Tilastoja, otoksia sekä johtopäätöksiä, osa 3

Vaikka oli jo tarkoitus testata joitakin yksittäisiä teknisen analyysin menetelmiä, hyppään kuitenkin kuuluisaan ja niin paljon toisteltuun kalenterianomaliaan. En nyt sen kummemmin mieti milloin juoksen pois osakkeista ja milloin ryntään sinne takaisin vaan tutkin vain kuukausituottoja. Käytän aineistona loistavaa Kenneth Frenchin data Librarya ja reaalituottoja. Tutkin kuukausituottoja ANOVA menetelmällä, koska linkistä voimme lukea, että menetelmällä huomaamme mikäli jonkun kuukauden tuotot eroavat tilastollisesti merkittävästi jonkun toisen kuukauden tuotosta.

Alarivillä on kuukaudet ja asteikkona prosentuaalinen muutos. Kuvasta näemme, että joitakin extreme arvoja on sattunut monena eri kuukautena tämän yli 90 vuoden aikana. Tämä ei varmaankaan ollut mikään yllättävä havainto.

Syyskuu oli huonoin kuukausi ja joulukuu paras. Surukseni havaitsin, että senkään tuoton eroavaisuus ei ole tilastollisesti merkitsevä jos käytämme rajana 5 %. On syytä käyttää noinkin tiukkaa raja-arvoa, koska meillä on 12 eri kuukautta ja mikäli käyttäisimme 10 % raja-arvoa niin meillä ptäisi sattumalta jo löytyä joku tilastollisesti merkittävä erovaisuus. Ja emme voi pilkkoa tuota havaintoajaksoa muutaman vuoden jaksoihin, koska emme saisi silloin tarpeeksi kuukausihavaintoja. Meillä on 12 eri kuukautta ja mikäli käyttäisimme 10 % raja-arvoa niin meillä ptäisi sattumalta jo löytyä joku tilastollisesti merkittävä erovaisuus. 

 

Ja näin kävikin. Olemme todennäköisesti saaneet tämän eron data miningilla eli tonkimalla niin kauan kurssiaineistoa että löysimme sattumaeroavaisuuden. Emme löytäneet oikeaa eroavaisuutta. Käyttäisin tv-ohjelma myytinmurtajasta tuttua termiä, että kuukausituottojen eroavaisuusmyytti on murrettu. Emme löytäneet vieläkään rahantekokonetta vaan Internetin paljon yleisemmän ominaisuuden eli huonon testauksen -:(

2 thoughts on “Tilastoja, otoksia sekä johtopäätöksiä, osa 3

  1. Kyllä minulle riittää, että olen kuukauden väärässä

     

    jos vuoden loput 11 kuukautta olen oikeassa. Eli onko tuo 5 % merkitsevyystaso kuitenkin liian tiukka sellaiselle satunnaishälinää sisältävälle aineistolle kuin mitä pörssikurssit ovat.

    Mainiolla CXO Advisory sivustolla on valmiiksi laskettuna ja kuvan kanssa tuon ”Sell in May” ilmiön vaihtelut ajan kanssa. Kirjoituksen “Sell in May” Over the Long Run viimeisessä kuvassa on selitys miksi sinun 90 vuoden aineisto ei tuottanut talvella paremmin kuin kesällä – syynä on vuoden 1931-50.

    Toki pitäisi olla joku teoreettinen syy laskea tuotto vain vuodesta 1951 lähtien.

     

    Mutta mitä jos tilastotiedettä osaamaton ruotsalainen olisi sijoittanut Tukholman Pörssiin vain talvella ja ei kesällä vuodesta 1990, 22 vuoden ajan.
    Period 1. november – 30 april, 18 nousu(puoli)vuotta, tuotto 561 %.
    Period 1 mai – 30 october, 11 nousu(puoli)vuotta, ”tuotto” -64 %.

    Aktiespararnan videotallenteen kohdassa 18:10

    Pekka

    1. Osingot

      Kannattaa katsoa miten Schillerin datassa on käsitelty osingot. Ne on jaettu tasaisesti joka kuukaudelle vaikka osingot irtoavat tiettyinä kuukausina ja vielä maksetaan eri kuukausina. Toinen asia on reaalituotto/nimellistuotto. Siinä on iso ero jos inflaatio on yli 10% kuten se oli 1980-luvulla tai 1-3% kuten se on nyt.

       

       

Comments are closed.

Related Posts

WP Twitter Auto Publish Powered By : XYZScripts.com