هزینه و ظرفیت: مقایسه استراتژی های بتا هوشمند

هزینه های معاملات تأثیر بازار ناشی از خرید و فروش اوراق بهادار با قیمت های موقت در هنگام بازپرداخت شاخص است.

این هزینه ها به راحتی مشاهده نمی شوند زیرا همزمان در شاخص و نمونه کارها ردیابی شاخص رخ می دهند.

رشد سرمایه گذاری بتا هوشمند ممکن است بازده آینده این استراتژی ها را با رسیدن به ظرفیت سرمایه گذاری ، که به طور معکوس با هزینه های معاملاتی سالانه مرتبط است ، از بین ببرد.

سرمایه گذاران باید هنگام تصمیم گیری در مورد سرمایه گذاری ، ویژگی های مقرون به صرفه یک استراتژی مانند گردش مالی ، تمرکز ، نقدینگی و کل AUM را در نظر بگیرند.

هزینه های مدیریتی و کمیسیون ها به سختی تنها هزینه هایی هستند که یک سرمایه گذار باید در نظر بگیرد. ما تأثیر قیمت ایجاد شده از خرید و فروش سهام را در هنگام تعادل در سهام سهام ردیابی شاخص کمیت می کنیم و می یابیم که این تأثیر می تواند بازده اضافی مورد انتظار استراتژی های نمایه سازی را به میزان قابل توجهی از بین ببرد.

از آنجا که بیشتر مدیران ردیابی شاخص در هنگام تعادل شاخص ، با یکنواختی تجارت می کنند ، قیمت سهام خریداری شده به طور موقت تورم می شود و کسانی که می فروشند به طور موقت افسرده می شوند. با بازگشت قیمت ها در روزهای پس از تعادل ، سرمایه گذاران پول خود را از دست می دهند. تأثیر بازار یک هزینه معاملاتی بسیار واقعی است ، اما از سرمایه گذار پنهان است زیرا ارزش نمونه کارها به طور همزمان با شاخص تغییر می کند. درک بهتر از نحوه طراحی شاخص ها می تواند به سرمایه گذاران کمک کند تا افرادی که بیشترین پتانسیل را برای ارائه خالص بازده اضافی از هزینه های تأثیر واقعی بازار دارند ، انتخاب کنند.

شمشیر دو لبه محبوبیت بتا هوشمند

با وجود فرآیندهای سرمایه گذاری شفاف ، هزینه مدیریت نسبتاً کم و پتانسیل عملکرد بالاتر از حد متوسط ، استراتژی های بتا هوشمند بخش بزرگی از دارایی ها را به دور از مدیریت فعال سنتی منحرف کرده اند.

براساس داده های Morningstar Direct ، دارایی های تحت مدیریت (AUM) بتا ETF و صندوق های متقابل در بازارهای جهانی از زیر 75 میلیارد دلار در سال 2005 به بیش از 800 میلیارد دلار تا پایان سال 2016 افزایش یافته است. ما دارایی های بتا هوشمند را که مستقیماً توسط سرمایه گذاران نهادی نگهداری می شد ، درج کردیم.

اما ممکن است سرمایه گذاران با موفقیت صنعت خدمات مالی در جمع آوری دارایی های بتا هوشمند به خوبی خدمت نکنند. محققان دیگر نشان داده اند که اندازه صندوق به طور معکوس با عملکرد مرتبط است. با افزایش میزان AUM ، مدیران باید تعداد بیشتری از سهام را در مجموعه فرصت خود خریداری کنند و فشار قیمت رو به بالا را ایجاد کنند که بازده مورد انتظار را کاهش می دهد. برعکس ، هنگامی که مدیران موقعیت های موجود را می فروشند ، معاملات آنها قیمت ها را پایین می آورد و بازده تحقق یافته را کاهش می دهد.

