A részvénypiaci hozamok előrejelzése: Mit tudnak a makroadatok és a technikai jelzések?

Az alábbiakban azt tekintjük át, hogy milyen makrogazdasági, fundamentális és technikai tényezőket vizsgáltak a kutatók a részvénypiaci hozamok előrejelzésével kapcsolatban. A téma azért fontos, mert a befektetők és az elemzők régóta keresik azokat a változókat, amelyek segíthetnek megérteni a jövőbeni részvénypiaci hozamok alakulását. Ugyanakkor a kutatások egyik fontos tanulsága, hogy ezek az összefüggések ritkán stabilak, és közvetlen befektetési döntések megalapozására csak jelentős korlátok mellett használhatók. A cikkben először Goyal és Welch klasszikus vizsgálatát tekintjük át, amely 17 makrogazdasági és fundamentális változó előrejelző képességét elemezte. Ezt követően azt vizsgáljuk meg, hogy a technikai elemzés egyes eszközei milyen eredményeket mutattak hasonló kutatási keretben, illetve hogyan változhat a technikai jelzések előrejelző ereje nyugodtabb és bizonytalanabb piaci környezetben. Témáink:

• Makroökonómiai tényezők és a részvénypiacok
• A makrogazdasági változók előrejelző képességének korlátai
• A technikai elemzés és a jövőbeni hozam előrejelzése
• Mikor mutathatnak jobb eredményt a technikai jelzések?
• Nyugodt és bizonytalan piaci környezet szerepe

Makroökonómiai tényezők és a részvénypiacok

Amit Goyal és Ivo Welch 2006-ban publikáltak egy összegző tanulmányt, amelyben 17 olyan makrogazdasági és fundamentális tényezőt gyűjtöttek össze, amelyeket a korábbi évtizedek kutatásai kapcsolatba hoztak a részvénypiaci hozamokkal. A 17 változó előrejelző képességét egységes keretrendszerben vizsgálták az 1871–2004 közötti időszakon, illetve egyes összefüggések esetében rövidebb időtávon, mert bizonyos tényezőkre az 1920-as éveket megelőzően nem álltak rendelkezésre adatok.

Goyal és Welch módszertanának jelentősége abban áll, hogy a keretrendszert később más kutatók is alkalmazták további részvénypiacokon és eltérő időszakokon. Emiatt ma már viszonylag sok empirikus eredmény áll rendelkezésünkre ezekről a makrogazdasági és fundamentális tényezőkről. Hasonló módszertani alapokat fektetett le Brock, Lakonishok és LeBaron 1991-ben a technikai eszközök, például a mozgóátlagok és trendcsatornák előrejelző képességével kapcsolatban. Az ő munkájukat követően szintén több kutatás született más tőzsdéken és más időszakokban. Ezek közül többről beszámoltam itt és itt.

Goyal és Welch később ismét felülvizsgálta a korábbi eredményeket, és a vizsgált változók körét 29-re bővítették. Mielőtt azonban az újabb eredményekre és a technikai elemzés szerepére rátérnénk, nézzük sorban a legismertebb makrogazdasági és fundamentális tényezőket.

1) Osztalékhozam (d/p)

Az osztalékhozam az egy részvényre jutó osztalék és a részvényár hányadosa. A mutató mögötti alapgondolat az, hogy ha az osztalékhozam magas, akkor a részvények értékeltsége alacsonyabb lehet, ami egyes elméletek szerint kedvezőbb jövőbeni hozamokkal járhat együtt. Alacsony osztalékhozam esetén ennek fordítottja merülhet fel: a piac magasabb értékeltséget tükrözhet, ami visszafogottabb jövőbeni hozamokkal társulhat.

Ball 1978-as vizsgálata óta több kutatás foglalkozott a mutató előrejelző képességével, amelynek részleteit itt beszéltük meg. Az eredeti Goyal-Welch-vizsgálatban az 500 legnagyobb amerikai társaság adatain a 12 hónapos összesített osztalék adta az osztalékhozam-számítás alapját az 1871-2004 közötti időszakon.

