 鲜花( 70)  鸡蛋( 0)
|
【MarketWatch弗吉尼亚6月15日讯】怎么样?对中期选举的即将到来感到担心了吧?' `( x' V( S6 L! D
! I4 L! c G. w) ?! G/ ?% U7 h8 X 这种反应非常正常。事实上,在《赫伯特金融摘要》所追踪的投资顾问当中,许多人都宣称,中期选举对股市而言往往都是一件坏事,2010年恐怕也不例外。
( E" R" ~: z6 a
# e7 g2 J' I& Z 关键在于,中期选举为什么对股市而言就成了坏事?
^- X4 q$ C/ E3 e1 t! q& ]9 i: j- c' K
这正是我要在这一次的专栏文章当中探讨的问题。4 B5 e5 b! K) ^4 ^9 W/ b
5 ?) K/ m+ _! }
毋庸赘言,尽管许多人都担心中期选举可能会对股市造成打压,但是他们对问题的解释也不见得都完全一样。有些人宣称,股市在这样的选举年当中,表现往往都会不及平时。其他一些人则在强调,关键是在于调整行情,若是遇上选举年,调整的规模往往会来得更大。$ W* K* {2 j% j$ G4 e
$ ~- F, ~8 i" ^& x0 O 其实,在之前的文章当中,我就曾经用数据说话,证明股市在中期选举年的全年表现和在其他普通年头当中其实并没有什么具有统计学层面意义的差异。
L% ]9 s% ~" b2 y; S
7 v" \4 I9 {4 b A9 e6 M 因此,在这一次,我将着力研究调整问题,看看那些发生在中期选举年的调整,其规模是否真的比其他年头可怕。我将研究的源头一直向追溯到1896年,即道琼斯工业平均指数创建的年头。具体说来,我会在每一具体年头寻找一段指数下跌幅度最大的时期,而这段时间的跌幅就被视为这一年调整的极致。
: V2 w1 p/ @+ }9 B, k% @/ X3 |2 ^9 S; C
统计发现,表面上看来,似乎顾问们对于中期选举的担心真的是有些根据的。平均而言,道指在这些年头中所遭遇的调整跌幅为19.3%。想知道这19.3%意味着什么吗?我们不妨拿眼前的情况来做一个说明——从四月下旬的高点开始至今,市场调整的幅度从来没有超过12.4%。
3 y* V! Q- o8 k0 t, Z* r7 b4 _" d, J
G7 V$ x' M- k! ?( G 如果道指从四月下旬开始的调整走到了19.3%的这一步,就意味着道指会下跌到9042点的水平。
) K. Z* Q2 U/ ~" c" j1 n( Z. @/ l/ p) a$ x7 L, D( f! x; |
我们现在显然还没有看到那样悲惨的局面。( l9 R1 Y+ E7 R
0 \" j! c' d- O/ I3 g M: ~ 可是问题在于,即便是在没有中期选举的年头里面,市场遇到的调整也不能说就不悲惨。具体而言,在那些没有中期选举的年头中,调整跌幅平均为16.7%。考虑到市场本身的波动性,19.3%和16.7%之间很难说有什么本质的差别。统计学家的要求是,若要说中期选举年确实与众不同,则差异的可信度必须达到95%才可以,而现在的这些数据显然不能满足要求。' X9 n0 T# D" A- Q/ Z5 b; \
5 O. P$ x; a6 p# t7 u; N 既然如此,顾问们又是从何处产生了中期选举对于股市不利的印象呢?我现在还难以找到明确的答案,只是我确实是有个推测:在统计学的范畴当中,确实有逻辑不当而使得因果混淆的情况存在。9 Y: Y" W5 {( S7 I U. Z- {' r
, C1 M; v9 {% \ 对此,我有一个非常欣赏的解释。这一解释是来自林伟伯(David Leinweber),加州大学伯克利分校哈斯商学院金融技术革新中心的主管。几年之前,他研究了各种百科全书式的资料,试图找到世界上究竟哪个指标和标准普尔500指数的表现之间具有最密切的关联度,结果他找到的答案是:孟加拉的黄油产量。% ~: A9 D. f0 F$ H" G: e) t5 D* ~7 `
# y: v: Y f/ X$ U2 Q$ t# b$ i
在我最近一次在文章中引用这段有趣插曲之后,林伟伯又有了新的发现,他又找到了一个表面上看似和股市关联密切,但是一见而可知根本不可能有任何逻辑关系的指标,那是“在英格兰和威尔士所发现的埋藏宝藏与道指一年后的走势”之间的关系,这种宝藏发掘预言道指未来表现的准确率为92%。3 Z/ d- G- [8 K$ ?- X* h
5 N4 Y8 u9 Y' c* K7 I( F& G
尽管我并不愿意这样说,但是我还是必须澄清一个问题——这篇文章中所讨论的内容显然并不是担保道指不会在今年晚些时候跌到9042点的水平。只是,哪怕是市场上出现了这样的状况,也只能到相关方面去找原因,而不能把账算到中期选举的头上。
& J1 `" m8 s, X; A
1 w& _# @" M! B9 w (本文作者:Mark Hulbert) |
|