PTT職涯區 / Stock (股票)

Re: [心得] 不同美國總統執政時期股市表現

看板Stock (股票)作者 (大波動)時間5年前 (2020/10/26 16:41), 5年前編輯推噓18(22推 4噓 33→)
留言59則, 18人參與, 5年前最新討論串3/6 (看更多)
※ 引述《z5582143 (KaTsura)》之銘言： 我覺得 比較 美國兩個政黨 在股市的表現很有意義 雖然現在 股市與經濟 已經好像脫鉤， 但當經濟不好時 股市也不好，那就不是更慘了 不是嘛? 各位股民 影片中 那個 FED說 兩黨 誰都沒有比較好的說法，很顯然是誰也不得罪的河蟹說法 因為FED要"中立"，去問Fed 誰比較好，就好像去問 柯林頓 有沒有請人 抽雪茄 一樣笨。 以下計算 1.採用T-GARCH 模式 2.日資料:從 1901/9/3~2020/10/23 3.指數採用DJI 道瓊指數 資料來源 Bloomberg 4.總統列表 如附件連結，標籤共和黨 民主黨 標記到"日" 5.虛擬變數:RP 共和黨 RTN = C(1) + C(2)*RTN(-1) + C(3)*RP*RTN(-1) GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*RESID(-1)^2*(RESID(-1)<0) + C(7)*GARCH(-1) + C(8)*RP 結果 Variable Coefficient z-Statistic Prob. C 0.0004 9.6666 0.0000 RTN(-1) 0.0692 8.0273 0.0000 RP*RTN(-1) -0.0273 -2.3059 0.0211 ** Variance Equation C 0.0000 11.7415 0.0000 RESID(-1)^2 0.0365 9.6704 0.0000 RESID(-1)^2 *(RESID(-1)<0) 0.0926 17.0738 0.0000 GARCH(-1) 0.9036 266.0930 - RP 4.2E-07 4.1637 0.0000 1.均數方程式 RP虛擬變數為 -0.0273 且顯著，表示 當共和黨執政時 對股市呈現 顯著的負向貢獻 2.以變異數方程(波動) RP 虛擬變數為顯著的 +4.2E-0.7，表示共和黨執政時 市場波動也顯著較大，與第一項 呈現負貢獻互相印襯。 欄標籤 項目 民主黨 共和黨 總計 加總 - Rtn 403.7% 200.8% 604.4% ** 對數報酬 平均值 - Rtn 0.0289% 0.0126% 0.0202% 平均值 - 波動度 14.92% 16.46% 15.74% 計數 - Date 13,964 15,958 29,922 由於上述計算 皆採用 對數報酬計算， 1901年以後，有2/3的報酬貢獻是在民主黨執政時期創造的 民主黨執政時間比共和黨還要少約 2000的交易日，但是民主黨執政期間的總報酬率是 轉換成算術報酬 Exp(403.7%)=5564.7% 共和黨是 Exp(200.8%)= 644.5% 簡而言之 共和黨 在1901年以後的執政績效 整體對股市來說是 "毫無建樹" 附件連結 MEGA https://reurl.cc/EzY42v : ※ 引述《H2 (超級噴火龍X)》之銘言： : : 川普 （共和黨）2017～2020 +52% : : 歐巴馬 （民主黨）2009～2016 +169% : : 小布希 （共和黨）2001～2008 -40% : : 克林頓 （民主黨）1993～2000 +230% : : 老布希 （共和黨）1989～1992 +52% : : 雷根 （共和黨）1981～1988 +118% : : 所以民主黨主政時期股市表現似乎也沒有 : : 一定落後共和黨的樣子 : : 以上用S&P500指數估算 : 這到底在比什麼阿 : 一點意義都沒有啊XD : 單就指數來說 : 1.原po表示是用年初年末的SP500指數計算,不是上任日期 LUL : 2.比較表任期長短不同且不是年化,不是幾何平均 : 3.不考慮除權除息 : 對於一個有效文章數=登入/2的人也不好要求什麼 : 我建議各位版友直接去看阿堯威宇剛好對這件事有做一部影片對於此事的探討 : https://youtu.be/K53IJLWjn30
: 結論 : ：兩黨沒差多少 : 他們頻道通常都是從論文找資料 : 是比較嚴謹的學術研究成果 : 套句教主在底下留的 : “這種廢到笑的比法” -- 富貴皆由命。前世各修因。有人受持者。世世福祿深。 欲知前世因，今生受者是，欲知後世果，今生作者是。 王一生，你媽在看著你啊 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 210.61.151.146 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1603701692.A.3BE.html
推
10/26 16:53, 5年前 , 1F
會不會太專業XD
10/26 16:53, 1F
推
10/26 16:54, 5年前 , 2F
專業推
10/26 16:54, 2F
推
10/26 17:01, 5年前 , 3F
強
10/26 17:01, 3F
推
10/26 17:05, 5年前 , 4F
等等覺青就來噓了
10/26 17:05, 4F
推
10/26 17:05, 5年前 , 5F
那是因為小布西敗家敗太多了
10/26 17:05, 5F
推
10/26 17:08, 5年前 , 6F
有認識的覺青說川普執政 人人安居樂業
10/26 17:08, 6F
→
10/26 17:26, 5年前 , 7F
好猛喔
10/26 17:26, 7F
推
10/26 18:48, 5年前 , 8F
你會被川粉覺青噓爆
10/26 18:48, 8F
噓
10/26 19:06, 5年前 , 9F
重讀歷史 100年兩黨意識型態早就交換
10/26 19:06, 9F
→
10/26 19:07, 5年前 , 10F
誰管這麼早之前 事實就是川>>>歐
10/26 19:07, 10F
推
10/26 19:12, 5年前 , 11F
不能這樣算 因為有政策延遞性 你直接算在任期間
10/26 19:12, 11F
→
10/26 19:12, 5年前 , 12F
怎麼準...基本上fed不希望那種喜歡凹人降息的總統..
