Nowy sygnał sprzedaży wg OECD CLI a ergodyczność
Informowałem już w social mediach, a także w newsletterze, ale tym razem chciałbym szerzej opisać najnowszy sygnał: pierwszy od ponad 30 miesięcy sygnał sprzedaży wg indeksu dyfuzji OECD CLI.
To jest kluczowy sygnał, który wykorzystuję przede wszystkich w strategii Global Growth Cycle Enhanced, ale też pomocniczo w innych:
– strategii momentum na akcjach polskich (mapy momentum),
– niedawno opisanej strategii sektorowej 3S.
Poniżej grafika przedstawiająca S&P500, pod nim indeks dyfuzji (DI), a jeszcze niżej liczba miesięcy, od ilu DI był ponad wartością 0,5, czyli w ekspansji gospodarczej.
Ostatnie 8 sygnałów na indeksie WIG
Na początek lekki clickbait – czyli wykres 8 ostatnich takich sygnałów, kiedy wcześniej indeks dyfuzji był przynajmniej 15 miesięcy ponad 0,5. To te czerwone kropki na wykresie WIGu, poniżej.
Czyli odfiltrowuję chwilowe wahania wokół linii granicznej 0,5 (w których indeks był już w tej okolicy przez jakiś czas i mógł przekraczać ją wielokrotnie w krótkich odstępach czasu), a zostawiam wyraźne, dłuższe wahnięcia (warunek min 15 miesięcy) cyklu wzrostowego gospodarek.
Dziewiąta kropka jest najnowsza, ale po niej jeszcze nie wiemy co się wydarzy, natomiast po poprzednich nieźle widać, że czasem trafiały bardzo dobrze ze sprzedażą.
A poniżej jeszcze tabelka, która wskazuje stopy zwrotu (1 miesiąc, 3 miesiące, …, 12 miesięcy i 2 lata) po takich wystąpieniach.
| Data | 1m | 2m | 3m | 6m | 9m | 12m | 24m | maxDU | maxDD |
|---|
Stopy zwrotu indeksu WIG po każdym z sygnale sprzedaży OECD CLI z ostatnich 20+ lat. W okresie od 1 miesiąca (1m) do 2 lat (24m) po dacie podanej z lewej strony. Z prawej strony podany największy ruch kursu do góry (maxDrawUp, maxDU) i największy w dół (maxDrawDown, maxDD) w ciągu 2 lat.
7 na 8 takich najnowszych takich sygnałów było trafnych, w tym sensie, że skutkowały istotnym obsunięciem (>10%) w ciągu 2 lat i sensownie było przejść w alokację ostrożną.
W tym 5 na 8 miało solidne obsunięcie: o ponad 20%, a 4 z tych 8 można wyraźnie uznać za niemal dokładnie koniec ówczesnej hossy i początek długiej bessy: w 2000, 2007, 2018 i 2021.
1 na 8 był nietrafiony, tj. nie skutkował żadnym drawdownem – faktycznie, przez pół roku od sygnału (w 2004 roku) indeks był dość płasko, ze stopą zwrotu blisko zera, ale zaraz potem wystrzelił mocno do góry i po 9 miesiącach było już +20%, po roku +26%, a po 2 latach aż +86% wzrostu ceny. Po 31 miesiącach: aż +160% (do szczytu ówczesnej hossy).
Żeby to lepiej zwizualizować, zrobiłem proste ćwiczenie – zaznaczenie największego obsunięcia (w danych miesięcznych, cenach zamknięcia) od każdego z sygnałów. Na czerwono zaznaczone obsunięcia, na zielono – jeden sygnał, który zachował się zupełnie inaczej niż pozostałe.
Wizualizacja sygnałów z bliska
To trochę clickbait, bo dane OECD CLI znane są z opóźnieniem (najnowsze np. były podane 7 lipca, czyli 7 dni później niż końcówka czerwca, na którą obowiązują), ja w swoich realnych systemach zakładam zazwyczaj 2 tygodnie opóźnienia (15 dni), bo takie zdarzały się największe do tej pory.
Zastosujmy więc to 2-tygodniowe opóźnienie, i przyjrzyjmy się sygnałom z bliska.
Na początek wrzucam długi wykres pokazujący, jak radziły sobie sygnały historyczne, backtestowane sygnały: od 1997 do 2018 roku (łącznie 7 sygnałów).
Czerwony punkt ● jest zawsze zakotwiczony w momencie sygnału (+2 tygodnie, dla uwzględnienia późniejszego momentu publikacji danych). Zielone trójkąty ▲ to największy ruch do góry od jego wystąpienia, czerwone trójkąty ▼ to największy ruch w dół. Dane odrobinę się różnią od tabeli powyżej, bo są w rozdzielczości tygodniowej (vs tam w miesięcznej).
Zwróć uwagę, jak nawet w sytuacjach uznanych przeze mnie za „udane”, tj. z dużym drawdownem w ciągu 1-2 w przyszłości, kurs potrafił jeszcze długo trzymać się mocno: rosnąć, albo być płasko przez wiele miesięcy.
