7.3.2018

Jenkkipörssin historiallista kartoittamista neuroverkoilla


Itseorganisoituvat kartat (self-organizing maps, SOM) ovat professori Teuvo Kohosen kehittämä neuroverkkomalli, jonka avulla voidaan esittää dataa ja sen sisältämiä suhteita visuaalisella tavalla. Tämä kirjoitus keskittyy tulosten tulkintaan mallin rakentamisen tai teknisten ominaisuuksien sijaan.

Käytetään ShillerinGoyalin sekä BLS:n dataa saadaksemme laskettua S&P 500:n historialliset tuotot ja arvostustasot (CAPE, P/B, D/P) sekä selvittääksemme historialliset korkotasot, työttömyysasteet, inflaatioasteet ja osinkosuhteet. Lasketaan jokaista hetkeä seuraavan kymmenen vuoden CAGR-tuotot inflaatiokorjatusti sisältäen myös osingot. Syötetään neuroverkolle nämä tiedot vuodesta 1921 vuoden 2016 loppuun asti ja tarkastellaan tuloksia.

Tarkastellaan ensin makrotalouden muuttujien (korkotaso, inflaatio & työttömyys) sekä osinkosuhteen yhteyttä S&P 500:n inflaationjälkeiseen kokonaistuottoon (hinnan nousu + osingot). Osinkosuhteella tarkoitetaan sitä, kuinka suuren osan tuloksestaan yritys jakaa osinkona. Se istuu siis melko hyvin samaan kategoriaan makrotason muuttujien kanssa, sillä se kertoo yritysten investointihalukkuudesta. Tulokset näyttävät tältä:

Kuvia saa suurennettua klikkaamalla

Kun työttömyys on ollut korkeaa (punaisella keskimmäisessä kuviossa), osinkoja ollaan jaettu isompi osa tuloksesta (D.E eli D/E), ja keskimäärin jopa yli nettotuloksen verran. Näin on tehty luultavasti siksi, että osingon absoluuttinen taso ei laskisi kun tulokset ovat laskeneet. Tällöin myös korkotaso on ollut matalampi (sinisellä vasemmassa yläkulmassa), ja inflaatio on ollut deflaation puolella tai nollissa. Phillipsin käyrän mukaisesti myös inflaation ja työttömyysasteen välillä näyttää olleen negatiivinen yhteys, ja inflaatio näyttää vaikuttaneen myös korkotasoon. Sekä inflaatio että deflaatio näyttävät vaikuttaneen negatiivisesti inflaationjälkeisiin kokonaistuottoihin (otsikolla TR-infl). Inflaatio on todennäköisesti syönyt yritysten tuloksia, kun taas deflaatio on luultavasti vähentänyt halukkuutta sijoittaa osakkeisiin ja siten laskenut pörssikursseja.

Siirrytään lähemmäs pörssimaailmaa tarkastelemaan arvostustasojen (CAPE eli 10 vuoden P/E, P/B & D/P) ja inflaation jälkeisten kokonaistuottojen yhteyttä:


CAPEn yhteys tuleviin tuottoihin näyttäisi kaikista vahvimmalta. Huomioitavaa on, että D/P on laskettu eri päin kuin CAPE ja P/B, joten sen tulkinta on päinvastainen. P/B-luku ei ole tällä hetkellä läheskään yhtä korkea kuin teknokuplassa, mutta osingon suhde hintaan näyttäisi olevan tällä hetkellä matalampi kuin koskaan. Omien osakkeiden ostot ovat kuitenkin osin korvanneet osinkojen jakamisen USA:ssa, mikä näkyy matalampina osinkosuhteina ja osingon suhteina hintaan. Otetaan vielä lähempään tarkasteluun CAPEn ja P/B:n välinen yhteys:

CAPE ja P/B kertovat pääosin samaa asiaa, mutta CAPE reagoi muutoksiin hitaammin. Esimerkiksi nettotuloksien nopea nousu ilman hinnan muutosta näkyisi heti P/B:ssä mutta hitaammin CAPEssa, kun taas osakekurssien muutos näkyy molemmissa samanaikaisesti. CAPE kävi huipuissaan vuosina 1998-2000 kun nettotulokset olivat huipuissaan, kun taas P/B saavutti huippunsa vasta vuonna 2001, kun nettotulokset olivat jo puolittuneet ja pörssi romahtanut. CAPEn on tarkoitus kertoa hinta suhteessa pörssisyklin keskimääräiseen nettotulokseen, ja itse ajattelen matalan CAPEn maiden palaavan nopeammin keskiarvoonsa. Myös tutkimusten mukaan CAPElla on tapana palata keskiarvoon muutamassa vuodessa (lähde, sivu 23).

