خط بین تهاجمی و دیوانه

فرض کنید من به شما شرط بندی می کنم. یک سکه ، سرهایی که تمام شرط خود را از دست می دهید ، دم می کنید و آن را به همراه یک و نیم بار به دست می آورید ، بنابراین شرط ده دلار 25 دلار می شود. و علاوه بر این ، من به شما اجازه می دهم این شرط را هر چند بار که دوست دارید در طول ساعت بعد انجام دهید.

این یک شرط فوق العاده است. برای شرط بندی 10 دلار ، بازپرداخت مورد انتظار (0. 5 * 0 $) + (0. 5 * 25 $) = 12. 50 دلار یا 25 ٪ بازده انتظار می رود سرمایه گذاری شده سرمایه گذاری شده ، در مدت زمانی که برای تلنگر سکه لازم است. بازارهای سهام نیمی از سود مورد انتظار را در طول یک سال ارائه نمی دهند. شما باید این شرط را تا زمانی که به شما اجازه می دهم ادامه دهید. اما چه مقدار پول باید شرط بندی کنید؟هرچه بیشتر شرط می بندید ، با شانس بسیار مطلوب ، بیشتر می ایستید ، اما اگر پاسخ شما "تمام پولی است که من به نام خود دارم" است ، این کار را اشتباه انجام می دهید.

چرا؟از آنجا که شرط من تا زمانی که پول برای ادامه کار خود داشته باشید فقط برای شما ارزشمند است. اما اگر بیش از حد شرط بندی کنید ، سرانجام شلوغ خواهید شد. بهترین شرط بندی جهان می تواند شما را از بین ببرد اگر شما به طور محتاطانه بانکی خود را مدیریت نکنید. این ممکن است واضح به نظر برسد ، اما در یک آزمایش که به شرکت کنندگان این فرصت را می داد تا در یک سری از سکه های مشابه به طور مشابه ، پول واقعی را شرط بندی کنند ، 28 ٪ کل بانکداری خود را از دست دادند و تنها 21 ٪ موفق به کسب حداکثر مقدار مجاز شدند. تنها معدودی از شرکت کنندگان از استراتژی شرط بندی بهینه پیروی کردند ، یک یافته با این واقعیت که نمونه شامل دانشجویان در اقتصاد و تحلیلگران مالی حرفه ای بود ، وحشتناک تر شد. این استراتژی بهینه ، معروف به معیار کلی ، یک گوهر کم ارزش ریاضیات کاربردی است. معیار کلی می تواند به ما بگوید چه چیزی در پشت بزرگترین انفجار در امور مالی قرار دارد ، چرا ETF های اهرمی به طور کلی بد هستند ، به ما گفته است که چرا توسط یک اسلحه ساز Texan ، که توسط اولین پیشخوان کارت جهان به دست آمده است ، و امروزه توسط برخی از موفق ترین سرمایه گذاران زنده استفاده می شود ، می تواند به ما بگوید که چه چیزی در پشت بزرگترین انفجار در امور مالی وجود دارد ، چرا ETF های اهرمی به طور کلی بد هستندایده ، و اینکه چگونه سرمایه گذاران تهاجمی می توانند ثروت خود را بدون خطر ویرانی به حداکثر برسانند.

برخی از حرفهای بسیار جالب

جان کلی ، جونیور قبل از پیوستن به شرکت مشهور تحقیق و توسعه Bell Labs در سن 30 سالگی ، خلبان و نفتی نیروی هوایی جنگ جهانی دوم بود. در میان دانشمندان و مهندسان در پردیس خود در نیوجرسی ، کلی به دلیل تگزاس ، زنجیره ای تگزاس ، ایستاد-عادت ، و علاقه به سلاح گرم ، شلیک گلوله های خانگی در مهمانی ها برای تحت تأثیر قرار دادن میهمانان ، و همچنین برای هوش شدید وی. بسیاری از افراد در آزمایشگاه های بل در آن زمان گفتند که او باهوش ترین فرد در آنجا پس از کلود شانون است. این ستایش ضعیف نبود ، زیرا شانون یکی از مهمترین مشارکت کنندگان در توسعه رایانه دیجیتال و پدر تئوری اطلاعات بود.

