سهام برای بلند مدت؟شواهدی از نمونه گسترده ای از بازارهای توسعه یافته

ما توزیع بازده سهام بلند مدت را بر اساس سوابق تاریخی عملکرد بازار سهام در یک مقطع گسترده از 39 کشور توسعه یافته در طی دوره از 1841 تا 2019 توصیف می کنیم. نمونه جامع ما نگرانی های مربوط به بازمانده و تعصبات داده آسان را کاهش می دهد که دیگر را طاعون می کندکار در این زمینهتجزیه و تحلیل شبیه سازی bootstrap حاکی از عدم اطمینان قابل توجهی در مورد نتایج بازار سهام طولانی تر از خانه است ، و ما یک احتمال 12 ٪ را تخمین می زنیم که یک سرمایه گذار متنوع با یک افق سرمایه گذاری 30 ساله نسبت به تورم از دست بدهد. این نتایج با توصیه های متعارف مبنی بر اینکه سهام سرمایه گذاری های ایمن در دوره های طولانی مدت است ، مغایرت دارد.

معرفی

به نظر می رسد سرمایه گذاری در سهام گزینه ای بسیار جذاب برای سرمایه گذاران بلند مدت است. حق بیمه سهام تاریخی در ایالات متحده بسیار بزرگ است (مهرا و پرسکات ، 1985). خرد متعارف این است که سهام در دوره های طولانی مدت بی خطر است و تحقق ضرر طولانی مدت در ایالات متحده نادر یا غیر وجود بوده است (به عنوان مثال ، سیگل ، 2014). FAMA و فرانسوی (2018a) احتمال کم از دست دادن و احتمال زیاد سود قابل توجهی را برای سرمایه گذاران با افق 20 یا 30 سال تخمین می زنند. با ارائه این شواهد ، مشاوره سرمایه گذاری مشترک این است که سرمایه گذاران جوان با افق طولانی باید سرمایه گذاری زیادی در سهام کنند. با این حال ، ضرر تحقق یافته در یک دوره سرمایه گذاری طولانی ، به ویژه برای یک سرمایه گذار آسیب می رساند زیرا بخش عمده ای از دوره پس انداز زنده خود را بدون ایجاد ثروت مصرف می کند. یعنی هر یک از ما تنها یک عمر داریم که در آن برای بازنشستگی صرفه جویی می کنیم و عملکرد ضعیف در بازار سهام در سالهای کاری ما می تواند با کمبود زمان یا توانایی بهبودی ، به کمبود پس انداز بازنشستگی قابل توجهی منجر شود. به همین ترتیب ، سرمایه گذاران بلند مدت باید نسبت به پتانسیل عملکرد ضعیف نسبت به افق سرمایه گذاری خود احتیاط کنند.

اگرچه سابقه تاریخی ایالات متحده اطمینان بخش است ، اما دلیلی وجود دارد که هنگام ارزیابی خطر نزولی محتاط باشید. تاریخ بازگشت ایالات متحده کوتاه است. نمونه متداول از مرکز تحقیقات در قیمت های امنیتی کمتر از 100 سال است که اطلاعات آماری محدودی در مورد آنچه در طی افق 30 ساله اتفاق می افتد ارائه می دهد. گسترش نمونه ایالات متحده به عقب تنها نگرانی های مربوط به تعصب بازمانده را عمیق تر می کند (براون و همکاران ، 1995). علاوه بر این ، شواهد از افزایش غیر منتظره در ارزیابی سهام عدالت نشان می دهد که عملکرد تاریخی ایالات متحده ممکن است نسبت به انتظارات سابق خوش بین باشد (Fama ، فرانسوی ، 2002 ، Avdis ، Wachter ، 2017). نیازی نیست که به دنبال نمونه هایی از تلفات طولانی مدت در سایر بازارهای توسعه یافته باشد. در اواخر سال 1989 ، بازار سهام ژاپن از نظر سرمایه کل بازار بزرگترین در جهان بود. 1 در طول 30 سال متعاقب سال 1990 تا 2019 ، سرمایه گذاری متنوع در سهام ژاپنی بازده (شامل سود سهام) - 9 ٪ از نظر اسمی و - 21 ٪ از نظر واقعی را تولید کرد. تجربه ژاپن منحصر به فرد نیست ، و چندین کشور توسعه یافته عملکرد بدتری یا حتی عدم موفقیت در بازار سهام را درک کرده اند (به عنوان مثال ، جوریون و گوتزمن ، 1999). با توجه به پیامدهای واضح عملکرد ضعیف طولانی مدت ، ما به دنبال شواهد کمی در مورد خطر نزولی هستیم.

