金融工学

S&P500の過去リターンをヒストグラムで見る。非対称なグラフが示す成長性。

投稿日:2021年3月24日 更新日:




 

過去記事でS&P500の年平均リターンは7%だと紹介しました。1928年~2020年の期間で365日間のリターンをヒストグラムにして算出した結果です。詳細は過去記事参照:

米国S&P500を平均リターン7%・リスク20%の幾何ブラウン運動でモデル化する理由

株価変動は幾何ブラウン運動でモデル化できます。詳細は過去記事参照:

株価はどう動くか?幾何ブラウン運動の株価変動モデルを説明します。

下は過去記事で掲載したグラフ。リターンの分布は時間が経過すればするほど平坦になっていきます。そしてリターンがプラスの方向(つまり右側)により広がっていきます。理由はモデルの式に株価上昇傾向(ドリフト項)が存在するからです。

では実際に過去のデータはこのような傾向を示すのか?つまり時間が経過するほどリターンの分布はプラス方向に立ち上がるのか?というのを見てみます。

 

Sponsored Link



 

立ち上がった ww

下のグラフはリターンを1年、5年、10年、20年間隔で計算してヒストグラムにしたものです。1年のリターンの平均は7年。ここから期間増やせば増やすほど、右側に伸びていきます。

幾何ブラウン運動のシュミレーション結果と比較しても形はかなり似ています。

注目すべきはリターンが0%のオレンジの線です。オレンジ線より右側にあればリターンがプラス。時間が経過するほど、右側にシフトする度数が多いことが分かります。

例えば期間を20年にすればリターンがマイナス、つまり元本割れ確率はほぼゼロです。

ちなみにヒストグラムって便利なんですよ。これを使えばあるリターンを出した回数とか、ある値以上のリターンを出した回数を計算することができます。

例えば、0%を下回る回数をサンプル数で割れば元本割れした割合を計算することができます。過去の傾向が未来にも適用できるとすれば、その割合はそのまま未来の元本割れ確率とみなせることが分かります。

このデータから求めた元本割れ確率は別記事で紹介します。

 

関連記事:

「損失回避の法則」に従えば投資はリスクより元本割れ確率で議論した方が分かりやすい

投資でシャープレシオ単体を使うことに意味はない。リスクと組み合わせて元本割れ確率を分析する。

 

記事が役に立ったらクリックお願いします↓

にほんブログ村 株ブログ 米国株へ

-金融工学

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

【意外】合理的な投資家はリターンを高めるためにレバレッジをかける。現代ポートフォリオ理論の観点から。

  過去記事で解説したように、投資家のポートフォリオはリスク・リターン平面上で、無リスク資産と接点ポートフォリオを結んだ線上にあります。 接線のうち、無リスク資産と接点ポートフォリオの間のポ …

「72の法則」をリスク資産に適用するのは正しいのか?リターンの確率分布の観点から検証。

  資産運用するときに「72の法則」は元本を2倍にするための投資期間を計算できる法則です。以下は野村証券のサイトから引用。 金融商品に投資する際に、金利の複利効果により元本を2倍にする場合の …

米国S&P500のボラテリティを変えずにリターンだけ高める方法。

  過去記事で解説したように、複数のリスク資産を組み合わせることで各リスク (ボラテリティ)に対して最大のリターンを生み出すポートフォリオを作ることができます。そのポートフォリオの集合を効率 …

WealthNaviのアルゴリズムを読むべし。現代ポートフォリオ理論に基づいてキッチリ分散。

  資産運用をやってる人の中にはWealthNaviを利用している人も多いと思います。 WealthNaviは利用者のリスク許容度をもとに国際分散投資を自動でやってくれるサービスです。今現在 …

米国S&P500の3倍レバレッジ。リターン中央値・平均値の乖離を歪度で検証する。

  S&P500に3倍レバレッジを加えると中央値が下がると過去記事で書きました。 株価が幾何ブラウン運動に従って変動すると仮定した結果です。レバレッジをかければかけるほどリターンの平 …


チャンドラです。

都内在住の30代前半サラリーマンです。このブログではインデックス投資の利点、運用成績、運用シミュレーションや金融工学の記事を公開していきます。

メディアインタビュー記事:こちら

投資運用成績は:こちら

投資を始めた理由は:こちら

お問い合わせは:こちら


にほんブログ村 株ブログ インデックス投資へ

にほんブログ村 株ブログ 米国株へ