in der Subportfolio-Performance bemerkbar. Die Crops-Aktien zogen nämlich die Food-Aktien überwiegend nach unten. Ja, AUSTRALIAN AGRICULTURAL/AU000000AAC9/https://www.wallstreet-online.de/aktien/australian-agricultu… habe ich vor dem steilen Anstieg ganz gut erwischt, nur um mittlerweile ohne jegliche Positiv-Performance dazustehen:




Zufälligerweise sind in jedem der neuen Subportfolios nun 3 Werte enthalten. Da war doch was? --> https://www.wallstreet-online.de/diskussion/1254052-1-10/kle…

=> aber damit ist nun Schluss. Das Crops-Subportfolio hat zwar z.Z. nur einen Anteil am Gesamt-Portfolio von weniger als 2%, wird aber bei Erholung aufgelöst. Da wird nicht mehr gewartet auf eine säkulare Erholung. Aber in Panik nun zu verkaufen, wo es 2 von 3 Werten letzte Woche zerlegt hat, werde ich auch nicht tun, nicht bei <2%.

Insgesamt ist das Crops-Subportfolio seit Anfang 2015 bei +/-0% vor Verkauf angelangt.

[faultcode]

Antwort auf Beitrag Nr.: 55.606.559 von faultcode am 27.08.17 16:25:25

Behavioral finance (BF): Daniel Kahneman

Ich stelle ihn hier kurz rein im Kontext (*). Sollte man nämlich im Zusammenhang mit BF mal gehört haben:



aus seinem Opus magnum:


mit dieser Sehr-Kurz-Zusammenfassung dieser Nicht-Nebenbei-Lektüre:
https://www.proximus.be/en/id_b_cb_kahneman_thinking_fast_an…

(*) wurde gelöscht bei EVT --> das wird noch böse enden für einige Marktteilnehmer.

[faultcode]

Antwort auf Beitrag Nr.: 56.441.869 von faultcode am 13.12.17 20:10:03

BF: das Risikoprofil eines Wertpapieres nicht verstehen

Zur BF beim kleinen Retail-Anleger gehört auch, dass das Zielpublikum unter ihnen das Risikoprofil eines (strukturierten) Wertpapieres nicht versteht.

Auch der Bankberater versteht es nicht wirklich (da belastbar nur in irgendeinem Backoffice durchsimuliert) und soll es auch nicht, damit gar nicht erst Skrupel beim Verkauf aufkommen.

Z.B. beim Wachstumsmarkt Aktienanleihen (*) - Instrumente des legalisierten Betrugs:

- aktuelles Beispiel (unter schier endlos vielen): ISIN DE000HVB2530



https://www.hypovereinsbank.de/portal?view=/de/privatkunden/…



Risiken:
- der Ausgabeaufschlag muss erst verdient werden (trivial)
- die (typische) Laufzeit von 5 (langen) Jahren:
__- die Aktie steigt bis dahin
__- die Aktie fällt bis dahin unter 60% des Schlusskurses vom 27.12.2017 (XETRA?)
- das Emittenten-Risiko
(- ausserordentliche Kündigungsrechte?)

--> wie hoch ist die Wahrscheinlichkeit, dass die ProSiebenSat.1 Media SE-Aktie in 5 Jahren in Tendenz leicht fallend, möglichst homogen, läuft?

=> verschwindend gering bei einem Unternehmen, was in einer erheblichen Umbruchsituation steckt.

=> als Kleinanleger verdiene ich hier nur wirklich, wenn die P7-Aktie am 22.12.2022 auf knapp über 60.0% des Schlusskurses vom 27.12.2017 gefallen ist - und bis dahin keine Anstalten machte nach oben auszubrechen.

Geht der P7-Turnaround schief bis zum 22.12.2022, trage ich das volle Risiko, nicht die Bank, die sich über das vereinnahmte Geld (+ Aufschlag) am 27.12.2017 freut.

"Protect" bezieht sich hier im Wesentlichen auf den Emittenten, einer Tochter der Unicredit: https://www.wallstreet-online.de/aktien/unicredit-aktie (**)

Wenn ich die P7-Aktie direkt kaufe, könnte ich bis Ende 2022 durchaus ansehliche Dividenden kassieren, die einen möglichen weiteren Wertverlust der Aktie selber abfedern würden, was die Aktienanleihe ja vorgibt zu tun. An jedem Aufschwung nehme ich aber zu 100% teil => nicht alles ist (negatives) Value-at-Risk hier!:



Wenn ich nun für 5 Jahre, 6.8% Div.-Rendite nehme, federt das schon mal 5 x 6.8% Kursverlust ab = 34.0%. Unter 60% bekommt man die Aktien und bis dahin 5 x 3.8% Zinsen p.a. = 19.0% (keine Wiederanlage überall).

=> d.h., der (günstige) Erwartungswert für einen Verlust der Bank beträgt: 100% - 60% - 34.0% + 19.0% = 25% und das des Kunden entsprechend 100% - 25% = 75%.

So einfach ist es aber nicht, da P7 bei weiteren Schwierigkeiten doch die heilige Dividende kürzen könnte, sagen wir auf aggressive 2% Div.-Rendite:
=> ein ungünstiger Erwartungswert für einen Verlust der Bank beträgt nun: 100% - 60% - 10.0% + 19.0% = 49%.

=> daran sieht man, unter welchem hohen Druck der neue P7-CEO stehen wird, die Dividende nach den FactSet-Schätzungen auch auszubezahlen - und keinesfalls signifikante Kürzungen vorzunehmen.

Wenn wir uns (willkürlich, aber nicht unsinnig) auf die Mitte einigen, dann steht ein mittlerer Erwartungswert für einen Verlust der Bank bei: (25% + 49%) / 2 = 37%:
=> der Trick der HVB ist es nun laufend genügend Aktienanleihen zu emittieren, um ihr eigenes Risiko ausreichend zu streuen: https://kurse.hypovereinsbank.de/hvb-markets/derivatives/ind…

Ich gehe davon aus, dass die HVB am 27.12.2017 tatsächlich für das entsprechende Geld P7-Aktien kauft - und in die eigenen Bücher nimmt. Ein zusätzliches Risiko für die HVB besteht dann noch darin, dass sie für den 27.12.2017 und danach nicht genügend Käufer ihrer Aktienanleihe findet.
Und damit das nicht passiert, muss Herr Richard Pfadenhauer/HVB und Co. auf dt. Finanz-Folklore-Seiten Reklame für dieses Produkt machen, z.B. hier: http://www.ariva.de/news/kolumnen/prosiebensat-1-sendeschlus…


Und: wenn ich als kleine Mann/Frau sowieso bei einer Aktienanleihe das Emittenten-Risiko trage, warum dann nicht gleich auf der Eigenkapitalseite der Bank selber stehen?
=> dann könnte man ja den Kauf von Unicredit-Aktien (zum selben Betrag) ins Auge fassen.


=> solche strukturierten Bankprodukte sind in Wahrheit (unter fast allen Umständen) Unsinn und Wahnsinn zugleich aus Sicht des Kleinanlegers.


(*) http://www.faz.net/aktuell/finanzen/anleihen-zinsen/modeprod…

[faultcode]

Die optimale Wettgrösse - Kelly-Kriterium

zu: https://www.wallstreet-online.de/diskussion/1230061-2331-234…

als ergänzendes Präventiv-Argument für solche Art von Rechnungen ganz generell:

Scholes von Black-Scholes und Merton (beide Wirtschafts-Nobelpreis) sassen später im BoD des LTCM-Fonds, und haben dessen komplette Schrottung supervisiert.
Warum?
--> ausgerechnet als es unerwartet eng bei LTCM wurde, ist die allgemeine Markt-Vola nicht gefallen (die unterlagerte Wette), sondern weiter gestiegen!
https://en.wikipedia.org/wiki/Long-Term_Capital_Management --> hier genauer nachzulesen: https://en.wikipedia.org/wiki/More_Money_Than_God

=> und die haben nicht nur Postings bekommen; sondern richtig Pfeffer:
1/ war LTCM Long in einer Position (es sprach sich allmählich herum), war ein Teil der Wallstreet (zum Schluss) gezielt Short
2/ war LTCM Short in einer Position (dito), war ein Teil der Wallstreet (zum Schluss) gezielt Long

mit 1/ und 2/ rechnete niemand wirklich bei LTCM


__
=> weitere Wettgrössen in Abhängigkeit von geänderten Annahmen = geänderten Eingangsgrössen:













=> ein sehr weites, multidimensionales Parameterfeld schon bei dieser sehr, sehr einfachen Rechnung -- welches sich in Wahrheit an wahrscheinlich vielen (aber nicht allen) Handelstagen im Jahr verschiebt, und an manchen Handelstagen sogar sprunghaft.


=> das Spiel (egal wie aufwendig gerechnet), ist zumindest in Grundzügen klar:
a/ der zu erwartende Drift muss auskömmlich positiv sein über alle Szenarien hinweg
b/ eine niedrige Vola hebt die Grösse der "optimalen" Wette

[faultcode]

Antwort auf Beitrag Nr.: 56.441.869 von faultcode am 13.12.17 20:10:03

Behavioral finance (BF): Neue Erwartungstheorie

aus: http://www.spiegel.de/wissenschaft/mensch/risiko-psychologie…

=> Neue Erwartungstheorie (1979):

1/ Menschen scheuen Risiken, solang ein sicherer Gewinn winkt
2/ droht allerdings ein Verlust, sind sie plötzlich zu hohen Risiken bereit, um ihn abzuwenden

Beispiel:
Bietet sich die Wahl zwischen einem sicheren Gewinn von 80 Dollar oder einer 85-prozentigen Chance auf 100 Dollar (bei 15 Prozent Risiko des Totalausfalls), so entschieden sich die meisten Menschen für die sicheren 80 Dollar.

Das ist aber nicht so, wenn man das Beispiel einfach umdreht: Sind sie vor die Wahl gestellt zwischen einem sicheren Verlust von 80 Dollar und der 15-Prozent-Chance auf gar keinen Verlust, wählten die meisten Menschen das Risiko - trotz der 85 prozentigen Wahrscheinlichkeit, am Ende sogar 100 Dollar zu verlieren.

[faultcode]

Antwort auf Beitrag Nr.: 56.593.979 von faultcode am 02.01.18 22:47:54

im Original: &quot;Prospect Theory&quot;

https://de.wikipedia.org/wiki/Prospect_Theory
EN: https://en.wikipedia.org/wiki/Prospect_theory

hier eine Veranschaulichung des oben genannten Beispiels:




Weiter gedacht:
Nun, einmal ist bekanntlich keinmal.
Aber wie sieht es aus, wenn sich ein Marktteilnehmer 10-mal hintereinander, so wie oben die Mehrheit, entscheidet? (Und unter der Annahme, dass jede Wette von der vorherigen unabhängig ist.) =>

[faultcode]

Antwort auf Beitrag Nr.: 55.614.098 von faultcode am 28.08.17 19:44:32

S&P500: Sharpe ratios 1934 - 2017 ---> 2018e

=> Aussage:
- auch nach dem "Jahrhundert-Sharpe ratio" von sagenhaften 3.04 beim S&P500 kann das Börsenjahr 2018 auch noch gut bleiben (+).

=> klar ist das Sharpe ratio 2017 (beim S&P500) so hoch und damit exzellent gewesen, wenn die Vola beim S&P500 eben so niedrig (geshortet!) war:

SRa = (R|a - R|b) / sigma|a

* SRa = Sharpe ratio S&P500
* R|a = actual return S&P500
* R|a = actual return 3-months T-bill --> meine Meinung dazu --> (++)
* sigma|a = standard deviation = (annual) volatility des S&P500

Quelle zu oben:
Historical S&P Sharpe Ratios And Thoughts On 2018
https://seekingalpha.com/article/4144483-historical-s-and-p-…

=> (+)
...While strong risk-adjusted returns have historically led to decent absolute returns in the following year, I would note that none of the top ten Sharpe Ratio years were followed by improving Sharpe ratios the next year.

In 2018, we know that we are likely to see higher short-term rates from Fed tightening. As trading action on Friday and Monday can attest, we are also likely to see an uptick in volatility from historically low levels.

Risk-adjusted returns are very likely to be lower in 2018 than what we enjoyed in 2017, and investors should adjust their expectations accordingly when making portfolio construction decisions.

------------------------------
(++)

2017: SRa|SP500 = (21.6% - 0.93%) / 6.79% = 3.04

=> soweit, so gut:
- ABER eine 3-months T-bill stellt eben nur 3 Monate lang eine annualisierte Rendite von (hier) 0.93% dar!
Die nächste 3-months T-bill eben eine etwas andere, solange bis die 12 Monate voll sind!

=> das ist eine sehr vereinfachende Rechnung, gerade in Jahren mit schwankendem (risikolosen) Zins --> dann müsste man theoretisch auch noch die Vola der T-bills berücksichtigen!!

=> es wäre besser gewesen, eine 1-Year T-bill am 1.1. bzw. Januar jeden Jahres zu verwenden:
- hier 2017-01: 0.80% aus https://fred.stlouisfed.org/series/TB1YR

=> ...und schon haben wir ein SRa|SP500 von sogar 3.06 ohne Vola-Korrektur!

[faultcode]

internationale REIT's als Lösung für ein (vordergründiges) Diversifikationsproblem? (1)

Eher nicht - siehe 2008:






aus:
- Euronext Reitsmarket Global Balanced NR Index
- Euronext Reitsmarket Global Conviction NR Index
NR = Net Return --> mit/ohne ausl. Quellensteuer auf Dividenden? = TRN = Net Total Return beim Dow Jones Global Select Real Estate Sec. TRN Index


aus: https://www.reitsmarket.com/

--> ich sehe nur, dass 2017 nicht gut lief (im Ggs. zu globalen Aktien) --> Mean reversion 2018?

War hier die Angst des Kaninchen vor der Schlange grösser als die tatsächliche Gefahr? (in Form von Zinserhöhungen).

Beide Indizes sind nicht wirklich global, sondern stark USA/CAN-lastig. Die EM-REIT's seien so volatil - wie gelesen im GS-Magazin 02/2018 im Interview.

Auch aufschlussreich:
- "Conviction" läuft nicht besser als "Balanced" -- siehe bei Actuarial performance (annualised):

"Conviction"
- 5Y: 8.96%
- since inception (2006): 8.46%

"Balanced"
- 5Y: +.9.92%
- since inception: +7.87%


=> mMn ist es totaler Quatsch hier 2 Indizes, die so nahe beieinander liegen nach einem solangen Zeitraum (2006-2017) zu konstruieren --> verursacht nur Kosten:

--> reicht doch, wenn man sagt "blau" ist besser als "braun":




Aber damit nicht genug! Man hat gleich 6 Indizes draus gemacht!
--> https://www.euronext.com/en/market-data-news/view/14326
- mit NR
- ohne NR
- als Decrement --> a pre-determined amount (a ‘synthetic dividend’) is withdrawn periodically:
NL0012645238 Euronext Reitsmarket Global Balanced
NL0012645246 Euronext Reitsmarket Global Balanced NR
NL0012645253 Euronext Reitsmarket Global Balanced DECR

NL0012645204 Euronext Reitsmarket Global Conviction
NL0012645212 Euronext Reitsmarket Global Conviction NR
NL0012645220 Euronext Reitsmarket Global Conviction DECR


=> d.h., auch "mittel-" bis "langfristig" hängt es massgeblich vom Zufall für den Anleger ab, welche Performance er zu erwarten da, da sich der "Conviction"-Index ja nicht nachhaltig vom "Balanced"-Index absetzen kann.

Ausserdem: das sind nur virtuelle Indezes --> über die Performance eines dazugehörigen Produktes sagen sie nichts aus. Siehe Behandlung von ausl. Quellensteuer bei einem solchen möglichen Produkt (+ Gebühren und andere Steuern.)

[faultcode]

Antwort auf Beitrag Nr.: 56.998.257 von faultcode am 11.02.18 16:27:49

internationale REIT's als Lösung für ein (vordergründiges) Diversifikationsproblem? (2)

Schaut man sich die jüngste Entwicklung mal an (hier der NL0012645212 -- Euronext Reitsmarket Global Conviction NR vs. DAX als Performance-Index), also mit allen Daten, die z.Z. zur Verfügung stehen, dann war's das mit der Diversifikation - weil eindeutig sehr stark korreliert:




=> interessant: der REIT-Index nahm den DAX-Absturz offensichtlich vorweg.


Dieser Autor, Holger Grethe, meint am 20. Dez 2017 doch allen Ernstes:

Was spricht für die Anlageklasse Immobilienaktien?
...
2. Niedrige Korrelation mit dem Aktiengesamtmarkt
Eine niedrige Korrelation bedeutet: Die einzelnen Jahresrenditen zweier Anlageklassen weichen in einem bestimmten Zeitraum voneinander ab, entwickeln sich also nicht im Gleichlauf.
...
In den letzten 30 Jahren bewegte sich die Korrelation zwischen US-amerikanischen Aktien und REITs in einem weiten Bereich zwischen 0 und 0.85 (+).
...

aus: https://zendepot.de/immobilien-aktien-und-reits/


=> also genau dann, wenn ein Anleger einen positiven Diversifikations-Effekt mit der Anlageklasse REIT haben möchte (bzgl. seines sonstigen Aktienportfolios) bekommt er sie nicht!

=> d.h., auch die sehr hohe Korrelation von oben (+) mit 0.85, kommt mutmasslich genau in einer Krisensituation zum Tragen!


=> es bleibt dabei:

"Chasing the same signals. How black box trading influences stock markets from Wall Street to Shanghai"
von Brian R. Brown, 2010

[faultcode]

Antwort auf Beitrag Nr.: 56.998.380 von faultcode am 11.02.18 16:51:20

Die Index-Flut als Lösung für ein (vordergründiges) Diversifikationsproblem? (3)

Abgesehen davon: die Finanzindustrie tut sich langfristig keinen Gefallen damit, immer mehr Indizes zu kreieren:



aus: https://www.bloomberg.com/news/articles/2017-05-12/there-are…

=> nichts da mit: "What drove the jump? Demand"!

=> auf diese Weise kann nämlich ein Vertreter der Sell side immer einen Index als Benchmark finden, der in der Vergangenheit sehr gut performte

=> wobei wir denn wieder beim Thema "Fooled by randomness" gemäss Nassim N. Taleb wären; cf. https://www.wallstreet-online.de/diskussion/1258587-31-40/me…

[faultcode]

Volatility (0)

(wenn ich mehr Zeit habe, versuche ich den VIX- und XIV-Sachverhalt von Anfang Februar irgendwie zu einfachen Erkenntnissen zusammenzufassen. Weil halt doch ein alter Klassiker an einem Finanzmarkt:
- ein theoretisch Einmal-in-10.000-Jahren-Ereignis stellte sich im realen Leben dann doch eher als ein alle 10-Jahre-Ereignis heraus --> das produziert sehr schnell, binnen 48h, einige - oft zufällige - Gewinner und viele, systematische Verlierer.)


Aber zur Definition und Sprache, die oft im Zusammenhang mit Volatilität irreführenderweise verwendet wrd:

Volatility is not about "fear" nor is it about "uncertainty." Volatility occurs when options change quickly.

(gemeint ist die implizite Volatilität, die eben aus Preisen von bestimmten Optionen auf einen Aktienindex gebildet wird...)

aus: 7.2.2018:
Stock Gyrations
https://johnhcochrane.blogspot.de/2018/02/stock-gyrations.ht…

[faultcode]

Antwort auf Beitrag Nr.: 57.036.162 von faultcode am 15.02.18 18:30:57

Volatilität in der dt. Finanzmarkt-Folklore: das Vega -- Veränderungen der Volatilität

Z.B. gerade gesehen:

VDAX nach Explosion wieder halbiert. Was nun?
https://www.godmode-trader.de/analyse/volatilitaet-vdax-nach…

=> dieser Satz ist unvollständig und damit unklar:
Das Vega liegt aktuell bei 0,2. Das bedeutet, dass ein Anstieg der impliziten Vola - unter sonst gleichen Bedingungen, also isoliert betrachtet - zu einem Kursgewinn von 20 Cent im Optionsschein führen würde.
(Begriff "Vega" erscheint einmal im Artikel).


=> es muss z.B. richtig so lauten:
Das Vega liegt aktuell bei 0,2. Das bedeutet, dass ein Anstieg der impliziten Vola um einen Prozentpunkt - unter sonst gleichen Bedingungen, also isoliert betrachtet - zu einem Kursgewinn von 20 Cent im Optionsschein mit einem Bezugsverhältnis von 1:1 führen würde.


siehe z.B. aus:
https://www.boerse-stuttgart.de/de/boersenportal/boersenwiss…

=>
Neben den Kursveränderungen des Basiswertes hat meist die Veränderung der impliziten Volatilität einen großen Einfluss auf den Wert eines Optionsscheins.
...
Das Vega gibt an, um welchen Betrag ein Optionsschein sich im Wert verändert, wenn die implizite Volatilität um einen Prozentpunkt steigt. Ein Optionsschein mit einem Bezugsverhältnis von 1:1 und einem Vega von 0,5 steigt bzw. fällt um 0,50 Euro im Wert, wenn die implizite Volatilität um einen Prozentpunkt steigt oder fällt.

[faultcode]

Pump-and-dump in Germany: the modern retiree

https://www.marketwatch.com/story/meet-the-perfect-mark-for-…

=>...
That’s because new research shows that many retiree investors could hardly be more different than the stereotype of a naïve and gullible elderly widow. On the contrary, the study found, a good number of retirees turn out to be thrill seekers or gamblers who are attracted to penny-stock pump and dump schemes not out of ignorance but because of their huge risk.

The study, which the National Bureau of Economic Research recently began circulating, was conducted by Christian Leuz, a finance professor at the University of Chicago’s Booth School of Business, Leibniz University of Hanover’s Steffen Meyer, Humboldt University of Berlin’s Maximilian Muhn, Harvard’s Eugene Soltes and Goethe University of Frankfurt’s Andreas Hackethal.

It focused on individual investors who are drawn to pump-and-dump schemes. In such a scheme, of course, an unscrupulous operator will, after quietly acquiring a large position in a penny stock, circulate false stories about how the stock will soon skyrocket. The ensuing investor interest pushes the stock price much higher, allowing the perpetrator to unload his stock at a handsome profit.

The researchers studied more than 400 such schemes in Germany between 2002 and 2015.

Upon analyzing the trading records of over 110,000 individual investors from a major German bank, many of whom were retirees, the researchers found that a surprising number of these individuals—6% in fact—invested in a least one of these schemes. And they invested more than just a little amount, furthermore: Their average investment in the penny stocks was 11% of their account values, in fact. And even more surprising, given that the average investment in a scheme lost 28%, the researchers found that many individuals had invested in more than one of them.

Though the researchers didn’t focus solely on the retirees in their sample, Leuz in an interview said that they found no evidence that retirees’ propensity to invest in pump-and-dump schemes was appreciably different than it was for the non-retirees.

Most of us will be astonished by these findings, since most of us consider pump-and-dump schemes as morally, if not criminally, fraudulent. At the very least, we consider the unsolicited emails and phone calls as serious annoyances. It would never occur to us that anyone who knew better would actually want to invest in one of them.

And yet, believe it or not, they do. The researchers found evidence that many of the investors in these schemes seemed to be aware of the risks involved and proceeded anyway. The researchers speculate that these investors were being seduced by the promise of option-like payoffs of these investments, in which the odds of winning are very small but with big-enough gains when they do win to make the gamble attractive.

To be sure, Luez hastened to add, very few of the investors in their study achieved even a small profit when investing in the penny stocks at the heart of these pump-and-dump schemes—much less the huge returns that would make it even potentially attractive to incur the much-more-probable losses. Still, hope springs eternal.


An analogy to an old joke

These investors’ thought process reminds me of the old joke about an oil man who dies and approaches the Pearly Gates. St. Peter tells him that while he deserves to get into heaven, there is no more room since there are already too many oil men there. So the only way he can get in is by persuading one of the oil men already there to go to hell.

The oil man took the challenge, and pretty soon there was a steady stream of oil men headed straight to hell. St. Peter was amazed, and asked the oil man how he did it. “Easy,” he replied. “I just spread the rumor that oil had been discovered in hell.”

Just as St. Peter was opening the gates so our new oil man could go into heaven, however, he instead joined the procession of oil men to hell. Why ever why, St. Peter asked? Because, the oil man replied, you just never know; it might actually be true that oil had been discovered in hell.

If you doubt the joke’s analogy to pump-and-dump schemes, just consider an email promotion from September 2007 that the researchers refer to in their study: “We are glad to inform you of a CANCER CURE invented by [company name omitted] that will take the world by storm. This new medicine is above all other [sic] and boosts [sic] a 80% success rate during clinical trials. Over the next few days you will hear about this in the PAPERS and on TV. So buy shares now, while the price is low, before the news hits.” The misspellings and grammatical errors were in the original, so even if the content didn’t strain credulity you would have thought these other errors would have been warning enough.


Investment implications

In addition to painting a more nuanced picture of retirees and other investors, this new research points to one reason why regulators have had such difficulty putting pump-and-dump schemes out of business. The presumption has been that no one would invest in them if they knew the risks involved. At least for that subset of retirees and other investors who are thrill seekers, however, such efforts are pointless, since these investors are attracted to the schemes not out of ignorance about the risks but precisely because of them.

In an interview, Leuz said that one focus of his and his co-authors’ subsequent research will be what other possible actions regulators could take to persuade retirees and others not to be seduced by pump-and-dump schemes. But he acknowledged that it will be difficult to put those schemes out of business so long as demand for them remains widespread. After all, pumping and dumping is already questionable legally, and that has not put an end to the phenomenon.

The investment implication for each of us individually, however, is clear. If you want a thrill, buy a lottery ticket. But don’t invest your hard-earned retirement portfolio in a pump-and-dump scheme.

You’ve heard it a thousand times before, but it nevertheless remains true: If something seems too good to be true, it probably is.


=> na dann, willkommen bei WO Alleine schon daran gut zu erkennen, wie verwaist viele DAX30-Foren sind:



Hingegen "Alles unter 1€":

[faultcode]

Antwort auf Beitrag Nr.: 55.447.173 von faultcode am 02.08.17 22:26:22

Freitags kein Crash zur Zeit (2018Q1) am US-Aktienmarkt,..

https://www.wallstreet-online.de/diskussion/1131140-260841-2…

[faultcode]

Antwort auf Beitrag Nr.: 57.244.711 von faultcode am 11.03.18 02:24:30

DAX 2018: auch hier der Donnerstag der weiche Tag

--> https://www.wallstreet-online.de/diskussion/1131140-260881-2…

[faultcode]

The U.S. health care business

..und nicht "The U.S. health care system" - so wie im auch nicht ganz billigen Deutschland:



2017: > USD10,000.00 pro Kopf und Jahr!


aus: https://www.statista.com/statistics/184955/us-national-healt…


=> damit die deutschen Kleinanleger in Evotec, Morphosys, Biofrontera und Co. mal wissen (wissen die meisten eh nicht, weil nicht davon betroffen in ihrer Komfortzone (*) ), woher ihre tollen Kursgewinne der letzten Jahre kommen


(*) "Unwissenheit ist die höchste Form des Glücks."; chinesisches Sprichwort

[faultcode]

Antwort auf Beitrag Nr.: 57.246.748 von faultcode am 11.03.18 15:50:47

sehr historische DAX Wochen- und Monatstage

..wobei nicht dieselbe Rechnung benutzt wird (also wie oben tägliche Open-to-Close-Performance), sondern R|t = ln(S|t / S|t-1).

Hier gesehen: https://www.trading-treff.de/wissen/trading-setup-turn-of-th… --> https://epub.uni-regensburg.de/8314/1/roeder2.pdf

=>









Fazit:
...


=> nochmal -- nach oben:
* Aktienkäufe eher vor Monatsende
* Aktienverkäufe eher am oder nach Monatsanfang
durchführen

[faultcode]

Antwort auf Beitrag Nr.: 57.270.442 von faultcode am 14.03.18 01:52:47

The average S&P 500 correction lasts 51 trading days

https://www.marketwatch.com/story/the-stock-market-correctio…

=> Definitionen:
* -10% drop from a peak = correction
* -20% drop from a peak = bear market

statistische Grundlagen für S&P500-Marktkorrekturen: (ohne Bärenmärkte!)
- going back to the inception of the S&P500 index ("Composite Index" since 1923/FC), the average correction lasts 51 trading sessions
- the last five corrections have only lasted an average of 37 trading days
- while going back to 1980, the average length has been 44 sessions
- since 1950, the average lasted for 61 trading days


=> heute, 15.3., sind 25 Handelstage (lt. oben) durch seit laufender Korrektur seit 26.01.2018 (Top)

[faultcode]

Handelsmuster einer Aktie: 1 Tag +5% rauf, den nächsten -5% runter: &quot;pleite&quot; in 7364 Handelstagen

"pleite" heisst hier einfach: der Aktienkurs ist zum ersten Mal unter EUR0.01 gefallen.

Das passiert dabei nach 7364 Handelstagen, was ungefähr 29 Kalenderjahren entspricht:




Aber:
- bereits nach 180 Handelstagen (ca. 8.5 Monate) hat die Aktie (EUR80-EUR100)/EUR100 = -25.0% an Wert verloren!

[faultcode]

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen

aus: https://seekingalpha.com/article/4160825-real-time-watchlist…

=> z.B. eine eigene Kopie, die bearbeitet werden kann, in "Meine Ablage" (Deutsch halt) von Google Drive unter dem eigenen Google-Konto einstellen --> siehe Link oben bei "Email watchlist with triggers"




=> weiter unten im Text gibt es auch eine andere Version (die ich bislang noch nicht probierte...): "Watchlist with dynamic triggers"

Sonst so:
- man muss die passenden Wertpapier-Symbole in Spalte "D" für Google Finance heraussuchen --> also über eine Google-Suche bei Bedarf probieren:

--> Spalte "E"
=IFERROR(G9 GOOGLEFINANCE(D5,"price"),0)

- Punkt "." mit Komma "," bei den Zahlen nicht verwechseln! (USA halt...) --> sonst: "Einstellungen für diese Tabelle" bearbeiten

- falls die Kurse oder sonst etwas nicht aufdatiert werden (nach vielen Änderungen), einfach (nach Speicherung) das Blatt schliessen und aus dem Google Drive neu aufrufen

- wenn man mit den Spalten:
* "Target price" (F)
* "Target reached?" (C) =IFERROR(if(E5<F5,"yes","no"),"") oder =IFERROR(if(E5>F5,"yes","no"),"")
* "Email text" (B)
..entsprechend spielt, kann man es individuell sowohl für:
- Kauf-Benachrichtigungen, als auch
- Verkaufs-Benachrichtigungen
nutzen.

