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.
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.
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.
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.
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%).
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