نظریه اطلاعات ، همانطور که مقاله اصلی شانون در سال 1948 آن را "یک تئوری ریاضی ارتباطات" خوانده است. این مربوط به محدودیت های نظری برای پردازش سیگنال و فشرده سازی داده ها چیست. شانون در ابتدا با در نظر گرفتن چگونگی انتقال پیام از طریق کانال که حاوی نویز تصادفی است ، می توان پیام را دریافت کرد و با حداقل احتمال خطا دریافت کرد و رمزگشایی شد ، موضوع نگرانی عملی بسیار زیاد برای Overlords Bell Labs. بینش شانون به درک ما از مباحثی مانند عدم اطمینان ، آنتروپی کمک کرده و حتی منجر به مفهوم "بیت" اطلاعات شد. نظریه اطلاعات کاربردی در زمینه ها به عنوان فیزیک حرارتی ، زیست شناسی مولکولی و هوش مصنوعی پیدا کرده است. اما اولین پسوند آن قمار بود.

کلود شانون ، با نگاه مشهور "من یک نبوغ هستم"

کلی در مورد کلاهبرداری قمار در مورد خبرهایی که در آن نتیجه یک نمایش مسابقه به کنفدراسیون ها تلفنی می شد و قبل از پخش این نمایش شرط بندی کرده بود ، شنیده بود. با فکر کردن در مورد استراتژی چنین کلاهبرداران باید ، کلی فهمید که معادلات شانون قابل اجرا است. شانون از کلی خواست تا یافته های خود را منتشر کند ، و او این کار را در مقاله ای با عنوان "تفسیر جدید از نرخ اطلاعات" انجام داد (او در ابتدا عنوان "تئوری اطلاعات و قمار" را انتخاب کرده بود ، اما مافوق خود در AT& T ، که تجارت زیادی انجام دادبا کتابفروشی آنها نمی خواستند توجه ناخواسته را به سمت خود جلب کنند ، نام مات تر را انتخاب کردند).

در این مقاله ، کلی پرونده یک شرط مسابقه اسب را با "سیم خصوصی" در نظر گرفت که به او نتیجه گیری از نتیجه مسابقه می دهد. گرچه به نظر می رسد که چنین قمارباز باید در چنین بازی تقلبی شرط بندی کند ، اما کلی فهمید که نمی تواند صحیح باشد. درست همانطور که شانون استنباط می کند که یک کانال ارتباطی همیشه حاوی مقداری سر و صدای تصادفی است که محتوای اطلاعات پیام منتقل شده را کاهش می دهد ، کلی استدلال می کند که همیشه فرصتی وجود دارد که قمارباز ما بتواند نوک بوم دریافت کند ، یا اینکه خطای دیگری وجود دارد- یا سر و صدا - در سیستم ، و اولین باری که قمارباز وجود داشت ، مطمئناً اگر او را شرط بندی می کرد ، همه چیز را از دست می داد. از طرف دیگر ، البته اگر قمارباز خیلی محافظه کار بود و خیلی کم شرط می بندد ، سود فوق العاده ای را از دست می داد. باید مبلغ بهینه ای برای قرار دادن در معرض خطر وجود داشته باشد.

این شرط Goldilocks با فرمول زیر آورده شده است ، آنچه از آن زمان به نام معیار کلی خوانده می شود:

در جایی که F بخشی از Bankroll او است که قمارباز باید شرط بندی کند ، B شانس شرط بندی یا پرداخت در صورت پیروزی است ، P احتمال پیروزی است و Q احتمال از دست دادن است.

بیایید مجدداً سکه ای را که تصور می کردم از بالا استفاده کنم ، تجدید نظر کنیم. معیار کلی به دور از شرط بندی همه چیز در سر یا دم ، می گوید اندازه بهینه شرط بندی (2. 5 * 50 ٪ - 50 ٪) / 2. 5 = 30 ٪ از بانک شما است. در حالی که ما می توانیم این را اثبات کنیم که نرخ رشد بانکی شما را با برخی از حساب ها به حداکثر می رساند ، یک شبیه سازی مونت کارلو نکته را کمی شهودی تر نشان می دهد. در زیر من رشد فرضی چهار ثروت قمارباز مختلف را شبیه سازی می کنم که هر کدام از آنها را شرط بندی می کند ، بخش دیگری از بانکداری خود را در بازی سکه من بیش از 100 تلنگر شرط می بندم. در هر حالت من از یک ژنراتور شماره تصادفی برای شبیه سازی یک تلنگر سکه استفاده کردم و برای هر قمارباز 1000 آزمایش انجام دادم ، سپس پس از هر تلنگر ، ثروت میانه را ترسیم کردم.