Przykładowo – już pierwsza sytuacja z 1997 roku, zanim spadło o -28% względem momentu, najpierw wzrosło o tyle same (+28%) w ciągu 3 miesięcy! Podobnie w 2007: zanim zaczęła się najgorsza bessa w tych danych, najpierw kurs poszybował jeszcze o +14%. To doskonale pokazuje, że sygnał sprzedaży wg tej metodologii nie oznacza, że od razu zaczną się spadki.
Wykresy indeksu WIG wokół momentów sygnału sprzedaży wg OECD CLI. Zielony trójkąt pokazuje największy ruch do góry od momentu sygnału (maxDrawUp), czerwony największy ruch do dołu (maxDrawDown). Dane w rozdzielczości tygodniowej.
Pierwszy ważny test (2021)
Dopiero od 2021 roku dane zbieram w „real-time”, czyli out-of-sample. Tj. wszystko przed 2021 to jest backtest i dane po rewizji, a dopiero od 2021, od kiedy zbieram dane każdego miesiąca, mam pewność że są to ich pierwotne wersje, bez rewizji, tzw. first-vintage, czyli nadają się do generowania i oceniania sygnałów.
To oznacza, że końcówka 2021 (dane opublikowane w pierwszych dniach grudnia) to był pierwszy realny test tej strategii. Pisałem wtedy o tym, i okazał się on testem udanym, tj. faktycznie około 1-2 miesiące później rozpoczęła się bessa.
Ostateczne drawdown sięgnął -33% procent, co widać w tabeli w ostatniej kolumnie, prezentującej największe obsunięcia po każdym z sygnałów.
Poniżej wykres rok indeksu WIG na rok przed i 2 lata wprzód od tego sygnału – zwróć uwagę, że nawet po jego wystąpieniu indeks wzrósł jeszcze o +10% w miesiąc od sygnału sprzedaży.
Drugi test przed nami (2026)
Teraz mamy do czynienia z drugim ważnym jej testem: czy po kolejnej silnej hossie (jaka trwa od 2022 do dziś) uda się znowu „trafić” bessę? W tym po rekordowo długim, 30-miesięcznym okresie przebywania indeksu dyfuzji OECD CLI ponad wartością 0,5 (czyli w fazie ekspansji gospodarczej). Czy uda się uniknąć nadmiernej alokacji akcyjnej, unikając w ten sposób też istotnego obsunięcia kapitału jeśli będzie ewentualnie bessa, żeby wrócić po niej i ponownie z większą agresją kupić akcje?
Czy jednak będzie zupełnie inaczej – żadnej bessy nie będzie, sygnał okaże się fałszywy, i stracę po prostu część potencjalnego zysku z aktualnej hossy, dołączając do niej ponownie po wzrostach?
Nie wiem, sam jestem tego ciekaw.
To jest eksperyment, który ponownie sprawdzimy w czasie rzeczywistym.
Mam dane z przeszłości, które mówią mi, że należy być ostrożnym, ale mam też ostrzeżenia, że nie zawsze to zadziała: idealnym kontr-przykładem jest ten 2004 rok, który zupełnie nie wiązał się z żadną bessą. Choć faktycznie był wtedy rok przestoju indeksów akcyjnych i braku wzrostów, po czym ruszył gwałtownie do góry robiąc +80% w kolejne 2 lata.
Mam też doświadczenie z ostatnich kilku lat, kiedy OECD CLI jednak spisywały się świetnie, czyli np. w 2021 trafiły idealnie prawie w sam szczyt ówczesnej hossy.
7/8 trafnych to całkiem niezłe proporcje. Brałabyś / brałbyś na siebie taki zakład?
Ergodyczność
To prowadzi nas do istotnego pojęcia z zakresu fizyki / statystyki: ergodyczności.
Świetnie o tym pisał Taleb w swoim artykule The Logic of Risk Taking. Z tego artykułu – grafika poniżej.
W skrócie chodzi o to, że gdyby wziąć grupę 8 ludzi, i każdy z nich osobno miałby dostać jeden z tych sygnałów, to większość (7/8) wyjdzie na tym dobrze, że sprzedali i odkupili po jakimś czasie, a jedna osoba (1/8) będzie niezadowolona. Jeśli ten ktoś by dodatkowo shortował rynek akcji (chciał zarobić na spadkach), byłby w potężnych tarapatach. Ze wzrostem rynku o +80% mógłby po prostu… zbankrutować.
Zakładając oczywiście, że trzymałby dzielnie przez te 2 lata, nie miał żadnego stop lossa, czyli zabezpieczenia przed nadmierną stratą.
Całość, jako grupa w ten sposób nieźle zarobi.
Ale wyobraź sobie sytuację, w której to jedna i ta sama osoba ma brać na siebie ten zakład wiele razy: 7 na 8 razy trafia zysk, a 1 na 8 katastrofalną stratę. Czy przetrwa? Czy średnio wyjdzie na plus i będzie niezły zysk? Otóż nie: ta jedna katastrofalna strata może Cię zabić, uniemożliwić dalsze inwestowanie, jeśli stracisz w tym 1 na 8 przypadków wszystko.
Możesz średnio mieć rację w 7/8 przypadków, czyli prawie cały czas, a i tak totalnie przegrać! Jeśli ten jeden raz stracisz wszystko i nie będziesz mogła / mógł dalej kontynuować gry o nazwie „inwestowanie”.
