Könnte ein Portfolio
Wenn Sie 51% in den S & P 500 Index investieren, erzielen Sie die gleichen Renditen wie bei 100%.
investiert?

Mitte März
2020 teilte ein Finanzberater einem der Autoren diese jüngste Analyse mit
veröffentlicht von einer großen Investment-Management-Firma festgestellt, dass es könnte.

Mit anderen Worten, die Strategie liefert die gleiche Portfoliorendite bei nur der Hälfte der Volatilität.

Zu einem Zeitpunkt
Die Marktvolatilität übersteigt das Niveau der Finanzkrise 2008–2009, eine solche Strategie
hat einen verständlichen Reiz. Angesichts der möglichen Auswirkungen gaben wir die
genauer hinschauen.

Laut dem
Analyse zufolge investierten 100.000 USD 100% in den S & P 500 Index im Rahmen eines Buy-and-Hold
Die Strategie am 24. März 2000 wäre zum 31. Dezember 2019 auf 310.570 USD angewachsen.
Die alternative Strategie investierte 51% der 100.000 USD in den S & P 500 Index
am 24. März 2000. Die Untersuchung ergab nicht, was mit den verbleibenden passiert ist
49%, aber wir haben festgestellt, dass die von ihnen gemeldeten Renditen generiert werden, wenn wir die
49.000 US-Dollar unter einer Matratze, daher wird eine Rendite von 0% angenommen. Das Portfolio wurde neu gewichtet
am 9. Oktober 2002, 9. Oktober 2007 und 9. März 2009 auf 51% Marktgewicht
zwischen diesen Daten schwankte der Portfoliowert frei.

Die 51%
Die Marktgewichtsstrategie erhöhte die Investition in Höhe von 100.000 USD am 31. Dezember auf 311.560 USD
2019. Die 51% ige Marktgewichtsstrategie übertraf die 100% also leicht.
Marktgewichtsstrategie mit etwa der Hälfte des Portfoliorisikos, genau wie die
Finanzberater sagte.

Was uns auffiel, war der Zufall der drei Neuausgleichstermine. Die von 2007 und 2009 entsprechen einem Markt oben bzw. unten.

Wie die jüngste COVID-19-bezogene Volatilität zeigt, ist es schwierig, den optimalen Zeitpunkt für den Kauf oder Verkauf zu bestimmen. Zum Beispiel haben wir möglicherweise am 11. März 2020 gekauft, nachdem der S & P 500 Index um 4,9% gefallen war, nur um am nächsten Tag um 9,5% zu fallen. Es ist daher unwahrscheinlich, dass Anleger zu den angegebenen genauen Terminen eine Neuausrichtung vornehmen.

Also wie würde
Unterschiedliche Daten wirken sich auf die 51% -Marktgewichtsstrategie aus? Während wir nicht konnten
Wenn wir die Ergebnisse perfekt reproduzieren, haben wir es geschafft, mit total etwas Ähnliches zu produzieren
Renditen des SPDR S & P 500 Index ETF (SPY), der als Proxy sinnvoll war
da es investierbar ist und den S & P 500 genau verfolgt.

In unserer Studie hat die
Eine 100% ige Marktgewichtsstrategie ergab 304.122 USD
Zum 31. Dezember 2019. Um dieses Portfolio leicht zu übertreffen, mussten wir dies auch tun
Investieren Sie an jedem Ausgleichstermin 51% in den Markt. Das ergab ein Portfolio
Wert von 306.311 USD zum Ende des Jahres 2019.

Anhand des Marktgewichts von 51% und unserer Daten haben wir getestet, wie empfindlich das Portfolio auf eine frühzeitige oder spätzeitige Neuausrichtung reagiert. Zunächst haben wir das Portfolio eine Kalenderwoche vor jedem der ursprünglichen Neuausgleichstermine neu gewichtet. Dies ergab am Ende des Messzeitraums einen Portfoliowert von 292.772 USD, 3,7% weniger als bei der 100% igen Marktgewichtsstrategie. Als nächstes haben wir das Portfolio eine Kalenderwoche später als die ursprünglichen Daten neu gewichtet. Dies ergab Ende 2019 einen Portfoliowert von 278.587 USD, was 8,4% unter der 100% igen Marktgewichtsstrategie liegt.

Wenn Sie die Ausgleichstermine um zwei Kalenderwochen anpassen, sind die Ergebnisse noch schlechter. Zwei Wochen zu früh und die 100.000 USD werden zu 281.559 USD – 7,4% weniger als die 100% ige Marktgewichtsstrategie. Zwei Wochen später entspricht dies 262.884 USD oder 13,6% weniger als die 100% ige Marktgewichtsstrategie. Im Allgemeinen gilt das Ergebnis für praktisch alle (~ 98%) möglichen ein- und zweiwöchigen Verschiebungen der Neuausgleichstermine.

Also, was ist das?
wegbringen?

Um die 51% -Marktgewichtsstrategie umzusetzen, ist ein extremes Market-Timing erforderlich: Die spezifischen Neuausgleichstermine müssen perfekt ausgewählt werden. Andernfalls sind wir mit einer Buy-and-Hold-Strategie, die zu 100% in den Markt investiert ist, besser dran.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Die hier geäußerten Meinungen sind ausschließlich die des Autors und spiegeln nicht die Ansichten und Meinungen von Compass Lexecon oder seinen anderen Mitarbeitern wider.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / Giorez

Professionelles Lernen für Mitglieder des CFA-Instituts

Ausgewählte Artikel können mit dem Professional Learning (PL) angerechnet werden. Nehmen Sie Credits ganz einfach mit der CFA Institute Members App auf, die auf iOS und Android verfügbar ist.

Clifford S. Ang, CFA

Clifford S. Ang, CFA, ist Senior Vice President bei Compass Lexecon, einem Wirtschaftsberatungsunternehmen. Er ist spezialisiert auf die Bewertung von Unternehmen und schwer zu bewertenden Vermögenswerten, hauptsächlich im Rahmen von Rechtsstreitigkeiten. Er hat an Hunderten von Engagements mit Unternehmen aus einem breiten Spektrum von Branchen gearbeitet. Ang unterrichtet die Kurse zur Aktien- und Anleihenbewertung bei DataCamp, einer interaktiven Lernplattform für Data Science. Er hat zahlreiche bewertungsbezogene Themen veröffentlicht und vorgestellt. Ang ist der Autor des von Springer veröffentlichten Lehrbuchs Finanzmodellierung, Datenanalyse und Datenvisualisierung Analyse von Finanzdaten und Implementierung von Finanzmodellen mit R, das von Springer veröffentlicht wird. Die zweite Ausgabe des Buches soll im Frühjahr 2021 erscheinen. Er ist CFA-Charterholder und hat einen M.S. in der Finanzwelt. Er ist Mitglied des CFA-Instituts, Mitglied der CFA-Gesellschaft in San Francisco, Abstraktor für den CFA-Digest, und hat sich freiwillig für das CFA-Programm eingesetzt. Er ist außerdem Mitglied des Big Data Advisory Board der Rutgers University und des Alumni Board der Olin Business School an der Washington University in St. Louis. Seine Website ist www.cliffordang.com und seine E-Mail ist [email protected]

Merritt Lyon

Merritt Lyon ist Doktorand in Statistik an der George Washington University. Seine Forschungsinteressen liegen in zufälligen Strukturen, angewandter Wahrscheinlichkeit und statistischem Lernen. Seine Berufserfahrung umfasst die Entwicklung und Anwendung von Modellen für maschinelles Lernen, zuletzt für den Einsatz auf dem Hypothekenmarkt für Wohnimmobilien.