Kelly Bettor شرط 30 ٪ "صحیح" از Bankroll خود را در هر تلنگر شرط می بندد. زیربندهای "نیمی از کلی" ، 15 ٪ هر تلنگر را به خطر می اندازد. بیش از حد "1. 5x Kelly" با 45 ٪ سهام و "2x Kelly" هنوز وایلدر است و شرط بندی 60 ٪ است. همانطور که مشاهده می کنید ، اگرچه شرط بندی های پرخاشگرتر در چند تلنگر اول ، برخی از نقاط کوتاه را در سرب می گذرانند (یک مصنوعی از عنصر تصادفی که در حد مجاز از بین می رود) ، در نهایت Kelly Bettor با قاطعیت به سرب می رود و پایان می یابد. ثروت ترمینال حدود 25،515 دلار. شرط بندی کمتر از 30 ٪ به قمارباز اجازه نمی دهد ثروت خود را تقریباً به همان سرعت پیچیده کند ، اما از طرف دیگر شرط بندی بیش از حد به معنای این است که هر پرتاب باخت قمارباز را خیلی دور می کند ، همچنین از رشد جلوگیری می کند ، و بنابراین نیمی از کلی و 1. 5X Kelly Bettors به طور قابل ملاحظه ای تحت تأثیر قرار می گیرد و در پایان با همان ثروت ترمینال 2،432 دلار ، همانطور که ریاضی آن را خواهد داشت ، هرچند که 1. 5 برابر کلی Bettor نوسانات بسیار گسترده تری را در ثروت به فلیپ تجربه می کند. 2x Kelly Bettor آنقدر در هر تلنگر بد از دست می دهد که هرگز قادر به پیاده شدن از زمین نیست و دقیقاً همان جایی که شروع کرد به پایان می رسد. شرط بندی بیش از 60 ٪ منجر به فرسایش و کاهش نهایی ثروت خواهد شد.

جان کلی جوان درگذشت و ظاهراً هرگز فرمول خود را برای استفاده قرار نداد. این باید منتظر یک همکار دیگر کلود شانون باشد ... شانون در سال 1956 به MIT نقل مکان کرد و در همان سال خواسته شد مقاله ای را از یک استاد جوان ریاضیات کمکی به نام ادوارد تورپ بررسی کند تا قبل از ارسال آن برای انتشار ژورنال. در مقاله خود ، تورپ اولین اثبات ریاضی را نشان داد كه می توان بازی Blackjack را بازی كرد تا شانس را به نفع بازیکن به جای فروشنده جابجا كند ، چیزی كه بیشتر ریاضیدانان مدتها تصور می كردند غیرممكن بود. تورپ نشان داد كه با پیگیری كارتها در هنگام برخورد و شرط بندی بیشتر شرط می بندند كه عرشه حاوی كارتهای نسبتاً مطلوب تر باشد و در هنگام تقدیر ، یك بازیکن می تواند حاشیه قابل توجهی نسبت به فروشنده بدست آورد. شانون مجذوب شد و بلافاصله با Thorp دوست صمیمی و همکار شد. او همچنین توصیه کرد که تورپ به کار جان کلی نگاه کند. مسلح با سیستم شمارش کارت خود و معیار کلی برای اندازه گیری بهینه شرط بندی ، اد تورپ سالهای معدودی را صرف برنده شدن ثروت کوچک در کازینوهای نوادا کرد و کتاب پرفروش را منتشر کرد که در مورد استراتژی خود ، همه جا را در همه جا به فروش می رساند. بشر(تورپ و شانون نیز مدتی با هم به کار خود رفتند ، و در کنار هم اولین کامپیوتر پوشیدنی جهان را ساختند ، که آنها برای پیش بینی نتیجه بازی های رولت استفاده می کردند.)

سرانجام تورپ از گرفتن پول کازینو خسته شد و دیدگاه های خود را بر روی یک هدف بلندپروازانه تر قرار داد: وال استریت. وی با شروع مدیریت پول برخی از دوستان در اوقات فراغت ، سرانجام یک صندوق پرچین به نام پرینستون نیوپورت همکاران را تأمین کرد. در PNP ، Thorp در حالی که تمرکز سریع بر ریسک را انجام می داد ، مطابق با پیشینه ریاضی وی در اندازه گیری شرط بندی ، استراتژی های مختلف داوری را اجرا کرد. نتایج شاید بزرگترین بازده تنظیم شده در ریسک باشد که هر صندوق پرچین تاکنون قبل یا از آن زمان تحویل داده شده است. بین سالهای 1969 و 1988 پرینستون نیوپورت بازده سالانه مرکب 19. 1 ٪ در مقابل 10. 2 ٪ S& P 500 داشت. از این گذشته ، PNP در طی دو دهه فعالیت خود ، فقط در سه ماه پول خود را از دست داد و بازده آن کاملاً مربوط به بازار سهام یا هر دارایی خطرناک دیگر بود. مدتی است که THORP به انتشار تحقیقات ریاضی ، از جمله توضیحات مربوط به معیار کلی و پسوندهای آن در موقعیت های دیگر مانند سرمایه گذاری سهام ادامه داد.

