You are currently viewing Fungerar jämviktspendling lika bra på alla aktier?

Fungerar jämviktspendling lika bra på alla aktier?

Vad är en aktie?

En aktie är en ägarandel i ett företag. För att du skall kunna köpa en aktie måste den vara noterad på en börs eller en handelsplattform.

En aktie i företaget Autoliv är samma sak som en aktie i företaget Volvo.

Då borde kanske aktier i Autoliv reagera på ett likartat sätt som aktier i Volvo när vissa mönster uppstår i grafen.

Detta känns kanske logiskt men enligt min erfarenhet stämmer detta inte. Vissa aktier har en tendens att bete sig på ett visst sätt och andra aktier på ett annat. Hur är detta möjligt?

Rörelsen i en aktie är summan av alla aktörers agerande. Beroende på aktörerna kommer troligtvis aktier ha olika “karaktärsdrag”.

Idag tänkte jag att vi skulle titta på ett “karaktärsdrag” och se om detta gäller för merparten av aktierna på Large Cap.

Det karaktärsdrag vi skall titta på är jämviktspendling. Därför skall vi börja med vad jämviktspendling är för något och hur du kan utnyttja det för att skapa dig en riskjusterad överavkastning.

Innan vi kommer utföra testerna kommer jag ta upp ämnet överoptimering. Detta gör jag eftersom när vi börjar titta på hur enskilda aktier presterar finns det alltid en risk att vi börjar över optimera och jag vill då göra dig uppmärksam på detta.

Det finns vissa aktier där jämviktspendling fungerar bättre än andra, för att se resultatet titta här.

Irrationella beslut

Vi människor är inte robotar, vi styrs av våra känslor och tillkortakommanden. Våra hjärnor tar ibland genvägar och under stress klarar vi oftast inte av att ta rationella beslut.

Utöver detta påverkas vi även av flockbeteende på börsen.

Hur påverkar då detta börsen? Börsen är summan av alla aktörers agerande. När en enskild aktör inte vet hur den skall agera kommer den troligtvis att titta på hur flocken har agerat och därefter göra likadant.

Detta är orsaken till varför beteendet på börsen skiljer sig från beteendet i andra ekonomiska situationer. När människor agerar rationellt tenderar dem till att köpa mer kött om priset sjunker och mindre smör om priset höjs.

På börsen fungerar det oftast precis tvärtom. Aktörer har en tendens till att köpa mer om priset går upp än om priset har gått ned. Intresset för aktier som har stigit är ofta mycket högre än för de aktier som har sjunkit.

Detta är en utav anledningarna till överreaktioner, att en aktie bara fortsätter att stiga eller att gå ner.

Jämviktspendling

Alla dessa tillkortakommanden och känslomässiga filter leder till att det finns beteende på börsen som investerare kan utnyttja för att skapa en riskjusterad överavkastning. Ett utav dessa beteende är jämviktspendling.

Jämviktspendling innebär att priset fluktuerar kring en tänkt medelpunkt. Om priset har stigit för mycket kommer det därefter att falla tillbaka och om priset har sjunkit för mycket kommer priset att stiga.

Du har säkert hört uttrycket att du skall köpa billigt och sälja dyrt. Jämviktspendling handlar om just detta fast kanske på ett lite annorlunda vis. Istället för att endast kunna köpa billigt och sälja dyrt kan du istället köpa dyrt och sälja ännu dyrare eller köpa extremt billigt och sälja billigt.

Jämviktspendlande strategier går därför ut på att köpa aktier som verkar ha fallit lite för mycket på för kort tid i förhoppning att de skall stiga igen. En indikator som ofta används för detta är Relative Strength Index (RSI). Ett RSI med period värde på 2 är ofta en bra indikator för att fånga jämviktspendling i aktier och index.

RSI(2) är en av de indikatorer vi kommer använda idag för att testa om jämviktspendling fungerar olika bra på olika aktier. Den andra indikatorn vi skall använda, som inte riktigt är en indikator, är att vi skall titta på hur utvecklingen ser ut för aktien efter att den har fallit tre dagar i rad.

Vill du lära dig mer om Relative Strength Index har gjort ett helt inlägg om just denna indikator, du hittar inlägget här.

Jag har även gjort en studie på RSI(2) för att ta reda på hur bra indikatorn är på att signalera jämviktspendling. I studien kommer jag fram till väldigt intressanta resultat om när indikatorn fungerar bra och mindre bra. Vill du ta en titt på studien kan du göra det här.

Överoptimering

Överoptimering är något som diskuteras frekvent bland de som utvecklar tradingsystem och något som är väldigt viktigt att ha i åtanke. Man vill skapa ett system som är optimerat med tanke på historiken men inte så mycket att det löper en för stor risk att inte fungera i framtiden.

