Stop-loss limiidid ja nende mõju investeerimisportfelli tootlusele

stop wallstreet

Kui tavaliselt oleme siin blogis kirjutanud üldisematel investeeringute juhtimisega seotud teemadel ja teinekord ka veidi kitsamatel, siis seekord võtan vaatluse alla pisut spetsiifilisema teema. Põhjuseks üks Washingtoni ülikooli üliõpilaste uurimustöö, millele veebiavarustes konnates komistasin. Kuigi alltoodu on tavalugejale ehk liialt tehniline, siis seda enam peaks see huvi pakkuma tõsistele finantsturgude fanaatikutele.

Kogenud kauplejad ja ka investeerijad teavad stop-loss‘ide kasutamise olulisust.  Idee on teisisõnu fikseerida maksimaalne aktsepteeritav kahjum (näiteks 1%) ja selle realiseerumisel positsioon sulgeda. Seega on tegu riskijuhtimise meetodiga, mis teoreetiliselt peaks vältima suurte kahjumite teket ja seeläbi parandama investeerimisportfelli keskmist oodatavat tootlust. Matemaatilisi kontseptsioone appi võttes peaks tootluste jaotus (distribution) muutuma sümmeetrilisest ebasümmeetriliseks – jaotuskõver peaks negatiivsete tootluste poolel olema stop-loss limiidi läheduses niiöelda lõigatud (vt. alltoodud joonist).

Allikas: Detko et alRe-examining the Hidden Costs of the Stop-Loss

Samuti peaks vähemalt teoreetiliselt nihkuma jaotuse keskväärtus rohkem positiivsete tootluste poolele. Lihtsalt seetõttu, et kahjumit genereerivad positsioonid realiseeritakse, samas kui kasumit teenivad positsioonid on jätkuvalt portfellis.

Teisalt teab, ja on omal nahal tunda saanud, iga kogenud kaupleja, et stop-loss limiidi seadmine on keerukas, sest soetushinnale liiga lähedale seatud limiit võib tavapärase hinnakõikumise ehk volatiilsuse tõttu liialt sageli ellu kutsutud saada, mistõttu tuleb arvatust sagedamini sulgeda positsioone väikese kahjumiga. Just seda nimetataksegi stop-loss‘ide kasutamise peidetud kuluks (hidden costs) ja seda illustreerib alltoodud graafik.

Allikas: Detko et alRe-examining the Hidden Costs of the Stop-Loss

Tulles tagasi ülalviidatud artikli ja seal läbiviidud empiirilise analüüsi juurde, siis on mul tõsised kahtlused kasutatud simulatsioonitehnikate piisavuse ja eelduste mõistlikuse osas. Ilma artiklis kasutatud meetodite lahtikirjutamiseta (nendega saab igaüks ise tutvust teha artiklit lugedes) toon pigem välja aspektid ja küsimused, mida stop-loss limiitide mõju uurimisel ja empriilisel analüüsil meeles hoida:

1) Nii akadeemilises kirjanduses kui praktikute uurimustöödedes on juba vähemalt kümme aastat tagasi jõutud konsensusele, et finantsinstrumentide tootlused ei ole jaotunud normaaljaotuse kohaselt. Seega ei ole mõistlik ei võrdlusbaasina ega ka simulatsioonide läbiviimisel andmeridu genereerides kasutada normaaljaotuse eeldust ja juhusliku ekslemise protsessi (random walk process), mille jääkliige allub normaaljaotusele. Selle asemel tasub kaaluda empiirilise jaotusfunktsiooni genereerimist ajaloolistele andmetele baseerudes ning simulatsioonide jooksutamist nimetatud jaotuse pealt.

2) Simulatsioonides on enamasti kasutatud normaaljaotusele alluvat andmeprotsessi, mille oodatav keskväärtus on null, sellise ülesandepüstituse kohaselt on puht praktiliselt nii stop-loss limiitide seadmise kui ka üle-üldse investeerimise mõistlikkus antud instrumenti küsitav. Seega taas kord on alust kasutada pigem empiirilist, ajaloolistel andmetel baseeruvat jaotust ning selle pealt genereeritud andmeridu.

3) Nagu ka eelpool mainitud, on iga kaupleja praktikas tunnetanud kui keerukas on stop-loss limiidile selle õige taseme leidmine. Selleks tuleb arvesse võtta eelkõige instrumendi volatiilsust. Valides vaikimisi stop-loss limiidiks 1% ja simulatsiooniandmete volatiilsusteks 1%, 5% ja 25%, nagu ülalviidatud artiklis, vaevalt optimaalse tulemuseni viib. Pigem saab siinkohal optimaalse stop-loss limiidi taseme leidmist antud volatiilsuse tasemel vaadelda kui eraldiseisvat optimeerimisülesannet, millel oleks investeerimisportfelli ja riskijuhtimise seisukohast väga suur praktiline väärtus.

4) Ajahorisondi valik – kas ja millised on erinevused ja mõju investeerimisportfelli oodatavale keskmisele tootlusele (keskväärtusele) kui kasutada kumulatiivseid vs igapäevaseid limiite. Teisisõnu, seades limiidiks näiteks 3%, kas jälgida seda võrreldes positsiooni soetusmaksumusega või eelmise sulgemishinnaga?

5) Lõpetuseks ja arvestades kõike ülaltoodut, kas stop-loss limiitide kasutamisel investeerimisportfellis siis on portfelli tootluste volatiilsust vähendav ja oodatavat keskmist tootlust suurendav efekt?

Kui lugejate seas on akadeemilist haridusteed käivaid ja finantsturgude vastu huvi tundvaid indiviide, siis ülalkirjeldatu on suurepärane teema magistri- või bakalaureusetöö jaoks, millel on ka oluline praktiline väärtus. Eelduseks oleks siinkohal siis siiras huvi finantsturgude ja kvantitatiivsete meetodite (ökonomeetria) rakendamise vastu. Seejuures olen rõõmuga valmis konsulteerima ja arutlema nii teoreetiliste kontseptsioonide üle kui ka pakkuma tunnetust teema olulisusest praktiku pilgu läbi, sest praktiline väärtus, nagu mainisin, on olemas, kuid samas arvestatavaid selleteemalisi akadeemilisi uurimusi napib.

 

Rubriigid: Analüüsid, märksõnad: , . Salvesta püsiviide oma järjehoidjasse.

Üks kommentaar postitusele Stop-loss limiidid ja nende mõju investeerimisportfelli tootlusele

  1. Ivo kirjutab:

    Stop-loss kasutamine reaalelus on kindlasti kasulik, kuid väga palju sõltub selle efektiivsus selle seadmisest. Kindlasti tuleks selle kauguse arvutamisel turust arvestada antud turu volatiilsusega, mitte ei tohiks seda mingi % või absoluutse numbri järgi fikseerida. Samuti peaks stop-loss olema liikuv sõltuvalt turu liikumisest. S.t., et kui turg liigub soodsas suunas, peaks ka stop-loss sellega kaasa liikuma, et kasumit lukustada.
    Teine meetod, mida siin üldse ei mainita, oleks stopi kasutamine lühiajalise kasumi võtmiseks (jällegi vastavalt volatiilsusele) sõltumata sellest, mis turg edasi teeb.

Lisa kommentaar

Sinu e-postiaadressi ei avaldata. Nõutavad väljad on tähistatud *-ga

*

*


Saad kasutada järgmisi HTML-i märgendeid ja atribuute: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>