بازار چقدر تصادفی است و این به چه معنی است؟

اگر یک سؤال در امور مالی وجود دارد که همه دوست دارند جواب آن را داشته باشند ، این است: فردا چه اتفاقی می افتد؟از این گذشته ، اگر دقیقاً می دانستید که بازار چه کاری انجام می دهد ، می توان یک تن پول را آسان کرد. یک بحث بی پایان در مورد اینکه واقعاً بازارها قابل پیش بینی هستند وجود دارد. این ارتباط زیادی با فرضیه بازار کارآمد (EMH) و اینکه آیا بازار قابل ضرب و شتم است یا خیر ، دارد. من دیده ام که مقالات بی شماری ادعاهای جسورانه ای در این باره دارند. متأسفانه ، داده ها همه اغلب اختیاری تلقی می شوند.

EMH ، تقریباً اظهار داشت که قیمت فعلی سهام در حال حاضر تمام اطلاعات موجود در دسترس را منعکس می کند و قیمت آن به سرعت با اطلاعات جدید تنظیم می شود. این بدان معنی است که هیچ راهی برای ضرب و شتم بازار وجود ندارد مگر با شانس خالص. بنابراین ، EMH دلالت بر این دارد که بازار به طور تصادفی عمل می کند. یکی از نکات مهمی که می خواهم بیان کنم این است که بازاری که به طور تصادفی عمل می کند ، دلالت بر این ندارد که EMH در آن وجود دارد. این نکته قبلاً بیان شده است ، اما من تجزیه و تحلیل خودم را برای پشتیبانی از نتیجه گیری ارائه می دهم. همچنین ، پس از بحران مالی بحث زیادی در مورد قوهای سیاه و مشکلات مربوط به فرضیه پیاده روی تصادفی ساده صورت گرفته است. در تجزیه و تحلیل من از سؤال EMH ، من در مورد این موضوعات به عنوان آنها ارتباط خواهم داشت.

برای این مقاله ، من از S& P 500 به عنوان پروکسی برای بورس سهام استفاده می کنم و تمام تجزیه و تحلیل از داده های S& P 500 استفاده می کند ، مگر اینکه صریحاً در غیر این صورت بیان شده باشد. بیایید با سوال تصادفی شروع کنیم ، آیا بازار غیرقابل پیش بینی است؟به نظر می رسد این یک سوال کم ساده تر از آنچه به نظر می رسد است. حکایات مربوط به بازار کافی نیست ، بنابراین بیایید به داده ها نگاه کنیم. به منظور تجزیه و تحلیل داده ها ، "بازگشت ورود به سیستم N" S& P 500 را به عنوان ورود طبیعی مقدار شاخص در یک روز معین تقسیم می کنم که توسط مقدار شاخص N-Days قبل از آن روز تقسیم شده است.

این مهم است که هنگام نگاه به نمودارهای برگشتی به خاطر داشته باشید که یک مقدار مثبت به معنای این است که این شاخص بالاتر از روزهای قبل است ، یک مقدار منفی به این معنی است که این شاخص از روزهای قبل پایین تر است. علاوه بر این ، بازده ورود به سیستم متقارن است به گونه ای که بازده درصد نیست. در واقع ، این دلیل استفاده از آنها است. به طور خاص ، اگر مقدار شاخص امروز 1000. 00 باشد و فردا تغییر ورود به سیستم 0. 05 باشد ، مقدار شاخص 1،051. 27 است. اگر ورود به سیستم روز بعد از آ ن-0. 05 تغییر کند ، مقدار شاخص از 1،051. 27 به 1000. 00 می رسد.

منبع: داده های گرفته شده از مالی یاهو. من نمودار را با استفاده از نزدیک روزانه برای تاریخ های بین 1/4/1950 و 6/25/2014 ساختم.

نمودار بالا نزدیک روزانه S& P 500 را در بالا (مقیاس لگاریتمی در محور) و بازگشت 1 روزه در پایین نشان می دهد. نمودار برگشتی 1 روزه ارزش آن را دارد که از نزدیک به آن نگاه کنیم زیرا چندین نکته قابل ذکر است. مشاهدات اولیه من این بود:

1. کاهش 1 روزه در دوشنبه سیاه به طور قابل توجهی بزرگتر از هر تغییر 1 روزه دیگر ، مثبت یا منفی است (مقدا ر-0. 228997 است). بزرگترین کاهش بعدی دارای ارز ش-0. 094695 ، حدود 2. 4 برابر کمتر از دوشنبه سیاه است. بیشترین افزایش 1 روزه دارای مقدار 0. 109572 بود ، در حدود بزرگی.
2. بازده های 1 روزه مانند نویز و بدون سیگنال قابل تشخیص به نظر می رسند و هیچ تعصب قابل مشاهده ای برای مقادیر مثبت یا منفی وجود ندارد.
3. نوسانات ثابت نیست. کاملاً شناخته شده است که خوشه های نوسانات و این نمودار بسیار واضح است. این بدان معناست که داده های برگشتی 1 روزه فقط ضعیف ثابت است.
4. دوره های نوسانات بالا به شدت با بازارهای خرس ارتباط دارند. بحران مالی سال 2008 نمونه خوبی از این امر است.

