Virkeligheden i markedet Timing

Marked timing systemer er baseret på mønstre af aktivitet i fortiden. Hvert system, du er tilbøjelige til at høre om fungerer godt, når det anvendes til historiske data. Hvis det ikke virkede historisk set, ville du aldrig høre om det. Men mønstre ændrer, og fremtiden er altid den store ukendte. Et system udviklet til marked mønstre af 1970 ‘ erne, som omfattede en store bjørn marked, der varede to år, ville have sparet investorer fra en stor tilbagegang. Men det var ikke, hvad du havde brug for i 1980 ‘ erne, som var kendetegnet ved en lang bullmarked. Og en system udviklet til at være ideel i 1980 ‘ erne ville ikke have gjort godt, hvis det var back-testet i 1970 ‘ erne. Hidtil i 1990 ‘ erne, har enhver defensiv strategi overhovedet været mere tilbøjelige til at skade investorer end hjælpe dem.
Hvis din følelsesmæssige sikkerhed afhænger af forstå, hvad der sker med dine investeringer på et givet tidspunkt, vil marked timing være hård. Ydeevne og retning af marked timing vil ofte trodse din bedste bestræbelser på at forstå dem. Og de vil trodse sund fornuft. Uden timing, kan bevægelser af markedet synes muligt at forstå. Hver dag er utallige forklaringer af hver blip offentliggjort og udsendt på tv, radio, magasiner og aviser og på internettet. Økonomi og markedstendenser fortsætter ofte, og dermed de synes i det mindste lidt rationel. Men alt dette ændrer sig, når du begynde timing dine investeringer. Medmindre du har udviklet din timing modeller dig selv og du forstår dem tæt, eller medmindre du er den knasende numre hver dag, vil du vide ikke hvordan disse systemer rent faktisk arbejder. Du vil spørge dig selv at købe og sælge på tro. Og årsagen til dine kortsigtede resultater kan forblive en hemmelighed, fordi timingen ydeevne afhænger af, hvordan dine modeller interagere med mønstre af markedet. Dine resultater kan fra år til år, kvartal til kvartal og måned til måned forekomme tilfældige.
De fleste af os har for vane at tænke, hvad der netop er sket fortsat sker. Men med marked timing, der er bare ikke så. Ydeevne i den nærmeste fremtid vil ikke blive påvirket lidt af umiddelbar fortidens. Det betyder, du vil aldrig vide, hvad de kan forvente næste. At sætte dig selv gennem en * timing simulator * på dette punkt, Forestil dig, du kender alle de månedlige resultater af en bestemt strategi over en 20-årig periode hvor strategien lykkedes. Mange af de månedlige afkast, selvfølgelig, vil være positive, og et betydeligt antal vil repræsentere tab. Forestil dig nu, at du skriver hver afkast på en kort, lægge alle kortene i en hat og begynde at tegne kortene tilfældigt. Og Forestil dig at du starter med en bunke af pokerchips. Når du tegner et positivt afkast, får du mere chips. Men når dit afkast er negativt, du nødt til at opgive nogle af dine chips at * banken * i dette spil. Hvis de første dusin kort du tegner er alle positive, vil du føle sig temmelig sikker. Og du vil forvente, at de gode tider til at fortsætte. Men hvis du trækker pludselig en kort, der repræsenterer et tab, din eufori kunne forsvinde hurtigt. Og hvis det første kort, du tegner er et stort tab og du er nødt til at opgive nogle af dine chips, vil du sandsynligvis begynde gad vide hvor meget du virkelig ønsker at spille dette spil. Og selv om din hjerne ved at tegningen er alle tilfældige, hvis du trække to negative kort i rækken og se din bunke chips forsvinder, kan du begynde at føle som om du er på * en negativ roll * og du kan begynde at tro, at det næste kvartal vil være som sidst en. Endnu vil ikke det næste kort du tegner være forudsigelige overhovedet. Det er nemt at se alt dette, når du bare spiller et spil med pokerchips. Men det er sværere i det virkelige liv. Eksempelvis i fjerde kvartal af 2002 produceret vores Nasdaq portefølje strategi, med et mål til udkonkurrerer Nasdaq 100 indekset, et afkast på 5,9 procent, meget tilfredsstillende for en portefølje af investeret i teknologi midlerne kun. Men det blev efterfulgt af et tab på 7,8 procent i første kvartal af 2003. De fleste investorer i denne strategi, i hvert fald dem vi kender til, stak med det. Men de oplevede betydelige angst på tab og chok af en skarp vending i hvad de troede var en positiv tendens. Det samme fænomen skete med mere dramatiske tal, i vores mere aggressive strategier. Nogle investorer trådte disse porteføljer i vinteren 2002 og derefter var chokeret over at opleve store første kvartal tab så hurtigt, efter at de havde investeret. Nogle tro tabene var mere tilbøjelige til at fortsætte end at vende, reddet. Havde de været villige til at udholde en lidt længere, ville de have oplevet tocifret gevinster under resten af 2003, der ville have genoprettet og overskredet alle deres tab. Men selvfølgelig var der ingen måde at vide, at på forhånd.
