هزینه از دست دادن بهترین روزهای بازار

از دست دادن بهترین روزها، هزینه پنهان تلاش برای زمان‌بندی بازار است. از ابتدای سال 2016، سرمایه‌گذاری کامل در S&P 00 از طریق صندوق دنبال‌کننده آن یعنی SPY، بازدهی 275.5% داشت. اگر تنها ده روز برتر این دهه را حذف کنید، بازدهی به 97% کاهش می‌یابد. بهترین روزها در بعدازظهرهای آرام رخ نمی‌دهند. آن‌ها در بدترین و پرنوسان‌ترین دوره‌های بازار تجمع می‌یابند؛ دقیقاً همان جایی که یک سرمایه‌گذار مضطرب، بیشترین وسوسه را برای فروش دارد.

هزینه از دست دادن بهترین روزها

مفهوم اصلی در یک خط خلاصه می‌شود: تمام روزهای معاملاتی از ابتدای سال 2016 را در نظر بگیرید، آن‌ها را بر اساس بازدهی روزانه رتبه‌بندی کنید و بهترین روزها را از یک موقعیت ساده خرید و نگهداری (buy-and-hold) در SPY حذف کنید. سایر روزها دقیقاً همان‌گونه باقی می‌مانند. این نمودار نشان می‌دهد که با حذف تعدادی از روزهای برتر، بازدهی انباشته دهه به چه میزان تغییر می‌کند.

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY' AND window_start >= '2016-01-01'
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY dt
),
rets AS (
    SELECT dt, c / lagInFrame(c) OVER (ORDER BY dt) - 1 AS ret FROM daily
),
ranked AS (
    SELECT log(1 + ret) AS lr, row_number() OVER (ORDER BY ret DESC) AS rnk
    FROM rets
    WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
)
SELECT k AS best_days_missed,
       round((exp(sumIf(lr, rnk > k)) - 1) * 100, 1) AS total_return_pct
FROM ranked
CROSS JOIN (SELECT arrayJoin([0, 10, 20, 30, 50]) AS k) AS kvals
GROUP BY k
ORDER BY k

در حالت سرمایه‌گذاری کامل، SPY در این دوره به 275.5% رسید. با حذف 10 روز برتر، تقریباً دو-سوم از آن سود ناپدید می‌شود و 97% باقی می‌ماند. با حذف 20 روز برتر، بازدهی 42.4% خواهد بود. با حذف بهترین 50 روز، کل دهه با بازدهی منفی -32.5% مواجه می‌شود. تنها 50 روز از بیش از دو هزار روز معاملاتی، کل نتیجه را رقم زدند. بازدهی بلندمدت به طور یکنواخت در طول زمان توزیع نشده است؛ بلکه در تعداد بسیار کمی از جلسات معاملاتی بزرگ متمرکز شده است.

چرا نمی‌توان بهترین روزها را به عمد نادیده گرفت

اعتراض بدیهی این است که یک سرمایه‌گذار هوشمند باید روزهای بد را نیز نادیده بگیرد. در عمل، روزهای خوب و بد همزمان رخ می‌دهند. اگر 20 روز بزرگ صعودی و 20 روز بزرگ نزولی را بر اساس سال وقوع دسته‌بندی کنید، آن‌ها در لیست کوتاهی از سال‌ها تجمع می‌یابند.

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY' AND window_start >= '2016-01-01'
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY dt
),
rets AS (
    SELECT dt, c / lagInFrame(c) OVER (ORDER BY dt) - 1 AS ret FROM daily
),
clean AS (
    SELECT dt, ret FROM rets WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
),
ranked AS (
    SELECT dt, ret,
           row_number() OVER (ORDER BY ret DESC) AS best_rnk,
           row_number() OVER (ORDER BY ret ASC) AS worst_rnk
    FROM clean
)
SELECT toYear(dt) AS year,
       countIf(best_rnk <= 20) AS best_20_days,
       countIf(worst_rnk <= 20) AS worst_20_days
FROM ranked
GROUP BY year
ORDER BY year

تنها سال 2020 شامل 11 از بیست روز برتر و 9 از بیست روز بد بود. بازار خرسی سال 2022 شامل 5 از هر دو دسته بود. سال‌های آرامِ بین این دوره‌ها، تقریباً هیچ‌کدام از این روزها را شامل نشدند. روزهای صعودی و نزولی شدید، در واقع یک وضعیت جوی یکسان هستند که همزمان در جریان هیجانات بازار رخ می‌دهند. قاعده‌ای که برای فرار از سقوط‌ها طراحی شده باشد، قطعاً فرصت بازگشت‌ها را که درست در کنار همان سقوط‌ها هستند، از دست می‌دهد.

زمان وقوع بزرگ‌ترین روزهای صعودی

با بررسی دقیق‌تر روزهای برتر، الگو شفاف‌تر می‌شود. در اینجا 10 مورد از بزرگ‌ترین سودهای تک‌روزه SPY در این دهه، به ترتیب اندازه آورده شده است.