- das Gute generell daran: man bekommt über die Google-Online-Tabelle sofort (<2s) Rückmeldung, ob die eigene Konfiguration wie beabsichtigt funktioniert!
(die Email-Benachrichtigung muss ich noch ab Montag testen...)


=> voilà:

[faultcode]

Nach dem Top verkaufen!

"Stock market profit without forecasting" von Edgar Genstein von 1954
https://books.google.de/books?id=kPL1ygAACAAJ&hl=de&source=g…

=>
During major sustained advances in stock prices, which usually occupy from five to seven years of each decade, the investor can complacently hold a list of stocks which are currently unpredictable.
He doesn’t worry about the top because he knows he is never going to sell at the top.

He knows that the chances are overwhelming in favor of the assumption that he will get far better prices by waiting until after the top is passed and a probable reversal in trend can be identified than he will ever get by attempting to anticipate the top, and get out on the nose.

In my own experience the largest profits we have ever taken have come from stocks purchased while they were making a new high in a market which was also momentarily expecting the top.

As I have already pointed out the absolute price of a stock is unimportant. It is the direction of the price movement that counts.

It is always probable, but never certain, that the direction of the price movement will continue.

Soon after it reverses is time enough to sell. You should sell when you wish you had sold sooner, never when you think the top has arrived.

That way you will never get the very best price—by hindsight your individual transactions will never look daring. But some of your profits will be large, and your losses should be quite small. That is all that is necessary for a satisfactory, enriching investment performance.

gesehen hier: https://www.marketwatch.com/story/stop-read-these-two-paragr…

[faultcode]

Jährliche Dividenden der DAX-Unternehmen

=> die DAX-Dividenden sind heutzutage so gesehen auch nicht gerade üppig (in Wahrheit):

[faultcode]

Antwort auf Beitrag Nr.: 55.469.835 von faultcode am 07.08.17 04:00:12

zum Drawdown

...im derzeitigen Börsen-Korrektur-Modus, bzw. beginnenden Bärenmarkt(?):

=> einfache Erkenntnis, die man sich aber immer mal wieder kurz bewusst machen sollte:

a/ es spielt keine grosse Rolle, ab welchem Kurs-Niveau man "Short" geht, ..

b/ ..aber die allergrösste, wo das untere Kursziel liegen könnte (was gerade im Derivatebereich wichtig ist - nicht, dass der Emittent vorher kündigt. Eine Gefahr, mit der man bei stark fallenden Kursen real rechnen muss!)


=> d.h., man hat Zeit mit dem Shorteinstieg
--> sehr viel wichtiger ist, das Potential nach unten gründlich auszuloten (soweit das überhaupt mit einer bestimmten Sicherheit möglich ist):




=> und dazu die Rohdaten zum besseren Verständnis:



=>
1/ die grauen Zellen markieren uninteressante Drawdowns

2/ 100[%,USD,EUR,...] kann z.B. das letzte zyklische/säkulare Top darstellen - von Ende Januar 2018 z.B.

3/ ein eigenes, potenzielles Kursziel von 30% davon ist ganz attraktiv und sollte erreichbar sein in weniger als 3 Jahren

4/ selbst wenn man erst bei 70 short-geht, hat man immer noch einen Drawdown von -57% bis dahin

5a/ ein erster, sinnvoller Hebel (bei Positionsstart) kann so um die 3 liegen
5b/ aus Gründen der Vorsicht - zum Beispiel, wenn sich der Bärenmarkt nur als ausgeprägter Seitwärtsmarkt entpuppt, auch im jeweiligen Asset - wähle ich aber fast immer nur (Anfangs-)Hebel von (knapp) unter 3, aber über 2

=>
5c/ nach Gebühren sollte man also bei einem Drawdown von 70 auf 30 damit immer noch über +100% machen innerhalb von 3 Jahren

[faultcode]

Antwort auf Beitrag Nr.: 57.568.848 von faultcode am 18.04.18 01:53:13

Wem gehört der DAX? >50% in &quot;ausländischer&quot; Hand

Deutschlands Börsenfirmen sind überwiegend in ausländischer Hand: Ende vergangenen Jahres (FC: 31.12.2017) hielten Investoren aus dem Ausland durchschnittlich 53,7 Prozent der Aktien der Dax-Konzerne - ein Jahr zuvor lag der Anteil bei 52,4 Prozent, wie aus einer Auswertung der Prüfungs- und Beratungsgesellschaft EY hervorgeht.

Auf Aktionäre aus Deutschland entfielen demnach gerade einmal 35,8 Prozent (Vorjahr: 37,7 Prozent), geografisch nicht zuordnen ließen sich 10,5 Prozent der Aktien.
...
Privatleute halten den Angaben zufolge im Schnitt lediglich elf Prozent der Aktien der 30 Dax-Konzerne.

Der Großteil ist im Besitz von institutionellen Anlegern, wie etwa Pensions- und Investmentfonds oder Versicherungen. Auf sie entfallen laut EY im Schnitt mehr als sechs von zehn Aktien.
...
Investoren aus China sind laut der Studie außer bei Daimler derzeit nur bei der Deutschen Bank in nennenswertem Umfang engagiert...


aus: http://www.spiegel.de/wirtschaft/unternehmen/boerse-auslaend…

[faultcode]

Antwort auf Beitrag Nr.: 57.549.504 von faultcode am 16.04.18 01:13:30

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen (2)

Nachdem keine Email gekommen ist, bin ich ein bischen aktiv geworden:

- meine Spalten sehen nun verändert so aus:
-- erweitert: "change for 1 day [%]": =IFERROR(GOOGLEFINANCE(D5,"changepct"),0)
---- mit ein bischen Zellen-Formatierung in dieser Spalte zur farblichen Kennzeichnung grösserer Kurs-Bewegungen DayToDay
-- gekürzt:
--- alles hinter der Email-Status-Spalte "R" an Spalten gelöscht
--- "Current yield", "Target yield" gelöscht

- die komische Spalte "Frequency" mit den Werten "Q", "M" und "Y" habe ich so gelassen, obwohl deren Zellen anscheinend nicht woanders verwendet werden:

=>



=> mit manuellem Script-Start (= Ausführung von Send_Mail.gs) konnte ich nun eine Email triggern (bei "Target reached" === "yes") --> hier aufrufen:




Im Script-Editor gibt es auch Möglichkeiten zur z.B. zeitlichen Auslösung:



(ich bleibe mal bei Google eingeloggt, falls das auch eine Bedingung zur erfolgreichen Email-Auslösung sein sollte...)

[faultcode]

Antwort auf Beitrag Nr.: 57.658.011 von faultcode am 29.04.18 22:23:03

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen (3) - das Google Apps Script..

..sieht nun ganz leicht verändert aus und dabei gilt Folgendes:



=> man muss also bei Änderungen an den Spalten vorsichtig sein, ob die Zahlen im Script noch zu den Ziel-Spalten passen -- und dabei eben wissen, welche:
* Indizes absolut sind, und welche eben..
* relativ sind.


=> es kann also sein, dass die Originalversion gleich klappt, wenn man einen geeigneten zeitlichen Trigger im Script einstellt hat...

__
Source code:

// This constant is written in column R for rows for which an email has been sent successfully
var EMAIL_SENT = "EMAIL_SENT";
function sendEmailsAdvanced() {
var sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName("Watchlist"); // To only handle the Watchlist sheet
var d = new Date();
var timeStamp = d.getTime();
var currentTime = d.toLocaleTimeString();
var startRow = 5; // First row of data to process
var numRows = sheet.getLastRow()
var dataRange = sheet.getRange(startRow, 1, numRows, 18) // Fetch the range of cells
// Fetch values for each row in the Range
var data = dataRange.getValues() ;
for (var i = 0; i < data.length; ++i) {
var row = data;
if (row[2] === "yes" && row[17] === "" ) { // Trigger only if Column C is "Yes"
var emailAddress = row[0]; // First column
var message = row[1]; // Second column
var emailSent = row[17];
if (emailSent != EMAIL_SENT) {
var subject = "Trade Trigger for " + row[3] + " has been reached! Last updated: " + currentTime; // Add "Yes" although by your trigger logic it will always say yes in the email
MailApp.sendEmail(emailAddress, subject, message);
sheet.getRange(startRow + i, 18).setValue(EMAIL_SENT + " on: "+ d + " at " + currentTime) ;
SpreadsheetApp.flush();
}
}
}
}

[faultcode]

Antwort auf Beitrag Nr.: 57.658.011 von faultcode am 29.04.18 22:23:03

Der tägliche Zeit-Trigger funktioniert nun mit:
-- eingeloggt bei Google, aber Sheet oder eine andere Google-Seite nicht geöffnet
-- so um 16:33 MESZ werden die ersten Emails - 1h nach Eröffnung des US-Börsenhandels und Triggergrenze erreicht - ausgelöst


=> was fehlen würde, ist ein Spalten-Sortierbutton bei Spalte "change for 1 day [%]", um die Tagesbewegungen zusammen mit allen anderen Spalten numerisch zu sortieren -- ohne aber die Funktionalität der Tabelle dabei zu zerstören

[lukeskyblogger]

Crazy, geile Erklährung!

[faultcode]

8.85% pro Jahr Netto-Vermögenszuwachs

This is how much you need for elite bankers to consider you a worthwhile client
https://www.marketwatch.com/story/in-this-era-of-hyper-wealt…

=> mir fiel dieser Absatz auf:

One Citi exec recalled to Bloomberg that, when he first joined the bank in 1994, “$3 million was largely considered ultrahigh net worth across the industry.
Fast-forward almost 25 years, and $25 million is how we define ultrahigh net worth.”


--> wie viel ist das pro Jahr?

kleine Schnellhilfe mit MS Excel: =POTENZ(YearEnd/YearStart;1/<no.ofYears> )-1

=> also: =POTENZ(2019/1994;1/25)-1 = 8.85%


=> 8.85% pro Jahr Netto-Vermögenszuwachs sind sehr schwer zu erreichen (für die meisten) - nach Gebühren und Einkommensteuern.


=> wenn die (U.S.) Inflation nicht weiter ausufern sollten, wird dieser Personenkreis nicht mehr 8.85% erreichen, sondern in den nächsten 25 Jahren vielleicht nur noch grob die Hälfte davon, also nur noch 4.43% p.a. -- wie gesagt: immer bezogen auf's Netto-Vermögen.

[faultcode]

Antwort auf Beitrag Nr.: 57.681.087 von faultcode am 02.05.18 21:24:22

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen (3a) - Kopie / Update

(a) Spalte "Frequency" macht nichts --> kann man löschen, ABER dann das Script nacharbeiten! Siehe unten bei (3b).

(b) so eine Google-Tabelle kann man oder sollte man kopieren (rechte Maustaste --> Menüpunkt "Kopie erstellen" --> umbenennen) für Experimente, oder einen neuen Satz an Werten zur besseren Übersicht: hier meine "Onkologie-Monstersammlung" (wenn auch noch ohne MAX-Alarme...):



(c) das Wichtigste nach eine Kopie im Google Drive: die Script-Rechte anpassen, damit wieder entsprechend Emails verschickt werden können!
(c1) nach Kopie (und Umbenennen) den Script-Editor aufrufen, und das Script händisch starten --> das geht nicht, da noch keine Rechte:



--> "Berechtigungen ansehen" drücken

(c2) --> Google-Konto auswählen:
...

(c3) -->


(c4) --> "Erweitert" drücken -->



(c5) --> Script-Name ("Watchlist_Trigger") drücken -->



(c6) --> "Zulassen" drücken

(c7) nun wird das Skript automatisch ausgeführt, wenn alles gut gegangen ist
(geht bestimmt viel eleganter, aber diese Holzhammer-Methode tut's auch...)

[faultcode]

Antwort auf Beitrag Nr.: 57.998.724 von faultcode am 16.06.18 00:14:56

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen (3b) - Kopie / Update

obige Biotech-Tabelle (b) ist zur ursprünglichen (#66) stark erweitert mit diesen Zellen:


Spalten-ID (hier anhand von Zeile 5) -- Google Tabellen-Funktion:
• A -- <Ziel-Email-Adresse>
• B -- low! // wie gesagt, nur Low-Alarm z.Z. --> kann man leicht ändern in einer 2.Zeile für High-Alarm
• C -- =IFERROR(if(E5<G5,"yes","no"),"")
• D -- <stock symbol>
• E -- =IFERROR(GOOGLEFINANCE(D5,"price"),0)
• F -- =IFERROR(GOOGLEFINANCE(D5,"changepct"),0)
• G -- <price target> # in blau für veränderbar durch Benutzer
• H -- =IFERROR((G5-E5)/E5,0)
• I -- =IFERROR(GOOGLEFINANCE(D5,"marketcap"),"")
• J -- =IFERROR((E5-T5)/T5,"--") // bedingt rot bei Minus-3m-Performances ("Return 3m"), dafür bedingt grün bei Plus-6m-Performances --> sonst kann so eine grosse Tabelle sehr schnell sehr bunt ohne Übersicht werden
• K -- =IFERROR((E5-U5)/U5,"--")
• L -- =IFERROR((E5-V5)/V5,"--")
• M -- =IFERROR((E5-W5)/W5,"--")
• N -- =IFERROR((E5-X5)/X5,"--")
• O -- =IFERROR((E5-Y5)/Y5,"--")
• P -- <number of employees> // in blau für veränderbar durch Benutzer --> keine Google-Funktion
• Q -- =IFERROR(I5/(P5/100*1000000000),0)
• R -- <revenues ttm> // in blau für veränderbar durch Benutzer --> keine Google-Funktion
• S -- =IFERROR(I5/R5,0)
• T -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-91),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-92),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-93),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-94),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-95),2,2),"--")))))
• U -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-183),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-184),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-185),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-186),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-187),2,2),"--")))))
• V -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-365),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-366),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-367),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-368),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-369),2,2),"--")))))
• W -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-730),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-731),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-732),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-733),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-734),2,2),"--")))))
• X -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1095),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1096),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1097),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1098),2,2),IFERROR( INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1099),2,2),"--")))))
• Y -- =IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1825),2,2),IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1826),2,2),IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1827),2,2),IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1828),2,2),IFERROR(INDEX(GOOGLEFINANCE(D5,"price",TODAY()-1829),2,2),"--")))))
• Z -- <frei lassen! Wird vom Script nach Emailversandt beschrieben!>


Ansonsten:
• diese "IFERROR"-Funktionen sind einfach Catcher, um im Fehlerfall keinen Fehlercode in der Zelle zu haben, sondern einen Ersatzeintrag wie vom Benutzer festgelegt

• es tauchen als Lücken(!) einige "--"-Zellen bei den Returns und den unterlagerten, vergangenen Wertpapier-Kursen auf, obwohl ich bis zu 4 Kalendertage vor dem rechnerischen zurückgehe bei Fehler:
--> ich sehe das als GOOGLEFINANCE-Datenbank-Artefakte an, und keinen eigenen Google-Tabellen-Fehler:
--> es gibt tatsächlich Wertpapier-Kurse an diesen vergangenen Tagen, aber die Google-Funktion GOOGLEFINANCE() gibt (manchmal) einfach nichts zurück

• ... (was noch?)

[faultcode]

Antwort auf Beitrag Nr.: 57.998.760 von faultcode am 16.06.18 00:44:20

&quot;Real-Time Watchlist&quot; mit Google Drive und Google Tabellen (3c) - Script und Zeitrigger

(a)
hier das entsprechende Skript. Die grösste Hürde zum ordungsgemässen Email-Versandt ist es, die Zellen-Indizes sauber zu treffen (in rot), so dass sie zur Tabelle passen.

Das Script eventuell an 4 Stellen (mindestens) ändern, wenn die Tabelle verändert wurde: hier Zeile (1), 10, 15, 18, 22:

// This constant is written in column Z for rows for which an email has been sent successfully
var EMAIL_SENT = "EMAIL_SENT";
function sendEmailsAdvanced() {
var sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName("Watchlist"); // To only handle the Watchlist sheet
var d = new Date();
var timeStamp = d.getTime();
var currentTime = d.toLocaleTimeString();
var startRow = 5; // First row of data to process
var numRows = sheet.getLastRow()
var dataRange = sheet.getRange(startRow, 1, numRows, 26) // Fetch the range of cells
// Fetch values for each row in the Range
var data = dataRange.getValues() ;
for (var i = 0; i < data.length; ++i) {
var row = data[ i ];
if (row[2] === "yes" && row[25] === "" ) { // Trigger only if Column C is "Yes"
var emailAddress = row[0]; // First column
var message = row[1]; // Second column
var emailSent = row[25];
if (emailSent != EMAIL_SENT) {
var subject = "Trade Trigger for " + row[3] + " has been reached! Last updated: " + currentTime; // Add "Yes" although by your trigger logic it will always say yes in the email
MailApp.sendEmail(emailAddress, subject, message);
sheet.getRange(startRow + i, 26).setValue(EMAIL_SENT + " on: "+ d + " at " + currentTime) ;
SpreadsheetApp.flush();
}
}
}
}



(b)
zuletzt nicht vergessen:
- den Zeit-Trigger des aktuellen Projektes einrichten --> wie oben (#71) dargestellt:
- dieser Schritt funktioniert nur, wenn das Script (nach Handauslösung) richtig funktioniert

[faultcode]

Calling a company ‘great’ doesn’t make it a good stock (a)

netter Lesestoff: https://www.marketwatch.com/story/why-great-companies-dont-a…

-->
Great Companies: Looking for Success Secrets in All the Wrong Places (*)
2015: Journal of Investing
http://economics-files.pomona.edu/GarySmith/SuccessSecrets.p…
• Gary Smith: Fletcher Jones Professor of Economics at Pomona College
• Gabrielle Baum: seinerzeit (lt. LinkedIn): Investment Banking Analyst/Deutsche Bank, New York, August 2013 – Januar 2015



=>
Collins & Team fanden 2001 nach 5 Jahren und 1435 untersuchten public companies (with stock) diese "good to great" stock market Outperformers:

Nun: Performance im (schnell) untersuchten Zeitraum seit Ende 2000 bis heute ggü. dem S&P 500 (SPX; non-total return der Einfachheit halber):

• Abbott Laboratories (ABT) --> guter Outperformer
• Circuit City --> bankrott im November 2008
• Fannie Mae (FNMA) --> in der Krise 2008 von ~USD70 auf heute nur noch ~USD1.5 gecrasht
• Gillette --> Übernahme 2005 durch P&G
• Kimberly-Clark (KMB) --> mittlerweile - nach Überperformance - wieder auf SP500-Niveau
• Kroger (KR) --> noch leichte Überperformance ggü. dem SP500
• Nucor (NUE) --> noch immer sehr deutlicher Vorsprung vor SP500
• Philip Morris International (PM): erst Daten seit 2008 --> erst in 2018 (deutlich) vom SP500 abgehängt --> https://www.wallstreet-online.de/diskussion/1159939-61-70/ph…
• Pitney Bowes (PBI) --> klarer Underperformer ggü. dem SP500
• Walgreens Boots Alliance (WBA) --> erst in 2018 (leicht) vom SP500 abgehängt
• Wells Fargo & Co (WFC) --> noch immer ein Vorsprung ggü. dem SP500

=>
Σ = 11, davon:
• 5 Outperformer, inkl. des übernommenen Kandidaten
• 1 Same-Performer
• 5 Underperformer, inkl. einem Bankrott und einem -98%-Crash

=> Konsequenz: ein SP500-Total-Return-Zertifikat/ETF hätte es mit Sicherheit auch getan seit Ende 2000


__
meine (erste) Schlussfolgerung daraus (an der Börse):
(a) man muss erst eine Theorie, oder besser eine (Arbeits-)Annahme an der unsicheren Börse haben und dann daraus Annahmen für die Zukunft mit entsprechender Handelsstrategie herleiten:
=>
(b) wie oben (*) gesagt, erst Data Mining zu betreiben, dann Muster (aus der untersuchten Vergangenheit) darin finden (--> man findet immer Muster in nicht-trivialen Data sets!), und diese dann in einer Handelsstrategie umzusetzen, wird sehr wahrscheinlich (mittelfristig) in Misserfolg enden

[faultcode]

Antwort auf Beitrag Nr.: 58.002.402 von faultcode am 17.06.18 01:14:17

Calling a company ‘great’ doesn’t make it a good stock (b) -- Feynman Trap

diese Falle ist in der Tat lustig:

In statistics, this kind of reasoning is known as the Feynman Trap, a reference to the Nobel Laureate Richard Feynman. Feynman asked his Cal Tech students to calculate the probability that, if he walked outside the classroom, the first car in the parking lot would have a specific license plate, say 8NSR26 (+).

Cal Tech students are very smart and they quickly calculated a probability by assuming each number and letter were determined independently. This answer is less than 1 in 17 million (+).

When they finished, Feynman revealed that the correct probability was 1 because he had seen this license plate on his way to class. Something extremely unlikely is not unlikely at all if it has already happened.

(+) 10 [0..9] * 26 [A..Z] * ... * 10 [0..9] = 17.576.000

[faultcode]

Antwort auf Beitrag Nr.: 58.002.426 von faultcode am 17.06.18 01:39:08

Calling a company ‘great’ doesn’t make it a good stock (c) -- Regression to the Mean (1)

Obiges (*) Papier gibt breiten Raum dem Konzept von: Regression to the Mean

So auch hier besprochen: http://garysmithn.com/blog/peyton-manning-is-likely-to-regre…

=>
There are few statistical facts more interesting than regression to the mean for two reasons.
First, people encounter it almost every day of their lives. Second, almost nobody understands it

The coupling of these two reasons makes regression to the mean one of the most fundamental sources of error in human judgment, producing fallacious reasoning in medicine, education, government, and, yes, even sports.—anonymous journal referee


=> zurück zu (*):
hier der (mMn) entscheidende Satz zur richtigen Deutung und Anwendung:

What regression does imply, however, is that imperfect measurement of an unobserved trait tends to overstate the extent to which the underlying trait varies from the mean.

=> also (in meiner Übersetzung):

Was Regression (~) (in der Statistik) (dennoch) besagt, ist, dass eine mangelhafte Messung einer nicht beobachteten Eigenschaft dazu tendiert, das Ausmass der Variabilität dieser Eigenschaft um ihren Mittelwert zu überschätzen.

Beispiel:
• ein Unternehmen mit einem Gewinnwachstum, welches hoch ist im Vergleich zu einer Gruppe von Unternehmen, ist auch wahrscheinlich hoch gegenüber der Fähigkeit des Unternehmens für (hohes) Gewinnwachstum. (FC: verstanden? )

=> Gary Smith geht dann noch dabei interessanterweise auf eben diese Beobachtung bei Fama und French ("earnings regression") ein, deutet es aber im GGs. zu diesen rein statistisch:

=> d.h. Gary Smith deutet eine Regression to the Mean (z.B. beim Gewinnwachstum eines Unternehmens) rein statistisch!

--> er führt dazu Studien an (da mache ich morgen weiter... schon spät nun...)


Kahneman (und Tversky) gehen auf diesen Effekt auch näher ein --> Daniel Kahneman (2011): Thinking, fast and slow --> Kapitel 17 Regression to the mean und Kapitel 18 Taming Intuitive Predictions --> https://www.wallstreet-online.de/diskussion/1258587-41-50/me…



(~) https://de.wikipedia.org/wiki/Regression_zur_Mitte

[faultcode]

Antwort auf Beitrag Nr.: 58.002.456 von faultcode am 17.06.18 02:55:25

Regression to the Mean vs. the Long view

Einschub.

Stock market risk is always far higher than you think
https://www.marketwatch.com/story/stock-market-risk-is-alway…


...The longstanding assumption that risk declines as we focus on longer and longer time horizons is, in essence, the notion that there is regression to the mean — that good periods are more likely than not to be followed by poor ones, and vice versa. And there’s no doubt that this is a powerful force. Over the last two centuries, the range of stock market outcomes at the one-year horizon was a lot greater (46 percentage points) than it is at the 30-year horizon (9 annualized percentage points).

To be clear, Professors Pastor and Stambaugh don’t deny that regression to the mean exists in the financial markets, or that it is a powerful force. But their argument is that there are other forces that are even more powerful and that, therefore, more than offset it.

How much does stock market risk grow as time horizon expands, once you take both regression to the mean and these other forces into account? The accompanying chart provides the answer: When moving from a one-year horizon to a 10-year horizon, risk (as measured by the variance of possible returns) expands by around 10%. When moving from a one-year to a 30-year horizon, this variance ratio expands by nearly 50%:



(FC: risk ist natürlich zweiseitig: negativ und postiv! Auch oben )

If you have a hard time believing that, just remember the Japanese stock market over the last three decades. The Nikkei 225 Index NIK, +0.61% is currently trading for barely 50% of where it stood 30 years ago. In essence, the professors are arguing, don’t be too confident that the U.S. stock market couldn’t suffer the same fate.

For most of you, however, I bet that in your heart of hearts you already know that the professors are right. We’re unlikely to lose our job tomorrow, just as it is unlikely that the stock market will fall by 50%. But our confidence drops significantly when we expand our focus to what might happen over the next decade — or three decades, for that matter.

Risk grows the further into the future we focus, rather than becoming less.

The investment implication for retirees? You probably should reduce your equity allocation. This is not a market timing judgment, since this implication would be the same regardless of where the stock market stands. But you might find this advice particularly compelling in light of the advanced age of the current economic recovery.

[faultcode]

Effekt von Inflation auf Aktienindizes --> die Gefahr negativer Realzinsen (1)

...und der ist unter Umständen gewaltig negativ bei erhöhter Inflation.

Bedingt durch auch in Zukunft eventuell dann, also bei erhöhter Inflation, anzunehmenden negativen Realzinsen.

Negativ, nicht positiv -- hier am grünen Kursverlauf unter Null zu sehen:




Das kann man gut sehen am Beispiel der USA in der zweiten Hälfte der 70er Jahre, wobei schon die erhöhte Inflation bei steigenden Zinsen ab 1965, also bei positiven Realzinsen, sichtbare Spuren hinterlassen hat bei Aktien.

Hier beim Dow Jones Industrial Average (DJIA):

(a) DJIA ohne Inflation:





(b) DJIA mit Inflation:




=> real hat also ein Anleger in einem, sagen wir den DJIA abbildenden Mutual fund, von 1965 bis 1982 -70% an Kursverlusten erlitten!

Wobei die tiefgrünen Phasen negativer Realzinsen, 1975 und 1981, geradezu enteignenden Charakter hatten.

Aber Obacht: das ist nun nicht Total return; beim DJIA sind ja Dividenden nicht berücksichtigt, so wie beim Dow Jones Industrial Average Total Return Index.

Quelle: http://www.macrotrends.net/1319/dow-jones-100-year-historica…


=> die Erklärung, warum gerade negative Realzinsen so schädlich auf Aktien sind, ist einfach:
• in so einem Umfeld schafft es (fast) kein "normales" Gross-Unternehmen seine Gewinne zu halten, da:
-- starker Kostendruck beim Input
-- und selbst bei Preissetzungsmacht beim Output drücken bei Schulden hohe Zinsen

=>




...wobei ich sagen muss, dass ich das oben spontan und ohne Rückgriff auf anerkannte, einschlägige Literatur darstelle...

[faultcode]

Antwort auf Beitrag Nr.: 58.106.161 von faultcode am 30.06.18 15:54:03

Effekt von Inflation auf Aktienindizes --> die Gefahr negativer Realzinsen (2)

...und die US-Realzinsen so zuletzt?

=> seit der GFC im Schnitt negativ! Zumindest nach diesem Indikator:

Effective Federal Funds Rate - Consumer Price Index for All Urban Consumers, 1955-2018:


aus: https://fred.stlouisfed.org/graph/?g=6TK
• Chart oben geht bis Mai 2018


=> man sieht, die Zusammenhänge über die Zeiten hinweg sind nicht so trivial, siehe:
• von 1975 bis 1980 waren die Realzinsen auch im Schnitt negativ, bei katastrophaler realer Aktienkursentwicklung (siehe oben)
• die im Schnitt negativen Realzinsen ab 2010 trugen mutmasslich zu den starken, realen Kursgewinnen seitdem bei:




=> man könnte sogar nun annehmen, dass wenn die Differenz (Effective Federal Funds Rate - Consumer Price Index for All Urban Consumers) wieder eines Tages ins Positive rutschen sollte, das als solches keinen Schaden für US-Aktien darstellen wird:
• Voraussetzung (mMn): die Produktivität wird wieder und weiter im Schnitt messbar zunehmen!

=> wenn nicht, sehe ich positive US-Realzinsen als durchaus schädlich für US-Aktien an:
• siehe z.B. den Januar 2015: genau als die US-Realzinsen ins Positive drehten, fing der DJIA zum Schwächeln an!


=> d.h., "die Gefahr negativer Realzinsen" ist im derzeitigen US-Umfeld keine!
=> ich habe also das Gegenteil von dem vorgefunden, was ich zunächst irrtümlich (für die Zukunft) annahm: https://www.wallstreet-online.de/diskussion/1258587-81-90/me…


=> offenbar spielen Dynamik und absolute Niveaus, und eben noch weitere Faktoren wie z.B. die relative Bilanzgrösse der Notenbank, eine grosse Rolle in diesem Kontext


=> ...und es zeigt sich einmal mehr:
• genaue Kenntnisse von Makro-Daten sind keine Gewähr für korrekte Aktenkurs-Prognosen!

[faultcode]

Antwort auf Beitrag Nr.: 58.002.456 von faultcode am 17.06.18 02:55:25

Calling a company ‘great’ doesn’t make it a good stock (d) -- Regression to the Mean (2)

zurück zu:

Great Companies: Looking for Success Secrets in All the Wrong Places (*)
2015: Journal of Investing
http://economics-files.pomona.edu/GarySmith/SuccessSecrets.p…

und:
--> er führt dazu Studien an (da mache ich morgen weiter... schon spät nun...)

