Ivy Porfolio de Mebane Faber : allocation d'actifs tactique quantitative

Je pense que le principal problème de la méthode n’est pas de savoir s’il faut une moyenne mobile 200 jours ou 210 jours, s’il faut rebalancer tous les 3 ou 6 mois ou autres détails…

Le problème est de réfléchir différemment. Si on est convaincu que le marché se trompe parfois, qu’il existe des entreprises sous évaluées et des entreprises surévaluées, alors autant investir avec méthode, comme le fait Investisseur Heureux, avec des critères de valorisation faible (PER, Dividende, FCF, book value, etc.). Ca marche, la progression de la VL d’IH en est la preuve. Et même en marché baissier ou "tôle ondulée" on peut y trouver son compte. Je suis admiratif de la performance d’IH

A l’opposé, le suivi de tendance nécessite un état d’esprit particulier : il faut censurer les idées de décote, de rendement élevé, de PER bas, et d’analyse en général.
Un modèle de suivi de tendance fera acheter aujourd’hui Apple à 600$, du Bund 10 ans à 1,56% et de l’or à 1600$, et restera à l’écart de Total.

Si on a la capacité de débrancher le cerveau rationnel pour faire le suivi de tendance, il paraît que ca marche. Peut-être même que ca marche parce que les investisseurs ont peur de le faire, ou ont des crises de confiance sur le modèle au bout de quelques mois ou années.

La majorité restera sur le bord de la route après avoir coupé dix fois de suite des pertes en ayant acheté du Bund à 1,56% et revendu à 2% en rationnalisant "C’était vraiment pas rationnel, c’était évident que le taux ne pouvait pas rester aussi bas et qu’il n’y avait plus aucune progression à la hausse !".
Ou en achetant le CAC à 3600 (passage au dessus de la moyenne mobile) et en le revendant à 3000 parce qu’on repasse en dessous (juste dans la zone où les investisseurs value et GARP vont pêcher). En gardant espoir qu’on arrivera un jour à acheter à 3600 pour prendre l’ascenseur grande vitesse jusqu’à 7000.

Au final, quelle est la différence entre le suivi de tendance présenté par un institutionnel dans un pdf trouvé sur ssrn et l’AT qu’on a appris quand on était débutant ?
Et avec une stratégie d’achat de calls sur indices avec une infime partie du portefeuille, le reste étant en obligs, les coupons remboursant les calls échus à 0 ?

Rhalala, c’est pas facile la bourse !

(Mon avis du matin, ça vaut ce que ça vaut, j’ai envie d’un café mais je n’en ai plus !)

Fructif a écrit :

- Pour lui les (m)REITs sont des actions, et donc ne se rapprochent pas de l’immobilier physique. Pourtant, il propose dans ses portefeuilles types le tracker VNQ qui est bien sur du REITS.

Moi je vois les choses comme ça:
- Ce sont des actions à court terme et de l’immobilier à long terme. En effet la volatilité et les soubresauts de marché suivent ceux des actions et des indices à court terme le plus souvent, mais sur le long terme, on suit bien la tendance de l’immobilier physique. Conséquence: pour un investisseur long terme, il est intéressant d’y être exposé je trouve.
- Néanmoins, cette classe d’actifs est l’une ayant le Max Drawdown le plus élevé (je vais pas vous abreuver de chiffres, mais entre 2000 et 2013, un indice REIT présente un max DD d’environ -67% et un indice Mortgage REIT présente lui un max DD de -81,7%, chose inacceptable pour la préservation d’un capital). A partir de la, je pense que cette classe d’actifs doit être joué de façon "active", c’est à dire soit en se basant sur une méthode momentum, soit en appliquant une politique de Stop Loss, soit en mixant les 2.

Une bonne partie de la performance vient des actifs physiques, du non côté et des hedge funds. Je suis allé voir les hedge fonds côtés à la bourse de Londres (des fonds de fonds). Par exemple, Dexion Absolute. Et bien, ca n’apporte pas grand chose par rapport aux actions, ça m’a lair très corrélé.

