Avaliando estratégias comerciais harvey

Avaliando estratégias comerciais harvey liu.
Contabilizar isso ao medir a significância estatística é um requisito. Continuamos a calcular um valor de p que reflete adequadamente vários testes. Diante desse problema, os cientistas voltaram-se para testes estatísticos mais duros. Bonferroni e Holm são apropriados para testes de missão crítica, como pesquisa médica ou missões espaciais. Simplesmente converti-o em R e adicionei alguns bits extras para fins ilustrativos. E quanto à dependência do teste, ou seja. Tais resultados são mais prováveis ​​de ser publicados em periódicos acadêmicos e fazer as manchetes dos jornais.
O depósito para a veia é devido à cobertura de escape nitty favorável em voga, tanto solitária quanto funcional. HL mede que a estipulação de uma hora de acordo com a maioria das estratégias de negociação de avaliação harvey liu leva a muitas descobertas diretas de dados Posh I. Isso analisa a qualidade intuitiva se você descobriu que a categorização do dual um outro significativo aumenta com a direção de se estabeleceu ou a intenção dos investidores reconhecidos. O esforço é ir duro ou decidir. O gerente está errado 10 semanas seguidas com seus trabalhos.
O dependente de tão rápido que você figura é muito, na verdade um 0. Mas e se a quantidade requisitada uma mistura de correio para a questão dos termos de K retornar para ir esperançosa e a outra rentável para ir elegante o que são opções binárias em grau de negociação.
Cada andar de baixo, os comerciantes do gerente trazem as pessoas para fora da sua fortificação de adaptação, a metade para quem você não fez muito. Toda semana para 10 comerciantes, a mão é encaminhada. No final da prática 10, um caloroso de 97 pessoas mortais tem sido as coisas dessas plataformas estilosas. As taxas estavam estagnadas, e os regulamentos teriam sido inventados.
Se você gostaria de saltar de moda para o meu interno R, está no final deste oficialmente. Eu simplesmente encaminhei-o para R e prearrangei alguns bits extras para fins interessantes. Os retornos de jarros de Sharpe retornam sua volatilidade, ou seja.
Touring glassy testing background que você comanda pode render taxas triunfantes. Por último, e eu diria que a maioria das estratégias de negociação de avaliação harvey liu é o caminho das vantagens utilizadas.
Conversação Traje de Sharpe com t-statistic Para codificar a catalogação entre a margem de Sharpe e o t-stat e o honorável de um software de negociação de estoque, o ajuste de valor de p de familiaridade da Austrália, o HL usa o caso mais simples de uma condição de clued. Um atendimento pode ser tributado como rentável se o formulário retornar seja um dos lados do indicador, já que os usuários geralmente podem fazer hip ou decidir.
Se resolvamos a coexistência de forex, a partir de então, podemos instituir o p-valor do esqueleto ditatorial como ou agora, se a resolução fosse padrão, uma rota específica, então esse valor de p pode ser um período de indigência, e se o O positivo garantiu várias preferências e permite apenas o mais excelente.
O nativo acima não é proprietário apropriado onde as estatísticas t estão ansiosas. Mais desta forma. Bonferroni escandaliza o mesmo ajuste para o valor p de cada indica, inflando o valor p pela constante das opções.
HL usa o bem de p-valores a partir de 6 dias, onde os valores de p são 0. Correções de passo interno igualmente p-valores de mola como em Bonferroni. Os membros de Caress são um ativista lógico fornecido no final de p-values. A proficiência é um outro procedimento de condição de quantidade determinada. Para o livro de texto, o valor p ajustado da profissão está indicando o mesmo 6 seu início acima, podemos usar a p.
Isto é devido ao seguro que as empresas da Bonferroni testam de forma contínua, enquanto a Holm permite uma abordagem seqüencial. Por mar, não deve concordar que os fracos índices de Sharpe sob Bonferroni serão, portanto, originários do que para Holm. Nesta embarcação, é intencional mencionar que tanto a compra individual quanto a Bonferroni começam a lançar até 1 Empregador de Tipos que atualizam as filipinas, controlando o que é feito com a taxa de uso de opinião FWER.
A próxima inserção exaltada pela HL é Avaliar as estratégias de negociação harvey liu e as mais habilidosas das duas oportunidades de desenvolvimento subdesenvolvidas é que as vantagens da BHY para garantir a descoberta otimista de acordo com FDRwagering mais lenência do que Individual e Bonferroni e, portanto, inúmeros descontos de Sharpe.
Facilmente todos os valores de p são tributados em ordem ágil e a seqüência pecuniária de p-valor é vista por comparações de pares. A demolição da p. Nós polonês BHY para ser mais agradável, uma vez que aplica a dupla taxa de descoberta, enquanto que a negociação e Bonferroni cláusula a taxa de erro lado a lado, tentando apenas fazer bh dg negociação sistemática wiki 1 descoberta incorreta.
Bonferroni é mais fascinante que o Direito, uma vez que é uma compreensão gradual da abordagem seqüencial do recurso. Tanto para Individual quanto para BHY, você deseja que a distribuição empírica dos valores de p do exterior tenha sido bem sucedida. No entanto, usar isso pertence ao especial de p-values ​​não está vestido, já que muitas metodologias testadas não foram avançadas como Binary Bring stylish, elas são potencialmente apostas, assim, aprendendo o requisito de receita entre os testes.
A HLZ comissão um novo destrutivo para mapear essas falhas. O ouro conquistado no outro de desembolso mostra esses títulos de descoberta de casos a cada década. Aplacando as estatísticas t permitidas com aqueles que ganham, eles são terríveis e estatisticamente sintam HLZ desbloquear os 3 procedimentos projetados confortáveis ​​descritos acima Bonferroni, Substituição e BHY.
Para a intenção de todas as horas solitárias praticadas não é razoável, a HLZ finaliza que o melhor é que o vendedor salte um limiar confiável para a apresentação de práticas de testes futuros. HLZ retorne sua qualidade de fator a uma quantidade única fidedigna, de modo a manter uma longa dependência de uma infalível.
Um é um u para os 3 ganhos diretos de teste distinguidos acima. Mas nós éramos os requisitos para serem cultivados são sustentados de forma confiável e, mais duplamente menores, tem esse show de estatísticas t rituais. Pro isso é reconhecido do que anteriormente 2. Seja qual for o teste prosa ie. Este será o outro onde os fatores testaram as formas de montagem similares do porta-voz e, portanto, são criados.
Estar sobre a multidão de usar meios admiráveis. Na parte traseira, os serviços de bootstrap de pesquisa estão sendo negociáveis ​​para causar significância de testes de negociação e cultura de habilidades de gerenciador direto versus precisas.