..angefangen mit Horace Secrist: https://en.wikipedia.org/wiki/Horace_Secrist:
--> 1933: The Triumph of Mediocrity in Business, der darin feststellte:
• in jeder untersuchten Industrie wurden die erfolgreichsten Unternehmen in Tendenz schlechter, und..
• ..die am wenigsten erfolgreichen Unternehmen erfolgreicher..
..im Laufe der Zeit.

=> seine Erklärung dafür zusammenfassend:
• Wettbewerbsdruck verdünnt Talent (im Laufe der Zeit), oder wie er es nannte:


"Rather mediocrity tends to become the rule."


=> also müss(t)en erfolgreiche Unternehmen schauen, wie sie sich vor dem Wettbewerb mit weniger erfolgreichen Unternehmen schützen können.

———

(A)
Lakonishok und Co. fanden 1994 heraus (+), dass Unternehmen, die erfolgreich waren in Bezug auf Wachstum etc. relativ schlechte Investments waren im Vergleich zu Unternehmen, die weniger erfolgreich waren in denselben Kennzahlen:

=> diese Ergebnisse decken sich mit der Beobachtung, dass Investoren Regression nicht vollständig berücksichtigen und dadurch überrascht sind, wenn Unternehmensgewinner nicht mehr so schnell wachsen wie in der Vergangenheit:
=> und das bringt die Aktienkurse dieser (ehemals) erfolgreichen Unternehmen nach unten


(B)
La Porta fand 1996 heraus (++), dass die Aktien von Unternehmen, denen hohes Gewinnwachstum prognostiziert wurde, sich schlechter entwickelten als von solchen, bei denen die Analysten pessimistischer waren.


(C)
Keil und Co. fanden 2004 heraus (+++), dass Gewinn-Schätzungen systematisch in Extreme fallen, zu optimistisch bei Unternehmen, von denen gute Ergebnisse erwartet werden, und zu pessimistisch bei Unternehmen, von denen schlechte Ergebnisse erwartet werden:
=> die Prognosequalität kann durchgehend und substantiell verbessert werden durch Reduzierung der Varianz von der mittleren Schätzung.

=> daneben fanden diese Autoren - Obacht:

• ein Aktien-Portfolio mit Unternehmen mit pessimistischen Schätzungen schlug ein Aktien-Portfolio mit Unternehmen mit optimistischen Schätzungen

———

...dann die Untersuchung der Unternehmen der beiden Bücher:
• Good to Great: ..., und
• In Search of Excellence
...und dieser Liste:
• Fortune's Most Admired List


=> um aussergewöhnliche Renditen zu untersuchen, gilt es heutzutage das Fama-French four-factor model zu verwenden:

Return = α + β1 * MKT + β2 * SMB + β3 * HML + β4 * UMD + ε

• Return bei Einzel-Aktie oder Aktienportfolio
• MKT = stock market index return - Rendite Staatsanleihen
• SMB = size factor: avg. return on 3 small portfolios - avg. return on 3 big portfolios
• HML = book-to-market factor: avg. return on 2 value portfolios - avg. return on 2 growth portfolios
• UMD = momentum factor: avg. return on 2 high prior return portfolios - avg. return on 2 low prior return portfolios

<Ergebnisse>


Schlussfolgerung:
• die Geheimnisse ein erfolgreiches Unternehmen zu schaffen, bleiben Geheimnisse
• die eigentliche Lektion der Popularität dieser Art von Erfolgsliteratur besteht darin, dass Autoren und Leser diesen fundamentalen Fehler nicht verstehen:
• immer wurden rückwärtsgewandte Studien verwendet!

=> die selektierten Unternehmen in obigen Büchern waren keine Erfolgsgeschichte bzgl. einer Aktienanlage, vielleicht weil sie eben unter der Regression zur Mitte litten.

=> die Unternehmen in obiger Fortune's Most Admired List schlugen allerdings den Markt!
=> als Grund wird genannt, daß in dieser Liste nicht greifbare Faktoren eine Rolle spielen, die der Markt noch nicht eingepreist hat:
=> hier sei auch der Auswahl-Prozess vorwärtsgewandt:
• erst wurden die Auswahlkriterien entworfen und dann nach passenden Unternehmen gesucht (was ich nicht glaube, aber Gary Smith schreibt das halt... )


__
(+) Contrarian Investment, Extrapolation, and Risk, Josef Lakonishok, Andrei Shleifer, Robert W. Vishny, First published: December 1994: https://onlinelibrary.wiley.com/doi/full/10.1111/j.1540-6261…

(++) Expectations and the Cross‐Section of Stock Returns, Rafael La Porta, First published: December 1996: https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1540-6261.…

(+++) Shrunken earnings predictions are better predictions, Manfred Keil , Gary Smith & Margaret H. Smith, 2004: http://economics-files.pomona.edu/GarySmith/KeilSmithSmith.p…

[faultcode]

EMH (Efficient Market Hypothesis): meine beiden Postings dazu

..in diesem Thread, 2017-08:
Teil 1/2: https://www.wallstreet-online.de/diskussion/1259319-91-100/d…
Teil 2/2: https://www.wallstreet-online.de/diskussion/1259319-91-100/d…

=> sind ein paar kleine Fehler drin wie z.B. in Teil 1/2 ganz unten:

(oo) "Predicting the trends in stock market prices is a very challenging task due to the many uncertainties involved and many variables that in uence the market value in a particular day...

=> es muss heißen:
(oo) "Predicting the trends in stock market prices is a very challenging task due to the many uncertainties involved and many variables that influence the market value in a particular day...

[faultcode]

Antwort auf Beitrag Nr.: 55.446.954 von faultcode am 02.08.17 21:51:33

Superinvestors

aus MM 2018/08:



=> das ist aber vor irgendwelchen Einkommensteuern bei irgendwelchen Empfängern, was aber ein anderes Thema ist

[faultcode]

Antwort auf Beitrag Nr.: 55.891.324 von faultcode am 06.10.17 02:04:08

Einen Hedge Fund strukturieren und betreiben: vom Erfinder Alfred Winslow Jones (1)

wieder aus obiger Quelle: "More Money MoneyGod: Hedge Funds and the Making of a New Elite" von Sebastian Mallaby, 2010

=> die Geburt des Hedge Funds im Alleingang (*) durch Alfred Winslow Jones (https://en.wikipedia.org/wiki/Alfred_Winslow_Jones) ab 1949 bis Ende der 50er Jahre.

(*) seine Kinder mussten anfangs beim Number crunching mithelfen!


=> er nahm damit quasi im Alleingang und praktisch gleich 3 spätere akademische Konzepte, wenn auch über Umwege, vorweg, Konzepte deren Autoren (zumindest) später alle mit dem Wirtschaftsnobelpreis ausgezeichnet wurden:

(a) PORTFOLIO SELECTION, Harry Markowitz, first published: March 1952 --> Modern Portfolio Theory (MPT): https://en.wikipedia.org/wiki/Modern_portfolio_theory

(b) Liquidity Preference as Behavior Towards Risk, James Tobin, first published: February 1958 --> Tobin Separation Theorem: https://de.wikipedia.org/wiki/Tobin-Separation

(c) A Simplified Model for Portfolio Analysis, William Sharpe, first published: January 1963 --> Sharpe ratio: https://de.wikipedia.org/wiki/Sharpe-Quotient

[faultcode]

Antwort auf Beitrag Nr.: 58.577.690 von faultcode am 31.08.18 00:28:01

Einen Hedge Fund strukturieren und betreiben: vom Erfinder Alfred Winslow Jones (2): 3 Basis-Komponenten

..und so sieht ein Hedge Fund (HF) nach Alfred Winslow Jones in klassischer Strukturierung aus.


(a) hier das Fonds-Verhalten in einem Bullenmarkt:




(b) hier das Fonds-Verhalten in einem Bärenmarkt bei selber Ausgangslage des Hedge Fund-Portfolios:




=> oben werden also 3 Basis-Komponenten sichtbar (noch eine im nächsten Posting):

1/ Leverage ("Borrowing") --> ohne Hebel kein Hedge Fund --> so lassen sich nämlich - ohne "wirklich grosses" Vermögen; z.B. "Value" mit Dividenden - nachhaltige und auskömmliche Gewinne erzielen, von denen man auch nach Einkommensteuer (mit Familie) leben kann

2/ immer ein Short-Subportfolio zur Absicherung

3/ Stock picking:
- dieser Teil ist weitestgehend unheikel (heutzutage), was das Long-Subportfolio angeht; siehe oben das Tobin Separation Theorem --> Jones (und spätere HF-Manager) betrieben zwar auch hier Stock picking, aber letztendlich könnte man sich auch (gehebelt) an einem breiten Aktienindex halten --> wobei auch hier nächstes Posting beachten


--> die Kunst besteht beim Stock picking klar auf der Short-Seite:
• hier darf/sollte man sich keinesfalls vertun im Bestreben "schlechte" Aktien (in der aktuellen und zukünftigen Marktphase) zu finden
--> in einem Bärenmarkt müssen solche Aktien überproportional verlieren, um insgesamt einen Portfolio-Gewinn ausweisen zu können
(FC: an dieser Stelle: nicht "schlechte" Aktien mit dazugehörigen "schlechten" Unternehmen verwechseln --> https://www.wallstreet-online.de/diskussion/1184671-23101-23…)

[faultcode]

Antwort auf Beitrag Nr.: 58.577.786 von faultcode am 31.08.18 00:58:12

Einen Hedge Fund strukturieren und betreiben: vom Erfinder Alfred Winslow Jones (3) -- Betafaktor

die vierte Basis-Komponente ist das, was Jones selber "Relative Velocity" nannte, und was im Wesentlichen dem heutigen Beta nach dem CAPM (Capital Asset Pricing Model, Sharpe et al nach Markowitz) entspricht:

https://de.wikipedia.org/wiki/Capital_Asset_Pricing_Model
-->
Die Risikomenge eines jeden Wertpapiers in einem wohl diversifizierten Portfolio wird Beta (β) genannt.... Ein Maß für das Risiko einzelner Aktien in Relation zum Risiko des Marktes...

--> https://de.wikipedia.org/wiki/Betafaktor

Der Betafaktor eines Wertpapiers i gegenüber einem effizienten Marktportfolio M ergibt sich ... als Quotient der Kovarianz zwischen der Rendite des Wertpapiers ri und der Rendite des Marktes rM und der Varianz der Rendite des Marktes:


mit:
• Corr(i, M) = Korrelation der beiden Renditen ri und rM --> https://en.wikipedia.org/wiki/Beta_(finance)
• SD(ri) = Standard Deviation von ri = Volatilität von ri
• SD(rM) = Standard Deviation von rM = Volatilität von rM

--> siehe dieses einfache Beispiel: https://www.investopedia.com/articles/financial-theory/09/ca…


=> und so sah das dann beispielhaft bei Jones aus, wo eben über das Beta einer Aktie die entsprechenden Positionsgrößen adjustiert wurden:



__
der linke comment ist nicht aus obiger Quelle, sondern von hier:
Alfred Winslow Jones Resource Page
https://www.valuewalk.com/alfred-winslow-jones/

[faultcode]

Antwort auf Beitrag Nr.: 58.577.858 von faultcode am 31.08.18 01:41:29

Einen Hedge Fund strukturieren und betreiben: vom Erfinder Alfred Winslow Jones (4) -- Steueraspekte etc.

Ein weiterer Baustein seines Handelns war die Vermeidung zu hoher, persönlicher Einkommensteuer, die seinerzeit in den USA nach dem 2.Weltkrieg sehr hoch war.

Mit maßgeblicher Hilfe seines Steueranwaltes Richard Valentine erfand er daher eine Struktur, die bis heute weit verbreitet ist, und erklärt, warum HF-Manager selbst oftmals so wenig eigenes Geld in dem von ihnen verwalteten Fonds haben:

• Jones musste also vermeiden, eigene Gewinne als gewöhnliches Einkommen - und damit seinerzeit in der Spitze bis zu 91% - zu versteuern, sondern als "Capital Gains" mit (damals) nur 25%: https://en.wikipedia.org/wiki/Capital_gains_tax_in_the_Unite…

=> ...und so nahm er nur eine "Performance Reallocation", die heutige "Performance Fee" von 20% auf die erzielten Gewinne.

---
Daneben vermied es es erfolgreich seinen Fonds als Investmentvehikel für das breite Publikum registrieren zu müssen, was Kreditaufnahmen und Leerverkäufe (damals) unmöglich machte. Er deklarierte seinen Fonds als "privat" und machte auch keine Werbung dafür. Das Geld kam allein durch Mund-zu-Mund-Propaganda herein.


Auch beschränkte er seinen ersten Fonds auf weniger als 100 verschiedene Anteilseigner. Er eröffnete - wg. seiner Erfolge - 1961 einen zweiten Fonds stattdessen ("Partnership").

[faultcode]

Antwort auf Beitrag Nr.: 58.577.894 von faultcode am 31.08.18 02:14:14

Alfred Winslow Jones (5) - der Fall 1/2

Mitte der 60er Jahre bekam der Post-WWII-Boom am U.S.-Aktienmarkt die ersten Risse:




=> die Inflation nahm zu (1969Q2: +5.5% yoy) - wie nun 2018 auch - die FED reagierte; aber zunächst machten die Anleger in Jones's Fonds noch gute Gewinne (nach Gebühren) - wie heutzutage auch wieder :
• 1966 (May): +26%
• 1967 (May): +22%
• 1968 (May): +47%
• 1969: ???
=>



https://greenbackd.com/2010/04/08/alfred-winslow-joness-hedg…



=> aber dann kam es, wie es bei von Menschen gemachten Organisationen immer kommen muß:
• man wurde undiszipliniert, v.a. bei der jungen Generation von Fondsmanagern, die für Jones arbeiteten

=>
• so liefen Fondsmanager zu Konkurrenz über oder gründeten selber Hedge Funds
• das Shorten wurde zurückgefahren ("sucker's game") bis teilweise eingestellt
• die Beta-Kalkulationen nahm man nicht mehr so ernst --> die jungen Fondsmanager kauften, wie alle (Hallo 2018! ), "go-go stocks"
• obige Erfolge verleiteten Jones's Fondsmanager zu immer agressiveren Wetten auf der Longseite (was ihre Vergütungen eben bis dahon in die Höhe trieb)


=> und sie fing der US-Aktienmarkt ab Ende 1968 an, scharf nach unten wegzukippen. Bilanz für Jones im Mai 1970:

-35% -- mehr als der S&P 500 als Benchmark mit -23.4% yoy (oben DJIA)



__
siehe auch: http://www.gabelli.com/news/mario-hedge_102500.html

=>
The Dark Ages

Unfortunately, many of the new hedge fund managers weren't really hedging at all. Shorting even a small percentage of a portfolio restrained performance in the go-go markets of the mid-late 1960's.

So most hedge fund managers simply stopped doing it.

They were leveraged long-particularly risky business in less accommodating markets.

This produced some big hedge fund losses in 1969-70 and major bloodletting in the savage 1973-74 bear market.

The more prudent hedge fund operators survived, but many more closed the doors. In 1984, when Sandra Manske formed Tremont Partners and began researching the hedge fund industry, she was only able to identify 68 funds.

[faultcode]

Antwort auf Beitrag Nr.: 58.637.382 von faultcode am 06.09.18 22:53:30

Alfred Winslow Jones (5) - der Fall 2/2

("Fall" ist eigentlich ab 1984 nicht mehr das richtige Wort -- siehe unten)

Der Doppelschlag 1969+1970 und 1973+1974 kickte die meisten HF's aus dem Markt, so daß bei einer Umfrage 1984 nur noch 68 (in den USA) übrig blieben:

aus oben:
...The more prudent hedge fund operators survived, but many more closed the doors. In 1984, when Sandra Manske formed Tremont Partners and began researching the hedge fund industry, she was only able to identify 68 funds.


Bei Jones's Partnership selber nahm das AUM von ~USD100m Ende der 60er bis 1973 auf ~USD35m ab; bis schließlich 1983 nur noch ~USD25m davon übrig blieben.

Und zur Performance, zumindest im Bärenmarkt 1973/74:

...Alex Porter, one of Jones’s portfolio managers at the time, also points out that conservative hedging in the down market of 1973-74 made a big difference, giving Jones positive returns. (+)


1984 modelte Jones die Partnership in einen Fund of funds um (--> siehe oben, Wikipedia).

Das Ende dieses HF's war dann so lt. https://www.businessinsider.com/aw-jones-started-the-first-h…:

Jones' grandson, Robert L. Burch IV manages the firm with his father and Jones' son-in-law, Robert L. Burch III. In 1984, Burch III transformed the firm into a formalized fund-of-funds, directing $200 million of its clients' money to firms that employ Jones-like principles.

=>






(FC: eery )

oben aus: http://www.bannerjapan.com/us-investing-with-the-worlds-orig…



Immerhin, die ganze Entität gibt es auch noch heutzutage:

http://awjones.com/legacy/
=>





(+)
aus:
Lookout Mountain Hedge Fund REVIEW, 1995-Q4
Jones Model Funds, LMC’s Recommended Classification Name
--> Quelle zu suchen unter: jones_model_named_Q4_95.pdf

[faultcode]

8 verschiedene Anlagestile

• high dividend
• minimum volatility
• momentum
• value
• growth
• quality
• fixed weight
• technical

aus:
AI to transform GPIF manager selection
October 26, 2018
https://www.top1000funds.com/2018/10/ai-to-transform-gpif-ma…

[faultcode]

Antwort auf Beitrag Nr.: 55.891.324 von faultcode am 06.10.17 02:04:08

Michael Steinhardt: Erfolgs-Untersuchung mittels Binomialtest

wieder aus obiger Quelle (nun mit Formatierungssperre ):

More Money Than God - Hedge Funds and the Making of a New Elite, Sebastian Mallaby, 2011 (~)


Binomialtest wieder so wie hier beschrieben: https://www.wallstreet-online.de/diskussion/1285031-1-10/ste…

--> der Autor schreibt, inkl. Fußnote (45), die entscheidend ist für seine Argumentation, zum Hedge Fund Manager Michael Steinhardt und entsprechend Steinhardt Partners: https://en.wikipedia.org/wiki/Michael_Steinhardt#Steinhardt_…:

...During twenty-eight years in the markets, Steinhardt suffered losses in just four. The probability of that happening is one in eleven thousand. (45)
...
(45)
The calculation assumes that the odds of making a positive return in any given year are one in two. For a normal mutual fund, this assumption would be false: The stock market moves up in more years than it falls, so the odds of making positive returns are higher than that. But for a hedge fund that was both long and short, and that invested heavily in bonds, the assumption of one in two seems roughly fair.


=> das waren also die Jahre 1967 (Gründung) bis Ende 1995: auf 28 Jahre komme ich so:
• das erste volle Jahr: 1968
• das letzte volle Jahr: 1995

..und da sahen die "binären" Renditen am US-Aktienmarkt so aus:

(a) S&P 500 1968-1995, annual returns: 21 von 28 Jahren positiv (https://www.macrotrends.net/2526/sp-500-historical-annual-re…)

(b) S&P 500 1968-1995, annual total returns: 22 von 28 Jahren positiv (https://www.slickcharts.com/sp500/returns) --> das knappe Jahr 1994 machte den Unterschied


(binäre) Gewinnwahrscheinlichkeit p:
(a) 75.00%
(b) 78,57%
(c) Steinhardt kam somit auf 24/28 = 85,71%


=> Frage 1:
• kann man das von Zufall mit einfachen Mitteln unterscheiden?

--> nein, siehe unten

=> Frage 2:
• kann man das von Zufall mit nicht-einfachen Mitteln unterscheiden? --> wahrscheinlich ja, aber ich kenne nicht die Annual total returns in den Märkten, in denen er unterwegs war, und seine Renditen auch nicht Jahr für Jahr

=> bekannt geworden ist er eh mit "Block trading", sprich Front running mit befreundeten Brokern (lt. (~))
--> er lebte also maßgeblich davon, daß er, wenn mal wieder Not am Mann war, Wall Street-Banken große Mengen Aktien (im Block) und sofort abgenommen hat:
--> diese Blocks kamen freilich oft nicht aus heiterem Himmel, sondern seine Broker gaben ihm vorher "Tips" =>
1/ also konnte er kurz zuvor groß Shorten, und dann, als die Kurse nach dem ersten Teil-Block fielen, seinen Block billiger zurückkaufen, wenn der nächste Teil-Block den Broker/die Börse erreichte
2/ ..oder er nahm der Bank gleich direkt den ganzen Block ab - aber nur zum Discount ggü. dem Börsenkurs , um dann einzele Teilblöcke wieder (über die Börse) weiterzuverkaufen

=> was soll also hier realistischerweise der geeignete Benchmark sein?

--> hinzu kommt, daß Steinhardt Partners auch groß in Anleihen unterwegs waren (in den 70ern!), was die Sache noch viel komplizierter macht (*)



__
zurück zu (45):
• binom.test(24,28,0.5,alternative="greater") --> p-value = ~9e-05 => 1/p => 1 : 11,111.11....

--> da hat der Autor also diese Zahl "one in eleven thousand" her


=> wenn man aber annehmen würde, daß er nur (long/short) in US big caps von 1968-1995 unterwegs gewesen wäre, sieht es so aus:

(b) p = 78,57% (SP500 annual total returns, 1968-1995) mit 24 von 28 Gewinnerjahren bei Steinhardt -->
• binom.test(24,28,0.7857,alternative="greater") --> p-value = 0.2528 >>5% (im Konfidenzintervall 95%)

=> erst bei 26 von 28 Gewinnerjahren sinkt der p-value = 0.04291 unter 5%

--> selbst wenn ich (a) nehme, also p = 75.00% (SP500 annual returns, 1968-1995), brauche ich auch noch 26 von 28 Gewinnerjahren (p-value = 0.01661 < 5%), um vom Zufall (bei den getroffenen Annahmen) unterscheidbar zu sein

--> ich verwende also die binären, jährlichen Erfolgswahrscheinlichkeiten des SP500, weil ich diese als Anleger risikolos ohne eigenes Zutun (z.B. mit einem Mutual fund, der den SP500 - kostengünstig - abbildet) erreichen konnte, zusammen mit Steinhardt's Trefferquote von 24 aus 28 Jahren


=> d.h., mit einem einfachen Binomialtest, wie das der Autor gemacht hat, kann ich Steinhardt's Erfolg nicht vom Zufall unterscheiden (Frage 1); und für Frage 2 fehlen (mir) entsprechende Daten über den Hedge Fund


=> dafür lief der US-Aktienmarkt von 1968 bis 1995 in Summe einfach (viel) zu gut (trotz schwieriger Zeiten), was aber auch schon mal eine interessante Erkenntnis so nebenbei ist


=> insofern hätte der Autor das mit den "one in eleven thousand" mMn einfach weglassen sollen, und stattdessen, wie auch beim "Hedge Fund-Vater" Alfred Winslow Jones, auf Steinhardt's ungewöhnlich hohe jährliche Renditen (mit Zahlenangaben) verwiesen (daher soll Michael Steinhardt sich ja auch in seiner Auto-Bio (**) so spärlich dazu geäussert haben, was er wirklich gemacht hat von 1968 bis 1995 )


=> es ist aber dennoch interessant zu sehen, daß auch ein erfahrener Hedge fund manager (mit Team) die einzelnen Jahre (am Aktienmarkt) nicht so viel besser (über viele Jahre hinweg) abschließt als die Markt selber - selbst mit Front running, um über alle Zweifel von Zufall erhaben zu sein



___
(*) das wird auch hier zumindest indirekt bestätigt:
• https://www.investopedia.com/terms/m/michael-steinhardt.asp

(**) wobei - wie (fast) immer, einer schreibt vom anderen ab; aber ich fange nicht an seine Auto-Bio zu lesen: https://www.wiley.com/en-us/No+Bull%3A+My+Life+In+and+Out+of…

[faultcode]

Antwort auf Beitrag Nr.: 55.469.835 von faultcode am 07.08.17 04:00:12

Kurtosis (Wölbung einer Verteilung) -- 1/n: Beispiel S&P 500 ETF (SPY) -- R

Zitat von faultcode: ...The Sharpe ratio ... can be inaccurate when applied to portfolios or assets that do not have a normal distribution of expected returns. Many assets have a high degree of kurtosis ('fat tails') or negative skewness. The Sharp ratio also tends to fail when analyzing portfolios with significant non-linear risks, such as options or warrants....

--> kein Roman -- aber die Charts sollten mal raus, bevor die "alt" werden --> Details (vielleicht) später

Untersuchungsobjekt: SPY = SPDR S&P 500 ETF Trust, frei nach: https://eranraviv.com/stock-market-kurtosis-over-time/ mit dessen lin. Return-Berechnung ich nicht einverstanden bin:


R-Skript mit meinen "Monats-Urnen", also nicht rollend oder gleitend:

library(quantmod) ; library(e1071)

security = c('SPDR S&P 500 ETF Trust')

tckr = c('SPY')

end<- format(Sys.Date(),"%Y-%m-%d") # yyyy-mm-dd

start<-format(Sys.Date() - 365*11,"%Y-%m-%d") # start 11 years ago

dat1 = (getSymbols(tckr[1], src="yahoo", from=start, to=end, auto.assign = FALSE))

# number of rows with daily quotes : index 4 : close, 1 : open quote

n1 = length(as.numeric(dat1[,1]))

# calculate daily logarithmic returns :

ret1 = NULL

for (i in 2 : n1) {

  ret1[ i - 1] = log( as.numeric( dat1[ i,4] ) / as.numeric( dat1[ i - 1,4] ) )

}

n2 = length(as.numeric(ret1))

time0 = index(dat1)

s = seq(1,n2,21) # make monthly segments

k = NULL

for (i in 1 : (length(s)-1)){

  k[ i ] = kurtosis(ret1[s[ i ] : s[(i+1)]])

}

# print to console : dates with kurtosis > 0.95 quantile :

time0[s[which(k>quantile(k,.95))]] 

plot(k~time0[s[1 : (length(s)-1)] ], ty = "b", xlab = "Year", ylab = "Monthly Kurtosis with quantiles  : 90%, 95%, 99%",

main = paste("Monthly Kurtosis over time: ", security))

abline(a = quantile(k,.90), b = 0, lwd = 2, col = 2)

abline(a = quantile(k,.95), b = 0, lwd = 2, col = 3)

abline(a = quantile(k,.99), b = 0, lwd = 2, col = 4)

R version 3.5.1 (2018-07-02), x86_64-w64-mingw32/x64 (64-bit)

[faultcode]

Antwort auf Beitrag Nr.: 59.281.825 von faultcode am 23.11.18 01:56:49

Kurtosis (Wölbung einer Verteilung) -- 2/n: Beispiel S&P 500 ETF (SPY) -- R: Ergebnis

--> dasselbe in grün kann man mit "Wochen-Urnen" machen:




..und so sehen die beiden letzten Jahre im SPY aus: http://bigcharts.marketwatch.com/advchart/frames/frames.asp?…

=>

[faultcode]

Antwort auf Beitrag Nr.: 59.281.828 von faultcode am 23.11.18 02:00:17

Kurtosis (Wölbung einer Verteilung) -- 3/n: Beispiel S&P 500 ETF (SPY) -- Kurstosis nach Lehrbuch (R)

td = trading day = Handelstag

..und wenn man sich nun die Kurstosis nach Lehrbuch (https://de.wikipedia.org/wiki/W%C3%B6lbung_(Statistik)), also das zentrale (*) Moment 4. Ordnung einer Verteilungen (hier der handelstäglichen Renditen: ln(Pn / Pn-1) ), ansieht, dann sieht das schockierenderweise so aus:



(die ersten 42 td's habe ich einfach auf das Ergebnis von td #43 gesetzt --> man sieht, man sollte 18..24 Monate haben für ein Jahr Auswertung...; ab #43 bis Ende rollend mit 43 td's)


=> man sieht eigentlich nur, daß man "nichts" sieht (oder "merkwürdige" Diskontinuitäten), oder viel zu spät, nachdem der Aktienindex, bzw. der ETF darauf, schon in die Tiefe stürzte -- immerhin: das sieht man, nachdem es passierte

=> also war meine Frage zweifach:
1/ stimmt das oben?
2/ ..und was zum Teufel macht dann TSO bei ihrer "Kurtosis"? --> TSO = Tradesignal Online: https://www.tradesignalonline.com/



R:

# number of rows with daily quotes: index 4: close, 1: open quote

n1 = length(as.numeric(dat1[,1]))

# calculate daily logarithmic returns:

ret1 = NULL

for (i in 2:n1) {

  ret1[ i] = log( as.numeric( dat1[ i,4] ) / as.numeric( dat1[ i-1,4] ) )

}

# n1 is also number of daily log returns:

ret1[1] = ret1[2]

# make a date vector named "time0":

time0 = index(dat1)

# calculate kurtosis for rolling 43 trading days:

#   --> see periodogram of SPY 2017 - 2018-11-21 (1Y)

period1 = 43

k = NULL

for (i in period1:n1){

  # k[ i] = i

  k[ i] = kurtosis( ret1[(i-period1+1):i] )

}

# just fill 1 .. period1-1 with first kurtosis value:

k[1 : (period1-1)] <- k[period1]

ylab_1 = paste("Rolling kurtosis over", period1, "trading days with quantiles: 90%, 95%, 99%")

plot(k ~ time0, ty = "b", xlab = "2018", ylab = ylab_1,

main = paste("Kurtosis over time: ", security_name))

abline(a = quantile(k,.90), b = 0, lwd = 2, col = 2)

abline(a = quantile(k,.95), b = 0, lwd = 2, col = 3)

abline(a = quantile(k,.99), b = 0, lwd = 2, col = 4)

# print to console: dates with kurtosis > 0.99 quantile:

time0[which(k>quantile(k,.99))]

=> auf die (Periode von) 43 td's bin wieder darüber gekommen (die auch R benutzen): https://www.wessa.net/rwasp_spectrum.wasp --> einfach die SPY-Schlusskurse eingeben (2017-2018, 1Y):

=>




--> es ist immer gut für alles mögliche, wenn man die Grundfrequenzen einer Zeitreihe kennt; natürlich bleibt auch da - wie immer - das Prognoseproblem; aber man kann sich vielleicht vorstellen, daß die zuletzt gefundenen Grundfrequenzen noch ein Weilchen halten werden


(*) "zentral" heißt einfach, um einen "Mittelwert" herum, so wie z.B. fortlaufende Renditen -- oder besser ausgedrückt: Erwartungswert μ = E(X) der Zufallsvariablen X

[faultcode]

Antwort auf Beitrag Nr.: 59.281.837 von faultcode am 23.11.18 02:25:57

Kurtosis (Wölbung einer Verteilung) -- 4/n: SP500 ETF (SPY) -- Kurstosis nach Lehrbuch (Excel-Check)

um Frage 1/ zu klären, habe ich einfach in Excel nachgerechnet (Funktion: =KURT(xx:yy) )

--> und siehe da, Form passt sehr gut zum R-Ergebnis, die Zahlenwert selber sind (leicht) unterschiedlich (weil die Kurtosis wohl in R und Excel - bei gegebenen Versionen - verschieden berechnet wird)

=> einmal mit den td-Renditen des SPY (rot) und unten mit SPY-Chart ("level"; rot):









=> und wenn man etwas nachdenkt, kommt man schon drauf, warum die "Lehrbuch-Kurtosis" bei Renditen von Wertpapier-Zeitreihen, und selbst bei Index-angelehnten, solche Monster-Spikes produziert:

• der Term (xi - E(x))^4 (der ja immer positiv ist, aber die praktische Formel ist umfangreicher) haut mächtig ins Kontor, wenn Wertpapierkurse fallen, und die fallen immer schneller im Schnitt, als daß sie steigen

=> also macht TSO offenbar was anderes


___
so nebenbei:
• obige Kurtosis-Diagramme (blau) beziehen sich auf die handelstäglichen Log-Renditen des SPY, nicht auf sein Preisniveau ("level"; übrigens non-adjusted Close)

--> nimmt man stattdessen die SPY-Preise ergibt sich dieses Bild:


(leider abgeschnitten vor Januar 2018 --> Daten von 18 Monate nehmen...)


