fbpx

出乎意料的實測!逢低買進,倒不如定期定額

by 老蕭

最近老蕭從《持續買進》一書作者尼克 · 馬朱利(Nick Maggiulli)的文章中,非常驚訝地發現,在「逢低買入」(Buy the Dip)及「定期定額」(Dollar-Cost Averaging)兩個投資策略的比對上,也許大家會直觀地認為「逢低買入」所能創造的投資回酬更加巨大,但事實並非如此。

More...

馬朱利使用以下的情景,來進行兩個投資策略用於美國股市的回測。

定期定額:投資者在40年的時間裡,每月定額投資100元。

逢低買入:在同樣的40年裡,投資者每月可累積100元,並且唯有在市場下跌時,將手頭上累積的錢全數買入。「下跌」被定義為市場未達到歷史最高點的任何時間。馬朱利也將情景設定成對這個策略最理想的情況,也就是投資者能夠預先准確地知道,市場何時處於任何兩個歷史高點之間的絕對底部(最低點)。這將確保投資者在逢低買入時,始終以盡可能低的價格買入。

首先,馬朱利為了讓大家熟悉「逢低買入」的時間點,使用了1995年1月至2018年12月的美國股市走勢,歷史高點為綠點,他也為市場中的每個「下跌」(兩個歷史高點之間的最大跌幅)添加一個紅點,這些紅點正是執行「逢低買入」策略,出手買進的時間點:

上圖可以輕易見到,這段期間最顯著的「下跌」發生在2009年3月(2010年之前唯一的紅點),這是2000年8月市場歷史高點之後的最低點。與此同時,我們還能發現,還有許多不太顯著的下跌,嵌在各個時段的高點之間。這些下跌主要集中在牛市期間(即20世紀90年代中後期、2010年代中期)。

執行「逢低買入」策略的投資者,在每個紅點將錢投入市場,手頭上累積的現金變為零,而投資數額也隨之增加。從2000年8月的高點到2009年3月的低點,一直在觀望的投資者,歷經近9年的時間,手頭上累積了1萬0600元,並在該時刻全額投入市場。直覺上,準確地預知市場的最低點,並只在這些時候出手,以最為便宜的成本進行投資,是多麼美好的一件事,對吧?

另一邊廂,在這些歲月裡,執行「定期定額」策略的投資者,在做些什麼呢?他們別的什麼也沒做,就是每個月乖乖地,無論市場是開高還是走低,將自己的100元投入到股市中。讓我們回到預設的情景,也就是對比兩個投資策略在經歷40年光景後的投資績效比對:

正如大家所能見到的,對比「定期定額」與「逢低買入」兩個投資策略的長期投資績效,出乎意料地,竟然會是由「定期定額」勝出。在同樣的40年裡,執行兩個不同策略的投資者,投資的本金皆為4萬8000元(100元x480個月),前者每月定額投入100元;後者則是在掌握完美時機的情況下,在市場的每個最低點出手。但結果顯示,執行「定期定額」策略的投資者,原來的4萬8000元已經滾成了30萬元,但執行「逢低買入」策略的話,只能從後追趕,落後於前者不少。除此之外,若將這40年放在其他不同的時間段(上圖為1975至2014年),也有70%的時間,「逢低買入」表現是不如「定期定額」的。

與此同時,上述的情景,我們假設了執行「逢低買入」策略的投資者能完美預測每一個市場低點,但這在現實當中是無法實現的。馬朱利同時也運行了該策略的變量,若投資者錯過任意兩個市場底部機會,「逢低買入」的投資績效就會有高達97%的概率輸給「定期定額」。換句話說,即使一個「追低」能力超強的投資者,從長遠來看,績效還是不如採用相對「無腦」,「定期定額」策略的人。

這個績效比對的結果會如此「反直覺」,主要的原因老蕭認為有以下兩點——複利效應(Compounding Effect)與投入市場的時間(Time in the Market)

首先,市場歷史高點的數量,明顯要遠多於低點之數。當「逢低買進」投資者在保持觀望的時候,「定期定額」投資者已經每個月逐步增加了投資金額。但是,大多數下跌並沒有那麼嚴重(如上述牛市期間),所以就算是抓住了最低谷的時機,所謂的低點其實也無法彌補置身於市場之外,所浪費掉的時間,除非許多跌幅與2009年3月的一樣嚴重。而在這原本可以呆在市場中,卻被浪費掉的時間,讓本應可以享受到的複利效應,也不復存在

基於「買低賣高=投資獲利」之基礎,很多投資者會直觀地認為,等候時機並「逢低買入」就是最強大的投資操作,就連老蕭在看到這個對比成績前,原先也直覺地認為要是能每一次掌握完美的低點時機,會得到最理想的績效與回報,但馬朱利展示的數據實實在在地表明了,「定期定額」策略所帶來的複利效應,並創造更多投入市場的時間,才是更為強大的概念

此文章原文刊登於《東方日報》「龍門陣」2024年1月4日《理財開路》專欄,由理財老司機撰寫。原文鏈結在此

老蕭是馬來西亞理財規劃師協會(FPAM)及投資經理聯合會(FIMM)的認證會員,身兼單位信託顧問、私人退休金顧問、理財部落客的斜槓一族,擁有國際認證高級理財顧問(CFP TM)資格。

You may also like

>