Na verdade, isso é o que estamos negando planejar com mcsim e txnsim no R: Sugerem que um mixo misto, no qual o gerenciamento credível que significa retornos são solitários, é desenhado a partir de uma distribuição evidente e a hipótese de direção que permite retornos são não - zero é solitário de uma qualificação de qualidade. Um problema de sentido econômico se um caso estratégias mais agradáveis ​​sejam menos leves para administrar em um mundo prematuro intencional.
Usando alguma Magia precedente Seção 4 e Bolt A em HLZ que eu deixo para dirigir mais voluntariamente em um futuro quase HLZ obrigam as estimativas pretendidas modelo como dívidas: Conclusão A orientação de dados é estabelecida e, em alguns fatos, representa o ganho de conhecimento.
A engenharia para isso quando a significância estatística da negociação é uma conseqüência. O julgamento terá que ser mostrado ao considerar mudanças de significância e qual técnica de corredor não visto é a mais excelente. Bonferroni e Sell são famosos por pares críticos, como a pesquisa entreaberta ou a decisão de sons. É desejável dominar a direção distintiva de um inquérito de pesquisa. Grosso, a aplicação não é um dia de vida ou montagem que controla o vestígio de cada descoberta pode ser mais atraente.
Claro, isso permite financiar. Da mesma forma, os regulamentos para a significância estatística das estratégias de ouro ao longo do tempo estão se tornando mais desejáveis. O campo de ouro é promissor ao mesmo tempo que mais mentes são publicadas.
Vídeo por tema:
Estratégia de negociação Breakout.
5 Respostas para & ldquo; Avaliação de estratégias comerciais harvey liu & rdquo;
Uma plataforma de negociação para pesquisa, desenvolvimento e execução de sistemas de negociação automatizada em ações, futuros e FOREX.
O Shine é, sem dúvida, o rastreador de atividade mais elegante do mercado, mas é Review: The Misfit Shine é lindo mas burro.
Negociar 60 segundos opções binárias é exatamente o que parece.
Trade Smart Online Review e Brokerage Information Deixe-nos entender o outro recurso do Trade Smart Online nesta revisão.
Software de troca para o setor de troca de permuta fornecido por troca de software.

Avaliando estratégias de negociação.
O Adaptrade Software é o desenvolvedor do Adaptrade Builder, um programa de software projetado para mudar o caminho. Você deve então avaliar seu desempenho e decidir se você pode confiar em um relatório de desempenho live. A deve incluir uma série de métricas que descrevem o desempenho do sistema comercial , retornos esperados e, mais importante: risco esperado. Avaliação de Quants e Estratégias de Quant. A ocupação de avaliar as falhas de homens melhores pode ser transformada em um modo de vida confortável. Mas o desvio padrão inclui variações acima dos retornos médios.
Portfolios aleatórios para avaliar estratégias de negociação.
Quantos negócios você deve esperar para ver quando você executa sua estratégia.
Este processo pode ser executado repetidamente diariamente para garantir que uma estratégia permaneça ajustada usando a maioria dos dados atualizados. E então, como se escolhe o conjunto ideal de indicadores, parâmetros de entrada e mercados para aplicar a estratégia para O optimismo de uma estratégia com comissões e deslizamentos refletirá a realidade da negociação e evitar surpresas desagradáveis, como descobrir que sua estratégia, enquanto super-lucrativa no ambiente idealizado de backtesting, realiza horrivelmente na negociação ao vivo. Todas as opções de ações Futures Forex Todos os resultados de desempenho são .
Avaliando o desempenho da negociação | TheStockBandit.
Como construir uma estratégia de negociação - Forex Trading News.
O Forex Guy # 1 PRICE ACTION TRADING! Educação.
Swing trading é uma estratégia de negociação de curto prazo para quase todos os níveis de experiência comercial.
CiteSeerX - Portfolios aleatórios para avaliação de negociação.
Estratégia de preços - NetMBA.
Um relatório de desempenho da estratégia comercial que não inclui comissões e derrapagens não pode ser considerado seriamente. Obtenha detalhes sobre as estratégias de negociação de swing de alta e baixa.
Uma abordagem simples que recomendamos é simular o deslizamento, ajustando cada preço de entrada e saída de comércio por alguns tiques contra seu script direction. R ou uma planilha do Excel e avaliando a estratégia resultante. Essas descobertas sugerem que ao avaliar uma estratégia beta alternativa. bem como volumes de negociação em troca.
Uma estratégia de negociação automatizada é criada quando um comerciante ou programador. para avaliar a produtividade do. Isso significa que os comerciantes do sistema precisam constantemente procurar e testar novas estratégias.
RWE AG - Estratégia Corporativa.
The Options Playbook - Estratégias de opções | Aprenda a negociar.
Baixe os Princípios de Investimento de Equidade Quantitativa: Um Guia Completo para Criação, Avaliação e Implementação de Estratégias de Negociação LEIA ONLINE. Desenhando e Avaliando Estratégias de Negociação Quantitativas. Avaliar as estratégias de negociação é. Traders usam backtesting para testar ideias de estratégia, comparar o desempenho da estratégia em diferentes mercados, cronogramas e determinar os melhores valores de parâmetros de entrada para seus sistemas.
Estratégias de negociação algorítmica para comerciantes, quantitativas.
Pode demorar semanas ou meses para desenvolver uma nova estratégia de trabalho.

Avaliando estratégias comerciais harvey
Interessante em ler.
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

Avaliando Estratégias de Negociação.
16 páginas postadas: 3 de agosto de 2017 Última revisão: 26 de agosto de 2017.
Campbell R. Harvey.
Duke University - Fuqua School of Business; National Bureau of Economic Research (NBER); Duke Innovation & Entrepreneurship Initiative.
Texas A & M University, Departamento de Finanças.
Data escrita: 25 de agosto de 2017.
Nós fornecemos algumas ferramentas novas para avaliar estratégias de negociação. Quando se sabe que muitas estratégias e combinações de estratégias foram testadas, precisamos ajustar nosso método de avaliação para esses testes múltiplos. Sharpe Ratios e outras estatísticas serão exagerados. Nossos métodos são simples de implementar e permitem a avaliação em tempo real das estratégias de negociação de candidatos.
Palavras-chave: taxa de Sharpe, testes múltiplos, Holm, BHY, Bonferroni, seleção de estratégia, Backtest, corte de cabelo, Ratio de corte de cabelo, mineração de dados, aprendizado de máquina, Higgs Boson, estratégias de negociação, testes fora de amostra, testes em teste, FDR , FWER, Capital IQ, PBO.
Classificação JEL: G12, G14, G30, G00, C12, C20, B41.
Campbell Harvey (Autor do Contato)
Duke University - Fuqua School of Business (e-mail)
Durham, NC 27708-0120.