=> interessanterweise ergibt sich hier nur ein Spike beim Oktober-Crash, nicht beim Februar-Crash

=> ..und: man sieht hier die (oben gefundene) Periode von ~43 Handelstagen ganz gut -- diese Kurtosis ist quasi eine (indirekte) Bestätigung dafür

[faultcode]

Antwort auf Beitrag Nr.: 59.281.849 von faultcode am 23.11.18 02:54:31

Kurtosis (Wölbung einer Verteilung) -- 5/5: SP500 ETF (SPY) -- &quot;Kurstosis&quot; nach TSO

schaut man sich den SPY mit dem "Kurtosis"-Indikator nach TSO an (mit 3 verschiedenen Parameter-Sätzen), dann bekommt man dieses Bild:




(a) oben (blau) die Standard-Einstellung 5-66-3 (siehe unten)

(b) mitte (grün) eine "hand-optimierte" von mir mit 10-50-10

(c) unten (blau-grün) die nach der gefundenen Periodendauer von 43td, die schon interessanter ausschaut (mMn) -- Parameter 10(td) ist auch "hand-optimiert" als "Dämpfung"


--> TSO schreibt dazu: https://www.tradesignalonline.com/lexicon/view.aspx?id=Kurto…
=>
...Grundlagen: Es ist leider nicht festzustellen, auf welchen Autor oder Trader der Kurtosis – Indikator zurückgeht. In der Literatur ist kaum Material darüber zu finden. Der einzige, der etwas auf den Indikator eingeht, ist U. JENSEN in seinem Buch „Wie ich mein Geld an der Börse verdreifachte“.

So ist es also nahe liegend, zu vermuten, dass Kurtosis sich auf die Kurven des Indikators bezieht, genauer genommen auf dessen Geschwindigkeitskurve. Das hinter der Bezeichnung stehende Konzept ist aus der Statistik entliehen und beruht auf der Analyse von Veränderungsraten einer Bewegung.
Unter dem Namen sind einige wenige leicht voneinander abweichende Indikatoren zu finden, deren Grundaufbau jedoch gleich ist. JENSEN stellt in seinem Buch eine etwas andere Berechnungsvariante vor, als sie der Tradesignal Enterprise Indikator enthält. Ich beziehe mich in dieser Beschreibung auf die Tradesignal Enterprise Variante....


--> hier habe ich mal die verünglückte Notation "richtiggestellt", um den Indikator-Rechenweg besser nachvollziehen zu können:

Standard-Parameter --> meine "Handoptimierungs"-Parameter:
• Price = Close "SPY"
• PeriodK = 5td --> 43td
• PeriodFK = 66td --> 43td
• PeriodFSK = 3td --> 10td

td = trading day

Schritt 1:
• Mom(t) = Close(t) – Close(t-n) <-- n = PeriodK = 43td

Schritt 2:
• K(t) = Mom(t) – Mom(t-1td) <-- 1td (fix)

Schritt 3:
• FastK(t) = EMA(K(t))|PeriodFK <-- PeriodFK = 43td

Schritt 4:
• SlowK(t) = SMA(FastK(t))|PeriodFSK <-- PeriodFSK = 10td
• TSO: SlowK(t) = "Kurtosis"

• Mom = Momentum
• SMA = Simple Moving Average = arithmetic moving average
• EMA = Exponential Moving Average
-- EMA|n = P|n * 2/(T+1) + EMA|n-1 * (1 - 2/(T+1)), T = 66td e.g.
-- source: http://investexcel.net/how-to-calculate-ema-in-excel/


=> also hier taucht kein (xi - E(x))^4-Term auf!!

=> stattdessen findet eine Ableitung zweiter Ordnung, also Momentum eines Momentums, statt, die erst exponentiell (also Dämpfungsglied erster Ordnung --> EMA), und dann arithmetisch geglättet (SMA) wird

=> ...und somit sind oben auch - welch Wunder - alle Kurtosis-Spikes verschwunden


=> hier der Nachbau der blau-grünen "TSO-Kurtosis"-Kurve (c) in Excel als Gegenprüfung ---> das sollte soweit passen (außer die ersten 42td, die ich einfach auf 0 gesetzt habe...):





nebenbei:
• "natürlich" ist der Zeit-Parameter PeriodK entscheidend und entsprechend empfindlich, ..
• Zeit-Parameter PeriodFK ist recht unempfindlich und nicht sehr kritisch --> er hebt oder senkt die Aussteuerung/Amplitude, aber verschiebt die Kurve zeitlich (fast) nicht
• Zeit-Parameter PeriodFSK hingegen ist empfindlich, weil er stark die zeitliche Verzögerung der Kurve (z.B. im Nulldurchgang) bestimmt


=>
(erstes) Fazit:
• abgesehen von der falschen Flagge "Kurtosis" ist dieser zweifach geglättete Zweifach-Momentum-Indikator schon (genügend) brauchbar (mMn), je nach Wertpapier bzw. dessen Eigenschaften als Zeitreihe
< (+) obwohl da ein EMA-Glied drinnen ist --> dazu komme ich (vielleicht) mal viel später irgendwann >


--> ich stellte bislang in Summe fest:
• bei Einzelwerten finde ich Wochencharts (für meine Zeithorizonte) besser (ich habe aber noch keine Close-to-Close-Wochenpreis-Analysen gemacht... -- außer händisch bei TSO)

• bei Indizes sind Tagescharts mMn besser (im selben, mittel-/längerfristigen Betrachungszeitraum, also von Position-Trader bis Anleger über Jahre hinweg bei "Slow movern", wie z.B. Big Pharma) --> das gilt aber nur mal vorläufig

• und: es ist günstig zu wissen, welche Grundfrequenzen im Chart zu finden sind:
-- darauf dann den Parameter PeriodK (zunächst) mal etzen (und PeriodFK ebenso als Startwert)
-- Parameter PeriodFSK zunächst auf Minimum 1(td) setzen und dann langsam hochsetzen, um unnötige Unruhe herauszufiltern, ohne aber zu sehr die Wendepunkte nach rechts zu verschieben



=> also sollte ich die "Kurstosis" nach TSO in Zukunft auch "TSO-Kurtosis" nennen, um Missverständnisse zu vermeiden

[faultcode]

Langzeit-Performance: Sektoren im S&P 500

eines gleich vorweg:
• Komponenten in einem Index unterliegen immer einem Survivorship bias, da laufend "schlechte" Aktien rausfallen und "gute" reinkommen

=>




=>
1/ Consumer Discretionary ist viel besser als ihr Ruf: ABER beim Stockpickung: woher wissen, welcher Wert demnächst bei den Verbrauchern gut ankommen wird? --> erfordert hohe Spezialkenntnisse

2/ Financials: viele Werte (die "überleben") zerhaut es offenbar jedes mal bei einer Krise

3/ Hände weg von Telekommunikation ("Communications Services"), oder heutzutage gefragt:
• wann knickt AT&T ein wegen viel zu hoher Schulden?

4/ DJIA schlägt SP500!!! --> +323% vs +229%|20Y => wie jemand mal sagte: DJIA als der größte Hedge Fund der Welt

5/ auch Real Estate (Immo's) läuft sehr gut bei den Werten, die in einem Index verweilen

6/ bei Energy (hauptsächlich Oil & Gas) muss man sehen, ob das zuletzt nicht schon säkular ist; ansonsten möglicherweise krass unterbewertet


=> natürlich spiegeln sich oben die letzten größeren Boom und Bust-Phasen in den einzelnen Branchen wider --> interessant wären auch 30Y-, 40Y-, 50Y-, 75Y-, 100Y-Total Return-Betrachtungen

[faultcode]

Antwort auf Beitrag Nr.: 55.455.387 von faultcode am 04.08.17 01:13:14

Saisonalität 2018 - der Crash

04.08.17

Zitat von faultcode: 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.
...
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").

=> 2018-12-18: ein sehr schweigsamer Thread geworden:
• nur noch 7 Postings in 2 1/2 Monaten

=> 2018 ist quasi der "Black Swan"-Moment der Saisonalitäts-Bewegung auf WO gekommen - und sicherlich nicht nur bei WO


__
übringens:
• der oben erwähnte Gebert-Börsenindikator steht auf 3 = LONG: https://www.daxjaeger-blog.de/p/gebert-indikator.html für 2018-12

• der auch oben erwähnte Aktienklima-Indikator von Goerke steht seit 5.10.2018 auf Baisse: https://www.momentumstrategie.de/ --> das halte ich auch für vernünftig

..und: die Zertifikate von Bank of America Merrill Lynch auf den Gebert-Börsenindikator wurden 2016 bzw. 2017 eingestellt - nicht unüblich bei solchen Geschichten:
• WPKNR ML0BDM
• WPKNR ML0RR6

[1618master]

Sehr genial!

DANKE für diesen Thread

[faultcode]

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (2a): Eckdaten

hier nun die Fortsetzung von: https://www.wallstreet-online.de/diskussion/1196416-171-180/… (+)

--> eine Fortsetzung in mehreren Postings, da das Untersuchungsobjekt komplex (und kompliziert ) ist, und ich immer noch Fehler in meinem Code finde

=>
• DJIA = Dow Jones Industrial Average

• das "Todeskreuz" war bereits am Donnerstag, 20.12.2018, nach "typischen Preisen" (hier definiert als tägl. (Open+High+Low+Close) / 4) und den darauf basierenden Gleitenden Durchschnitten (SMA = Simple Moving Average --> SMA50 und SMA200):
-- death cross: SMA50 < SMA200
-- golden cross: SMA50 > SMA200







...und hier die Zusammenfassung der ermittelten Renditen im Betrachtungszeitraum:


=> es steht 7.62% p.a. vs 6.75% p.a. für die Buy & Hold-Strategie, was sich über fast 26 Jahre am Ende schon deutlich bemerkbar machen dürfte


Dazu:
• praktischerweise sind beide Zeiträume (also Buy & Hold + Golden/Death cross-Strategie) bis auf den Freitag, 21.12.2018, identisch und damit die Renditen gut vergleichbar

• Buy & Hold ist ja, wie der Name schon sagt, immer noch im Markt (auch seit dem ersten Golden cross im Betrachtungszeitraum, also seit 1993-02-08), während die Golden/Death cross-Strategie am Donnerstag alles verkaufte:


=====================================================
Dates for return calculations:
• date of first Golden cross is date of initial DJIA purchase, on: 1993-02-08
• date of last Death cross is date of last DJIA sell, on: 2018-12-20
=> this is 25.88 years as basis for return calculations
------------------------
Initial purchasing capital [USD] on 1993-02-08: 3441.44
Accumulated (realized) profit [USD] on 2018-12-20: 15211.64
(No potential dividends considered for simplicity.)
Open position in the market (no return consideration) [USD]: 0.00
(Open position is > 0 with a buy after a new Golden cross occured,
and is 0 after a new Death cross.)
------------------------
****** Returns: ******
return with a buy at a Golden cross, and a sell all at the next Death cross strategy:
• compound annual growth rate (CAGR) [%]: 6.75
return with a Buy&Hold strategy from first Golden cross to last Death cross:
• CAGR [%]: 7.62
=====================================================



=> in Wahrheit ist der Rendite-Abstand vermutlich (*) größer, da die Golden/Death cross-Strategie ja keine Dividenden nach einem Todeskreuz mehr einsammeln kann, hingegen aber die Buy & Hold-Strategie. Außerdem hat sie Handelskosten.

(*) ich sage deshalb "vermutlich", da man ja für gewöhnlich nach Verkauf nach einem Death cross in den Money Moneyt oder staatliche Kurzlaufanleihen geht, und der Verzicht auf Dividenden dann nicht mehr - im Mittel - so groß sein dürfte


nebenbei bemerkt:
• wieder ein gutes Beispiel, warum fast nichts schwieriger ist, als realistische Renditen auszurechnen - von der Berücksichtigung von Risikoparamter ganz zu schweigen

=> in der ganzen Rechnung oben sind ja Dividenden der Einfachheit halber nicht berücksichtigt


=> dieses Problem könnte man allerdings halbwegs mit einem thesaurierenden Total Return-ETF, z.B. auf den S&P 500, beheben: z.B. https://www.wallstreet-online.de/etf/dbx0f2-xtrackers-s-p-50… --> ISIN: LU0490618542

=> allerdings habe ich dann das Problem der Datenbasis (da ich auch nur - wie viele - meine Rohdaten z.Z. bei Yahoo Finance abgreife --> hier sind die DJIA-Tagesdaten, soweit mir bekannt, bis 1990 mindestens OK; wobei: Vorsicht ist immer angebracht --> Stichwort: data grooming)

=> außerdem war der Aufhänger in (+) ja der Dow Jones Industrial Average, und kein anderer Index (was auch OK für mich ist...)

[faultcode]

Antwort auf Beitrag Nr.: 59.494.563 von faultcode am 22.12.18 01:29:56

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (2a): ergänzende Daten

hier noch ein paar ergänzende Daten, die ich aufgrund der schieren Datenmenge auch nicht nachprüft habe (ich habe 1, 2 Spot checks mit Excel gemacht), was natürlich immer mit Risiken verbunden ist:

zur Golden/Death cross-Strategie:

action_history:
1993-02-08 : buy; accumulated profit [USD] = 0.00
1994-05-19 : sell; accumulated profit [USD] = 303.27
1994-09-12 : buy; accumulated profit [USD] = 303.27
1998-09-17 : sell; accumulated profit [USD] = 4405.73
1998-12-17 : buy; accumulated profit [USD] = 4405.73
1999-11-30 : sell; accumulated profit [USD] = 6509.06
1999-12-03 : buy; accumulated profit [USD] = 6509.06
2000-03-10 : sell; accumulated profit [USD] = 5313.24
2000-05-26 : buy; accumulated profit [USD] = 5313.24
2000-05-30 : sell; accumulated profit [USD] = 5411.07
2000-09-06 : buy; accumulated profit [USD] = 5411.07
2000-11-15 : sell; accumulated profit [USD] = 4812.44
2001-02-13 : buy; accumulated profit [USD] = 4812.44
2001-02-28 : sell; accumulated profit [USD] = 4432.98
2001-03-06 : buy; accumulated profit [USD] = 4432.98
2001-03-13 : sell; accumulated profit [USD] = 4052.07
2001-06-08 : buy; accumulated profit [USD] = 4052.07
2001-08-10 : sell; accumulated profit [USD] = 3361.26
2002-03-13 : buy; accumulated profit [USD] = 3361.26
2002-07-02 : sell; accumulated profit [USD] = 1859.43
2003-05-21 : buy; accumulated profit [USD] = 1859.43
2004-07-26 : sell; accumulated profit [USD] = 3331.42
2004-08-02 : buy; accumulated profit [USD] = 3331.42
2004-08-09 : sell; accumulated profit [USD] = 3000.93
2004-12-08 : buy; accumulated profit [USD] = 3000.93
2005-05-19 : sell; accumulated profit [USD] = 3003.23
2005-07-22 : buy; accumulated profit [USD] = 3003.23
2005-08-26 : sell; accumulated profit [USD] = 2793.53
2005-09-08 : buy; accumulated profit [USD] = 2793.53
2005-10-10 : sell; accumulated profit [USD] = 2457.97
2005-12-02 : buy; accumulated profit [USD] = 2457.97
2008-01-03 : sell; accumulated profit [USD] = 4630.41
2009-07-06 : buy; accumulated profit [USD] = 4630.41
2010-07-07 : sell; accumulated profit [USD] = 6226.82
2010-10-01 : buy; accumulated profit [USD] = 6226.82
2011-08-24 : sell; accumulated profit [USD] = 6645.45
2012-01-04 : buy; accumulated profit [USD] = 6645.45
2015-08-12 : sell; accumulated profit [USD] = 11584.70
2015-12-17 : buy; accumulated profit [USD] = 11584.70
2016-01-13 : sell; accumulated profit [USD] = 10297.73
2016-04-20 : buy; accumulated profit [USD] = 10297.73
2018-12-20 : sell; accumulated profit [USD] = 15211.64


=> und hier die daraus resultierenden Zeitabstände in Kalendertagen:

122 465 116 1466 91 348 3 98 77 4 99 70 90 15 6 7
87 63 215 111 323 432 7 7 121 162 64 35 13 32 53 762 550
366 86 327 133 1316 127 27 98 974


=> zuletzt eben mit 974 Kalendertagen = ungefähr (974 / ~365) Jahre = ~2 Jahre und 8 Monate

=> man sieht, daß man im letzten Bullenmarkt nicht an den Megalauf in den 90er Jahren (1994 - 1998) mit:
• ~4 Jahre und 0 Monate

..oder dem auch sehr guten Lauf vor der Mini-Rezesion 2015/16 mit:
• ~3 Jahre und 7 Monate

zuletzt herangekommen ist.

Aber nach fast 3 Jahren ergibt sich schon eine auffällige Signalwirkung, die aber bei einer "harten" Golden/Death cross-Strategie nun im Anschluss doch einige Fragen aufwirft, wie die Vergangenheit gezeigt hat...

[faultcode]

Antwort auf Beitrag Nr.: 59.494.563 von faultcode am 22.12.18 01:29:56

Morningstar Inc. + FactSet Research Systems Inc: Finanz-Datenaufbereiter, -Verarbeiter - und -Verkäufer

Zitat von faultcode: ...=> allerdings habe ich dann das Problem der Datenbasis (da ich auch nur - wie viele - meine Rohdaten z.Z. bei Yahoo Finance abgreife --> hier sind die DJIA-Tagesdaten, soweit mir bekannt, bis 1990 mindestens OK; wobei: Vorsicht ist immer angebracht --> Stichwort: data grooming)...

=> in diesem Zusammenhang fallen mir im Zeitalter von "Big Data" nach einem Ende der derzeit laufenden Marktbereinigung folgende mögliche Investments ein, auch wenn diese Unternehmen wohl überwiegend bereits verarbeitete Daten an Dritte liefern - und eben auch schon eine gewisse Größe haben:

• Morningstar Inc. (MORN) und
• FactSet Research Systems Inc (FDS)

=>




=> es ist ja meistens besser Aktien der Schaufelproduzenten (langfristig) zu kaufen, als die der Gold miner

=> ...und was kommt nach "Big Data"??

--> klar: "Bigger Data"


--> wer also noch kleinere oder ähnliche Finanz-Datenaufbereiter, -Verarbeiter - und -Verkäufer findet, soll ihn doch hier bitte einstellen


--> dieser Markt wird mMn bei und mit den Platzhirschen auch in Zukunft wachsen, während Vermögensverwalter kommen und auch wieder gehen werden (wie eh und jeh halt...)

[faultcode]

Antwort auf Beitrag Nr.: 59.494.602 von faultcode am 22.12.18 01:57:51

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (2c): Bloomberg-Daten 10Y

hier ein paar Death cross-Daten von Holger Zschaepitz/Welt auf Twitter:

21. Dez. 2018
https://twitter.com/Schuldensuehner/status/10762265345187676…

=>
In case you missed it: Dow has formed a death cross as 50d moving average has fallen below its 200d moving average.

In past 10yrs, Dow formed a death cross 5 times and fell an avg 2.1% in next 20 days. It declined 3 times for an avg loss of 4.9%. (BBG)


‏ => BBG heißt Bloomberg hier - Holger Zschaepitz hat die also (auch nicht) selber ausgerechnet

[faultcode]

Antwort auf Beitrag Nr.: 59.494.563 von faultcode am 22.12.18 01:29:56

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (3): Gewinnentwicklung beider Strategien

hier die Entwicklung der akkumulierten Gewinne (akk. Verluste gab es keine! ) beider Strategien während des Betrachtungzeitraumes:





=> man sieht:

(a) die Buy&Hold-Strategie (B&H) ist, sofern man nur seinen Depotauszug einmal im Jahr anschaut (hier immer Jahresende zwischendrin), der Kaufen am Golden cross/Verkaufen am Death cross-Strategie (GC/DC) praktisch durchwegs überlegen; gut, ich fing auch etwas willkürlich und günstig zu Beginn der 90er Jahre an, die notwendigen SMA's zu bilden..


(b) allerdings verlor die B&H-Strategie (wie oben gesagt, alles ohne Dividenden und Handelskosten) fast ihren ganzen Vorsprung ab dem Eintritt ins Jahr 2008 , also während der sogenannten Global financial crisis


(c) ...und dazu ganz ähnlich heute, also 2018, konnte die B&H-Strategie logischeweise ihre Gewinne bis Ende 2017, bzw. von Anfang Oktober 2018, nicht halten, während die GC/DC-Strategie nun ihre akkumulierten Gewinne seit dem "Todeskreuz" vom Donnerstag, 20.12.2018, sichert


=> hier die jährlichen Differenzen zwischen den jeweils akkumulierten Gewinne beider Strategien:





==================

Was nun?

=> wie immer üblich, jede Handelsstrategie (auch die ganz komplizierten ) hat halt ihre Vor- und Nachteile

--> insofern ist es naheliegend, die möglichen Vorteile beider (einfachen) Strategien mal zu verknüpfen

=> dazu könnte man z.B. einen Zeit-Filter einbauen, der verhindert, daß nach einem Golden Cross gleich wieder alles verkauft wird (ist ja z.B. 3 mal innerhalb einer Woche seit 1993 passiert!), so wie geschehen bei diesen vergangenen "Unruhe-Clustern":

• ab dem Platzen der "Dotcom"-Blase, also ab 2000

• während des Seitwärtsmarktes 2004-2005

• und auch dieser "Schluckaufs" 2010+2011 und 2015-2016 im vergangenen, langjährigen Bullenmarkt


=> aus dem Bauch heraus würde ich sagen, daß ein 6-Monatsfilter mal eine erste Überlegung ist; und man dann variiert mit Filtern über:
• 3 Monate, und
• 9 Monate

=> bei einem 12-Monatsfilter wäre ich schon skeptisch, ob er Vorteile (im obigen Betrachtungzeitraum) bieten würde (aber ausrechnen lassen kann man sich das natürlich auch...)

[faultcode]

Antwort auf Beitrag Nr.: 59.498.796 von faultcode am 23.12.18 02:52:01

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (4): nicht immer! Todeskreuze ausfiltern!

zu:

Zitat von faultcode: ...=> bei einem 12-Monatsfilter wäre ich schon skeptisch, ob er Vorteile (im obigen Betrachtungzeitraum) bieten würde (aber ausrechnen lassen kann man sich das natürlich auch...)

=> falsch! Auch ein 12-Monats-Verkaufsfilter ist leicht besser als Buy & Hold!

• für alle Aussagen hier und weiter unten gelten unverändert obige Bedingungen und auch wieder der Betrachtungszeitraum ~1992 bis 2018


das Wichtigste:

• ja, Filtern kann mehr (jährliche) Rendite bringen als nur Buy & Hold und das in vielen Filter-Kombinationen, und damit auch mehr Rendite als streng allen Golden crosses und Death crosses im DJIA zu folgen!

• in der Spitze sogar +8.3135% p.a. statt "nur" +7.6168% p.a. für Buy & Hold, oder den +6.7487% p.a. für strenges Befolgen der Golden und Death crosses
(+8.3% p.a. ist jetzt auch nicht so der Knaller im Vergleich zu +7.6% p.a. - die Frage nach der Daseinsberechtigung stellt sich auch da (Handelskosten; Steueraspekte, Aufwand, ...) - aber: die Aussage hier ist: eine gefilterte Golden/Death cross-Strategie kann sehr leicht besser sein als eine sture Golden/Death cross-Strategie, die eben überhaupt nicht zu empfehlen ist)

• es wurden nur Filterstrategien berücksichtigt, die beim letzten Death cross am 20.12.2018 verkauft haben (um eine gewisse Mindestvergleichbarkeit mit Buy & Hold zu gewährleisten). Allerdings erhöht es die Rendite nicht, auch solche Filterstrategien zu berücksichtigen, die in 2015/16 verkauft haben und seitdem bei keinem Golden cross mehr gekauft haben

• ein Kauffilter wird nicht unbedingt benötigt (kann man also auf "0" setzen), um die mögliche Rendite zu erhöhen:

=> d.h., (A) sollte sich beim DJIA demnächst wieder ein Golden cross ergeben, kann es gekauft werden! (siehe Kauffilter unten)

ABER: der Clou an der Sache ist:

(B) sollte sich danach schon wieder ("kurzfristig") ein Death cross ergeben, wird nicht verkauft! (egal was dann sonst so ist )

• nach einem Kauf bei einem Golden cross sollte diese Position für mindestens 3 Monate gehalten werden, auch wenn wieder ein Death cross in dieser Zeit generiert werden sollte

=> optimal ist es den Verkaufsfilter sogar auf 32 Monate hochzusetzen (allerdings hängt dieser optimale Wert sehr wahrscheinlich alleine vom Betrachtungszeitraum 1992 bis 2018 im DJIA ab - siehe weitere Postings später..)

=> wer sich mit einem so langlaufenden Verkaufsfilter unwohl fühlt, kann im Grunde genommen jeden Verkaufsfilter von 3 Monate bis 29 Monate nehmen (danach kommt ein lokales Minimum bei der Rendite --> siehe unten)


=> oder einfacher gesagt:
(C) nach einem Kauf bei einem Golden cross wird diese Position für mindestens 3 bis 24 Monate (= 2 Jahre; leichter zu merken) gehalten!







Kauffilter: 1 Monat auch OK

=> oben sieht man, daß bei einem kurzzeitigen Verkaufsfilter eine Erhöhung des Kauffilters die Rendite leicht steigern kann. In dieser Perspektive sieht man das vielleicht besser:





=> allerdings sieht man dort auch, daß eine weitere Erhöhung auf 2 Monate die Rendite mitunter gefährlich schmälern kann, wenn man sich z.B. gleichzeitig für einen Verkaufsfilter von 9 oder 10 Monaten entscheiden hat


=> d.h., wer in der derzeitigen Verfassung am US-Aktienmarkt einem möglichen Golden cross nächste oder übernächste Woche misstraut, und nicht in eine mögliche Bullenfalle hineinlaufen möchte, der kauft erst wieder beim übernächsten Golden cross, also frühestens ab dem 20.12.2018 + 1 Monat = 20.01.2019

[faultcode]

Antwort auf Beitrag Nr.: 59.536.804 von faultcode am 01.01.19 14:27:42

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (5): Kauf-Filter-Strategien mit 0m und 1m

hier nochmal in 2D und im Vergleich die beiden relevanten Kauffilter (nach einem Death cross) mit:

• 0 Monaten/0m (also immer gleich nach einem Death cross das nächste Golden cross kaufen) oder
• 1 Monat/1m (also nach einem Death cross immer mindestens 1 Monat warten)





=> man sieht, daß:
• der 1m-Kauffilter bei kurzfristigen Verkaufsfiltern im Vorteil ist (4m + 5m), bei längerfristigen Verkaufsfiltern aber nicht mehr (18...28m)
• auch erkennt man die 3m-Untergrenze beim Verkaufsfilter als unbedingt vorteilhaft für eine langfristige Rendite p.a.
• ab Verkaufsfilter 29m ergibt sich keinen Unterschied mehr von 0m zu 1m Kauffilter
• es sieht - wie oben schon angedeutet - so aus, daß Verkaufsfilter >28m (im DJIA im Betrachtungszeitraum) Tücken haben mit Rendite-Einbrüchen unter die einer einfachen Buy & Hold-Strategie
=> interessant ist aber dennoch, daß erst danach die Filterstrategien kommen mit den höchsten Renditen


=> (I) für mich heißt das - vorerst - daß den Death crosses in ihrem Informationsgehalt deutlich unterschiedliches Gewicht zukommt, während das bei den Golden crosses bei Weitem nicht so der Fall ist; vor allem/möglicherweise gilt das für Death crosses nach längeren Bullenphasen, so wie das letzte erst am 20.12.2018
=> d.h., daß das nächste "zeitnahe" Death cross nach einem (logischen) Golden cross (in 2019/20/21...?) sehr wahrscheinlich nicht die Bedeutung haben wird wie das am 20.12.2018



=> daß Kauffilter von mehr als 1m (eben 2m + 3m) auch schwere Tücken haben, soll hier dargestellt sein:





=>
• man sieht, daß beide erhöhten Kauffilter einen Einbruch bei 9m und 10m haben
• auch zeigt der 3m Kauffilter einen nochmals verstärkten Einbruch im Bereich 29..31m


=> beide Diagramme zeigen, daß die strickte Befolgung von Golden cross- und Death cross-Signalen zur schlechtesten Rendite mit +6.75% (im untersuchten Filteruniversum) führt

[faultcode]

Antwort auf Beitrag Nr.: 59.458.812 von faultcode am 18.12.18 00:52:47

der Gebert-Börsenindikator: das Ende?

