Chasing Bulls and Fleeing Bears Cross-Countries

In dit artikel beschrijven we twee manieren om bull- en bearmarkten te voor- spellen. We doen dit enerzijds door met een multinomiaal logit model voor elke maand opnieuw een voorspelling te doen voor de Amerikaanse S&P 500 Index en de Britse FTSE All Share Index vanaf 1981. Anderzijds gebruiken we binomiale logit modellen om voorspellingen te doen voor elke index apart. Het doel van dit on- derzoek is het onderzoeken of een multinomiaal logit model met twee indexen beter presteert dan twee aparte binomiale logit modellen voor elke index. Als afhankelij- ke variabele defini ̈eren we voor elke index een bull- of bearmarkt wanneer de index gestegen/gedaald is met een bepaald drempelpercentage ten opzichte van een locaal minimum of maximum, respectievelijk. We gebruiken als onafhankelijke variabelen zowel macro-economische als financi ̈ele data. Bij het multinomiale model slagen we erin om, afhankelijk van het selectiecriterium dat we hanteren, tot bijna 67% van de maanden juist te voorspellen. Een samenvoeging van twee losse binomiale logit modellen haalt hierbij een out-of-sample hitrate van 65%. Hierna gebruiken we onze voorspellingen om verschillende handelsmodellen op te zetten. Afhankelijk van onze voorspellingen beslissen we iedere maand opnieuw of we investeren in de Amerikaanse index, de Britse index, een korte termijn deposito of een combinatie hiervan. Hiermee haalt het multinomiale logit model maximaal een gemiddelde jaarrendement over 28 jaar en 2 maanden van ruim 7.35%, in tegenstelling tot de binomiale logit modellen, waarmee 6.73% behaald wordt.