Genom att skapa en strategi som är överoptimerad är samma sak som att du lurar dig själv. Du lurar dig till att skapa en strategi som har fungerat bra men som troligtvis inte kommer att göra det i framtiden.

Många traders och strategi utvecklare är lite delade kring överoptimering, många menar på att det är helt omöjligt att skapa system som inte är optimerade medans andra menar på att alla optimerade system kommer att sluta fungera i framtiden.

När du optimerar försöker man hitta de parametrar på indikatorer som gör att du får ett så bra resultat som möjligt. Risken med detta är att du drar det så långt att du till sist har över optimerat ditt system.

Ett överoptimerat system kommer att prestera bra på historisk data men det mest troliga är att det kommer att fungera mindre bra i framtiden.

[bctt tweet="Ett överoptimerat system kommer att prestera bra på historisk data men det mest troliga är att det kommer att fungera mindre bra i framtiden."]

Låt säga att du t.ex. håller på att skapa ett system som köper när ett glidande medelvärde korsar upp genom ett annat. Du studerar OMXS30 och med hjälp av ett analysprogram simulerar du fram att de bästa värdena på de två glidande medelvärdena är 37 dagar och 102 dagar.

Dessa två medelvärden kommer att ge dig bäst resultat på din historiska data men det mest troliga är att detta är en överoptimering. Detta leder till att strategin troligtvis inte kommer att prestera speciellt bra i framtiden.

Det är därför ofta viktigt när du utvecklar strategier att du väljer värden som ligger i “stabila zoner”. Studera bilden nedan och så skall jag förklara vidare för dig efter det.

Som du kan se i grafen är det bästa värdet ett glidande medelvärde på 37 dagar. Men studerar du värdena runt omkring kan du tydligt se att de verkar inte vara lika bra. Skulle du då välja ett glidande medelvärde på 37 dagar är det mest troliga att detta kommer leda till att din strategi blir över optimerad.

37 dagars glidande medelvärde är en outlier och beror troligtvis på något speciellt. Detta kan vara en split eller till och med felaktig data.

Om du studerar grafen vidare finner du att ett område kring 50 dagar ser ut att ha många höga värden. Alla värden i denna zon ligger på en stabil hög nivå och för att undvika att över optimera ditt system är det bästa för dig att välja det värde som ligger i mitten på denna zon.

Vad har då överoptimering att göra med att titta på om jämviktspendling fungerar lika bra på alla aktier?

Jo, när du börjar titta på hur individuella aktier presterar med tanke på olika strategier finns det en risk att du överoptimerar.

Om du gör ett test på ett antal aktier och ser att en aktie har presterat sämst under tidsperioden behöver inte detta betyda att aktien kommer att fortsätta prestera dåligt. Inte sällan är det så att en aktie har presterat sämre under en period kommer att prestera bättre i nästa. Det är inte bara pris som jämviktspendlar utan även aktier och strategiers resultat.

Att analysera en hel tidsperiod och dra slutsatser efter det är inte bra. Du kanske upptäcker att en aktie har presterat sämst och väljer då att utesluta denna aktie. Studerar du aktiens affärer lite närmare kanske du inser att aktien faktiskt har presterat bra förutom en riktigt dålig affär som har dragit ner resultatet. Att utesluta denna aktie på dessa grunder är enligt mig ingen god idé.

En annan risk du löper är att genom att titta på enskilda aktier finns det en risk att du drar för stora slutsatser från för få antal affärer. Att dra stora slutsatser efter ett 10-tal affärer brukar inte sluta bra.

Jag tittar själv på hur olika strategier presterar på enskilda aktier men jag har alltid i åtanke att försöka undvika en överoptimering.

Hur undviker man att överoptimera?

Ett sätt att försöka undvika överoptimering är att använda sig av ”out of sample” tester. Detta innebär att du optimerar och gör dina tester på en tidsperiod, detta kallas för ”in sample” period. Därefter testar du din optimerade strategi på ny data i en annan tidsperiod, detta är då din out of sample period.

Visar det sig då att din strategi inte alls fungerar på din out of sample period har du över optimerad din strategi.

I denna studie kommer vi att göra på följande vis att vi delar upp vår tidsperiod i tre olika delar. Därefter utför vi våra tester och ser om det är samma aktier som presterar bra/mindre bra i varje tidsperiod. Genom att göra på detta vis minskar vi risken att vi gör någon överoptimering.

De två strategier vi kommer använda oss av

De två strategier vi kommer att använda oss av för att göra vår studie är såklart två jämviktspendlande strategier. Som jag skrev innan kommer den ena strategin var uppbyggd kring RSI(2) och den andra kring en tre dagars nedgång.

