Protokoll für kausales Factor Investing
Marcos López de Prado und Vincent Zoonekynd von der Abu Dhabi Investment Authority kritisieren in einem Research Paper Faktormodelle, die zwar statistisch valide erscheinen, aber kausale Zusammenhänge missachten und dadurch zu Fehlspezifikationen führen. Als Gegenentwurf schlagen sie ein siebenstufiges Protokoll für kausales Factor Investing vor, das auf den neuesten Entwicklungen in Ökonometrie und Machine Learning basiert und robuste, ökonomisch begründete Modelle ermöglichen soll.
Gängige ökonometrische Methoden im Asset Pricing beruhen auf Assoziation statt Kausalität und sind dadurch fehleranfällig. Confounder-Bias entsteht, wenn relevante Einflussvariablen fehlen, Collider-Bias, wenn auf abhängige Variablen kontrolliert wird, die künstliche Korrelationen erzeugen. Standardverfahren wie OLS, Zwei- oder Drei-Pass-Regressionen sowie PCA begünstigen solche Verzerrungen, da sie Variablen nach statistischen statt kausalen Kriterien auswählen. Dadurch entstehen scheinbar robuste, aber strukturell falsche Modelle, von den Autoren als Factor Mirages bezeichnet.
Um diese Problematiken zu umgehen, setzen die Autoren auf ein siebenstufiges Protokoll. Im ersten Schritt werden mithilfe moderner Machine-Learning-Methoden relevante Variablen identifiziert, die auch nichtlineare Zusammenhänge und Interaktionen erfassen können. Anschließend wird ein Kausalgraph erstellt, der plausible Abhängigkeitsstrukturen dieser Variablen abbildet. Darauf folgt die Bestimmung der geeigneten Kontrollvariablen mittels Do-Calculus, um Confounder einzubeziehen und Collider zu vermeiden.
Im vierten Schritt werden die kausalen Effekte geschätzt und hinsichtlich Erklärungskraft und Prognosefähigkeit in Klassifikations- und Regressionsaufgaben getestet. Basierend auf Prognosen oder Risikoattributionen aus dem Modell wird dann ein Portfolio konstruiert, das Zielgewichte abbildet und unerwünschte Risiken minimiert. Es folgt ein umfassendes Backtesting unter Nutzung von Walk-Forward-Tests, Resampling und Monte-Carlo-Simulationen. Den Abschluss bildet die Überprüfung der Ergebnisse auf ihre statistische Belastbarkeit, indem die Gefahr von Fehlentdeckungen durch multiples Testen adressiert wird, beispielsweise über angepasste p-Werte oder die Deflated Sharpe Ratio.
Absolut Research analysiert institutionelle Publikumsfonds mit Smart-Beta- und Factor-Investing-Strategien jeden Monat in den Publikationen Absolut|ranking Smart Beta Equity und Smart Beta Fixed Income & Commodity. Insgesamt analysiert Absolut|ranking mehr als 16.000 aktive und passive Strategien von 2.000 Asset Managern, aufgeteilt auf 36 Assetklassen und Marktsegmente sowie mehr als 200 Universen. Individuelle Mandate und Spezialfonds können ebenfalls untersucht werden.