علاوه بر این ، استراتژی های بتا هوشمند مبتنی بر شاخص از اثر مرخصی بازده هزینه های معاملاتی معاف نیستند. هنگامی که یک ارائه دهنده یک شاخص را مجدداً تعادل می بخشد ، تمام مدیرانی که آن را ردیابی می کنند وارد بازار می شوند تا مواضع خود را بر این اساس تنظیم کنند. حجم زیادی از سفارشات خرید و فروش برای همان اوراق بهادار ، که در همان زمان اجرا شده است ، منجر به حرکت اوراق بهادار در برابر مدیران می شود و برای سرمایه گذاران صندوق ها ضرر می کند.

این هزینه های تأثیر بازار به راحتی مشاهده نمی شود. این واقعیت که ارزش خالص دارایی یک صندوق به موازات بازده شاخص حرکت می کند ، این توهم را ایجاد می کند که پرتفوی ها هیچ تأثیر بازار ندارند. با این وجود ، هزینه به طور ضمنی در هر دو فهرست و صندوق های ردیابی منعکس می شود ، که ارزش های آنها به طور همزمان با قیمت های دارایی آنها تغییر می کند. بازده هر دو پایین تر از آنچه در صورت عدم تجارت بوده است.

تخمین هزینه‌های تراکنش بتای هوشمند - به‌ویژه، هزینه‌های تأثیر بازار «پنهان» - می‌تواند به شرکت‌کنندگان در بازار کمک کند تا ببینند چقدر اهمیت دارند. درک عواملی که آنها را هدایت می کند ممکن است به مدیران کمک کند تا استراتژی ها را به طور کارآمدتر طراحی کنند و سرمایه گذاران استراتژی ها را با دانش بیشتری انتخاب کنند. سرمایه گذاران معمولاً توجه خود را بر عملکرد شبیه سازی شده یا واقعی - که اغلب حتی اطلاعات مفیدی هم نیستند - و هزینه ها و هزینه های صریح، اغلب کوچکترین بخش هزینه، متمرکز می کنند. در نتیجه، اهمیت طراحی محصول متفکرانه معمولا نادیده گرفته می شود. با این حال، هزینه های مبادله پایدارتر از عملکرد است، که تمایل به بازگشت به میانگین دارد. هزینه های تراکنش، که به امتیازات پایه می رسد، می تواند تأثیر بسیار بیشتری نسبت به کارمزد مدیریت بر نرخ بازده تحقق یافته سرمایه گذار داشته باشد.

معرفی مطالعه

مطالعه ما دو مرحله دارد. ابتدا، برای پنهان کردن هزینه‌های تاثیر بازار که از خرید و فروش همزمان ناشی می‌شوند، یک مدل رگرسیون ساده ایجاد می‌کنیم که به ما امکان می‌دهد رفتار سهام‌هایی را که در طول تعادل مجدد 49 شاخص FTSE RAFI معامله شده‌اند، تجزیه و تحلیل کنیم، خانواده‌ای که شامل برخی از شاخص‌ها می‌شود. طولانی ترین تاریخچه زنده در فضای هوشمند بتا. ما تغییر غیرعادی قیمت را که با بازده مازاد بازار و صنعت منطقه‌ای توضیح داده نشده بود، کمیت می‌کنیم و الگویی از حرکات نامطلوب در تاریخ معامله و معکوس‌های جزئی در روزهای معاملاتی بعدی پیدا می‌کنیم.

دوم، برای مقایسه ظرفیت‌های استراتژی‌های بتای هوشمند محبوب، از یک مدل هزینه تاثیر بازار خطی (Aked و Moroz، 2015) برای شاخص‌های شبیه‌سازی شده استفاده می‌کنیم. روش‌های ساخت در ابزار تعاملی بتا هوشمند وب سایت ما موجود است. ما استراتژی‌ها را پس‌آزمایش می‌کنیم، هزینه‌های آن‌ها را در سطح معینی از AUM تقریب می‌زنیم، محرک‌های هزینه آن‌ها را شناسایی می‌کنیم، و مقدار دلاری دارایی‌هایی را که هر استراتژی می‌تواند نگه دارد، بدون فراتر رفتن از آستانه دلخواه، اما یکنواخت 50 واحد پایه (bps) در سال برآورد می‌کنیم. هزینه های تاثیر بر بازار

