这个市场让你感到压力了吗?担心抵押贷款、债务或股市以及您能否按时退休?
不幸的是,我没有解决这个问题的办法,但有一个非常接近的第二个,它以综合指数的形式出现,可以帮助你了解股市的日常状况,并量化“财务压力”对股市的实际含义全球金融体系。
OFR金融压力指数由金融研究办公室提供,使用 33 个金融市场变量构建。当 FSI 指数为正时,意味着压力水平高于平均水平,值得关注,而当 FSI 指数为负时,则意味着压力水平不那么令人担忧。我们将在下面进一步详细介绍。
值得注意的是,这些都是相当重量级的指标,其中许多被美联储和投资银行用来衡量风险。对于那些有金融市场经验的人,FSI 包括:
1. 信用- HR 和 IG Corporate 的信用利差
2. 股票估值- 股票估值、股票指数价格水平
3. 资金-银行贷款标准、信用状况指数
4. 安全资产——日元、瑞士法郎、黄金等被视为安全资产的资产估值
5. 波动率- VIX 指数、移动指数、隐含和实际波动率
6. 我们在本文中要做的是利用这个现有指数,并根据标准普尔 500指数对其进行回测,以将其变成非常有价值和可操作的资源。
FSI 在涵盖过去 22 年的衰退方面做得很好,并在一定程度上准确地预测了衰退。
此外,如果我们仔细观察,与许多指标不同,它实际上正确地响应了互联网泡沫破灭的长期性质,并且从 2000 年到 2003 年初一直处于高位。
总体而言,该指数似乎与股市具有良好的相关性。但有多好?我们可以深入研究两次重大危机,然后根据标准普尔 500 指数对模型进行回测。
互联网泡沫破灭分析(2000-2003)
互联网泡沫破灭始于 2000 年底互联网繁荣的鼎盛时期。我们中的许多人都知道这个故事,所以我们觉得没有必要过多地讨论泡沫破灭的起因和导致泡沫破灭的因素。
2000 年 2 月的 FSI 为 2.236,这代表信用利差升高、波动性上升以及金融系统中的轻微融资问题。在 2001 年经济衰退正式开始之前,该模型一直处于上升状态,在 2001 年 4 月达到 5.68 的峰值,然后触底,但在 2002 年仍保持在 2.5 以上。该模型在整个 2002 年一直处于上升状态,并在 2002 年 10 月达到更高的峰值 7.28。到 Dot Com 泡沫破裂结束时,它在 2003 年 7 月跌至负值。
如果您在 2000 年 1 月 - 当 FSI 高于 0 时卖出,并在 2003 年 7 月初 - 当 FSI 低于 0 时再次买入,您就可以避免 -31.75 % 的跌幅。这不是全部缩编,但占其中相当大的比例。
全球金融危机分析(2008-2009)
这与 2007 年开始但真正在 2008 年真正升温的全球金融危机的情况类似。
FSI 指数在 2007 年 8 月升至 0 以上,并在 2008 年保持略高于该水平,并稳步上升至 2008 年 4 月的第一个峰值 11.39。该指数一直保持在这一高位,直到它真正起飞,当时金融体系在 2008 年冬季 10 月至 12 月期间崩溃 - 10 月创下 26.42 的历史新高。
到 2010 年 1 月,该模型回到零。如果您在 2007 年 8 月卖出,然后在 2010 年 1 月达到零时买回,您将避免-23.24% 的回撤。
与 2010 年 4 月至 12 月出现的金融危机有关的事件反复发生,并在 2011 年占领华尔街抗议活动和欧洲债务危机期间再次发生。
这再次表明模型在 0 点处相当好地捕获了移动。
整体模型精度 - 调整模型
显然,如果您可以避免两次熊市中的大幅下跌,那么该模型一定有一定的实用性,对吗?这当然取决于它发出错误信号的其他时间段(该模型显示财务压力,但股票没有下跌,而是上涨)是否可以补偿您在真正的金融危机期间节省的价值。
当我们回测一个系统时,我们不会挑选数据或简单地根据图表的输出对其进行评估,这一点非常重要。相反,我们必须设置公平的参数并考虑交易成本、交易滞后(一天)和模型表现不佳的时期。
为了公平地评估模型,我们查看了整个数据集的一揽子规则,然后我们使用 Python 来回测模型在这些条件下的性能。
基本系统 - 规则与条件
第一个测试是针对上述基本系统的。
如果 FSI 低于 0,则系统为买入,您拥有标准普尔 500 指数 ( SPY )
如果 FSI 高于 0,则系统为卖出,您通过 SPDR Bloomberg 1-3 个月 T-Bill 指数 ( BIL )持有现金
从 2000 年到 2023 年 3 月年初至今,开箱即用的普通系统交易产生了671% 的可观回报。相比之下,标准普尔 500 指数的价格回报率为 396%。
为了证明这里没有金融欺诈,我们还分别研究了标准普尔 500 指数的总回报,包括股息,以及更激进的固定收益选择。我们的回溯测试表明,如果您使用标准普尔 500 指数总回报指数并将资金投资于 TLT 或 LQD,您将获得与我们类似的业绩水平。
但我们可以做得更好!
