Multi-Faktor-Modell für Hedgefonds-Renditen
Yong Chen von der Texas A&M University sowie Sophia Li und Yushan Tang von der Rutgers Business School haben mittels Machine Learning aus einer Reihe von Marktanomalien Faktoren zur Erklärung von Hedgefondsrenditen identifiziert. Unter Nutzung adaptiver Lasso-Schrumpfung-Techniken kombiniert das Modell Anomalien mit Makro- und Marktfaktoren und führt zu einer deutlichen Reduzierung des Alphas im Vergleich mit anderen Ansätzen. Die Autoren beginnen mit einem Set aus 44 Faktorkandidaten. Diese umfassen Renditeanomalien, darunter Asset-Wachstum und Betting-Against-Beta, Markt- und Makrovariablen (z.B. Equity Factor, Default und Term Spread) und Style-Faktoren (u.a. Trendfolge).
Es zeigt sich, dass ein Neun-Faktor-Modell die beste Performance erzielt. Dieses umfasst sechs Style-basierte Faktoren, die Aktienmarktstrategien nachahmen (Asset Growth, Betting-Against-Beta, Low Risk, Equity Market, Return on Assets und Zeitreihenmomentum), sowie drei makroökonomische Indikatoren (darunter die monatliche Veränderung der 10-jährigen Treasury-Rendite, die monatliche Veränderung der Kreditrenditespanne und der Laufzeitspanne). Zur Bewertung der empirischen Performance des Modells führen die Autoren Zeitreihenregressionen für einzelne Fonds und -portfolios durch. Das neue Modell übertrifft bei der Erklärung von Hedgefondsrenditen durchweg das CAPM, das Fama-French-Fünf-Faktoren-Modell und das Fung-Hsieh-Sieben-Faktoren-Modell.
Insbesondere liefert das neue Modell ökonomisch und statistisch insignifikante Alphas und höhere bereinigte Bestimmtheitsmaße. Durch den Wechsel von konventionellen Modellen zu dem neuen Modell verringert sich das Alpha um mindestens 0,15 % pro Monat, und die Verbesserung des bereinigten R2-Wertes übersteigt 10 %.
Quelle: Chen, Li, Tang, 2023
Diese Ergebnisse deuten darauf hin, dass das Modell besser in der Lage ist, die Schwankungen der Hedgefondsrenditen zu erklären. Neben der beobachteten Verringerung der Fonds-Alphas führt das Modell zu einer erheblichen Heterogenität der Performance von Hedgefonds, insbesondere am linken Ende der Verteilung. Der Anteil der Fonds, bei denen von einer Underperformance ausgegangen wird, steigt von 5 % bei herkömmlichen Modellen auf 13 % bei dem neuen Modell.
Absolut Research analysiert institutionelle Publikumsfonds mit alternativer Strategie jeden Monat in den Publikationen Absolut|ranking Long/Short Equity Strategies, Long/Short Fixed Income & Multi-Asset Strategies sowie Long/Short Volatility – FX – Commodities – Digital Assets – FoFs. Insgesamt umfassen die Absolut|rankings mehr als 15.000 institutionelle Publikumsfonds und ETFs, aufgeteilt in 36 Asset-Klassen und Marktsegmente und mehr als 200 Universen.
