Förslag på avsnitt — korrelation över tid av RT portföljen

Tjo!

Det skrivs och tänks mycket kring räntor och guld på dessa forum. En sak som slog mig är att många uttrycker det som att korrelationen mellan olika tillgångsslag inte rör sig över tid. Det är bara att gå tillbaka till 2020 och både början och slutet av året för att se hur både räntor, råvaror och guld rörde sig (eller inte rörde sig) som tidigare.

Därför vill jag tipsa @janbolmeson om att göra en episod om Rika Tillsammans-portföljen och dyka ned i hur dess olika beståndsdelars relation sinsemellan varierar över tid.

För den nyfikne kan man se lättöverskådlig redovisning över hos Curvo (Belgisk version av Lysa med valbara portföljer) och deras fantastiska verktyg. De har ett gäng exempelportföljer man kan få upp en analys på, förutom att man kan skapa sina egna.

Spana in inspirationskällan till Rika Tillsammans.

Skrolla eller klicka er fram till korrelation i botten. Sen notera graferna och hur de svänger fram och tillbaka över tid. Exempelvis varierar sambandet mellan S&P 500 och den amerikanska 20+ åringen mellan -0,75 till +0,95! Snacka om spännvidd och spännande förutsättningar när man har en sådan portfölj med helt olika tillgångsslag.

3 gillningar

Tack för tipset! Ska kolla på det. Upplever dock att korrelationer är supersvårt, särskilt då t.ex. under 2008 helt kraschade och förstärkte krisen. Vet att @David_BW på BetterWealth är riktigt duktig på det här området.

Hej!

Tack för det förtroendet! @janbolmeson

Ursäkta sent svar men för att svara kort så JA Korrelationer är högst volatila över tid och påverkar hur väldiversifierad en portfölj är, speciellt i en volatil marknad.

Därför är det fel att säga att en portfölj med 50% räntor och 50% aktier är väl-diversifierad eftersom det beror helt på vilka aktier det är och vilka räntor det är.

Generellt kan man säga att korrelationer mellan olika tillgångsslag tenderar att vara som mest volatila under mer stressade marknads-scenario.

Med andra ord så behöver man vara relativt aktiv om man vill bibehålla en konstant riksnivå mätt som VaR eller Es i sin portfölj under en hel cykel. (jag gillar VaR och Es eftersom det säger något om din förlustnivå, vilket ett generellt mått på ris mellan låg och hög inte gör)

Vissa säger ”-sitt still i båten när havet stormar” där säger jag -Vill du att båten ska vara stilla när havet stormar så får du ro som f*n

/ David

3 gillningar

Bara så jag förstår, vilka tillgångsslag var det som kraschade 2008? När jag kollar på långa amerikanska räntor så ser de ut att gått plus? Även guld ser ut att ha slutat året på plus. Har jag vinklad data eller vad är det jag missar? Trycker jag in 25% av alla fyra tillgångsslagen i simulatorn: MY PORTFOLIO – Portfolio Charts och går till 2008 så ser portföljen ut att ha gått plus detta år.

Hittade en till källa som säger samma sak: https://banners.bullionvault.com/en/us-annual-asset-performance-comparison-1972-2021.pdf

Aningen förvirrad…

Min åsikt är att detta är av begränsat intresse. Man bör närmare undersöka frågan hur stor sannolikheten är att guld/långa räntor går neråt samtidigt som börsen kraschar.

Det är ganska lurigt att påstå att korrelation varierar över tid. För det innebär att det finns underliggande antaganden, som om man väljer andra siffror i ger helt annat resultat.

Korrelation är bara definerat över en tidsperiod. Precis som avkastning. Antingen tittar vi på avkastning över 1 år. Eller 10 år eller kanske 1 vecka.

Korrelation likadant. Så om vi säger att korrelationen varierar, då måste vi ha valt ett kortare tidsintervall än all den data vi tittar på och kolla över varje sån kortare period.