Zitat von faultcode: ...übringens:
• der oben erwähnte Gebert-Börsenindikator steht auf 3 = LONG: https://www.daxjaeger-blog.de/p/gebert-indikator.html für 2018-12

• der auch oben erwähnte Aktienklima-Indikator von Goerke steht seit 5.10.2018 auf Baisse: https://www.momentumstrategie.de/ --> das halte ich auch für vernünftig

..und: die Zertifikate von Bank of America Merrill Lynch auf den Gebert-Börsenindikator wurden 2016 bzw. 2017 eingestellt - nicht unüblich bei solchen Geschichten:
• WPKNR ML0BDM
• WPKNR ML0RR6

=> das mit dem Gebert-Börsenindikator hat sich nun herumgesprochen - und bei Godmode (unten) wird gleichzeitig auf die "Langfristigkeit" hingewiesen

=> das "Verschieben" der Zeithorizonte, oder das Unterbleiben diese vorab festzulegen, ist dabei immer ein beliebtes Täuschungsmanöver

2.1.2019
Dieses DAX-Kaufsignal ging so richtig nach hinten los!
https://www.godmode-trader.de/artikel/dieses-dax-kaufsignal-…
=>
...An der langfristigen Überlegenheit der Gebert-Strategie gegenüber einem dauerhaften Buy-and-hold-Ansatz ändert auch die jüngste Phase allerdings nichts...

=> das stimmt so nicht. Denn es spielt schon eine Rolle, wieviele Leser, sagen wir DM100.000,00 ab 1992 (siehe Chart) nach dem Gebert-Börsenindikator investiert haben - und zwar durchgehend

=> diese Auswahl an solchen Langfristanlegern ist reiner demografischer Zufall


Zu:
Anleger, die der Gebert-Strategie folgen, müssen auch Kursverluste von hunderten oder gar tausenden Punkten im DAX verkraften können, ohne in Panik zu geraten.

=> dann kann ich auch gleich mit Buy&Hold tausende Punkte im DAX in NN Monaten verlieren - und gewinne noch Lebenszeit dazu

=> man stelle sich die Psychologie hier vor:
• man folgt einem Markt-Timing-Indikator, der wichtige Wendemarken (so wie oben vom Death cross beim DJIA am 20.12.2018 angezeigt) nicht erkennt!?!


Obiger Artikel spricht vom DAX "Anfang 1993", eingezeichnet ist er in blau aber erst seit ~Mitte 1998 --> warum? --> nehmt halt den synthetischen DAX wie bei boerse.de (bis 1959)

--> Dr.Thomas Gebert macht er allerdings vor im Chart: https://www.gebert-börsenindikator.de/

=>
• DAX Anfang 1993 --> 4.1.1993: Punkte: 1.531,33 (boerse.de)
• DAX 2.11.2018 (wie im GM-Chart): Punkte: 11.519,00

=> geom.Rendite p.a.: +8.12% => das ist besser als Buy&Hold im DJIA seit 1993-02-08 (bis 20.12.2018) mit +7.62%

Zu:
Wer einfach immer im DAX investiert war (Buy-and-hold-Strategie), zum Beispiel über einen Indexfonds oder ein Zertifikat, hätte es in der gleichen Zeit vor Kosten nur auf einen Gewinn von weniger als 600 Prozent gebracht. Aus 1.000 Euro, die Anfang 1993 investiert wurden, wären im ersten Fall rund 24.700 Euro und im zweiten Fall rund 6.900 Euro geworden.


=> von EUR1000 bis EUR6900 (1993-1-4 - 2018-11-02) sind ~+7.76% p.a.

=> irgendwie scheint der Autor da Gebühren o.ä. reingerechnet zu haben (auch wenn der Abstand nicht groß ist)

=> lt. Autor beim Gebertindikator: (24700/1000)^(1/25.8438356....) - 1: +13.25% p.a.

=> das wäre schon beeindruckend --> warum machen es dann nur so wenige Leute, und das auch noch in abnehmender Anzahl?!? (*)

=> die Einstellung der betreffenden Zertifikate in 2016 und 2017 - also mitten im Bullenmarkt - spricht Bände

=> mich würde z.B. nicht mehr wundern, wenn der Gebert-Indikator in den nächsten 3..5 Jahren praktisch stirbt, weil ihn nur noch so wenige Anleger (einer bestimmten Generation) befolgen


=> und warum will Herr Dr.Thomas Gebert bis heute immer noch EUR49 für eine Probeabo nehmen?!?
=> wegen dieser "neuen" Strategie??
Wichtig: Mit der neuen 16-Wochen-Strategie des GEBERTBRIEFS konnte ich die bereits sehr hohe Rendite des Gebert-Indikators noch einmal um Längen schlagen!

der Schmu findet auch noch Unterstützung (2015):
https://www.wellenreiter-invest.de/wochenendkolumnen/gebert-…
=>
...Fazit: Eine Konstruktion wie der Gebert-Indikator warnt recht zuverlässig vor einem Börsencrash.


Martkindikator:
• Nils Steinkopff spricht bei sich von +14.0% p.a. (anderer Zeitraum): https://marktindikator.de/marktindikator/ --> mit einfacher Anleitung: Schritt-für-Schritt

=> es sind nur +13.9% (vor Gebühren und Einkommensteuern!), aber egal

=> sympathisch: Nils Steinkopff will (zunächst) kein Geld für ein doofes (Probe-)Abo o.ä. --> aber Geld muss/will die Steinkopff Consulting GmbH auch verdienen
(..und sollte auch mal seine Renditeberechnungen kurz offenlegen - meine steht oben mit Excel)



(*) um diese Frage noch zu beantworten:
• die Behavioral finance steht locker 99% der potentiellen Anhänger im Weg, substantielle Vermögensanteile rigoros Markttiming-Strategien auf der Basis von (wenigen) technischen Indikatoren (die teilweise und nachweislich wackelig sind, wie die "Inflationsrate in der Eurozone") anzuvertrauen


=> kleine Anekdote dazu (ist ja nichts Neues):

• Markowitz (Modern portfolio theory/MPT - die gilt!) wurde mal seinerzeit gefragt, ob er sein Vermögen nach der (eigenen) MPT anlegen würde, und hat verneint (wenigstens ehrlich!): die Hälfte war in Bonds

[faultcode]

Antwort auf Beitrag Nr.: 59.545.138 von faultcode am 02.01.19 20:59:26

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (im DJIA) (6): die &quot;beste&quot; Filterstrategie

(im besagten Zeitraum, wie immer)

Um nun einen abschliessenden Rendite-Vergleich im Dow Jones Industrial Average machen zu können, sollte man sich für die/eine "beste" Filterstrategie als 3. Möglichkeit (nach Buy & Hold und Golden/Death cross-stur) entscheiden:

=>
a/ dazu nehme ich als Kauffilter die 1-Monatsstrategie, weil sie im (ganz) kurzfristigen Bereich der 0-Monatsstrategie überlegen ist

b/ beim Bestimmen des Verkauffilters nehme ich den kleinsten mit der maximalen Rendite, also 32 Monate; und eben diese sinnvolle 3m-Untergrenze:
=> aus beiden bilde ich den arithmetischen Mittelwert (um eine gewisse Robustheit zu haben), also (3 + 32) / 2 = ~18 Monate [die "Hälfte" ist oft gut genug ]

=> diese Filterstrategie heißt also 1mBuy/18mSell und hat eine Rendite von +7.9163% p.a.


=> zum optischen Vergleich hier nochmal die ungefilterte Golden/Death cross-Strategie:






=> ..und dazu im Vergleich obige, "beste" Filterstrategie (die eben auch "Buy & Hold" schlug mit +7.6168% p.a.)

=> das mag vom Rendite-Abstand her nicht sehr spannend sein, aber es zeigt eben, daß mit geignetem Filtern die sture Golden/Death cross-Strategie mit nur +6.7487% p.a. deutlich genug zu schlagen ist (über so einen langen Zeitraum):






=> aus ehemals 42 Signalen (vom erstem Golden cross an am 1993-02-08) sind nur noch 14 geworden!

=> das macht im Schnitt nur noch 1 Signal in ~2 Jahren, was Kosten und Aufwand in Grenzen hält.


__
nebenbei:
• auch bei dieser "besten" Filterstrategie entstehen wieder einige Death-/Golden cross-Pärchen bzw. bleiben übrig:

--> nämlich 5 Stück, was (zunächst) 10 Signale darstellt
--> in Wahrheit ist auch das Start-Golden cross (am 1993-02-08) so ein Pärchen -- und möglicherweise auch mit dem letzten Death cross am 20.12.2018 wird sich wieder mit einem "schnellen" Golden cross so ein Pärchen bilden

=> das macht also ~10.5 Signale von 14, die solchen Pärchen zuzuordnen sind, also ~75% !

=> mit anderen Worten:
• das einsame Death oder Golden cross stellt im DJIA die Ausnahme dar

=>

(a) damit reduzieren sich die entscheidenden Signale (nach dem willkürlichen Einstieg am 1993-02-08 beim ersten Golden cross) auf nur noch diese zwei (das letzte Death cross vom 20.12.2018 ist ja dahingehend noch offen, ob es ein entscheidendes Signal war ):

-- 2008-01-03: Death cross
-- 2009-07-06: Golden cross

=> also genau das Anzeigen von Ausstieg vor der Finanzkrise und dem Wiedereinstieg nach der Finanzkrise


(b) das heißt aber auch, daß ein Markt, wie nach dem Platzen der "Dotcom"-Blase ~Ende 2000 bis ~Anfang 2003, von so einer SMA-Strategie nicht besonders gut umgangen werden kann:

--> also ein Markt, der erst nach einer gewissen Seitwärtsbewegung (mit Spikes nach unten ) schließlich doch in einen ausgeprägten Bärenmarkt ab 2002Q1 abkippt - und das ziemlich rasch
=> die Signalisierung ist dabei eigentlich vollkommener Blödsinn:

[faultcode]

Antwort auf Beitrag Nr.: 59.567.456 von faultcode am 06.01.19 01:15:11

Buy & Hold-Strategie schlägt Golden/Death cross-Strategie (7): im DAX ist Buy&Hold vollkommen OK

an dieser Stelle könnte man darüber nachdenken, ob dieser "beste" Filter allgemeineren Bestand hat (als nur in der Vergangenheit des Preisindex DJIA), z.B. beim:
• DAX (Kurs oder Preis mit ISIN = DE0008467440) ^GDAXIP

=> Problem dabei:
• Yahoo finance liefert keine Daten so weit zurück (und für nen anderen Anbieter - mit API - bin ich zu faul zum Suchen...)

=> daher nur der "normale" DAX als Performance-Index mit allen Diagrammen auf einen Schlag:




=> das letzte Death cross im DAX war bereits am 19.3.2018





=> beide Strategien, Buy&Hold und strenges Folgen von Golden- und Death crosses, geben sich also nichts renditemässig
--> somit wäre eine Buy&Hold-Strategie im DAX (langfristig) unbedingt vorzuziehen (wenn die Vergangenheit eine Rolle für die Zukunft spielen sollte - wie immer halt als Annahme)





=> die Rendite-Landschaft mit verschiedenen Kauf- und Verkauf-Filtern von GD50/200-Kreuzen ist beim DAX deutlich zerklüfteter als beim DJIA (ich nehme an, wegen erhöhter Vola - müsste das mal nachprüfen...)





=> damit ergibt sich (mMn) im DAX ein etwas anderer "bester" Filter von 0mBuy/12mSell (DJIA: 1mBuy/18mSell) mit einer Rendite von +8.0058% p.a.:







Daneben gilt:

a/ der renditebeste Filter (mit in Summe der geringsten Filterzeit und Mitnahme des letzten Death crosses vom 19.3.2018) ist 2mBuy/37mSell mit +8.0371% p.a.
=> das liegt nur hauchdünn über der Rendite von Buy&Hold mit +7.8790% p.a. (vom ersten Golden cross bis zum letzten Death cross)

b/ strenges Folgen von Golden- und Death crosses würde +7.9252% p.a. bringen, und damit Buy&Hold sehr zufällig (weil innerhalb des "Marktrauschens" - ohne Nachweis) schlagen

c/ wie auch schon beim DJIA, ist die GD50/200-Kreuz-Strategie auch beim DAX vollkommen ungeeignet in einem Markt, wie nach dem Platzen der "Dotcom"-Blase, eine erhöhte Rendite zu erwirtschaften (hier mit "bestem" 0mBuy/12mSell-Filter):




d/ dennoch liegen beide "beste" Filter bei DJIA und DAX bzgl. ihrer Filterzeiten nicht soweit auseinander, was für die recht starke Kopplung beider Märkte (bislang) spricht

[faultcode]

Antwort auf Beitrag Nr.: 59.571.605 von faultcode am 06.01.19 23:19:13

Buy & Hold-Strategie schlägt NICHT Golden/Death cross-Strategie (8): Nikkei 225

wie schlägt sich die Golden/Death cross-Strategie in einem ganz anderes Markt?

Hier der der Nikkei 225 (wie der DJIA ein preisgewichteter Kursindex) im selben Zeitraum:








=> man sieht: die (strikte) Golden/Death cross-Strategie schlägt in diesem schwierigen Markt die Buy&Hold-Strategie, wenn auch die durchschnittliche, jährliche Rendite dadurch nicht gerade sensationell erhöht werden kann - aber immerhin


=> und nun die spannende Frage:
• kann das Filtern von Golden- und Death cross-Signalen hier die Rendite erhöhen, so wie beim DJIA oder dem DAX?

=> nein!

=> einen Kauffilter einzusetzen (nach einem Death cross) bringt gar nichts, und bei den Verkauffiltern erhöht sich die Rendite auch nicht (sie bleibt gleich - wieder bei Mitnahme des letzten Death crosses, hier am 2018-12-11), so daß man gleich bei der strikten Golden/Death cross-Strategie bleiben kann:

[faultcode]

Antwort auf Beitrag Nr.: 59.571.605 von faultcode am 06.01.19 23:19:13

Buy & Hold-Strategie vs Golden/Death cross-Strategie (9): Index-Volatilität und vorl. Zusammenfassung

Zitat von faultcode: ...=> die Rendite-Landschaft mit verschiedenen Kauf- und Verkauf-Filtern von GD50/200-Kreuzen ist beim DAX deutlich zerklüfteter als beim DJIA (ich nehme an, wegen erhöhter Vola - müsste das mal nachprüfen...)

=> genauso ist es => die (annualisierte) DAX-Volatilität ist spürbar höher als beim DJIA:

==============================================
Annual volatility:
• changes of daily typical prices: (O+H+L+C)/4
• from: 1990-12-31
• to: 2019-01-08
in these stock indices:
• Dow Jones Industrial Average [USD] :
__ average trading days per year: 251.7623
__ annual volatility: 12.0743 [%]
• DAX (Performance-Index) [EUR] :
__ average trading days per year: 252.7033
__ annual volatility: 17.9605 [%]
• Nikkei 225 [JPY] :
__ average trading days per year: 245.6998
__ annual volatility: 17.9598 [%]
==============================================


=> daß die Vola beim Nikkei praktisch mit der des DAX identisch ist, ist eigentlich ein statistischer Hammer - bei einem Beobachtungszeitraum von ~28 Jahren!
--> ich hab's händisch mit Excel quergeprüft --> obige Zahlen sind OK aus meiner Sicht


=> das führt zur Vermutung, daß die Anzahl der Golden- und Death crosses im Beobachtungszeitraum und die Index-Volatilität gekoppelt ist

--> und genauso ist es --> der Zusammenhang ist stark und statistisch relevant (ohne Detailprüfung):
• Korrelation: -86.61% (*)
• R-squared: 75.01%


=> das führt dann zur Erkenntnis:

(a) ..daß eine geringere Vola zu einer erhöhten Anzahl an Golden- und Death crosses führt (darauf hätte man auch so bei Seitwärtsmärkten kommen können -- aber nicht so weiteres auf Erkenntnis (c) ),

(b) ..daß das zu einer erhöhten Anzahl von Fehl-Signalen durch Golden/Death crosses führt

(c) ..daß bei einer geeigneten Filterstrategie bei den Golden/Death crosses die durchschnittliche, jährliche Rendite erhöht werden kann (zumindest bislang --> Stichwort "FED Put" beim DJIA), und zwar auch über Buy&Hold hinaus:





=> so gesehen bringt das Umsetzen der Golden/Death cross-Strategie nur wirklich etwas (mMn) beim Nikkei 225 (von den 3 untersuchten Indizes), und dafür ist auch keine besondere Filterung der Golden/Death cross-Signale nötig


___
(*) Rohdaten:
number of Golden and Death crosses:
- DJIA: 43 (21 + 22) -- 1992-10-09 - 2018-12-20
- DAX: 29 (14 + 15) -- 1991-11-14 - 2018-03-19
- Nikkei: 36 (18 + 18) -- 1993-02-03 - 2018-12-11

[faultcode]

10 einfache Ein-Parameter-Handelsstrategien von Portfoliomanager Andre Stagge

29.09.2017, ~1h




=> meine eigene Zusammenfassung nur aus dem Video (keine Gewähr für nichts)
--> ACHTUNG: hier Info's nur über Newsletter: https://www.andre-stagge.de/

--> hier habe ich eine Strategie (#4) im Detail erklärt gefunden: https://www.trading-treff.de/author/andre-stagge
... und (teilweise) historische Performance: https://www.sms-signale.de/



01.) "Saisonalität S&P 500 (seit 1970)"
• "Halloween-Effekt": in 36/37 Märkten soll es funktionieren (außer stark regulierte China A-shares): Grund: das unterlagerte Muster von Mittelzu- und Abflüssen (Liquiditätsverteilung über's Jahr + "Sommerloch")
• "Sell in May and go away, but remember to come back in November" (6m + 6m)
• Monatstage: Anfang + Ende: SP500 steigt wg. dann neuem Geld


02.) "die ersten 5 Handelstage im S&P 500 beobachten"
• in Summe positiv --> S&P 500 kaufen
• in Summe negativ --> nichts machen
• soll gut in US-Wahljahren funktionieren (FC: also nicht 2019 )
• soll auch im DAX (in Tendenz) funktionieren
• "Januareffekt"


03.) "Vor der FED long"
• 24h vor jeder FED-Sitzung long => Unsicherheit kaufen um 20:00h (dt.Zeit)
• diese Position nach der FED-Sitzung verkaufen => Sicherheit verkaufen
• "FOMC announcement": 8-mal im Jahr
• soll 80% der Überrendite ("excess return") im S&P 500 erklären


04.) "Wahlgeschenk DAX"
• 80 Handelstage vor Bundestagswahl DAX-short bis 5 Handelstage nach der Wahl, dann 80 Handelstage DAX-long
--> 80 Handelstage wären ~115 Kalendertage = ~3.8 Monate
https://www.trading-treff.de/wissen/wahlgeschenk-dax-trading…
• Statistik über 15 Bundestagswahlen


05.) "S&P 500 besser als DAX"
• SPX = S&P 500
• 27 Jahre Rückschau
• warum?
=> André Stagge: Diversifikation in 500 global agierenden Unternehmen (statt nur 30 DAX-Werte)
• andere Aktienkultur in den USA; DAX nur zu 9% von Kleinanlegern gehalten
=> André Stagge sieht daher den S&P 500 auch in den nächsten 30 Jahren den DAX outperformen
(und als Total Return-Version, wie der "normale" DAX, sowieso)
=> höhere Rendite bei niedrigerem Risiko (= hier Volatilität)


06.) "Durchschnittliche Monatsrenditen DAX, MDAX, SDAX"
• Datenbasis: 1988-2016
• Q1-3 MDAX > Q1-3 DAX --> wg. Small cap premium
• Q4 DAX > Q4 MDAX --> wg. Small cap premium zuvor bereits eingefahren
• André Stagge implementiert diese Auffälligkeit als Long/Short, also marktneutral, wie ein "Cashersatz"
• geht auch mit SDAX vs DAX
• geht auch mit Small Caps vs EUROSTOXX


07.) "Zinshamster"
• Mo + Fr: kaufen, z.B. Bund Future
=> Details fehlen --> ich interpretiere es so:
• kaufen am Freitagmorgen/Donnerstagabend??
• verkaufen am Montagmorgen/mittag??


08.) "Friday Gold Rush" + "Friday Silver Surfer"
• wie "Zinshamster"
• ähnlich auch Rohstoffe (Kupfer, Aluminium, etc.), die am Do+Fr gekauft werden, um über's Wochenende verschifft zu werden, um am Montag vorort zum Einsatz verfügbar zu sein


09.) "FX-Fool"
• das Gegenteil von privaten Investoren machen (wie z.B. EUR/USD long oder short), also den "Fools"
• Webseite mit den Privat-Positionen??? --> wird hier nicht genannt
=> private Investoren liegen in Summe in fundamental begründeten Trendmärkten "immer falsch" lt. André Stagge
• Datenbasis: 2012-2017


10.) "EUR/USD Steuerstichtag"
• Dezember: EUR/USD long --> wg. steigendem EURO (in Tendenz)
• Januar: EUR/USD short --> wg. fallendem EURO (in Tendenz)
• Feb-Nov: nichts machen
• wg. US-Steuergesetzen
--> FC: hier wäre ich etwas vorsichtig, da mindestens 2018 möglicherweise wg. der Trumpschen-US-Corp.-Steuerreform verzerrt sein könnte:
• 2017-12: passt noch
• 2018-01: passt gar nicht
• 2018-12: flat
...und 2019ff ??
(Video von 2017-09!)


=> also im Prinzip, wie vom Portfoliomanager erklärt, alles aus den statistischen Handelsmustern institutioneller Anleger abgeleitet, was die Sache (mMn) interessant macht, weil theoretisch erklärbar

--> es wäre allgemein wichtig, daß keine Strategie nur aus dem letzten Bullenmarkt 2009-2018 hergeleitet wurde
=> soweit ich es erkennen kann, ist das überwiegend gegeben (außer #9)


=> damit bleiben nach meiner Lesart davon noch 8 tatsächlich praktikable Handelsstrategien übrig (was den möglichen Wert des Videos mMn aber nur sehr geringfügig schmälert mMn)

[faultcode]

Tradingview mit Kennzahlen für S&P 500-Komponenten

https://www.tradingview.com/symbols/SPX/components/

--> das ist neu! --> nun kann man nach solchen Grössen wie Gross margin sortieren:





=> aber Obacht: da sind wohl (noch) nicht alle Kennzahlen für alle SP500-Komponenten (autom.) eingeflegt (sind ja doch so ~500 Komp.), und oben nur z.B. 402 Komp. gelistet! (manchmal < 300)

=> wer der Datenlieferant ist, weiß ich nicht


--> also auch da ein bischen Obacht

[faultcode]

Antwort auf Beitrag Nr.: 59.271.322 von faultcode am 21.11.18 19:25:24

Michael Steinhardt, a Leader in Jewish Philanthropy, Is Accused of a Pattern of Sexual Harassment

21.3.
https://www.nytimes.com/2019/03/21/nyregion/michael-steinhar…
=>
Several women said Mr. Steinhardt made sexual requests of them while they were relying on or seeking his support. He denies many of the actions attributed to him...

[lukeskyblogger]

!

Dieser Beitrag wurde von MadMod moderiert. Grund: Spam, Werbung

[faultcode]

&quot;fundamental discretionary traders&quot; --> ca. 10% of trading volume!!

https://www.marketwatch.com/story/heres-what-low-nyse-tradin…

=>
2018:
JPMorgan Chase recently estimated that only about 10% of trading volume represents “fundamental discretionary traders,” in contrast to automated trades.

[faultcode]

S&P 500 sectors: total returns 2004-2019

23.4.

aus: https://www.marketwatch.com/story/analysts-see-plenty-of-att…


=> 15Y:
• ich finde Utilities und Consumer Discretionary bemerkenswert; Letztere sind halt schwierig (*), so daß man sich an den SP500-Werten dazu halten sollte (außer Experten, die immer alles dürfen ):
(*) in Mode, außer Mode

--> da müssten ja mMn auch Autos drin sein

--> die Performance von Health Care mit nur knapp über SP500 finde ich auch überraschend schlecht

[faultcode]

How to Make Sense of the Stock Market in the Age of Algorithmic Trading

Updated April 25, 2019 at 11:34 a.m. ET
https://www.marketwatch.com/articles/making-sense-of-the-mar…

=>
...
On any given day, the options market now represents about 55% of the stock market’s notional average daily volume. This trend is even more significant in specific stocks. Options volumes have recently exceeded stock volumes for Amazon.com (ticker: AMZN), Apple (AAPL), Boeing (BA), Tesla (TSLA), Facebook (FB), Alphabet (GOOGL), Booking Holdings (BKNG), and Wynn Resorts (WYNN).

...

Meanwhile, shifting event liquidity means stocks are prone to make outsize moves—both up and down—in reaction to earnings. Why? Dealer computers are programmed to back away from markets when anything happens that qualifies as “non-normal continuous trading,” such as gap moves when stocks open sharply higher or lower than the close, as can occur around earnings reports or the release of economic data. In response, dealers’ algorithms are programmed to automatically change market prices—usually for the worse—based on key words in headlines.

...

When the market moves, or a stock flutters, investors reflexively think someone knows more than they do, but the moves increasingly reflect the collision of low liquidity and dealer pricing algorithms.

“Robots are more cautious than people,” said one trader who is, like many others, trying to determine if that can be consistently gamed to make money.

[faultcode]

Cooler Monte Carlo Simulator -- Risk Simulator (1)

es gibt ja viele im Netz, aber dieser sticht mMn positiv hervor:

https://niclashummel.com/risk-simulator

[faultcode]

Antwort auf Beitrag Nr.: 60.579.167 von faultcode am 15.05.19 20:56:45

Cooler Monte Carlo Simulator -- Risk Simulator (2) ==> Spielzeug, wie jeder (einfache) MC-Simulator

<keine wissenschaftliche Untersuchung, schon gar nicht über die Normalverteilung (*); so ein Simulator, wie andere auch, ist als solcher technisch gesehen sicherlich richtig und OK in Bezug auf die angenommenen Grundlagen --> (*) ; aber die Aussagen, die sich daraus ergeben (könnten), sind einfach Unsinn, wenn ich damit anfange, ein Bündel realisierter Trades abzubilden>


Aus (steuerlichen) Gründen kenne ich die Eckdaten aus meinem (Consors-)Tradingkonto für 2017 und 2018 mit 78 abgeschlossenen Trades --> (p) unten.

=> und dabei kommt immer totaler Simulations-Müll raus, wie ein Sharpe Ratio von regelmässig > 10,000.00
<übrigens: auch bei deutlich gutmütigeren Parametern>


=> aber gut, nun weiß ich auf die Schnelle (*), daß Monte Carlo-Simulatoren (in einfach) Müll sind.

=> und der Grund dafür ist einfach:
• mit großer Abweichung vom Anfangskapital ändert der Trader sein Verhalten --> er ist also - wie jeder (freie) Finanzmarkt - auch adaptiv (~); ob er will oder nicht!

=> z.B.: bei Null EURO im Portfolio ist Schluss (meist schon vorher). Kommt aber oben regelmäßig vor. Ist mir nie passiert. Selbst wenn ich oben eine DD Allowance (Drawdown) von 10% eingebe, bekomme ich Portfolios mit <<0

=> auch ist bei 10 Kurven fast immer eine dabei, bei der ich innerhalb von 2 Jahren ein Kapital von über EUR1Mio akkumuliert hätte --> unrealitisch wg. (~), und auch weil mir keine Bank mehr für Instrument (Knock Out, Optionsschein, etc.) einen Einsatz von >>EUR10.000 uneingeschränkt zu dem von mir gewünschten Zeitpunkt verkaufen kann, will und wird.


=> wichtig auch:
• die STD's müssen stimmen! Default mit 20% bei Loss Trades ist (mMn) unrealistisch in Bezug zu 40% bei Profit trades

=> das kann man sehr einfach begründen:
• man startet sinnigerweise keinen Trade, um so verlieren => warum also sollte die elementar wichtige Vola (= Standardabweichung = STD = Vola = Volatilität) bei Verlusttrades so gering sein im Vergleich zu Gewinntrades?

--> ich kenne niemanden, der mit Stop Loss-Trading reich geworden ist

=> meine STD bei Loss trades ist höher als bei Profit trades (was aber individuell ist und bei mir mit "Conviction" zu tun hat, bzw. hatte Ende 2018 mit 2...3 Tesla-Total-Verlusttrades --> Stichwort "Theta burn"; hinzu kommt, daß darunter doch einige Positionen mit Hedging-Charakter zu Investments waren; Investments welche hier nicht berücksichtigt sind --> daß würde auch sonst unendlich kompliziert werden)

=> zwischen 20% und 40% bei der Vola passt "ein ganzes Sonnensystem" beim Traden.

___
(p) Parameter:
• AVERAGE LOSS: 58.00%
• AVERAGE WIN: 44.47%
• HITRATE: 70.51
• STD LOSS TRADES: 36.52%
• STD PROFIT TRADES: 32.92%
• (TRADES: 78 --- in 2 Jahren)
• DD ALLOWANCE --> Effekt??? --> offen gelassen
(• alles mit Gebühren; aber ohne Steuer --> Einkommensteuer ist nochmal ein ganz anderes Kapitel wg. starker Nichtlinearität)

=> zum Beispiel:







=> d.h., auch eine (einfache) Monte Carlo-Simulation löst mitnichten das Prognose-Problem

[faultcode]

Antwort auf Beitrag Nr.: 60.580.523 von faultcode am 16.05.19 01:14:51

Monte Carlo Simulator (MCS) (3) ==> do it yourself

<auch hier nur quick & dirty>

Idee aus:

Monte Carlo Simulation in Python – Simulating a Random Walk
https://www.pythonforfinance.net/2016/11/28/monte-carlo-simu… (*)

--> Code für unten: https://pastebin.com/LXTYAjZp

--> Original-Python-Code von oben (*) hier für obige Trades angepasst:

S = 10000 # starting stock price (i.e. last available real stock price) --> initial capital

T = 78  # Number of trades

mu = 0.1425  # Return --> 14.25%

vol = 0.5790  # Volatility --> 57.9%

=> also, alle 78 Trades (2017-2018) mit nur 2 Kenngrößen erfasst:

• my = µ = mittlere (arithm.) Rendite pro Trade über alle Trades
• Vola = STD (sigma) über alle relativen Trade-Renditen [in %] -- die halt sehr hoch ist für so einen eher kurzen Zeitraum.