2) P/E, CAPE (e/p)

Nemcsak az osztalék és a részvényár, hanem a nyereség és a részvényár kapcsolata is felhasználható a jövőbeni részvénypiaci hozamok vizsgálatára. A mutató logikája hasonló az osztalékhozaméhoz: ha a vállalati nyereségekhez képest magasak az árfolyamok, akkor a részvénypiac értékeltsége magasabb lehet, ami hosszabb távon mérsékeltebb hozamokkal járhat együtt. Ha viszont az árfolyamok alacsonyabbak a nyereségekhez képest, akkor kedvezőbb hosszabb távú hozamkilátások merülhetnek fel.

A témában az egyik legismertebb szakértő Robert Shiller Nobel-díjas közgazdász, akinek a fenti elveken alapuló CAPE mutatóját itt beszéltük meg. Az eredeti vizsgálatban az egy részvényre jutó nyereség és a részvényár hányadosát használták az 1871-2004 közötti időszakon.

3) Részvényhozam-variancia (svar)

A variancia leegyszerűsítve a részvénypiaci hozamok szóródását jelenti. Ebben az értelemben a szóródás a részvénypiac kockázatához és volatilitásához kapcsolódik. Egyes kutatások szerint a magasabb volatilitású időszakok kapcsolatban állhatnak a befektetői bizonytalansággal, a kockázatkerüléssel és a jövőbeni hozamok változásával.

Az eredeti vizsgálatban az 1871-1926, illetve az 1926-2004 közötti időszakon az 500 legnagyobb tőzsdei társaság napi hozamain mérték a varianciát.

4) Cross-sectional premium (csp)

A csp a magasabb bétájú, kockázatosabb részvények és az alacsonyabb bétájú, kevésbé kockázatos részvények értékeltségének különbségét fejezi ki. Az elképzelés mögött az áll, hogy a befektetők kockázatvállalási hajlandósága időben változik, és ez megjelenhet a különböző kockázatú részvények relatív árazásában is.

Az adatokat az eredeti vizsgálatban az 1937-2002 közötti időszakon vették figyelembe. A csp-alapú előrejelzés Sam Thompson munkájához kapcsolódik.

5) A könyv szerinti érték és a részvényár kapcsolata (b/m)

A P/B, illetve ennek fordítottja, a book-to-market mutató a könyv szerinti érték és a részvényár viszonyát vizsgálja. Az elképzelés szerint az alacsonyabb értékeltségű, magasabb book-to-market mutatóval rendelkező részvények hosszabb távon magasabb hozamot érhetnek el, bár ennek magyarázata a mai napig vita tárgya.

Az összefüggés széles körben ismert a value-részvények témakörében, amelyről itt beszéltünk. A vizsgálatban 1920-2004 közötti adatokkal dolgoztak.

6) A kibocsátott részvények számának változása (ntis és eqis)

Net issuing anomaly név alatt ismerjük azokat az összefüggéseket, amelyek a társaságok által kibocsátott részvények számának változásával kapcsolatosak. Ide tartozik a saját részvény-visszavásárlás, amely csökkenti a kibocsátott részvények számát, de ide sorolhatók az elsődleges és másodlagos részvénykibocsátások, illetve a részvényhígítás esetei is.

A jelenség mögötti egyik lehetséges magyarázat az, hogy a vállalatvezetők kedvező piaci környezetben hajlamosabbak új részvényeket kibocsátani, míg alacsonyabb értékeltség mellett gyakrabban jelennek meg részvény-visszavásárlások. Emiatt a kibocsátott részvények számának változása kapcsolatba kerülhet a későbbi részvénypiaci hozamokkal.

Erről itt, illetve itt beszéltünk bővebben.

