Kleine Beursfeiten

Dat is wel interessant, want hoe doe je dat?
Hoe berekende je ex-ante het tail risk van Kodak, Dexia, Enron, Wirecard, Steinhoff, ... op basis van historische returns/volatiliteit?

Uhmm, de basisassumptie onder de 'klassieke' theorieën is dat returns normaal verdeeld zijn (wat niet onlogisch is gegeven CLT). Je kan dan bv. de historische frequentie dat de risks optraden vergelijken met hoe vaak ze theoretisch zouden moeten voorgekomen zijn (onder normaliteit), en dat dan extrapoleren. Denk ik. :oi22:

Hoewel het tricky is om op basis van historische gegevens de toekomst te voorspellen, is die data wel vaak autoregressief. In een tijdreeksanalyse springt de eerste toekomstige waarde niet naar compleet random waarden eh, maar zijn ze vaak voor een heel groot stuk afhankelijk van de waarden in t-1, t-2, ...
Enfin, zoals ik al zei blijft veel van die wereld natuurlijk erg gimmicky en vaak een wereld voor en door Polo-mannen.

Je noemt daar bedrijven op die al eventjes 'weg' zijn. 20 jaar geleden waren ze vermoed ik nog maar amper bezig met quantitative finance zoals ze dat nu in grote mate wel doen.
 
Beurshuis Jeffreys heeft opgemerkt dat UCB 2 extra opmerkingen heeft moeten toevoegen in de bijsluiter -> risico op zelfmoord en last voor lever ... snap niet hoe dit 10% koersverschil kan rechtvaardigen?
uit Saxo ochtendnieuws... stukje in bold vind ik wel frappant eigenlijk
UCB verloor gisteren 1,1%. Stel dat je enkele weken terug aan analisten of beleggers zou gevraagd hebben hoe de koers zou reageren als het Belgische biofarmabedrijf goedkeuring zou krijgen voor twee belangrijke geneesmiddelen in de VS. Dan zou het antwoord een koersstijging van 10% of meer zijn geweest. Maar het aandeel daalde gisteren toen de medicijnen, Bimzelx tegen psoriasis en Zilbrysq tegen een zeldzame spierziekte, werden goedgekeurd. Dat omdat men enkel oog had voor de ‘potentiële zelfmoordgedachten’ die op de bijsluiter moet. Later legde analist Thomas Vranken van KBCS aan Spaarvarkens.be uit dat dit helemaal niet bleek uit de testen. De FDA legt dit op omdat er vier zelfmoorden voorkwamen bij het testen van een geneesmiddel uit dezelfde klasse als Bimzelx. Is dat dan overdreven of niet? Met die context in gedachten, zal dit de commercialisering van Bimzelx allicht niet kunnen kelderen. Daarom gaat UCB er ook nog vanuit dat Bimzelx 4 miljard dollar piekverkopen zal opleveren. Enige nadeel: de grote bijdragen van de nieuwe geneesmiddelen komen pas binnen enkele jaren. UCB kan ook met korting gekocht worden via monoholding Tubize.
 
FDA is nogal streng met "same class" labeling tegenwoordig. Ik vind het moeilijk om te verstaan waarom FDA tegenwoordig veel strenger is dan Canada, EU, Japan, ... Dat zijn toch allemaal geen pannekoeken...



uit Saxo ochtendnieuws... stukje in bold vind ik wel frappant eigenlijk
 
Tuurlijk. Die theorie is achterhaald en extreem simplistisch (zeker CAPM). Maar de essentie erachter is wel dé grote basisassumptie van een 'goede' portfolio.
Tegenwoordig wordt alles benaderd d.m.v. tijdreeksanalyses (GARCH, ARMA, ..). De pro's werken in R, het zijn alleen nog de boomers en sukkels die met VBA/Excel werken. 😂
Pros in R ?

Ik denk niet dat er veel programma's in R door audits etc raken. Bij ons is alles wat naar R ruikt in elk geval volledig geisoleerd, frozen, dockerized en voor tot achter getest voor het in productie vliegt.

De meeste gaan wel in python of Stata of zo werken.

Tgoh, hangt er vanaf welke ETFs je koopt eh. Er zijn niet zo echt heel veel goede ETFs. Al de rest is ook maar kak en zijn vaak niets meer dan aandelen van een hoop heel/té gelijkaardige bedrijven samengepakt.



Met die "iemand" bedoel je instititionele beleggers. Jef en Pierre die wat voor een paar duizend euro individuele aandelen kopen hebben geen invloed.

Er is meer in de wereld dan S&P en Nasdaq. Je zou verschieten hoeveel de invloed is van kleine beleggers eens je van de giga cap bedrijven weggaat. #redditbeleggers.

In brussel is het zelfs niet moeilijk om als individueel een koers te manipuleren/een duwtje te geven...
 
Pros in R ?

Ik denk niet dat er veel programma's in R door audits etc raken. Bij ons is alles wat naar R ruikt in elk geval volledig geisoleerd, frozen, dockerized en voor tot achter getest voor het in productie vliegt.

