آیا محدودیت های داوری مزایای اوراق بهادار با نوسانات را توضیح می دهد؟☆

ما بررسی می کنیم که آیا هزینه های معاملات ، ریسک داوری و موانع فروش کوتاه بازده غیر طبیعی اوراق بهادار عدالت با مدیریت را توضیح می دهد. حتی با استفاده از شش استراتژی کاهش هزینه ، پس از هزینه های معامله ، مدیریت نوسانات عوامل دارایی دارایی علاوه بر بازده بازار ، به طور کلی بازده غیر طبیعی صفر ایجاد می کند و نسبت های شارپ را به میزان قابل توجهی کاهش می دهد. در مقابل ، بازده غیر طبیعی سبد بازار با مدیریت نوسانات نسبت به هزینه های معامله قوی است و در سهام به راحتی داوری متمرکز شده است ، کسانی که دارای ریسک داوری کم و موانع فروش کوتاه هستند. علاوه بر این ، استراتژی بازار مدیریت شده فقط عملکرد برتر را فراهم می کند وقتی که احساسات بالا باشد ، مطابق با نظریه قبلی مبنی بر اینکه بازرگانان احساسات نسبت به نوسانات تحت تأثیر قرار نمی گیرند.

معرفی

یک واقعیت فراگیر در بازارهای سهام عدالت این است که نوسانات از یک ماه به ماه دیگر ادامه می یابد اما فقط با بازده های آینده ضعیف است. این پدیده حاکی از آن است که بازارهای مالی با افزایش ریسک ، برخلاف پیش بینی مدل های قیمت گذاری دارایی ، باعث می شوند که قیمت خطر کاهش یابد. 1 گفت متفاوت ، به نظر می رسد سرمایه گذاران نسبت به شوک های نوسانات "تحت فشار" یا "تجارت به آرامی" هستند. چندین مطالعه اخیر نشان می دهد که استراتژی های معاملاتی به نام اوراق بهادار با مدیریت نوسانات (VMPS) ، که از این الگوی در بازده با استفاده از اهرم های مختلف پویا به طور معکوس با ریسک بهره برداری می کنند ، بازده غیر طبیعی قابل توجهی و افزایش زیاد در ابزار سرمایه گذار را ایجاد می کنند. به طور خاص ، Moreira و Muir (2017) نشان می دهند که این نتیجه برای سبد بازار به همراه فاکتورهای مشترک ارزش سهام بر اساس نسبت کتاب به بازار ، حرکت ، سرمایه گذاری ، سودآوری و بتا بدست می آید.

نقض مدلهای منطقی تعجب آور نیست ، اگر محدودیت های داوری (LTA) از تصحیح نادرست جلوگیری کند. داوری ها فقط به تجارت مبنی بر بازده غیر طبیعی به حدی که امکان پذیر و از نظر اقتصادی سودآور باشد ، سرمایه گذاری می کنند (به عنوان مثال ، جنسن ، 1978). به عنوان مثال ، هزینه های معامله می تواند ناهنجاری ها را در "مقاله" بازگرداند (به عنوان مثال ، نووی-مارکس و ولیکوف ، 2016) ، موانع فروش کوتاه می توانند با جلوگیری از معاملات که اعتقادات منفی را در قیمت ها انجام می دهند ، "گران قیمت" را ادامه دهد (به عنوان مثالمیلر ، 1977) ، و ریسک داوری بازرگانان را از گرفتن موقعیت های بزرگ خودسرانه باز می دارد (به عنوان مثال ، شلیفر ، ویشنی ، 1997 ، پونتیف ، 2006). در این مقاله ، ما این فرضیه را آزمایش می کنیم که LTA از از بین بردن بازده غیر طبیعی اوراق بهادار با نوسانات ، که نیاز به درجه بالایی از گردش مالی ، اهرم و فروش کوتاه دارند ، غالباً در سهام فردی نسبتاً گران به تجارت جلوگیری می کنیم.