A következő tényezők már kevésbé közvetlenül a részvénypiachoz, sokkal inkább a kötvénypiachoz és a makrogazdasági környezethez kapcsolódnak.

7) A rövid hozamok (tbl)

A rövid lejáratú hozamokat az amerikai piacon gyakran a 3 hónapos diszkontkincstárjegy hozamával mérik. Mivel a rövid kockázatmentes hozam fontos alternatív hozamlehetőséget jelent a befektetők számára, kapcsolatban állhat a részvénypiaci kockázati prémiummal és a részvények relatív vonzerejével.

Magasabb rövid hozamkörnyezetben a kötvénypiaci befektetések versenyképesebb alternatívát jelenthetnek a részvényekkel szemben, ami egyes időszakokban hatással lehet a részvénypiaci értékeltségekre és hozamokra. A magasabb kamatkörnyezet és a részvénypiaci hozamok kapcsolatáról itt beszéltünk. Az eredeti vizsgálatban ezt a változót az 1934-2004 közötti időszakon vizsgálták.

8) A hosszú hozamok (lty)

A hosszú lejáratú kötvények hozama a legalább 10 éves hátralévő lejáratú kötvények hozamát jelenti. A hosszú hozamokra részben hasonló logika érvényes, mint a rövid hozamokra, ugyanakkor ezek a változók a hosszabb távú inflációs, növekedési és kockázati várakozásokat is tükrözhetik.

Emiatt a hosszú lejáratú hozamok változása kapcsolatba kerülhet a gazdasági ciklusokkal, a monetáris politikával és a részvénypiaci kockázati prémium alakulásával is.

9) A term-spread (tms)

A rövid lejáratú és a hosszú lejáratú államkötvények hozamkülönbsége a term-spread. A mutató mögötti logika az, hogy a hozamgörbe alakja információt hordozhat a befektetők gazdasági várakozásairól.

Az inverz vagy lapos hozamgörbe a múltban több esetben együtt járt lassuló gazdasági növekedéssel vagy recesszióval, emiatt a term-spread a legismertebb makrogazdasági előrejelző változók közé tartozik. Ez a mutató számos vizsgálatban kapcsolatba került a jövőbeni gazdasági aktivitással, és egyes kutatásokban a részvénypiaci hozamok előrejelzésével is. Az összefüggésről itt beszéltünk bővebben.

10) A vállalati kötvények (dfy és dfr)

A hosszú lejáratú vállalati kötvények hozamán alapulva két gyakran vizsgált mutatót különíthetünk el:

• Vállalati hozamspread (dfy), amely a BAA- és az AAA-minősítésű kötvények hozamkülönbségét fejezi ki.
• Vállalati és államkötvény hozamspread (dfr), amely a hosszú lejáratú vállalati kötvények és a hosszú lejáratú államkötvények hozamkülönbségét mutatja.

Ezek a spreadek a hitelkockázattal és a befektetői kockázatvállalási hajlandósággal állhatnak kapcsolatban. A magasabb vállalati kötvényspreadek gyakran fokozott piaci bizonytalanságra és szigorúbb finanszírozási környezetre utalhatnak.

11) Infláció (infl)

Az infláció és a részvénypiac kapcsolata sokat kutatott terület. Az eredeti tanulmányban az Egyesült Államok fogyasztói árindexét vették figyelembe az 1919-2004 közötti időszakon.

Az infláció több csatornán keresztül is hatással lehet a részvénypiacokra, például a kamatszinteken, a vállalati profitmarzsokon és a befektetői diszkontrátákon keresztül. Magas inflációs környezetben a monetáris politika szigorodása és a magasabb kamatszintek is befolyásolhatják a részvénypiaci értékeltségeket.

12) Investment/Capital (i/k)

Az investment/capital mutató az összesített befektetés és az összesített tőke hányadosát méri a teljes gazdaságra vonatkozóan. A mutató mögött az az elképzelés áll, hogy az erőteljes beruházási aktivitás és a vállalati tőkefelhalmozás kapcsolatban lehet a gazdasági ciklusokkal és a későbbi hozamokkal.