10/26 19:12, 12F
請教"遞延性" 的準確問題 可以 發一篇回覆 算一下嗎
→
10/26 19:13, 5年前 , 13F
結果都是粉紅ID在推XD
10/26 19:13, 13F
噓
10/26 19:16, 5年前 , 14F
五十年國民黨就從世界最反共變世界最舔共 算一百年
10/26 19:16, 14F
→
10/26 19:16, 5年前 , 15F
這智商...
10/26 19:16, 15F
你想說智商甚麼的 就直說了吧~~ 太膽小了 最早 原PO 也不過是提個心得 說共和與民主兩黨的 股市表現 結果推文已經歪到國民黨 舔共去了 國民黨的不爭氣 甚至糟糕，跟我一點關係都沒有 你有你的信仰，我有我的根據，不必急著幫別人分顏色， 而再過幾十年 如果台灣還在 自然有人幫 民進黨 或是國民黨 寫歷史 做定位 共和黨 或是 民主黨 過去的所有 表現不過是面鏡子 影響未來的則是現在
噓
10/26 19:42, 5年前 , 16F
小布西面臨金融海嘯不知道哪一任可以扛得住
10/26 19:42, 16F
推
10/26 19:44, 5年前 , 17F
肯定發文者願意花點時間找資料跑迴歸,可是前幾樓是
10/26 19:44, 17F
→
10/26 19:44, 5年前 , 18F
不是連資料和迴歸都不會跑直接吹很猛XD
10/26 19:44, 18F
推
10/26 19:48, 5年前 , 19F
我只是想說 單純以兩黨執政當作因子來對指數報酬率
10/26 19:48, 19F
→
10/26 19:48, 5年前 , 20F
做解釋太過於簡單暴力了 其它影響能全丟去殘差嗎XD
10/26 19:48, 20F
推
10/26 19:50, 5年前 , 21F
這串文的原po一開始就過於美化此問題
10/26 19:50, 21F
噓
10/26 19:57, 5年前 , 22F
然後前幾樓也太急著酸覺青了吧 米國高級覺青可是反
10/26 19:57, 22F
→
10/26 19:57, 5年前 , 23F
川的QQ
10/26 19:57, 23F
你也可以算一算 PO 一篇 交流交流 謝謝
推
10/26 20:32, 5年前 , 24F
有數據給推
10/26 20:32, 24F
→
10/26 20:54, 5年前 , 25F
樓樓上，這就是一個單純的統計結果而已, 這麼緊張?
10/26 20:54, 25F
→
10/26 20:54, 5年前 , 26F
我還以為你會講甚麼高見來解釋指數表現的差異呢
10/26 20:54, 26F
→
10/26 20:55, 5年前 , 27F
所以比較每個總統(黨派)的premium是甚麼premium?
10/26 20:55, 27F
對 就是個 客觀數據統計 而已 股市可以 有情 也可以無情 ※ 編輯: tompi (59.127.47.164 臺灣), 10/26/2020 21:44:35 ※ 編輯: tompi (59.127.47.164 臺灣), 10/26/2020 21:55:55 ※ 編輯: tompi (59.127.47.164 臺灣), 10/26/2020 21:57:33 ※ 編輯: tompi (59.127.47.164 臺灣), 10/26/2020 22:15:57 ※ 編輯: tompi (59.127.47.164 臺灣), 10/26/2020 22:17:05
推
10/26 22:38, 5年前 , 28F
先推免得被發現我看不懂
10/26 22:38, 28F
推
10/26 23:07, 5年前 , 29F
大家都預設 是政治人物在引導美國經濟
10/26 23:07, 29F
→
10/26 23:08, 5年前 , 30F
但事實上 是Fed凌駕於美國政治之上 控制美國經濟
10/26 23:08, 30F
→
10/26 23:09, 5年前 , 31F
白宮主導Fed (X)
10/26 23:09, 31F
→
10/26 23:10, 5年前 , 32F
Fed主導白宮 (O)
10/26 23:10, 32F
推
10/27 09:37, 5年前 , 33F
財政政策 大約半年至8年看政策影響 貨幣政策2年之後
10/27 09:37, 33F
→
10/27 09:38, 5年前 , 34F
.....所以很難去分辨哪黨總統真的會影響股市部分
10/27 09:38, 34F
推
10/27 09:40, 5年前 , 35F
這就是客觀數據而已 不用因為這樣就噴原po
10/27 09:40, 35F
→
10/27 09:41, 5年前 , 36F
而且光柯林頓和歐巴馬那16年應該就貢獻超多了
10/27 09:41, 36F
推
10/27 11:06, 5年前 , 37F
不看經濟模型有看延遲效應，你這樣看是錯的，加上Fe
10/27 11:06, 37F
→
10/27 11:06, 5年前 , 38F
d政策比較連貫，跟誰執政沒有差別...