Poprosiłem Claude Design, żeby przygotował mi grafikę (z tymi przykładowymi liczbami podanymi przeze mnie) na wzór powyższej, i wyszło mu to całkiem ładnie – dla prostoty i wyjaśnienia idei określiłem w niej katastrofalną stratę na 100%, zamiast 80%, ale przy 80% matematyka też się zgadza.
Źródło: Claude Design, na wzór grafiki Taleba, na podstawie promptów od GL
To jest właśnie tzw. nieergodyczność: gdy średnia po stanach (ta grupa 8 osób) nie jest tym samym, co średnia po czasie (ta 1 osoba, która doświadcza 8 różnych sytuacji). W fizyce większość układów jest (wygodnie) ergodyczna, co ułatwia sporo obliczeń i rozważań, ale inwestowanie jest właśnie… słynnie nieergodyczne.
Średnia dla grupy (w której jedna osoba czasem przegra) wychodzi inna, niż średnia dla jednej osoby, która ma doświadczyć wszystkich tych wyników po kolei (a któryś jeden z nich może być katastrofalny).
Dużo na ten temat pisze też Ole Peters, polecam Ci choćby jego artykuł w Nature Physics, dostępny tutaj: [The ergodicity problem in economics – Ole Peters]
Co ciekawe – inwestowanie może być ergodyczne dla całej gospodarki, nawet gdy jest nieergodyczne dla mnie czy Ciebie. Dla gospodarki to jest mega korzystne, że 100 ludzi próbuje przedsiębiorczości, i nawet choćby 90 z nich nie wyszło (stracili na tym cały majątek), ale 10 z nich stworzy coś unikalnego i wyjątkowego (ogromna firma, innowacyjny produkt, nowy wynalazek), to pcha całą ludzkość dalej do przodu.
Tylko w naszym prywatnym życiu to jest niekoniecznie takie piękne 🙂 Każdy z nas – Ty, ja, nasi znajomi – mamy tylko jedną wersję życia i jeden kapitał inwestycyjny, i jak je tracimy, to często trudno jest się z tego podnieść. Chociaż z bankructwa ekonomicznego da się, ale jest to dużo trudniejsze, niż dla grupy ludzi jako całości.
Dlatego, jak Taleb słusznie pisze, całe inwestowanie dla nas, osobiście, jest grą, w której musimy przede wszystkim przetrwać; nie przegrać, nie robić czegoś co naraża nas na katastrofalną stratę. Nawet jak coś kusi nas zyskiem w 88% przypadków, to nie zawsze jest słuszne – bo jeśli nie wprowadzimy odpowiedniego zarządzania tym ryzykiem, ten 1 na 8 przypadków może nas zabić. Jak w rosyjskiej ruletce.
Przypomina mi trochę jak echo, cytat z Mungera, że najważniejsze w inwestowaniu to nie robić głupich rzeczy (a nie, na przykład, próbowanie robienia ponadprzeciętnie inteligentnych rzeczy). Nie robienie głupich rzeczy, czyli nie narażać się na katastrofalne straty. Podejmować ryzyko, oczywiście, bez tego nie ma istotnych stóp zwrotu, ale zabezpieczać pozycje na tyle, żeby nie paść przy tym ofiarą jednej katastrofalnie złej decyzji.
Urok i piękno algorytmizacji
Dużo zmienia, kiedy zaczynasz inwestować systematycznie. Grasz wtedy w oparciu o prawdopodobnieństwa, nie o pewności. Statystyki, nie narracje. Nie zakładasz, że za każdym razem wyjdzie, tylko dobierasz wielkości pozycji (i poziom ryzyka) do przebadanych na danych historycznych sytuacji.
Wprowadzając choćby proste zarządzanie ryzykiem – stop lossy, regulowanie wielkości pozycji, dywersyfikację – możesz zmienić swoją sytuację, z takiej w której „za każdym razem jesteś 1 człowiekiem ryzykującym całość na nowo” w taką w której „masz grupę 8 różnych koszyków inwestycyjnych, z których każdy ryzykuje osobno”.
Mówiąc prościej: wprowadzając jakiś system do swoich inwestycji, jakiś zbiór reguł, które możesz weryfikować, testować, i rozwijać, uodparniasz się na tą nieergodyczność inwestowania. Chronisz się przed ryzykiem katastrofalnej straty i końcem Twojego inwestowania.
———
Czy tym razem indeks dyfuzji OECD CLI trafi, czy nie trafi bessy?
———
Pięknem dla mnie w algorytmicznym podejściu jest, że nie muszę tego wiedzieć. Dlatego w oryginalnej strategii GGC jak i w jej rozszerzeniu GGCE, nie uzależniałem się od konkretnych sygnałów i trafiania konkretnego końca hossy, tylko zostawiam miejsce na elastyczność: strategia patrzy po prostu co miesiąc, czy indeks wrócił nad 0,5, czy nie.
Jeśli wróci – ponownie wraca w agresywną alokację. Nie upiera się, że musi być bessa, nie tłumaczy, dlaczego nie wyszło, nie czeka na kolejną bessę, po prostu koryguje podejście, uznaje że znów jest dogodny czas bycia w akcjach, i idzie dalej.