A mutató a beruházási ciklusokon keresztül kapcsolódhat a jövőbeni részvénypiaci teljesítményhez.

13) Fogyasztás, vagyon, jövedelem (cay)

A cay mutató a lakossági fogyasztás, a vagyoni helyzet és a jövedelem kapcsolatát ragadja meg. A mögöttes elképzelés szerint a fogyasztási és vagyoni döntések hosszabb távon összefüggésbe kerülhetnek a befektetői kockázatvállalással és a várható hozamokkal.

Ez egy összetett téma, amely túlmutat a jelen cikk részletes keretein, de a szakirodalomban gyakran vizsgált változó a részvénypiaci kockázati prémium előrejelzésében.

14) A „mosogató” modell (all)

A „kitchen sink”, magyarul kissé szabad fordítással „mosogató” modell az összes fent felsorolt tényező együttes vizsgálatát jelenti, a cay kivételével.

Az ilyen modellek előnye, hogy egyszerre több információt használnak fel, ugyanakkor a sok változó miatt könnyebben megjelenhet túltanulás, instabil paraméterezés és gyenge out-of-sample teljesítmény. Emiatt a komplexebb modellek nem feltétlenül eredményeznek megbízhatóbb előrejelzést, különösen hosszabb időtávon és változó piaci környezetben.

A fentiekkel tehát áttekintettük azokat a tényezőket, amelyek 2006-ig különböző kutatásokban megjelentek. Később Welch és Goyal 29-re bővítette a vizsgált összefüggések számát.

Az éves részvénypiaci hozamok előrejelzése

A kutatások egyik fontos tanulsága, hogy az éves részvénypiaci hozamok előrejelzése a fenti változók alapján korlátozott megbízhatóságú. A 17 tényező többségénél nem állt rendelkezésre elegendő bizonyíték ahhoz, hogy erős és stabil előrejelző kapcsolatról beszélhessünk. A legmagasabb R² értékek az eredeti vizsgálatban a nyereség/ár mutatóhoz (e/p) és a hosszú lejáratú kötvényhozamokhoz (lty) kapcsolódtak, de ezek esetében is fontos hangsúlyozni az eredmények időszakfüggőségét.

forrás: A Comprehensive Look at the Empirical Performance..

A következő grafikon az osztalékhozam kumulált előrejelző képességét mutatja. Az összes többi tényező ábrája a hivatkozott anyag mellékletében megtalálható. Statisztikai szempontból akkor tekinthető stabilabbnak egy összefüggés, ha:

• mind az in-sample, mind az out-of-sample adatokon kedvező eredményt mutat,
• a teljesítmény nem kizárólag egy-egy kiugró időszakhoz, például az olajársokkhoz köthető,
• az összefüggés hosszabb időszakon keresztül is viszonylag stabil marad.

forrás: A Comprehensive Look at the Empirical Performance..

A részletezett vizsgálatok arra utalnak, hogy a legtöbb modell előrejelző képességét jelentősen befolyásolhatják egyes történelmi időszakok, például az 1970-es évek olajársokkja, a nagy gazdasági világválság, vagy a dotkomlufi időszaka. Emiatt az eredmények attól is függhetnek, hogy milyen kezdőponttól és milyen időszakon vizsgáljuk az adatokat.

A fenti modellek előrejelző képességét havi és ötéves időtávon is megvizsgálták, de az eredmények ebben az esetben sem mutattak egyértelműen erősebb és stabilabb előrejelző erőt. Az sem oldotta meg teljesen a problémát, ha a teljes időszak helyett kisebb részidőszakokat vizsgáltak. Természetesen a szerzők is megjegyzik, hogy találhatók olyan időszakok, amikor egyes változók előrejelző képessége szignifikáns volt, de ezek az eredmények nem feltétlenül általánosíthatók.