در بخش اول این مقاله ، ما عملکرد VMP ها را علاوه بر نمونه کارها بازار مدیریت شده پس از هزینه های معامله با استفاده از روش Novy-Marx و Velikov (2016) ارزیابی می کنیم ، که هزینه های معاملات پرتفوی حاشیه ای را برای یک معامله گر معمولی از سطح سهام نشان می دهدبرآوردگر گسترش مؤثر Hasbrouck (2009). یک مزیت مهم برای این رویکرد این است که برآوردهای گسترش ما در کل دوره نمونه CRSP به طور گسترده ای برای سهام فردی در دسترس است. ما نسخه های مدیریت شده با نوسانات از اندازه ، ارزش ، حرکت ، سودآوری و عوامل سرمایه گذاری FAMA ، فرانسوی ، 1993 ، FAMA ، فرانسوی ، 2015 ، Carhart (1997) و Hou et al را در نظر می گیریم.(2015) ، به همراه فاکتور شرط بندی-بتا از Frazzini و Pedersen (2014). Moreira and Muir (2017) مستند می کند که این VMP ها ALPHA های قابل توجه و اقتصادی بزرگ کسب می کنند ، اما برخلاف آنها برای سبد بازار مدیریت شده ، آنها تحقیق نمی کنند که آیا این Alphas از هزینه های معامله جان سالم به در برد. با این حال ، فاکتورهای غیر مارکتی هزینه های بسیار بالاتری نسبت به بازار دارند زیرا آنها در سهام با کلاه های کوچک که برای تجارت گران هستند ، موقعیت های نسبتاً بزرگی دارند. اهرم متغیر متغیر ذاتی برای VMP ها بیشتر این هزینه های معاملاتی را با افزایش حداکثر اندازه ممکن تجارت و مجبور کردن معاملات افزایش می دهد وقتی که هیچ یک در غیر این صورت در اوراق بهادار غیر کنترل نشده وجود نخواهد داشت.

مشخصات پایه ما از مدیریت نوسانات پیروی از Moreira و Muir (2017) و بازده ماهانه مقیاس با معکوس واریانس تحقق یافته ماه قبل است. ما می دانیم که این مشخصات گردش مالی ماهانه را به اندازه 15 برابر نسبت به عوامل کنترل نشده مربوطه افزایش می دهد ، با افزایش متناسب در هزینه های معاملات. در نتیجه ، پس از هزینه ها ، هیچ یک از VMP های پایه در هر دوره نمونه ای که ما در نظر می گیریم ، آلفا مثبت کسب نمی کنند ، و شش از هشت عامل مدیریت شده نسبت Sharpe به طور قابل توجهی پایین تر از همتایان غیرقابل کنترل خود هستند. ما در ادامه می بینیم که شش استراتژی کاهش هزینه برای کاهش سرعت معاملات یا نمایش سهام گران قیمت برای تجارت ، به طور کلی قادر به سودآوری VMP ها پس از هزینه ها نیستند ، با یک استثناء قابل توجه. استراتژی حرکت مدیریت شده هنگامی که مقیاس گذاری با نوسانات تحقق یافته بر روی ویندوزهای شش ماهه قبلی ، سازگار با Barroso و Santa-Clara (2015) و در هنگام حذف سهام کلاه های کوچک از ساخت فاکتور حرکت ، سودآور می شود. به طور کلی ، نتایج معاملات ما توضیح طبیعی ارائه می دهد که چرا تجارت آهسته نسبت به شوک های نوسانات در بازارها زنده مانده است تا میزان لازم برای تولید بازده غیر طبیعی پرتفوی های کوتاه مدت با مدیریت نوسانات. تجارت "کم آهسته" به سادگی سودآور نیست. علاوه بر این ، آرنوت و همکاران.(2017) و پاتون و ولر (2020) نشان می دهند که بسیاری از سرمایه گذاران بزرگ نهادی با هزینه های اجرای "همه در" استراتژی های معاملاتی با بالاتر از آنچه در مورد اقدامات گسترش مؤثر ما دلالت دارد ، روبرو هستند. برای این سرمایه گذاران ، برآورد هزینه معاملات ما از VMP ها محدودی پایین تر است.