Tarkastellaan seuraavaksi klustereita, eli periaatteessa pörssin ja makrotalouden erilaisten olotilojen ryhmittelyä. Erilaisia olotiloja erottui viisi kappaletta, ja ne on esitetty alla:
Nykytilanne vastaa selvästi parhaiten kaikista harvinaisinta eli harmaata klusteria, jossa arvostustasot ovat korkealla, mutta osinkosuhde, korot ja työttömyys ovat matalalla. USA:ssa inflaatio on vasta alkanut nousta, ja on kirjoitushetkellä noin kahdessa prosentissa. Tuottoennuste ei siten ole kaikista huonoimmasta päästä, toisin kuin pelkkää arvostustasoa katsomalla voisi olettaa.

Vihreässä klusterissa on muuten samankaltainen tilanne, mutta arvostustaso on ollut mikä tahansa hyperinflaation vallitessa, jolloin myös tuotto-odotukset ovat olleet kaikista klustereista huonoimmat. Inflaation onkin sanottu nykyisessä tilanteessa olevan pahempi uhka osakkeille kuin nouseva korkotaso.

Yleisin eli punainen klusteri lähtee matalista arvostustasoista, jolloin myös tuotto-odotus on kaikista korkein. Osinkosuhde ja työttömyys ovat olleet matalalla, ja korkotaso matalalla tai keskiarvossaan. Inflaatio on kuitenkin ollut korkealla, mutta onneksi olemme mitanneet tuotot reaalituottoina. Korkeatuottoisen punaisen klusterin ja matalatuottoisen vihreän klusterin olennaisin ero onkin juuri arvostustaso, jonka merkityksestä tulevien tuottojen kannalta olenkin kirjoittanut useasti aiemmin. 

Sinisessä klusterissa on muuten hyvin samankaltainen tilanne kuin nykyisessä tilanteessa, mutta arvostustasot ovat matalammalla ja osinkosuhteet lähempänä historiallista keskiarvoa.

Keltaisessa klusterissa päästään taas matalien tuottojen pariin, vaikka arvostustasot ovatkin matalalla. Tämä johtuu voimakkaasta deflaatiosta ja korkeasta työttömyydestä. Kyseinen tilanne on onneksi melko harvinainen, mutta ei kuitenkaan yhtä harvinainen kuin nykyinen olotila.

Tämän tarkastelun perusteella USA:n taloudessa näyttäisi menevän tarkasteltujen ominaisuuksien osalta hyvin suhteessa historiaan, mutta tuotto-odotus ei ole kaikista parhain. Korkeimmat inflaationjälkeiset kokonaistuotot on saavutettu silloin, kun korot ja inflaatio ovat olleet korkealla, työttömyys matalalla tai keskitasossa, ja yritykset ovat investoineet, josta johtuen osinkosuhde on ollut matalalla. Arvostustasot näyttävät kuitenkin tärkeimmältä tekijältä tulevien tuottojen osalta. Olen kirjoittanut arvostustasojen merkityksistä aikaisemmin esimerkiksi täällä.


Työttömyysaste on laskettu kausitasoitettuna kuukausittain vuodesta 1948 lähtien, ja vuosittain sitä edeltävistä vuosista. Sen laskemiseen käytetyt tarkemmat lähteet löytyy täältä.

Mallille syötetty data on ollut skaalattua, ja mallista ulos tullut data on muokattu takaisin alkuperäiseen muotoonsa. Tämä vaikuttaa vain mallin tulkittavuuteen, eikä itse malliin tai analyysiin.


0 kommenttia:

Lähetä kommentti