सर्वोत्तम दिवस गमावल्यास काय होते

बाजाराची वेळ ठरवण्याचा प्रयत्न करण्याचा लपलेला खर्डा म्हणजे सर्वोत्तम दिवस गमावणे. 2016 च्या सुरुवातीपासून, SPY या ट्रॅकिंग फंडाद्वारे S&P 500 मध्ये पूर्णपणे गुंतवणूक केल्यास 275.5% परतावा मिळाला. त्या दशकातील फक्त दहा सर्वोत्तम दिवस वगळल्यास परतावा 97% पर्यंत घसरतो. सर्वोत्तम दिवस शांत दुपारी येत नाहीत. ते बाजारातील सर्वात वाईट, सर्वात अस्थिर कालावधीत एकत्र येतात, जिथे घाबरलेल्या गुंतवणूकदाराला विकण्याचा सर्वात जास्त मोह होतो.

सर्वोत्तम दिवस गमावण्याची किंमत

येथे संपूर्ण कल्पना एका ओळीत आहे. 2016 च्या सुरुवातीपासूनचे प्रत्येक व्यापाराचा दिवस घ्या, त्यांना त्यांच्या दैनंदिन परताव्यानुसार क्रमवारी लावा आणि SPY मधील साध्या खरेदी-आणि-धारणा स्थितीतून अगदी सर्वोत्तम दिवस काढून टाका. इतर प्रत्येक दिवस जिथे होता तिथेच राहतो. तुम्ही शीर्षस्थानी असलेले मूठभर दिवस काढून टाकता तेव्हा दशकाचे चक्रवाढ काय होते हे चार्ट दाखवतो.

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

पूर्णपणे गुंतवणूक केल्यास, SPY या कालावधीत 275.5% पर्यंत चक्रवाढ झाली. 10 सर्वोत्तम दिवस काढून टाकल्यास त्या नफ्याचा अंदाजे दोन-तृतीयांश भाग नाहीसा होतो, 97% शिल्लक राहतो. 20 सर्वोत्तम दिवस काढून टाकल्यास 42.4% शिल्लक राहतो. सर्वोत्तम 50 दिवस काढून टाकल्यास संपूर्ण दशक -32.5% वर नकारात्मक होते. दोन हजारांहून अधिक दिवसांपैकी पन्नास दिवसांनी संपूर्ण परिणाम वाहून नेला. दीर्घकालीन परतावा काळानुसार समान रीतीने पसरलेला नाही. तो अत्यंत मोठ्या सत्रांच्या अगदी लहान संख्येवर अवलंबून असतो.

सर्वोत्तम दिवस हेतुपुरस्सर वगळणे अशक्य का आहे

स्पष्ट आक्षेप असा आहे की एक हुशार गुंतवणूकदार वाईट दिवस देखील टाळेल. व्यवहारात चांगले दिवस आणि वाईट दिवस एकमेकांच्या वर बसतात. वीस सर्वात मोठे वाढीचे दिवस आणि वीस सर्वात मोठे घसरणीचे दिवस ते ज्या वर्षात पडले त्यानुसार गटबद्ध करा, आणि ते वर्षांच्या त्याच लहान यादीत एकत्र येतात.

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

2020 या वर्षात एकट्याने 11 सर्वोत्तम दिवस आणि 9 सर्वात वाईट दिवस होते. 2022 च्या बेअर मार्केटमध्ये प्रत्येकी 5 होते. दरम्यानच्या शांत वर्षांनी यापैकी जवळजवळ काहीही योगदान दिले नाही. अत्यंत वाढीचे दिवस आणि अत्यंत घसरणीचे दिवस हे समान हवामान आहेत, घबराटीच्या वेळी एकत्र येतात. क्रॅश टाळणारा नियम त्यांच्या शेजारी बसलेल्या पुनर्प्राप्ती देखील टाळेल.

सर्वात मोठे वाढीचे दिवस प्रत्यक्षात कधी घडले

सर्वोत्तम दिवसांवर झूम केल्यास नमुना अधिक तीक्ष्ण होतो. येथे दशकातील SPY साठीचे दहा सर्वात मोठे एक-दिवसीय नफे आहेत, आकारानुसार क्रमवारी लावलेले.

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

दशकातील सर्वोत्तम दिवस Mar 24, 2020 होता, जेव्हा SPY 9.5% ने उडी मारली. दहा सर्वात मोठे वाढीचे दिवस बहुतेक 2020 च्या वसंत ऋतूतील क्रॅश दरम्यान उतरले, उर्वरित 2018 च्या उत्तरार्धात, 2022 च्या मंदीत आणि एप्रिल 2025 च्या विक्री दरम्यान. या दहापैकी सर्वात लहानाने देखील एका सत्रात 4.4% नफा मिळवला. त्यापैकी प्रत्येकजण बाजार त्याच्या सभोवताली जोरदारपणे घसरत असताना घडला. एक भयावह आठवड्यानंतर धूळ स्थिर होण्याची वाट पाहण्यासाठी विक्री करणाऱ्या गुंतवणूकदाराकडे याच पुनर्प्राप्तीसाठी रोख रक्कम असेल.

