1)Alles is inderdaad gebaseerd op historische data.quote:Op woensdag 16 mei 2012 23:55 schreef Outlined het volgende:
interessant
Alles is wel gebaseerd op historische data toch?
Bestaat er ook een 5e moment?
Hoe zit het trouwens met diversificatie, hoe zit dat nou in jouw verhaal verwerkt?
Het is mens eigen om meer te willen, meer risico meer meer meer...quote:Op donderdag 17 mei 2012 11:58 schreef SeLang het volgende:
Interessante post en sowieso een erg interessant onderwerp!
Ik deel natuurlijk je conclusie dat rendements jagers risico vaak te laag inschatten. Ik hoef alleen maar om me heen te kijken om te constateren dat beleggers die veel risico hebben genomen het bijna zonder uitzondering op lange termijn slecht hebben gedaan, terwijl de aanname altijd is dat (hoewel volatiel) zij hogere rendementen zouden moeten maken. Dit wordt verstrekt door het asymmetrische karakter van winst/verlies: als je 50% van je kapitaal verliest moet je daarna maar liefst 100% winst maken om weer break-even te komen. Is dit eigenlijk meegenomen in het model?
Wat me wel een probleem lijkt met dit model is dat kurtosis uiteindelijk vooral wordt bepaald door 'black swan' type gebeurtenissen. En een 'black swan' komt per definitie als een donderslag bij heldere hemel. Een zekere zaak blijkt opeens helemaal niet zo zeker te zijn. Daarom lijkt het me lastig om van tevoren een portefeuille zo in te richten dat het immuun wordt voor dergelijke gebeurtenissen.
In 2006 had een belegger bijvoorbeeld in Griekse staatsschuld kunnen beleggen en kunnen denken dat het -hoewel misschien niet zo veilig is als Duitse staatsschuld- in elk geval vele malen minder kans geeft op een definitief verlies van kapitaal dan zeg, aandelen. Echter, anno 2012 zou die belegger definitief 90% van zijn investering kwijt zijn!
Wat trouwens subliem zichtbaar is in je tabel en je grafiek is hoe risico letterlijk explodeert als je een paar procentjes extra rendement probeert te halen. Een absoluut drama voor pensioenfondsen nu de risk-free rate bijna nul is!
Jazeker.quote:Op donderdag 17 mei 2012 11:57 schreef Outlined het volgende:
bedenk me nu net dat een gediversifieerde portefeuille ook zijn eigen 2e, 3e, 4e, ... momenten heeft. Toch?
het probleem is dat het voor de gemiddelde manager te ingewikkeld begint te wordenquote:Op donderdag 17 mei 2012 13:53 schreef Apollon het volgende:
3% risicovrij? Voor zover "risicovrij" überhaupt nog bestaat..
Een lichte simplificatie is trouwens wel op z'n plaats hier. In een notendop gaat de huidige algemene maatstaf voor risico, value at risk (VaR), uit van een normale verdeling van de return distributie. VaR geeft antwoord op de vraag: "als vandaag statistisch gezien een slechte dag is, hoeveel ga ik dan minimaal verliezen." Dit geeft geen antwoord op de vraag hoeveel dan precies.
Nu is een normale verdeling niet echt representatief voor return distributions in het algemeen (deze zijn meer fat tailed, dus VaR onderschat altijd het echte risico), dit is waar andere momenten gaan spelen. Skewness is de scheefheid van je return distributie, terwijl kurtosis verwijst naar de "piekvormigheid." Deze zijn meer gevoellig voor outliers (in de tails dus), waardoor een risicomaatstaf die hierop gebaseerd is automatisch hoger uit zal vallen.
Banken moeten kapitaal aanhouden op basis van het gerapporteerde risico, dus een hoger risico zou betekenen dat banken ook meer kapitaal aan zouden moeten houden. Hierdoor kunnen ze eventuele klappen beter opvangen. Leuk als dit gebeurt, maar niemand kan garanderen dat dit ook echt voldoende zal zijn wanneer er echt iets gebeurt. Wat mij betreft bieden dergelijke modellen alleen maar meer schijnzekerheid.
Hoe zag je dit voor je? Soort van out of sample analyse en dan kijken hoe ver je komt qua verlies? Je haalt bijv. de laatste 4 jaar van je data af, en dan check je op dat punt de gewichten, en daarna de returns over die laatste 4 jaar op basis van de optimale allocatie 4 jaar eerder, met dezelfde 3 modellen? En dan kijken hoe de returns lopen?quote:Op donderdag 17 mei 2012 11:58 schreef SeLang het volgende:
Interessante post en sowieso een erg interessant onderwerp!
