Shy

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за июль (результаты за прошлый месяц: smart-lab.ru/blog/479841.php). В июле продолжился классический рынок поздней фазы экономического цикла, модель четвертый месяц подряд отстала SPY, однако перформила наравне со своим основным бенчмарком — EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.062 1.77
XLP 0.000 3.96
XLE 0.079 1.46
XLF 0.151 5.11
XLV 0.088 6.55
XLI 0.050 7.37
XLB 0.072 2.79
XLK 0.057 2.09
XLU 0.111 1.73
IYZ 0.000 0.18
VNQ 0.091 0.68
SHY 0.000 -0.06
TLT 0.239 -1.44
GLD 0.000 -2.26

Корреляция между весами и ретурнами положительная — 0.014, однако за счет того, что модель держала примерно половину капитала в защитных активах и секторах — догнать SPY так и не удалось: +2.17% LQI vs +3.74% SPY vs. +2.14% EQW. В терминах максимальной просадки в течение месяца модель существенно лучше SPY и наравне с EQW: 0.8% у модели vs. 1.4% SPY vs. 0.8% EQW.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за июнь (результаты за прошлый месяц: smart-lab.ru/blog/474539.php). В июне наблюдался классический рынок поздней фазы экономического цикла, модель уже третий месяц подряд отстала от своих бенчмарков — SPY & EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.067 2.86
XLP 0.000 4.56
XLE 0.127 0.11
XLF 0.157 -2.82
XLV 0.000 0.49
XLI 0.000 -4.44
XLB 0.120 -1.23
XLK 0.000 -1.93
XLU 0.068 4.40
IYZ 0.000 1.76
VNQ 0.000 3.74
SHY 0.000 0.12
TLT 0.263 1.18
GLD 0.197 -3.13

Корреляция между весами и ретурнами отрицательная — (-0.24), как следствие — андерперформанс модели: (-0.49)% LQI vs (-0.40)% SPY & +0.40% EQW. В терминах максимальной просадки в течение месяца модель существенно лучше SPY и наравне с EQW: 1.6% у модели vs. 3.0% SPY vs. 1.6% EQW.

Динамика секторов была вполне характерна для поздней фазы экономического цикла — в плюсе оказались защитные XLP, XLV, XLU, IYZ & VNQ, а проциклические XLE, XLF, XLI, XLB & XLK показали отрицательную или слабую динамику. На удивление плохо показало себя для такого «защитного» рынка золото, что объясняет бОльшую часть полученного андерперформанса по сравнению с EQW.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за май (результаты за прошлый месяц: smart-lab.ru/blog/468636.php). На рынках продолжалась неопределенная динамика, модель уже второй месяц подряд отстала от своих бенчмарков — SPY & EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.000 1.99
XLP 0.000 -1.57
XLE 0.062 2.98
XLF 0.123 -0.98
XLV 0.101 0.18
XLI 0.139 3.03
XLB 0.000 2.05
XLK 0.000 6.71
XLU 0.050 -1.11
IYZ 0.000 -1.53
VNQ 0.000 3.68
SHY 0.000 0.35
TLT 0.317 2.01
GLD 0.208 -1.20

Корреляция между весами и ретурнами отрицательная — (-0.11), как следствие — андерперформанс модели: +0.84% LQI vs +2.38% SPY & +1.19% EQW. В терминах максимальной просадки в течение месяца модель чуть лучше SPY и чуть хуже EQW: 1.2% у модели vs. 1.6% SPY vs. 0.8% EQW.

Динамика секторов была неоднозначная, но скорее с преобладанием роста — в плюсе оказались проциклические XLE, XLI, XLB & XLK, в убытках или около нуля закончили все защитные, за исключением TLT & VNQ. Значительная доля защитных активов в портфеле, плюс отсутствие выросшего почти на 7% за месяц кислотного в настоящее вермя сектора technology (XLK) и объясняет полученный результат.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за апрель (результаты за прошлый месяц: smart-lab.ru/blog/461812.php). На рынках продолжалась неопределенная динамика, сопровождаемая движением вверх кривой процентных ставок. Итого — модель сильно (более чем на 1.5%) отстала от своих бенчмарков — SPY & EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

      wts     ret
XLY 0.000  0.0238
XLP 0.000 -0.0414
XLE 0.000  0.0949
XLF 0.088 -0.0044
XLV 0.144  0.0106
XLI 0.129 -0.0279
XLB 0.000  0.0012
XLK 0.071  0.0006
XLU 0.000  0.0204
IYZ 0.000  0.0137
VNQ 0.000  0.0082
SHY 0.000 -0.0023
TLT 0.310 -0.0209
GLD 0.258 -0.0095