De meeste gaan wel in python of Stata of zo werken.

R en Python zijn quasi inwisselbaar. Alles wat je kan met het ene kan je ook met het andere. R is wel superieur in data-analyse (en maken van het plots) zelf. In Python is dat veel omslachtiger, maar heeft dan weer het grote voordeel dat de syntax veel makkelijker is dan R.

En Stata? Wie gebruikt dat nu buiten de academische wereld? Is voor serieuze zaken anders dan basic regressies mss nog hopelozer dan SAS.
 
Uhmm, de basisassumptie onder de 'klassieke' theorieën is dat returns normaal verdeeld zijn (wat niet onlogisch is gegeven CLT).
Wat denkt @cege daarvan vraag ik mij af? :biglaugh:
Hoewel het tricky is om op basis van historische gegevens de toekomst te voorspellen, is die data wel vaak autoregressief. In een tijdreeksanalyse springt de eerste toekomstige waarde niet naar compleet random waarden eh, maar zijn ze vaak voor een heel groot stuk afhankelijk van de waarden in t-1, t-2, ...
Dat klopt.
Maar plots komt er een zogezegd 10 sigma event, en pweut geld is weg.

Check LTCM, zowat hoogste IQ en quantitative finance kennis ter wereld samen.
Genadeloos failliet.

Je noemt daar bedrijven op die al eventjes 'weg' zijn.
Die laatste 2 zijn van de afgelopen 3 jaar.
Dexia is 10 jaar geleden.

20 jaar geleden waren ze vermoed ik nog maar amper bezig met quantitative finance zoals ze dat nu in grote mate wel doen.
Ooit gehoord van program trading en black monday 1987? :)
 
Uhmm, de basisassumptie onder de 'klassieke' theorieën is dat returns normaal verdeeld zijn (wat niet onlogisch is gegeven CLT). Je kan dan bv. de historische frequentie dat de risks optraden vergelijken met hoe vaak ze theoretisch zouden moeten voorgekomen zijn (onder normaliteit), en dat dan extrapoleren. Denk ik. :oi22:

Hoewel het tricky is om op basis van historische gegevens de toekomst te voorspellen, is die data wel vaak autoregressief. In een tijdreeksanalyse springt de eerste toekomstige waarde niet naar compleet random waarden eh, maar zijn ze vaak voor een heel groot stuk afhankelijk van de waarden in t-1, t-2, ...
Enfin, zoals ik al zei blijft veel van die wereld natuurlijk erg gimmicky en vaak een wereld voor en door Polo-mannen.

Je noemt daar bedrijven op die al eventjes 'weg' zijn. 20 jaar geleden waren ze vermoed ik nog maar amper bezig met quantitative finance zoals ze dat nu in grote mate wel doen.
Taleb is interessant over dit onderwerp.

Van tail risks en hoge sigma events is er zeer beperkte data tegenover lage sigma events.
Voorspellingen maken gebaseerd daarop, of extrapoleren, maakt iemand dus vatbaar voor fouten omdat er gaten/blinde vlekken zitten in hun kennis, en dan nog net in de delen die over echt hoog risico gaan.
 
Wat denkt @cege daarvan vraag ik mij af? :biglaugh:


Elk model dat normale verdeling veronderstelt, kan in de vuilbak.

Je moet maar zelf eens de test doen (kan in Excel). Genereer wat random getalletjes uit een fuctie y = a + bx + error waarbij de error term i) niet normaal verdeeld is ii) niet gecentreerd is rond 0 en iii) niet dezelfde verdeling heeft over de x as. Je a en b die je schat zal in veel gevallen een kilometer van a en b liggen. In bepaalde gevallen die nogal veel voorkomen in economie (fat tails, niet gecentreerd), kun je even goed random factors voorspellen ipv een regressie te doen.


Dat klopt.
Maar plots komt er een zogezegd 10 sigma event, en pweut geld is weg.

Check LTCM, zowat hoogste IQ en quantitative finance kennis ter wereld samen.
Genadeloos failliet.


Die laatste 2 zijn van de afgelopen 3 jaar.
Dexia is 10 jaar geleden.


Ooit gehoord van program trading en black monday 1987? :)
 
R en Python zijn quasi inwisselbaar. Alles wat je kan met het ene kan je ook met het andere. R is wel superieur in data-analyse (en maken van het plots) zelf. In Python is dat veel omslachtiger, maar heeft dan weer het grote voordeel dat de syntax veel makkelijker is dan R.

En Stata? Wie gebruikt dat nu buiten de academische wereld? Is voor serieuze zaken anders dan basic regressies mss nog hopelozer dan SAS.

Het gaat niet over inwisselbaar zijn. Het gaat over package stability, auditeerbaar en implementeerbaar in productie systemen. Pretty sure dat de productie systemen die kritisch zijn (ziekenhuizen, diagnostiek, banking, ...) en op R draaien op een paar handen te tellen zijn.

Voor longitudinale stuff is R hopeloos. In Stata en SAS zijn er out of the box dingen die perfect werken.
 