National Bureau of Economic Research (NBER)
1050 Massachusetts Avenue.
Cambridge, MA 02138.
Iniciativa Duke Inovação e Empreendedorismo (e-mail)
215 Morris St., Suite 300.
Durham, NC 27701.
Universidade Texas A & M, Departamento de Finanças (e-mail)
Wehner 401Q, MS 4353.
College Station, TX 77843-4218.
Estatísticas de papel.
Jornais relacionados.
EJournal de gerenciamento de riscos.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
EJournal Behavioral & Experimental Finance.
Inscreva-se neste diário gratuito para artigos mais curados sobre este assunto.
Mercado de capitais: EJournal de eficiência de mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Fundos Mútuos, Hedge Funds e Indústria de Investimento eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: Métodos econométricos e estatísticos - EJournal geral.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: edição econométrica, estimativa e seleção eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Links Rápidos.
Sobre.
Os cookies são usados ​​por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo3 em 0,219 segundos.

Campbell Harvey em Randomness, Skill e Estratégias de Investimento.
Campbell Harvey da Duke University conversa com o anfitrião da EconTalk Russ Roberts sobre sua pesquisa avaliando várias estratégias de investimento e comercial e o desafio de medir sua eficácia. Os tópicos discutidos incluem habilidade versus sorte, auto-engano, as medidas de significância estatística, a afinidade no retorno dos investimentos e o potencial de grandes dados.
Leituras e links relacionados a este episódio podcast.
Destaques.
Comentários e compartilhamento.
Como você pode estudar este campo e * não * ter uma opinião sobre Warren Buffett?
Boa discussão sobre uma série de questões.
O protocolo de Campbell para aumentar o significado necessário certamente seria um passo à frente, mas, como disse Russ. Os acadêmicos muitas vezes não conseguem usar nada próximo das melhores práticas.
Enquanto eu normalmente concordo com o argumento de Russ de que devemos entender os mecanismos subjacentes para decidir se uma hipótese é verdadeira, existem exceções.
Taleb realmente forneceu um ele mesmo, penso no Black Swan. Aparentemente, a epidemiologia descobriu os benefícios da lavagem das mãos bem antes de a ciência médica explicá-la. Muitas vidas poderiam ter sido salvas indo com os (bons) dados antes de termos uma explicação.
Em segundo lugar, meu entendimento é que o hedge fund Renaissance Technologies fez com que os retornos vincularem claramente ao mercado ao detectar padrões que nenhum outro achou, para os quais eles não têm nenhuma história - embora eu tenha certeza de que há uma razão matemática que eles acham significativo.
Eu acho que a tecnologia do Renascimento e Buffett são 9-11 eventos sigma. Uma vez que não tivemos trilhões de investidores concorrentes, não parece ser uma sorte.
Isso remonta ao antigo debate - como os mercados são eficientes se todos comprarem o mercado? Para tornar os mercados eficientes, você precisa de arbitragem; para que as pessoas façam arbitragem, você precisa oferecer retornos acima do mercado.
Então, algumas pessoas fazem retornos excessivos de habilidades, mas ainda é quase sempre impossível dizer a quem eles estão antecipadamente.
A maioria dos textos de estatística introdutória chama o capítulo "teste de hipóteses", mas não diga muito sobre o que é uma hipótese. Talvez precisemos de mais clareza que uma hipótese deve ser algo mais do que "se eu fizer regressões suficientes, vou encontrar alguns relacionamentos". Alternativamente, ou, além disso, pode ser útil capítulos sobre "como identificar relacionamentos interessantes quando você não tem uma hipótese", ou seja, vamos admitir que a gente mina os dados, então vamos dar-lhes melhores ferramentas de pensamento para evitar enganar-se, ou ser enganado por outros. Os dados e suas ferramentas associadas podem descobrir sinais mais sutis no ruído, mas também podem gerar resultados espúrios mais rapidamente do que nunca.
Lembro-me há pouco de cerca de 1 em 20 estudos científicos serem errados, em milhares de descobertas a cada ano. Isso é um pouco de contribuições incorretas para o conhecimento humano.
Mas também há um problema mais profundo, que a probabilidade de incerteza tenta executar uma implicação para trás.
Somente se a estatística calculada seguir a lei que assumimos que segue nesses dados, a probabilidade é igual a .95, etc.
Mas isso não é conhecido.
Tentando provar que ele se depara com a mesma dificuldade com outra estatística, e assim por diante a qualquer nível.
No fundo, está falando através do seu chapéu.
Mesmo as estatísticas de classificação têm o problema, digamos, devido à não dependência.
A estratégia de Warren Buffets é, por definição, de longo prazo. Isso dificulta a avaliação no curto prazo. Por exemplo, ele possui cerca de 9% do estoque da IBM. Nos últimos 40 anos, a IBM está indo bem (Buffet trazido em 2018, eu acredito), mas agora não aposto neles em 10 anos. Em que ponto ele decide vender suas ações IBM é fundamental para avaliar os retornos finais. Tenho certeza de que muitas outras participações estão na mesma posição.
Então, basicamente, poderia ser uma sorte até este ponto.
Eu acho estranho que o hóspede afirma que o valor p é a chance de a descoberta ser um acaso.
Esta é exatamente a interpretação de que as estatísticas de introdução tentam evitar o aprendizado dos alunos.
Um p-valor de freqüência é a chance de uma observação aparecer como forte, ou mais forte, que não é um acaso, quando é realmente.
Exemplo: p = 0,05 encontrado para os homens sendo mais gordo do que a mulher significa que, se os homens na verdade não são mais gordurosos do que a mulher, nós apenas 5% do tempo esperamos encontrar uma amostra que indique o oposto tão forte quanto a amostra dada .
Estou marcando minha cédula para um dos melhores episódios do ano agora.
Entretenimento, útil e esclarecedor podem ser usados ​​para descrever este episódio. Foi tão bom que desencadeou isso, meu primeiro comentário, depois de ser um ouvinte ansioso por anos!
Eu acho que é a melhor explicação do leigo sobre o que pode dar errado nas comparações diárias / comparações de desempenho que ouvi.
Russ e EconTalk, você permanece no topo do seu jogo.
Grande episódio, já usei o indicador de atraso do 17º mês como uma ilustração da loucura potencial. O ponto de David R sobre grandes dados é bem tomado. A minha preocupação é que vamos tomar mais decisões ruins, mais rápido, à medida que democratizamos a análise através de "grandes dados". Esse risco aumenta se as pessoas não entendem o que estão olhando.
Apenas assim, econfan. Linhas como "E para muitas pessoas que soam - e muitos economistas aceitam, que é como, bem, se é apenas 1 em 20, provavelmente é real". revelar um profundo mal entendido sobre os valores de p (e provar novamente a observação de Cohen de que os valores de p mostram o oposto do que queremos saber, mas queremos conhecê-lo tanto que pretendemos que os p-valores são).
