Långa räntor är bäst när man vill så låg maximal nedgång som möjligt... 🤓

Man kan köra MonteCarlo-simuleringar och ta fram efficient frontier på portföljer som innehåller guld och annat baserat på historisk data på PortfolioVisualizer. När jag har labbat lite med det känns det som att baserat på den historiska datan är värdet av guld i en portfölj förvånansvärt litet, och att riktigt långa räntefonder gör mycket större skillnad.

Jag har lite guld och en del långa räntefonder i min portfölj eftersom jag vill vara positionerad för uttag, men jag kommer nog öka långa räntefonder mer och först, när jag (snart) vill ha ytterligare lägre volatilitet.

OBS komplikationen med valutaskillnader när man testar så här, framförallt för att det inte finns riktigt långa räntefonder i Svensk valuta.

https://www.portfoliovisualizer.com/monte-carlo-simulation

https://www.portfoliovisualizer.com/efficient-frontier

Jag kan avslöja att detta är någorlunda relaterat till mitt yrke! Det hade varit intressant att samla all statistik för olika portföljkonstellationer! Faktum är att jag har gjort just detta, men det visar inget anmärkningsvärt. Resultaten är som man kan förvänta sig och det finns redan många studier som redovisar dessa :grin:

Allt det du säger hade varit kul att testa. Det som egentligen är intressant är ju däremot hur andelen aktier/guld påverkar avkastningens fördelning och de andra måtten jag tog upp i mitt papper. Andelen guld är ju egentligen den enda frihetsgrad vi har som småsparare i en sådan här situation.

Men att göra en sådan studie—som är tillräckligt djupgående—tar dessvärre mycket tid. Som sagt, jag har testat de flesta konstellationer av aktier/guld och kom inte fram till något som ingen annan redan utrönt. Guld är bra och ofta behövs en ganska stor andel för att uppnå önskad effekt.

2 gillningar

Du tappar väl värdet på guldet vid en kris , speciellt premium och kostnad över spot får du aldrig tillbaka.

Bättre att vara fysiskt/psykist stark att man kan försvara sig och lägga pengar på prepping än guldmynt.

4 gillningar

Vilken rolig app!

Problemet med deras “Monte Carlo-simulator”–som egentligen är en Bootstrap–är att den samplar från historisk data. Det är inte en bra idé. Problemet när man gör det är att man implicit antar att endast de observationer man redan gjort kan dyka upp i framtiden. Detta kallas att man samplar från den empiriska fördelningen av avkastningen och fungerar okej när fördelningen är statisk över tid och har tunna svansar. Inget av det stämmer för aktiers avkastning. Dessa simuleringar säger alltså inte speciellt mycket om framtiden eftersom att större ned- eller uppgångar kan komma, men att vi inte observerat några sådana ännu.

Däremot så ska de ha cred för att de inkluderat vad de kallar en “fat-tail fördelning”! Enligt vad jag kan se så är det inget annat än en t-fördelning. Genom att simulera denna med ett lågt antal frihetsgrader så kan ni se vad som händer när man tar hänsyn till feta svansar! :grin: Tyvärr så verkar man inte kunna simulera t-fördelningen med korrelerade tillgångar.

Jag har inte heller släppt sargen, utan har också långa räntor i min portfölj. Om de kommer att vara bättre än guld i framtiden vet jag inte. Det får makromänniskorna svara på!

Men att räntefonder gör mycket större skillnad håller jag inte med om. Aktier/Guld ger en lägre förväntad total maximum drawdown än Aktier/Räntor, och de två portföljerna ger ungefär samma medelavkastning. Aktier/Guld har också en högre skew uppåt än Aktier/Räntor vilket innebär att sannolikheten för ett högre slutvärde är större med Aktier/Guld.

2 gillningar

Man kan ställa in med standardavvikelse också, om man inte vill simulera på historisk data.

Du har rätt i att MonteCarlo-simulering baserad på bootstrap-genererad data har många problem, men men kan ändå lära sig mycket av det också. Man får inte med alla Svarta svanar och vad som händer i de fallen — men man kan bedöma normallägena.

När amerikanska pensionsrådgivare gör denna typ av simuleringar så verkar det vanligt att acceptera en 85% success ratio fram tills dödsdagen (ålder 85-100 typ). För att avgöra det borde en sådan här MonteCarlo-simulering kunna funka — även om den inte är så bra för extremfallen.