Végül 2023-ban Goyal és Welch közel 20 év elteltével felülvizsgálta a korábbi eredményeket, figyelembe véve az új adatokat és az idő közben azonosított további tényezőket. A következő gondolatokkal zárták kutatásukat:

"We remain comfortable with the original claims in Goyal and Welch (2008). Standing
here in 2023 - even as investors risk-neutral on at least a modest margin and thus
willing to take on more risk - we are not confident that we can assess what variables
would help us today to predict the equity premium forward-looking."

A fentiek értelmében az új vizsgálat eredményei összhangban vannak a korábbi kutatással: a szerzők továbbra sem biztosak abban, hogy a tárgyalt tényezők alkalmasak lennének a jövőbeni részvénypiaci kockázati prémium stabil és gyakorlati szempontból is megbízható előrejelzésére.

Az eredeti vizsgálatot idő közben számos alkalommal kibővítették. Egy újabb tanulmány például arra mutatott rá, hogy ha az infláció, illetve az irányadó kamat alapján elkülönítjük a gazdasági ciklusokat, akkor bizonyos makrogazdasági tényezők előrejelző képessége javulhat. Ez azonban inkább arra utal, hogy a piaci és makrogazdasági környezet, vagyis a rezsim szerepe fontos lehet, nem pedig arra, hogy bármelyik mutató önmagában általános érvényű előrejelző eszköz lenne.

A technikai elemzés mint alternatív előrejelző eszköz

A makrogazdasági és fundamentális változók mellett a technikai elemzés eszközeit is sok kutatás vizsgálta. A technikai elemzés módszerei nagyrészt a múltbeli árfolyam- és forgalmi adatokra támaszkodnak. Számos korábbi vizsgálatról, lásd itt, már beszámoltam. Ezek alapján nem állítható, hogy a technikai elemzés minden piacon és minden időszakban megbízható előrejelző eszköz lenne, ugyanakkor egyes kutatások szerint bizonyos technikai jelzések statisztikailag értelmezhető többletinformációt hordozhatnak.

Fontos hozzátenni, hogy a technikai elemzés egyes eszközeinek eredményessége erősen változhat. Több kutatás szerint az alacsonyabb piaci kapitalizációjú, alacsonyabb közkézhányadú részvények piacán, illetve a kevésbé fejlett piacokon kedvezőbb eredmények jelenhetnek meg. Ez összhangban van azzal a gondolattal, hogy kevésbé hatékony piacokon a múltbeli árfolyamok és forgalmi adatok nagyobb információtartalommal bírhatnak.

További kutatások arra is rámutattak, hogy a technikai elemzés egyes eszközei, például a mozgóátlagok, a momentumindikátorok és a forgalmi jelzések, a Goyal és Welch által vizsgált makrogazdasági és fundamentális tényezőkkel összemérhető eredményeket mutathatnak a részvénypiaci kockázati prémium előrejelzésében. Ez nem jelenti azt, hogy ezek a technikai jelzések önmagukban befektetési stratégiaként megbízhatók lennének, de kutatási szempontból indokolttá teszi az összehasonlításukat a fundamentális változókkal.

Mit mutattak a technikai és fundamentális előrejelzések?

A következő ábra jól összefoglalja a Goyal-Welch-irodalom egyik legfontosabb tanulságát. Az out-of-sample R2 mutató azt jelzi, hogy az adott modell jobb előrejelzést adott-e a jövőbeni részvénypiaci hozamokra, mint az egyszerű historikus átlaghozam használata. A pozitív érték tehát azt jelenti, hogy az adott változó vagy technikai jelzés valamivel pontosabban becsülte a jövőbeni hozamokat, mint az a leegyszerűsített feltételezés, hogy „a jövőben is az átlagos múltbeli hozam várható”. A negatív érték ezzel szemben arra utal, hogy az adott modell még a historikus átlagnál is rosszabb előrejelzést adott.