T.ex. så kan vi titta på korrelationen på veckobasis mellan två tillgångslag över ett års tid. Då kan vi se hur korrelationen varierat vecka för vecka.
Som avkastning där vi bryter ner ett helt års avkastning och kollar varje vecka för vecka. Då får vi en varierande avkastning över året på veckobasis.
Men tittar vi på en årsavkastning på ett år av data. Ja då får vi bara ett enda tal, det kan inte variera. Samma sak med korrelationen.

Vi måste alltså specificera hur kort intervall vi tittar på korrelationen för att se hur varje sån delperiod får olika korrelation (och därmed variende dito). Korrelationen mellan t.ex. S&P 500 och Amerikanska 20 åring är därmed ett tal (och kan inte variera) om vi bara tittar på en tidsperiod. Vi måste och välja en kortare tidsperiod och ta korrelationen inom varje sån delperiod.

Hur lång delperiod vi väljer ger helt enkelt olika svar…

Ja det är helt sant, och sen kommer vi till nästa fråga, vilket är att bestämma vilken data vi ska titta på, är det dags, vecko eller månadsdata?

Jag kan bidra med lite generella erfarenheter från att tidigare ha arbetat med LTAM, long term asset management, vilket är mer riktat mot typ pensions-förvaltning, så kanske inte helt aktuellt för många här. Dock är jag inte akademisk expert, utan för er som nu är experter så är jag inte rätt man att ta diskussionen vidare med :slight_smile: För mer “expert” diskussioner så bidrar jag gärna med namn på personer som säkert kan ställa upp i ett program med jan @janbolmeson

Men… generellt, så vill man titta på korrelationer över så långa perioder som möjligt, eftersom korta är helt meningslöst, minst 10 år, men gärna 50 till 80 år, oftast blir det månads-observationer, dels för att man är intresserad av att fånga långa “samband” men även då flera tillgångsslag saknar mer frekvent data längre tillbaka i tiden. Viss data kan man efterkonstruera, men det blir aldrig helt detsamma som riktig (exempelvis data för alternativa investeringar så som crypto). Viktigt är också att rensa för valuta, så att man inte får en så kallad “spurious correlation” Det finns inte heller någon mening med att titta på enskiljda index så som s&p500, utan normalt pratar man in risk faktorer där s&p500 faller inom DM LC EQ, Developed Market Large Cap Equity, tillsammans med exempelvis Svenska Large Cap. Att arbeta med mellan 100 till 150 risk faktorer är nog ganska normalt hanterbart så länge det finns instrument att exponera sig mot just den riskfaktorn. Det är inte så lönt att hitta en riskfaktor som det ändå inte går att investera på ett vettigt sätt i (exempelvis crypto i sin början, eller kinesiska aktier eller bostäder innan det fanns sätt att investera i detta)

Poängen med långa tids-serier är att få med flera cykler. Det finns ingen mening med att försöka använda korrelationen för att säga något på kort sikt så som i dag eller i morgon, eftersom det är ett “rullande” värde. Därför arbetar men med att försöka bilda sig en uppfattning om olika så kallade “states” och vilket state vi befinner oss i. Ett state kan definieras på många olika sätt men, men har typ alltid något att göra med cykler, tillväxt / avmattning, stress icke stress etc. Har man en uppfattning om vilket state vi är i kan man titta på “liknande” states för att i sin tur bilda sig en uppfattning om risk (volatilitet) och förväntad avkastning. Exempelvis så ger det nu mer mening i att försöka förstå hur korrelationer mellan olika riskfaktorer normalt sett utvecklas i ett liknande “state” som det vi befinner oss i nu, eller är på väg in i (stigande inflation, räntor, tillväxt etc). Kan vi identifiera det correct kan vi även ,med viss sannolikhet, säga något om vad vi kan förvänta oss den kommande perioden, och använda det när vi optimerar portföljer.

Observera att focus här är inte primärt på avkastning utan på att undvika risk. Vi struntar i om vi får i snitt +2% eller +10% så länge vi inte går minus 25% för då är vi i konkurs =), därav är det extremt viktigt att ha koll på sin VaR och Es.

Detta är en extremt förenklad /förkortad beskrivning av ett sätt att bygga robusta långsiktiga portföljer. Fins säkert många som har andra input, och kan detta bättre, men det kanske är till glädje för någon =)

2 gillningar