Faktor-Timing auf Basis von Portfoliocharakteristika

Ein Team um Nikolaos Vasila von der Lancaster University Management School hat in einem Research Paper einen alternativen Ansatz zum Faktor-Timing entwickelt, der nicht auf Faktormomentum basiert. Stattdessen nutzen die Autoren zur Vorhersage der Faktorportfolios Portfoliocharakteristika. Konkret werden die Eigenschaften, die zur Zusammenstellung der einzelnen Faktorportfolios dienen, aggregiert und nicht auf einzelne Charakteristika der jeweiligen Faktorportfolios abgezielt, sondern die Gesamtheit aller Charakteristika betrachtet. Die Autoren kombinieren verschiedene Methoden zur Dimensionsreduzierung wie Principal-Component-Analyse (PCA) und Partial-Least-Squares (PLS).

Die Mehrheit von 72 in der Forschung dokumentierten Anomalien für den Zeitraum 1970 bis 2019 sind durch die Charakteristika gut prognostizierbar. Darüber hinaus weisen die meisten nicht prognostizierbaren Anomalien eine geringe Kovarianz zu den anderen Faktoren und insignifikante durchschnittliche Renditen auf, was das Vorhandensein einer Risikoprämie in Frage stellt.

Unterschieden wird zwischen der Möglichkeit, exakte Renditen und die Unterschiede von Faktorportfoliorenditen im Querschnitt zu prognostizieren. Es zeigt sich, dass die Modelle, die Portfoliocharakteristika verwenden, für beide Aspekte eine deutlich bessere Performance generieren als Ansätze, die auf Faktormomentum basieren. Dabei werden die Ergebnisse verbessert, wenn PCA und PLS mit LASSO kombiniert werden, um die beste Kombination zur Prognose der Portfoliorenditen zu identifizieren.

Kumulative Rendite von Faktor-Timing-Strategien (Ausschnitt)

Quelle: Kagkadis, Nolte, Nolte, Vasilas, 2021

Absolut|alternative bietet institutionellen Investoren einen einzigartigen Zugang zu liquiden alternativen Anlagestrategien, darunter Themen wie Smart-Beta- und Factor-Investing, Digital Assets, Quantitative Strategien, Künstliche Intelligenz und Sektorinvestments.