Az ábra felső részén a fundamentális és makrogazdasági változók láthatók. Jól megfigyelhető, hogy a legtöbb klasszikus változó negatív out-of-sample R2-t mutatott. Tehát számos olyan tényező, amelyet a szakirodalom évtizedeken keresztül fontos előrejelző változónak tekintett (például a book-to-market mutató, az infláció, a term spread vagy a vállalati kötvényspreadek) a gyakorlatban nem tudott stabilan jobb előrejelzést adni a historikus átlaghozamnál. A kevés pozitív eredmény közé tartozott például az osztalékhozam (DY), a részvénypiaci variancia (RVOL), illetve a hosszú lejáratú államkötvények hozamához kapcsolódó változók (LTR). Ezek azonban még pozitív érték mellett is csak viszonylag szerény előrejelző erőt mutattak.

Az alsó ábrán a technikai jelzések eredményei láthatók. A vizsgálatban különböző mozgóátlag-, momentum- és forgalomalapú indikátorokat teszteltek. A legerősebb eredményt a VOL(1,12) jelzés adta, amely az OBV (On-Balance Volume, részletek itt) indikátor rövid és hosszú távú trendjének összevetésére épül. Az OBV lényege, hogy az árfolyammozgásokat a forgalommal együtt vizsgálja. Eszerint az emelkedő napokon hozzáadja, csökkenő napokon levonja a forgalmat, így próbálva mérni, hogy a tőkeáramlás megerősíti-e az aktuális trendet. Jól látható, hogy az eredmények alapján több technikai jelzés jobb out-of-sample előrejelző teljesítményt mutattak, mint a legtöbb fundamentális változó.

forrás: saját szerkesztés

Fontos hangsúlyozni, hogy ez nem azt jelenti, hogy a technikai elemzés „biztosan működik”, vagy hogy a részvénypiaci hozamok könnyen előrejelezhetők lennének. A kutatások inkább arra utalnak, hogy a piacokon időszakosan megjelenhetnek olyan trendek, viselkedési mintázatok és tőkeáramlások, amelyeket bizonyos technikai indikátorok átmenetileg jobban megragadhatnak, mint a hagyományos makrogazdasági változók. Ugyanakkor ezek az összefüggések időben változhatnak, és egy adott időszakban működő jelzés később elveszítheti előrejelző erejét.

Fundamentális és technikai előrejelző modellek portfólióteljesítménye

A részvénypiaci előrejelzések értékelésénél nemcsak az fontos kérdés, hogy egy modell statisztikailag képes-e kapcsolatot találni a jövőbeni hozamokkal, hanem az is, hogy egy befektető számára valóban hasznosítható eredményt ad-e. Emiatt a kutatások egy része nemcsak regressziós mutatókat és out-of-sample R2 értékeket vizsgál, hanem azt is, hogy az előrejelzések felhasználásával javítható lett volna-e egy befektetési stratégia teljesítménye.

A következő ábra ezt mutatja be a Neely, Rapach, Tu és Zhou-féle vizsgálat alapján. Az eredmények az amerikai részvénypiac 1966-2011 közötti időszakára vonatkoznak. A benchmark stratégia abból indult ki, hogy a jövőbeni részvénypiaci kockázati prémium megegyezik a historikus átlaggal. A befektető ennek alapján állította be a részvény-készpénz arányt a portfólióban. A benchmark stratégia CER (certainty equivalent return) értéke 3,54% volt.