A jeśli jednak zostanie pod tą granicą, to może jednak trafić bessę, która pojawia się często niespodziewanie, pod wpływem informacji, których rynek wcześniej nie uwzględniał i nie dyskontował.
Tak czy inaczej – ja nie muszę się tym martwić. Muszę tylko śledzić dane i reagować odpowiednio.
… i to jak ważna jest elastyczność
Kolejną pomocną dłonią, chroniącą nas przed wspomnianym katastrofalnym błędem jest dywersyfikacja – nie tylko na poziomie aktywów, ale też na poziomie podejść. Jeśli ktoś (jak ja) stosuje strategię GGCE, to nie musi stosować tylko jej.
Warto łączyć to z innymi podejściami. Można urozmaicić reguły i przyjąć różne poziomy odcięcia risk-on / off dla różnych części kapitału. Można też stosować transzowanie – część pozycji otwierać wg wskazań w jednej części miesiąca, a część w innej.
To wszystko sensowne podejścia i każdemu je polecam.
Konkretnie jak strategia Global Growth Cycle się spisuje z podziałem na różne wartości graniczne odcięcia, zwizualizowałem w tym narzędziu.
Znajomy niedawno powiedział mi, że zejście indeksu dyfuzji do 53% jest już dla niego wystarczająco bliskie wartości granicznej 50%, i że w połączeniu z innymi sygnałami z rynku, które obserwuje – nadmierny apetyt na ryzyko (wysokie wskazania sentymentów rynkowych), duża aktywność rynku IPO, popularność ETFów lewarowanych, na jedną spółkę, i opcji jednodniowych – jest to dla niego wystarczające, żeby przejść w tryb „ostrożny” trochę wcześniej. Zmniejszył alokację już kilka tygodni temu.
To podejście też ma sens. W inwestowaniu algorytmicznym nie chodzi o to, żeby sztywno i bezrefleksyjnie trzymać się jakichś raz ustalonych liczbowych parametrów (choć to na pewno pomaga trzymać dyscyplinę), ale żeby w ogóle mieć tą dyscyplinę i myśleć o inwestowaniu w sposób systemowy, procesowy, a nie narracyjny (gdybanie co rynek teraz zrobi) czy predykcyjny, zero-jedynkowy.
Robić eksperymenty na danych. Eksperymentować. Sprawdzać, jak nasze podejście sprawdziłoby się w różnych warunkach rynkowych. Spisywać (i algorytmizować) co się da, żeby zmniejszyć obciążenie mentalne podejmowaniem decyzji.
Naszym zadaniem jako inwestorów nie jest przewidzieć dokładnie co będzie w przyszłości (to praktycznie niewykonalne), naszym zadaniem jest wystawiać się na korzystne statystycznie scenariusze (i możliwości zarabiania, kiedy wystąpią), być agresywnym np. w asymetrycznych sytuacjach (gdzie potencjalny zysk jest dużo wyższy, niż potencjalna strata), a unikać nadmiernego ryzyka w sytuacjach niekorzystnych, podatnych na niebezpieczeństwo.
Grać tylko w gry, gdzie wartość oczekiwana jest po naszej stronie. Gdzie mamy jakąś przewagę nad innymi uczestnikami rynku.
Całe inwestowanie to gra prawdopodobieństw, i w tej grze, jak zauważa Taleb, najważniejsze jest żeby przetrwać, żeby nie doprowadzić do katastrofalnej straty. Nie bez powodu Buffett też uznawał, że najważniejsza jego zasada to: przede wszystkim nie trać pieniędzy.
Bo strona druga, czyli zarabianie, w końcu przychodzi dużo łatwiej, gdy nauczymy się już nawyków jak pieniędzy nie tracić. Czas (i procent składany) gra wtedy na naszą korzyść.
Uwaga metodologiczna
Ważna uwaga – co roku w sierpniu OECD robi przerwę w publikacji (wakacyjną), i dane za lipiec publikuje nie w sierpniu (analogicznie jak w innych miesiącach), a dopiero we wrześniu: łącznie za lipiec i za sierpień. Warto to odnotować wszystkim, którzy planują tak jak ja, korzystać z tych danych do określania swojego „reżimu ryzyka” zgodnie z taktyczną alokacją kapitału.
Warto pamiętać, że to tylko jedna z wielu możliwych strategii algorytmicznych.
To jest wpis #24. Zapraszam do kolejnych. Jeśli chcesz z czymś się nie zgodzić, zaprotestować – pisz śmiało w komentarzach.
Witaj Grzegorz.
Od niedawna trafiłem na Twój blog/stronę i poważnie zainteresowałem się inwestowaniem algorytmicznym. Zacząłem budować swoją automatyzację (w Python) strategi GGC na danych OECD CLI.
Z moich obliczeń, wykonanych na podstawie ostatnich danych OECD CLI [1] z 2026-06 dla 17 aktualnie raportowanych krajów, wynika, że 11 ma ujemny momentum, a 6 dodatni (licząc MoM). To odpowiada wartości 6/17=0,35 DI. I nic tu nie ma nadzwyczajnego. Ty też otrzymałeś takie wyniki, czego rezultatem jest ten wpis.