De fleste timere vil ikke fortælle dig dette, men alle marked timing systemer er * optimeret * passer til fortiden. Det betyder, at de er baseret på data, der er omhyggeligt udvalgt til at * arbejde * på at komme ind og ud af markedet på højre gange. Tænk på det gennem denne analogi. Forestil dig at vi forsøger at sammensætte en udvidet version af Standard & fattige ‘s 500-indekset, baseret på de seneste 30 år. Baseret på bagklogskab, kunne vi sandsynligvis væsentligt forbedre udførelsen af indekset med kun et par enkle ændringer. For eksempel, vi kunne praktisk * fjerne * den værste ydende industri af lagre fra indekset sammen med alle selskaber, der gik konkurs i de sidste 30 år. Det ville fjerne en god luns af de * skrald *, trukket ned ydeevne i fortiden. Og for at tilføje en dosis af positivt afkast, kunne vi tredoble vægtninger i det nye indeks af et par udvalgte lagre; sige Microsoft, Intel og Dell. Vi ville få en ny * indeks * der tidligere ville have produceret betydeligt bedre afkast end den virkelige S & P 500. Vi kan tro, vi har opdaget noget værdifuldt. Men det tager ikke en raket videnskabsmand for at regne ud, at denne strategi har lille chance for at producere overlegen ydeevne i de næste 30 år. Dette simple eksempel gør det nemt at se, hvordan du kan pille ved seneste data til at producere et * system * der ser godt ud på papiret. Denne praksis, kaldet * data-mining, * involverer brug i bagklogskabens lys at studere historiske data og udtrække bits og stykker af oplysninger, der nemt passer ind i nogle filosofi eller nogle begrebet virkelighed. Akademiske forskere ville være hurtig til at fortælle dig, at nogen konklusioner du tegner fra data-mining er ugyldig og upålidelig guides til fremtiden. Men hvert marked timing system er baseret på nogle form af data-mining, eller at bruge en anden udtryk, nogle niveau af * optimization.* den eneste måde du kan udarbejde en timing model er at finde ud af hvad ville have arbejdet i en tidligere periode, derefter anvende dine resultater til andre perioder. Nødvendigvis, er hvert marked timing model baseret på optimering. Problemet er, at nogle systemer, som eksemplet forbedret S & P 500 over optimeret til det punkt, at de kaste ud den * skrald af fortiden * på en måde, der er usandsynligt at være pålidelige i fremtiden. For eksempel, vi for nylig kiggede på et system, der havde et par * regler * at udstede et køb signal, og derefter tilføjet et filter, siger sådan et køb kunne udstedes kun under fire specifikke måneder hvert år. At systemet ser fantastisk på papir, fordi det kaster ud de uproduktive køber tidligere fra de andre otte kalendermåneder. Der er ingen panserskib regel til bestemmelse af, hvilke systemer der er robust, eller passende optimeret, og som er over optimeret. Men generelt set ser for enklere systemer i stedet for mere komplekse. Et enklere system er mindre tilbøjelige end en meget komplekse at producere ekstraordinære hypotetiske afkast. Men det enklere system er mere tilbøjelige til at opføre sig som du ville forvente.
For at være en succesfuld investor, du har brug for et langsigtet perspektiv og evnen til at ignorere kortsigtede bevægelser som hovedsagelig * noise.* Dette kan være relativt let for buy-and-hold investorer. Men marked timing vil trække dig ind i processen og kræver, at du kan fokusere på kort sigt. Du skal ikke kun spore kortsigtede bevægelser, du bliver nødt til at handle på dem. Og så du bliver nødt til at ignorere dem, straks. Nogle gange er det ikke let, tro mig. I det virkelige liv, intelligente mennesker ofte tage en endelig * gut check * af deres følelser før de gøre nogen store skridt. Men når du følger en mekanisk strategi, du skal fjerne denne fornuftige skridt og simpelthen handle. Dette kan være svært at gøre.
Du vil have lange perioder, når du vil ligger markedet under eller over det. Du bliver nødt til at udvide dit koncept af normale, forventede aktivitet omfatter være på markedet, når det kommer ned og ud af markedet, når det kommer. Nogle gange vil du tjene mindre end pengemarkedsfond priser. Og hvis du bruger timing til at tage korte positioner, undertiden du vil miste penge, når andre mennesker gør det. Kan du acceptere, at som en del af den normale forløb i din investering liv? Hvis ikke, ikke investere i en sådan strategi.
Endnu en fantastisk timing system kan give dig dårlige resultater. Dette bør være indlysende, men marked timing tilføjer et lag af komplikation til investering, en anden mulighed for at være rigtige eller forkerte. Din timing model kan gøre alle de rigtige opkald om markedet, men hvis du anvender denne timing til en fond, der gør noget andet end markedet, dine resultater vil blive bedre eller værre end hvad man kunne forvente. Dette er en grund til at bruge midler, der korrelerer godt du er dit system.
Bundlinjen for mig er, at timingen er meget udfordrende. Jeg tror, at for de fleste investorer, den bedste vej til succes er at have en anden gøre faktiske timing bevæger sig for dig. Du kan få det gjort af en professionel. Eller du kan have en kollega, ven eller familiemedlem faktisk gøre handlerne for dig. På den måde dine følelser vil ikke stoppe dig fra at følge disciplinen. Du vil være i stand til at gå på ferie at kende dit system vil blive fulgt. Vigtigst, vil du være et trin fjernes fra de følelsesmæssige forhindringer for at komme ind og ud af markedet.




Skriv et svar

Din e-mailadresse vil ikke blive publiceret.