Jeg er begyndt at få data ind, så jeg kan teste de fraselektionsskriterier, der fravælger, hvilke ETF’ere, der kunne være uinteressante at se på i en købssituation samt hvilke ETF’ere, der kunne være interessante at se på i en salgssituation, hvis jeg har en position i disse.
Resultaterne er entydige for tiden, men baseret på et meget spinkelt datagrundlag tidsmæssigt, så resultaterne er foreløbige resultater
Jeg har to fraselektionskriterier, der hver især er baseret på et sæt af forskellige forskningsartikler og så har jeg samlet data ind efterfølgende.
Fraselektionskriterie 1
Fraselektionen er opsat ud fra forskningsartikler og fraselektionen er ikke sat ved at se på historiske data, så ingen overfitting her ved at tilpasse selektionskriterier bagudrettet i tid.
Her er resultaterne for den første fraselektion:
Den første tabel viser, hvor mange procent af fraselekterede ETF’erne, der har performet bedre end WEBN i de forskellige tidsperioder. Disse tal ønsker jeg altså at se så lave som muligt.
Den anden tabel viser, hvor mange procent af alle ETF’ere i populationen, der har performet bedre end WEBN i de forskellige tidsperioder.
Den tredje tabel viser, så om fraselekterede ETF’ere har klaret sig dårligere end populationen efter mindst 2 uger. Det stemmer meget godt med forskningen. Det er altså denne tabel, der viser, at fraselektionen virker!
Den fjerde tabel viser det samme som tredje tabel bare som aggregat. Efter to uger vil 51,9% af populationen slå WEBN på afkast, mens kun 34,8% af de fraselekterede ETF’ere vil slå WEBN og derfra bliver resultaterne mere tydeligere.
Konklusionen på tabellerne i billedet baseret på det tilgængelige datagrundlag er dermed, at fraselektionen er en tydelig indikator på et salgssignal indenfor en uges tid, da der over tid er stigende forventning til at ETF’erne underpræsterer WEBN, som er sat til mit benchmark.
Det betyder, at en position i en ETF, der kommer på fraselektionslisten, skal følges meget tæt den efterfølgende uge og nok sælges i løbet af den uge for ikke at komme ind i uge 3 med positionen. Den forrige sætning tager ikke forhold som købs- og salgsomkostninger i mente.
Fraselektionskriterie 2
Fraselektionen er opsat ud fra forskningsartikler og fraselektionen er ikke sat ved at se på historiske data, så ingen overfitting her ved at tilpasse selektionskriterier bagudrettet i tid.
Fraselektionen er baseret på andre forskningsartikler end fraselektionskriterie 1.
Konklusionen er cirka det samme som ved fraselektionskriterie 1, nemlig at effekten er tydeligst fra uge 2 og fremad. Derfor skal positioner i disse ETF’ere også følges meget tæt ugen efter, at ETF’erne er kommet på fraselektionslisten. Den forrige sætning tager ikke forhold som købs- og salgsomkostninger i mente.
Sammenligning af fraselektionskriterier
Begge fraselektionskriterier selekterer ETF’ere, der klarer sig dårligere end WEBN fra uge 1 af, hvor effekten er mere udtalt over tid. Fraselektionskriterie 2 er umiddelbart bedre i starten end fraselektionskriterie 1, der så bliver bedre end fraselektionskriterie 2, når tidshorisonten kommer op på 4-6 uger.
Der er begrænset overlap mellem ETF’erne i de to fraselektionskriterier, som er baseret på hvert sit sæt af forskningsartikler, mens resultaterne i sammenligningstabellen begge er gode ift. at identificere ETF’ere, der performer afkastmæssigt dårligere end WEBN på en tidshorisont fra 2-6 uger fra fraselektionen er sket.
Test af disjunkte grupperinger
Det interessante er, hvad der sker med de ETF’ere, der fraselekteres via begge fraselektionskriterier.
Effekten er ikke additiv, men multiplikativ. Efter seks uger slog kun 4,5 % af ETF’erne på begge fraselektionslister WEBN, mod 22-31 % for dem, der kun er fanget af ét kriterium, og 57 % for populationen. Merafkastet mod WEBN er −11,93 procentpoint mod −3,19 og −4,15 for enkeltkriterierne.
At være med i begge fraselektionslister er altså kvalitativt en anden situation end at være fanget af ét. Det gælder også i den anden ende: ETF’er, der ikke fanges af nogen af kriterierne, slår benchmark oftere end populationen i samtlige seks tidshorisonter og forskellen vokser med tiden.
Værdien af fraselektionen medfører at det, der bliver tilbage, er bedre end WEBN.
Samlet foreløbig konklusion på fraselektionskriterie 1 og 2
De to kriterier hjælper porteføljemanageren. Hvis man ikke har positionen, så viser kriterierne, hvad man ikke skal købe de kommende 4-6 uger og hvis man har positioner, så viser kriterierne, at man nok bør overveje at sælge disse indenfor den kommende uge fra positionerne er fremkommet på mindst ét fraselektionskriterie.
Jeg skal dog være opmærksom på, at fortsætte med at indsamle data og således holde øje med at disse foreløbige konklusioner ikke ændrer sig på en ugunsting måde.