Jednak, bazując na tych samych danych i metodzie obliczeń, DI < 0,5 był też w czerwcu (0,35), maju (0,41) i marcu (0,41).
I tu mam pytanie. Dlaczego dopiero teraz (2026-07) napisałeś, że jest „pierwszy od ponad 30 miesięcy sygnał sprzedaży wg indeksu dyfuzji OECD CLI”? Czegoś nie załapałem w metodyce obliczeń (opisanej w kilku Twoich wpisach na tym blogu), czy wziąłem nie te dane OECD CLI?
[1] Link do strony z danymi OECD CLI z ustawionymi filtrami
Cześć. Piszę teraz, bo wedle moich danych właśnie dopiero teraz pojawił się sygnał sprzedaży, tj. dopiero od danych na koniec czerwca (opublikowanych w lipcu), a wcześniej wciąż DI był ponad 0,5.
Już kilka osób pisało do mnie z podobnym pytaniem (i też mieli przejście przez 0,5 w dół we wcześniejszych miesiącach). Jak dotąd dochodziliśmy z tymi osobami razem do faktu, że była między nami wtedy jedna kluczowa różnica metodologiczna: porównywali dane o CLI krajów z miesiąca X do danych z miesiąca X-1, licząc z tego zmianę miesięczną.
Kiedy moja ścieżka to: brać zmianę miesięczną bezpośrednio z danych za miesiąc X, z ich różnicy wskazań CLI za miesiąc X i X-1 wewnątrz tych właśnie danych.
To ważne rozróżnienie, bo dane z miesiąca na miesiąc są różnie normowane, wchodzą efekty statystyczne takie jak sezonowość, przez co sensowniej pracować na danych z jednego konkretnego miesiąca licząc różnice potrzebne do indeksu dyfuzji. Porównuje się wtedy dane w jednej metodologii (apples to apples), w jednej normie, a nie takie, które są unormowane w różny sposób (jak to się dzieje między miesiącami).
Taka jest przynajmniej moja metodologia już od 2021, i w real time mierzę te dane od tego czasu. Nie patrzę też na późniejsze rewizje tych danych (to z kolei drugie źródło potencjalnie innych wskazań), więc za ten akurat okres (od 2021 do dziś) jestem ich na 100% pewny.
Wszystkie obliczenia, które podaję na nich, liczone są w ten sposób.
A konkretnie mój szereg danych za ostatnie miesiące:
2025-12-31, 0.88
2026-01-30, 0.94
2026-02-27, 0.88
2026-03-31, 0.65
2026-04-30, 0.53
2026-05-29, 0.53
2026-06-30, 0.35 ← tu dopiero pierwsze zejście pod 0.5
(data w pierwszej kolumnie wskazuje end-of-month za które są dane, realnie opublikowane były 1-2 tygodnie później, więc do realnych zastosowań w strategii pamiętaj żeby to przesuwać o te 2 tygodnie do przodu, opcja shift jeśli pracujesz w Pythonie).
Co do samej koncepcji ergodyczności w kontekście inwestowania – żeby „umrzeć” to trzeba by stracić 100% przy jednej inwestycji. A to może się wydarzyć tylko kiedy:
Czyli trzeba BARDZO mocno ufać swojej strategii 😀
Pozdrawiam
Powiedziałbym, że nawet strata rzędu -90% to już faktycznie śmierć, bo trzeba później zwrotu +900% (9x), żeby wyjść „na zero”.
Przy -80% potrzeba później +400% (4x), czyli też niemało.
A, jak pisał chociażby niedawno Trystero, takie katastroficzne stopy zwrotu zdarzały się nawet całym indeksom krajowych akcji (przykłady Szwecji, Grecji i Islandii po 2007 roku).
Nie trzeba więc wszystkiego wpakować w jedną akcje, żeby tego doświadczyć, wystarczy pasywnie zainwestować… w nieodpowiednim kraju. A skąd wiesz, który okaże się po latach nieodpowiedni?
Wielu dziś mówi, że USA to nie jakiś tam mały kraj, tylko globalna gospodarka, ale na to też jest dobra odpowiedź w kolejnym tekście – o historii rynku w Japonii.
Oczywiście, że takie zjazdy się zdarzają dlatego napisałem, że trzeba BARDZO ufać swojej metodzie żeby pozostać w jakimś instrumencie pomimo wielu sygnałów ostrzegawczych (i kilkudziesięcio % spadkach). Ja, choć używam (zmodyfikowanego) GEM to mam pozakładane stop-lossy: w myśl zasady „najważniejsze to nie tracić”.
Ale niezły paradoks rynku jest taki, że żeby mieć ponadprzeciętne stopy zwrotu z jakiejś spółki, np. słynny „ten-bagger” (inwestycja, która zwielokrotniła się o przynajmniej 1000%), to trzeba jednak wytrzymywać te obsunięcia rzędu -70% czy -80%. Pisał o tym też Trystero tutaj, a także tutaj na podstawie opracowań M. Mauboussina.
Mówisz, że korzystasz ze zmodyfikowanego GEM – jaka to modyfikacja?