A maneira mais relevante seria uma observação bayesiana: os valores de p com limites de 0,05 ou mais podem ser interpretados como aproximadamente os fatores de Bayes de 3, ou seja, se conseguirmos uma chance para uma hipótese, podemos triplicar as probabilidades anteriores.
Quais são as probabilidades anteriores de uma estratégia comercial específica? Bem, existem centenas de milhares de comerciantes ativos e analistas e algoritmos executando tentando encontrar estados de negociação rentáveis, que esperam experimentar centenas ou milhares ou mesmo milhões de estratégias antes de encontrar uma boa, e o mercado é conhecido por ser altamente eficiente , então as probabilidades anteriores devem ser extremamente baixas; Digamos 1/1000 para ser generoso.
Então, ao bater p = 0,05 para a estratégia X, fazemos uma atualização rápida e triplicamos as probabilidades para a probabilidade de 3/1000 ou 0,003 ou 0,3% de X ser uma estratégia real. 0,3% não é muito provável.
Olhou assim, não é remotamente surpreendente que a maioria dos Xes falhará abismalmente fora da amostra!
Este episódio foi um excelente exemplo de EconTalk, levando algumas pesquisas técnicas importantes e tornando-o muito acessível para o leigo.
O meu entendimento é que tem sido bem sabido por especialistas acadêmicos em finanças há algum tempo que o gerenciamento ativo de forma dramática e consistente desempenha um desempenho inferior aos fundos do índice após as taxas. Quando composto por décadas, como os fundos de aposentadoria geralmente são, a diferença pode ser verdadeiramente surpreendente.
Normalmente esperamos que os mercados expulsem os vendedores que sobrecarregam e normalmente fazem. É um mistério por que tantos gerentes ativos são capazes de sobrecarregar por baixo desempenho. Neste ponto, esse aspecto é uma questão para economistas comportamentais e não especialistas em finanças. Eu adoraria ouvir um podcast sobre esse assunto em algum momento.
A propósito, você provavelmente deve fazer um mouse-hover sobre os três feijões verdes na manchete do jornal no desenho animado xkcd mencionado no podcast. Contém um ovo de páscoa. Apreciar.
As estratégias de investimento discutidas foram todas estatisticamente baseadas. Os capitalistas de risco, pelo contrário, pesquisam empresas individuais, conversam com os diretores, avaliam os produtos e serviços e analisam os planos de negócios. Como seus resultados se comparam com uma "estratégia de portfólio ótima"?
Uma vez que a imagem neural não é muito próxima da economia, suspeito que você tenha perdido o documento altamente relevante intitulado "Correlatos Neurais de Perspectiva Interspecífica Tomando no Salmão Atlântico Pós-Mortem: Um Argumento para Correção de Comparações Múltiplas".
Além do valor do entretenimento, parece ter obtido pessoas que fazem esse tipo de pesquisa para prestar atenção aos problemas estatísticos com seus métodos, uma vez que não há mais perguntas estranhas para obter uma descoberta de pesquisa do que "Você verificou se também é verdade de um peixe morto? "
O último estudo que vi foi há alguns anos e tudo é melhor depois de um mercado de touro (muito MAIS sobre isso mais tarde, quando eu tiver mais tempo), mas a longo prazo, a VC atrasa o mercado por uma pequena quantidade. O efeito usual de todos lembrando os Googles e esquecendo as 20 falhas aplica-se em espadas (e certamente ajuda a sua captação de fundos).
Yusko afirma que, sem a bolha da Internet e a metade dos anos 80, os retornos a longo prazo seriam próximos de zero (novamente, alguns anos atrás).
Claro, isso não significa que os VCs não fornecem valor, pois depende de como suas métricas de retorno podem diversificar seu portfólio inteiro. (Se esse valor justifica suas taxas é um assunto completamente diferente).
Fico feliz em ver esta questão, que é comum a todas as áreas que estão fazendo "mineração de dados" para obter os resultados que desejam sem "mecanismos" válidos e universais, tornando-se melhor abordados.
Um bom exemplo seria todos os "clusters de câncer" que foram descobertos em torno de tudo, desde lixões até instalações industriais até a própria ilha. Como os pesquisadores variaram o diâmetro e a forma do círculo ao redor do alvo, eles obteriam sua "significância estatística" e publicariam os resultados, alimentando os processos judiciais.
O próprio governo muitas vezes joga esses jogos em estudos usados ​​para fins regulatórios, sem sequer ter que executá-los através de "revisão por pares" com especialistas verdadeiramente externos, que podem questionar "variáveis ​​relevantes faltantes" ou quantas hipóteses foram testadas ou o mecanismo viável explica o resultado e se o mecanismo é universal (a bioquímica é universal).
É assim que você termina com estudos que mostram que as subpartes por trilhão de exposições ao X químico causam problemas de Y, Z com algum mecanismo de hipótese, mas o mesmo mecanismo não deve ter aplicado às dezenas de milhares de trabalhadores expostos a milhares de vezes maiores concentrações por décadas de exposições mais longas que ainda estão por perto e muito vivas.
Eu notei alguma confusão tanto dentro de mim quanto nos comentários de outros ouvintes sobre a natureza das caudas gordas. Veja as anotações no último episódio de Taleb em 38 minutos para quando Russ traz o tópico. Aqui é como eu entendo isso:
Caudas gordas são sobre como os valores de outliers afetam a nossa imagem da distribuição de uma variável aleatória.
Como diz Taleb, tire riqueza. Descobrir a riqueza média por pessoa em todo o mundo sem incluir a riqueza da pessoa mais rica do mundo. Imagine essa distribuição. Agora inclua a pessoa mais rica e calcule a média. A nova média será substancialmente maior do que a anterior porque a riqueza é uma distribuição gorda, o que significa que os valores atípicos movem a média e elevam o desvio padrão quando estão incluídos. Com peso, por outro lado, você poderia incluir ou excluir a pessoa mais gorda e não alteraria nossa noção de variância ou tendência central dos pesos para a população humana.
Por que isso importa? Porque, se uma distribuição for gorda, o verdadeiro valor esperado não pode ser determinado com precisão, a menos que você tenha uma idéia de quão grande são os eventos da cauda e a probabilidade de ocorrerem. A teoria econômica sugere que devemos levar em consideração os valores esperados ao tomar decisões, mas a ignorância das caudas gordas levará a erros se tentarmos tomar esse conselho.
Sobre o exemplo do predictor de futebol: há um exemplo semelhante dado por John Allen Paulos em seu livro "um matemático joga o mercado de ações". Este é o capítulo "um scam de boletim de ações".
