Попытка усовершенствовать факторную модель Фамы-Френча. Предлогают использовать два стандартных фактора (оставили MKT,SMB) и новых UMO1 и UMO2. Эти факторы они считают следующим образом:

  • Набор из 11 аномалий (net stock issues, composite equity issues, accruals, net operating assets, asset growth, and investment to assets; the second cluster includes distress, O-score, momentum, gross profitability, and return on assets) делят на 2 группы: 1-я: net stock issues, composite equity issues, accruals, net operating assets, asset growth, and investment to assets, 2 -я : distress, O-score, momentum, gross profitability, and return on assets.
  • Для 1-го и 2-го кластера ранжируют акции
  • Берут верхнюю и нижнюю квантиль в кластере 1. Считают доходность попавших в них бумаг. И считают разницу доходности. Называют UMO1. Для UMO2 аналогично. 

Вроде как результаты получились лучше чем в имеющихся факторных моделя. Но интересно не это - перечни аномалий, которые используют для анализа. По ним в статье указаны месячные альфы. Ну и дан список еще 74 аномалий.

В статье анализируется, каким образом лучше торговать моментумные стратегии розничному инвестору. Базовая стратегия - считаем доходность в период с февраля по конец июля, затем формируем портфели из (1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 30, 40, 50) лучших акций (не кросс-сектионал). Держим год, считаем доходность. Сам подход ничем не необычен, кроме пожалуй анализа влияния количества акций на результаты. Интересны результаты по шарпу: 

К-во лучших 1 2 3 4 5 6 7 8 9 10 15 20 30 40 50
Доходность, % мес 1.15 2.68 2.94 2.95 3.04 3.04 3.07 3.06 2.91 2.82 2.54 2.36 2.28 2.2 2.13
Std 0.7 0.44 0.34 0.29 0.24 0.22 0.2 0.19 0.18 0.17 0.14 0.12 0.11 0.1 0.1
Sharpe 0.057 0.211 0.299 0.352 0.439 0.479 0.532 0.558 0.560 0.574 0.628 0.681 0.718 0.762 0.738

В принципе, таблица показывает, что с точки зрения шарпа оптимальный размер портфеля 30 бумаг.

Кроме того, еще в статье анализируются косты и как влияет количество перетрясок портфеля (раз в месяц., в квартал,  в полугодие, в год, в два года, три года) на доходность портфеля. Ну мелкие портфели (5000-30000 долларов) с большим количеством бумаг множественные перетряски прогнозируемо убивают. Лучшие результаты для таких портфелей - держать 8-10 акций с перетрясками раз в год или два.

В статье определяется новый предиктор - размер гэпа по моментуму - разница средней доходности 1-го и 10-го дециле по моментуму (t-12:t-2). Соответственно, чем выше эта разница - тем хуже работает моментум. В статье приведена стратегия: измеряем этот гэп в каждый из месяцев за 30 месяцев, далее входим в моментум (покупка 10-го дециле, продажа 1-го) если гэп ниже чем 5-й квинтиль за 30 месяцев. Результат мерился на дневках с 1926 по 2012, при простом моментуме шарп 0.52, с добавкой гэпности 0.79. В принципе неплохо. Месячная доходность 1.28%, в принципе с некоторыми ухищрениями (в статье) может составить и 2%.

Макроанализ более чем 200 аномалий, исследованных на фондовом рынке. Можно использовать как некоторый классификатор этих аномалий, они все приведены в статье со ссылками на работы. В статье делается вывод, что для определения достоверности t-статистики на уровне 2 недостаточно. Надо использовать минимум уровень 3. Кроме того, из 296 факторов 158 по Bonferonni могут быть признаны нерабочими, 142, по Holm, 132 по BHY (1%) и 80 по BHY (5%) 

С использованием данных о торговле инсайдеров определяются их разовые и серийные покупки (продажи). Серийные сделки могут быть использованы в построении лонг-шортовой стратегии - покупаем бумаги, по которым топы делали серийные покупки, продаем те, где были серийные продажи. По результатам в статье доходность может быть 20-30% годовых.

Анализ как ведут себя 72 аномалии после публикации - снижается ли альфа по ним. Вроде как снижается. Но более интересна библиография - там как раз работы по этим 72 аномалиям, можно использовать для формирования стратегий и структурирования таблицы аномалий.

Обзор моделей, используемых для прогнозирования цен на нефть. Масса параметров - от потребления и производства нефти до цен на золото, ВВП, доходности фондового рынка и т.п. В принципе все это может загоняться в нейронные сетки для анализа, но в статье каких-то результатов прогнозов указанных моделей не приведено

Некоторая совокупность моментума (по МА(200)) и VIX. Автор разбил все имеющиеся данные по виксу и SPX на 4 диапазона:

  1. SPX>MA(200), VIX<20
  2. SPX>MA(200), VIX>20
  3. SPX<MA(200), VIX<20
  4. SPX<MA(200), VIX>20

На ситуацию (1) приходится 51%, если торговать только их, то шарп =1.34, доходность 18.2%. Во всех остальных результат хуже, так для (2) шарп =0.44, доходность 8%. Для остальных еще хуже.

Исследовали, как влияет доходность получасовки на последующую краткосрочную доходность бумаги. Каждый день били на 13 получасовок и делали регрессию по доходности предшествующих получасовок. Кроме того, делали ранжирование акций по доходности в определенную получасовку (к примеру, первые полчаса) и анализ доходности с определенным лагом (к примеру последняя получасовка - торговля). Положительная доходность получена, даже с отличными t-статистиками. Только средняя доходность 1-4 бэйсис пойнта. Ни один из предложенных вариантов нельзя торговать - бид-аски сожрут.

Что будет, если к обычному использованию фундаментальных аномалий (ежегодная перетряска) добавить ежемесячную перетряску портфеля в зависимости от MA каждой бумаги. Использовалась следующая логика:

На 1 июня ранжируем совокупность бумаг по 8 аномалиям:

  • book-to-market;
  • gross profitability;
  • operating profit;
  • asset growth;
  • investment growth;
  • net stock issue;
  • accrual;
  • net operating assets.

Формируются 8 лонг-шорт портфелей по децилям на основании отчетности за предыдущий финансовый год. Затем по каждой бумаге строится 2 скользящие среднии: MA(50) и MA(200). Для лонговой части портфеля бумага покупается только если MA(50)-MA(200)>0; для шортовой части бумага продается только если MA(50)-MA(200)<0. Проверка по MA осуществляется ежемесячно. Кроме MA дополнительно проанализирован подход с использованием CAPM alpha.

Результаты: базовый портфель имеет доходность 0.64% в месяц (t-value=8.58), используя фильтр по MA: 1.47% (t-value=8.5), используя фильтр по CAPM-alpha 1.13% (t-value=8.05). Бумаги с высокой идиосинкразической волатильностью зарабатывают еще больше (портфель из бумаг верхних идиосинкр. воле с фильтром по MA: 1.85% в месяц).

Страницы