I sidste uge deltog jeg i Early Retirement Masterclass af Christopher Ng. Jeg var imponeret over kurset, da det var baseret på solid akademisk forskning og udstyrede os med de nødvendige færdigheder til at anvende en datadrevet tilgang til investering.
Jeg vil bruge en af Chris' strategier til at vælge blue chip-aktier som et eksempel i denne artikel. Primært går Chris ind for den smarte beta-tilgang til at udfiske bestande baseret på visse faktorer, såsom forhold mellem pris og indtjening, frit cash flow-udbytte, nettooverskudsmargen og momentum.
Aktier med lave pris/indtjeningsforhold blev valgt, fordi de er billige i forhold til deres indtjening. Disse aktier er undervurderet i forhold til andre aktier på grund af markedets overreaktion på dårlige nyheder. Dette giver værdiinvestorer mulighed for at drage fordel af de lave priser til at opnå enorme overskud, når priserne vender tilbage til deres fair værdi.
Aktier med højt frit cash flow-afkast blev valgt, fordi disse aktier har evnen til at generere pengestrømme i forhold til deres pris efter at have taget højde for pengestrømme for at opretholde deres kapitalaktiver. Disse aktier har en tendens til at have en stærk evne til at tilbagebetale kreditorer og betale udbytte til investorer.
Aktier med høje nettoavancer har høj nettoindkomst i forhold til deres omsætning. Disse virksomheder har normalt et godt økonomisk helbred, god ledelse og et stærkt vækstpotentiale.
Aktier med høj kursmomentum har tendens til at klare sig godt, fordi tendenser fortsætter. Aktier, der er steget i løbet af de seneste 6 til 12 måneder, er mere tilbøjelige til at stige yderligere. Der er også adfærdsmæssige årsager såsom hyrde, der forklarer, hvorfor momentum virker, fordi individuelle beslutninger er påvirket af gruppeadfærd.
Jeg kørte en backtest for at simulere, hvordan Christophers strategi ville have fungeret siden 2008 (jeg udviklede et backtesting-værktøj på PyInvesting.com). Denne backtest er vigtig for mig, fordi den validerer (eller ugyldiggør) strategien i løbet af det sidste årti. Jeg ville foretrække at køre en simulering end at risikere mine hårdt tjente penge for at finde ud af, om en strategi virker. Desuden ville et vellykket sæt backtest-resultater give mig selvtillid til at forblive investeret, mens markedet går gennem perioder med volatilitet.
Backtesten giver mig også mulighed for at se, hvordan strategien har klaret sig under børskrak, såsom den globale finanskrise i 2008 og den nuværende Covid-19 folkesundhedskrise. Jeg ville være i stand til at kende min porteføljes tab under disse begivenheder og ærligt spørge mig selv, om jeg kan acceptere udtrækningsstørrelserne, før jeg forfølger strategien med mine penge.
Start her for at køre en backtest. Klik på knappen "Vælg dine aktier". Et nyt vindue åbner sig, og du bør vælge aktier til din backtest. Under "skabelonporteføljer", klik på "Straits Times Index" for at vælge aktier fra indekset.
Rul derefter ned til benchmarksektionen og fjern standard S&P 500 benchmark ved at klikke på krydset og tilføje STI ETF som benchmark.
I næste afsnit skal du vælge de faktorer, som din strategi bruger til at rangere dine aktier ved at tildele vægte til hver faktor. Jeg tildelte en ligevægt på 25% til det laveste PE-forhold, højeste 12-måneders afkast (momentum-faktor), højeste frie cash flow-udbytte og højeste nettoavance. Disse faktorer kombineres ved hjælp af z-scoring-metoden beskrevet i Early Retirement Masterclass for at danne det overordnede signal.
Jeg valgte de 10 bedste aktier med det stærkeste overordnede signal til at inkludere i porteføljen i hver rebalanceringsperiode. Rebalanceringsfrekvensen blev sat til en årlig frekvens, og backtesten blev navngivet som "STI Smart Beta Backtest".
Resultaterne viste, at smart beta-strategien klarede sig markant bedre end STI-benchmark med et årligt afkast på 6,4 % mod -0,8 % siden 2008. Strategien har også et højere Sharpe-forhold på 0,25 i forhold til STI, som havde et Sharpe-forhold på -0,14, hvilket indebærer at strategien har højere risikojusterede afkast.
En af de almindelige opfattelser, som folk har, er, at Singapore-markedet er "dødt", fordi Straits Times-indekset har et årligt afkast på -0,8 % siden 2008. Når alt kommer til alt, hvilken investor ville ønske at investere i et instrument, der taber 0,8 % pr. år i gennemsnit? Men investorer bør også bemærke, at Straits Times Index er et markedsværdivægtet indeks, hvor de største 5 virksomheder (hvoraf 3 er lokale banker, DBS, OCBC, UOB) i indekset udgør omkring 50 % af indekset. Derfor kan dårlige resultater fra disse få virksomheder trække indeksresultaterne i langdrag og kaste et dårligt lys på aktiemarkedet i Singapore. Vores backtest-resultater har vist, at Singapore-markedet langt fra var "dødt", fordi der var andre aktier, der har stærk eksponering for smarte beta-faktorer, som har været rentable for investorer.
Denne backtest beviste også, at Chris's smarte beta-strategi virker. Vi skal blot vælge aktier med det laveste PE-forhold, højeste 12-måneders afkast, højeste frie pengestrømsafkast og højeste nettoavance, og vi kan forvente at overgå Straits Times Index med 7,2 % om året (ikke hvert år, men på et gennemsnit).
Jeg er begyndt at bruge nogle af disse smarte beta-faktorer i min egen personlige investeringsstrategi efter at have deltaget i Chris's Early Retirement Masterclass. Faktisk har jeg programmeret strategien på PyInvesting og kører nu automatisk for mig - hver dag vil dataene blive opdateret hos PyInvesting, og jeg vil modtage en e-mail for at informere mig om mine nuværende positioner og de ordrer, jeg skal afgive for at rebalancere min portefølje.
Jeg er tilhænger af en datadrevet tilgang til investering og backtesting strategier, før du risikerer dine penge i dem. Det er derfor, jeg oprettede PyInvesting, og jeg håber, det kan støtte dig på din rejse mod økonomisk frihed.
Ansvarsfraskrivelse:Jeg er grundlæggeren af PyInvesting. Jeg oprettede denne hjemmeside, så investorer kan backteste og gå live med deres egne investeringsstrategier.