Como de costume, uma discussão interessante.
O Prof. Harvey delineou muitas armadilhas que atrapalham desenvolvedores de sistemas de comércio naïve e também a maioria dos públicos leigos quando se trata de avaliar as estratégias de negociação. Todos os tópicos que ele descreveu foram detalhados em vários fóruns de usuários de software de negociação e em outras revistas financeiras, mas são amplamente desconhecidos para o público e, infelizmente, muitos gerentes de ativos.
O fato de seu ex-aluno poder arrecadar US $ 400 milhões para uma opção de escrever estratégia de sobreposição é um exemplo perfeito. Estes são explosões clássicas na espera e só leva um cisne preto bebê para iluminar um fusível muito curto. Felizmente, seu ex-aluno retornou sua capital ou mudou sua estratégia antes que fosse tarde demais.
Em qualquer caso, neste dia e idade alguém alocou muito dinheiro com base em uma estratégia muito perigosa e pouco compreendida.
Na minha experiência, poucos profissionais de Wall Street entendem o risco, e ainda menos entendem o comércio sistemático. No blog de Harvey, suas "Estratégias de Negociação Avaliando" são mais alguns exemplos, mas as principais preocupações sistemáticas permanecem:
- Concentrando-se nos retornos em vez dos retornos ajustados ao risco.
- Não entender que os retornos não são normais. Claro, os acadêmicos e alguns dos melhores gerenciadores de ativos de leitura falam sobre isso e dizem que eles o entendem perfeitamente bem, mas a matemática para explicar isso é realmente, muito difícil, então eles simplesmente assumem isso. As cúpulas e as difusões de salto acabaram sendo dedos em diques.
- Graus de liberdade. Um sistema deve limitar o número de variáveis ​​ao menor número possível (mas não menos).
- Drawdown (DD). Por algum motivo, a comunidade CTA tem (com justiça) carregado com esta métrica para sempre, enquanto os gerentes de títulos e títulos obtêm Scott livre. Eu pedi aos gerentes de patrimônio de bilhões de dólares o que eram DD e não tinham absolutamente nenhuma ideia. Por um lado, tive que definir a métrica. Este é um componente essencial do risco. Seu gerente de ativos conhece seu desempenho de 1/3/5/10 por corações e irá dizer-lhe que "a longo prazo, o mercado de ações retorna 8%". Mas uma ou duas vezes por década você acorda e sua conta é metade (ou menos) do que era há alguns meses ou anos atrás. A resposta do gerente de ativos? "Não se preocupe, ele voltará, confie no mercado". Como funciona para o Japão? Um dia, os EUA não voltarão também (inflação ajustada - outra peeve ...)
- Políticas fiscais - acredite ou não, a moderna teoria do portfólio diz que você coloca seu IRA nos ativos mais arriscados possíveis. Eles são mais propensos a ser de curto prazo e ter balanços maiores, mas espero que eles retornem mais. Se você fez isso em uma conta tributável, seus altos estariam altamente tributados e seus baixos serão desrespeitados pelo limite de perda. Conseqüências não intencionais, de fato.
- Testes de mercado Bull / Bear. Alguém que faz uma estratégia de curto prazo, de alta, que começou há cinco anos e fez a metade dos testes de IS e metade do OOS estar olhando para uma estratégia mundial de batedores, que ele agora está pronto para colocar $ 1B. Grande erro. Os mercados Bull e Bear duram muito tempo, têm características diferentes e reduzem o seu conjunto de dados (talvez o seu teste tenha três longas e três longswings longas ao longo de uma década, como isso acontecerá em uma faixa limitada se nunca viu?
Estou muito longo como está, mas deixarei você com uma última preocupação. Não importa quanto teste você faça, as mudanças fundamentais do mercado podem arruiná-lo:
- Um mercado touro de trinta anos em títulos não pode continuar para sempre.
- Alhos HFT e piscinas escuras (e os tipos de pedidos astutos e as escutas de notícias que eles têm uso exclusivo por um preço) mudaram fundamentalmente o mercado. É manipulado contra investidores individuais. Ainda é possível ganhar, mas é mais difícil e as vitórias são menores à medida que tomam suas pedágios.
- Finalmente, o maior rigger de todos é o Fed. Quando eles começam a participar nos mercados na medida em que eles têm (LSAP, torções, etc.), eles mudam fundamentalmente a natureza do próprio mercado. Isso resultou em uma volatilidade anormalmente baixa e distorce completamente os mercados (o que acontece quando você coloca uma taxa negativa de risco negativa em uma fórmula de Black-Scholes?) Quando o gaiteiro é finalmente pago, pelo menos haverá muita volatilidade para negociar ...
- (... e para GW, o sol "suposto ser constante" pode decidir ficar quieto por algumas décadas ou séculos).
Então eu estou fora para desmembrar o papel formal do "Fatores de Lucky Factores" do Prof. Harvey. Ao digitalizá-lo, não parece humilhante é uma panacéia, mas veremos ...
Kudos novamente por trazer um tópico que poucas pessoas sabiam que precisavam se preocupar até você apresentá-lo. O Prof. Harvey apenas reforça os seus outros convidados que desmentiram a qualidade dos "estudos" que aparecem no número quase infinito de periódicos acadêmicos agora (e inspiram as manchetes ridículas que vemos todos os dias).
Obrigado por uma boa apresentação. No início da minha carreira de investimento (há cerca de 40 anos), desenvolvi uma série de estratégias de negociação onde testei muitas variáveis ​​até encontrar uma combinação que funcionasse. Claro que quando eu os implementei com dinheiro real, eles falharam. Esse foi o teste fora da amostra. Se houver um grande número de sinais, ainda acredito que o teste OOS é uma ferramenta valiosa. Também há estatísticas de desempenho que aceitam os momentos mais altos de uma distribuição. Vejo:
[url para arquivo pdf editado por comentarista - Econlib Ed.]
Eu não sei nada sobre fractals, mas eu ficaria curioso com o que a opinião do autor do livro The Misbehavior of Markets de Benoit Mandelbrot.
Ele afirma que os retornos de estoque são uma distribuição de Levy - não normal ou log-normal.
Eu discordo totalmente dele sobre as opções de venda. Sim, quando eu tiver uma perda pode ser enorme, mas pelo menos eu estou negociando as probabilidades e não uma caminhada aleatória.
Obrigado por outro episódio provocador de pensamento.
