پیش بینی بازده بورس سهام: مجموع قطعات بیشتر از کل است

ما پیش بینی را به طور جداگانه پیشنهاد می کنیم سه مؤلفه بازده بورس-نسبت سود سهام-قیمت ، رشد درآمد و رشد نسبت قیمت-درآمد-روش جمع بخش (SOP). روش ما از تداوم سری های مختلف زمانی از مؤلفه ها بهره برداری می کند و r-squares خارج از نمونه (در مقایسه با میانگین تاریخی) بیش از 1. 3 ٪ با داده های ماهانه و 13. 4 ٪ با داده های سالانه را بدست می آورد. این مقایسه با R-squares معمولاً منفی به دست آمده در یک آزمایش مشابه با رگرسیون پیش بینی کننده است. عملکرد روش SOP عمدتاً از نسبت سود سها م-قیمت و اجزای رشد درآمد حاصل می شود و استحکام روش به دلیل خطای تخمین کم آن است. یک سرمایه گذار که بازار را با استفاده از روش ما به پایان رسانده است ، می تواند نسبت شارپ نسبت به 0. 3 داشته باشد.

معرفی

ادبیات طولانی در مورد پیش بینی بازده بورس با استفاده از چند برابر قیمت ، متغیرهای کلان اقتصادی ، اقدامات شرکت ها و اقدامات ریسک وجود دارد. 1 این مطالعات شواهدی را به نفع پیش بینی بازگشت در نمونه نشان می دهد. با این حال ، تعدادی از نویسندگان این یافته ها را به این دلیل که تداوم متغیرهای پیش بینی و همبستگی نوآوری های آنها با بازده ممکن است ضرایب رگرسیون را سوق دهد و بر T-Statistics تأثیر بگذارد (نلسون و کیم ، 1993 ؛ کاواناگ ، الیوت و سهام، 1995 ؛ Stambaugh ، 1999 ؛ Lewellen ، 2004). مشکل دیگر امکان داده کاوی نشان داده شده توسط لیست طولانی از متغیرهای پیش بینی کننده فریبنده است که به طور مرتب در مطبوعات نمایش داده می شود ، از جمله Hemlines ، نتایج فوتبال و تولید کره در بنگلادش (فاستر ، اسمیت ، و Whaley ، 1997 ؛ Ferson ، Karkissian، و سیمین ، 2003). پیش بینی بازده بورس سهام از این رو یک سوال باز است.

در تحقیقات مهم اخیر ، Goyal و Welch (2008) عملکرد خارج از نمونه لیست طولانی از پیش بینی کننده ها را بررسی می کنند. آنها پیش بینی های بازده را در زمان t 1 از رگرسیون پیش بینی شده با استفاده از داده ها تا زمان t با پیش بینی های مبتنی بر میانگین تاریخی در همان دوره مقایسه می کنند. آنها دریافتند که میانگین تاریخی عملکرد خارج از نمونه بهتر از رگرسیون پیش بینی کننده سنتی دارد. Goyal و Welch (2008) نتیجه می گیرند که "این مدل ها به یک سرمایه گذار با دسترسی فقط به اطلاعات موجود برای سودآوری بازار کمک نمی کنند" (صفحه 1455) (همچنین به Bossaerts و Hillion ، 1999 مراجعه کنید). در حالی که اینو و کیلیان (2004) و کوکران (2008) استدلال می کنند که این شواهدی در برابر پیش بینی بودن به خودی خود نیست بلکه فقط شواهدی از دشواری در سوء استفاده از پیش بینی با استراتژی های معاملاتی است ، چالش Goyal و Welch (2008) تا حد زیادی بدون جواب مانده است.

ما یک روش جایگزین برای پیش بینی بازده بازار سهام ارائه می دهیم: روش جمع بخش (SOP). ما بازده بورس سهام را به سه مؤلفه تجزیه می کنیم - نسبت سود سهام - قیمت ، نرخ رشد درآمد و نرخ رشد نسبت قیم ت-درآمد - و هر مؤلفه را به طور جداگانه پیش بینی می کند و از ویژگی های مختلف سری زمانی خود سوء استفاده می کند. از آنجا که نسبت سود سهام بسیار پایدار است ، ما آن را با استفاده از نسبت سود سهام در حال حاضر مشاهده شده پیش بینی می کنیم. از آنجا که رشد درآمد در کوتاه مدت غیرقابل پیش بینی است اما دارای یک مؤلفه قابل پیش بینی با فرکانس پایین (Binsbergen and Koijen ، 2010) است ، ما آن را با استفاده از میانگین تاریخی بلند مدت آن (میانگین حرکت 20 ساله) پیش بینی می کنیم. سرانجام ، ما در این ساده ترین نسخه از روش SOP هیچ رشد در نسبت قیم ت-درآمد را فرض نمی کنیم. این از نزدیک با فرضیه پیاده روی تصادفی برای نسبت سود سهام - قیمت مناسب است. بنابراین ، پیش بینی بازده برابر با مجموع نسبت سود سهام فعلی و میانگین تاریخی طولانی مدت رشد درآمد است. 2