بنابراین آیا ارتباطی بین بازده در روز با روزهای قبل وجود دارد. به نظر می رسد که بین ارزشهای گذشته و ارزشهای آینده ارتباطی وجود ندارد. در اینجا تجزیه و تحلیل سری زمانی من از بازگشت ورود به سیستم 1 روزه برای توجیه آن نکته است:

(برای بزرگنمایی کلیک کنید)

منبع: داده های مشابه نمودار بالا.

بخش مهم همبستگی است که همبستگی بین نقاط در سری زمانی جبران شده توسط مقداری (به نام تاخیر) است. همبستگی برای LAG 0 1. 00 است زیرا مقدار در یک روز معین کاملاً با خودش همبستگی دارد. به راحتی می توان فهمید که هیچ ارتباطی با مقادیر گذشته وجود ندارد. من فقط برای صرفه جویی در فضا ، تا 7 روز معاملاتی را در اینجا نشان دادم. مقادیر همبستگی برای مقادیر تاخیر بالاتر همه به طور مؤثر صفر هستند.

همه این تجزیه و تحلیل به این معنی است که بله ، بازار در کوتاه مدت غیرقابل پیش بینی است. با این حال ، بازار همانطور که بسیاری از مدل ها فرض می کنند ، یک پیاده روی تصادفی ساده (حرکت هندسی براونیا یا GBM را برای کوتاه) دنبال نمی کند. شناخته شده ترین مدل که این فرض را ایجاد می کند ، مدل قیمت گذاری گزینه Black-Scholes است. اگر فرضیه پیاده روی تصادفی صحیح بود ، بازده 1 روزه باید به طور معمول توزیع شود.

(برای بزرگنمایی کلیک کنید)

منبع: همان فوق.

خط قرمز بهترین توزیع عادی را برای داده های داده شده نشان می دهد. به راحتی می توان فهمید که ، در حالی که توزیع عادی حدس وحشتناکی نیست ، اما در توصیف داده ها به وضوح عالی نیست. قابل مشاهده ترین انحراف از یک توزیع عادی در حدود متوسط است ، داده ها بسیار بیشتر در مورد میانگین متمرکز هستند از آنچه که برای یک مجموعه داده های عادی توزیع شده وجود دارد. انحراف عمده دیگر از توزیع عادی توسط طرح جعبه دورتر در بالای هیستوگرام نشان داده شده است. همه این نقاط نشانگر رویدادهایی هستند که اگر داده ها از توزیع عادی پیروی می کردند ، نباید اتفاق می افتاد. به عبارت دیگر ، بازده ها دم سنگین دارند. اگر از اعداد مراقبت می کنید ، آمار خلاصه در کنار هیستوگرام آورده شده است و همچنین نشان می دهد که داده ها به طور معمول توزیع نمی شوند.

این همه به نقطه اصلی برمی گردد ، بازار تصادفی است ، اما کارآمد نیست. می توان استدلال کرد که یک شکل تا حدودی ضعیف از EMH وجود دارد ، من با آن موافقم. از این گذشته ، بین قیمت سهام و تجارت شرکت اساسی ارتباطی وجود دارد. سرمایه گذاران با ارزش کافی با افق های طولانی مدت که بازار را مورد ضرب و شتم قرار داده اند ، وجود داشته اند تا این نکته را بیان کنند.

اگر مردم به همان اندازه منطقی بودند که EMH آنها را بیرون می آورد تا آنجا که تعداد زیادی از افراد خارج از کشور وجود نخواهد داشت. با این حال ، برخی از نظم ها وجود دارد ، بنابراین مردم کاملاً غیر منطقی نیستند. بدیهی است ، مردم سعی می کنند هنگام قیمت گذاری از اطلاعات شناخته شده از اطلاعات شناخته شده استفاده کنند و هیچ روش قابل توجهی برای استفاده از نوسانات کوتاه مدت در بازار وجود ندارد.

بنابراین ، چرا به عنوان یک سرمایه گذار به این موضوع اهمیت می دهید؟این درس این نیست که از حرکات روز به روز پریشان شوید زیرا به معنای چیزی نیست. همچنین ، خود را در دیدن الگوهای موجود که وجود ندارند ، فریب ندهید. از همه مهمتر ، همیشه تکالیف خود را انجام دهید. اگر ادعایی را بدون پشتیبانی از داده ها مشاهده می کنید ، این یک پرچم قرمز است.

یک نکته جانبی دیگر وجود دارد که می خواهم مطرح کنم. من روی بازده 1 روزه S& P 500 تمرکز کردم ، اما داده ها را برای سایر دوره های زمانی نیز اجرا کردم. نتیجه نسبتاً جالب است ، اما من آن را برای شما می گذارم تا در صورت وجود ، چه اطلاعاتی را منتقل می کند (در زیر مشاهده کنید).

منبع: داده های مالی یاهو برای تاریخ بین 6/21/1961 و 6/25/2014.

افشای اطلاعات: نویسنده هیچ موقعیتی در سهام ذکر شده ندارد و هیچ برنامه ای برای شروع هرگونه موقعیت در طی 72 ساعت آینده ندارد. نویسنده این مقاله را خود نوشت و نظرات خود را بیان می کند. نویسنده در حال جبران خسارت برای آن نیست (غیر از جستجوی آلفا). نویسنده با هیچ شرکتی که سهام آن در این مقاله ذکر شده است ، هیچ رابطه تجاری ندارد.