Ca l’est, quoiqu’on en dise. Personnellement je n’ai aucun attrait pour les hedge funds en tant que classe d’actif. Il existe quelques hedge funds incroyables qui surperforment vraiment et apportent quelque chose, mais il existe un nombre incalculable de m**** qui n’apporte qu’à ceux qui l’ont créé. De plus, la décorrélation n’est clairement pas la (ca n’est plus possible dans un monde aussi globalisé et étroitement lié financièrement) et les "market neutral" sont probablement les pires, ne prenant qu’une infime partie de la hausse mais prenant bizarrement les baisses quasiment autant que les autres (le tout pour des frais plus que charmant).

M. Faber insiste sur le fait qu’il doit y avoir des matières premières dans l’allocation d’actifs :  décorrélation et ressources rares vouées à augmenter (anti inflation). Il nous conseille de lire (entre autre) le papier suivant : http://corporate.morningstar.com/ib/doc … dities.pdf . Il ne parle pas des limites des ETF commodities dont on parle dans cette discussion. Il "propose" l’ETF PowerShares DB Commodity Index Tracking Trust. Quand je compare les graphs du SP500 et de cet ETF, je ne trouve pas que ce soit tellement décorrelé depuis 2006.

La seule matière première qui est intéressante dans une allocation d’actif est l’or je trouve, pour son coté "valeur refuge", ce qui apporte une vrai corrélation négative ou nulle dans les périodes d’incertitude. Le reste apporte beaucoup de volatilité en étant difficile à capter à la hausse et vous mentionnez bien les nombreux problèmes auxquels on fait face pour y investir.

C’est vrai que le "risk parity" est pas mal, notamment au regard du max drowdown (de 15% alors que beaucoup d’autres tournent à 40% !), grâce à 70% en obligations

En effet, mais en contrepartie il hérite des différents problèmes inhérents au "Risk Parity", à savoir 70% d’obligs et donc une performance naturellement plus faible à long terme (même si forcément les backtests récents se tiennent bien grâce à la bonne perf des obligs sur cette décennie) ainsi qu’une très forte exposition au risque de taux, ce qui semble un peu gênant dans l’environnement actuel.

Les obligations font moins de performance que les actions à moyen terme et si elles portent moins de risques à court terme, elles portent plus de risque à long terme (15/20 ans).

Sur la dernière décennie, les obligations ont surperformé les actions, donc cette assertion est plus ou moins discutable aujourd’hui, et il convient de définir le "moyen terme" (bien souvent défini comme trop long de mon point de vue dans les études). Cf votre paragraphe du dessous, en considérant un horizon LT de 20 ans, le moyen terme pour un investisseur ça serait justement une décennie … Par ailleurs, pourquoi portent elles un risque plus grand que les actions à long terme?

En tout cas retour intéressant, merci.

Bonjour,
J’ai lu une étude qui s’intéresse à l’utilisation de la moyenne mobile sur 10 mois des actions comme signal de vente/d’achat (comme expliqué dans le 1er message de ce sujet).

J’ai extrait quelques passages mais je vous conseille si cela vous intéresse d’aller consulter directement l’étude qui est forcément plus exhaustive :
The Real-Life Performance of Market Timing with Moving Average and Time-Series Momentum Rules - 2013

Valeriy Zakamulin a écrit :

« In this paper we argue that the reported performance of market timing strategies usually contains a substantial data-mining bias. In addition, in a study of a technical trading rule one usually ignores important market frictions such as, for example, trading costs.
The data-mining fallacy that has been repeated over and over again in many studies consists in the following. Using a full historical data sample one tests many k-month moving average trading rules and picks up a rule that performs best. One then reports the performance of the best trading rule in a back test and either explicitly or implicitly assumes that the expected future performance of this rule will be the same as the past performance. Yet, as a matter of fact, one should expect a much poorer performance in the future than the reported performance in the past. »

« As in Faber (2007) and many other papers, when we examine the performance of the best trading rule in a back test, we do not take into account the transaction costs in order to show the best possible performance. The results are reported in Table 2. Observe that the SMA(10) rule, advocated by Faber and many others, is the best trading rule when the passive benchmark is the Standard and Poor’s Composite index »