ما توزیع بازده بازار سهام طولانی را مطالعه می کنیم. تجزیه و تحلیل ما در مجموعه گسترده ای از اقتصادهای توسعه یافته با اهداف حداکثر رساندن اطلاعات در مورد بازده کشورهای توسعه یافته و به حداقل رساندن تعصبات بالقوه جمع می شود. ما از سابقه تاریخی عملکرد بازار سهام برای برآورد توزیع بازده خرید و نگهدارنده برای یک افق سرمایه گذاری معین استفاده می کنیم. برای اجرای این تجزیه و تحلیل ، ما از یک روش شبیه سازی bootstrap استفاده می کنیم که از داده های تاریخی تغییر شکل می دهد تا قرعه کشی از بازده های خرید و نگهدارنده تجمعی تولید کند. ما از یک نمونه گسترده از 39 کشور توسعه یافته در دوره های تاریخی طولانی استفاده می کنیم که به طور جمعی نزدیک به 32،000 ماه (یعنی نزدیک به 2700 سال) اطلاعات مربوط به بازده سهام را که از سال 1841 آغاز می شود و تا سال 2019 گسترش می یابد. در افق های طولانی در مقایسه با یک طراحی محور ایالات متحده.

فرآیند تشکیل نمونه ما دو سوگیری بالقوه را کاهش می دهد که بر استنتاج در مورد عملکرد مورد انتظار و ریسک تأثیر می گذارد. ابتدا، دیمسون و همکاران.(2002) یک سوگیری داده آسان را توصیف می کند، که در آن داده های مستمر بازده سهام از بازارهای موفق به راحتی در دسترس هستند. نمونه ما به طور قابل توجهی پوشش بیشتری از دوره های کشور توسعه یافته را در مقایسه با مطالعات قبلی به دست می آورد تا این سوگیری را به حداقل برساند. دوم، براون و همکاران.(1995) سوگیری بازمانده را مورد بحث قرار می دهد، که در آن شرطی شدن بر روی نتایج نهایی بازار یا سری داده های بازگشتی بدون اختلال، یک سوگیری رو به بالا در عملکرد نسبت به انتظارات قبلی ایجاد می کند. ما با دسته بندی کشورهای توسعه یافته و رفتارمان با داده های بازگشت، با تعصب بازماندگان مبارزه می کنیم. طبقه بندی کشور توسعه یافته ما بر اساس اطلاعاتی است که در آن زمان در دسترس بود و مشروط به نتایج نهایی نیست. قبل از سال 1948، کشورها وارد نمونه توسعه یافته ما شوند، زمانی که سهم نیروی کار کشاورزی آنها به زیر 50٪ کاهش می یابد، با تکیه بر شواهدی در مورد الگوهای کار از ادبیات اقتصاد (به عنوان مثال، کوزنتس، 1973 را ببینید). به عنوان مثال، ایالات متحده بر این اساس در سال 1890 وارد می شود. پس از سال 1948 ما از عضویت در سازمان همکاری اقتصادی و توسعه (OECD) و سلف اروپایی آن، سازمان همکاری اقتصادی اروپا (OEEC) استفاده می کنیم. در بازارهای سهام کشورهای توسعه یافته، ما به دقت با اختلالات و شکست های بازار برخورد می کنیم. بورس های سهام در چندین کشور به طور موقت در طول نمونه ما بسته شدند و بازار سهام برای همیشه در چکسلواکی ناپدید شد. برخورد ما با داده های بازگشتی در این موارد منعکس کننده تجربیات سرمایه گذاران برای به حداقل رساندن سوگیری بازماندگان است.

ما توزیع های بوت استرپ از بازده و ثروت تجمعی را در افق هایی از یک ماه تا 30 سال تولید می کنیم. طراحی راه انداز بلوک ثابت ما به ویژگی های بازدهی اجازه می دهد که برای سرمایه گذاران خرید و نگهداری مهم هستند، از جمله بازگشت میانگین و تداوم نوسان، اما همچنین دارای این مزیت است که ما نسبت به ساختار اساسی داده های بازده نسبتاً ناشناس باقی می مانیم. ما بازده اسمی و واقعی را مطالعه می کنیم، اما بر بازده واقعی تمرکز می کنیم زیرا با توجه به چند دوره تورم بالا در نمونه، آنها بهتر تجربه سرمایه گذار را منعکس می کنند.