اگر می خواهید یاد بگیرید که چگونه این روش را در نمونه کارها خود استفاده کنید ، با ما در اینجا تماس بگیرید.

چقدر اهرم خیلی زیاد است؟

به دلیل افزایش رقابت، بعید است که هیچ سرمایه گذاری دوباره با رکورد عملکرد قابل توجه Thorp برابری کند، اما فرمول های Thorp و Kelly همچنان می توانند برای سرمایه گذاران در همه جا در مدیریت ریسک و بازده مفید باشند. به ویژه، معیار کلی را می توان با ریاضیات متغیر بازار تطبیق داد تا به ما بگوید از چه مقدار اهرم استفاده کنیم. با فرض وجود مقداری دارایی (یا سبد دارایی ها) با بازده معمولی توزیع شده و دارایی بدون ریسک (معمولاً اوراق قرضه دولتی کوتاه مدت فرض می شود) که می توانیم تخصیص مثبت یا منفی در آن داشته باشیم (موقعیت منفی در ریسک-دارایی آزاد به این معنی است که ما پول قرض می کنیم به این معنی است که از اهرم استفاده می کنیم)، سپس معیار کلی دارایی a شکل زیر را به خود می گیرد (گاهی اوقات به عنوان معیار سرمایه گذاری رشد سرمایه کلی شناخته می شود):

یعنی کسری f که باید برای به حداکثر رساندن بازده به دارایی تخصیص دهیم برابر با بازدهی است که انتظار می رود دارایی بیش از نرخ بدون ریسک ارائه دهد، تقسیم بر مجذور نوسانات دارایی که با استاندارد آن اندازه گیری می شود. انحراف بازده (این صرفاً واریانس دارایی است). مقادیر f بزرگتر از 1 تخصیص بیش از 100% را نشان می دهد، یعنی استفاده از اهرم.

در آخرین پست خود من به ETF های اهرمی، محصولات سرمایه گذاری که مجموعاً میلیاردها دلار برای سرمایه گذاران هزینه داشته اند، انتقاد کردم. با وجود این، ما در RHS Financial قبلاً چیزهای مثبتی در مورد اهرم برای گفتن داشته ایم، و اهرم بخشی جدایی ناپذیر از استراتژی های سرمایه گذاری است که ما استفاده می کنیم. با داشتن معیار سرمایه گذاری رشد سرمایه کلی، اکنون می توانیم این دایره را مربع کنیم و بین استفاده خوب و بد از اهرم تمایز قائل شویم. بیایید با در نظر گرفتن SPY، اولین ETF جهان، که به S& P 500 نمایه شده است، شروع کنیم. SPY به سرمایه گذاران فردی این امکان را می دهد که تقریباً کل بازار سهام را به صورت مستمر و در زمان واقعی معامله کنند، به این معنی که به سرمایه گذاران فردی نیز این امکان را می دهد که اهرم خود را تنظیم کنند. بازار در زمان واقعی نیز، بنابراین به عنوان پایه ما عمل خواهد کرد. 1 دلار سرمایه گذاری شده در SPY از زمان آغاز به کار آن در سال 1993 تا پایان ماه مه 2017 با سود سهام سرمایه گذاری مجدد به 8. 67 دلار افزایش می یابد. این بازده سالانه 9. 28٪ است. بد نیست.

در مقایسه با نرخ قبض های خزانه 3 ماهه در این دوره ، SPY متوسط بازده بیش از حد روزانه 0. 032 ٪ و نوسانات بازده روزانه 1. 166 ٪ بود. وصل کردن اعداد ، این بدان معنی است که نسبت اهرم کلی 2. 37 بود. یعنی با فرض یک نسبت اهرم ثابت ، یک سرمایه گذار کلی می توانست در این دوره بازده خود را با استفاده مجدد از هر روز به حداکثر برساند تا 237 ٪ از سرمایه خود را در جاسوسی در اختیار داشته باشد و بیش از 100 ٪ خود را با وام گرفتن با نرخ T-quills تأمین کند [[توجه] از نظر فنی فرمول سرمایه گذاری رشد سرمایه کلی بازده عادی توزیع شده را فرض می کند ، و بازده دارایی های مالی بسیار غیر طبیعی است. حسابداری برای لحظات بالاتر توزیع به طور کلی منجر به پایین آمدن سطح بهینه اهرم می شود ، اما برای سطح اهرم متوسط که برای پرتفوی های متنوع اعمال می شود ، تفاوت ها به طور کلی بی اهمیت است. در این مورد خاص ، نسبت اهرم بهینه بهینه بهینه سابق 2. 36 ، اختلاف 1 ٪ است. من اثرات لحظات بالاتر را در تمام قسمت های پست نادیده می گیرم. [/توجه داشته باشید]. انجام این کار به این شکل بود:

