Nu är ju just de slump parametrar och modell som Herr Schiller baserad på historiken. Alltså alla de där kurvorna är byggda på en modell med statistiska parametrar från verklig historik!
Ja men är helt ointressad av dela det med dig här.
1 gillning
Vill du berätta lite om de andra metoder du nämner?
Jag lyssnade de första 30 minuterna på din länk med föreläsaren från Yale, men som jag förstod pratade han om värdering av enskilda aktier medan jag bara har en svensk indexfond.
Givet det innehavet vill jag skaffa mig en uppfattning om hur Stockholmsbörsen kan komma att utveckla sig på lång sikt.
Jag vill också ha en uppfattning om huruvida Stockholmsbörsen som helhet i detta nu står högt eller lågt.
Min tid räcker bara till en enklare modell där index betraktas som en stokastisk variabel (slump om du så vill) som varierar kring en exponentiell tillväxt.
Tittar man bakåt verkar den variationen sällan vara mer än 15%. Jag vet att historiska data inte ger några garantier och det gör förresten ingen stokastisk process.
Med min metod predikterar jag en årlig reell avkastning inklusive utdelningar på stockholmsbörsen på 6,7% mätt över (säg) 5 år. Vilken prediktion gör du?
Den mest intressanta biten är när han pratar om random walk som modell och sen lägger på en autoregressions term (första ordning autoregressor). Där han i princip konstaterar att om det finns en “regression to mean” så är den termen extremt svag.
Helt enkelt får man acceptera att man inte har en chans att dra några exakta slutsatser alls om ens hela börsen. Att betta på en enskild marknad som Sverige är ingen bra idé.
Titta bara på alternativen och välj det minst dåliga. Börsen är delägande i värdeskapande organisationer. Cash är konstruerat för inflateras bort. Fastigheter ruttnar bort och kräver aktivt arbete för att behålla användbarheten (och ev. hyra ut). Guld är effektivt stenar folk gillar.
Av ovan väljer jag aktier för långsiktighet… föga förvånande.
Jag påstår att detta inte går för tidsperioder som är relevanta för mänsklig livstid. Det är det som Schiller visar inte ens är möjligt på SnP500 över mycket långre historik. En extra term (reversion to mean) på random walk ger inte signifikant bättre matchning (termen blir extremt liten) mot historiken än en random walk. Om börsen följer en random walk är det omöjligt att säga om börsen står högt eller lågt. Det är slump oavsett vad nupriset är.
Jag påstår du dra fel slutsatser för sin data är på tok för kort. Variationen råkar p.g.a. slump i det korta (10 år) intervallet såpass liten att det inte är signifikant för att motsvara framtiden.
Att du är ute och cyklar. Istället kan man förvänta sig att de kommande 100 åren kommer årlig avkastning i snitt ligga mellan -5% och +15% från riskfri ränta. På kortare sikt kan vi inte dra speciellt konkreta slutsatser. Speciellt inte på lilla svenska börsen.
2 gillningar
Jag tycker det låter rimligt, men statistiska parametrar från verklig historik är ju precis vad du sagt att man inte bör använda. Allt är slump och det förflutna säger inget om framtiden. Istället ska man ju använda andra modeller som du inte vill berätta mer om.
Hur ska du ha det?
Säger historik något relevant eller inte?
Om jag tolkar @Nightowl rätt så är det rätt att basera modellen på marknadsstatistik, alltså på den historiska variansen i marknaden. Men att anpassa en kurva efter aktier/index/råvaror etc och försöka säga hur de utvecklas kommande t.ex 10åren är lönlöst. Detta beror på att vid varje nytt tidssteg är utvecklingen slumpmässigt stor och i slumpmässig riktning. Först om man drar ut tidsaxeln extremt kan man med någon form av säkerhet säga något.
Så ja historik säger något, men inte på det sättet ni vill.
Rätta mig gärna om jag misstolkat dig Nightowl
2 gillningar
Snälla läs. Historiken visar rent statistiskt att den själv kan användas för att bygga modeller som ger en exakthet som understiger 10 tals procent med väntevärde som kan vara både negativt och positivt.
Alltså historiken själv visar vad den betyder. Där den visar att den inte är användbar för att uppskatta utfallet med precision på enstaka procentenheter per år.
1 gillning
Nja, jag menar att för att kunna modellera börsen behöver man förstå hur mycket data man behöver för att få sin modell att bli tillräckligt precis.
För att få en modell som kan visa förväntad årlig avkastning med någon enstaka procents precision krävs ett par tusen år av data. Just nu finns bara några hundra år i bästa fall. Detta gäller alltså 95% konfidens. Med andra ord, vi kan inte veta (ännu) om förväntad avkastning är -3% , 5%, 10% eller 15% per år för aktiemarknaden som helhet med tillräckligt konfidens för att det ska vara meningsfullt att prata om enskilda procent.
Vad gäller att veta om börsen står lågt eller högt så är det andra beräkningar men där har man liknande resultat. Det finns inte några signifikanta möjligheter att få ut ett precist svar nog så att det är användbart som investeringsunderlag (inom mänskliga livstider).