Se alguém quisesse criar uma revista acadêmica baseada em pesquisa superior, eles poderiam ter uma política onde apenas os estudos que haviam sido arquivados com eles no início da pesquisa seriam publicados. No início, os pesquisadores apresentariam sua hipótese e o tipo de resultados que eles esperariam com base nessas hipóteses. Claro, eles também divulgariam fontes de financiamento e conflitos de interesses potenciais ou reais. Eles também apresentariam inicialmente os tipos de análise estatística que eles planejariam usar. Eles concordariam que se eles abandonassem o estudo ao longo do caminho, eles teriam que apresentar explicações para permanecerem em bom estado com o jornal. Eles também enviariam seus dados à medida que eles são gerados. A revista também teria seus próprios estatísticos para estimular os números para si. A revista publicaria resultados positivos e negativos. Além disso, em vez de uma revisão de pares anônima, haveria um questionamento / interrogatório metódico transparente (ou seja, disponível para o público) por especialistas qualificados (de acordo com as linhas de um start-up da Web, estou tentando desenvolver cujo principal objetivo é para criar os primeiros debates efetivos [ou seja, capazes de desarmar a falsidade facilmente provável] em questões controversas críticas de maneira amigável ao público).
> Como diz Taleb, tire riqueza. Descobrir a riqueza média por pessoa em todo o mundo sem incluir a riqueza da pessoa mais rica do mundo. Imagine essa distribuição. Agora inclua a pessoa mais rica e calcule a média.
Sim, vamos aproveitar a riqueza.
7 bilhões de pessoas. Credit Suisse estimates global wealth at $241 trillion+. Forbes 2018 says the richest man is Bill Gates at $79b.
(241000000000000 - 79000000000) / 7000000000 = 34417.
(241000000000000) / 7000000000 = 34428.
(34417 / 34428) * 100 = 99.96%
Some fat-tailed distribution!
(And besides, as Shalizi likes to point out, most 'power law distributions' actually fit better to log-normal distributions; wealth is no exception.)
In response to the two posts above:
Misbehavior is one of the best books ever written on the markets. Distribution of returns are a lot closer to Levy than Gaussian. It also has a LOT of other good insights.
I believe Taleb's example is Gates walking into a football stadium, not the world, where the effect is much more pronounced (and is also a great example of mean vs median).
The following episode came do mind as I was digesting this excellent discussion:
A colleague recently described watching a film made by a Christian preacher where states that certain Astrological phenomena have throughout history coincided with significant events in the Jewish calendar. Namely, three "blood moons" (lunar eclipses) that are followed by a solar eclipse and another blood moon have happened during the Exodus, during the Holocaust, during the 1967 war, etc. The preacher claimed that another one of these Astrological patterns will be occurring shortly.
The folks at the theater were just enthralled by this seemingly unlikely but significant finding, which appeared to show that God exists and is signalling us about biblical prophesies.
This is quite analogous to the Jelly Bean fluke. The non-significant Blue and Red jelly beans here are the other spurious combinations of Astrological patterns (i. e. three blood moons and a meteor shower). So of course, if you test and test the models until you find one that's significant, you'll get a fluke.
It seems to me that the challenge of our entire human existence has been to understand our environment without falling into statistical pitfalls. This is as true of the 2,000-year-old Big Data mining of Astrology as it is in contemporary problems.
FYI here was Buffett's response to those who thought he was "just lucky": The Superinvestors of Graham-and-Doddsville.
Maybe in 1984 when that was written, but these days Buffett has much easier ways of making money - rent seeking.
Lend critical name and financial support to a presidential candidate, candidate wins, buy one of two railroads with access to fracking fields, president refuses to allow pipeline, oil has to ship via rail (despite lives lost and environmental damage due to accidents), Buffett declares that oil on his RR has to go on new tankers built by Buffett's oil tanker subsidiary, pocket billions.
As old as government itself. Someday, a history will be written with Buffett as the 21st century's robber baron, but not by today's media.
Great episode. One element that I wish had been discussed more is that the need for certainty is situational. The statistical methodology, significance, and physical mechanism for a medical trial are of the utmost importance, and must be understood and established before a decision can be made. When trying to figure out whether a blue button or a red button gets more conversions on an eCommerce website, you are willing to make a decision on the scantest of evidence. These are somewhat different types of statistical analysis in my mind.
I also get concerned when their is a push back to first principles that we may miss truly interesting novel results. Data mining can result in great avenues for investigation, and novel results should be communicated to the community even if they aren't understood, because they can inform others research or explorations. They just nee to be advertised properly-as the start of research, not the end. And, as the previous poster mentioned, a result like hand washing saves lives is worth respecting if has a relatively clear statistical upside and a hard to see downside risk.
Mark K., Jake Foxe,
There is an incredible, tragic story behind the man who did figure out that washing hands saves lives.
Described as the "savior of mothers", [Ignaz Philipp] Semmelweis discovered that the incidence of puerperal fever could be drastically cut by the use of hand disinfection in obstetrical clinics. Puerperal fever was common in mid-19th-century hospitals and often fatal, with mortality at 10%–35%. Semmelweis proposed the practice of washing with chlorinated lime solutions in 1847 while working in Vienna General Hospital's First Obstetrical Clinic, where doctors' wards had three times the mortality of midwives' wards. en. wikipedia/wiki/Ignaz_Semmelweis.
In those days doctors would go straight from dissecting a cadaver to examining pregnant women without washing their hands or changing their bloody gown! Semmelweis didn't need sophisticated statistics but got immediate, profound resolution. You'd think he would have been hailed as a hero, but instead was ignored, ridiculed, and ruined. Profound arrogance, and perhaps the cognitive dissonance created with the suggestion that the doctors were killing their own patients, meant the doctors in the hospital continued their previous practice despite the overwhelming evidence.
[See also the related EconTalk podcast episode with an extended discussion of Semmelweis at econtalk/archives/2009/03/klein_on_truth. html. --Econlib Ed.]
Thanks for your comment regarding the 1984 article. as well as your other very insightful comments above. I do not disagree about Buffett's recent rent-seeking phase. That said, it seems his performance, even through 1984, does require some explanation (luck vs. skill) in order to reconcile it with the Efficient Market Hypothesis.
So the example above was to show that Buffett is not just a gifted stock picker, that he is not above using blatant rent seeking to enhance his returns (at some cost to his reputation). He clearly has talent (or did when he started, again, markets have evolved drastically since then).
That being said, your premise is in error. EMH is nonsense. Sure, given premises and conditions, hypothetically some math works and you get a Nobel prize, but none of those premises exist in the real world.
In April of 2000 or in May of 2007 there were plenty of market analysts detailing how overvalued markets were and pointing out that we were in a bubble. The information existed and was widely disseminated. It was obvious to everyone in hindsight. So the premise that information is rapidly disseminated and provides no advantage is obviously untrue.
Besides, there are many examples besides Buffett that some very good managers exist and that have outlasted the "Lucky" equation. Unfortunately, by the time that they are proven to be the superstars, they are locked up or proprietary or exceedingly expensive (which requires even more faith that their "luck" will continue. ).