Samtidigt är ju guld ofta vad folk vill ha för att försvara sig mot extremfallen — så du har ju onekligen en poäng! :sweat_smile:

2 gillningar

Ja, du har rätt! De verkar ha en funktion för att simulera med manuellt inmatade korreletioner. Det är dessvärre bara för en normalfördelning eller en GARCH-modell vilket lämnar en del att önska.

Du har också rätt i att dessa typer av verktyg är synnerligen användbara för kunskapstörstiga småsparare! Även om resultaten är tveksamma ur statistisk synpunkt så är det ett enormt steg i rätt riktning för att lära sig att tolka osäkerhet och risk. Att bli bekväm med, och lära sig kvantifiera slumpmässighet är en av de viktigaste insikter man kan komma till som småsparare.

1 gillning

Samtidigt står ju utgångspunkten, att historiskt sett så verkar inte guld ha så stor lugnande effekt som ofta sägs. Så vad är det egentligen baserat på?

Rational reminder podcast hade ett avsnitt för ett tag sedan där de berörde guld (iirc med utgångspunkten inflationsskydd) och det landade (om jag minns rätt) i att guld inte var så effektivt som dess rykte påstår.

Jag vill egentligen gå till en Golden Butterfly framöver, men när man labbar runt lite med dess tillgångsklasser känns det som att mindre guld och mer långa räntor historiskt har varit mer effektivt. Det känns som att efficient frontier tyder på samma sak.

1 gillning

Jag är inte helt säker på att det stämmer. Statistiken tyder på att guld historiskt sett varit okorrelerat med aktier vilket är typ vad vi letar efter. En tendens till negativ korrelation vid stora nedgångar kan också ses. Det kan också vara så att guld blivit en bättre säkerhet på äldre dagar då det blivit lättare att köpa och äga guld.

Detta får någon makromänniska resonera sig galen om!

Jag är inte helt såld på efficient frontier :grin: Där löser man ett optimeringsproblem som definerar risk som standardavvikelse vilket inte speglar hur vi tänker på risk i verkligheten. Vi går ärligt talat inte runt och säger “åh, min standardavvikelse var superhög under Corona-kraschen”. Vi säger “shit, min portfölj gick ner 30% på fem dagar”.

Ja, alltså jag är också fundersam — det är bara det att när man leker med att blanda in guld och långa räntor i portföljer och gör MonteCarlo-simuleringar baserat på historiska datan på PortfolioVisualizer så är det då det verkar. Så man undrar ju lite.

1 gillning

Ja, fast standardavvikelsen speglar väl typ att den 30%-iga nedgången är ett rätt ovanligt event som du kommer ihåg så här långt efteråt? Tänk om det i stället var 30% nedgångar och uppgångar varje vecka :sweat_smile:

Du har helt klart en poäng, men jag anser ändå inte att det är ett superbra riskmått av tre anledningar:

  1. Standardavvikelse definerar risk som stora nedgångar och uppgångar medans endast den första egentligen är ett problem.
  2. Det är ett extremt orobust mått rent numeriskt! Outliers påverkar standardavvikelsen väldigt mycket. Ett alternativ är att använda medel-absolutavvikelsen istället.
  3. Ännu en statistisk invändning uppstår när vi modellerar avkastningen som fat tailed, till exempel med en t-fördelning med ett lågt antal frihetsgrader. Då är standardavvikelsen inte ens definerad rent matematiskt!

Det man åtminstone måste göra när man beräknar efficient frontier är att 1) använda medel-absolutavvikelse istället för standardavvikelse och 2) använda resampling för att göra den robust.

Det jag personligen tycker att man ska använda som mått på portföljprestation är 1) medianavkastning/medel-absolutavvikelse som ett robust alternativ till Sharpe-kvoten och 2) maximum drawdown som ett mått på worst case performance.

Edit: Se mitt nästa inlägg.

2 gillningar

Vet du vad? Jag testade precis att köra ett optimeringsproblem där jag minimerar den maximala förlusten. Jag hade fel! Långa räntor och en mindre allokering till guld är faktiskt bättre ur det avseendet! Åtminstone historiskt. Därmot skiljer sig vikterna väldigt mycket från när standardavvikelsen används. När jag istället minimerar den maximala förlusten så blir resultatet följande:

  • 22% aktier
  • 8% guld
  • 70% långa räntor

Detta ger en maximal förlust på -10%, en medelavkastning på 9.9%/år och en standardavvikelse på 7.95%.