Strategi 1 kommer se ut på följande vis:

Entry:
RSI(2) under 10

Exit:
Sälj efter 5 dagar

Strategi 2 kommer se ut så här:

Entry:
Köp efter 3 dagars nedgång

Exit:
Sälj efter 5 dagar

Studien

Studien kommer att ske på ett antal aktier från Large Cap, anledningen till att jag valt dessa aktier är eftersom jag anser att de har tillräckligt stor volym för mig att tradea. Som jag skrev kommer jag att dela in tidsperioden i tre olika delar. Den första delen är 2010-01-01 till 2012-12-31, del två är 2013-01-01 till 2015-12-31 och den sista delen är 2016-01-01 till 2018-12-31.

Data

Studien sträcker sig från år 2010-01-01 till 2018-12-31 och de aktier som jag har valt att titta på är:

ABB Ltd
Alfa Laval
Autoliv SDB
Assa Abloy B
Atlas Copco A
AstraZeneca
Billerudkorsnäs
Boliden
Castellum
Elekta B
Electrolux B
Ericsson B
Getinge B
Hexagon B
Hennes & Mauritz B
Holmen B
Hexpol B
Hufvudstaden A
Husqvarna B
Industrivärden C
Investor B
Kinnevik B
Kungsleden
Lundin Mining
Lundin Petroleum
MTG B
NCC B
Nordea Bank Abp
NetEnt B
Nibe B
Peab B
Ratos B
Sandvik
SCA B
SEB A
Securitas B
Sv. Handelsbanken A
Skanska B
SKF B
SSAB A
Stora Enso R
Swedbank A
Swedish Match
Tele2 B
Telia Company
Trelleborg
Volvo B

Resultat

Strategi 1 – RSI(2) < 10 sälj efter 5 dagar

RSI(2) under 10 2010-2012
RSI(2) under 10 2013-2015
RSI(2) under 10 2016-2018

Strategi 2 – 3 dagar ned sälj efter 5 dagar

3 dagar ner 2010-2012
3 dagar ner 2013-2015
3 dagar ner 2016-2018

Sammanfattning

Om vi börjar att studera vår första strategi RSI(2) under 10 kan vi ganska tydligt att aktierna har presterat olika bra under de olika tidsperioder. Varje strategi får ungefär 6000 affärer var under denna tidsperiod. Vi får alltså tillräckligt med affärer för att vi inte skall dra för stora slutsatser från för lite affärer. Boliden presterar t.ex. bäst åren 2016-2018 medans under åren 2013-2015 är aktien en av de aktier som presterar sämst.

Jag tycks se att det finns vissa aktier som inte presterar bra under någon av tidsperioderna. AstraZeneca presterar dåligt under alla tre perioder. Utöver AstraZeneca tycker jag att både Ratos B och SEB A även de presterar dåligt.

Ratos har haft en extrem nedtrend sedan 2010 vilket kan vara en förklaring till varför det inte har varit fördelaktigt att köpa Ratos. Dock finns det ingen sådan förklaring för varken AstraZeneca eller SEB A.

Men innan vi drar en slutsats om att utesluta dessa två aktier i framtiden skall vi ta oss en titt på vår andra strategi.

När jag studerar detta finner jag bara att Ratos har presterat dåligt under alla tre perioder. Jag tycker även att jag ser att AstraZeneca presterar lite sämre än de andra aktierna. SEB A har lite samma utseende men inte alls lika självklart som när vi studerade den första strategin. Förutom dessa tre aktier ser det även ut som att Kungsleden har ett svagt resultat i alla tre perioder.

Studerar jag resultatet för den första strategin på Kungsleden är resultatet även här svagt för alla tre tidsperioder.

Jag kan alltså komma fram till fyra aktier som inte presterar lika bra som de resterande aktierna. Jag är inte helt redo att utesluta dessa aktier från min trading när det kommer till jämviktspendalde strategier, men jag kommer helt klart att ha det i åtanke när jag testar och skapar strategier i framtiden.

Hur du gör är helt upp till dig, kom ihåg det finns en risk att detta endast är slumpen och dessa fyra aktier kommer kanske vara vinnarna i framtiden.

Syftet med denna webbplats är att bidra med information och ge min allmänna syn på börsen, index, valutor och råvaror. Det är inte meningen att informationen ensamt ska utgöra underlag eller ses som uppmaningar för köp- och säljbeslut. Informationen är min personliga syn och även om jag anser att de källor och metoder jag använder är tillräckligt tillförlitliga. Nineambell tar inget ansvar för eventuella brister i källmaterialet eller tillförlitligheten i det som erhålls i samband med utnyttjandet utav denna sida. Handel med finansiella instrument innebär alltid en risk. Nineambell svarar inte för eventuella förluster uppkomna genom investeringsbeslut baserade på information från denna webbplats.

Lämna ett svar