شکل 1 توزیع بوت استرپ از ثروت واقعی تجمعی بر اساس نمونه کشور توسعه یافته ما (میله های آبی) و نمونه ایالات متحده (میله های خاکستری). سطح ثروت منعکس کننده نتیجه سرمایه گذاری 1. 00 دلار با یک استراتژی خرید و نگهدار 30 ساله است. ما توجه می کنیم که این تجزیه و تحلیل از بازده های واقعی اندازه گیری شده در ارزهای محلی استفاده می کند ، به گونه ای که توزیع کشور توسعه یافته در مورد سرمایه گذاری بازار سهام کشور در هر کشور توسعه یافته آموزنده است. ما فقط به خاطر راحتی در مورد سطح ثروت ، ثروت را به دلارها نشان می دهیم. 2 هر دو توزیع ثروت در شکل 1 دارای یک دم راست برجسته هستند ، که نشان دهنده احتمال بالایی برای دستیابی به یک سود قابل توجه است. سطح ثروت مورد انتظار نیز برای کشورهای توسعه یافته 7. 38 دلار و 8. 91 دلار برای ایالات متحده مشابه است. توزیع ها تفاوت قابل توجهی دارند ، با این حال ، هنگامی که ما دمهای چپ را مقایسه می کنیم. مطابق با یافته های موجود در ادبیات قبلی ، توزیع صرفاً بر اساس داده های ایالات متحده نشان دهنده احتمال کم 1. 2 ٪ ضرر در خرید قدرت در یک افق 30 ساله است. توزیع نمونه کامل نشان دهنده احتمال بسیار بالاتر از دست دادن در 12. 1 ٪ است. علاوه بر این ، صدک های 1 و 5 برای ثروت بلند مدت کشور توسعه یافته به ترتیب فقط 0. 14 دلار و 0. 47 دلار است که نشان می دهد عملکرد فاجعه بار در بازار سهام برای سرمایه گذاران بازار سهام بلند مدت قابل رد نیست.

شواهد حاصل از نمونه کشور توسعه یافته نشان دهنده خطر قابل توجهی از دست دادن برای سرمایه گذاران بلند مدت است. توزیع نشان می دهد که تحقق بازگشت واقعی 21 ٪ در ژاپن طی 30 سال گذشته بسیار نادر نیست. در حقیقت ، این مشاهدات در صدک نهم توزیع ثروت نهفته است. اگرچه این شواهد نشان می دهد که سرمایه گذاران ژاپنی بدشانس بودند ، اما به نظر می رسد تجربه آنها بازتابی از قرار گرفتن در معرض خطر قابل توجهی از سرمایه گذاران سهام بلند مدت است. در مقابل ، یک سرمایه گذار که در مورد توزیع بازده 30 ساله با استفاده از تجربه ایالات متحده می آموزد ، در مقابل ، این احتمال را فقط 0. 5 ٪ نشان می دهد که بازده به همان اندازه شدید است که تحقق بازگشت ژاپن می تواند رخ دهد. فراوانی نمونه های مشابه نشان می دهد که توزیع ایالات متحده با توجه به احتمالات از دست دادن بسیار خوش بین است.

یافته های ما از احتمال از دست دادن بالا برای بازارهای کشورهای توسعه یافته نسبت به تجربه ایالات متحده توسط دوره های اولیه ، کشورهای کوچک یا بازارهای کوچک سهام هدایت نمی شود. به طور خاص ، احتمال از دست دادن همچنان افزایش یافته است زیرا ما سال شروع نمونه بین سالهای 1841 تا 2000 را تغییر می دهیم ، کشورهایی را با جمعیت نسبتاً کوچک حذف می کنیم ، یا کشورهایی را با نسبت پایین تر از سرمایه بازار به تولید ناخالص داخلی (تولید ناخالص داخلی) محروم می کنیم. نتایج ما همچنین نسبت به فرضیات Bootstrap جایگزین و اندازه گیری بازده واقعی به دلار آمریکا (USD) به جای ارزهای محلی قوی است. در تمام مشخصات ، تجزیه و تحلیل ما نشان می دهد که سرمایه گذاران هنگامی که اطلاعاتی از نمونه وسیع تر از کشورهای توسعه یافته را در اختیار ما قرار می دهند ، در معرض خطر قابل توجهی از دست دادن قرار می گیرند.