ما روش SOP را با استفاده از همان داده های Goyal و Welch (2008) برای دوره 1927-2007 اعمال می کنیم. 3 رویکرد ما به وضوح بهتر از میانگین تاریخی و رگرسیون پیش بینی کننده سنتی عمل می کند. ما یک r-square خارج از نمونه (نسبت به میانگین تاریخی) 1. 32 ٪ با داده های ماهانه و 43. 43 ٪ با داده های سالانه (و مشاهدات غیرمجاز) به دست می آوریم. این مقایسه با r-square های خارج از نمونه از 7. 78 ٪ تا 0. 69 ٪ (ماهانه) و از 17. 57 ٪ تا 7. 54 ٪ (سالانه) به دست آمده با استفاده از رویکرد رگرسیون پیش بینی در گویال و ولچ (2008) مقایسه می شود.

روش SOP را می توان به عنوان یک رگرسیون پیش بینی با نسبت سود تقسیمی به قیمت به عنوان یک پیش بینی کننده و با محدودیت هایی که رهگیری برابر با میانگین تاریخی رشد سود و شیب برابر با یک است تفسیر کرد. یک نگرانی مهم در مورد یافته های ما این است که ممکن است به طور تصادفی ضرایبی را انتخاب کرده باشیم که نزدیک به تخمین های داخل نمونه رگرسیون پیش بینی نامحدود در طول دوره پیش بینی هستند. سپس R-square خارج از نمونه واقعاً یک R-square درون نمونه خواهد بود. ما این نگرانی را با تخمین رگرسیون پیش بینی برطرف می کنیم و متوجه می شویم که ضرایب تخمینی درون نمونه بسیار متفاوت از مفروضات ضمنی روش SOP هستند. این نگرانی را از بین می برد که روش SOP بر اساس استخراج ضرایب است. با استفاده از نسخه های محدود رگرسیون پیش بینی کننده، نشان می دهیم که هم نسبت سود به قیمت و هم مؤلفه های رشد سود به یک اندازه مسئول عملکرد روش SOP هستند. ما همچنین دریافتیم که عملکرد روش SOP نسبت به برآوردهای جایگزین از تداوم نسبت سود به قیمت و رشد متوسط سود قوی است.

سود در عملکرد خارج از نمونه روش SOP نسبت به رگرسیون های پیش بینی کننده عمدتاً به دلیل عدم وجود خطای تخمینی است که از پیش بینی بازدهی برابر با مجموع نسبت سهام به قیمت فعلی و میانگین تاریخی بلندمدت ناشی می شود. رشد درآمد؛یعنی هیچ پارامتری برای تخمین وجود ندارد. مشابهی در ادبیات قابل پیش بینی نرخ ارز وجود دارد. میز و روگوف (1983) و نویسندگان متعددی از آن زمان نشان می دهند که رگرسیون های پیش بینی کننده بر روی عوامل بنیادی مانند تفاوت های نرخ بهره نمی توانند جایگزین راه رفتن تصادفی خارج از نمونه را شکست دهند. با این حال، ادبیات استراتژی های حمل نشان می دهد که خرید نرخ بهره بالا و کوتاه کردن ارزهای با نرخ بهره پایین، سود ثابتی را به همراه دارد (به Buside، Eichenbaum و Rebelo، 2007؛ Buside، Eichenbaum، Kleshchelski و Rebelo، 2010 مراجعه کنید). استراتژی ها نرخ ارز را با نرخ بهره پیش بینی می کنند اما نیازی به تخمین ندارند و در نتیجه خطای تخمینی ندارند.

نتایج ما در نمونه ها و در داده های بین المللی قوی است. روش SOP در مورد داده های انگلیس و ژاپن بسیار خوب عمل می کند ، جایی که پیش بینی در بازده سهام حتی قوی تر از ایالات متحده است. دستاوردهای اقتصادی از یک استراتژی معاملاتی که از ساده ترین نسخه روش SOP استفاده می کند ، قابل توجه است. سود معادل یقین آن 1. 8 ٪ در سال است و نسبت شارپ بیش از 0. 3 ٪ بیشتر از یک استراتژی معاملاتی بر اساس میانگین تاریخی است. در مقابل ، استراتژی های معاملاتی مبتنی بر رگرسیون پیش بینی کننده باعث خسارات اقتصادی قابل توجهی می شود. نتیجه می گیریم که پیش بینی قابل توجهی در بازده سهام وجود دارد و می توان زمان سودآوری بازار را در زمان واقعی داشت.