Предыдущие веса были опубликованы 1-го апреля, доходности приведены за период с закрытия 30-го марта по 30-е апреля. Корреляция между весами и ретурнами сильно отрицательная — (-0.37), на моей памяти это происходит первый раз за последние пару лет. Как следствие — сильный андерперформанс модели: (-1.1%) LQI vs +0.5% SPY & EQW. В терминах максимальной просадки в течение месяца модель чуть лучше SPY и чуть хуже EQW: 2.3% у модели vs. 2.7% SPY vs. 2.0% EQW.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за март (результаты за прошлый месяц: smart-lab.ru/blog/455737.php). Рынки продолжало потряхивать, лишь несколько тикеров (XLY, XLK, XLU, TLT) завершили месяц в небольшом плюсе (в пределах +1%), но за счет диверсификации и грамотного мани-менеджмента модели удалось обогнать оба своих бенчмарка — SPY и EQW — как в терминах ретурна, так и риска (максимальной просадки). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

      wts     ret
XLY 0.048  0.0100
XLP 0.181 -0.0089
XLE 0.000 -0.0342
XLF 0.058 -0.0564
XLV 0.112 -0.0146
XLI 0.000 -0.0241
XLB 0.080 -0.0131
XLK 0.000  0.0080
XLU 0.000  0.0076
IYZ 0.000 -0.0297
VNQ 0.000 -0.0212
SHY 0.195  0.0014
TLT 0.000  0.0104
GLD 0.326 -0.0029

Предыдущие веса были опубликованы ночью 1-го марта, соответственно доходности приведены за период с закрытия 1-го марта по 30-е марта. Корреляция между весами и ретурнами положительная — 0.164. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): -0.77% LQI vs. -1.2% EQW, то же самое для индекса S&P: -0.77% LQI vs. -1.26% SPY. В терминах максимальной просадки в течение месяца модель также была лучшей: -1.8% для модели vs. 2.1% для EQW vs. 2.2% для SPY. Аутперформанс достигнут за счет того, что модель не сидела в сильнее всего потерявших за последний месяц тикерах XLE, XLI, IYZ & VNQ, зато имела неплохой вес в сливших меньше всего или заработавших XLP, SHY & GLD. Сравнение эквити всех трех рядов — на графике в начале статьи, ответ на вопрос, какую из них вы хотели бы получить в течение месяца — думаю, очевиден.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за февраль (результаты за прошлый месяц: smart-lab.ru/blog/448988.php). Месяц оказался для рынка очень непростым — «perfect storm» наблюдался во всех классах активов, которыми торгует модель, однако модели удалось обогнать оба своих бенчмарка — SPY и EQW — как в терминах ретурна, так и риска (максимальной просадки). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.131 -4.51
XLP 0.142 -7.96
XLE 0.000 -10.97
XLF 0.069 -4.67
XLV 0.093 -6.02
XLI 0.112 -5.74
XLB 0.034 -6.27
XLK 0.000 -2.06
XLU 0.112 -3.88
IYZ 0.000 -5.14
VNQ 0.000 -7.55
SHY 0.000 -0.06
TLT 0.144 -2.57
GLD 0.163 -2.30

Предыдущие веса были опубликованы 1-го января, соответственно доходности приведены за период с закрытия 1-го февраля по 1-е марта. Корреляция между весами и ретурнами положительная — 0.146. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): -4.6% LQI vs. -5.0% EQW, то же самое для индекса S&P: -4.6% LQI vs. -5.0% SPY. В терминах максимальной просадки в течение месяца модель также была лучшей: 6% для модели vs. 7% для EQW vs. 8.6% для SPY. Невесть что, однако для тех, кто сидел в просадке 6% и в просадке 9% на хороший капитал — разница, думаю, заметна. Аутперформанс был достигнут за счет лучшей диверсификации (даже не смотря на то, что все падало), а также за счет того, что модель вышла из «кислотных» январских тикеров XLE & XLK (из XLK — зря, зато из XLE — очень не зря), и «налегла» на защитные активы (TLT, GLD, XLU, XLV, XLP), хотя два последних тоже оказались не очень защитными.