Wobei bei alledem vieles nicht berücksichtigt ist, wie:
• Verteilung der Zeiträume der Trades (2017, 2018 bezieht sich nur auf dabei geschlossene Trades; Eröffnungen können schon in 2014(?), 2015 oder 2016 stattgefunden haben (a))
• Verteilung der Trade-Größen; stellenweise eine Dekade: Aktien-Indizes (z.B. NASDAQ100) mit relativ hohem Startkapital
• Benchmark
• parallele / sequenzielle Trades <--- offenbar spielt das eine (sehr große) Rolle: hier nur sequentiell simuliert, quasi mit einem Instrument, immer voll investiert, jeweils mit immer dem gleichen µ und sigma, was sicherlich auch die falsche Simulation ist
• Cashanteil beim Startlkapital; schwankender Cashanteil während des Beobachtungzeitraumes
• was noch?

..und somit keine Aufteilung mehr wie oben in 2 Gruppen mit jeweils eigenen Kennzahlen:
• Gewinn-Trades
• Verlust-Trades


=> Python-Skript-Ausgabe:



=> und siehe da:
• nur ein Simulationlauf von 10.000 reicht mal kurz an EUR100k heran! --> keine Millionen mehr (an Buchgewinnen)!
• aber auch keinen Null-Lauf!?!

--> die Quantile sind auch interessant:
• nur 5% aller Simulationsläufe führen nach 78 Trades zu einem Kapital von max. EUR3,756.14
• aber 95% aller Simulationsläufe enden nach max. EUR25,169.07 --> reich werde ich damit nicht (das Startkapital oben und hier ist fiktiv)

--> Benchmarking (wie so vieles) fehlt auch => daher nur schnell noch die DAX-Renditen:
• 2017: +12.5%
• 2018: -18.3%
aus: https://www.boerse.de/performance/Dax/DE0008469008

=> das macht -4,13% von Ende 2016 bis Ende 2018 p.a.

=> ich hatte hingegen in etwa +5.6% p.a. (vor Steuern, und mit Einschränkungen laut (a))


<ich mach vielleicht mal mit MCS für ein Trading-Portfolio viel später weiter; es reicht mir schon, hier genügend Fragen aufgeworfen zu haben>

[faultcode]

Antwort auf Beitrag Nr.: 55.826.844 von faultcode am 26.09.17 17:05:12

Berenberg

lesenswert: https://www.manager-magazin.de/premium/berenberg-bank-worueb…

--> meine Quintessenz:
• Hendrik Riehmer will Chef einer börsennotierten Berenberg-Bank werden

=> offenbar glaubt er, bzw. glaubt man dort selber an einen immerwährenden Börsenboom, getrieben vom Billigstgeld der EZB
(meine Deutung)

..und zum Investment-Banking hier: klar, die Deutsche Bank fing ja schon an, eine Lücke zu hinterlassen, und die wird sehr wahrscheinlich auch immer größer

[faultcode]

No City for old men: Traders battle rampant ageism

July 2, 2019
https://www.fnlondon.com/articles/its-a-bitter-feeling-trade…

=>
...
Without any formal processes to make room for younger staff, employers resort to managing out people whose experience could prove more useful than bosses necessarily anticipate.

Many traders and bankers who are currently considered to be in their prime, for example, have never experienced tougher market conditions.

Denise Shull, a performance coach and former trader at the Chicago Mercantile Exchange, the futures exchange, warned that a markets business full of young people carries an inherent financial risk. None of these juniors will have ever traded through a full-blown financial crisis.

“The markets have gone more or less straight up for 10 years. That means there are a lot of people who have never seen a real bear market like the one that lasted from 2000 to 2002,” said Shull, an expert in the psychology of trading.

Shiret said that when Credit Suisse fired him, he felt that despite his age, he was just as good as he was 20 years ago.

He said: “They are really trying to create space for people coming up the ranks, but it should be merit-based. It’s difficult because I feel I’m just as effective as I ever was. I don’t think age determines performance.”
...

[faultcode]

Das Geschäftsmodell des Null-Gebühren-Brokers Trade Republic --> &quot;Overconfidence Bias&quot;

18.7.2019
https://www.finanz-szene.de/fintech/das-klandestine-geschaef…

=>
...
Die Quote der Aktionäre unter den (obendrein Smartphone-affinen) 25- bis 34-Jährigen ist in Deutschland mit 9% nur unwesentlich geringer als etwa bei den 55- bis 64-Jährigen. Die Älteren mögen das Geld haben. Die jüngeren aber paradoxerweise oft die für Broker profitable Gier.

Bei ihnen trifft die typische Unerfahrenheit und Ungeduld für Wertpapieranlagen auf überzogene Renditeerwartungen: 12% sollten es für die „Millennials“ schon sein pro Jahr, ermittelte Schroders in seiner „Investment Study 2019“ unter 25.000 Anlegern. Zum Vergleich: Tatsächlich erzielt wurden im Superbullenmarkt der letzten zehn Jahre 6% pro Jahr.

...

Im Falle von Trade Republic heißt das, dass Kunden aktuell in einem virtuellen Käfig stecken, in dem sie Transaktionen ausschließlich über die elektronische Handelsplattform LS Exchange oder direkt mit dem Zertifkateanbieter HSBC Trinkaus durchführen können.

Mal eben ein paar Bayer-Aktien an der Börse Frankfurt kaufen? Geht nicht. „Am anderen Ende“ der Transaktion stehen entweder die Händler der Plattform LS Exchange – oder die von HSBC Trinkaus. „Eine Anbindung an mehrere Ausführungsplätze würde auf Seiten von Trade Republic einen erheblichen administrativen Mehraufwand mit sich bringen“, heißt es in den AGBs.

Natürlich vereinfacht und verbilligt das Prozesse in der Abwicklung. Vor allem aber stellt es sicher, dass die Kunden nur Geschäfte tätigen, die Trade Republic auch etwas bringen – weil man, wie in der klassischen Anlageberatung in Deutschland auch, die Rückvergütung von den Plattformen und dem Partner, etwa HSBC, bekommt. Und man eben die transparenten Kosten von Orderspesen mit eben jener Rückvergütung – im AGB-Deutsch von Trade Republic „Abwicklungskosten-Zuschüsse“ genannt – substituiert. „Im Zusammenhang mit der Ausführung der Wertpapier-Geschäfte kann Trade Republic Zahlungen von den Betreibern der Ausführungsplätze bzw. Kontrahenten der Ausführungsgeschäfte für die Platzierung der Aufträge (…) erhalten. Diese Zahlungen z.B. sog. Abwicklungskostenzuschüsse belaufen sich auf bis zu € 3,00 pro Kundenorder“, heißt es in den AGB.

Verboten ist das nicht. Im Gegenteil, derlei Provisionen sind auch bei anderen Online-Brokern üblich. Und: Während der klassischen Börsen-Handelszeiten (und auch nur dann!) schreibt die Richtlinie Mifid II vor, dass Kunden auf alternativen Handelsplattformen nicht schlechter gestellt werden dürfen als an den Börsen. Klar ist aber auch: Die Händler bei Handelsplattformen wie LS Exchange und HSBC – ob menschlich oder automatisiert – haben nichts zu verschenken. Und machen ihrerseits ihren „Schnitt“ an den Kundenordnern. Bei Zertifikaten kommt hinzu, dass Laien den fairen Wert der Zertifikate und somit faire Kursstellungen kaum beurteilen können.
Das Prinzip Overconfidence

Online-Broker sind in einem üblen Gewissenskonflikt: Je mehr Kunden handeln, desto unprofitabler agieren sie in der Regel für sich selbst. Desto größer aber der Gewinn für die Broker. In der Verhaltensökonomik wird dies mit dem „Overconfidence Bias“ beschrieben: Viele handeln sehr häufig, weil sie sich für klüger als der Markt halten. Trade Republic und andere verdienen an Aktivität, nicht an Stillhalten.

Die rasante Simplifizierung auf nur drei Schritte und die Niederschwelligkeit des Smartphone-Einsatzes sind somit in jedem Fall optimal für einen Anbieter. Aber sind sie es auch für den Kunden, die „Tap, Tap, Trade“ praktizieren?

Aufklärung wird vermutlich erst die nächste handfeste Börsenkrise bringen – die letzte ist schließlich schon über ein Jahrzehnt her.



--> nun, da unsere "Overconfidence Bias"-Millennial-Zocker jünger sind, können und müssen sie, nachdem die Kohler verzockt wurde, eben wieder arbeiten gehen

[faultcode]

Antwort auf Beitrag Nr.: 61.083.037 von faultcode am 22.07.19 22:48:22

&quot;Overconfidence Bias&quot; (2)

https://twitter.com/FusionptCapital/status/11535297698723921…

=>
24.7.2019 -- 14:30h

[faultcode]

US average equity trading volume in 2019:

[faultcode]

EPS-Wachstum beim S&P 500 über die Jahrzehnte hinweg nach T. Rowe Price:


aus: https://www.marketwatch.com/story/this-is-not-your-grandfath…

--> so gesehen hat der US-Aktienmarkt das Gewinnwachstum p.a. und im Schnitt seit den 80er Jahren nicht mehr wieder erreicht; egal, was die FED so treibt

--> die frühen Gewinne, nach der Stagnation der 70er Jahre, sind halt immer die höchsten

[faultcode]

Antwort auf Beitrag Nr.: 61.966.142 von faultcode am 19.11.19 22:49:37

dazu noch diese SP500-Performance-Übersicht unbekannter Herkunft:

[faultcode]

ArtGo Holdings aus Hong Kong -- der schnellste Crash in jüngerer Vergangenheit?

~-98% in 24 Stunden:


https://finance.yahoo.com/quote/3313.HK/chart

ArtGo Holdings:
~ is an investment holding company principally engaged in mining, processing, distribution and sales of marble stones. The products include one-side-polished slabs, cut-to-size slabs and marble blocks. Through its subsidiaries, the Company is also engaged in mining planting projects and sale of decoration materials.
https://www.reuters.com/companies/3313.HK


21.11.
The World's Best-Performing Stock Just Crashed After Soaring 3,800%
• ArtGo’s 3,800% gain had baffled Hong Kong market watchers
• MSCI has faced criticism for adding stocks with extreme moves
https://www.bloomberg.com/news/articles/2019-11-21/msci-reje…


http://www.artgo.cn/ ==> Service Unavailable

[faultcode]

Antwort auf Beitrag Nr.: 61.982.528 von faultcode am 21.11.19 15:06:04

Daß dieser Crash in HK stattgefunden hat, ist mMn kein Zufall

--> er mehren sich die Zeichen, daß die dortige politische Krise nun doch die Finanzmärkte in HK in die Knie zwingt, sprich Kapitalflucht:


https://twitter.com/Jkylebass/status/1197493554098163712

21.11.
Wealthy Hong Kongers Are "Activating Contingency Plans" As Violence Spirals Out Of Control
https://www.zerohedge.com/geopolitical/wealthy-hong-kongers-…

[faultcode]

Antwort auf Beitrag Nr.: 61.982.528 von faultcode am 21.11.19 15:06:04

ArtGo Holdings aus Hong Kong -- der schnellste Crash in jüngerer Vergangenheit? (2)

22.11.
So mächtig sind die Anbieter von Börsenindizes
https://www.sueddeutsche.de/wirtschaft/indexfonds-msci-world…

...
Denn der Kurssturz von Artgo kam nicht aus heiterem Himmel, für Eingeweihte kam er mit Ansage.

Am Nachmittag vor der Höllennacht für Artgo hatte schließlich ein Unternehmen namens MSCI eine kurze Mitteilung herausgegeben. Der Inhalt: MSCI, der Anbieter zahlreicher Börsenindizes, werde die Marmor-Multis von Artgo nicht in seine Aktienindizes aufnehmen. "Standardmitteilung", stand über dem Schriftstück.
...
Denn noch vor wenigen Wochen hatte MSCI angekündigt, den Marmorhersteller zumindest in seinen China-Aktienindex aufnehmen zu wollen. Manche Artgo-Anleger hatten wohl damit gerechnet, dass damit bald viel Investorengeld in die Aktie fließen würde. Dass diese Hoffnungen enttäuscht wurden, dürfte ein Grund für den Absturz sein.

Zuvor hatte bereits der kritische Investor David Webb auf Unregelmäßigkeiten bei Artgo hingewiesen.
...

[faultcode]

Antwort auf Beitrag Nr.: 61.997.933 von faultcode am 23.11.19 14:01:52

ArtGo Holdings aus Hong Kong -- der schnellste Crash in jüngerer Vergangenheit? (3) -- David Webb

15.9.2019
Lose your marbles
https://webb-site.com/articles/artgo.asp

=>
Sensible investors should avoid ArtGo Holdings Ltd (3313), a miner of marble stones. At the closing price of HK$9.48 on Friday (13-Sep-2019), it had a market capitalisation of HK$29.37bn. Since the end of May, it has gained 812%.

Based on the interim results at 30-Jun-2019, net tangible assets were CNY931m (HK$1061m). Shares outstanding were 2871m, for net tangible assets of $0.37 per share.

Since the half-year-end, it has issued new shares for 2 acquisitions. It issued 63.1m shares to acquire net assets of CNY10.7m (HK$12.5m) and a shareholder loan of CNY20.6m (HK$23.4m) in the first acquisition, and 164.2m shares to acquire a company which ultimately owned 2 Shanghai residential properties in the second transaction, which it valued at CNY121m (HK$133m), issuing the shares at $0.81 per share in both cases.

So putting that all together, there are net tangible assets of about HK$1230m, and outstanding shares of about 3099m, for net tangible assets of HK$0.40 per share. So the stock is trading at about 24x net tangible assets. In our concentration analysis, the top 10 CCASS accounts (banks and brokers) hold 84.03%.

Group revenue for the half year to 30-Jun was just CNY47.9m, generating a loss of CNY29.0m. The stock has never paid a dividend since its 30-Dec-2013 listing.

Caveat emptor.

(FC Format)

[faultcode]

Antwort auf Beitrag Nr.: 61.997.960 von faultcode am 23.11.19 14:07:52

Hong Kong Stock’s 78% collapse adds to wave of sudden crashes

Hong Kong mal wieder:

China First Capital Group:



27.11.
https://www.moneyweb.co.za/news-fast-news/hong-kong-stocks-7…

[faultcode]

Antwort auf Beitrag Nr.: 55.455.387 von faultcode am 04.08.17 01:13:14

das "TSI-System" ("TSI-Depot") des AKTIONÄRS wird wieder überarbeitet:

--> ab 5:55

10.1.
Neues Jahr, neues Anlageglück? DAX, Gold & die TSI-Favoriten unter der Lupe - TSI Wochenupdate



--> es gibt ja mittlerweile offenbar eine nicht mehr überschaubare Anzahl an "TSI-Strategien", hier die "TSI Jahresfavoriten":




--> dazu kann ich gleich sagen: 2 Werte sind aus Vola-Gründen mMn zu wenige; der Autor deutet es auch indirekt an: "Es sieht auch ziemlich turbulent aus."






--> für 2020 soll man auch Varta (+ Dt.Pfandbriefbank) nehmen --> und wenn es nicht klappt unterjährig verkaufen!?!

--> ab wann? Ab -10%, -20%, -30%, ...??


--> wenn, dann besser die Top-3-Werte nehmen, und nicht unterjährig verkaufen --> linear interpoliert komme ich da auf "nur" noch 0.68 gegenüber einem Wert in einem Portfolio:


The data in the chart below is from a 1987 study on diversification just after the market crashed. Obviously, at that time, diversification was a hot topic as investors scrambled to adjust portfolios and recoup the losses. The data below (FC: above) lists the number of components, the standard deviation of annual returns for each portfolio, and a comparison of the standard deviation of the portfolio to that of a single component.




aus: http://www.marketoracle.co.uk/Article12274.html

___
Tags:
• market risk
• portfolio risk

[faultcode]

6.2.
WHAT’S THE BEST MOVING AVERAGE? What trading gurus don’t want you to know…

[faultcode]

28.2.
Aktionärszahlen in Deutschland unter Zehn-Millionen-Marke gesunken
https://www.finanzen.net/nachricht/private-finanzen/aktionae…
...
Die Zahl der Aktionäre in Deutschland ist trotz des Börsenbooms 2019 wieder gesunken. Knapp 9,7 Millionen Menschen besaßen Anteilsscheine von Unternehmen und/oder Aktienfonds, wie das Deutsche Aktieninstitut (DAI) am Freitag in Frankfurt mitteilte. Somit sei knapp jeder siebte Bundesbürger ab 14 Jahren an der Börse investiert.

Sowohl 2017 als auch 2018 war die Zahl der Aktionäre zum Vorjahr gestiegen und hatte erstmals seit 2007 wieder die Marke von zehn Millionen überschritten. Im vergangenen Jahr dagegen kehrten unter dem Strich gut 660 000 Menschen der Börse den Rücken.

Möglicherweise hätten vorübergehende Kursrückschläge Anleger verunsichert, erklärte das Aktieninstitut. Mancher Aktionär habe eventuell auch sein Depot zu Geld gemacht, um angesichts niedriger Hypothekenzinsen in eine Immobilie zu investieren.

"Aber auch die Politik sendet falsche Signale", kritisierte das Institut in seiner Studie: "Die geplante Aktiensteuer - also die Finanztransaktionssteuer auf Aktien - schreckt potenzielle Neuaktionäre ab und macht die Aktienanlage unattraktiver." Experten macht dies Sorgen, denn die private Altersvorsorge wird wichtiger, und es gibt derzeit auf hierzulande besonders beliebte Anlagen wie Sparbuch und Tagesgeld allenfalls noch mickrige Zinsen.

Die meisten Deutschen sehen die Börse vor allem als einen Ort mit vielen Risiken und haben Angst vor Verlusten. Viele Anleger verschreckte der Absturz der als "Volksaktie" angepriesenen Telekom-Papiere und das Platzen der New-Economy-Blase am Neuen Markt um die Jahrtausendwende dauerhaft...


--> nicht nur "möglicherweise". Das ist so und meine Überzeugung

--> nichts hasst der deutsche Geldmichel so sehr wie Volatilität. Damit kann er - im Schnitt - nicht umgehen

--> der Hauptgrund dafür ist falsches Money Moneyement (= Risk Management)


--> da posten Leute fröhlich, daß die Wirecard-Aktie 40% ihres Portfolios ausmacht oder die Evotec-Aktie 60% (andere Leute), oder gar 75% mit Steinhoff!!


--> ausgerechnet Aktien, die sich durch eine hohe Volatilität auszeichnen. Als ob es einen Alfred Winslow Jones und seine Beta-Kalkulationen nie gegeben hätte


=> was ist "beta"? 😜

[faultcode]

Antwort auf Beitrag Nr.: 56.480.765 von faultcode am 18.12.17 16:12:18

Zitat von faultcode: ...Z.B. beim Wachstumsmarkt Aktienanleihen (*) - Instrumente des legalisierten Betrugs...

18.3.
Bei Deka und DZ Bank droht ein Zertifikate-Desaster
https://finanz-szene.de/banking/bei-deka-und-dz-bank-droht-e…
...
Noch deutlich größer ist – jedenfalls relativ – der sich abzeichnende Schaden beim zweitwichtigsten derivativen Vertriebsprodukt hinter den „Express-Zertifikaten“, nämlich bei den „Aktienanleihen“. Von denen hat die Deka momentan 674 Produkte ausstehen. Und auch hier konnte Finanz-Szene.de im Zuge einer ersten groben Auswertung gestern bereits bei 114 Papieren ein Minus von mehr als 50% ausmachen.
...
Selbst Indizes verhinderten keine Katastrophen. Das zeigt das erst vor drei Wochen emittierte „Stadtsparkasse Remscheid Express-Zertifikat Relax“ der DekaBank. Verlust des zugrunde liegenden Dividenden-Index seit Auflage am 24.2.: 39%. Verlust des Zertifikats in diesem Zeitraum: minus 54%. Die Liste ließe sich mit frisch emittierten Papieren fortsetzen, auch das „Sparkasse Passau Drei Flüsse Express Zertifikat“ liegt 45% im Minus, das „KSK Garmisch Express Zertifikat Memory“ ebenfalls.
...


__
=> Express Aktienanleihe Protect auf ProSiebenSat.1/HVB, DE000HVB2530

[faultcode]

Antwort auf Beitrag Nr.: 56.998.401 von faultcode am 11.02.18 17:01:33

Zu

21.5.
Finance titans Taleb and Asness feud on Twitter
https://www.marketwatch.com/story/finance-titans-taleb-and-a…

AQR: das ist schon heftig


https://twitter.com/nntaleb/status/1263265016301727744


Auch nochmal im Hinblick auf "Value": https://www.wallstreet-online.de/diskussion/1258587-31-40/me…


=> unabh. von den Angriffen, ob nun polemisch oder nicht, und Taleb nahm sich in der Vergangenheit Themen an, bei denen er mit falschen Prämissen arbeitete (mir fällt "IQ und Steuerdaten" spontan ein), ist es eigentlich ganz einfach:

• nach 2008 haben die FED und andere maßgebliche Notenbanken dermaßen viel Überschuss-Liquidität geschaffen, die heutzutage - selbst mitten in der größten globalen Pandemie seit Jahrzehnten - vielen Quants (oder siehe unten "Tactical Allocation") und Value-Investoren keine Chance mehr für anständige Renditen lässt

=> aber auch dann kann man immer noch zwei Dinge tun, und AQR machte das offenbar nicht oder nur unzureichend und sind daher nun erbost, wenn man sie auf ihre mehrjährige Underperformance hinweist, obwohl sie diese akademisch korrekt erklären können:

a/ ich passe mich dem an (Andrew Lo: Adaptive Markets: Financial Evolution at the Speed of Thought) und kaufe (FC-Argument, kein Lo-Argument) HelloFresh, Zoom, Moderna, Peleton, Amazon, ... bei jedem größeren Dip

oder

b/ ich lasse die alten Konzepte, sprich einen AQR Risk Parity II MV -Fonds (+) (auf Jahre hinaus) ruhen und erkläre das den Leuten. Aber sie fortwährend mit Hoffnung auf "long term" bei Stange zu halten ist keine Lösung, sondern eine argumentative Täuschung.
AQR lebt am Ende auch nur von Gebühren, welche ihre Anleger zu bezahlen haben (bei Taleb wäre ich mir da nicht so sicher):


https://twitter.com/CliffordAsness/status/126325288693656781…


Aber man kann von beiden lernen, Taleb und AQR, aber Taleb schlägt die allermeisten in der Mathematik


(+)

https://www.morningstar.com/funds/xnas/qrmix/quote

[faultcode]

Antwort auf Beitrag Nr.: 63.761.848 von faultcode am 21.05.20 13:15:13

Zitat von faultcode: ...b/ ich lasse die alten Konzepte, sprich einen AQR Risk Parity II MV -Fonds (+) (auf Jahre hinaus) ruhen und erkläre das den Leuten. Aber sie fortwährend mit Hoffnung auf "long term" bei Stange zu halten ist keine Lösung, sondern eine argumentative Täuschung...

--> JP Morgan macht nun z.B. reihenweise Produkte zu, wie hier liquid alts ETFs:

...
JPMorgan’s four liquid alts ETFs to be closed next month include:
JPMorgan Long/Short ETF (JPLS),
JPMorgan Managed Futures Strategy ETF (JPMF),
JPMorgan Event Driven ETF (JPED), and
JPMorgan Diversified Alternatives ETF (JPHF).

All had double-digit losses from the peak through early May. Three were still more than 70% owned by JPMorgan.

JPMorgan will also close two other ETFs, JPMorgan Diversified Return Europe Equity ETF (JPEU) and JPMorgan Diversified Return Global Equity ETF (JPGE).
...

21.5.
JPMorgan Is Shutting 4 ETFs That Act Like Hedge Funds. Here’s Why.
https://www.barrons.com/articles/jpmorgan-is-shutting-4-liqu…


--> aber das ist halt JPM und nicht AQR. Jene sind zu klein. Die brauchen auch Fonds mit einem AUM < USD00M, um irgendwie davon leben zu können.

[faultcode]

interessante Lektüre von der Buy side:

19.7.
https://threadreaderapp.com/thread/1284681707736596489.html

[faultcode]

Antwort auf Beitrag Nr.: 55.447.173 von faultcode am 02.08.17 22:26:22

Wenn der Dienstag kein guter Tag an den US-Börsen ist, kann man den Rest der Woche wohl auch vergessen:

das gilt unverändert im Mittel:

Zitat von faultcode: ...
- am Dienstag verkaufen,
...

<oben stimmen die Angaben in Prozent nicht; ohne [%] wär's richtig gewesen>


zuletzt, 2019 - 2020, hing "alles" am Dienstag:




















Tags:
• Wochentag
• weekday

[faultcode]

Antwort auf Beitrag Nr.: 64.571.652 von faultcode am 28.07.20 17:07:28

Auch in Deutschland ist der Dienstag Spitzentag, sogar noch deutlicher als in den USA.

Dafür verkaufen "wir" am Donnerstag viel lieber:














Tags:
• Wochentag
• weekday

[faultcode]

monthly returns for the S&P 500 index since inception:


https://www.marketwatch.com/story/why-august-in-a-pandemic-f…

[faultcode]

Antwort auf Beitrag Nr.: 64.571.652 von faultcode am 28.07.20 17:07:28

=> die saisonale Monatsperformance ist mMn nicht so einfach vorhersehbar wie beim Wochentag

Außer der April: der scheint "immer/meistens" sehr positiv zu verlaufen

Im Schnitt sind August und September schon lau.

[faultcode]

https://phi.fitchdata.com/





=> echter Intelligenztest hier

links oben ist der beste Pluswert, rechts unten der schlechteste Minuswert

=> in der Breite, also Diagonale, wird angenommen, daß die meisten Werte sich nur wenig pro Handelstag bewegen

Wow!

[faultcode]

https://www.marketwatch.com/story/heres-how-stocks-typically…

[faultcode]

https://seekingalpha.com/article/4359870-twitter-and-discord…


...

[Liechtstein]

Antwort auf Beitrag Nr.: 64.571.652 von faultcode am 28.07.20 17:07:28

29.9.2020, 6.10.2020, 13.10.2020: USA: Drei Dienstage hintereinander mit negativem Ausgang, alle drei waren eine gute kurzmittelfristige Kaufgelegenheit. Wie profitabel ist das Handeln nach solchen Statistiken und stimmen sie überhaupt?

[faultcode]

Antwort auf Beitrag Nr.: 62.823.263 von faultcode am 28.02.20 12:58:10

28.02.20

Zitat von faultcode: ...--> der Hauptgrund dafür ist falsches Money Moneyement (= Risk Management)

--> da posten Leute fröhlich, daß die Wirecard-Aktie 40% ihres Portfolios ausmacht oder die Evotec-Aktie 60% (andere Leute), oder gar 75% mit Steinhoff!!

--> ausgerechnet Aktien, die sich durch eine hohe Volatilität auszeichnen. Als ob es einen Alfred Winslow Jones und seine Beta-Kalkulationen nie gegeben hätte...

https://twitter.com/gehirnforschung/status/13192445449118556…


Na dann mal rein in SAP. Heute morgen mit -20%

[faultcode]

S&P 500: Tag im Monat -- Performance:
<SPDR als Proxy>



Tags:
• monthday, day of a month
• SP500

[faultcode]

Antwort auf Beitrag Nr.: 65.495.407 von faultcode am 26.10.20 11:53:37

weltweit schießen die "Social Securities Investing"-Seiten wie Pilze aus dem Boden:

• heute: Ticker Trackers -- https://tickertrackers.com/about/

..die sich gezielt an Millennials und Gen Z richtet:

20.07.2020



ich habe noch nicht einmal herausfinden können, wo die ihren Sitz haben (ich vermute Canada wegen TSX, TSXV, CSE real time quotes).

Aber die sind mir ins Auge gesprungen durch solche Popularitäts-Listen (Kopien auf Twitter; Ticker Trackers selber meidet Twitter wie die Pest):




Das ist derzeit natürlich super-geschickt, da ja Robinhood ihre API diesbezüglich stillgelegt hat

=> ich möchte nicht wissen, wieviele Hedgies sich nun ein Konto dort zulegen werden

[faultcode]

Global cross asset correlation (GS), 2001-2020:

[faultcode]

Antwort auf Beitrag Nr.: 64.571.652 von faultcode am 28.07.20 17:07:28

Der NASDAQ 100 ist nun auch am Donnerstag ins durchschnittliche Minus (in 2020) gerutscht:

alt:




nun:




Montag ist also nun Top-Tag bei vielen Modewerten, die ja reichlich im NDX vertreten sind.
Gestern war größerer Blackout bei Interactive Brokers; bei Robinhood ist auch der Montag wegen zu hohen Ansturms gerne mal down:
https://www.bloomberg.com/news/articles/2020-07-13/ten-thous…
https://downdetector.com/status/interactive-brokers/

=> bei den Robinhodlern und Co. werden wohl am Wochenende "Berichte" der Finanz-Folklore konsumiert und Freunde etc. kontaktiert und am Montag dann FOMO-mäßig gekauft und die Profis nehmen dann sowieso vorm Wochenende wieder Chips vom Tisch zur Risiko-Minderung (siehe auch Wochenmuster im SP500).


Tags:
• Wochentag
• weekday
• NASDAQ100, NDX

[faultcode]

Opinion: How to take advantage of the January Effect in the U.S. stock market
Oct. 29, 2019
By Nigam Arora
https://www.marketwatch.com/story/how-to-take-advantage-of-t…
...

Two reasons behind the January Effect

The January Effect occurs for two reasons.