وهیسرمایه گذاری با 237 ٪ اهرم در جاسوسی باعث بازده حداکثر در این دوره 24 ساله می شد ، اما این یک سوار وحشی بود. سرمایه گذار کلی در طی سالها پس از هر دو Bust Dot-Com و بحران مالی 2008 ، دو بار به سرمایه گذار بی نظیر از دست داده بود تا قبل از پایان یافتن در ماه مه 2017 با ثروت ترمینال 18. 88 دلار ، بازگشت سالانه 12. 84 ٪.

چند احتیاط: این "پشتی" کاملاً تقلب است. بدیهی است که یک سرمایه گذار در سال 1993 هیچ راهی برای دانستن میانگین بازده روزانه و نوسانات S& P 500 در طی 24 سال آینده نخواهد داشت. در زندگی واقعی فقط می توانیم این پارامترها را با عدم اطمینان زیاد تخمین بزنیم. ناگفته نماند که من در اینجا هزینه های معاملات را در اینجا حساب نکرده ام ، که با تعادل روزانه می تواند قابل توجه باشد. با این وجود ، این نکته من در مورد فرمول کلی و اهرم بهینه را نشان می دهد ، که می توانیم با در نظر گرفتن سایر نسبتهای اهرم در مدت مشابه ، تسکین بیشتری پیدا کنیم.

در نمودار بالا ، من یک سرمایه گذار محافظه کارانه تر "Half Kelly" را اضافه می کنم که هر روز تنها 119 ٪ از سرمایه خود را در جاسوسی سرمایه گذاری می کند ، و همچنین همتایان 3X و 4X اهرم. جای تعجب نیست که سرمایه گذار Half Kelly بهتر از جاسوسی بی نظیر (اما با ریسک بیشتر) اما بدتر از سرمایه گذار کامل کلی (اما با خطر کمتری) بدتر است. کمتر شهودی ، استفاده از بیش از 2. 37x اهرم باعث افزایش بازده نمی شود. سرمایه گذار 3 برابر اهرم با 15. 83 دلار (بازده سالانه 12. 02 ٪) به پایان می رسد و سرمایه گذار اهرم 4X حتی از خود جاسوسی نیز بدتر می شود و تنها با 5. 89 دلار (بازده سالانه 7. 56 ٪) به پایان می رسد. اگرچه در اینجا تصویر نشده است ، استفاده از اهرم 5X می تواند به طور مطلق پول را از دست بدهد و یک دلار را به 89 سنت در طی 24 سال تبدیل کند.

از این طریق ما شروع به دیدن مشکل ETF های اهلی شده در حال حاضر ساخته شده اند: آنها به طور کلی از اهرم های زیادی استفاده می کنند که برای بیش از حد دارایی های دارایی اعمال می شود. حتی با وجود اهرم ساده وانیلی S& P 500 3X بیش از حد است. و پس از حساب کردن هزینه های معاملات سنگین و هزینه های مدیریت این ETF ها ، حتی 2x ممکن است زیر حد متوسط باشد (به خصوص اگر فکر می کنید بازده در آینده نسبت به دهه های اخیر کمتر خواهد بود). و S& P 500 یکی از محافظه کارترین اهداف این محصولات است. نگاهی به وب سایت های ارائه دهندگان ETF ETF بیندازید و راه هایی برای ایجاد شرط بندی های اهرمی در صنایع خاص مانند Biotech یا بخش انرژی ، یا کالاهایی مانند روغن و طلا ، یا برای ابزارهای باطنی بیشتر مشاهده خواهید کرد ، تقریباً همه اینها بیشتر استفرار از یک شاخص کاملاً متنوع مانند S& P 500 ، و در نتیجه از نسبت اهرم های بسیار پایین تر Kelly ، احتمالاً کمتر از 2 برابر پشتیبانی می کند.