ما یک آزمایش شبیه سازی مونت کارلو را انجام می دهیم تا عملکرد روش SOP را بهتر درک کنیم. ما اقتصاد Binsbergen و Koijen (2010) را شبیه سازی می کنیم ، که در آن فرض می شود که بازده و رشد سود سهام قابل پیش بینی است. ما می دانیم که میانگین خطای مربع ریشه (RMSE) ساده ترین نسخه از روش SOP (نسبت به بازده مورد انتظار واقعی ، که در شبیه سازی شناخته شده است) 2. 87 ٪ است ، در مقایسه با 4. 94 ٪ برای میانگین تاریخی و 3. 73 ٪ برایرگرسیون پیش بینی کننده. عملکرد برتر برآوردگر SOP نسبت به برآوردگر رگرسیون پیش بینی کننده به دلیل عدم وجود خطای تخمین با واریانس پایین تر آن توضیح داده می شود. نسبت به میانگین تاریخی ، برآوردگر SOP واریانس مشابهی را نشان می دهد ، اما همبستگی بسیار بالاتری با بازده مورد انتظار واقعی.

مهمترین برنامه های کاربردی در امور مالی - محاسبه سرمایه و مدیریت نمونه کارها - برآورد بازده مورد انتظار بازار سهام را که با قدرت توضیحی بالا به صورت محکم کار می کند ، ارائه می دهد. مقاله ما اولین برآوردگر را ارائه می دهد که این شرایط را برآورده می کند. رفتن از نمونه های خارج از نمونه که در مطالعات قبلی نزدیک به صفر هستند تا تعداد بیش از 13 ٪ مسائل در عمل بسیار زیاد باشد.

قطعه قطعه

پیش بینی بازده از نمونه است

ما ابتدا روش پیش بینی رگرسیون را برای پیش بینی بازده بازار سهام شرح می دهیم. سپس ما یک تجزیه ساده از بازده سهام ارائه می دهیم و نحوه پیش بینی هر مؤلفه را نشان می دهیم. سرانجام ، ما نتایج اصلی خود را شرح می دهیم.

پسوند و استحکام

ما از دو روش جایگزین برای پیش بینی رشد در نسبت قیمت درآمد استفاده می کنیم. در رویکرد اول ، ما یک رگرسیون پیش بینی کننده سنتی - رگرسیون رشد رشد - با رشد چندگانه GM (به جای بازگشت بازار سهام R) را به عنوان متغیر وابسته اجرا می کنیم: GM T + 1 = α + β X T + ε T + 1 ،برای به دست آوردن پیش بینی رشد نسبت قیمت درآمد. ما با استفاده از دنباله ای از گسترش ویندوز ، پیش بینی های خارج از نمونه از رشد چندگانه را ایجاد می کنیم. همانطور که در رویکرد رگرسیون پیش بینی کننده ، ما اعمال می کنیم

تجزیه و تحلیل شبیه سازی

در این بخش ، ما یک آزمایش شبیه سازی مونت کارلو را انجام می دهیم تا عملکرد روش جمع بخش ها را بهتر بشناسیم. ما اقتصاد را در Binsbergen و Koijen (2010) شبیه سازی می کنیم ، که در آن بازده مورد انتظار (μ T) و نرخ رشد سود سهام مورد انتظار (G T) از فرآیندهای AR (1) پیروی می کند: μ t + 1 = δ 0 + δ 1 (μ t - δ δ0) + ɛ T + 1 μ و G T + 1 = γ 0 + γ 1 (G T - γ 0) + ɛ T + 1 G. نرخ رشد سود سهام برابر با نرخ رشد سود سهام مورد انتظار به علاوه یک شوک متعامد است: Δ D T + 1 = G T + ɛ T + 1 d.

Campbell and Shiller (1988) در حال حاضر ورود به سیستم

نتیجه

ما پیش بینی می کنیم که به طور جداگانه نسبت سود سهام و قیمت ، رشد درآمد و اجزای رشد قیمت-درآمد بازده بازار سهام را بازگرداند: روش جمع بخش ها. روش ما از خصوصیات سری زمانی مختلف اجزای بهره برداری می کند. ما روش SOP را برای پیش بینی بازده بورس سهام از نمونه بیش از سالهای 1927-2007 اعمال می کنیم. روش SOP از نظر آماری و اقتصادی دستاوردهای قابل توجهی برای سرمایه گذاران ایجاد می کند و از نمونه بهتر از میانگین یا پیش بینی تاریخی عملکرد بهتری دارد

منابع (56)

• R. Valkanov