« The main goal of this subsection is to demonstrate that the out-of-sample performance of a trading rule is sensitive to the choice of a split point between the initial in-sample and outof- sample subsets. What is more crucial is that depending on the choice of a split point the out-of-sample performance of a trading rule might by either superior or inferior as compared to that of the passive counterpart. »

« Before turning to the discussion of performance dependence on the split point, we would like to draw the reader’s attention to the fact that in every historical period the best trading rule in a back test outperforms the passive benchmark with a solid margin. This demonstrates that, when many trading rules are back tested, one can virtually always find a rule that performs better than the passive benchmark. 

Consider in details the performance of the market timing strategies versus the performance of the passive strategy when the split point between the initial in-sample and out-of-sample subsets is chosen to be December 1929. In this case the initial in-sample period is January 1926 to December 1929, whereas the initial out-of-sample period is January 1930 to December 2012.
With this choice, the Sharpe ratio of either of the best trading rules in a back test amounts to 0.16 which is about 50% higher than the Sharpe ratio of the buy-and-hold strategy. In the out-of-sample tests, the Sharpe ratio of both the trading rules amounts to 0.12 which is about 10% higher than the Sharpe ratio of the buy-and-hold strategy. Even though the reallife performance11 of the trading rules turns out to be much poorer than the performance of the best trading rules in a back test, still, judging by the Sharpe ratio criterion, we have to conclude that either of the market timing strategies delivers a better performance than that of the buy-and-hold strategy.

Note, however, that if the split point is chosen to be December 1931 (which seems to be a relatively negligible relocation of the original split point) then we arrive at the opposite conclusion: the real-life performance of the market timing is either worse than or equal to the performance of the buy-and-hold strategy. »

« Our analysis reveals that the superior performance of market timing strategies is confined to relatively short historical episodes. In particular, over our total sample 1926 to 2012 there have been only four relatively short historical periods that contributed most to the superior performance of the market timing strategies. Specifically, they are the periods of severe bear markets of 1930-31, 1973-74, 2001-02, and 2007-08. As a result, the performance of market timing strategies, relative to the performance of the passive benchmark, depends largely on whether the split point is located before or after a major stock market downturn. »

« The proponents of the market timing with moving averages and momentum rules often advocate that such a strategy allows investors both to reduce risk and enhance returns. We have to acknowledge that there is indeed a small chance of this happening. For instance, if the S&P Composite index is used as the passive benchmark, there have been 4 relatively short periods of severe market downturns when the real-life market timing strategy provided higher returns with lower risk than the buy-and-hold strategy. It happened that 2 out of 4 such periods occurred in the decade of 2000s.
As a result, this decade was an incredibly successful decade for the market timing strategies. Yet this is not a typical performance of the real-life market timing strategy. Our findings reveal that over a long run the market timing strategy is indeed less risky, but the reduction of risk always comes at the expense of reduction of returns. »

« Recall that every market timing strategy prescribes moving to cash when a Sell signal is generated. The investor, who employs the market timing strategy, hopes that during a Sell period the Treasury bills provide better return than the stocks. We define by “failure” an event in which the Treasury bills fail to deliver a higher return than the stocks during a Sell period. So how often a real-life stock market timing strategy generates false signals?
Our analysis reveals that the average failure rate amounts to about 80%. In words, this means that when the market timing strategy generates a Sell signal, in approximately 80% of cases at the end of a Sell period the market timing strategy will provide a lower return than the buyand- hold strategy.12 Again, this result demonstrates that, when the passive benchmark is a stock price index, the superior performance of the market timing strategy is confined to some relatively short particular episodes.

That means that in order the market timing strategy delivers a superior performance as compared to that of the passive counterpart, investors sometimes have to wait a very long time and experience painful emotions because their active portfolios consistently lag the benchmark. For example, the real-life performance of market timing was inferior during a 25-year period from 1975 to 1999 regardless of the choice of a passive stock market index. »

Dernière modification par NicolasV (20/04/2015 13h03)