Czyli ETF na cały świat? Albo nawet jakiś typu V60A. Zakładając że świat będzie się rozwijał długoterminowo 3% rocznie, to ten etf też będzie gonił ten wynik realnie a nawet lekko go przebijał. Tylko być cierpliwym i młodym oraz żeby światowy system finansowy istniał na takich samych zasadach jak dzisiaj za 30-40 lat a resztę roboty zrobi „compounding effect”.
Taka jest nadzieja pasywnego inwestowania, to co opisałeś, ale czy tak będzie na pewno, to nikt nie wie 🙂
Ja wierzę, że to może być dobre podejście (szczególnie dla osoby, która nie chce się inwestowaniem szczególnie zajmować, tylko traktuje go… pasywnie właśnie), ale też wierzę, że w aktywnym inwestowaniu da się ugrać dużo więcej, niż te 3% + inflacja.
Tylko trzeba to lubić i chcieć się tym zajmować, no i przede wszystkim w to wierzyć, bo jak słusznie zauważył np. Mateusz z Inwestomat w niedawnym wpisie o strategii GEM, nawet taka dobra i wygrywająca z rynkiem (aktywna) strategia ma potężnie długie okresy bycia słabszym od rynku.
Żeby spić śmietankę tego wygrania z rynkiem, trzeba latami znosić gorycz bycia od niego słabszym. To praktycznie historia każdego aktywnego inwestowania, jakie widziałem i znam.
Pamiętam jak czytałem też eseje Cliffa Asnessa, autorytetu w dziedzinie inwestowania w wartość (w sposób ilościowy, quantowy), kiedy latami jego strategia była dużo słabsza od rynku, tracił klientów, ale po prostu w nią wierzył (na podstawie danych) i pokazywał uparcie te dane. I w końcu się doczekał, teraz jego strategie w AQR mają dużo lepsze wyniki i „odżyły”, wracają do łask inwestorów.
Cześć Grzegorz,
Właśnie znalazłem Twój blog dzięki komentarzom z „Inwestomat” i jestem pod dużym wrażeniem. Podoba mi się Twoje podejście algorytmiczne które minimalizuje emocje oraz pozwala utrzymać kurs gdy wiadomo co jest pod „ pokrywą silnika”.
Obecnie inwestuje pasywnie, ale strategia GGCE bardzo mi się podoba i chciałbym ją przetestować. Mam tylko kilka pytań dotyczących szczegółów:
– wskaźnik DI – czy jest na Twojej stronie aktualna wartość? W narzędziach widzę wykres, czy stamtąd ją pobierać? Oczywiście w tym artykule podałeś kilka ostatnich, ale na dłuższą metę fajnie było by mieć coś takiego.
– czy zmiana okienka momentu z 12 miesięcy na mniej pozwoliłaby by na lepsze działanie strategii?
– ewentualnie monitorowanie sytuacji co 2 tyg zamiast 1 miesiąca i adekwatne działanie? (Kupno/sprzedaż) bez rozdzielania na symultaniczne portfele
PS. Zabieram się do czytania pozostałych artykułów, super „rozkminy” inwestycyjne
Pozdrawiam
Jurek
Witam, miło mi poznać!
Dziękuję za miłe słowa, to super wiedzieć, że artykuły są przydatne. Zawsze staram się pisać tak, jak sam chciałbym od tym usłyszeć, więc super, że Tobie też się to przydaje.
Co do pytań:
– Nie wrzucam nigdzie aktualizowanego pliku, ale z tego narzędzia, o którym wspomniałeś, bez problemu ściągniesz prawie całą historię danych (wystarczy wejść w źródło strony). Może kiedyś w przyszłości zrobię dział na bieżąco aktualizowanych danych na stronę, ale jak dotąd nie było to szczególnie potrzebne.
Aktualizuję natomiast raz w miesiącu dane do Mapy Momentum sektorów w USA i raz w tygodniu do Mapy Momentum spółek w PL, DAXie i Nasdaqu, więc podwaliny pod taką automatyzację już są.
Ale aktualną wartość bez problemu znajdziesz na stronie z danymi OECD (Data Explorer).
– Myślę, że da się zoptymalizować lepiej niż 12 miesięcy, ale nie robiłem tego – bo właśnie nie wiem, czy „lepsze dopasowanie do danych historycznych” faktycznie oznaczać będzie lepsze działanie w przyszłości.
Osobiście raczej poszedłbym w dywersyfikację: mieć np. 3 warianty strategii, jeden biorący 12 miesięcy, inny np. 9, inny jeszcze inną wartość. Transzowanie.
Mówimy oczywiście o 12-miesięcznym okienku relatywnego momentum (wybierającym czy S&P500, czy World-x-US, czy np. Emergingi. Bo w pierwotnym kryterium risk-on / risk-off takiego parametru czasowego nie ma (są tylko miesięczne zmiany CLI krajów i ich indeks dyfuzji).
– Tak, myślę, że częstsze próbkowanie (2 tyg. zamiast 1 miesiąca) jest sensownym pomysłem – daje Ci większą elastyczność reakcji. Chyba nawet coś podobnego opisuje G. Antonacci (twórca oryginalnego Dual Momentum) w nowszych swoich książkach (czy też w najnowszej, nad którą pracuje) – że schodzi bardziej do okresów tygodniowych, zamiast miesięcznych.