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за январь нового года (результаты за прошлый месяц: smart-lab.ru/blog/442848.php). По понятным причинам месяц выдался для модели хорошим — +3.4%, модель обогнала один из своих бенчмарков (EQW), однако S&P показал ретурн на 2.3% (!!!) лучше — +5.7%. Веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.118 9.24
XLP 0.122 1.65
XLE 0.078 3.58
XLF 0.059 6.52
XLV 0.066 6.56
XLI 0.084 5.39
XLB 0.063 3.98
XLK 0.076 7.04
XLU 0.079 -3.11
IYZ 0.000 0.48
VNQ 0.000 -4.25
SHY 0.000 -0.29
TLT 0.123 -3.26
GLD 0.132 3.23

Предыдущие веса были опубликованы 1-го января, соответственно доходности приведены за период с закрытия 2-го по 31-е января.
Корреляция между весами и ретурнами положительная — 0.312. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): +3.4% LQI vs. +2.6% EQW, однако другой бенчмарк — SPY — обогнал модель на целых 2.3%. В периоды бурного роста индекса это объяснимо — все-таки, 50% капитала модель держит в защитных и контрцикличных активах. В терминах риска (максимальной просадки) модель завершила наравне с EQW (1.5%), что лучше результата SPY (1.7%).

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за декабрь (результаты за прошлый месяц: smart-lab.ru/blog/436927.php). Месяц выдался для модели ниже среднего — +0.45%, модель обогнала один из своих бенчмарков (EQW), однако S&P показал ретурн на 0.46% лучше — +0.91%. Веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

      wts     ret
XLY 0.121  0.0215
XLP 0.082  0.0125
XLE 0.033  0.0370
XLF 0.092  0.0120
XLV 0.054 -0.0074
XLI 0.077  0.0283
XLB 0.061  0.0247
XLK 0.058  0.0069
XLU 0.085 -0.0661
IYZ 0.000 -0.0249
VNQ 0.096 -0.0190
SHY 0.000 -0.0015
TLT 0.117  0.0024
GLD 0.123  0.0169

Предыдущие веса были опубликованы 3-го декабря, соответственно доходности приведены за период с закрытия 3-го по 29-е декабря.
Корреляция между весами и ретурнами положительная — 0.106. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): +0.45% LQI vs. +0.3% EQW, однако другой бенчмарк — SPY — показал за месяц результат почти на 0.5% лучше. Андерперформанс практически всецело объясняется позицией в XLU, которая потеряла за месяц 6.6%. В терминах риска (максимальной просадки) модель завершила наравне с EQW (0.8%), что хуже чем результаты SPY (0.5%).

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за ноябрь (результаты за прошлый месяц: smart-lab.ru/blog/430154.php). Месяц выдался для модели хорошим — +2.3%, модель обогнала один из своих бенчмарков (EQW), однако S&P показал ретурн на 0.5% лучше — +2.8%. Это ожидаемо в периоды бурного роста индекса, когда «защитные» активы (золото и трежерис) перформят ожидаемо плохо (а модель почти всегда держит их с положительным весом), и не должно смущать долгосрочного инвестора — ведь основные преимущества модель проявляет, когда S&P не растет, а даже наоборот.
Веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.086 5.83
XLP 0.111 5.50
XLE 0.091 0.91
XLF 0.097 2.34
XLV 0.078 3.13
XLI 0.093 3.63
XLB 0.026 1.19
XLK 0.059 1.35
XLU 0.101 2.89
IYZ 0.000 3.72
VNQ 0.039 1.31
SHY 0.000 -0.23
TLT 0.117 -0.14
GLD 0.101 -0.07

Предыдущие веса были опубликованы 2-го ноября, соответственно доходности приведены за период с 3-го по 30-е ноября.
Корреляция между весами и ретурнами положительная — 0.192. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): +2.3% LQI vs. +2.2% EQW, однако другой бенчмарк — SPY — показал за месяц результат на 0.5% лучше. Однако в терминах риска (максимальной просадки) модель значительно обогнала оба бенчмарка — 0.55% LQI vs. 0.75% EQW vs. 1.05% SPY

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за октябрь (результаты за прошлый месяц: smart-lab.ru/blog/423457.php). Месяц выдался для модели чуть лучше среднего — +1.3%, модель обогнала один из своих бенчмарков (EQW), однако S&P показал ретурн на 1% лучше. Это ожидаемо в периоды бурного роста индекса, и не должно смущать долгосрочного инвестора — ведь основные преимущества модель проявляет, когда S&P не растет, а даже наоборот.
Веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

   weight mon.ret
XLY 0.120  0.0212
XLP 0.110 -0.0165
XLE 0.077 -0.0083
XLF 0.121  0.0286
XLV 0.045 -0.0076
XLI 0.109  0.0075
XLB 0.000  0.0387
XLK 0.073  0.0651
XLU 0.106  0.0390
IYZ 0.000 -0.0082
VNQ 0.000 -0.0107
SHY 0.000 -0.0009
TLT 0.143 -0.0004
GLD 0.097 -0.0075

Предыдущие веса были опубликованы 30-го сентября, соответственно доходности приведены за период с 1-го октября до 31-го октября.

( Читать дальше )