बाजाराची वेळ ठरवणे नव्हे, तर बाजारात वेळ घालवणे

जुने वाक्य आहे की बाजाराची वेळ ठरवण्यापेक्षा बाजारात वेळ घालवणे चांगले, आणि त्यामागील अंकगणित स्पष्ट आहे. दशकभराचा नफा काही डझन सत्रांवर परत लोड केला जातो, आणि ती सत्रे विक्रीनंतर ऐवजी विक्रीच्या मध्यभागी दिसतात. सर्वात वाईट दिवस टाळण्यासाठी बाजूला सरकणे म्हणजे सर्वोत्तम दिवसाच्या आधी बाजूला सरकण्याचा धोका पत्करणे, आणि दोन्ही बहुतेक वेळा काही दिवसांच्या अंतरावर असतात.

हे तेच धडे आहे जे इतर घाबरलेले असताना खरेदी करणे मधून चालते: सर्वात तीक्ष्ण पुनर्प्राप्ती सुरू होतात जेव्हा मथळे अजूनही कुरूप असतात. हे पोर्टफोलिओ कसा तयार केला जातो याच्याशी देखील जोडलेले आहे जेणेकरून तो धरून ठेवता येईल. घसरणीतून बसून राहणे हे तुम्ही प्रवासासाठी आकार दिलेल्या पोझिशन्ससह सोपे आहे, जे एकाग्रता जोखीम मर्यादित करण्याच्या आणि वादळातून धरून ठेवण्यास सोप्या असलेल्या कमी-अस्थिरता स्टॉक्स वर अवलंबून राहण्याच्या बाजूचा भाग आहे. सर्वोत्तम दिवस हे हुशारीचे बक्षीस नाहीत. ते अजूनही तुमच्या जागी असण्याचे बक्षीस आहेत.

FAQ

बाजारातील सर्वोत्तम दिवस गमावल्यास काय खर्च येतो?

2016 पासून, SPY मध्ये गुंतवणूक केल्याने 275.5% परतावा मिळाला. फक्त दहा सर्वोत्तम दिवस गमावल्यास ते 97% पर्यंत कमी झाले, आणि सर्वोत्तम पन्नास दिवस गमावल्यास दशक -32.5% वर नकारात्मक झाले. दीर्घकालीन परताव्याचा मोठा भाग काही दिवसांच्या लहान संख्येवर असतो.

मी त्याऐवजी फक्त सर्वात वाईट दिवस का टाळू शकत नाही?

सर्वोत्तम आणि सर्वात वाईट दिवस समान अस्थिर कालावधीत, बहुतेकदा त्याच आठवड्यात एकत्र येतात. 2020 मध्ये, 11 सर्वोत्तम दिवस आणि 9 सर्वात वाईट दिवस त्या एकाच वर्षात पडले. त्यांना आगाऊ वेगळे करणारा कोणताही विश्वसनीय नियम नाही, आणि घसरण टाळण्यासाठी विक्री करणे म्हणजे सामान्यतः पुनर्प्राप्ती गमावणे.

सर्वात मोठे वाढीचे दिवस कधी घडले?

2016 पासून SPY चा सर्वोत्तम दिवस Mar 24, 2020 होता, 9.5% चा नफा. दहा सर्वात मोठे वाढीचे दिवस बहुतेक 2020 च्या वसंत ऋतूतील क्रॅश दरम्यान घडले, उर्वरित 2018 च्या उत्तरार्धात, 2022 आणि एप्रिल 2025 मध्ये, सर्व तीव्र बाजार घसरणीदरम्यान.

बाजाराची वेळ ठरवण्यापेक्षा बाजारात वेळ घालवणे चांगले आहे का?

या नोंदीनुसार, होय. पूर्णपणे गुंतवणूक केलेल्या स्थितीने बाजूला सरकलेल्या आणि अगदी काही सर्वोत्तम सत्रे गमावलेल्या कोणत्याही आवृत्तीपेक्षा खूप पुढे चक्रवाढ केली. सर्वोत्तम दिवस खूप कमी आणि मंदीच्या काळात खूप केंद्रित असतात ज्यामुळे त्यांच्याभोवती विश्वसनीयरित्या व्यापार करता येईल.

येथील प्रत्येक आकडा ही एक संग्रहित क्वेरी आहे जी तुम्ही उघडू आणि तपासू शकता. Strasmore टर्मिनलवर कोणत्याही निर्देशांक किंवा स्टॉकवर समान सर्वोत्तम-दिवस चाचणी चालवा.