3 gillningar
Tips: Jag satt och kollade på Bloomberg TV just efter den amerikanska börsöppningen i dag. Det pratades om Tail Risk Hedges och om analytikern i studion hade sett några indikationer på att detta förekom nu under dessa turbulenta tider. Jag var tvungen att läsa på om Tail Risk och vad det innebär. Jag kom osökt att tänka på diskussionen här ovan om vad som normalt kan vara förväntat av börsen (en normalfördelad kurva med sannolikheter för olika utslag, uppåt och nedåt). Tail Risk har att göra med s.k. Black Swan Events. När risken inte längre är fördelad som en normalfördelad kurva. Kan vara intressant att läsa på om man t.ex. antar att börskursen alltid kommer att uppträda i en viss kanal.
Tack! Jätteintressant artikel!
Historien har onekligen bjudit på en del svarta svanar. Både inledningen på Covid och Trumps tullar känns som sådana.
Jag gjorde en anpassning av kurvorna i grafen jag klippte in i ett inlägg ovan (den baserad på exponentiell tillväxt) till en normalfördelning.
Den visar att ett väntevärde på -2% avvikelse från “normalt” index och en standardavvikelse på cirka 8% ger en ganska bra anpassning. Den bruna kurvan är anpassningen och den blå uppmätta data
Jag hittar inget värde som avviker mer än tre sigma, men det beror nog mest på att jag bara har 120 datapunkter som ges av ett sample per månad i tio år.
Eller visar detta att de svarta svanar vi haft under senaste 10 åren har försvunnit efter ett tag, dvs index på Stockholmsbörsen återvänder till variationer kring en långsiktig reell utveckling på 6 till 7% per år?
1 gillning
Det visar att inga svarta svanar finns i din data.
Ja, Taleb har ju ivf varit väldigt tydlig med att coronan var en vit svan. https://www.youtube.com/watch?v=Tb2pXXUSzmI
Kul att du gillade artikeln. Jag är inte riktigt med på hur du resonerar i din graf och i ditt inlägg, men jag får försöka ta mig tid att tänka över det lite djupare framöver. Kanske poletten trillar ned.
Jag sitter f.ö. själv just nu och fnular lite på hur jag kan använda statistik för att bestämma t.ex. om det är köp- eller säljläge för en viss tillgång. Jag har en idé om att lägga upp en trendlinje i en kursgraf, mha linjär regression, och sen se med hur många std-avvikelser kursen avviker från trendlinjen vid varje tillfälle. Lite av samma idé som din trendkanal ovan.
Jag tänker mig att vid en viss storlek på avvikelsen, t.ex. 2 eller 3 std-avvikelser, så är det antingen köp- eller säljläge beroende på om man är över eller under trendlinjen.
Jag fattade det som att det var ungefär så de resonerade i det här snacket häromdagen på Bloomberg TV. Det snackades om att amerikanska börsen ännu inte nått 3 std-avvikelser (nedåt), vad nu det exakt innebär.
Tillägg: @Bempa62 bara för att illustrera hur jag tänker. Här är guldpriset i SEK senaste året.
Under röda trendlinen: köpläge
Över röda trendlinjen: säljläge
Jag får återkomma med linjer för 1, 2, 3 stdavvikelser etc. Återstår en del finputs. Såna här indikatorer finns säkert på TradingView, men jag ids inte betala, varken för indikatorer eller en prenumeration på TV. En kostnadsfråga f.n.
Tillägg 2: Jag la in linjer för 1 stdavv, men jag undrar om det verkligen är rätt. Jag har använt funktionen STDEV i LibreOffice Calc för att räkna fram stdavv för årets datapunkter. Men det kanske blir fel att bara lägga till det värdet som offset från trendlinjen? 
Tillägg 3: Ah, nu tror jag det bör vara rätt. Jag applicerade först funktionen STDEV direkt på kolumnen med priserna, men jag tror man först behöver räkna fram diffarna mellan trendlinje och pris och sen använda de resultaten för att beräkna stddev.
Uppdaterad bild: kl. 14:41
1 gillning
Spännande. Min gissning är att avvikelsen från trendlinjen är en stokastisk variabel som är normalfördelad.
Den verkar nästan aldrig avvika mer än 2 standardavvikelser (sigma) från trendlinjen och en normalfördelad variabel ligger inom ± 2 sigma i 95% av fallen.
Jag har också funderat på att anpassa mina inköp (svensk indexfond) till vilken kanal som index ser ut att ligga i för tillfället. Men jag har inte kommit på någon bra algoritm.
Eller är detta att komma för nära att försöka sig på “timing av börsen”?
1 gillning
Jag ska nog sikta mot att försöka köra någon slags allväders- eller permanentporfölj där jag försöker diversifiera så mycket som möjligt. Om jag sprider innehav, köp och sälj på många olika tillgångar, så tror jag att man kan få bort mycket av de stora rörelserna som blir om man har mindre diversifiering. Återstår dock att testa, både i teori och praktik.
1 gillning