Ik deel natuurlijk je conclusie dat rendements jagers risico vaak te laag inschatten. Ik hoef alleen maar om me heen te kijken om te constateren dat beleggers die veel risico hebben genomen het bijna zonder uitzondering op lange termijn slecht hebben gedaan, terwijl de aanname altijd is dat (hoewel volatiel) zij hogere rendementen zouden moeten maken. Dit wordt verstrekt door het asymmetrische karakter van winst/verlies: als je 50% van je kapitaal verliest moet je daarna maar liefst 100% winst maken om weer break-even te komen. Is dit eigenlijk meegenomen in het model?
Een van de redenen waarom pensioen fondsen en andere grote vermogensbeheerders over stappen op meer risico robuuste portefeuille's.quote:Wat me wel een probleem lijkt met dit model is dat kurtosis uiteindelijk vooral wordt bepaald door 'black swan' type gebeurtenissen. En een 'black swan' komt per definitie als een donderslag bij heldere hemel. Een zekere zaak blijkt opeens helemaal niet zo zeker te zijn. Daarom lijkt het me lastig om van tevoren een portefeuille zo in te richten dat het immuun wordt voor dergelijke gebeurtenissen.
In 2006 had een belegger bijvoorbeeld in Griekse staatsschuld kunnen beleggen en kunnen denken dat het -hoewel misschien niet zo veilig is als Duitse staatsschuld- in elk geval vele malen minder kans geeft op een definitief verlies van kapitaal dan zeg, aandelen. Echter, anno 2012 zou die belegger definitief 90% van zijn investering kwijt zijn!
Wat trouwens subliem zichtbaar is in je tabel en je grafiek is hoe risico letterlijk explodeert als je een paar procentjes extra rendement probeert te halen. Een absoluut drama voor pensioenfondsen nu de risk-free rate bijna nul is!
Dat weet ik niet zo zeker. Een van de kenmerken van een Black Swan is dat de Bell-curve niet meer toepasbaar is dus heeft kurtosis ook geen voorspellende waarde voor het risico in het geval dat er eentje optreedt. Black Swans zijn immers in staat om de meest veilige assetklassen overhoop te gooien zodat de ogenschijnlijk risicovolle assetgroep ineens een safe haven kan worden.quote:Op donderdag 17 mei 2012 14:19 schreef sitting_elfling het volgende:
Je hoeft geen rocket scientist te zijn om te zien dat er bij High Yield je exposure naar een 'black swan' toch wel hoger is .
Ik geloof niet dat er een scenario is waar op exact hetzelfde moment, alle assets volledig kopje onder gaan. Mijn inziens is er dus altijd wel een 'risico vrije asset' waar je in kunt investeren. In dit geval is het meer een 'minst risico vrije asset' .quote:Op donderdag 17 mei 2012 13:53 schreef Apollon het volgende:
3% risicovrij? Voor zover "risicovrij" überhaupt nog bestaat..
De obligatie index en de 3 maands US libor zijn overigens zo goed als normaal verdeeld.quote:Een lichte simplificatie is trouwens wel op z'n plaats hier. In een notendop gaat de huidige algemene maatstaf voor risico, value at risk (VaR), uit van een normale verdeling van de return distributie. VaR geeft antwoord op de vraag: "als vandaag statistisch gezien een slechte dag is, hoeveel ga ik dan minimaal verliezen." Dit geeft geen antwoord op de vraag hoeveel dan precies.
Nu is een normale verdeling niet echt representatief voor return distributions in het algemeen (deze zijn meer fat tailed, dus VaR onderschat altijd het echte risico), dit is waar andere momenten gaan spelen. Skewness is de scheefheid van je return distributie, terwijl kurtosis verwijst naar de "piekvormigheid." Deze zijn meer gevoellig voor outliers (in de tails dus), waardoor een risicomaatstaf die hierop gebaseerd is automatisch hoger uit zal vallen.