محدودیت اصلی معیارهای اسپرد مؤثر هزینه های معاملاتی این است که تأثیر قیمت معاملات بسیار بزرگ را در نظر نمی گیرند. از این رو، ظرفیت VMP ها برای جذب سرمایه گذاری قبل از اینکه برای سرمایه گذاران جدید زیان آور شود را بررسی می کنیم. به طور خاص، قبل از اینکه نسبت آلفا یا شارپ VMP از نظر آماری ناچیز شود یا به صفر برسد، مقدار سرمایه جدیدی را که می توان به هر VMP در دو طرف بلند و کوتاه هدایت کرد، تخمین می زنیم. در حالی که مقیاس بندی بر اساس نوسانات شش ماهه و کاهش سهام با سرمایه کوچک به عامل حرکت مدیریت شده اجازه می دهد تا خالص آلفای قابل توجهی از اسپردهای موثر ایجاد کند، سرمایه گذار حاشیه ای این آلفا را پس از هدایت تنها 213 میلیون دلار و 49 میلیون دلار سرمایه جدید ناچیز می داند. به این معاملاتدویست و شصت و نه میلیون دلار یا کمتر در سرمایه جدید، اهمیت آماری آلفا را برای هر VMP در نظر گرفته شده در این مقاله از بین می برد، و صرف نیم میلیارد سرمایه، حتی برآورد نقطه آلفای مقاوم در برابر تاثیر قیمت را به صفر می رساند.. حتی سرمایه کمتر نیز سودهای مربوط به نسبت شارپ را از بین می برد.

در بخش دوم این مقاله ، ما بررسی می کنیم که آیا LTA علاوه بر هزینه های معاملات می تواند بازده غیر طبیعی نمونه کارها بازار با مدیریت نوسانات را توضیح دهد. در حالی که بازرگانان می توانند بازار را با هزینه های نسبتاً کم معاملات به بازار عرضه کنند ، هنوز هم ممکن است که سایر LTA از از بین بردن سوء استفاده از شوک های نوسانات جلوگیری کنند. برای آزمایش این فرضیه ، ما ارزیابی می کنیم که آیا دو مورد از پرکاربردترین LTA ، خطر داوری و موانع فروش کوتاه ، بازده غیر طبیعی نمونه کارها بازار مدیریت شده را توضیح می دهد. بسیاری از مطالعات نشان می دهد که ناهنجاری با سطح بالای این مقادیر در سطح مقطع افزایش می یابد. 4 به دنبال این ادبیات ، ما نمونه کارها بازار را بر اساس اقدامات LTA به سه پرتفوی با وزن تقسیم می کنیم و سپس هر یک از این اوراق بهادار را با استفاده از اهرم مورد استفاده در استراتژی مدیریت شده بازار مقیاس می کنیم. بازده غیر طبیعی این پرتفوی نشان می دهد که میزان استراتژی بازار مدیریت شده عملکرد خود را از سهام کم ، متوسط یا بالا LTA استخراج می کند. ما ریسک داوری را با نوسانات احمقانه و موانع فروش کوتاه معکوس توسط مالکیت نهادی ، که منبع اصلی عرضه سهام قابل وام برای سهام فروش کوتاه است ، اندازه می گیریم. در تضاد آشکار با فرضیه LTA ، و ادبیات قبلی در مورد ناهنجاری ها ، مدیریت نوسانات بزرگترین بازده غیر طبیعی را برای پرتفوی های متشکل از سهام که ساده ترین برای داوری هستند ، تولید می کند ، کسانی که کمترین خطر داوری و مانع های فروش کوتاه دارند. بنابراین ، LTA در سطح سهام ، کمبود ظاهری قیمت ها به شوک های نوسانات را توضیح نمی دهد.

ادبیات موجود شامل توضیحات بالقوه مبتنی بر احساسات برای عملکرد نمونه کارها بازار مدیریت شده است که مطابق با یافته های LTA ما است. یو و یوان (2011) از لحاظ نظری استدلال می کنند و از نظر تجربی نشان می دهند ، که در حالی که رابطه پیش بینی کننده بین نوسانات تحقق یافته ماهانه و بازده آینده بی قید و شرط ناچیز است ، وقتی احساسات کم و به میزان قابل توجهی منفی باشد ، به طور قابل توجهی مثبت می شود. دو فرض در مورد رفتار بازرگانان احساسات این الگوی را ایجاد می کند: اول ، آنها در صورت بالا بودن احساسات ، نسبت به اخبار نوسانات رعایت نمی شوند و دوم ، آنها با تهاجمی تر از فروش کوتاه خریداری می کنند. به طور خاص ، این رفتارها "کمتری" به نوسانات ایجاد می کنند ، که برای توضیح بازده غیر طبیعی نمونه کارها در بازار با مدیریت نوسانات ضروری است (هرچند کافی نیست). مطابق با یو و یوان (2011) ، ما می دانیم که به دنبال تحقق بالای شاخص Sentiment Baker و Wurgler (2006) ، مدیریت نوسانات بیش از دو برابر نسبت شارپ سبد بازار است. برعکس ، هنگامی که احساسات کم است ، مدیریت نوسانات در واقع نسبت شارپ بازار را تقریباً نصف کاهش می دهد. به طور کلی ، این نتایج مطابق با تجارت احساسات است که باعث بازده غیر طبیعی نمونه کارها در بازار با مدیریت نوسانات می شود ، که فرضیه تجارت آهسته بی قید و شرط Moreira و Muir را اصلاح و اثبات می کند (2017).

یافته های ما مکمل نتایج سدربورگ و همکاران است.(2020) ، که می دانند تخمین وزن نمونه کارها لازم برای بهره مندی بهینه از Alphas VMP ها در زمان واقعی است ، چالش برانگیز است. با این حال ، همین انتقاد به طور کلی بیشتر در مورد عمل معمول تفسیر ALPHAS به عنوان سودمند برای سرمایه گذاران اعمال می شود. به همین ترتیب ، لیو و همکاران.(2019) استدلال می کنند که برآورد پارامترهای دیگر مربوط به مدیریت نوسانات در زمان واقعی دشوار است. در این مطالعات ، خطای برآورد باعث از بین رفتن مدیریت نوسانات می شود. با این حال ، آنها نمی توانند این احتمال را رد کنند که سرمایه گذاران راهی برای تخمین وزن نمونه کارها داشته باشند که از ALPHA استفاده می کنند ، به عنوان مثال ، با استفاده از روش های بهینه سازی قوی (به عنوان مثال ، Kirby and Ostdiek ، 2012) یا وزن 1 / N ساده (به عنوان مثال ، Demiguel etآل. ، 2009). نتایج ما پیامدهای قوی تری دارد. این واقعیت که ، برای اکثر عوامل و استراتژی های مدیریت نوسانات ، هزینه های معاملات آلفا تولید شده توسط مدیریت نوسانات را از بین می برد و مانع از یافتن هرگونه وزنی در این عوامل مدیریت شده است که مرزهای میانگین واریانس را گسترش می دهد.

نتایج احساسات ما همچنین به مطالعات دیگری مربوط می شود که نشان می دهد بسیاری از بازده ناهنجاری ها به دلایل مشابه در زمان احساسات بالا نسبتاً زیاد هستند. به عنوان مثال ، آنتونیو و همکاران.(2013) استدلال می کنند که بازده حرکت در زمان های بالایی متمرکز است زیرا سرمایه گذاران غیر منطقی وقتی احساسات زیاد و کم اهمیت در اخبار منفی است ، در ارزیابی های بالای خود "بیش از حد" هستند. استامباو و همکاران.(2012) و Stambaugh و Yuan (2017) دریافتند که بازده 11 ناهنجاری در هنگام افزایش احساسات نسبتاً زیاد است. آنها این یافته را به ارزیابی بیش از حد از پاهای کوتاه ناهنجاری ناشی از احساسات زیاد سخت تر از کمبود ارزیابی پاهای بلند ناشی از احساسات کم نسبت می دهند. آنتونیو و همکاران.(2016) استدلال می کنند که احساسات بالا مشارکت معامله گران ناخوشایند را افزایش می دهد و شواهدی را پیدا می کند که این معامله گران به طور نامتناسب سهام بتای بالا را بیش از حد ارزیابی می کنند.