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY' AND window_start >= '2016-01-01'
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY dt
),
rets AS (
    SELECT dt, c / lagInFrame(c) OVER (ORDER BY dt) - 1 AS ret FROM daily
),
clean AS (
    SELECT dt, ret FROM rets WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
),
ranked AS (
    SELECT dt, ret, row_number() OVER (ORDER BY ret DESC) AS best_rnk FROM clean
)
SELECT formatDateTime(dt, '%b %e, %Y') AS episode,
       round(ret * 100, 1) AS daily_return_pct
FROM ranked
WHERE best_rnk <= 10
ORDER BY daily_return_pct DESC

بهترین روز دهه با بازدهی 9.5% در تاریخ Mar 24, 2020 رخ داد که در آن SPY 9.5% جهش کرد. بیشتر از 10 روز بزرگ صعودی در جریان سقوط بهار 2020 رخ داده‌اند و مابقی در اواخر 2018، روندهای نزولی 2022 و فروش‌های ماه آوریل 2025 بوده‌اند. حتی کوچک‌ترین مورد از این ده روز نیز در یک جلسه معاملاتی 4.4% سود داشت. هر یک از آن‌ها زمانی رخ دادند که بازار در حال ریزش شدید بود. سرمایه‌گذاری که پس از یک هفته ترسناک برای آرام شدن بازار از بازار خارج می‌شد، دقیقاً در همین زمان‌های بازگشتی، نقدینگی خود را نگه می‌داشت.

ماندن در بازار، نه زمان‌بندی بازار

این ضرب‌المثل قدیمی می‌گوید ماندن در بازار از زمان‌بندی بازار بهتر است و محاسبات پشت آن بی‌رحمانه است. بخش بزرگی از سودهای یک دهه، به چند ده جلسه معاملاتی محدود می‌شود و آن جلسات بیشتر در میانه ریزش‌ها ظاهر می‌شوند تا پس از آن‌ها. کناره‌گیری برای اجتناب از بدترین روز، به معنای ریسکِ کناره‌گیری پیش از بهترین روز است؛ و این دو اغلب تنها چند روز با هم فاصله دارند.

این همان درسی است که در خرید در زمان ترس دیگران نهفته است: تندترین بازگشت‌ها زمانی آغاز می‌شوند که تیتر اخبار هنوز بد هستند. این موضوع همچنین با نحوه ساخت یک سبد سهام برای نگهداری طولانی‌مدت مرتبط است. تحمل ریزش‌ها با موقعیت‌هایی که برای نوسانات آن‌ها اندازه‌گیری شده‌اند، آسان‌تر است؛ موضوعی که بخشی از استدلال برای محدود کردن ریسک تمرکز و تکیه بر سهام با نوسان کمتر است که نگهداری آن‌ها در میان طوفان ساده‌تر است. بهترین روزها پاداش هوشمندی نیستند، بلکه پاداشِ ماندن در جایگاه خود هستند.

سوالات متداول

هزینه از دست دادن بهترین روزهای بازار چقدر است؟

از سال 2016، سرمایه‌گذاری در SPY بازدهی 275.5% داشت. از دست دادن تنها 10 روز برتر، این میزان را به 97% کاهش داد و از دست دادن 50 روز برتر، بازدهی دهه را به -32.5% منفی تبدیل کرد. تعداد کمی از روزها، بخش اعظم بازدهی بلندمدت را تشکیل می‌دهند.

چرا نمی‌توانم فقط از روزهای بد اجتناب کنم؟

بهترین و بدترین روزها در همان دوره‌های پرنوسان، و اغلب در همان هفته‌ها، تجمع می‌یابند. در سال 2020، 11 از بیست روز برتر و 9 از بیست روز بد در آن سال رخ داد. هیچ قاعده قابل اعتمادی نمی‌تواند آن‌ها را از قبل از هم جدا کند و فروش برای فرار از ریزش‌ها، معمولاً به معنای از دست دادن بازگشت‌ها است.

بزرگ‌ترین روزهای صعودی چه زمانی رخ دادند؟

بهترین روز تک‌روزه SPY از سال 2016، با بازدهی 9.5% در تاریخ Mar 24, 2020 بود. بیشتر از 10 روز بزرگ صعودی در جریان سقوط بهار 2020 رخ دادند، و موارد دیگر در اواخر 2018، سال 2022 و آوریل 2025، همگی در جریان ریزش‌های شدید بازار بودند.

آیا ماندن در بازار از زمان‌بندی بازار بهتر است؟

بر اساس این آمار، بله. یک موقعیت با سرمایه‌گذاری کامل، بسیار بهتر از هر نسخه‌ای که از بازار خارج شده و حتی چند جلسه از بهترین جلسات را از دست داده باشد، رشد کرد. بهترین روزها آن‌قدر کم و در دوره‌های نزولی آن‌قدر متمرکز هستند که نمی‌توان به طور قابل اتکایی بر اساس آن‌ها معامله کرد.

هر عدد در اینجا یک پرس‌وجوی ذخیره‌شده است که می‌توانید آن را باز کرده و بررسی کنید. همان تست بهترین روزها را روی هر شاخص یا سهامی در ترمینال Strasmore اجرا کنید.