1. Investors buy stocks that were artificially depressed because of tax-loss selling and window dressing.

2. In January, Wall Street professionals get big bonuses. Those with big bonuses prefer bargain stocks and drive up the prices of the stocks that previously has been losers.

The conventional wisdom is that this effect applies only to small-company stocks. Our experience is that the effect is not limited to small stocks but applies to depressed stocks in general.


...

[faultcode]

[faultcode]

[faultcode]

Antwort auf Beitrag Nr.: 66.155.605 von faultcode am 22.12.20 03:14:45

Tag:
• S&P500

[faultcode]

Deutschland auf dem Niveau der Türkei.

Sogar Finnland liegt noch vorne.



aus:
Applications of deep learning in stock market prediction: recent progress
Weiwei Jiang
Department of Electronic Engineering, Tsinghua University, Beijing 100084, China
Preprint submitted to Elsevier Journal, March 5, 2020

[faultcode]

&quot;Therefore, the convenience of smartphone trading might come at a cost for many retail investors.&quot;

25.1.
Why are markets going crazy? Smartphones, one study suggests
https://www.marketwatch.com/story/heres-another-explanation-…

Low interest rates? Bored traders stuck at home? A new study has come up with an alternative explanation for the surge in speculative activity.

Smartphones.

A study circulated by the National Bureau of Economic Research found the use of smartphones increases the purchase of riskier and lottery-type assets, and chasing past returns.

The researchers looked at two large German retail banks that introduced trading applications for mobile devices between 2010 and 2017. For over 15,000 clients, they observed not just the transactions but the specific platform used for each trade.

The researchers were able to look at the same investor during the same month. Smartphones increase the probability of buying so-called lottery stocks by 67%.
The use of the devices increases the probability of buying assets in the top 10% of past performance by 12 percentage points.

Worryingly, once they start using smartphones, they also increase their risk chasing on non-smartphone platforms.


Another finding is that the risky behavior continues up to 10 quarters after the initial use of the smartphone app.

What is also startling is that the researchers weren’t looking at particularly young and inexperienced traders — these German investors were, on average, 45 years old with nine years of experience investing.

But one interesting finding is that nudges — the prominent feature of stocks that have experienced big moves — do not seem to drive activity. Results were strong across all asset classes and not just for those that are featured in the smartphone app.

The working paper was written by Ankit Kalda and Alessandro Previtero at Indiana University, Benjamin Loos at the TUM School of Management in Munich, and Andreas Hackethal at Goethe University Frankfurt.


--> original paper:
Smart(Phone) Investing? A within Investor-time Analysis of New Technologies and Trading Behavior.
Ankit Kalda, Benjamin Loos, Alessandro Previtero & Andreas Hackethal
https://www.nber.org/papers/w28363 --> PDF mit 58 Seiten

=>

...
6 Conclusion

Smartphones represent one of the most widely used technologies, with over 250 million devices in the US alone. Large online brokers report that over 20% of all retail investor annual trades have been executed using mobile devices and estimate this percentage to double in the next few years. (16)

Using a novel data set from two large German retail banks, we investigate if and how smartphones influence investors. Comparing trades done by the same investor in the same month across different platforms, we document that traders on smartphone buy more risky assets, chase higher volatility and higher skewness investments, and lotterytype assets. Moreover, investors are more likely to buy past winners.

We conduct several additional analyses to better understand the mechanism behind these results. Although investors are not more likely to use this newtechnology at specific hours of the day, smartphone effects are stronger during after-hours. The selection of specific times of the day or specific asset classes when using smartphones contribute—but do not fully explain—our results.

After using smartphones, investors start buying higher volatility, higher skewness, more lottery-type assets also in their non-smartphone trades. This evidence helps to rule out substitution effects across different platforms.

Collectively, our evidence suggests that investors make more intuitive (system 1-type) decisions while using smartphones. This tendency leads to increased risk-taking, gambling-like activity, and more trend chasing.

Previous studies have linked these trading behaviors to lower portfolio efficiency and performance. Therefore, the convenience of smartphone trading might come at a cost for many retail investors.

[faultcode]

Antwort auf Beitrag Nr.: 59.657.753 von faultcode am 17.01.19 22:46:46

29.09.2017

Zitat von faultcode: ...
=> André Stagge sieht daher den S&P 500 auch in den nächsten 30 Jahren den DAX outperformen
...

so sieht es aus.


Ansonsten: niemals auf Volkswirte bei der Geldanlage hören!

Heute: Carsten Mumm, CFA, Privatbank Donner & Reuschel AG, Chefvolkswirt
https://www.linkedin.com/in/carstenmumm/?originalSubdomain=d…


Carsten Mumm schrieb am 10.7.2017 dieses für's MM:

https://www.manager-magazin.de/finanzen/boerse/darum-werden-…


(*)


Doch - oh je - wie konnte das passieren?


beides in EURO
beides thesaurierend
USA = LU0490618542 = Xtrackers S&P 500 Swap UCITS ETF
Europa = FR0011550193 = BNP Paribas Easy Stoxx Europe 600 UCITS ETF
beide "Corona"


(*) Mumm schrieb u.a. dazu:

In den vergangenen zehn Jahren haben sich US-Aktien deutlich besser entwickelt als ihre europäischen Pendants....
FC: korrekt

...Mittel- bis langfristig sprechen jedoch einige Faktoren für eine zukünftig bessere Wertentwicklung an den europäischen Aktienbörsen:

• Politik:
...Damit richtet der sich der Blick vorerst auf die immer deutlicher werdenden Anzeichen einer sich erneuernden europäischen Einigkeit.
...
Donald Trump könnte für das Wiederentdecken der positiven Seiten Gesamt-Europas damit sogar ein Anstoßgeber sein. Für das krisengeschüttelte Europa entsteht neue Hoffnung - ein gutes Vorzeichen für die Aktienbörsen. In den USA haben die ersten Amtsmonate Donald Trumps hingegen politische Instabilität anstatt der erhofften Steuersenkungen oder Staatsausgabenprogramme gebracht.

FC: beides war dramatisch falsch, die Aussage über Europa, als auch die über die USA


• Konjunktur:
...Der IWF hat seine Prognose für das weltweite BIP-Wachstum für 2017 bereits im April auf 3,5 Prozent angehoben. Davon profitiert besonders der Export, dessen Anteil am Umsatz bei den größten europäischen Unternehmen mit etwa 50 Prozent deutlich größer ausfällt als bei US-Aktiengesellschaften mit rund 30 Prozent.

Auf eine stabile konjunkturelle Entwicklung in Europa deuten wichtige Frühindikatoren, wie beispielsweise der deutsche Ifo-Geschäftsklimaindex hin, der im Juni von 114,6 auf 115,1 Punkte und damit auf einen neuen Rekordwert anstieg. Auch die derzeit massiv negativen Realzinsen, der Investitionsanreiz schlechthin, unterstützen die wirtschaftliche Dynamik.
...

FC: besonders falsch. In Deutschland, aber auch woanders in Europa (mit Ausnahmen wie UK z.B.), fließt das Geld traditionell in die Immobilienmärkte, in den USA ("für den kleinen Mann und Frau") in die Aktienmärkte

Oder z.B. plakativ formuliert:
• man stelle sich die Nachrichtenlage in Deutschland vor, wenn veröffentlicht würde, daß Wolfgang Schäuble für über 500.000,00 EURO Call-Optionen auf Daimler (bis 2022) gekäuft hätte?
(siehe Nancy Pelosi's Calls auf Tesla vom Dezember 2020)

=> man sieht: die Wahrscheinlichkeit einer solchen Nachricht liegt bei nahezu null



• Geldpolitik:
...Der Hauptgrund für die weiterhin expansive Geldpolitik ist eine bisher nicht nachhaltig anziehende Inflation....

FC: der Null-Faktor in der kaputten EURO-Zone. Zwei Charts dazu:

"Big picture":


ansonsten:


=> mit anderen Worten: die EZB pumpte (heimlich) noch mehr als die FED. Und die Aktienmärkte in der EURO-Zone?


• Aktienmärkte:
...Ein wesentlicher Bremsfaktor in Europa war insbesondere die Bankbranche, für die ein Zusammenbruch der Eurozone fatale Folgen gehabt hätte und die unter den Niedrigzinsen besonders zu leiden hatte.

Seit den Wahlen in Frankreich Mitte April und aufgrund der jüngst gestiegenen langfristigen Zinsen konnten sich Banken jedoch erholen.
FC: und dann?


LU0292103651 = Xtrackers Stoxx Europe 600 Banks Swap UCITS ETF (thesaurierend)


weiter heißt es:
Für europäische Aktien sprechen zudem die günstigere Bewertung sowie die vergleichsweise hohe Dividendenrendite.

Nicht zuletzt wurden die steigenden Kurse von einer zunehmenden Nachfrage außereuropäischer Investoren getragen, die zusätzlich von dem anziehenden Eurokurs profitieren konnten.

FC: auch das stimmte nicht lange und erst wieder zuletzt:



Aber viel wichtiger:
• mal abwarten, wenn der EURO so richtig anziehen sollte (was ich nicht sage), was das dann für die oft exportorientierten Aktien in der EURO-Zone (Blue chips) im Schnitt bedeuten würde

[faultcode]

Antwort auf Beitrag Nr.: 66.715.613 von faultcode am 30.01.21 13:36:56

&quot;...weil die Realwirtschaft auch ganz schlecht gelaufen ist.&quot;

Carsten Mumm (2):

• nebenbei ist mir aufgefallen, daß Carsten Mumm seit 2017 spätestens auffallend viel in den deutschsprachigen sozialen Medien unterwegs ist:

KAPITALMARKTANALYSE -- Märkte mit Mumm
https://www.donner-reuschel.de/maerkte-mit-mumm/

https://twitter.com/CarstenMumm

youtube.com/playlist?list=PL0wk4HkolNPWNz9oVN8yqIp9iBYEZG_W2

https://www.private-banking-magazin.de/demografie-digitalisi…
...


Sein Kardinalfehler als "Börsenprofi" ist mMn, daß er viel zu volkswirtschaftlich denkt (und selbst da patzt er; siehe unten (#)). Damit fängt seine Argumentation eigentlich immer an und daraus zieht er dann oft genug falsche Schlüsse für die zukünftige Entwicklung von Aktienbörsen.

Aus Sicht seines Arbeitgebers hat das aber mMn durchaus Vorteile (~), weil es einfachere Verbindungen zwischen ihm, Mumm, und dem Zielpublikum herstellen kann, als so was in der Art sagen zu müssen:

"Sehr geehrte Damen und Herren. Die Börse ist ein nicht-deterministisches, chaotisches und stark nichtlineares System. Prognosen sind daher schwierig."


Unten ein Beispiel bei 28:30:

"...FOMO (Fear of missing out) heißt nichts anderes als, daß diese Wertentwicklung in 2019, 30 Prozent Plus an den Aktienmärkten, viele Anleger mit einer nicht ausreichend hohen Aktienquote begleitet haben, weil die Realwirtschaft auch ganz schlecht gelaufen ist.
Es gab gute Gründe keine Aktien zu haben in meinen Augen."

Mitten aus der "Corona-Margin-Call-Crash-Phase" am 11.3.2020:

DONNER & REUSCHEL | Konferenz Perspektiven 2020: Was Anleger 2020 beachten sollten



Es ist nicht so, daß Mumm ein permanenter Kontraindikator ist, auch weil er sich ständig nachkorrigieren kann mit seiner Häufigkeit an Aussagen. Sein damaliges Kursziel von oben mit DAX 14000 passte sehr gut (Januar 2021).

Beim S&P 500 lag er aber daneben mit 3250 Punkten bei dann 3700 Ende 2020:
• Mumm: "Da haben wir ein bischen weniger Potenzial für die US-Aktienmärkte aus den genannten Gründen. Die Bewertungen sind höher und die Konjunktur steht ein ganzes Stück weit auf der Kippe."

Und seine EURO/US-Dollar-Prognose vom März 2020? Eine Katastrophe (#)


Man muss aber auch dazusagen, daß das Erstellen von Börsenprognosen nicht sein eigentlicher Job ist. Sein Job ist es, Geld von vermögenden Kunden der Vermögensverwaltung seines Arbeitgebers zuzuführen; siehe oben (~).

2017 -- welch ein Zufall oder eben keiner:

Ende 2017 gab die Bank das gesamte standardisierte Geschäft (Girokonten, einfache Geldanlagen und Kredite) auf und trennte sich als erstes Geldhaus in Deutschland systematisch von weniger wohlhabenden Kunden.
https://de.wikipedia.org/wiki/Donner_%26_Reuschel

[faultcode]

bemerkenswerter Artikel:

4.2.2021
Trend Following is Hot Air
https://breakingthemarket.com/trend-following-is-hot-air/
...
Hot air is predictable, even though the properties of a single molecule are not.
...

..zu:
• Portfolio-Konstruktion
• kumulierte arithmetische Rendite versus kumulierte geometrischer Rendite
• Autokorrelation des Portfolios
• fraktaler Prozess
• Portfolio-Volatilität
• Portfolio-Korrelation








...
Importantly, you would never see this autocorrelation in any of the individual coins at any time period. But you can see these autocorrelation effects in a portfolio of coins.

A portfolio of random coins can therefore trend. They gain a bit of order by grouping them together.


...





...
It spikes down! Our lead coin has fallen back in line with a few other coins, and now our concentration isn’t so poor any longer. The portfolio’s fall therefore pushes the geometric return back into a positive position. Now the portfolio should trend back up again for a bit, or at a minimum stop falling.

So after the big crash the rebound wasn’t random. It was expected because the geometric return flipped back to positive again.

...
In a prior post, I pointed out how strange it was that studies found evidence of both trend following and mean reversion at the same time within the same market index. Yet here we are, a portfolio of coinflips which looks like it trends, and mean reverts at the same time. Interesting….
...


...

The rallies start when the portfolio has some balance and the geometric return is positive. As the rally runs, the balance goes away. It peaks, often in a spike, concentrated with all balance gone. Now concentrated–and with a negative geometric return–the portfolio reverts and heads downward. As it falls downward, the portfolio balance comes back, flipping the trend and starting the process over again.

...
Therefore the portfolio volatility steers the direction of our coin portfolio like the rudder on a ship. This behavior causes the coin portfolio to trend and mean revert.

...
The biggest difference between coins and the market is the existence of correlation in markets. Coin flips are always uncorrelated. Investments are not.

Correlation plays an enormous role in portfolio standard deviation.(5) In some ways it is more important than the individual stock volatilities. In investing correlations change.

So in the real world while portfolios will not degrade and become fully concentrated like our coin flip example, they are very likely to experience portfolio standard deviation changes through shifts in correlation. Therefore I believe it is critical to monitor portfolio correlation. Essentially correlation is the rudder on the investment portfolio ship, charting its most likely heading.

The [trend following] backtest will reveal an unexpected result:
• that the [trend following] strategy works very well on aggregate indices –e.g., the S&P 500, the FTSE, the Nikkei, etc.– but works very poorly on individual securities.

...
Stock markets behave essentially the same way. Random at the stock level, less random at the index level with signs of trends and mean reversion.

Which begs the question: do index trends and reversions indicate market inefficiency and behavioral bias, or instead reveal that many investing theories are full of hot air?


___
mit anderen Worten (FC):
• der US-Markt (S&P 500) kann nur kippen, wenn die führenden Komponenten, also die Big 5 (Apple, Microsoft, Amazon, Facebook, Google) anfangen zu kippen, also individuell von einer positiven geometrischen Rendite in eine negative geometrische Rendite kippen

oben ist die Rendite für eine Münze (Portfolio-Komponente):

The arithmetic average is 7.75%
The geometric average is -0.88%
The standard deviation is 42.25%

[faultcode]

Antwort auf Beitrag Nr.: 66.838.105 von faultcode am 05.02.21 11:50:01

(meine) Ergänzung:

mit:
• arithmetic mean AM
• geometric mean GM
• variance of the returns V

GM^2 + V ~ AM^2

=> "volatility drag" (volatility = SQR(Variance))


oder in besserer Näherung, auch bei erhöhter Vola, nach Markowitz (1991) (*):

GM ~ AM - V / (2*(1 + AM))


(*) aus:
DIVERSIFICATION, REBALANCING, AND THE GEOMETRIC MEAN FRONTIER
William J. Bernstein, David Wilkinson, 1997

[faultcode]

Coppock Curve:

https://school.stockcharts.com/doku.php?id=technical_indicat…

Coppock Curve = 10-period WMA of (14-period RoC + 11-period RoC)

WMA = Weighted Moving Average
RoC = Rate-of-Change

auf Monatsbasis: unten also die Close-Stände an jedem Monatsende (bzw. 12.2.2021 zuletzt)


=> SPY (S&P 500):




Bemerkenswert finde ich, daß der SPY seit der "EM-Rezession" 2015/2016 (ein echtes Fehlsignal) nie mehr unter die Null-Linie (= Verkaufssignal) gefallen ist.
Und zuletzt beim "Corona-Margin-Call-Crash" noch weniger Richtung null gekommen ist als beim Dip zuvor in 2018.
Dafür ist dieser Indikator wohl einfach zu träge:

The Coppock Curve is simply a smoothed momentum oscillator. Even though it was originally designed for monthly charts and long-term analysis, it can be used on intraday, daily or weekly charts and the settings can be adjusted to suit one's style.

[faultcode]

Antwort auf Beitrag Nr.: 55.603.249 von faultcode am 26.08.17 14:03:23

26.08.2017

Zitat von faultcode: Hier ist mir ein Wikifolio namens "CDAX-Werte Alpha" aufgefallen mit ausgesprochen hohem Sharpe Ratio von z.Z. 1.70:
https://www.wikifolio.com/de/de/w/wfalfacdax

(wie woanders bereits erwähnt, alles über 1.0 langfristig ist börsengenie-mässig und auch Glück. Langfrsitig hier wieder mit 15Y und mehr definiert.)

=> der grosse Knackpunkt: Wikifolio erklärt nicht, wie genau das Sharpe Ratio bei Ihnen berechnet wird, v.a. nicht über Anlagezeiträume von mehreren Jahren hinweg. Zumindest konnte ich dazu bisher nichts finden.

=> die Wahrscheinlichkeit, dass obiges Sharpe Ratio "in Wahrheit" viel zu hoch ist, ist sehr gross.

Update:

dieses Wikifolio wurde 2020 vom Trader geschlossen. Zufall?

[faultcode]

so ist es:


https://twitter.com/TaylorPearsonMe/status/13968894973427793…


February 4, 2019
No Pain, No Premium
By Corey Hoffstein
https://blog.thinknewfound.com/2019/02/no-pain-no-premium/

Tag:
• diversification

[faultcode]

Minimum Variance Portfolios (MVP) wirken mittel- und langfristig:


https://www.spglobal.com/spdji/en/indices/strategy/dow-jones…

Motivation:
11.8.
Quants Are Rethinking Stock Trades in the Manic Reddit Era
https://finance.yahoo.com/news/manic-robinhood-era-forcing-q…
...
To Mahjouri, the retail appetite for volatile names like Tesla Inc. is contributing to the big underperformance in a popular investing style known as low volatility, which has fallen out of favor in the risk-on reopening. A Dow Jones market-neutral index for the defensive strategy dropped for five straight quarters through June, falling 33% in its worst run of declines in more than a decade.

While quant fund performance has improved this year as a stronger risk appetite buoyed trades like value shares, the worry is whether the Reddit cohort is fueling a lasting change in market patterns.

Take short selling. Received wisdom in quantland has it that short sellers know something others don’t -- and the more willing they are to pay for their bets, the better their information probably is.
...


aber: Low Beta != Minimum Variance

Ein S&P 500 Minimum Variance ETF basiert auf dem S&P 500 Minimum Volatility Index



Beta:
• A beta of 1.0 means the stock moves equally with the S&P 500
• A beta of 0.0 means the stocks moves don’t correlate with the S&P 500
• A beta of -1.0 means the stock moves precisely opposite the S&P 500
...
Interestingly, low beta stocks have historically outperformed the market… But more on that later.
...

Ra = asset in question
Rb = market (= S&P 500 index)
...
The 100 Lowest Beta Stocks In The S&P 500 Index
https://www.suredividend.com/low-beta-stocks/

[faultcode]

Antwort auf Beitrag Nr.: 69.055.099 von faultcode am 15.08.21 14:14:26

30.7.2021 -- Factsheets:

Dow Jones U.S. Low Beta Index:

The Dow Jones U.S. High Beta Index is designed to measure the performance of 200 companies ranked as having the lowest beta.
Beta is calculated using weekly returns for the previous 52 weeks.
https://www.spglobal.com/spdji/en/indices/strategy/sp-low-be…

Anlage-Universum: ??

WEIGHT TOP 10 CONSTITUENTS [%] -- 6.6


S&P 500 Minimum Volatility Index:

...
The index seeks to achieve a lower volatility than the S&P 500 while maintaining characteristics like sector and factor exposure that are similar to the S&P 500.
The index, consequently, has a lower tracking error to the S&P 500 than low volatility strategies that are not constrained.
...

WEIGHT TOP 10 CONSTITUENTS [%] -- 25.2

[faultcode]

Antwort auf Beitrag Nr.: 69.055.213 von faultcode am 15.08.21 14:35:58

wie man leicht sehen kann, ist diese Aussage "..undermining .. time-tested trades like .. low-volatility investing" mindestens irreführend:

With amateurs now commanding roughly one-fifth of U.S. equity volume, a cohort of systematic players suspect the retail billions are undermining time-tested trades like short selling and low-volatility investing.

Low beta ist z.Z. ein Problem (und Shorten idR sowieso), aber nicht Low bzw. Minimum volatility:




Wobei "low-volatility" mMn keinen Sinn macht: entweder es soll "Low beta" sein oder "Minimum volatility", aber keine Mischung davon.

Bloomberg-Finanz-Folklore halt.

___
ansonsten: vola = standard deviation σ = SQR(variance)

[faultcode]

28.9.
MIT Study Finds Older Men Are More Likely to Panic Sell Stocks
https://finance.yahoo.com/news/mit-study-finds-older-men-105…
...
Investors who are male, over the age of 45, married or consider themselves as having “excellent investment experience” are more likely to “freak out” and dump their portfolio during a downturn, according to a paper published last month that analyzed more than 600,000 brokerage accounts.

The researchers say their work can be used to create predictive models, which would help identify individuals at risk of panic selling.

“Financial advisors have long advised their clients to stay calm and weather any passing financial storm in their portfolios,” wrote Daniel Elkind, Kathryn Kaminski, Andrew Lo and colleagues. “Despite this, a percentage of investors tend to freak out and sell off a large portion of their risky assets.”

The extreme emotional swings of being a stock-market investor has long fascinated behavioral scientists. While the MIT study didn’t explore why exactly investors panic sell, the intense fear and desire to give up and get out of the market is well-known to any trader.
...

In the study, the researchers defined a panic sale as a plunge of 90% of a household account’s equity assets over the course of one month, of which 50% or more is due to trades.

“Panic sales are not random events,” the researchers wrote, saying its possible to identify clear trends in the data. They found that specific types of investors, such as those with less than $20,000 in their portfolio, also tend to liquidate more often.

“Subtle patterns in portfolio history, past market movements, and demographic profile can be exploited by deep neural networks to accurately predict if an investor will panic sell in the near future,” they added.

[faultcode]

Antwort auf Beitrag Nr.: 69.454.645 von faultcode am 29.09.21 14:46:36

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3898940 -->


...

ich habe schon den ersten Fehler gefunden auf Seite 26 in der Conclusion

While the disposition effect claims that investors tend to hold on to their losers and keep their winners,..
--> es muss heißen: ...sell their winners

...
Panic selling and freakouts often have negative connotations. We show that this negativity may not always be warranted. While panic selling in normal market conditions is indeed harmful to the median retail investor, freaking out in environments of sustained market decline prevents further losses and protects one's capital. (*)

Panic sales are not random events. Specifc types of investor, such as those with less than $20000 in portfolio value, tend to liquidate more frequently than others. Subtle patterns in portfolio history, past market movements, and demographic prole can be exploited by deep neural networks to accurately predict if an investor will panic sell in the near future.

Unfortunately, the problem of causation cannot be addressed with the data we have. Therefore, our study does not address why investors panic sell. This topic, however, would doubtless be an interesting direction for future research.


(*) alte Börsenweisheit: if you’re going to panic, panic early

[faultcode]

TSO (Tradesignal Online) macht nun Schluss für Retail bis Ende 2021, was mMn sehr schade ist, auch wenn ich es nur ab und zu nutzte, um schnell durch meine Chart-Templates zu flippen:

https://www.tradesignalonline.com





Guidants (https://go.guidants.com) und auch TradingView (https://www.tradingview.com) aus UK sind (bislang) keine Alternative für mich, auch nicht gegen Bezahlung.

Denn ich schätzte an TSO 3 Dinge ganz besonders:

a/ sehr gute Übersichtlichkeit mit indiv. Chart-Template für jedes Wertpapier (> 100)

b/ Volume-at-Price-Charts der besseren Art

c/ die "TSO-Pseudo-Kurtosis" (zweifach geglätteter Zweifach-Momentum-Indikator), die ich nun wohl in R + ggplot2 nachbauen werde: https://www.wallstreet-online.de/diskussion/1258587-71-80/kl…






TradingView macht zunächst einen guten Eindruck, aber das individuelle Chart-Templating bei Beibehaltung einer guten Übersicht ist mir ein Rätsel (ohne vielleicht zu den Super-Produkten dort greifen zu müssen, was bei mir zur Folge hat, mich schleichend an eine Plattform zu binden):



nebenbei: der Volume-at-Price-Teil oben bei TradingView war ein ziemliches Gefummel. Kein Vergleich zu TSO.

zuletzt: bei StockCharts gebe ich z.B. Bilfinger ein und die finden nichts: https://stockcharts.com/search/?section=symbols&q=bilfinger


Ich seh schon: am Ende muss ich wohl ein Monster-Python-Programm schreiben zur individuellen Massen-Chart-Generierung auf Knopfdruck, wozu ich aber eigentlich wenig Lust habe

Nun werde ich lauter Hardcopies bei TSO machen, um zu sehen, was ich mir da die letzten Jahre zusammenbastelte.

[faultcode]

Antwort auf Beitrag Nr.: 69.572.544 von faultcode am 12.10.21 14:50:58

HTML5 in der Chartechnik:

ich habe keine Ahnung welche Frameworks TSO benutzt, sehe aber, daß HTML5 + JavaScript für die Chartechnik im Web massiv um sich gergriffen hat.
Auch TradingView benutzt es: https://www.tradingview.com/HTML5-stock-forex-bitcoin-charti…

Hier, und woanders, scheint wohl der geradezu manische Zwang zur "Mobility" oft ausschlaggebend gewesen zu sein: HTML5 Canvas technology ensures that (unlike pictures) this chart will always look perfect on any device.

z.B.:

www.chartworks.io


Der rasche und massive Aufstieg der "Mobile Stock-Trading App Robinhood" ist hier mMn Ursache und Sympton zugleich.

=> für mich sind aber "Pictures" (ohne Echtzeit- und Intraday-Daten) auf dem Windows 10-Desktop gut genug


Im Hintergrund spielt mMn auch der anhaltende Krypto-Boom eine Rolle; ein Umfeld, wo ganz offensichtlich kein besonderer Wert auf ausgefeiltere Charts gelegt wird.

Und ich meine Technical stock charts, also keine Watchlisten oder Portfolio-Verwaltung mit Analysen oder Dashboards mit Market overviews.

Und auch kein Wertpapierhandel aus einer App heraus; ja, dort war/ist das große Geld mit zu machen. Zumindest hoffen das die Macher


nebenbei: Volume by price charts (volume profile) sind bei der ansonsten hochgelobten Koyfin-Plattform wo zu finden?

[faultcode]

Antwort auf Beitrag Nr.: 69.572.544 von faultcode am 12.10.21 14:50:58

Zitat von faultcode: ...
c/ die "TSO-Pseudo-Kurtosis" (zweifach geglätteter Zweifach-Momentum-Indikator), die ich nun wohl in R + ggplot2 nachbauen werde: https://www.wallstreet-online.de/diskussion/1258587-71-80/kl…



...

so in etwa
<oben ist ein Wochen-Chart => "Kurtosis(3)" in magenta mit (45,52,45) x 5 = (225,260,225)>



--> pastebin: https://pastebin.com/rRi13vRw

[faultcode]

Antwort auf Beitrag Nr.: 62.343.740 von faultcode am 11.01.20 02:09:36

Zitat von faultcode: das "TSI-System" ("TSI-Depot") des AKTIONÄRS wird wieder überarbeitet:
...

ich halte mal fest:

26.01.2021

Zitat von elmago: ...
Das TSI-System im Aktionär ist nicht viel wert, denn es wird als Musterdepot dargestellt, wo alle Kosten und Steuern unterschlagen werden. Dieser Thread entstand übrigens wegen der Schwächen des TSI 2.0.
Ich habe mal den TSI 2.0 über 5 Jahre nachgebildet, und zwar ohne Kosten und Steuern (siehe Chart). Mit einem DAX-ETF (buy and hold) fährst Du besser, weil während der Haltedauer keine Steuern und Kosten anfallen.
...

<ich räume gerade den PC auf und beim Einsortieren bin ich über dieses alte Verzeichnis gestoßen: "Trading strategies and Risk factors/TSI-System, DER AKTIONÄR" >

[faultcode]

Zum TeamViewer-Desaster z.Z.:

Zitat von Dreiseitensteak: ...Preise werden gemacht, sie entstehen nicht zufällig.
...

nein, Preise an nicht-manipulierten Finanzmärkten entstehen weitestgehend zufällig.

Auch der Kursverlauf der TeamViewer-Aktie entspricht weitestgehend, aber nicht vollständig, dem einer Zufallsvariablen. Auch hier sind die Preise in grober Näherung lognormal-verteilt.
(siehe z.B. Random Walks, John Norstad, retired, Northwestern University)

[faultcode]

S&P 500: 6-Monats-Durchschnitte der Renditen (saisonal):


https://www.zerohedge.com/markets/goldman-trader-state-marke…

[faultcode]

2022
When Do Investors Freak Out? Machine Learning Predictions of Panic Selling
MIT Laboratory for Financial Engineering
https://jfds.pm-research.com/content/4/1/11
...


...