در عوض بگذارید در جهت مخالف برویم و در نظر بگیریم که دارایی های کمتری را بالا ببرد. همانطور که در پست قبلی در مورد اهرم نوشتم ، هنگام نگاه به بازار سهام ، آن دسته از سهام هایی که در دوره های اخیر کمترین بازده بی ثبات داشته اند ، تمایل به عملکرد و همچنین بازار کلی دارند ، اما با (بدیهی است) نوسانات کمتری ،دلالت بر اینکه آنها از نسبت اهرم کلی بالاتر پشتیبانی می کنند. به عنوان پروکسی ما برای سهام نوسانات کم ، بیایید به شاخص نوسانات کم S& P 500 نگاه کنیم ، شاخصی که 100 سهام موجود در S& P 500 را با کمترین نوسانات در طول سال دنباله ردیابی می کند. ETF محبوب بر اساس این شاخص ، SPLV ، که در سال 2011 راه اندازی شد ، اما من می خواهم از سال 1993 به همان دوره نگاه کنم ، بنابراین من از داده های شاخص استفاده می کنم (با احتیاط اضافی که شاخص ها به طور مستقیم قابل سرمایه گذاری نیستند و بنابراین این Backtest خواهد بودحتی واقع بینانه تر از گذشته). در زیر من بازده جاسوسی ، شاخص SPLV و یک سرمایه گذار را که از اهرم کلی برای SPLV استفاده می کند ، ترسیم می کنم.

در همان دوره 1993-2017 سهام نوسانات کم در واقع از S& P 500 ، 10. 77 ٪ در مقابل 9. 28 ٪ بهتر بود و نوسانات روزانه بسیار پایین تر از 0. 84 ٪ ، فقط حدود دو سوم از S& P 500. نسبت 4. 85 ، بیش از دو برابر آنچه در بالا برای جاسوسی داشتیم. بنابراین سرمایه گذار کلی از ثروت ترمینال 18. 88 دلار با جاسوسی به 291. 99 دلار با SPLV ، بازده سالانه 26. 28 ٪ پدیده می رود. باز هم ، سرمایه گذار کلی برای رسیدن به آنجا ، به ویژه در بحران مالی ، مجبور به تحمل مقادیر باورنکردنی از نوسانات می شد ، و دوباره این پشتوانه به دلایل مختلف غیرواقعی است ، اما ما این اصل را می بینیم که در پشت سرمایه گذاری منطقی است. معیار کلی محدودیت بالایی را برای یک سرمایه گذار تقسیم می کند که قلمروهای "تهاجمی" و "دیوانه" را تقسیم می کند. با تمرکز بیشتر بر روی سرمایه گذاری های نوسانات کم ، سرمایه گذار می تواند این خط تقسیم را بیشتر کند.

اکنون ، بهترین راه برای کاهش نوسانات نمونه کارها از طریق تنوع ، به ویژه با شامل دارایی هایی با همبستگی کم یا منفی با یکدیگر است. از منظر یک سرمایه گذار سهام عدالت ، متنوع ترین طبقه دارایی اوراق قرضه دولتی است که در هنگام رکود اقتصادی وقتی سرمایه گذاران به سمت ایمنی و تاخیر در بازارهای گاو نر می روند ، تمایل به تجمع دارند. بنابراین زیگ های اوراق قرضه دولتی تا حد زیادی ZAG های بازار سهام را جبران می کنند ، بنابراین از جمله آنها در یک نمونه کارها می تواند نوسانات کلی را تا حد زیادی کاهش دهد.

در زیر بازده SPY و همچنین پرتفویی شامل 50/50 SPLV و اوراق قرضه دولتی بلندمدت (که توسط ETF TLT از زمان تأسیس آن در سال 2002 و توسط صندوق مشترک Vanguard VUSTX پیش از آن ارائه شده است) و یک سرمایه گذار کلی را ترسیم می کنم. در سبد 50/50.

اکنون وارد استراتوسفر شده ایم. بازده کل سالانه مجموعه SPLV/TLT ترکیبی 9. 36 درصد بود، تقریباً دقیقاً مشابه SPY. با این حال، با ریسک بسیار کمتر، مسیر رشد آن تقریباً مانند یک خط مستقیم در نمودار بالا به نظر می رسد. در واقع، نوسانات روزانه آن 0. 51 درصد بود، کمتر از نیمی از SPY. این بدان معناست که نسبت اهرم کلی اکنون به 10. 38 رسیده است و سرمایه گذار کلی ما دلار خود را تا سال 2017 به 9067 دلار تبدیل می کند. این نشان دهنده بازدهی 45. 44 درصدی است، نوعی عملکرد که معمولاً با طرح های پونزی مرتبط است، فقط ما این کار را با ریاضی انجام دادیم. خوب، ریاضی به اضافه برخی فرضیات کاملا غیر واقعی، یکی دیگر از این فرضیات این بار این است که هیچ کارگزاری هرگز به شما اجازه نمی دهد از این میزان اهرم در این اوراق بهادار استفاده کنید. و باز هم، حتی اگر این واقع بینانه بود، من این نمونه کارها را به هیچ کس توصیه نمی کنم، به جز کسانی که فشار خون مزمن پایینی دارند. نوسانات سالانه مجموعه کلی 84% چشمگیر است (بیش از 4 برابر SPY) و سرمایه گذار Kelly 3 قسمت از 80% + کاهش را تجربه می کرد. معیار کلی صرفاً به ما می گوید حداکثر میزان ریسکی که یک سرمایه گذار می تواند برای افزایش بازده بپذیرد، نه اینکه آیا آن سطح مطلوب است یا خیر. خوشبختانه، فضای زیادی بین خط نارنجی و خط خاکستری بالا وجود دارد تا سرمایه گذار در تلاش برای یافتن تعادل مناسب برای خود باشد.