Ja w swoim pierwotnym artykule o GGC miałem nawet wersję, która podczas okresów risk-off (kiedy indeks dyfuzji OECD CLI jest < 0.5) stosuje zwykły trend following na danych dziennych. Szczegóły znajdziesz tutaj.
———
Na koniec dodam, że jeśli interesuje Cię bardziej szybkie reagowanie na zmiany rynkowe, to warto też przyjrzeć się innej wersji strategii tego samego typu, o nazwie Accelerating Dual Momentum. Wspomniałem o niej tylko krótko tutaj.
———
Pozdrawiam i powodzenia!
Dzięki za szybką odpowiedz,
Trochę pogadałem z GPT 🙂 i zmodyfikowałem pod swoje potrzeby GGCE:
risk-on P500 (S&P) / AWEX (świat – US) (12m momentum w PLN)
risk off EUNA (obli) / XEON (cash)
w związku z tym że mocno buja obligami aby uniknąć fałszywych przeskoków pomiedzy EUNA a XEON dodalem bufor oraz eliminacje losowości. Aby wejść w obli nastepujące warunki poniżej powinny być spełnione (silny sygnał)
Na ten moment jestem w Cash. Priorytetem jest utrzmanie kapitału a ewentualny zysk na obligacjach to bonus.
Zastanawiam się nad risk-on, czy nie dodać bufor 1p.p. zanim się przełączymy pomiędzy US / Ex US
Co do strategi GGCE:
Czy w przyszłosci planujesz publikować sygnały DI w dalszych miesiącach / lub w momentach przełamania (DI>< 0.5) oraz je tutaj omawiać?
Jeszcze raz kawał dobrej roboty. Jest trochę naukowo i pewnych tematów już nie ogarniam 🙂 ale rzeczowe i proste wyjasnienia pomagają a dodatkowe felietony „folozoficzne” są wisienką na torcie.
Pozdrawiam,
Jurek
Bardzo fajnie, że przetestowałeś. Jak wyniki na tych ETFach, porównywalne z tym co mi wyszło w artykule?
Myślę, że dodanie bufora w postaci 1p.p. ma sens. Ewentualnie można też rozważyć tzw. „lockup” na 2-3 miesiące, czyli taką blokadę zamieniania. Żeby nie przeskakiwać co miesiąc między ETFami, tylko po zmianie trzymać minimum jakiś czas, np. 2 lub 3 miesiące (dopóki pozostaje wciąż risk-on, oczywiście, bo jak przejdzie na risk-off to bym nie zwlekał).
Tak, myślę że różne operacje na poszczególnych krajowych CLI (czy to ważenie PKB, czy to robienie jakichś podsektorów geograficznych) może mieć sens, po prostu nie badałem tego w ogóle, więc jak masz na to ochotę – chętnie poznam wyniki. Mogę nawet wrzucić na bloga, jak masz jakiś konkretny artykuł.
Co do przyszłych sygnałów indeksu dyfuzji – tak, na swoje potrzeby na bieżąco śledzę wskazania tego wskaźnika (i różnych innych też), więc planuje pisać jak będzie jakaś istotna zmiana (np. DI ponownie nad risk-on, itd.).
Dzięki za pochwałę! Myślę, że nawet jak coś jest trudniejszego, to robisz bardzo dobrze – rozmawiasz o tym z GPT i on powinien być w stanie wszystko prosto wyjaśnić. Też tak czasem z nim robię, myślę że to bardzo dobre zastosowanie tego narzędzia.
Pozdrawiam!
Trochę się jeszcze pobawiłem AI, popytałem, trochę back testów i myślę że finalna formuła dla mnie to:
DI większe od 0.5 – risk on
DI mniejsze od 0.4 – risk off
Risk off:
Bonds 12m większe niż cash 12m + 2pp
Bonds 3m większe niż 0
Bonds 6m większe niż cash 6m
Otherwise cash
Risk on:
12m + 2pp plus lockup 1m
Całościowo wyszło Cagr 16-17% oraz DD 11-12% ale nie liczyłem tego naukowo tylko policzyłem z Gemini 3.1 pro przy zadanych parametrach na moich ETF uctis
Bardzo fajnie.
Pamiętaj tylko, że te ETFy na których testowałeś istnieją bardzo krótko (4-7 lat), więc nie doświadczyły jeszcze poważnych obsunięć w swojej historii.
DD 11-12% jest super za ostatnich kilka lat, ale historycznie spokojnie należy spodziewać się czegoś z przedziału 20-30%. I to w danych miesięcznych (czyli w danych dziennych może być jeszcze gorzej).
Strategia jest moim zdaniem bardzo dobra, ale trzeba pamiętać, że nie bez wad, i że historyczne wyniki to nie to samo, co czeka nas w przyszłości; to tylko wskazówka.
A krach, na przykład, może się zdarzyć zawsze, bez ostrzeżenia. Oczywiście w innym inwestowaniu jest to samo zastrzeżenie, ale warto o tym wszystkim pamiętać.