Second, we find that 30.9% of the investors who panic sell never return to reinvest in risky assets; however, of those who do, more than 58.5% reenter the market within half a year.

Third, we analyze the demographics of the investors who tend to ‘freak out’ under our definition (i.e., they make panic sales during periods of sharp market downturns), and find that a higher proportion of investors who are male, above the age of 45, married, have a greater number of dependents, or have declared themselves to have excellent investment experience or knowledge tend to freak out. (*)

Fourth, we find that the median investor earns a zero to negative return after panic selling. Calculating the opportunity cost of panic selling over time reveals that panic selling is suboptimal if executed in an improving market, but it is beneficial as a stop-loss mechanism in rapidly deteriorating markets.

Finally, we develop machine learning models to predict when investors might panic sell in the near future. Our set of predictive features includes the demographic characteristics of the investor, the investor’s portfolio histories, and current and past market conditions. This task is made difficult by the extreme rarity of panic sales. Nonetheless, our best-performing deep neural network achieves a 69.5% true positive accuracy rate and an 81.2% true negative accuracy rate, demonstrating that artificial intelligence techniques can assist in identifying individuals at risk of panic selling in the near future.
...


Panic sales are not random events. Specific types of investor, such as those with less than $20,000 in portfolio value, tend to liquidate more frequently than others. Subtle patterns in portfolio history, past market movements, and demographic profile can be exploited by deep neural networks to accurately predict whether an investor will panic sell in the near future.

Unfortunately, the problem of causation cannot be addressed with the data we have.

Therefore, our study does not address why investors panic sell. This topic, however, would doubtless be an interesting direction for future research.

___
(*) diese Anlegerklasse kann man mMn auch gut in den (deutschsprachigen) "Gold- und Crash-Foren" bei WO beobachten

[faultcode]

The Pitfalls of Asset Management Research
13 Pages Posted: 5 May 2022
Campbell R. Harvey
Duke University - Fuqua School of Business; National Bureau of Economic Research (NBER)
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4078138


...


How can we improve?

The problem of p-hacking is not unique to finance. Indeed, many other academic areas are realizing they have the same problem and are taking steps to address it. Indeed, the cost of p-hacking is arguably much higher in medical research—where a study’s results might mean the difference between life and death—than in finance where the primary concern is the size of the alpha.

Curiously, we are experiencing an ongoing debate in academic finance about whether p-hacking in financial research is a crisis. Our field is not special compared to other fields of study and does not warrant a free pass.

Investors can take a number of steps to mitigate the problem. First, be skeptical of both academic and practitioner research. Often a predetermined agenda or incentives make the results seem stronger than they are.

Second, take the research culture into account. For example, when presented with a new strategy, ask if the company keeps a record of all variables that were tried.

Third, try to quantify the costs of different mistakes (selecting a bad manager versus missing a good manager, see Harvey and Liu (2020b)).

Fourth, make sure the strategy has a solid economic foundation. Also, beware of ex-post theorizing (after discovering the result, a story is concocted).

Fifth, strategically ask questions such as “Did you try X?” If the answer is “Yes, and it does not work” and X is not reported, interpret this as a red flag. On seeing one cockroach, you can safely assume a dozen are behind the wall.

[faultcode]

“The supposedly all-weather 60/40 portfolio is not ready for stagflation,” said Nancy Davis, founder of Quadratic Capital Management.



...
Wall Street pros are famously still at loggerheads over the fate of the trillion-dollar 60/40 complex -- only this time the balanced investment strategy is posting losses on a scale that’s shocking even its biggest critics.

With stocks and Treasuries tumbling anew thanks to the Federal Reserve’s increasingly hawkish policy direction, the time-honored method of allocating 60% to equities and 40% to fixed income has plunged about 14% so far this quarter. That’s a worse quarterly showing than in depths of the global financial crisis and during the once-in-a-century pandemic rout, according to data compiled by Bloomberg.

It’s the latest sign that the hedging power of bonds continues to vanish in the inflation era, sparking wealth destruction across American pension funds.

God help those paid to figure out if the asset class will break out of its existential funk or founder. It’s an increasingly high-stakes bet on whether the world succumbs to yet-more inflation, a recession or even stagflation.

Goldman Sachs Group Inc., for its part, thinks Treasuries remain dead as a hedge as central bankers tighten policy big time. By contrast, the likes of JPMorgan Asset Management reckon yields at multi-year highs will help bonds deliver the goods in the next crash.

“During 2008-2009, the utter collapse of stocks was a brutal hit to performance,” wrote Bespoke Investment Group analysts in a note. “But despite an enormous surge in credit spreads, bonds didn’t drop very far or for very long.”

Over the past decade, the likes of pension funds invested on the conviction that bonds would reliably keep producing steady income to offset equity losses in any market downturn. It largely worked, with the 60/40 strategy only ending down in two of the past 15 years -- all while posting modest volatility to boot. Even in the throes of the financial crisis, when stocks sapped performance, rallying Treasuries softened portfolio losses.

But this year, inflation has become a risk too big to hedge, hitting both bonds and equities together. The cross-asset selloff intensified in the past week thanks to the biggest Fed interest-rate increase since 1994 with another jumbo hike in the offing. All that is hurting American pension funds to a degree that few saw possible even just weeks ago.
...

19.6.
Wall Street’s Classic Strategy Set for Worse Quarter Than 2008
https://finance.yahoo.com/news/wall-street-alarms-bell-60-18…

[faultcode]

2021
Should Passive Investors Actively Manage Their Trades?
Sida Li
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3967799
...


VI. Conclusion

In this paper I analyze the trading behaviors of passive-investing ETFs and calculate their transaction costs. I find that 56% of ETFs follow mechanical trading strategies that abruptly rebalance at the closing price of an index reconstitution date, although their trading dates and tickers are both publicly known 5 days before a reconstitution.

These ETFs experience a hefty 67 bps execution shortfall for their trades. This high cost is especially surprising because ETF rebalance trades are generally rule-based and not information-driven. Given these poor execution strategies, these uninformed mechanical traders are paying higher execution costs than informed traders.

Camouflaging either what or when to trade reduces transaction costs for ETFs. Self-indexing ETFs choose to track private indices to hide their trading interests. Opaque ETFs camouflage their rebalancing schedules and use alternative rebalance paces. The savings per trade involved with these two approaches are about 30–34 bps, which translates to about 9.6 bps per year of AUM. If 56% of U.S. ETFs operating in the $3 trillion passive ETF industry are not rebalancing optimally, $1.7 billion in rebalancing costs can be saved with smarter rebalancing strategies.

The optimal order-execution problem is complex for all market participants, so large buy-side institutional traders typically develop complex algorithms to execute their trades. For example, these investors deploy various order-splitting algorithms (Almgren and Chriss 2000, Obizhaeva and Wang 2013, Li and Ye 2021), use sophisticated order types (Li, Ye, and Zheng 2021), or even use atomic clocks (Baldauf and Mollner 2020) to minimize transaction costs and avoid being exploited by front-runners.

I provide evidence that even not-so-complex execution strategies, e.g., simply camouflaging either the timing or the underlying stock of a trade, can lead to considerable execution-cost savings for passive investors.

[Hondo2]

"Black Swan Indicator" - SP 500 - sauber vorhergesagt

Der"Black Swan Indicator" hat sauber ins Schwarze getroffen:

[faultcode]

23.8.
Julian Robertson, founder of Tiger Management, dies at 90
https://www.msn.com/en-us/money/savingandinvesting/julian-ro…
...
Julian H. Robertson, the founder of Tiger Management LLC and mentor for a generation of hedge fund managers known as “Tiger Cubs,” has died at the age of 90.

Bloomberg reported his death on Tuesday, citing his longtime spokesman, Fraser Seitel.

Robertson built Tiger Management into one of the most successful hedge fund firms, starting with $8 million in assets and growing to more than $21 billion. One expert called him one of the “true founding fathers of the modern hedge fund industry."

Along the way, he mentored a generation of some of the biggest hedge fund stars of our time, including Robert Citrone and Chase Coleman. Notably, Bill Hwang was also a "Tiger Cub" before being criminally charged with securities fraud in April of this year in connection with the far-reaching collapse of his family office, Archegos Capital Management.

Julian Hart Robertson, Jr. was born on June 25, 1932, in Salisbury, North Carolina, a small town located in the state’s Piedmont region.

“It was a wonderful place to grow up. I think everyone should be required to grow up in a small town,” Robertson said in his distinctly southern accent during a 2013 interview with OneWire.

He spent his high school years at boarding school at Episcopal High School in Alexandria, Virginia.

“That was the place that meant the most to me educationally. That and the U.S. Navy,” Robertson told OneWire.

He graduated from the University of North Carolina, Chapel Hill in 1955. While in college, he was a member of the Zeta Psi fraternity.

After college, he served in the Navy for two years before beginning his career on Wall Street as a stockbroker for Kidder, Peabody & Co. By 1974, Robertson was serving as CEO of Webster Management Corporation, the firm’s investment advisory subsidiary.

In 1978, Robertson departed Kidder, Peabody and traveled to New Zealand where he planned to write a novel. He would later become an owner of luxury golf resorts and a vineyard in New Zealand.

“I think I realized what we were doing was the wrong way of investing. We were doing the conventional stuff of 15% bonds, 85% stocks, or something of that nature. I think I realized pretty quickly that what we should be doing — because I ran my account this way — was running a hedge fund,” Robertson told OneWire.

In 1980, at the age of 48, Robertson launched Tiger Management, a long-short equity hedge fund that also moved into global equities, commodities, currencies, and bonds.

“He was a charmer in a southern way, a networker in a New York way; and far from being coldly in control, his mood could swing alarmingly. Tall, confident, and athletic of build, he was a guy’s guy, a jock’s jock, and he hired in his own image,” Sebastian Mallaby wrote in his best-selling book “More Money Than God.”

Aside from stellar investment success, Robertson had a gift for picking the best talent. During his career, Robertson seeded dozens of so-called “Tiger Cubs,” protégé analysts and portfolio managers who would also build some of the most successful hedge fund firms, including Philippe Laffont of Coatue, Chase Coleman of Tiger Global, Lee Ainslie of Maverick, John Griffin of Blue Ridge Capital, Steve Mandel of Lone Pine, and many more.

“The most important things with hedge fund managers [is] that they are smart and that they are honest. Close behind that is probably competitiveness. We really like competitors. Someone who won’t lose, doesn’t lose,” he told OneWire.

In his 2008 book, “Julian Robertson: A Tiger in the Land of Bulls and Bears,” Daniel Strachman wrote of Robertson’s “competitive streak that runs deep in his veins, and he unleashes it not only when he is trading or investing but also in his everyday life, including when he is relaxing on the golf course.”

Robertson, whose roots were in value investing, saw his hedge fund’s performance decline in the late 1990s as internet and tech stocks ripped higher. A critic of high-flying tech stocks, Robertson closed his hedge fund firm and returned money to investors in 2000 right before the dot-com bubble burst.

He continued to operate Tiger Management as a family-office hedge fund, managing his personal fortune. Robertson’s wife of 38 years, Josephine Tucker Robertson, died in 2010 at the age of 67. Her obituary in The New York Times noted that she and her husband were leading supporters of the Central Park Conservancy and Lincoln Center for the Performing Arts.

[faultcode]

2022-11
How Many Stocks Should You Own?
https://ndvr.com/journal/how-many-stocks-should-you-own

=> 5 PDF-Seiten:

[faultcode]

ein kontroverses, aber interessantes Papier:


https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4246321

<The presence of the index fund (or a decrease in the fee charged by the index fund) tends to increase stock market participation and thus increase asset prices and decrease expected returns from investing in the stock market.>

[Hitman2]

S&P

Diese 6 Mega-Caps sind für die Hälfte des S&P 500-Wertverlusts verantwortlich
https://www.wallstreet-online.de/nachricht/16379266-jahr-hor…

[Hitman2]

S&P

Diese fünf Handelstage ruinierten das Börsenjahr 2022
https://www.wallstreet-online.de/nachricht/16379416-95-s-p-5…

[faultcode]

Maschinelles Auslesen von Fundamental-Daten bei Yahoo Finance -- z.B. für alle Komponenten in einem Aktienindex:

https://pastebin.com/uBPPQbpd

--> Python Script, um z.B. auf diese Werte hier zuzugreifen:


...
https://finance.yahoo.com/quote/aapl/key-statistics?p=aapl (*)


also oben für alle NASDAQ100-Komponenten die "% Held by Institutions".

Wie man sieht (stackoverflow.com/...) gibt es dabei heutzutage zwei "Negertricks", so liest man z.B. diese URL (*) eben nicht direkt aus

Früher war sowas (viel) einfacher, aber heutzutage sperren sich viele (populäre, kommerzielle) Webseiten erfolgreich gegen Web scraping, weil ja Refinitiv und Co. auch ein paar Dollar sehen wollen.

nasdaq.com z.B. sperrt sich erfolgreich gegen so ein GET request, zumindest so wie ich es implementierte:

resp = requests.get(URL, headers=headers)

Das Script funktioniert (derzeit) und legt eben eine csv-Datei mit den Ergebnissen zu allen Stock-Symbolen an.

Allerdings sind die dortigen Fundamentaldaten auch mit Vorsicht zu genießen, ich halte sie oftmals auch für falsch. GLOBALFOUNDRIES Inc. (GFS) z.B. steht da mit 103.11%
Bei anderen (NASDAQ100-)Werten erscheint mir diese Angabe als viel zu niedrig, da von den Rohdaten-Lieferanten mMn als viel zu aufwendig zu ermitteln in einem regulären Zyklus.

Aber Daten-Qualität ist ein anderes Thema.

Nebenbei: solche Index-Stock-Symbole kann man einfach manuell bei Investing.com auslesen:

https://www.investing.com/indices/nq-100-components

Diese Symbole könnte man auch zuvor in einer csv-Datei ablegen. Beim NASDAQ100 ändern die sich aber nur regulär jährlich im Dezember, außer bei Sonder-Situationen.

[Hitman2]

S&P

S&P 500: "3925 sind in der ersten Woche problemlos möglich"
https://www.wallstreet-online.de/nachricht/16384649-wisslers…

[faultcode]

Antwort auf Beitrag Nr.: 59.567.456 von faultcode am 06.01.19 01:15:11

Golden cross im DJIA im Dezember 2022:

[Hitman2]

S&P

Anleger-Alarm! S&P 500 vor Durchbruch: Wieder grüne Börsenwoche? - Aufatmen?
https://www.wallstreet-online.de/nachricht/16408817-wisslers…

[faultcode]

Day Trading mit $QQQ, $TQQQ (https://www.etf.com/TQQQ) mit einer Opening Range Breakout (ORB)-Strategie:

11.4.2023
Can Day Trading Really Be Profitable? Evidence of Sustainable Long-term Profits from Opening Range Breakout (ORB) Day Trading Strategy vs. Benchmark in the US Stock Market
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416622 =>


...
One popular strategy employed by day traders is the n-minute ORB strategy [9]. As shown in Figure 1, this approach usually involves identifying the high and low points of a stock during the first n-minutes of trading, and then buying or selling when the stock breaks out of this range. A more simplistic version of this strategy can be obtained by buying or selling at the open of the second candle in the same direction of the first n-minute candle. This strategy is often used because it can generate quick profits, with traders looking to capitalize on the volatility that can occur at the beginning of the trading day.
...


...


...


Instead of using the low or the high of the day for stop loss placement, we decided to use a fraction of the 14-day average true range (ATR) for the stop loss. We surmised that a fixed percentage of the ATR should be a better and more stable representation of the volatility of the stock during the day. For the profit target, we ran an analysis of profit targets that ranged from 1R to 10R and EoD. We noticed that the best results were achieved, as shown in Figure 7, with tight stop losses (5% of the 14-day ATR) and by keeping the trade active until EoD in order to maximize the possible R as the profit target. This is a truly fascinating result, as it empirically confirms the correctness of the commonly used saying to cut losses quickly (by having a small stop loss) and to let profits run (by having a large profit target or by reaching EoD).
...



...

[faultcode]

Sell in May and go away?

2006, 2009: The Halloween Effect in US Sectors
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=901088

Sommer: Mai bis Oktober
Winter: November bis April
...


...

[faultcode]

19.7.
‘Night Effect’ ETFs to Shut Down With Overnight Stock Returns Elusive
https://finance.yahoo.com/news/night-effect-etfs-shut-down-1…
...
After launching last June, both funds have struggled to attract assets and badly underperformed their benchmarks. The ETFs use futures and swaps to capture the difference in returns between when US trading hours end and when the market reopens.

While overnight action has been shown to deliver better returns than regular trading — chalked up to factors such as off-hours news announcement, such as data releases or earnings reports — trading costs and other components can eat into performance when the strategy is actually implemented, according to Morningstar Inc.
...

[faultcode]

S&P 500: Monats-Performance "Corona und Post-Corona":
<$SPDR-ETF als Proxy>



=> der September ist also mal wieder zuverlässig seinem schlechten Ruf (außer man ist Shortie) in den letzten 4 Jahren voll gerecht geworden

4 Jahre entsprechen genau einem US-Wahlzyklus. Man könnte hier mMn schon fast von einem Quartalsmuster sprechen (+):

1. Quartal: negativ: -3.16%
2. Quartal: positiv: +4.44%
3. Quartal: volatil => außer Spesen nichts gewesen (*)
4. Quartal: sehr positiv: +10.5%
<48 Datenpunkte = 4 Jahre * 12 Monate>


(*) 3. Quartal:
July 0.0520313615
August 0.0106256399
September -0.0594682066
=> (1 + 0.0520313615) * (1 + 0.0106256399) * (1 + -0.0594682066) - 1 = -0.000017 = 0.00% (#)


(+) das oben ist keine super-korrekte Rechnung, sondern nur indikativ zu verstehen, weil ich arithmetische Renditen (im Diagramm) mit geometrischen (#) vermischt habe. Die Quartals-Renditen im arithmetischen Mittel sehen korrekterweise so aus (welche dankenswerterweise auch mit der R-tq_transmute()-Funktion ermittelt werden kann (+aggregate(..FUN = mean)) und nicht von mir zusammengefummelt wurden):

Q1: -2.94%
Q2 : +4.86%
Q3: 0.00%
Q4 : +10.14%


Tag: SP500

[faultcode]

Antwort auf Beitrag Nr.: 75.035.361 von faultcode am 01.01.24 15:04:43

(es muss $SPY heißen als Symbol, nicht $SPDR)

Dasselbe kann man natürlich auch für den DAX, hier stellvertretend (und handelbar) mit diesem ETF, machen (mein Standard-Benchmark für den dt. Aktienmarkt): https://www.ishares.com/de/privatanleger/de/produkte/251464/…
<ISIN DE0005933931>



=> der September war nicht ganz so schlimm im Schnitt (das Q3 aber dennoch leicht negativ statt flach beim $SPY-ETF), dafür der November noch ein bischen besser als beim $SPY (immer nur in der jeweiligen Landeswährung), wobei das Q4 beim DAX dann doch nicht ganz an das beim S&P 500 heranreichen konnte.

Die Quartals-Renditen im arithmetischen Mittel sahen so aus:

Q1: -3.25%
Q2: +4.48%
Q3: -2.07%
Q4: +8.79%


Auf Basis gleicher Währung (EURO) sah es in den vergangenen 4 Jahren so aus:


<das sollte bei beiden ETF's Total return sein: SP500-ETF in [EUR], acc.: iShares Core S&P 500 UCITS ETF (SXR8), XETRA: IE00B5BMR087: https://www.wallstreet-online.de/etf/a0yedg-ishares-core-s-p…>

[faultcode]

Zitat von faultcode: ...
(b) das heißt aber auch, daß ein Markt, wie nach dem Platzen der "Dotcom"-Blase ~Ende 2000 bis ~Anfang 2003, von so einer SMA-Strategie nicht besonders gut umgangen werden kann: ...

hier mal drei Filter auf Basis von Monatsendwerten. Ich mag den SMA200, der in der Literatur (*) dann gerne auf Basis von 10 Monatsendwerten nachgebildet wird ("SMA10"), nicht. Ich bevorzuge 12 Monate ("SMA12", "EMA12", "WMA12"):



=> der WMA-Filter erwies sich einmal mehr öfter als "Frühindikator" (hier bei einem DAX-ETF), also noch vor SMA und EMA, aufwärts und abwärts. Aber natürlich nicht immer.

Das mit den Monatsendkursen, und nur diesen, finde ich gut. Solche Monatsendkurse spielen auch im praktischen Leben eine große Rolle. Zum Beispiel findet das Rebalancing bei den MSCI Factor Indizes monatlich statt : https://www.msci.com/www/index-factsheets/msci-factor-indexe…

In der akademischen Literatur ist das sowieso der Fall. Die ganzen Fama-French-Carhart-Faktoren ("FFC") werden standardmäßig auf der Basis von Monatsendkursen berechnet.

Ob das schon (praktischerweise) mit Markowitz ("Portfolio Selection") Anfang der 50er Jahre anfing, kann ich nicht sagen.

Nebenbei: die DAX-Faktor-Portfolios ("Minimum Variance", "Maximum Sharpe Ratio") werden auf Quartalsbasis rebalanciert, so wie auch der DAX mit allen Regeln (und der S&P 500 standardmäßig).

Doch optimal ist beides nicht:

The ad hoc methods of periodic and tolerance band rebalancing provide simple but suboptimal ways to rebalance portfolios. Calendar-based approaches rely on the fact that, on average, we expect the portfolio to become less and less optimal as time goes on but they do not use any knowledge about the actual state of the portfolio.

2005
Optimal Rebalancing Strategy Using Dynamic Programming for Institutional Portfolios
Walter Sun, Ayres C. Fan, Li-Wei Chen, Tom Schouwenaars, Marius A. Albota
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=639284
...

hier wird stattdessen ein Dynamic programming-Ansatz gewählt (für institutionelle Anleger):

Our second contribution is to then apply the method of dynamic programming to minimize a cost functional that explicitly models this point. Thus our optimal policy trades only when the expected cost of trading is less than the expected cost of doing nothing with costs evaluated over the next period and all future periods.

nebenbei: man muss nicht immer alles rebalancieren:

In most cases, partial rebalancing can provide nearly the same utility as full rebalancing while saving on transaction costs.


Eigentlich ist das ein wichtiges Thema, denn egal welches Portfolio-Modell ich (implizit) wähle, am Ende stehen alle Modelle früher oder später vor der Rebalancierungs-Frage.


(*)
A Quantitative Approach to Tactical Asset Allocation
https://papers.ssrn.com/sol3/Papers.cfm?abstract_id=962461
Mebane T. Faber
May 2006, Working Paper / Spring 2007, The Journal of Wealth Management / February 2009, Update / February 2013, Update
...
The system is as follows:
BUY RULE: Buy when monthly price > 10-month SMA.
SELL RULE: Sell and move to cash when monthly price < 10-month SMA.
...
The model is only updated once a month on the last day of the month. Price fluctuations during the rest of the month are ignored.
...

[faultcode]

frisch aus der Presse vom Juli 2023 (~130 Seiten):

Financial Machine Learning
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4501707

Bryan Kelly, Yale University and AQR Capital Management
Dacheng Xiu, University of Chicago: https://dachxiu.chicagobooth.edu/ --> das ist der Prof., der quasi heutzutage auf der CRSP US Stock Database (CENTER FOR RESEARCH IN SECURITY PRICES) sitzt: https://www.crsp.org/

[faultcode]

Antwort auf Beitrag Nr.: 75.042.468 von faultcode am 03.01.24 11:10:03

CRSP, NYSE, AMEX, NASDAQ und der Rest der Welt: Small Caps

In Europa und damit in Deutschland, Frankreich und selbst in Großbritannien scheint es bis heute keine vergleichbare und gepflegte Kurs- und Feature-Datenbank zu geben wie eben die CRSP US Stock Database in Chicago.

Ein aktuelles Beispiel (mit teils prominenten Autoren, hier Thomas Raffinot, heutzutage Head of Quant Investment Signals at AXA Investment Managers: https://informaconnect.com/quantminds-international/speakers…) habe ich hier gefunden: aus Frankreich und vom September 2022:

Interpretable Supervised Portfolios
Guillaume Chevalier, Guillaume Coqueret, Thomas Raffinot
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4230955

--> sucht man darin nach den verwendeten (Aktien-)Kursen, so findet man Folgendes:

Our dataset, taken from Gu et al. (2020)7 consists of monthly individual stock returns from the Center for Research in Securities Prices (CRSP) for all firms listed in the three major exchanges: NYSE, AMEX, and NASDAQ, covering the period from December 1984 to December 2020.

=> damit handelt es sich also vorrangig um eine Datenbasis mit Aktien, deren Unternehmen ihren Steuer- und Rechtssitz in den USA haben, wenn auch nicht zu 100%

Denn bei "for all firms listed" müssten auch die ADR-Kurse von z.B. der deutschen BioNTech mit ihrer Heimatbörse Nasdaq (unter $BNTX) enthalten sein. An der Nasdaq liegt das durchschnittliche, tägliche Handelsvolumen bei rund dem 10-fachen wie bei XETRA (dieselben ADR's).

Bei MorphoSys hingegen liegt das durchschnittliche, tägliche Nasdaq-Handelsvolumen bei nur rund der Hälfte (bei einem 1:4 Verhältnis der Ordinaries/XETRA zu den ADR's/Nasdaq, ). Beide Werte notieren allerdings im Nasdaq Global Select Market, "NasdaqGS".

=> so gesehen kann man mMn annehmen, daß die Kursbildung einiger Auslands-, aber CRSP-Werte, maßgeblich in den USA erfolgt und bei anderen eben nicht

Schon aus diesem Grund sollte man mit weiterführenden Aussagen und Ableitungen, die auf Basis der CRSP-Datenbank getroffen wurden, etwas vorsichtig sein.

Es sei denn, es wird eine entsprechend Vorab-Filterung gemacht (und das auch dokumentiert), aus der hervorgeht, daß z.B. nur Werte berücksichtigt wurden, bei denen die Kursbildung maßgeblich an NYSE, AMEX and NASDAQ erfolgte (sowas habe ich aber noch nie gesehe, was aber nichts heißen mag).


Denn gerade bei den Small Caps (z.B. die unteren 20% bei der Markt-Kapitalisierung, zum jeweiligen Monatsende?) findet die Kursbildung (und damit die Renditen-Bildung etc) anders statt als bei den Large Caps (z.B. die oberen 20% bei der Markt-Kapitalisierung). Das ist schon oft gezeigt worden und kann mMn als gesichert gelten für CRSP-Werte.

Die Gefahr, die nun hierbei mMn oft besteht, ist, daß Aussagen und Ableitungen gerade zu Small Caps aus dem CRSP-NYSE-AMEX-NASDAQ-Anlage-Universum allzu leichtfertig 1:1 auf andere Aktienmärkte übertragen werden.

Aber auch für diese Nicht-Übertragbarkeit gibt schon seit einiger Zeit offenbar belastbare Hinweise, die aber mMn oft entgegen solchen Aussagen stehen, die z.B. hierzulande gerade über Small Caps in der Finanz-Folklore verbreitet werden.

Oder in kurz: US/CRSP-Small Caps != deutsche Small Caps

[faultcode]

Antwort auf Beitrag Nr.: 75.036.354 von faultcode am 02.01.24 02:26:07

Zitat von faultcode: ... In der akademischen Literatur ist das sowieso der Fall. Die ganzen Fama-French-Carhart-Faktoren ("FFC") werden standardmäßig auf der Basis von Monatsendkursen berechnet. ...

hierin liegt mMn der (ursprüngliche) Grund: Anfang der 60er Jahre waren die manuellen Datenerhebungs-Kapazitäten wohl einfach noch nicht so hoch: CRSP (Center for Research in Security Prices): https://en.wikipedia.org/wiki/Center_for_Research_in_Securit…
...
The first effort of the Center was the production of a database consisting of monthly stock prices on the New York Stock Exchange for all common stocks from 1926 to 1962.
...

Später wurde diese Datenbank dann immer weiter verdichtet:

Since then the database has been kept up to date to the present day, daily data has been expanded back to 1926, and other exchanges and financial instruments have been added.

Und noch Jahrzehnte später hat das wohl z.B. auch MSCI (*1998, New York City: https://www.msci.com/) übernommen:

Zitat von faultcode: ... Das mit den Monatsendkursen, und nur diesen, finde ich gut. Solche Monatsendkurse spielen auch im praktischen Leben eine große Rolle. Zum Beispiel findet das Rebalancing bei den MSCI Factor Indizes monatlich statt : https://www.msci.com/www/index-factsheets/msci-factor-indexe… ...

<ich hätte besser schreiben sollen: "Das mit den Monatsendkursen, und nur diesen, finde ich als Laie gut.">

..und damit ist es bis zum heutigen Tag weltweit auch als Entscheidungs-Feature in Fonds mit Anlage-Geldern indirekt zu finden.

Das ist auch mMn der Grund, warum sich große Vermögensberater, wie eben oben die AXA, heutzutage eigene Quant-Abteilungen leisten: ich gehe davon aus, daß man sonst mit "einfachen" und allgemein bekannten Machine Learning-Strategien meistens kein Alpha (https://en.wikipedia.org/wiki/Alpha_(finance)) mehr nach Abzug der Kosten für die Kunden erzielen kann.

Zur Erinnerung: eigentlich ist so ein "Chronological Sampling", hier monatlich, suboptimal, denn:



aus:
2018: The 7 Reasons Most Machine Learning Funds Fail (Presentation Slides)
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3031282

Marcos Lopez de Prado: https://www.orie.cornell.edu/faculty-directory/marcos-lopez-…


=> man könnte glatt zum Schluss kommen, daß es sich MSCI (monatlich) und die Deutsche Börse AG (einmal im Quartal) heutzutage recht einfach machen, was den Stand der Technik angeht

Oder sie entwickeln für zahlungswillige Kunden unter Ausschluss der Öffentlich "quant-optimierte" Wertpapier-Indizes, die nicht mehr an einem Rebalancing mit Chronological Sampling festhalten (was ich nicht weiß):

Client-Designed Indexes
https://www.msci.com/our-solutions/indexes/client-designed-i…
...
With the MSCI Client-Designed Indexes, institutions can tap into the full scope of our advanced indexing resources and extensive data, while specifying their unique index requirements.
...