Der Unterschied zwischen seinen Daten und deinem Beispiel ist, dass seine bereinigten Daten ("pure" Rendite bei denen er u.a. die Inflation wahrscheinlich über Regression rausgerechnet hat) stationär bezüglich des Mittelwerts ist (mean stationary). D.h. der Mittelwert der Zeitreihe bleibt über den betrachteten Zeitraum konstant.
In deinem Beispiel konstruierst du eine nicht-stationäre Zeitreihe mit Trend nach oben, dann wird der Mittelwert (sowie auch der Median) in der Tat sinnlos um die Zeitreihe zu beschreiben. Warum? Weil die Zeitreihe keine sinnvolle Mitte mehr hat, ihre Werte (die einzelnen Datenpunkte aus der die Zeitreihe besteht) sind nicht mal im Ansatz mehr normalverteilt; dann werden Maße der zentralen Tendenz (Mittelwert, Median) sinnlos da es keine zentrale Tendenz mehr gibt ....
Was er macht ist einfachste deskriptive Statistik: er analysiert die Daten in dem Video (ich habe es ganz geschaut) rein deskriptiv. Was er macht ist nicht "falsch". Wobei man natürlich schon wieder lange diskutieren kann was er zuvor in seine Regression alles reinnehmen soll (und was nicht). Das Problem ist natürlich wenn man basierend darauf eigene Investitionen für die Zukunft plant, denn dann geht es eigentlich eher um Dinge wie Vorhersagen, d.h. man geht weit über rein deskriptive Analysen hinaus...
PS: ich drücke es mal konkreter aus: Man hätte (aus meiner Sicht) darauf hinweisen sollen dass das was gezeigt wird deskriptiv ist (sozusagen "wir schauen uns an wie es historisch war, ohne aber zu implizieren dass es für Vorhersagen taugt!)". Er zeigt in dem Video auch keine Vorhersagen bzw. wirkliche Methoden dafür (und für den Finanzmarkt ist geht das bekanntlich eh kaum...). Wenn die Leute nun schlussfolgern dass das für Vorhersagen taugt ist das eben eine falsche Schlussfolgerung....
PPS: wenn ich noch etwas bemängeln darf^^: das Histogram scheint mir gemessen an der Anzahl der Datenpunkte zu fein gebinned... bins sind die Anzahl der Bereiche die er in dem Histogram auf der y-achse plottet. Zu viele bins gemessen an der Anzahl der Datenpunkte = histogram wird zu noisy... (hier nen plot damit jeder versteht was gemeint ist:
https://cdn.serc.carleton.edu/image...ograms/histogram_bin_size_comparison_744.webp).
Es gibt verschiedene Regeln die man anwenden kann (Formeln) um die "optimale" Bingröße zu berechnen, oder man probiert es mit trial and error, aber es sieht wie gesagt relativ noisy aus da er nicht sooooo super viele Datenpunkte hat (und wird dadurch schlechter interpretierbar).