Ik ben het niet met je eens dat dergelijke modellen alleen maar meer schijnzekerheid geven. Een Modified VaR heeft wel degelijk toegevoegde waarde qua risico maatstaf. VaR an sich, of je nu de parametrische/monte carlo of historische neemt maakt in die zin allemaal niet zo veel uit. Ik verwacht dan ook dat de ECB overgaat op de Conditionele VaR, de daadwerkelijke verliezen in de staart als het mis gaat. Ik ben het wel met je eens dat wanneer er echt een enorme ramp staat te verwachtten, meeste van dit soort risico modellen de prullenbak in kunnen.quote:Banken moeten kapitaal aanhouden op basis van het gerapporteerde risico, dus een hoger risico zou betekenen dat banken ook meer kapitaal aan zouden moeten houden. Hierdoor kunnen ze eventuele klappen beter opvangen. Leuk als dit gebeurt, maar niemand kan garanderen dat dit ook echt voldoende zal zijn wanneer er echt iets gebeurt. Wat mij betreft bieden dergelijke modellen alleen maar meer schijnzekerheid.
De 3 maandse libor, van 96-12' is zo goed als normaal verdeeld en heeft in die zin de internet en hypotheek crash weten te overleven met een kurtosis van onder de 3. Ik ben het met je eens dat wanneer je een keuze zou moeten maken tussen 4 assets met een kurtosis van 4,5,6 of 7 de kansen niet heel veel anders zullen liggen. Dit zal (denk ik) alleen wel anders zijn als je moet kiezen tussen een asset met een kurtosis van 2 of 14. Wil je daar nog specifiekere informatie over zul je denk ik toch de momenten hoger dan de 4e moeten meenemen. Maar dan wordt het intuïtief toch wel een beetje een lastig verhaalquote:Op donderdag 17 mei 2012 14:30 schreef Arkai het volgende:
[..]
Dat weet ik niet zo zeker. Een van de kenmerken van een Black Swan is dat de Bell-curve niet meer toepasbaar is dus heeft kurtosis ook geen voorspellende waarde voor het risico in het geval dat er eentje optreedt. Black Swans zijn immers in staat om de meest veilige assetklassen overhoop te gooien zodat de ogenschijnlijk risicovolle assetgroep ineens een safe haven kan worden.
Yes. High yield reageert inderdaad heftiger op incidenten. Maar met dit model is het dus de bedoeling dat je nog steeds 'hogere returns' probeert te pakken, zonder die risico's van de hogere momenten en dus niet in High Yield belegt maar in iets anders, met dezelfde returns, maar lagere risico's. Hedge fondsen en private equity leveren dezelfde returns ivg met High Yield maar met minder 'hogere momenten' risico.quote:Op donderdag 17 mei 2012 15:03 schreef Dinosaur_Sr het volgende:
Als ik de laatste alinea van de OP lees, denk ik: ja, nogal wiedus.
High yield shit reageert heftiger op incidenten (zeg ik het zo goed)?
Wat trouwens ook met zich meebrengt dat diezelfde shit interessant(er) is in tijden van veel incidenten, imho en gevoelsmatig
Als ik het stuk daarvoor lees, raak ik hopeloos in de wiskundige knoop
Duidelijk fuzzy random hersensen hier aan boord.
Ik zou zeggen dat timing daar meer invloed op heeft dan allocatie, maar funds hebben vaak niet de luxe van kunnen timen, maar moeten gewoon in de markt zittenquote:Op donderdag 17 mei 2012 15:10 schreef sitting_elfling het volgende:
[..]
Yes. High yield reageert inderdaad heftiger op incidenten. Maar met dit model is het dus de bedoeling dat je nog steeds 'hogere returns' probeert te pakken, zonder die risico's van de hogere momenten en dus niet in High Yield belegt maar in iets anders, met dezelfde returns, maar lagere risico's. Hedge fondsen en private equity leveren dezelfde returns ivg met High Yield maar met minder 'hogere momenten' risico.
Ja zoiets.quote:Op donderdag 17 mei 2012 14:19 schreef sitting_elfling het volgende:
[..]
Hoe zag je dit voor je? Soort van out of sample analyse en dan kijken hoe ver je komt qua verlies? Je haalt bijv. de laatste 4 jaar van je data af, en dan check je op dat punt de gewichten, en daarna de returns over die laatste 4 jaar op basis van de optimale allocatie 4 jaar eerder, met dezelfde 3 modellen? En dan kijken hoe de returns lopen?
Het achterliggende rationaal van dit model is in wezen de minkovski afstand. Die d'tjes moet je zien als de afstand tussen de 'aspired' waardes (de sterretjes, dus maximum mean en skew en minimum variantie en kurtosis.) en de nominale waardes je wilt dat verkleinen tot een optimale (minimum) Z-waarde. Check voor paper met uitleg, daar staat het wat beter in. Probeer anders de paper van Kin Keung Lai and Lean Yu and Shouyang Wang te vinden over dit model. Maar weet zo niet of die freely available is op het internet.quote:Op donderdag 17 mei 2012 15:30 schreef ratatat het volgende:
Hoe moet ik die d_1 t/m d_4 interpreteren? Heb je wat literatuur die deze modellen bespreken?