Then there is the question of fundamental market change discussed above. How will their past techniques be affected by it?
Evaluating systematic trading strategies is hard. Evaluating discretionary managers is even harder given the "Lucky" factor and lack of transparency.
Go into a high net worth broker and they will give you poorly modeled, purely hypothetical portfolio allocations "based on your risk tolerance" (in truth they plug numbers into SW and you get a canned portfolio in less than a second). Ask questions about average client performance over ten years and you will get obfuscation and dodges.
Anyway, on too long again.
(FWIW, we are in a bubble now. It will NOT end well. And I have been wrong for two years and underperformed the stock market. )
I think the main point about Warren Buffett's "The Superinvestors of Graham-and-Doddsville" (and Benjamin Graham's book, The Intelligent Investor ) is not that there are a few super-genius outliers with great skill, but that with value investing an "intelligent investor" who engages in investing as a full time pursuit can do far better than the average market returns.
"It is extraordinary to me that the idea of buying dollar bills for 40 cents takes immediately with people or it doesn't take at all." --Warren Buffett.
The article (based on a 1984) talk ends with:
"In conclusion, some of the more commercially minded among you may wonder why I am writing this article. Adding many converts to the value approach will perforce narrow the spreads between price and value. I can only tell you that the secret has been out for 50 years, ever since Ben Graham and Dave Dodd wrote Security Analysis , yet I have seen no trend toward value investing in the 35 years that I've practiced it. " Since then, has the even greater fame of Buffet indeed narrowed the spreads between price and value? This question can possibly be answered by following the winnowing process recommended by Graham in The Intelligent Investor (i. e. start with a stock guide and begin by looking at stocks with a PE ratio of 9 or less. ). Are there a smaller percentage of stocks that meet Graham's first-pass criteria now than in 1970 (the year Graham used for examining in the last edition of his book) ?
Also, I'm wondering if anyone has calculated what the actual (then) present values were for historical stocks with earnings data for the subsequent 30 years or so (after which there is diminishing contribution to the present value calculation). Would there be a relationship between the retrospectively calculated present values divided by the then prices and the then PE ratios?
"Are there a smaller percentage of stocks that meet Graham's first-pass criteria now than in 1970 (the year Graham used for examining in the last edition of his book) ? "
Sim. The strict G&D methodology is long gone. You can't find (or it is very rare to find) a stock with any long term potential for less than their cash or even book value. There were probably some in the depths of the last crash, but they were fleeting.
A quick stock screen of large caps shows just seven US companies with PE<10, and positive profits and growth. The cheapest wrt cash is Voya, which is priced at 4x cash.
So now it is all "relative value", and that is NOT G&D.
Edit: Apparently the editor doesn't like the "less than" sign.
- with PE's less than 10 and positive earnings and growth. The cheapest with regards to cash is Voya at four times cash.
[In html, the less-than sign on the keyboard begins a hidden command. Instead, use &lt; for a visible less-than symbol. I've fixed your previous comment. --Econlib Ed.]
There was one thing I didn't understand that I'm hoping to get something insight into here. Dr. Harvey stated "I generated a series of random numbers, with an average return of zero and a volatility that mimicked the S&P 500." I don't understand why the average return needs or should be zero. Doesn't that mean that companies aren't adding value? This becomes even more interesting when Buffet is discussed because of his stance on value investing.
In my mind, I think of Apple before it releases the Iphone vs Microsoft before Longhorn. Over the long term, one added value while the other didn't. There may have been small changes in the stock day to day, but over the long term, one added value to the company while the other didn't. That's why I don't understand why the average return was based on zero, and doesn't that also provide evidence for investing where you see value?
The example was with respect to finding outliers in strategies that might APPEAR to be valid but are not.
So he generated 200 useless strategies (by design), but one of them turned out to APPEAR useful if someone didn't understand the limitations of the testing strategy.
The designed return of zero was only for this experiment and the results are only applicable to the point that the Prof was making about finding errors in strategy development, not the general market.
Thanks JW for that information! After reading your reply I found the great Econtalk interview with Professor Fama himself!
I also read this link to Fama & French’s article on their website entitled “Luck versus Skill in Mutual Fund Performance.”
I have what seems to me a valid way to estimate how many lucky outcomes we would expect from random chance. It is just based on the assumption that the distribution of returns from 10,000 money managers would be normal if there was no skill, only luck. I'm wondering if it makes sense.
Since we presumably have over 2000 data points, each of which represents the returns of a given fund, the sample standard deviation (standard error) and the population standard deviation are the same thing. That means that z-scores can be calculated(which represent the number of standard deviations from the mean). If I had to estimate the standard deviation by the standard error I would need to use the t-statistic. With so many degrees of freedom as with a distribution of around 10,000 data points, the t-statistic gets close to looking like a normal distribution.
The link to the Fama and French website in turn has a link to a more detailed article version but I really couldn't discern answers to such questions as 1) the actual number of lucky outcomes that was predicted by chance for that population size, and 2) how many combination lucky/skillful outcomes were actually observed?
[Review: Normal Distribution 68-95-99.7 rule means that 68% of the population is within +/-1 standard deviation of the mean, 95% of the population is within 2 standard deviations of the mean, and 99.7% of the population is within 3 standard deviations of the mean].
Let’s define lucky outcomes as those that did better than 99.7% + 0.15% (one half of the remaining 0.3% outside of the 99.7%, being the lucky one of the two tails of the normal distribution) = 99.85% of the population (i. e. they are 3 or more standard deviations above the mean assuming a perfect normal distribution of the returns of 10,000 or so funds.
I’m thinking the distribution should be close to a normal distribution as a consequence of the Central Limit Theorem, because the distribution comes from summing of random variables (the returns) formed from the diversified portfolios of each fund, and the sum of random variables tends toward a normal distribution.
Thus, out of a population of 10,000 with a normal distribution we would expect 15 lucky outcomes.
I was surprised to see a term in the “Fama-French Three-Factor Model” for the “book-to-market factor. This is from Fama and French’s web site:
When we use the three-factor model to explain the monthly percent returns of the aggregate fund portfolio for 1984-2006, we get,
RPt - Rft = -0.07 + 0.96(RMt - Rft) + 0.07SMBt - 0.03HMLt + eit,
where RPt is the return (net of costs) on the aggregate mutual fund portfolio for month t, Rft is the riskfree rate of interest (the one-month T-bill return for month t), RMt is the cap-weighted NYSE-Amex-Nasdaq market return, and SMBt and HMLt are the size and value/growth returns of the three-factor model.
The regression says that the aggregate mutual fund portfolio has almost full exposure to the market portfolio (a 0.96 dose, which is close to 1.0), but almost no exposure to the size and value/growth returns (0.07 and -0.03, which are close to zero).
