tlt

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/497297.php). Думаю, рассказывать о прошедшем месяце много не надо, и для модели он также выдался ужасным, однако за счет более грамотной аллокации в защитные активы и ухода из самых кислотных — модель наконец-то аутперформила SPY, причем довольно существенно. Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.161 -10.10
XLP 0.181 2.02
XLE 0.144 -11.37
XLF 0.122 -4.75
XLV 0.171 -6.78
XLI 0.000 -10.87
XLB 0.000 -9.18
XLK 0.000 -8.00
XLU 0.078 1.98
IYZ 0.062 -5.18
VNQ 0.081 -2.93
SHY 0.000 0.15
TLT 0.000 -2.93
GLD 0.000 2.12

За сачет того, что модель не залезла в часть особенно сливших секторов (XLI, XLB, XLK) — удалось обогнать SPY: (-6.9)% SPY vs (-5.0)% LQI vs. (-4.7)% EQW. В терминах максимальной просадки в течение месяца модель также обогнала SPY и оказалась чуть хуже EQW: 6.9% LQI vs. 9.7% SPY vs. 6.3% EQW.

( Читать дальше )

       В этой статье мы рассмотрим некоторые особенности подбора и управления активами, составляющими структуру биржевых фондов (ETF).

       Для начала кратко напомню о том, что же такое ETF, как они устроены и о том, где и как они торгуются. ETF – сокращенно Exchange Traded Funds, биржевой инвестиционный фонд. Такой фонд состоит из различных активов – акций, облигаций, производных инструментов, товаров, недвижимости, валюты…подобранных по определенному принципу. Компания-провайдер фонда выпускает свои ценные бумаги на такой фонд  (паи, если проводить аналогию с российскими паевыми инвестиционными фондами, ПИФ). Приобретая такую бумагу, вы приобретаете соответствующую часть, пай, диверсифицированного портфеля, лежащего в основе фонда. Теоритически различных ETF может быть бесконечное множество, ведь в мире существует огромное разнообразие активов, которые можно собрать в различных пропорциях. Каждый ETF имеет свои уникальные название и тикер, соответствующие коды и документацию, регулируются на государственном уровне наряду с акциями публичных компаний, информация раскрывается на сайте провайдера фонда.  ETF являются открытыми инвестиционными фондами, которые торгуются по всему миру на фондовых биржах и в OTC системах, обладают высокой ликвидностью. Приобрести их возможно, как и акции, через привычные системы интернет-трейдинга брокера. Чаще всего ETF отслеживают индексы, которые формируются с учетом рыночной капитализации или же по неким фундаментальным критериям. Есть и затратная часть владения ETF – необходимо платить компании-провайдеру, выпустившей бумагу, за управление активами, входящими в структуру данного ETF. Но эти расходы малы, и составляют как правило десятые и сотые процента от номинала в год, существуют фонды даже с отрицательной платой за управление. Биржевые игроки и инвесторы, использующие ETF, в своих торговых стратегиях получают выгоды от высокой ликвидности и гибкости этих инструментов при торговле на различных временных горизонтах. В биржевые фонды по всему миру вложены триллионы долларов. 

( Читать дальше )

Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за сентябрь (результаты за прошлый месяц: smart-lab.ru/blog/491995.php). Модель продолжает андерперформить SPY и EQW, поскольку широкий рынок продолжает бычий рост, а защитные активы падают из-за роста процентных ставок, в том время как примерно половину капитала модель держит в защитных активах. Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

      wts     ret
XLY 0.082  0.0053
XLP 0.118  0.0099
XLE 0.070  0.0244
XLF 0.133 -0.0221
XLV 0.069  0.0295
XLI 0.036  0.0217
XLB 0.000 -0.0179
XLK 0.093 -0.0002
XLU 0.000 -0.0065
IYZ 0.061  0.0077
VNQ 0.119 -0.0264
SHY 0.000 -0.0014
TLT 0.218 -0.0286
GLD 0.000 -0.0066

Корреляция между весами и ретурнами отрицательная — (-0.32), вследствие чего модель отстала от своих бенчмарков: (-0.57)% LQI vs +0.59% SPY vs. (-0.08)% EQW. Отставание вызвано тем, что существенную долю капитала модель вложила в реагирующие на ставки активы VNQ, TLT & XLP, а также по непонятной причине сливший финсектор XLF (обычно при росте ставок и падении трежерей он растет, но этом месяце это правило не работает). В терминах максимальной просадки в течение месяца модель где-то между SPY и EQW: 1.0% LQI vs. 0.8% SPY vs. 1.2% 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 август (результаты за прошлый месяц: smart-lab.ru/blog/485053.php). В августе рынок вопреки всем страхам прекратил предкризисную динамику предыдущих месяцев и показал типичную динамику, характерную для роста. Модель же в прошлом месяце ушла в глухую оборону, и как следствие — снова отстала от SPY и своего основного бенчмарка EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:

weight monthly.ret
XLY 0.138 5.10
XLP 0.155 0.39
XLE 0.097 -3.48
XLF 0.200 1.36
XLV 0.000 4.33
XLI 0.000 0.23
XLB 0.000 -0.77
XLK 0.000 6.60
XLU 0.075 1.29
IYZ 0.000 7.46
VNQ 0.099 2.58
SHY 0.000 0.35
TLT 0.236 1.31
GLD 0.000 -2.14

Корреляция между весами и ретурнами отрицательная — (-0.11), вследствие чего модель отстала от своих бенчмарков: +1.36% LQI vs +3.19% SPY vs. +1.76% EQW. Отставание вызвано тем, что модель не вложилась в «выстрелившие» тикеры XLV & XLK и внезапно очнувшийся от многомесячной спячки телеком (IYZ). Тем не менее, 1.4% за месяц — вполне меня, как total return инвестора, устраивают. Все-таки это захэджированные позы, и держать их гораздо комфортнее чем гольный индекс СнП. В терминах максимальной просадки в течение месяца модель чуть лучше SPY и EQW: 0.9% LQI vs. 1.35% SPY vs. 1.1% 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 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 )