Funds mogen(!) ook niet altijd timen. Vaak zijn het dus gewoon statische modellen.quote:Op donderdag 17 mei 2012 15:15 schreef Dinosaur_Sr het volgende:
[..]
Ik zou zeggen dat timing daar meer invloed op heeft dan allocatie, maar funds hebben vaak niet de luxe van kunnen timen, maar moeten gewoon in de markt zitten
Maar voor mijn simpele niet-academische ziel, hoe leidt een dergelijk model in de praktijk tot een concrete allocatie? Ik bedoel vanuit dit denkmodel naar de concrete beslissing om aandeel A of B te kopen.
Het is op het moment statisch. Alleen heeft dit model als voordeel, dat je er ook restricties (relatief gemakkelijk) in kunt zetten. Bijvoorbeeld alleen inkopen op asset 1, wanneer het een specifieke shiller p/e heeft. Of bijvoorbeeld dat je maar maximum 30% in elke asset mag stoppen. Het model zal altijd een optimaal punt proberen te zoeken voor de 4 momenten, om de risico dus zo laag mogelijk te houden.quote:Op donderdag 17 mei 2012 15:57 schreef SeLang het volgende:
[..]
Ja zoiets.
Eén van mijn belangrijkste eigen regels is dat je moet zorgen dat je nooit veel geld verliest vanwege de compounding die dan de verkeerde kant op werkt. Verliezen zijn daardoor kostbaarder dan het op het eerste gezicht lijkt. Als ik eerst 50% verlies maak en daarna 50% winst dan sta ik daarna op 25% verlies.
Overigens, een andere opmerking die ik heb is dat de allocatie statisch lijkt te zijn. Klopt dat? De winst/ risico verhouding van bijvoorbeeld aandelen is momenteel abominabel slecht imo en de min of meer risicovrije 3,2% die ik momenteel gemiddeld op mijn bankrekeningen ontvang lijkt in verhouding extreem aantrekkelijk (*). Maar op de helft van de huidige koersen zouden aandelen aantrekkelijk kunnen worden met verdubbelde verwachte returns en een halvering van het risico. Ik weet zeker dat je met het dynamisch managen van die allocatie je risico enorm terug kunt brengen voor gelijkblijvende lange termijn returns.
(*) Totdat de Nederlandse staat failliet gaat en de bankgaranties niet meer kan waarmaken. Maar dat zou dus in dat 4de moment moeten zitten in het model
Hier sluit ik me volledig bij aan!quote:Overigens, een andere opmerking die ik heb is dat de allocatie statisch lijkt te zijn. Klopt dat? De winst/ risico verhouding van bijvoorbeeld aandelen is momenteel abominabel slecht imo en de min of meer risicovrije 3,2% die ik momenteel gemiddeld op mijn bankrekeningen ontvang lijkt in verhouding extreem aantrekkelijk (*). Maar op de helft van de huidige koersen zouden aandelen aantrekkelijk kunnen worden met verdubbelde verwachte returns en een halvering van het risico. Ik weet zeker dat je met het dynamisch managen van die allocatie je risico enorm terug kunt brengen voor gelijkblijvende lange termijn returns.
(*) Totdat de Nederlandse staat failliet gaat en de bankgaranties niet meer kan waarmaken. Maar dat zou dus in dat 4de moment moeten zitten in het model
Check paper voor de methode waarop ik m'n 2e, 3e, en 4e moment bereken. Op pagina 17, zie je hoe ik de coskewnes matrix bepaal en de cokurtosis matrix. Op pagina 12, zie je de optimalisatie via een utility functie. Ik gebruik dat voor mn optimalizatie per moment, dus via de kroneckers.quote:Op donderdag 17 mei 2012 18:38 schreef ratatat het volgende:
Net even dat paper gelezen. Erg interessant wel. Ben alleen bang dat het toch vrij lang gaat duren voordat de grote partijen met zulke modellen gaan werken.
@S_E: Hoe doe jij dat eigenlijk met het schatten van je momenten. Neem aan dat je means en varianties op een robuuste manier doet? En hoe zit het met skewness en kurtosis? Dan krijg je nog meer variabelen die je moet uitrekenen, of neem je coskewness en cokurtosis niet mee?
Hoezo eigenlijk niet zulke portfolios construeren met copula?
|
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |