Empirische Merkmale von dynamischen Handelsstrategien: Der Fall von Hedge Fonds Motivation (en) Die meisten Fondsmanager haben Investmentmandate, die den traditionellen Vermögensverwaltern mit relativen Renditezielen ähnlich sind. Sie sind typischerweise beschränkt, Vermögenswerte in einer wohldefinierten Anzahl von Anlageklassen zu halten und sind häufig auf wenig oder keine Hebelwirkung (Quantität) beschränkt. Ihre Mandate sollen die Erträge ihrer Vermögensklassen erfüllen oder übertreffen. Diese Einschränkungen ermöglichten Sharpe, die stilistischen und Leistungsunterschiede zwischen den Managern zu modellieren. Eine weitere Klasse von Managern sind Hedgefondsmanager und Rohstoffhandelsberater (CTAs). Ihre Mandate sind, ein absolutes Renditeziel unabhängig vom Marktumfeld zu machen. Um den Mandaten gerecht zu werden, können sie unter vielen Assetklassen wählen und dynamische Handelsstrategien (z. B. Leerverkäufe, Leverage, Derivate) nutzen. Leider ist diese neue Flexibilität nicht in Sharpe8217s Asset-Class-Faktor-Modell berücksichtigt. Die einzige von der Hedgefondsbranche öffentlich offenbarte Analyse ist eine Kategorisierung von Handelsstrategien: SystemsTrend Folgend Beschreibt Manager, die technische Handelsregeln verwenden. SystemsOpportunistic Technisch getriebene Trader, die auch gelegentliche Wetten auf regelbasierte Modelle setzen. GlobalMacro Manager, die hauptsächlich auf den liquidesten Märkten der Welt tätig sind (z. B. Währungen, Staatsanleihen), die typischerweise auf makroökonomische Ereignisse (z. B. Änderungen der Zinspolitik, Währungsabwertungen) setzen und vorwiegend auf ihre Einschätzungen der wirtschaftlichen Fundamentaldaten zurückgreifen. Value Trader, die Wertpapiere von Unternehmen kaufen, die sie aufgrund ihrer Mikroanalyse der Fundamentaldaten als unterbewertet ansehen. Distressed Manager, die in Unternehmen investieren in der Nähe, in oder vor kurzem aus Insolvenz Umstrukturierung. Vorgeschlagene Lösung (en) Die Autoren schlagen das Hinzufügen neuer Faktoren zu Sharpe8217s Modell vor, um den Absolute Return Investitionsstil zu erfassen. Die Rendite der Sharpe8217s-Regression auf die Renditen von Hedge-Fonds ergab eine niedrige und manchmal negative Korrelation mit den Renditen der Anlagenklasse, die reflektierend ist, wie Leverage (Quantität) beeinflussen kann, was der Regressionskoeffizient konvergiert. Die zusätzlichen Stilfaktoren bieten einen analytischen Rahmen für die Verwaltung von Portfolios mit einer besseren Vielfalt von Stilen. Im Gegensatz zu den qualitativen Deskriptoren des Hedge Fund Industry8217 kann die Faktoranalyse die tatsächlichen Renditen dieser Anlageformen quantifizieren. Die empirischen Ergebnisse zeigen, dass die Stildiversifizierung die Performance eines traditionellen Aktienanleiheportfolios verbessern kann, ohne ihr Risiko wesentlich zu erhöhen. Evaluation (en) Die Autoren analysierten einen neu zusammengestellten Datensatz bestehend aus 3.327 US-Investmentfonds und 409 HedgefondsCTA-Pools. Jeder Fonds hatte mindestens 3 Jahre monatliche Rendite und die Nicht-Investmentfonds wurden benötigt, um mindestens 5 Millionen in verwalteten Vermögen zu haben. Die Anwendung der vorgeschlagenen Modell auf die Investmentfonds bekräftigte die hohe Korrelation zwischen Investmentfondsrenditen und Asset-Klassen, was darauf hinweist, dass Investmentfonds Stile sind im Grunde Buy-and-Hold-Strategien mit verschiedenen Asset-Klassen. Die Analyse der Hedge-Fonds erfordert Rückkehr-Standardisierung (d. H. Skala bis null Mittelwert und Einheitsvarianz), um Unterschiede in den Abweichungen zu beseitigen, die durch Leveragedifferenzen verursacht werden (z. B. zwei Fonds, die die exakt gleiche Handelsstrategie verwenden, aber unterschiedliche Hebelwirkung unterschiedliche Renditeabweichungen aufweisen). Behandelt man die Hedgefonds als eine Gruppe, so haben die Autoren fünf gegenseitig orthogonale Hauptkomponenten entnommen, die annähernd 43 der quadratischen Rückkehrvarianz erklärten. Für jeden der Stilfaktoren bildete der Autor ein Portfolio unter Verwendung von HedgefondsCTA-Pools, die nur mit dieser Hauptkomponente korreliert sind. Die Portfoliogewichte wurden ausgewählt, um die Korrelation zwischen den Portfolioerträgen und der entsprechenden Hauptkomponente zu maximieren. Da sich dynamische Handelsstrategien mit Extrem - oder Schwanzereignissen befassen, konzentrierten sich die Autoren auf ökonomische Bedeutung statt auf statistische Signifikanz. Sie teilten die monatlichen Renditen der einzelnen Asset-Klasse in fünf Umgebungen von schweren Rückgängen bis hin zu scharfen Rallyes. Die empirische Evidenz zeigt, dass nur der Value-Stil dem Buy-and-Hold entspricht. Die Distressed-Stil ist einfach empfindlich für High-Yield-Unternehmensanleihen und ist kein Buy-and-Hold. Die anderen Stile sind nicht empfindlich für die Asset-Märkte in den normalen Staaten, können aber empfindlich auf selektive Märkte in extremen Staaten. Die Autoren davor gewarnt, dass die vorgeschlagenen Stile nicht auf Arbitrage-Strategien (z. B. Leerverkäufer, Spread Trader) und nicht blind verwendet werden, um Performance-Attribution zu bestimmen. Zukünftige Direktion (en) Da Hedge-Fondsmanager nicht verpflichtet sind, ihre Performance und Vermögenswerte öffentlich zu veröffentlichen, können Data Mining diese Informationen aufdecken. Sind marktneutrale Strategien besser auf den Volatilitätshandel oder die Indexfonds abgestimmt Wie viel kostet die Überlebenschance beeinflussen die Rückkehr der vorgeschlagenen Stile Frage (n) Nicht ganz sicher, wie die Stilfaktoren berechnet wurden. Einbeziehung Stilfaktoren ist ein Weg, um die tatsächlichen Renditen von Hedgefonds zu quantifizieren. Die Methodik ist immer noch umstritten: Am Ende des Tages geht es nicht auf Risiko, Geld und Rückkehr Es ist nicht offensichtlich, warum man verschiedene Kategorien festlegen muss. Während die empirischen Ergebnisse vernünftig waren, wäre das Papier überzeugender gewesen, wenn es einen Vergleich mit Impulsstrategien gegeben hätte. Es ist sehr interessant, dass Performance-Attribution solche tiefen Gedanken erfordert. Man würde denken, wenn ein Algorithmus erreichen können ähnliche Gewinne, dann ist der Netto-Unterschied der Manager8217s Fähigkeiten Glücklicherweise Hedge-Fonds-Manager müssen alle Verluste erholen, bevor sie ihre Provision. Obwohl die Autoren ihren Dataset nicht frei verfügbar machten, hat eine der Homepage von author8217s andere Datensätze, die für das Backtesting nützlich sein könnten. William Fung und David A Hsieh. Empirische Merkmale von dynamischen Handelsstrategien: der Fall von Hedgefonds. Überprüfung der Finanzstudien. 10 (2): 275302, 1997. Der Fall von Hedge Funds Dieser Beitrag untersucht die Renditecharakteristiken von Hedgefonds. Hedgefonds sind private (nicht öffentlich gehandelte) Investment-Pools, in der Regel in Form von Kommanditgesellschaften, die von einer Komplementärin betrieben werden, die eine feste Vergütung (in der Regel 1-3 des Vermögens) und eine Anreizgebühr (in der Regel 20 neue Gewinne) . Der Datensatz in diesem Papier wurde von Tass Asset Management, AIG Global Investors und Paradigm LDC erhalten. Die wichtigsten Ergebnisse in diesem Papier sind wie folgt. Eine Hedge-Fonds-Rendite weist eine sehr geringe Korrelation mit den Renditen von Standard-Asset-Märkten auf, wie z. B. kurzfristige Zinsen, US-Aktien, Nicht-US-Aktien, Schwellenländeraktien, US-Staatsanleihen, Nicht-US-Staatsanleihen, Gold Proxy für Rohstoffe) und der gehandelte gewichtete US-Dollar (als Proxy für Fremdwährungen). Dies ist sehr verschieden von US-Investmentfonds, deren Renditen eine hohe Korrelation mit diesen Standard-Asset-Märkten haben. Zwei, gibt es fünf dominante Hedgefonds-Investmentstile. Hedge-Fonds-Berater klassifizieren Hedge-Fonds in Stile auf der Grundlage der Manager Beschreibungen ihrer Handelsstrategien. Wir verwenden ein quantitatives Klassifizierungsschema. Die Idee ist sehr einfach. Wenn zwei Manager denselben Handelsstil auf denselben Märkten verwenden, sind ihre Renditen miteinander korreliert, auch wenn sie nicht mit den Renditen eines Vermögensmarktes korrelieren. Die Hauptkomponentenanalyse ist ein statistisches Instrument zur Gruppierung von Fonds auf der Grundlage ihrer Korrelation zueinander. Wir finden fünf Hauptkomponenten in Hedgefonds-Renditen, die zusammen etwa 45 der Querschnittsvariation erklären können. Dies zeigt, dass Hedge-Fonds haben viele verschiedene Investment-Stile. Durch die Untersuchung der Mittel, die meistens stark mit diesen fünf Hauptkomponenten oder Stilen korreliert sind, assoziieren wir Namen mit diesen Stilen. Zwei Arten sind mit Futures-Trader oder Rohstoffhandelsberater (CTAs) assoziiert ein Stil ist mit Globalmacro Asset Allocators wie George Soros ein Stil ist mit Longshort Equity Trader verbunden und ein Stil ist mit Fonds in die notleidende Wertpapiere von Unternehmen, die in der Nähe verbunden , In, oder kommen aus der Insolvenz. Ein zukünftiges Forschungsziel ist es, einige Nischenstile zu untersuchen, die nicht durch die Hauptkomponentenanalyse identifiziert werden. Eine wichtige offene Frage ist die Überlebenschance. Unser Datensatz besteht aus Mitteln, die Ende 1995 in Betrieb waren. Wir konnten keine Informationen über Mittel erhalten, die vor diesem Zeitpunkt ihre Tätigkeit eingestellt haben. Die Renditen der überlebenden Fonds können die Renditen aller Fonds nach oben vorwiegen. Wir sind dabei, Daten von verstorbenen Geldern zu sammeln, um eine korrekte Überlebensanalyse durchzuführen. Akademische Forscher: Klicken Sie hier, um ein Word-Dokument herunterzuladen, um die in diesem Papier verwendeten Hedgefonds-Daten anzufordern. by G. William Schwert. 2002. Anomalien sind empirische Ergebnisse, die mit den gepflegten Theorien des Asset-Preissing-Verhaltens unvereinbar zu sein scheinen. Sie deuten entweder auf Marktin - effizienz (Gewinnchancen) oder Unzulänglichkeiten des zugrunde liegenden Asset-Pricing-Modells hin. Der Beweis in diesem Papier zeigt, dass die Größe Wirkung, der Wert eff. Anomalien sind empirische Ergebnisse, die mit den gepflegten Theorien des Asset-Preissing-Verhaltens unvereinbar zu sein scheinen. Sie deuten entweder auf Marktin - effizienz (Gewinnchancen) oder Unzulänglichkeiten des zugrunde liegenden Asset-Pricing-Modells hin. Der Beweis in diesem Papier zeigt, dass der Größeneffekt, der Wert - effekt, der Wochenendeffekt und der Dividendenrenditeffekt nach den Papieren, die sie hervorgehoben haben, geschwächt oder verschwunden sind. Etwa zur gleichen Zeit begannen Praktizierende mit Investment-Vehikeln, die die von einigen dieser akademischen Papiere implizierten Strategien umsetzten. Der kleinfarbige Turn-of-the-Year-Effekt wurde in den Jahren, nachdem er zum ersten Mal in der akademischen Literatur dokumentiert wurde, schwächer, obwohl es einige Hinweise darauf gibt, dass es noch existiert. Interessanterweise scheint sie jedoch nicht in den Portfolioerträgen von Praktikern zu bestehen, die sich auf kleinkapitalisierte Unternehmen konzentrieren. Alle diese Ergebnisse erhöhen die Möglichkeit, dass Anomalien sind deutlicher als real. Die Berühmtheit im Zusammenhang mit den Ergebnissen der ungewöhnlichen Beweise versucht Autoren weiter zu untersuchen rätselhafte Anomalien und später zu versuchen, sie zu erklären. Aber selbst wenn die Anomalien in der Stichprobe von William Fung, David A. Hsieh, Narayan Y. Naik, Mila Getmansky, Harry Markowitz, Tuomo Vuolteenaho, Seminar Partici. 2006. Um die Performance, das Risiko und die Kapitalbildung in der Hedgefondsbranche von 1995 bis 2004 zu untersuchen, verwenden wir einen umfassenden Datensatz von Fondsvermögen. Während der durchschnittliche Fund of Funds Alpha nur im Zeitraum zwischen Oktober 1998 und März liefert 2000, eine Teilmenge der Fonds-of-Fonds konsequent zu liefern. Um die Performance, das Risiko und die Kapitalbildung in der Hedgefondsbranche von 1995 bis 2004 zu untersuchen, verwenden wir einen umfassenden Datensatz von Fondsvermögen. Während der durchschnittliche Fund of Funds Alpha nur im Zeitraum zwischen Oktober 1998 und März liefert 2000, eine Teilmenge der Fonds-of-Fonds liefert konsequent Alpha. Die Alpha-produzierenden Fonds sind nicht so wahrscheinlich zu liquidieren wie diejenigen, die nicht liefern Alpha, und erleben Sie weit größere und stabile Kapitalzuflüsse als ihre weniger glücklichen Kollegen. Diese Kapitalzuflüsse dämpfen die Fähigkeit der Alpha-Produzenten, in Zukunft weiterhin Alpha zu liefern. HEDGE FUNDS SIND HELLIGE REGULIERTE aktive Anlageinstrumente mit großer Trading-Flexibilität. Sie werden geglaubt, um hochentwickelte Anlagestrategien zu verfolgen und Versprechen, Rückkehr zu ihren Investoren zu liefern, die nicht durch die Launen der Finanzmärkte beeinflußt werden. Die von Hedgefonds verwalteten Vermögenswerte sind in den vergangenen zehn Jahren stark gestiegen und zunehmend durch Portfolio-Al-Positionen institutioneller Anleger angetrieben worden.1 Hedge-Fonds wurden auch von Vikas Agarwal, Narayan Y. Naik, angezogen. 2000. Da Hedge-Fonds-Renditen nicht-lineare optionale Forderungen an Standard-Assetklassen aufweisen (Fung und Hsieh (1997a, 2000a)), bieten traditionelle lineare Faktormodelle eine begrenzte Hilfe bei der Bewertung der Performance von Hedgefonds. Wir schlagen ein allgemeines Asset-Class-Faktormodell vor, das aus Überschussrenditen besteht. Da Hedge-Fonds-Renditen nicht-lineare optionale Forderungen an Standard-Assetklassen aufweisen (Fung und Hsieh (1997a, 2000a)), bieten traditionelle lineare Faktormodelle eine begrenzte Hilfe bei der Bewertung der Performance von Hedgefonds. Wir schlagen ein allgemeines Asset-Class-Faktormodell vor, das aus Überschussrenditen auf passiven optionalen Strategien und auf Buy-and-Hold-Strategien besteht, um die Performance von Hedgefonds zu bestimmen. Obwohl in der Praxis Hedge-Fonds können eine Vielzahl von dynamischen Handelsstrategien folgen, finden wir, dass ein paar einfache Option Schreibketten Strategien sind in der Lage, einen erheblichen Anteil von Nicolas PB Bollen, Veronika K. Pool, Craig Lewis, Bing Liang, Neil Ramsey zu erklären , Jacob Sagi, Paul Schultz - Zeitschrift für Finanzen. 2009. Nachweis aus der gepoolten Verteilung Wir finden eine signifikante Diskontinuität in der gepoolten Verteilung der gemeldeten Hedgefondserträge: Die Anzahl der kleinen Gewinne übersteigt die Anzahl der kleinen Verluste weit. Die Diskontinuität ist in Live-Fonds, defunct Fonds und Fonds aller Altersgruppen vorhanden, was darauf hindeutet, dass es. Nachweis aus der gepoolten Verteilung Wir finden eine signifikante Diskontinuität in der gepoolten Verteilung der gemeldeten Hedgefondserträge: Die Anzahl der kleinen Gewinne übersteigt die Anzahl der kleinen Verluste weit. Die Diskontinuität ist in Live-Fonds, defunct Fonds und Fonds aller Altersgruppen vorhanden, was darauf hindeutet, dass es nicht durch Datenbank-Bias verursacht wird. Die Diskontinuität fehlt in den drei Monaten, die ihren Höhepunkt in einem Audit, Fonds, die in liquide Mittel investieren, und Hedgefonds Risikofaktoren, was darauf hindeutet, dass es weder durch die Fähigkeiten der Manager, um Verluste zu vermeiden, noch durch Nichtlinearitäten in Hedgefonds-Asset-Renditen. Eine verbleibende Erklärung ist, dass Hedge-Fonds-Manager vermeiden, Verluste zu melden, um Investoren anzuziehen und zu halten. Hedge-Fonds sind derzeit eine große Aufmerksamkeit von Investoren, Akademiker und Aufsichtsbehörden für eine Reihe von Gründen, aber vor allem aufgrund der Renditen, die Hedge-Fonds-Manager berichten. Investoren wollen in den Reichtum zu teilen, Akademiker wollen die zugrunde liegenden Risikofaktoren zu verstehen, und Regulierungsbehörden sind besorgt über das Potenzial für Betrug. Einige Mitglieder der SEC unterstützen eine zusätzliche Regulierung von Hedgefonds und von William N. Goetzmann, Massimo Massa - Working Paper, 7567, National Bureau of Economic Research. 2000. Wir untersuchen das Handels - und Investitionsverhalten von mehr als 91 Tausend Investoren, die ein kostengünstiges, passiv gemanagtes Fahrzeug für Sparguthaben gewählt haben, mit einem zweijährigen Panel von Einzelabschlüssen in einem Investmentfonds von SampP 500. Dies ermöglicht es uns, die Heterogenität der Investoren in Bezug auf. Wir verwenden eine zweijährige Gruppe von Einzelabschlüssen in einem Investmentfonds von SampampP 500, um das Handels - und Investitionsverhalten von mehr als 91 Tausend Investoren zu prüfen, die ein kostengünstiges, passiv gemanagtes Fahrzeug für Einsparungen ausgewählt haben. Dies ermöglicht es uns, die Heterogenität der Anleger hinsichtlich ihrer Investitionsmuster zu charakterisieren. Insbesondere identifizieren wir sowohl positive Rückkopplungshändler als auch Kontrahenten, deren Aktivitäten von den vorangegangenen Börsenbewegungen abhängig sind. Wir testen die Konsistenz und Rentabilität dieser bedingten Strategien im Laufe der Zeit. Wir finden, dass häufiger Händler sind in der Regel Kontraste, während seltene Händler sind in der Regel Impulsgeber. Die Dynamik dieser Anlegerklassen hilft uns, die Frage des marginalen Anlegers teilweise über den Zeitraum unserer Studie zu untersuchen. Wir finden, dass das Verhalten von Momentum-Investoren typischerweise mehr mit Veränderungen im SampampP 500 korreliert ist, und wir verfolgen seine Dynamik im Laufe der Zeit. Wir bauen Verhaltensfaktoren auf, die auf konträren und Impulsströmen basieren und zeigen, dass sie gut gegen einen Benchmark von Belastungen von latenten Faktoren, die aus Renditen gewonnen werden, sind. Wir verwenden auch das Verhalten von Impuls - und Contrarian-Investoren, um ein Maß für die Marktpolarisierung aufzubauen. Dies fängt die Dispersion der Überzeugungen unter den Investoren ein und trägt dazu bei, die Vermögenspreise besser zu beurteilen als die Standardmaßstäbe der Verteilung der Überzeugungen. Danksagung: Wir danken Fidelity für die Bereitstellung der Daten für diese Studie. Wir danken dem Internationalen Zentrum für Finanzen bei Wessel Marquering, Marno Verbeek, K. U. Leuven, K. U. Leuven - Journal of Financial and Quantitative Analysis. 2000. In diesem Papier analysieren wir den ökonomischen Wert der Vorhersage von Indexrenditen sowie Volatilität. Auf der Basis von relativ einfachen linearen Modellen, die rekursiv geschätzt werden, produzieren wir echte Out-of-Sample-Prognosen für die Rendite des SampP 500 Index und dessen Volatilität. Mit monatlichen Daten von 1954 t. In diesem Papier analysieren wir den ökonomischen Wert der Vorhersage von Indexrenditen sowie Volatilität. Auf der Basis von relativ einfachen linearen Modellen, die rekursiv geschätzt werden, produzieren wir echte Out-of-Sample-Prognosen für die Rendite des SampampP 500 Index und dessen Volatilität. Mit den monatlichen Daten von 1954 bis 1998 testen wir die statistische Signifikanz der Rendite - und Volatilitätsvorhersagbarkeit und untersuchen den ökonomischen Wert einer Reihe alternativer Handelsstrategien. Von Rajesh K. Aggarwal, Anregungen von Jim Berens, Jane Buchan, Judy Posnikoff, Patricia Watters, Rajesh K. Aggarwal - von TCP Pacing, IEEE INFOCOM 2000. Teilnehmer an der UC-Irvine. Korrespondenz kann angesprochen werden. Von Harry Mamaysky, Matthew Spiegel, Für hilfreiche Diskussionen, Judy Chevalier, Simon Gervais, Larry Glosten. Dieses Papier präsentiert ein Modell, in dem die Anleger können nicht auf dem Markt bleiben, um den Handel zu jeder Zeit. Infolgedessen haben sie Anreize, Handelsunternehmen oder Finanzmarktintermediäre (FMIs) zu gründen, um ihr Portfolio zu übernehmen, während sie sich in anderen Aktivitäten engagieren. Frühere Forschungen haben th. Dieses Papier präsentiert ein Modell, in dem die Anleger können nicht auf dem Markt bleiben, um den Handel zu jeder Zeit. Infolgedessen haben sie Anreize, Handelsunternehmen oder Finanzmarktintermediäre (FMIs) zu gründen, um ihr Portfolio zu übernehmen, während sie sich in anderen Aktivitäten engagieren. Bisherige Untersuchungen haben angenommen, dass solche Unternehmen wie Individuen handeln, die mit einer Nutzenfunktion ausgestattet sind. Hier sind sie Firmen, die einfach Bestellungen von ihren Investoren. Aus dieser Einstellung ergibt sich eine Theorie der Investmentfonds und anderer FMIs (wie Investmenthäuser, Banken und Versicherungsgesellschaften) mit Auswirkungen auf ihre Handelsstile sowie auf deren Auswirkungen auf die Vermögenspreise. Das Modell liefert theoretische Unterstützung für vergangene empirische Befunde und liefert neue empirische Vorhersagen, von denen einige in diesem Papier getestet werden. JEL Klassifizierung: G12, G20Banks, Investmenthäuser und Investmentfonds haben in den letzten Jahren eine breite Palette von Fahrzeugen geschaffen, die im Auftrag der Anleger handeln. Im Jahr 1999, zum Beispiel U. S. Equity-Fonds verwaltet rund 6 Billionen Dollar im Jahr 1990 war diese Zahl nur 300 Milliarden. Vermutlich treffen solche Finanzmarktintermediäre (künftig FMIs) auf eine besondere Investorennachfrage. Eine Reihe von empirischen Papieren haben festgestellt, dass die Fülle der bestehenden Finanzinstitute zeigen eine breite Palette von Handelsverhalten, von denen viele schwer mit Andrew J. Patton zu vereinbaren sind. 2008. Man kann das Konzept der Marktneutralität als Breite und Tiefe betrachten: Die Breite deckt die Anzahl der Marktrisiken ab, auf die der Hedgefonds neutral ist, während die Tiefe die Vollständigkeit der Neutralität des Fonds gegenüber Marktrisiken belegt. Wir konzentrieren uns auf die Marktneutralitätstiefe, und prop. Man kann das Konzept der Marktneutralität als Breite und Tiefe betrachten: Die Breite deckt die Anzahl der Marktrisiken ab, auf die der Hedgefonds neutral ist, während die Tiefe die Vollständigkeit der Neutralität des Fonds gegenüber Marktrisiken belegt. Wir konzentrieren uns auf die Marktneutralitätstiefe und schlagen ve andere Neutralitätskonzepte für Hedgefonds vor. Mittlere Neutralität nistet die Standard-Korrelations-basierte Denitierung der Neutralität. Varianzneutralität, Value-at-Risk-Neutralität und Schwanzneutralität beziehen sich alle auf die Neutralität des Risikos des Hedgefonds auf Marktrisiken. Schließlich entspricht die vollständige Neutralität der Unabhängigkeit des Fonds gegenüber Marktrisiken. Wir empfehlen statistische Tests für jedes Neutralitätskonzept und wenden die Tests auf eine kombinierte Datenbank von monatlich marktneutralen Hedge-Fonds-Renditen aus den HFR - und TASS-Hedgefonds-Datenbanken an. Wir weisen darauf hin, dass zwischen einem Viertel und einem Drittel dieser Fonds ein signifikantes Risiko für das Marktrisiko besteht. Er Marktrückkehr, sondern auch, dass es keine nicht-lineare Beziehungen. Um die Neutralität zu testen, könnte man eine Reihe von Methoden anwenden. Einige Autoren (Agarwal und Naik 2004 Asness, Krail und Liew 2001 - Fung und Hsieh 1997 - Mitchell und Pulvino 2001) verwenden stückweise lineare Regressionen: oder allgemeiner rit 0 1 rmt1 1 rmt1 eit (4) rit 0 1rmt1 2rmt1 D. h. Von Yong Chen, Bing Liang - Zeitschrift für Finanzielle und quantitative Analyse. 2007. Dieses Papier untersucht, ob selbst beschriebene Markt-Timing Hedge-Fonds haben die Fähigkeit, Zeit der US-Aktienmarkt. Wir schlagen eine neue Maßnahme für Timing-Rendite und Volatilität gemeinsam vor, die die Fondsrenditen auf die quadrierte Sharpe-Ratio des Marktportfolios bezieht. Mit einer Stichprobe von 221 Markt-Timing f. Dieses Papier untersucht, ob selbst beschriebene Markt-Timing Hedge-Fonds haben die Fähigkeit, Zeit der US-Aktienmarkt. Wir schlagen eine neue Maßnahme für Timing-Rendite und Volatilität gemeinsam vor, die die Fondsrenditen auf die quadrierte Sharpe-Ratio des Marktportfolios bezieht. Mit einer Stichprobe von 221 Markt-Timing-Fonds während 19942005, finden wir Beweise für Timing-Fähigkeit auf der Gesamt-und Fonds-Ebene. Timing-Fähigkeit scheint relativ stark in Bären und volatilen Marktbedingungen. Unsere Ergebnisse sind robust, um andere Erklärungen, einschließlich der öffentlichen Informationsbasis Strategien, Optionen Handel und illiquide Bestände. Bootstrap-Analyse zeigt, dass der Beweis unwahrscheinlich ist, um das Glück zugeschrieben werden.
No comments:
Post a Comment