خوب ، حالا بیایید سعی کنیم گام مهمی به سمت رئالیسم برداریم. همانطور که اشاره کردم ، تمام این شبیه سازی های فوق از تعصب نگاه رنج می برند ، یعنی من آنها را با استفاده از داده ها از دوره نمونه خود ایجاد کردم که یک سرمایه گذار احتمالاً نمی توانست در آن زمان به آن دسترسی داشته باشد (به هر حال بدون ماشین زمان ، به هر حال.). در واقعیت ، سرمایه گذاران باید سعی کنند تخمین بزنند که بازده و خطرات آینده فقط از اطلاعاتی که در حال حاضر موجود است استفاده می کند. این کار مملو از عدم اطمینان است ، اما لزوماً بیهوده نیست. همانطور که قبلاً در مورد آن صحبت کردم ، بازده بازار سهام آینده را می توان با استفاده از عملکرد درآمد ، تخمین زد ، البته با سر و صدای زیادی تخمین زده شد. یعنی درآمد کل سهام (که معمولاً طی یک دوره ده سال به طور متوسط) تقسیم می شود با سطح قیمت فعلی بازار تقسیم می شود. بازده مورد انتظار اوراق قرضه می تواند با نگاه ساده به عملکرد فعلی به بلوغ بازار اوراق قرضه ، راحت تر و دقیق تر تخمین زده شود. همچنین ادبیات علمی گسترده ای در مورد نوسانات پیش بینی وجود دارد ، با یک قرنیه از مدلهای آماری پیچیده که توسط دکتری تهیه شده است. ریاضیدانان و مستقر در صندوق های پرچین کمی. اما به نظر می رسد که با فرض نوسانات بازار در گذشته اخیر ، به آینده نزدیک ادامه خواهد یافت ، در واقع کار بسیار خوبی را در تدوین تخمین های خطر آینده نگر انجام می دهد. با ترکیب تمام این تخمین ها ، می توانیم یک مدل ساده از چگونگی معامله یک سرمایه گذار کلی در طول دوره نمونه خود در زمان واقعی ایجاد کنیم.

در نمودار زیر ، من عملکرد جاسوسی را در برابر دو پرتفوی که به یک نمونه کارها 50/50 SPLV/TLT اختصاص می دهند با استفاده از برآوردهای مختلف در زمان واقعی و به جلو اختصاص می دهم. یکی یک سرمایه گذار کامل کلی است که سعی می کند بدون در نظر گرفتن خطر ، بازده را به حداکثر برساند. برای هر روز در طول دوره نمونه ، بازده مورد انتظار سهام و اوراق قرضه بلند مدت دولت را بر اساس بازده آنها و همچنین نوسانات مورد انتظار نمونه کارها برای رسیدن به نسبت اهرم کلی روز [توجه] به طور خاص ، من به طور خاص مورد انتظار را محاسبه می کنم. بازپرداخت سهام هر روز به عنوان مجموع عملکرد سود صاف (یعنی معکوس نسبت کیپ برای آخرین داده های موجود) و تورم مورد انتظار ، همانطور که توسط آخرین رقم موجود از بررسی دانشگاه میشیگان از مصرف کنندگان اندازه گیری می شود. بازده مورد انتظار اوراق قرضه بلند مدت دولت را به عنوان آخرین بازده موجود در اوراق خزانه 20 ساله محاسبه می کنم. من تصور می کنم نوسانات انتظار می رود برابر با 60 روز نوسانات تحقق یافته باشد. [/توجه داشته باشید]. بنابراین افزایش اهرم افزایش می یابد (کاهش می یابد) هنگامی که بازده مورد انتظار بالاتر باشد (پایین تر) و در صورت افزایش نوسانات اخیر (پایین تر) کاهش می یابد (افزایش می یابد). سرمایه گذار دیگر از یک استراتژی شاید واقع بینانه تر ، تهاجمی اما نه حداکثر در مورد هدف قرار دادن سطح نوسانات سالانه 18 ٪ پیروی می کند ، که تقریباً همان چیزی است که نوسانات بلند مدت بورس ایالات متحده هم قبل و هم در طول آن بوده است. دوره نمونه ما ، و در محدوده معیار کلی است. با توجه به در دسترس بودن داده ها ، من از ابتدای سال 1994 شروع می کنم.

