Részvények taktikusan 4.

Nem tudom észrevette-e már a kedves olvasó, hogy amikor újságcikkekben arról értekeznek, merre tart a piac, az érvek túlnyomó része fundamentális. Így néz ki a hitelciklus, emígy alakultak a beszerzések, a profitrátával ez és ez a helyzet. Azért vicces ez, mert a fundamentális információk a legkevésbé használhatóak piaci előrejelzésre. Az adatok nagy zaj mellett, hosszú késleltetéssel érkeznek, így szinte lehetetlen időben felismerni a trendfordulókat. A túlértékeltségi állapotok sokáig fennmaradhatnak, és így tovább. A professzionális szereplők mindenféle ravasz módszert dolgoznak ki, hogy realtime értesüljenek a fundamentális tényezők változásairól. Ezekben az esetekben általában kis késleltetéssel elérhető, de derivált változókból próbálnak következtetni a mélyben zajló fundamentális változásokról. A másik gyakori probléma, hogy a piacot nem igazán a hard adatok mozgatják, hanem a kapcsolatos várakozások.

Szóval egyáltalán nem véletlen, hogy ezen a blogon is, meg általában a dinamikus portfóliók kezelésekor az árhoz kapcsolódó (pl. momentum) információkat részesíti mindenki előnyben. Az ár azonnal rendelkezésre áll, tartalmazza a piaci várakozásokat is, prompt döntéseket lehet hozni a segítségével.

Most mégis kivételt teszek, és egy fundamentális tényezőt fogunk időzítésre használni, nehogy bárki azt gondolja, csak a technikai tréderek világa az időzítés. Állítólag a legjobban használható fundamentális faktor a munkanélküliség alakulása. Itt most nem a fontosságáról van szó, bár nyilván rendkívül lényeges adat, hanem az időzítéssel kapcsolatos tulajdonságairól. A munkanélküliségi adatot minden hónap első péntekjén közlik, mindenki egy időben értesül róla (tudom, ez költői túlzás), és ugyan vannak benne komoly revíziók, de ezek a trend alakulását nem érintik döntő mértékben. Tehát van egy lényeges fundamentális adatunk, amelyik prompt rendelkezésre áll. Nosza, használjuk.

screen-shot-2016-05-01-at-9-06-42-am

Forrás    (kattints a nagyobb képért)

A fenti ábrán az USA munkanélküliség alakulása látható, mellette a 12 hónapos mozgóátlag, és szürkével satírozva a recessziós időszakok. Elég jónak tűnik, nem? Amikor a munkanélküliség alakulása a 12 hónapos trendvonal fölé került, minden esetben recesszió következett. Nyilván volt néhány fals jelzés is (fölé majd vissza), de melyik indikátor az, ahol nincs? Az igazi kérdés az, milyen jól használható időzítésre?

Erre is választ kapunk a forrásként jelölt cikkből:

screen-shot-2016-05-01-at-9-26-04-am

Ez bizony nagyon jó! A buy and hold mellett bónuszként szerepel a táblázatban a 200 napos mozgóátlaggal történő időzítés és az általunk már jól ismert 12 hónapos is. Látszik, hogy mindegyiknél jobb eredményt produkált a munkanélküliségre támaszkodó. Ebben az esetben a legnagyobb a többlethozam, és a legkisebb drawdown értéke. Csak van némi haszna a fundamentális változóknak is!

Az összehasonlíthatóság kedvéért lefuttattam az általunk használt időszakra is (2004-2016 április), és ebben az esetben az eddigiekhez hasonlóan TLT vásárolunk, amikor részvényt nem szabad tartani:

B&H hozam DD UNMP hozam DD
SPY 7.3% 51% 11.7% 22%

Évesített hozamok, USD-ben.

Mivel az amerikai munkanélküliségi adatokból indultam ki, csak az SPY teljesítményét tekintem relevánsnak, a többi ETF most kimaradt. A változatosság kedvéért nem a forráscikkben szereplő 12 hónapos mozgóátlagot használtam, hanem 10 hónaposat.

Valóban ez tűnik a legjobb választásnak az eddigi rendszerek közül( 1., 2.). A munkanélküliség adatait még a stop vadászok sem tudják piszkálni, kevésbé jellemzőek az extrém tüskék, így a többi rendszerhez képest meglehetősen ritkán produkál adás-vételi jelzést, de akkor megbízhatóan. Igazi lusta portfólió alapozható rá. Cserébe kicsit macerásabb az üzemeltetése. A munkanélküliségi adatok például innen tölthetők le egy Excel táblázatba. Az adatokból minden hónapban kiszámolhatjuk a 10 (vagy 12) hónapos mozgóátlag értékét, és eldönthetjük történt-e trendváltás.

Folyt. köv.

Advertisements
This entry was posted in Uncategorized and tagged . Bookmark the permalink.