jawadde001 zei:
Dat is het personage waarover StafkevdDaf altijd spreekt om zo zijn argumenten kracht bij te zetten. Persoonlijk vind ik enkel maar dat zijn berichten er minder leesbaar van worden, maar soit.
Dr John is de idioot in het boek van Taleb, weet niet meer of het The Black Swan, Fooled By Randomness, of allebei waren. In het algemeen verwijst hij eigenlijk naar academici, die volgens hem van niks verstand hebben en de wereld willen overtuigen van valse ideeën, en dat terwijl ze daar in realiteit niks bij te winnen hebben. Het personage staat tegenover Fat Tony, uit de praktijk, die skeptisch is ten opzichte van alles.
Fat Tony vs. Dr John heeft eigenlijk wel zin, maar ik vind het jammer dat Taleb er academici t.o.v. de praktijk van maakt. Dat heeft totaal geen zin.
Interessante paper trouwens. Het is heel toevallig maar ik heb een gelijkaardige paper geschreven, die ook beschrijft hoe aandelen met lotterij achtige eigenschappen een veel lagere expected return hebben dan andere aandelen. Komt beetje neer op hetzelfde verhaal. Je moet zo'n aandelen of producten immers bij voorkeur verkopen.
De hypothese is dat die aandelen bijzonder volatiel zijn en normale arbitrageurs niet graag die aandelen naar hun correcte prijs drijven: het is te risicovol. De invloed van de "irrationele" belegger op aandelenprijzen is daar dus groter, hun fouten worden niet gecorrigeerd door de "rationele" belegger. Ze worden teveel aangetrokken tot aandelen met die lotterij eigenschappen en betalen te hoge prijzen. En hoge prijzen wil zeggen: laag verwacht rendement. En dat is het verhaal.
Hier te vinden:
http://www.ua.ac.be/download.aspx?c=*TEWENG&n=104460&ct=104460&e=304693
Onze data begint vanaf 1979, de crash er dus ruimschoots in, idem voor dotcombubble en crisis van 2008, en wij vinden hetzelfde: mensen betalen voor skewness en mensen betalen voor lotterij eigenschappen (in onze paper: extreem hoge rendementen). De reden om "zo laat" te beginnen is zeer eenvoudig: vóór die periode is er amper goede data over Europese stocks in Datastream te vinden.
Om maar een voorbeeld te geven, wij vinden dat wanneer je aandelen in een bepaalde maand sorteert op basis van hun maximum dagelijks rendement in die maand, dat de top 10% zo'n 0.5% per maand
minder rendement
in de volgende maand behaalt dan de bottom 10%. Dat is bijna 6% op jaarbasis. De moeite dus
Amerikanen vinden hetzelfde op een compleet andere dataset, trouwens:
http://www.sciencedirect.com/science/article/pii/S0304405X1000190X