递归优化系统 - 规则和条件
第二个测试是为了提高 FCI 指数的水平。如果您注意到的话,它会在两次危机期间稍早触发。如果我们测试所有可能的触发级别并设置最佳值会怎样?
为此,我们使用递归 Python 模型循环遍历数据并不断对其进行回测,直到找到最佳数字。我们不会显示所有结果,而是重点介绍此递归分析的输出结果。
如果 FSI 低于 X,则系统为买入,您拥有标准普尔 500 指数
如果 FSI 高于 X,则系统为卖出,您通过 SPDR Bloomberg 1-3 个月 T-Bill 指数持有现金
该系统现在有一个更精细的风险视图,它被校准为系统中的财务压力水平何时足以保证将您的资金从市场转移到现金或现金等价物。
进一步的测试想法包括对基础成分进行加权和比当前模型更早进入市场。例如,在 Covid 期间,一旦 VIX 在 2020 年 3 月触及 65 的惊人收盘价,当波动率指数消退时,人们本可以更早地建立多头头寸。
但关键不是让这个模型太复杂,而是依赖于具有公平和一致的回测而不会过度拟合数据的东西。
局限性和进一步研究
掩盖对这一分析的潜在反驳。你可能会想:“这只能追溯到 2000 年,那段时间发生了两次重大金融危机。你在挑选数据。”
在以后的文章中,我将扩展此分析以涵盖 FSI 指数的前身,即 NFSI 指数。有几个指数可以追溯到 1993 年 (NFSI) 和 1970 年代 (ANFCI),它们还为根据金融状况把握市场时机提供了宝贵的数据。然而,考虑到它们之间的差异,我决定在本系列的下一部分中分别对待它们,以便我们的读者可以积累他们的知识并首先了解更基本的系统。
我们认为基于金融压力指数的交易系统并不普遍的原因之一是宏观经济时机已经失宠。你听说过马丁·茨威格吗?他是一位有影响力的投资顾问,以数据驱动研究和宏观经济时机模型而闻名,曾拥有第五大道最昂贵的顶层公寓。在 1990 年代和 2000 年代的繁荣时期,他的模型表现不佳。与任何产生 alpha 的方法一样,功效有增有减。
结果
使用金融压力指数作为决定何时做多市场的指南似乎是一种合理的交易策略,其前提是随着系统中金融压力的增加,抛售的可能性也会增加。我们去年使用这个系统作为风险代理,这使我们能够相应地调整我们的资产配置。
对于在金融压力指数 (FSI) 高于零时卖出风险资产并在低于 0 时买入风险资产的普通模型,该模型在 2000 年至 2023 年年初至今的回报率为 671%,而标准普尔 500 指数的回报率为 396%。
通过使用 Python 进行递归优化,我们发现该模型产生了令人印象深刻的 982% 和 396% 的指数回报率,相当于指数的近 2.5 倍回报。
简评:
美国金融研究办公室编制的金融压力指数(FSI, Financial Stress Index),由五大项目——信用(7 项)、股票估值(4 项)、资金(7 项)、安全资产(6 项)、波动性(9 项)——共计 33 项指针所编制,显示出市场对当下金融市场不同面向看法。
FSI 分别根据美国、成熟国家(欧元区、日本)及新兴国家评估,全球则由不同区域风险加总。FSI 指数以零轴为界限:
1. 大于零轴:金融市场风险逐渐增加。
2. 指数为零:各变量加权平均与历史相当,金融风险在正常水平。
3. 小于零轴:金融市场状况稳定、风险资产仍安全。
我们认为这是相当好的量化指标,不过隶属落后范畴。倘若只利用该指数来预测衰退进而做空风险资产,这可能不是一个相当好的选择。更好的角度是,该指数将会如何牵动美联储接下来的动作!投资这件事情要不断地进行思考,接续思考美联储的动作是第二层思路,第三层思考是接下来投资人的心态与经济体未来动向。或许我们进行更长远的角度来看金融市场,我们投资、交易就不会陷入迷思