Oczywiście jestem świadomy że „analiza wsteczna zawsze skuteczna” :-). Nie spodziewam się cudów i wiem że będą DD większe niż w back testach oraz całkiem prawdopodobne że następne lata już nie będą tak różowe jeśli chodzi zyski po ostatnich prawie 20 latach. W moją wersję GGCE planuje przeznaczyć około 20% portfela. Generalnie jestem fanem pasywnego inwestowania ale GGCE przemawia do mnie swoją prostotą.
Wracając do Twojej strategi GGCE, czy myślałeś o jakiejś histerezie DI?
To bardzo zdrowe podejście z Twojej strony – tak trzymaj.
O histerezie – myślałem, ale nie testowałem (jeszcze). Mam to w planach. Myślę, że to ciekawy pomysł – i to nie tylko do DI, ale do różnych innych wskaźników. Rozumiem, że to, co zrobiłeś u siebie z momentum relatywnym (zmianą P500 ↔ AWEX), że musi przebić o te 2pp w obie strony żeby coś zmieniać, to przykład takiej właśnie histerezy?
Jak myślę, co najbardziej by się przydało jako dodatek do tej GGCE, to przychodzi mi obserwacja, że indeks dyfuzji OECD zazwyczaj fajnie pokazuje kiedy sprzedać, ale ze zbyt dużym (wg mnie) opóźnieniem pokazuje, kiedy kupić.
Może to po prostu odzwierciedlenie faktu, że górki i dołki na rynkach nie są symetryczne (górki zazwyczaj długo rozciągnięte w czasie, długie konsolidacje, dołki raczej szybkie i paniczne, V-kształtne).
Ja w praktyce radzę sobie z tym tak, że mierzę też sentyment na rynkach (na różne sposoby, chciałbym o tym kiedyś zrobić szerszy wpis), i gdy jest odpowiednio skrajnie wyczerpany (panika?), to mimo nawet reżimu risk-off, zwiększam sobie zaangażowanie akcyjne dość istotnie. Traktuję to jako taki dodatek do całego portfela, ale dość istotny.
Więc ta asymetria górek / dołków jest ciekawym problemem do rozwiązania, i być może ta pętla histerezy (w podejściu do indeksu dyfuzji) tu by się mogła sprawdzić. Że np. jak długo jest nisko, to łatwiej mu wrócić w risk-on, niż tylko przejście przez 0,5.
Ale też nie wiem, czy to się sprawdzi, może być dużo fałszywych sygnałów. Trzeba po prostu przetestować i się dowiedzieć.
1. Pętla histerezy na DI, risk-off gdy poniżej 0.5 a risk-on gdy powyżej 0.4-0.45? (Najprostsze dla pasywnego algorytmisty 😉
2. przełącznik paniki (VIX), jesteśmy w risk-off a gdy VIX już opadnie do jakiegoś wyznaczonego poziomu to robimy override na risk-on nie patrząc na DI (strategia się komplikuje i trudniej z nią wyrwać długofalowo)
3. jesteśmy w risk-off ale sprawdzamy DI i jeśli jest w przedziale 0.35-0.45 to dodatkowo sprawdzamy cenę aktywa risk-on 10m SMA. Jeśli aktualna cena wyższa niż 10m Sma to wchodzimy w risk-on.
Co o tym myślisz?
Wersję pomysłu nr 3 już praktycznie jako swoją pierwszą zaimplementowałem – spójrz na ten artykuł z 2021 roku (rozdział GGC Strategy). To nic innego jak trend following właśnie kiedy DI wskazuje risk-off. Tylko różnica, że tam uruchamiam dzienny trend following (na SMA 50d), zamiast proponowanego przez Ciebie miesięcznego na 10m.
Daje to fajne wyniki, i moim zdaniem ma duży sens. O ile ktoś ma wolę i możliwości tak dziennie wachlować alokacją.
Z VIXem (Twój pomysł nr 2) sprawa się komplikuje, bo taka nakładka „łapania spadającego noża”, czyli kupowania kiedy jest panika, jest ideowo sprzeczna z tym co robi indeks dyfuzji podczas risk-off. Czyli unikaniem alokacji w bessie.
Dlatego traktowałbym to jako po prostu osobne strategie, osobne algorytmy – jedna to określenie reżimów (OECD CLI), druga to oportunistyczne szukanie lepszego momentu wejścia w akcje. Ale tak, wariant tego sam u siebie stosuję (nie na samym VIXie, ale na szeregu różnych wskaźników sentymentu).
Możesz poszukać w sieci (albo z LLMem) takich pojęć jak volatility targeting, albo sentiment trading. I dawne prace Jasona Goepferta.
Pomysłu nr 1, jak pisałem, jak dotąd nie testowałem. Ale myślę, że przypadków kiedy DI jest pomiędzy 0.4 a 0.5 (kiedy to faktycznie będzie miało jakąkolwiek różnicę między prostym 0.5, jak jest teraz) jest na tyle mało, że trudno będzie to przekonująco przetestować.
Tj. coś tam z testów wyjdzie, być może lepiej, być może gorzej, ale czy istotność statystyczna tego testu będzie wysoka? Nie wiem, nie próbowałem.