Az ábrán látható oszlopok azt mutatják, hogy az egyes előrejelző modellek ehhez a benchmarkhoz képest mekkora évesített CER-többletet vagy veszteséget eredményeztek volna. A CER tehát a hozam és a kockázat együttes figyelembevételével próbálja meghatározni, hogy egy kockázatkerülő befektető számára mennyivel volt értékesebb az adott stratégia.

forrás: saját szerkesztés

A fundamentális és makrogazdasági változók többsége viszonylag szerény eredményt mutatott. A legjobb fundamentális előrejelzők közé tartozott a term spread (TMS), a hosszú lejáratú kötvényhozamokhoz kapcsolódó változók (LTY, LTR), valamint a rövid hozamok (TBL). Ezek a modellek körülbelül 1-2 százalékpontos évesített CER-többletet eredményeztek a benchmarkhoz képest. Ugyanakkor több klasszikus változó negatív eredményt mutatott, vagyis használatuk még a historikus átlag alapú megközelítésnél is rosszabb portfólióteljesítményt eredményezett.

A technikai indikátorok esetében több kedvezőbb eredmény jelent meg. A mozgóátlag-alapú modellek közül  az MA(2,12) és az MA(1,12) jelzés teljesített jól. Ezek a modellek 3 százalékpont körüli évesített CER-többletet mutattak. A forgalomalapú indikátorok közül a legerősebb eredményt a VOL(1,12) adta, amely az OBV (On-Balance Volume) indikátor rövid és hosszú távú trendjének összevetésére épül.

A vizsgálat egyik legérdekesebb eredménye azonban az volt, hogy a kombinált modellek teljesítettek a legjobban. A PC-ECON modell a fundamentális és makrogazdasági változók közös információtartalmát sűrítette egyetlen főkomponensbe, míg a PC-TECH ugyanezt tette a technikai indikátorokkal. A legerősebb eredményt a PC-ALL modell mutatta, amely egyszerre használta a fundamentális és technikai változók kombinációját. Ez a modell közel 5 százalékpontos évesített CER-többletet ért el a historikus átlag alapú benchmarkhoz képest.

A kutatás  tanulsága, hogy a különböző típusú információk kombinálása kedvezőbb eredményt adhatott, mint az egyedi változók önálló használata. Ugyanakkor ezek az eredmények továbbra sem jelentik azt, hogy a részvénypiaci hozamok stabilan és megbízhatóan előrejelezhetők lennének. A teljesítmény erősen függhet az adott időszaktól, a piaci rezsimtől, a tranzakciós költségektől és attól is, hogy az előrejelző kapcsolatok mennyire maradnak fenn a jövőben.

Mikor mutathatnak jobb eredményt a technikai jelzések?

A Can we forecast better in periods of low uncertainty? című tanulmány Neely, Rapach, Tu és Zhou módszerét viszi tovább. A kutatás arra a kérdésre keresi a választ, hogy a technikai jelzések előrejelző képessége eltér-e alacsony és magasabb bizonytalanságú piaci környezetben.

A vizsgálatban az alábbi technikai jelzéseket elemezték:

• MA (1,9): 1 hónapos és 9 hónapos mozgóátlag keresztezésén alapuló jelzés
• MA (1,12): 1 hónapos és 12 hónapos mozgóátlag keresztezésén alapuló jelzés
• MA (2,9): 2 hónapos és 9 hónapos mozgóátlag keresztezésén alapuló jelzés
• MA (2,12): 2 hónapos és 12 hónapos mozgóátlag keresztezésén alapuló jelzés
• MA (3,9): 3 hónapos és 9 hónapos mozgóátlag keresztezésén alapuló jelzés
• MA (3,12): 3 hónapos és 12 hónapos mozgóátlag keresztezésén alapuló jelzés
• MOM (9): ha a 9 hónappal korábbi ár alacsonyabb, mint a jelenlegi, akkor vételi jelzés
• MOM (12): ha a 12 hónappal korábbi ár alacsonyabb, mint a jelenlegi, akkor vételi jelzés
• VOL (1,9): 1 havi és 9 havi OBV indikátor értékeinek összevetése
• VOL (1,12): 1 havi és 12 havi OBV indikátor értékeinek összevetése
• VOL (2,9): 2 havi és 9 havi OBV indikátor értékeinek összevetése
• VOL (2,12): 2 havi és 12 havi OBV indikátor értékeinek összevetése
• VOL (3,9): 3 havi és 9 havi OBV indikátor értékeinek összevetése
• VOL (3,12): 3 havi és 12 havi OBV indikátor értékeinek összevetése