برای کشف پیامدهای اقتصادی یافته های ما ، ما یک برنامه ساده انتخاب نمونه کارها را در نظر می گیریم. سرمایه گذاران با تخصیص سهام و دارایی بدون ریسک ، ابزار مورد انتظار را بهینه می کنند. ما می دانیم که ، نسبت به سرمایه گذاران که از نمونه ایالات متحده برای ایجاد انتظارات استفاده می کنند ، سرمایه گذاران با استفاده از نمونه کشور توسعه یافته هنگام سرمایه گذاری در سهام به طور قابل توجهی کمتر تهاجمی هستند. سرمایه گذاران با تکیه بر توزیع کشور توسعه یافته نیز مایل به پرداخت هزینه های اقتصادی تا 1 ٪ در سال برای حفظ وزن بهینه خود هستند تا اینکه وزن نسبتاً بالاتر در سهام دلالت بر تجزیه و تحلیل ایالات متحده را اتخاذ کنند.

ما به یک ادبیات بزرگ در قیمت گذاری دارایی کمک می کنیم که پدیده های تجربی را در بازارهای جهانی دارایی و در دوره های نمونه طولانی ارزیابی می کند. تأثیرگذارترین کار در این زمینه بر روی سؤالات اقتصادی متمرکز است که نمونه های سنتی داده های ایالات متحده نمی توانند پاسخ های قطعی برای آنها ارائه دهند. در بسیاری از موارد، این مطالعات با نگرانی های آماری مانند سوگیری های داده های بازمانده و آسان، مشکلات پزو (ریتز، 1988)، و قدرت پایین آزمون های اقتصادسنجی برای شناسایی روابط مهم در سری های زمانی کوتاه انگیزه دارند. به عنوان مثال، Barro (2006)، Barro، Ursúa، 2008، Barro، Ursúa، 2012، Barro، Ursúa، 2017، Barro and Jin (2011)، و Nakamura و همکاران.(2013) پیامدهای قیمت گذاری دارایی رویدادهای نادر اقتصاد کلان را با استفاده از نمونه هایی از بلایای مصرف و تولید ناخالص داخلی در بخش گسترده ای از کشورها بررسی کرد. لوندبلاد (2007) با استفاده از یک سری زمانی بسیار طولانی، قابل پیش بینی بودن حق بیمه ریسک بازار را با نوسانات مورد انتظار عقب مانده بازار سهام در نظر می گیرد، و گوتزمن و جوریون (1995) و گولز و کودیجز (2018) رویکرد مشابهی را در مطالعات خود در مورد سود تقسیمی اتخاذ می کنند. قابل پیش بینی بودنادبیات مربوط به مقطع بازده سهام شامل نمونه های متعددی از مطالعات است که شواهد موجود بر اساس داده های ایالات متحده را به بازارهای سهام جهانی گسترش می دهد (به عنوان مثال، فاما، فرانسوی، 1998، آسنس، مسکوویتز، پدرسن، 2013) و به دوره های نمونه طولانی تر. به عنوان مثال، Schwert، 2003، McLean، Pontiff، 2015، Liainmaa، Roberts، 2018). حجم زیادی از کار قبلی همچنین میانگین بازده بازار سهام و حق بیمه سهام در سراسر کشورها را بررسی می کند (به عنوان مثال، Jorion، Goetzma، 1999، Dimson، Marsh، Staunton، 2002).

مباحث ما-توزیع بازده و احتمال از دست دادن در افق های طولانی-برای تجزیه و تحلیل نمونه گسترده مناسب هستند. کار موجود در این زمینه (به عنوان مثال ، ایبوتسون ، سینکفیلد ، 1976 ، فاما ، فرانسوی ، 2018 ، فاما ، فرانسوی ، 2018) مبتنی بر تجربه تاریخی ایالات متحده است و یک قدم اول مفید را ارائه می دهد ، اما نتایج از بازمانده و داده های آسان رنج می بردانتقاداتی که در بالا ذکر شد. پانل گسترده تر بازده های تاریخی ما این نگرانی ها را کاهش می دهد و خصوصیات قابل اطمینان تری از نتایج دم ، که مورد توجه ویژه ای برای سرمایه گذاران بلند مدت است ، فراهم می کند. علاوه بر این ، توزیع بازده افکار طولانی در بازارهای توسعه یافته موضوعی است که نیاز به شواهد کمی دارد. یافته های موجود در مطالعه ما برای طیف گسترده ای از مباحث دانشگاهی ، از جمله انتخاب بهینه نمونه کارها و مدیریت ثروت ، مصرف بهینه و رفتار پس انداز در مدل های چرخه زندگی و ارزیابی مدلهای کلان اقتصادی قیمت دارایی مرتبط است. نتایج ما همچنین پیامدهای سیاست گذاری برای طراحی سیستم های بازنشستگی دارد (به عنوان مثال ، شیلر ، 2003 ، شیلر ، 2006 ، پوتربا ، راو ، ونتی ، خردمند ، 2007) و ساخت وجوه متقابل هدف هدف (به عنوان مثال ، به عنوان مثال ، ناشنوایان مراجعه کنید.، 2008 ، Pástor ، Stambaugh ، 2012).