Om jag istället optimerar Sharpe-kvoten–dvs tangentportföljen på efficient frontier–så får jag istället följande:

  • 39% aktier
  • 8% guld
  • 53% långa räntor

Detta ger istället en maximal förlust på -16%, en medelavkastning på 10.5%/år och en standardavvikelse på 7.94%.

Det är alltså i stort sett ingen skillnad alls i standardavvikelse mellan de två portföljerna, men en enorm skillnad i maximal förlust. Även den årliga avkastningen skiljer sig inte speciellt mycket mellan portföljförslagen.

Man lär sig något nytt varje dag! Tack för att du ifrågasatte mig! :star_struck:

7 gillningar

Ville bara säga att det blev en väldigt intressant diskussion av det här. :slightly_smiling_face: Kul att du testade Axrs tes!

2 gillningar

Det är jag med! Det är ett mycket intressant resultat att en sådan stor allokering till räntor inte påverkar medelavkastningen mer.

1 gillning

Vilka aktier och räntor använde du i simuleringen förresten?

Data jag hade för marknadsviktad amerikans börs, vanliga guldpriser och long term treasury bonds sedan 1980.

3 gillningar

Superintressanta siffror! :+1:

Jag ligger just nu på 85-10-5 (aktier-långa-guld) och håller på att samla mod till mig att öka åtm de långa räntorna. Jag har tittat mycket på 70-20-10, eller troligare 70-25-5, men det tar emot jättemycket, så har inte genomfört det än :expressionless:

Magkänslan (som ju är helt meningslös) är att långa räntor nu inte är vad de varit historiskt, och att guld står högt, så det gör ont att köpa in sig i dem.

Standardavvikelse är nog ett bristfälligt mått när man är i insättningsfasen och gör DCA, men hög standardavvikelse är ju ett rejält gift om man som jag snart vill kunna ta ut lite pengar varje månad. Det blir skitsvårt att förutsäga hur det kommer att gå om man inte kan få ner volatiliteten.

På PortfolioVisualizer finns en ”Goals”-simulering som man kan labba med där man kan peta in insättningar och uttag över tid. Man kan köra in månadssparande, fondavgifter, ISK-skatt, peta in utbetalningar från pensioner och ev sidegigs osv och labba med att få det att funka. Den visar max drawdowns osv. Man ser tydligt hur mycket stabilare utfallen blir om man plockar in långa räntor och kanske lite guld. Spridningen på utfallen blir mycket tätare.

En okändhet är dock USD/EURO/SEK-effekten på de utländska räntorna. Har inte förstått hur jag ska få en känsla för det ännu. Å andra sidan verkar det inte vara så jättestora rörelser på det, så det kanske kan få jämna ut sig över tiden.

3 gillningar

Är det den här du har? https://www.avanza.se/borshandlade-produkter/etf-torg/om-fonden.html/1063549/ishares–treasury-bd-20yr-ucits-etf-usd-dist

Jag kan inte kolla just nu, men finns det inte en vy på PortfolioVisualizer som låter dig optimera ett antal tillgångsklasser på lite olika mått? Max drawdown, sortino, sharpe och lite annat. Det finns även någon inställning som bootstrappar och kör MonteCarlo för att få lite robustare siffror.

Edit, här är vyn jag tänkte på, inkl lite exempelsiffror jag matade in:
https://www.portfoliovisualizer.com/optimize-portfolio?s=y&goal=6&benchmark=VFINX&asset1=TotalStockMarket&asset2=SmallCapValue&asset3=LongTreasury&asset4=Gold&constrained=true&lastMonth=12&historicalVolatility=true&endYear=2021&mode=1&comparedAllocation=2&startYear=1985&timePeriod=4&historicalReturns=true&robustOptimization=false&targetAnnualReturn=10.74&historicalCorrelations=true&firstMonth=1&groupConstraints=false

Aha, nej, alltså jag menade i din portfölj! Den heter “iShares $ Treasury Bd 20+yr UCITS ETF USD Dist”. Det var den längsta jag kunde hitta på Avanza. Jag har inga långa räntor, men är nyfiken på hur det skulle se ut i praktiken.