A vizsgálat az 1960–2018 közötti időszakra fókuszált az amerikai részvénypiacon. A szerzők a technikai jelzések előrejelző képességét alacsony és magasabb bizonytalansággal járó időszakokra bontva is megvizsgálták. A bizonytalanság mérésére Ludvigson és szerzőtársai módszerét használták. Az alábbi grafikon ezt az indikátort mutatja.

forrás: Uncertainty and Business Cycles

Részletesebb felbontásban az alábbi ábrán látható az indikátor. A szürke sávok a magasabb bizonytalanságú időszakokat jelölik, a fehér területek pedig az alacsonyabb bizonytalanságú időszakokat.

forrás: Can we forecast better in periods of low uncertainty?

A következő táblázatban a regressziós vizsgálat eredménye látható a 14 technikai jelzés és a részvénypiac jövőbeni kockázati prémiuma közötti kapcsolatról. A regressziós együtthatók a vizsgálatban pozitív irányúak voltak, ugyanakkor a jelzések magyarázó ereje jelentősen eltért az alacsony és a magasabb bizonytalanságú időszakokban. A táblázatban az LU az alacsony bizonytalanságot, a HU pedig a magasabb bizonytalanságot jelöli.

forrás: Can we forecast better in periods of low uncertainty?

Az out-of-sample vizsgálatban a különbség még jobban látható. Az eredmények arra utalnak, hogy a technikai jelzések előrejelző ereje kedvezőbb lehetett az alacsonyabb bizonytalanságú piaci időszakokban.

forrás: Can we forecast better in periods of low uncertainty?

Mit jelent mindez a részvénypiaci előrejelzés szempontjából?

A bemutatott kutatások alapján a részvénypiaci hozamok előrejelzése továbbra is korlátozott megbízhatóságú terület. A Goyal és Welch által vizsgált makrogazdasági és fundamentális változók hosszú időtávon általában gyenge és instabil előrejelző eredményeket mutattak. Ugyanakkor a technikai elemzés egyes eszközei, főleg bizonyos mozgóátlag- és momentumalapú jelzések, egyes vizsgálatokban a fundamentális változókkal összemérhető, bizonyos időszakokban kedvezőbb eredményeket mutattak.

A legfontosabb kiegészítés azonban az, hogy az eredmények erősen függhetnek a piaci környezettől. A bemutatott bizonytalanságalapú vizsgálat arra utal, hogy a technikai jelzések előrejelző képessége alacsonyabb bizonytalanságú időszakokban erősebb lehet, míg magasabb bizonytalanság mellett gyengülhet. Ez összhangban van azzal az általánosabb megfigyeléssel, hogy a pénzpiaci összefüggések nem állandók, hanem időben és piaci rezsimenként változhatnak.

Ezért a fenti eredményeket nem érdemes úgy értelmezni, hogy bármelyik makrogazdasági mutató vagy technikai jelzés önmagában megbízhatóan előre jelezné a részvénypiac jövőbeni hozamát. Sokkal inkább arról van szó, hogy bizonyos változók és jelzések egyes időszakokban statisztikailag kimutatható kapcsolatot mutathatnak a jövőbeni hozamokkal, de ezek a kapcsolatok nem feltétlenül stabilak és nem minden piaci környezetben használhatók.

A cikkben bemutatott kutatások oktatási és ismeretterjesztő célt szolgálnak. Az itt szereplő eredmények nem minősülnek befektetési tanácsnak vagy konkrét kereskedési ajánlásnak. A részvénypiaci előrejelzések értelmezésekor minden esetben figyelembe kell venni az adatok időszakfüggőségét, a módszertani korlátokat, a tranzakciós költségeket, az adózási környezetet és az egyedi befektetői kockázattűrést.