بقیه این مقاله به شرح زیر سازماندهی شده است. بخش 2 داده ها و روش های ما را توصیف می کند. بخش 3 علاوه بر سبد بازار ، نتایج را برای عوامل ارائه می دهد. بخش 4 نتایج را برای نمونه کارها بازار ارائه می دهد. بخش 5 نتیجه می گیرد.

قطعه قطعه

ساخت نمونه کارها با مدیریت نوسانات

به دنبال Moreira و Muir (2017) ، فرمولاسیون پایه ما از VMP ها به شرح زیر تعریف می شود. اجازه می دهد F T یک بازده خرید و خرید ("بدون کنترل") در ماه t ، نسخه مدیریت شده با نوسانات F T ، مشخص شده F T σ ، به صورت زیر تعریف شود: f t σ = c r v t-1 2 · f t ، جایی که r vT - 1 2 واریانس نمونه تحقق یافته بازده روزانه F T در ماه t - 1 است ، و C ثابت برای برابر بودن نوسانات بی قید و شرط F T و F T σ انتخاب می شود. انگیزه برای Eq.(1) از انتخاب بهینه نمونه کارها از a

نتایج پایه بدون هزینه معاملات

پانل A از جدول 2 ، که آمار عملکردی از عوامل مدیریت شده را نادیده گرفته می شود که هزینه های معامله را نادیده می گیرند ، (با موفقیت) تکرار می کند و نتایج اصلی عامل مدیریت شده Moreira و Muir (2017) را گسترش می دهد (جدول I). ما رگرسیون بازده اضافی از عوامل مدیریت شده را بر روی همتایان کنترل نشده خود اجرا می کنیم: f t σ = α + β f t + ϵ t. یک آلفا غیرزرو بازده غیر طبیعی را اندازه گیری می کند و نشان می دهد که حداکثر نسبت شارپ قابل دستیابی از دسترسی به خرید و خرید و تحرک با مدیریت

نتایج: عامل بازار

نتایج فوق نشان می دهد که هزینه های معامله می تواند توضیح دهد که چرا VMP های غیر بازار ALPHA تولید می کنند. این به سادگی سودآور نیست. در مقابل ، Moreira و Muir (2017) نشان می دهند که هزینه های معاملات نمی تواند عملکرد عامل بازار با مدیریت نوسانات را توضیح دهد. با این حال ، هنوز هم ممکن است که LTA مهم دیگر از تجارت داوری ها نسبت به شوک های نوسانات جلوگیری کند و منجر به "کمبود" ظاهری قیمت ها به نوسانات شود. ما تحقیق می کنیم

نتیجه

مطالعات قبلی نشان می دهد که اوراق بهادار با مدیریت نوسانات که باعث افزایش اهرم در هنگام ریسک کم می شود ، بازده غیر طبیعی قابل توجهی و بهبود نسبت شارپ را افزایش می دهد. این پدیده با توصیه های سرمایه گذاری متعارف مغایرت دارد و توسط مدلهای قیمت گذاری دارایی منطقی توضیح داده نمی شود. از این رو ، تعجب آور نخواهد بود اگر این پدیده فقط به دلیل اصطکاک داوری ادامه یابد. در واقع ، ما نشان می دهیم که عوامل غیر بازار با مدیریت نوسانات معمولاً پس از حسابداری برای معامله سودآور نیستند