با استفاده از داده های زمان واقعی ، سرمایه گذار کامل کلی در واقع با 16،719 دلار در پایان دوره (بازده سالانه 51. 53 ٪) به پایان می رسد ، بهتر از سرمایه گذار شبه کلای کلی در نمودار قبلی. این امر به این دلیل است که با برآورد نوسانات در زمان واقعی ، سرمایه گذار آینده نگر Kelly قادر به کاهش برخی از بدترین تخلیه هایی است که سرمایه گذار ثابت با آن با آن برخورد کرده است. این بار سرمایه گذار کلی "فقط" با یک زن و شوهر سر و کار دارد~70 ٪ کاهش یافته است. با این وجود ، عملکرد نسبتاً نامنظم است و اکثریت قریب به اتفاق آن در سالهای پس از بحران مالی حاصل می شود. سرمایه گذاران با ریسک بالا که به دنبال سرمایه گذاران هستند باید صبور باشند! در مقابل ، با هدف قرار دادن سطح ریسک بازار سهام ، سرمایه گذار هدف 18 ٪ نوسانات از جاسوسی نسبتاً مداوم خارج می شود (منظور من این است که دوره های کم کاری فقط چند سال به طول انجامید ، به نظر می رسد که بیشتر سرمایه گذاران غیرقابل تحمل می دانند)بشراو با 63. 51 دلار یا بازده سالانه 19. 41 ٪ ، بیش از دو برابر جاسوسی به پایان می رسد. اگرچه در واقعیت هزینه های معاملات باعث ایجاد یک کشش قابل توجه می شود ، و بازده آینده احتمالاً کمتر از آنچه در اینجا دیده می شود ، یک سرمایه گذار نیز می تواند با درج کلاس های دارایی اضافی و تغییر تخصیص بین آنها به صورت پویا بر اساس رو به جلو ، بر روی این مدل های ساده گرایانه بهبود یابد. حداقل در اصل به نظر می رسد برآورد ریسک و بازگشت.

و بنابراین می بینیم که چگونه معیار کلی می تواند به ما بگوید که چقدر اهرم بیش از حد است و سرمایه گذاران تهاجمی چگونه می توانند بدون از دست دادن پیراهن خود به حداکثر رساندن بازده خود بپردازند. دفعه بعد که ما به دنبال این موضوع ادامه خواهیم داد و می پرسیم ، چگونه می توانیم با شرط بندی در برابر کسانی که بیش از حد شرط می بندند ، سود ببریم؟

افشای: این پست فقط برای اهداف اطلاعاتی است. عملکرد گذشته هیچ تضمینی برای بازده آینده ندارد. سرمایه گذاری شامل ریسک و از دست دادن احتمالی سرمایه اصلی است. هیچ توصیه ای ممکن است توسط RHS Financial ، LLC ارائه شود ، مگر اینکه توافق نامه خدمات مشتری در دست باشد. لطفاً با هر گونه سؤال در مورد محتوای این پست ، در اولین فرصت خود با ما تماس بگیرید. برای نتایج واقعی که با یک شاخص مقایسه می شود ، تمام حقایق مادی مربوط به مقایسه در اینجا فاش شده و منعکس کننده کسر هزینه های مشاوره ، کارگزاری و سایر کمیسیون ها و سایر هزینه های پرداخت شده توسط RHS Financial ، مشتریان LLC است. یک شاخص یک نمونه کارها فرضی از اوراق بهادار است که نمایانگر یک بازار خاص یا بخشی از آن است که به عنوان شاخص تغییر در بازار اوراق بهادار استفاده می شود. شاخص ها بدون کنترل هستند ، هزینه ها و هزینه ها را متحمل نمی شوند و به طور مستقیم نمی توان در آن سرمایه گذاری کرد.

نمایش پست: 12،795

توسط کلبی دیویس ، CFA |2021-02-19T18: 19: 47+00: 00 20 ژوئن 2017 |سرمایه گذاری ، امور مالی پست مدرن |نظرات در مورد خط بین تهاجمی و دیوانه