بقیه مقاله به شرح زیر سازماندهی شده است. بخش 2 داده های مربوط به بازده بازار سهام در سطح کشور را شرح می دهد و رویکرد ما در طبقه بندی اقتصادها را به عنوان توسعه می دهد. بخش 3 روش شبیه سازی بوت استرپ را شرح می دهد. بخش 4 نتایج تجربی ما را در مورد توزیع بازده در بازارهای توسعه یافته ارائه می دهد ، و بخش 5 پیامدهای این نتایج را برای تصمیمات تخصیص دارایی بررسی می کند. بخش 6 نتیجه می گیرد. ضمیمه اینترنت اطلاعات اضافی در مورد ساخت داده ها ، اجرای بوت استرپ ، تست های استحکام و طراحی انتخاب نمونه کارها ارائه می دهد.

قطعه قطعه

داده ها

داده های اصلی برای مطالعه ما بازده شاخص بورس سهام در سطح کشور است. ما این سری های بازگشت را با استفاده از GFDATABASE از داده های مالی جهانی (GFD) می سازیم. هدف ما تولید بازده برای وسیع ترین شاخص بورس موجود در هر کشور از نظر ورود سهام و مدت زمان نمونه است تا به بهترین وجه نشان دهنده عملکرد یک سرمایه گذار متنوع باشد. رویکرد اولیه تشکیل نمونه ما چشم انداز یک سرمایه گذار را که در یک کشور توسعه یافته زندگی می کند و

طراحی شبیه سازی بوت استرپ

تجزیه و تحلیل اصلی ما بر توزیع بازده بازده سهام بلند مدت ، خرید و نگهدارنده متمرکز است. در این بخش رویکرد شبیه سازی bootstrap ما برای برآورد این توزیع ها معرفی شده است. به طور گسترده ، روش bootstrap با جایگزینی از نمونه ما از 31465 مشاهده ترسیم می کند تا دنباله ای از بازده ها را با افق ماه H تشکیل دهد. با توجه به دنباله برگشتی ، بازده تجمعی و سطح ثروت را محاسبه می کنیم و این فرآیند را تکرار می کنیم تا توزیع بوت استرپ این متغیرها را تشکیل دهیم

توزیع بازده بورس

در این بخش ، ما نتایج حاصل از شبیه سازی Bootstrap از بازده بازار سهام بلند مدت را ارائه می دهیم. بخش 4. 1 بر روی طرح تجربی مورد پایه ما متمرکز شده است ، که متکی به استفاده مجدد از نمونه کامل بازده در بازارهای توسعه یافته است. بخش 4. 2 نتایج را برای نمونه های جایگزین ارائه می دهد. به طور خاص ، ما تأثیر کمی از داده های آسان و تعصبات بازمانده را با مقایسه نتایج موردی با نمونه های نمونه بر اساس کشورهای جداگانه یا از نمونه های شرط شده ارزیابی می کنیم

پیامدهای تخصیص دارایی

توزیع ثروت تجمعی از سرمایه گذاری های بازار سهام خرید و نگهدارنده در بخش 4 نشان دهنده خطر قابل توجهی از ضرر است. برای ارائه بینش در مورد پیامدهای اقتصادی این یافته ، ما یک مشکل انتخاب نمونه کارها را با یک دارایی خطرناک واحد و یک دارایی بدون ریسک بررسی می کنیم. ما چشم انداز یک سرمایه گذار در یک کشور توسعه یافته را در نظر می گیریم و فرض می کنیم که دارایی خطرناک شاخص بازار سهام داخلی سرمایه گذار است. سرمایه گذار از اطلاعات کشور توسعه یافته ما استفاده می کند

نتیجه

ما از یک روش بوت استرپ بلوک ثابت برای توصیف توزیع بازده های افکار طولانی و بازپرداخت برای سرمایه گذاران بورس استفاده می کنیم. شبیه سازی Bootstrap از بخش گسترده ای از 39 کشور توسعه یافته در طی دوره 1841 تا 2019 باز می گردد. به همین ترتیب ، ما به طور قابل توجهی ابعاد مقطعی و سری زمانی نمونه هایی را که در مطالعات قبلی در نظر گرفته شده است گسترش می دهیم (به عنوان مثال ، FAMA ، فرانسوی، 2018 ، FAMA ، فرانسوی ، 2018). این رویکرد به ما امکان می دهد تا نگرانی ها را در مورد آن مبارزه کنیم