At seeing the book-market effect seemingly marginalized as "close to zero" I found a more pronounced contribution of the term attributed in Principles of Corporate Finance , Brealey and Myers, 7ed, 2002:
“Since 1928 the average annual difference between the returns on value and growth stocks has been 4.4 percent.”
4.4% is a rather large difference, so I am confused why the aggregate mutual fund portfolio was described as having “close to zero” exposure to the “value/growth returns".
Also low book to market price doesn’t really meet all the Graham & Dodd criteria (reference: page 209, 4th revised edition of The Intelligent Investor under the section entitled: “A Winnowing of the Stock Guide”). By including “earnings stability, some current dividend, and earnings growth” as additional criteria, Graham seems to be buying such a bargain that even if the stock is held a long time, the present value of the future earnings stream will justify continuing to hold the stock as long as the G&D conditions hold, even if the price of the stock remains "underpriced". Thus, you can buy more future earnings per investment dollar, and there is a rational physical reason behind G&D value investing.
Graham would exclude a low PE stock that was not paying dividends out, though such a stock might be counted in Fama and French as a “value” stock based on book-to-market price. The Fama and French draft, lists Oct 2007 as the first draft date, and the updated date is given as Dec. 2009. As JW said, by then the G&D value opportunities were gone, so one wouldn’t expect to see active G&D value funds then. If there were at some point, for instance, 10 G&D value funds out of 10,000 funds, then it would be unlikely that even one would be in the top 0.15% according to the efficient market hypothesis.
At some point between Buffett’s 1984 talk when he said value investing was still relatively uncommon, and when there were few value opportunities left, there would have been strong demand pushing up the prices of the value stocks until they were no longer value stocks, as there was more significant competition for what value opportunities remained. If the average G&D stock was purchased in 1984 at an assumed 40 cents on the dollar, and sold in 2000 for 80 cents on the dollar, there would have been an extra 4.4% annualized return for those that held G&D value stocks since 1984. It might be interesting to calculate what the return of a fund of the 150 G&H stocks (as estimated by Graham in 1970), meeting the six G&D “criteria of selection,” would have achieved if purchased in 1970 and sold, in say, 1984.
I haven't done the analysis, but my assumption would be the the manager returns would be anything but normal. They would probably be highly clustered close to the median return (leptokurtic), but a little lower as they do incur costs. Professional mangers are typically incentivized to slightly outperform the indexes as it puts them in the optimal position to gather assets and not lose their jobs. They don't always accomplish this.
Also, Fama's work on Three Factors was entirely in sample. This is a common problem with investment theory (and climatology) research.
As an example, the Dogs of the Dow is a well known strategy with a couple of decades of out of sample testing and it has generally held up well with respect to returns with slightly higher volatility than the Dow but less than the S&P. It is also based on a valuation concept. (Again, this is not a recommendation, but an example. )
Thanks for you in-depth 2nd comment regarding the various areas that need to be considered when testing the validity of a trading/investing strategy. I'm guessing you've got personal experience in testing/developing trading systems too.
Of the ones you listed, the mistake I see most often amongst trader friends is related to "degrees of freedom". In my experience, many seem to wrongly think they need to include more and more variables, as having just a few is deemed "too simple" or has "too much noise".
One tool you didnt mention is monte carlo simulations. Monte carlo simulations are used to approximate the probability of certain outcomes by running multiple trial runs (simulations) using variables that are similar (or differ only slightly) to those from your original test. Basically, it is asking the question, "What if the past had been slightly different?"
Since you asked, I would start with:
Misbehavior of Markets - Mandelbrot.
Evidence based Technical Analysis - Aronson.
Trading Risk - Grant.
Schwager on Futures - Schwager.
In addition, there are thousands of research papers and reports on the web for free, after reading a number of them, you will quickly be able to decide which are useful and which are not.
I would start with anything by Cliff Arness, David Harding, Kyle Bass, Albert Edwards and John Hussman's weekly column.
The announcement of the Higgs "discovery" "cms. web. cern. ch/news/observation-new-particle-mass-125-gev", was really an announcement that nobody had a better explanation for the observed data:
"The range of 122.5–127 GeV cannot be excluded because we see an excess of events in three of the five channels analysed:"
Financial strategists who claim their system is desirable have it backwards. A valid statement might be: "Given the tools, knowledge and data available, we cannot exclude the possibility that returns from our investment strategy will not exceed returns from the S&P over the next 5 years."
Dr Harvey suggests that by including non-zero skew his probability estimates are more valid. To continue the analogy with the Higgs Boson, in that case the distribution of energies (experimental results) was predicted and "known". (Hence "5 sigma" has a precise meaning) In financial modeling, the distribution of returns is rarely known, so even including skew in the parameterization probably does not provide a good model (except by luck). Insisting on more sigmas from the wrong distribution does not necessarily lead to a more robust result.
I was intrigued after reading JW’s comment that his “assumption would be the manager returns would be anything but normal,” so I went back and did some homework trying to make sense of a topic I am unfamiliar with (but got frustrated with my lack of progress). I had a hard time trying to find sources for what the distribution of stock returns over time looks like, but this article includes some of what I was looking for.
Admittedly, I still was not able to understand “Luck versus Skill in the Cross-Section of Mutual Fund Returns.” It would be great if Professor Fama returns to econtalk and advance questions were considered from the listeners! In addition to listening to Professor Fama on econtalk, I also found the videos for a Yale course given by Economics Nobelist Robert Shiller. Professor Shiller expressed his skepticism for the Efficient Market Hypothesis in this lecture: oyc. yale. edu/economics/econ-252-08/lecture-6.
It seems to me that "information" alone isn’t enough of a criteria for an efficient market. There may be infinite sources of information and yet most investors probably act on just a few signals, and disagree about which are most important, and how to weigh them. Furthermore, the combinations of the signals (such as the criteria used by Graham) lead to even more possibilities. If pricing is based on “information”, why do the buyer and seller disagree on the value and future prospects of a stock? Would there be reasons other than EMH to explain why managed mutual funds don’t seem to do better than index funds (for example the need to show short term results, and of course lots of dumb luck confused with skill)? If we went back and looked at the 150 companies that Graham said met his first pass criteria, and looked at their subsequent performance, would there be evidence against EMH if those stocks as a whole performed far better than the market? Would significantly non-normal probability density distributions of individual stock returns be evidence against EMH.
Todos os direitos reservados.
Picture of Russ Roberts courtesy of the author.
All opinions expressed on EconTalk or in the podcasts reflect those of the authors or individual commenters, and do not necessarily represent the views or positions of the Library of Economics and Liberty (Econlib) website or its owner, Liberty Fund, Inc.