Ik denk dat @Muñoz nog eens terug naar stats 101 moet om de CLT te bestuderen. Toevallig economie gestudeerd? :baard: De verwachte waarde van een voldoende grote steekproef van i.i.d. returns is normaal verdeeld, dat maakt de individuele returns nog niet normaal verdeeld en wie stelt dat returns i.i.d. zijn mag ook terug naar de schoolbanken. Met je CLT ben je in praktijk hier dus weinig.

@cege R wordt wel degelijk in kritische productiesystemen gebruikt, ik heb er zelf geïmplementeerd die jarenlang stabiel gedraaid hebben hoor. Extern geaudit en approved. Je moet natuurlijk niet randdebiel productiesystemen gaan updaten zonder de nodige tests gedaan te hebben in een mirror omgeving. It's all about QC/QA&documentation.
 
Beurzen precies wat rood,

Zit nu in twijfel om mijn laatste lot OVV te verkopen en nog wat APA bij te kopen.
Anderzijds kan OVV nog wel ergens in een paringsdans betrokken worden als prooi dus nog even wachten.
 
Elk model dat normale verdeling veronderstelt, kan in de vuilbak.

Je moet maar zelf eens de test doen (kan in Excel). Genereer wat random getalletjes uit een fuctie y = a + bx + error waarbij de error term i) niet normaal verdeeld is ii) niet gecentreerd is rond 0 en iii) niet dezelfde verdeling heeft over de x as. Je a en b die je schat zal in veel gevallen een kilometer van a en b liggen. In bepaalde gevallen die nogal veel voorkomen in economie (fat tails, niet gecentreerd), kun je even goed random factors voorspellen ipv een regressie te doen.

Uhmm, wat is er zo spectaculair 'onmogelijk' aan die 3 zaken?
- Residuals die niet normaal verdeeld zijn is geen probleem, zelfs niet voor Gaussje en Markov
- Mean =/= 0 is ook geen probleem zolang je de constante/intercept in uw regressie laat
- Residuals die niet constant dezelfde verdeling hebben (= geen constante variantie), kunt dan toch gewoon weighted regression of heteroscedastic robust SE's 'gebruiken'?

(Denk ik)

Ik denk dat @Muñoz nog eens terug naar stats 101 moet om de CLT te bestuderen. Toevallig economie gestudeerd? :baard: De verwachte waarde van een voldoende grote steekproef van i.i.d. returns is normaal verdeeld, dat maakt de individuele returns nog niet normaal verdeeld en wie stelt dat returns i.i.d. zijn mag ook terug naar de schoolbanken. Met je CLT ben je in praktijk hier dus weinig.

@cege R wordt wel degelijk in kritische productiesystemen gebruikt, ik heb er zelf geïmplementeerd die jarenlang stabiel gedraaid hebben hoor. Extern geaudit en approved. Je moet natuurlijk niet randdebiel productiesystemen gaan updaten zonder de nodige tests gedaan te hebben in een mirror omgeving. It's all about QC/QA&documentation.

Wacht, ik bedoelde niet dat individuele returns normaal verdeeld zijn eh. 😅 Ik herinner het mij niet heel helder meer, maar ik denk dat dat letterlijk op de eerste slide stond van zo'n vakje financial econometrics.
& yep, handelsingenieur/financial engineering gestudeerd. Wel geen hol interesse in 'klassieke' finance, wel in monetair beleid en handelsbeleid.

Misschien moeten we eens een econometrics thread openen. Dan kunnen we met 5 man en een paardenkop verdergaan. 😂
 
Misschien moeten we eens een econometrics thread openen. Dan kunnen we met 5 man en een paardenkop verdergaan. 😂
Ik speel met plezier de paardenkop!

Want mijn resterende herinnering aan econometrics ligt ongeveer op dat niveau denk ik.
 
Laatst bewerkt:
Ik heb een vergissing gemaakt met ENPH te verkopen tijdje terug.
Elke verkoop die ik doe is spijt later.
Ik denk integendeel dat het 1 van uw beste moves was om die retaillieveling te verkopen aan een hoge prijs.

Staat overigens al meer dan 30% lager dan ten tijde van uw verkoop.
Ondertussen bijna -70% sinds uw verkoop van de retail halve memestock.

Je kan het nu kopen onder de 100.

Nog steeds spijt van de verkoop? :)

Was uw initiële thesis verkeerd of is dit een tijdelijke koersdip?
Koop je terug?
 
Ik speel met plezier de paardenkop!
Want mijn resterende herinnering aan econometrics ligt ongeveer op dat niveau denk ik.

Ach, dat is toch zoiets dat je heel snel vergeet als je er niet dagelijks mee bezig bent. Mijn thesisverdediging is nog geen half jaar geleden, en als ik mijn gebruikte methode herlees, dan weet ik de helft ook al niet echt meer. 😂
Was wel een tamelijk 'advanced' & nieuwe methode waar zelfs mijn promotor niet echt veel van snapte (en mss daarom ook de 17/20 😂😂). Voor de geïnteresseerden: synthetic diff-in-diff.
 
Terug
Bovenaan