10/27 11:06, 38F
→
10/27 11:08, 5年前 , 39F
兩黨的政策改變很多，支持民眾也是，70年代以前黑人
10/27 11:08, 39F
→
10/27 11:08, 5年前 , 40F
是支持共和黨居多，往50年前看，兩黨的變化走向很大
10/27 11:08, 40F
→
10/27 11:08, 5年前 , 41F
的。
10/27 11:08, 41F
→
10/27 11:09, 5年前 , 42F
Fed完全不受執政影響，他們做法很連貫，你這些分析
10/27 11:09, 42F
→
10/27 11:09, 5年前 , 43F
沒有太大意義。
10/27 11:09, 43F
→
10/27 11:11, 5年前 , 44F
經濟模型沒法驗證，太多不合理假設
10/27 11:11, 44F
推
10/27 11:20, 5年前 , 45F
你要證明你模型是對的你要如何證明你的模型是good f
10/27 11:20, 45F
→
10/27 11:20, 5年前 , 46F
it,This is not causation ，你這代表...你沒有辦法
10/27 11:20, 46F
→
10/27 11:20, 5年前 , 47F
generalize這個現象的， 在加上兩黨的政策改變太多
10/27 11:20, 47F
→
10/27 11:20, 5年前 , 48F
，你這個data沒有參考性。
10/27 11:20, 48F
推
10/27 11:28, 5年前 , 49F
但這兩黨改變太多，你的data本身就不對了，除非兩黨
10/27 11:28, 49F
→
10/27 11:28, 5年前 , 50F
100年內政策都一致，投他們的選民改變很多
10/27 11:28, 50F
我了解你想要表達的，很多數據對不同的人 有不同的解讀方式 就我而言 我用了這樣的計算工具 與資料 得到了 我想要的答案 這就是我要的了。 或許你也可以用你的方式 說明 過去兩個黨對股市來說 沒有顯著的差異 大家可以交流一下。 當你證明了沒有差異，我也會相信你的計算。 因為你算過了，我也算過了 如果你的計算比較精緻 考慮比較周到 那我得向你學習，我也會同意你的結果。 題外話，就川普這人來說 我可以跟你說 我不喜歡他，但拜登我也不喜歡。 這兩個人我都失望。 最後 謝謝你的意見。 ※ 編輯: tompi (210.61.151.146 臺灣), 10/27/2020 11:45:17
推
10/27 11:34, 5年前 , 51F
如果你要讓人相信你的p value,先有檢定，再收集data
10/27 11:34, 51F
→
10/27 11:34, 5年前 , 52F
,不然很多都只是偶然。很多social science的人常常
10/27 11:34, 52F
→
10/27 11:34, 5年前 , 53F
做類似的問題，很多扯的結果，隨便拿幾組data做回歸
10/27 11:34, 53F
→
10/27 11:34, 5年前 , 54F
，如果p value小就說這有關係，這個模型只是算出了
10/27 11:34, 54F
→
10/27 11:34, 5年前 , 55F
係數，但p value很小，可能也只是剛好data大。
10/27 11:34, 55F
我文末有附上時間序列資料連結，若你可以指教 不勝感激 ※ 編輯: tompi (210.61.151.146 臺灣), 10/27/2020 11:51:49
推
10/27 14:57, 5年前 , 56F
如果不是用「日」的資料 而是用「任」的資料 算出
10/27 14:57, 56F
→
10/27 14:57, 5年前 , 57F
來的p值還是差不多嗎？
10/27 14:57, 57F
任喔? 由於金融市場的波動有叢集性與時間上的相依性，所以採用日資料在波動估計上 比較洽當，時間尺度愈小愈好，我多年前忘了在哪看的 說是 15分鐘較佳。 所以用"任"的話，我認為 波動估計 會不洽當。 此外 GARCH 不是一般的迴歸式，殘差 變異數估計為 異質變異。 ※ 編輯: tompi (210.61.151.146 臺灣), 10/27/2020 15:43:27
推
10/28 11:51, 5年前 , 58F
就是因為有叢集性和相依性 所以用日算起來的p值才有
10/28 11:51, 58F
→
10/28 11:52, 5年前 , 59F
公正性的疑慮不是嗎?
10/28 11:52, 59F
‣ 更多 tompi 的文章
文章代碼(AID): #1VbekyE- (Stock)
Stock 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 tompi 的文章
文章代碼(AID): #1VbekyE- (Stock)