برآورد هزینه های تاثیر بازار

برای هر یک از 49 شاخص FTSE RAFI در مطالعه ما، از مجموع AUM و تغییرات در اوزان اوراق بهادار در تاریخ های تراز مجدد از سال 2009 تا 2016 استفاده می کنیم. دلارهای معامله شده در هر سهم در هر شاخص حاصل ضرب مقدار ردیابی AUM است. شاخص و تغییر وزن سهام از بسته شدن تاریخ تراز مجدد (وزن قبل از تراز مجدد) تا باز شدن روز معاملاتی بعدی (وزن پس از تعادل). از آنجایی که یک سهم را می توان با چندین شاخص معامله کرد، دلارهای معامله شده برای هر سهم را در همه شاخص ها جمع می کنیم تا کل دلارهای معامله شده را تعیین کنیم. بنابراین داده‌های ما، که در مجموع نزدیک به 50000 تراکنش به ارزش بیش از 56 میلیارد دلار است، منعکس‌کننده همه معاملات متعادل‌سازی مجدد توسط همه مدیرانی است که شاخص‌ها را در طول دوره مطالعه دنبال می‌کنند.

با در دست داشتن این داده ها، ما بازده باقیمانده سهام را از طریق رگرسیون بازده سهام به ارز محلی آن در برابر بازده بازار و صنعت مربوطه آن با محوریت تاریخ معامله به دست می آوریم. ما باقیمانده‌ها را به یک رویداد مشترک برای همه شرکت‌ها نسبت می‌دهیم - این واقعیت که همه آنها در تاریخ تعادل مجدد شاخص به شدت معامله می‌شوند - همراه با رویدادهای دیگری که تقریباً یکدیگر را خنثی می‌کنند زیرا برای هر شرکتی خاص هستند. سپس، در یک رگرسیون پانل با استفاده از تمام معاملات، ضریب تاثیر بازار روز معامله، k را جدا می کنیم.₀، بازده مازاد که به طور خطی به اندازه تجارت متعادل کننده نسبت به کل حجم معاملات سهام در روز تعادل مرتبط است.

تحقیقات ما تأیید می‌کند که میزان تأثیر قیمت قابل پیش‌بینی است زیرا مستقیماً با اندازه تجارت و نقدینگی اوراق بهادار مرتبط است. استراتژی‌ها تقریباً 30 واحد در ثانیه از هزینه‌های معاملاتی را متحمل می‌شوند که دلیل آن تأثیر بازار به ازای هر 10 درصد از میانگین حجم معاملات روزانه یک سهام در مجموع است. شواهد قابل توجهی از الگویی که در سراسر بازارهای جهانی وجود دارد نیز آشکار می شود: تأثیر بازار به طور متوسط 43 واحد در ثانیه در روز تعادل مجدد، با معکوس شدن نسبی در چهار روز آینده. تحلیل ما در بازه زمانی 2009 تا 2016 از بازار ایالات متحده، بازارهای توسعه یافته به استثنای ایالات متحده و بازارهای نوظهور، نشان می دهد که به ازای هر 10 درصد از حجم معامله شده در یک سهام، قیمت به طور متوسط 43 واحد در ثانیه در برابر معاملات تغییر می کند. در روز معامله و 24 bps در جهت دیگر در چهار روز آینده.

ما یک مثال فرضی برای نشان دادن اینکه چگونه تاثیر بازار به عنوان هزینه معاملاتی برای سرمایه گذاران رخ می دهد، ارائه می دهیم. فرض کنید یک معامله گر یک معامله رفت و برگشت (خرید، نگهداری و فروش) یک سهام با ارزش بازار 100 دلار برای هر سهم را در اندازه معاملاتی معادل 10 درصد از حجم معاملات روزانه انجام می دهد. او سطح قیمت 100 دلار را مشاهده می کند و سهام را با قیمت متوسط 100. 43 دلار می خرد. پس از چند روز، ارزش سهام به طور متوسط 24 سنت کاهش می یابد و به 100. 19 دلار می رسد. سپس معامله‌گر دستور فروش سهام را صادر می‌کند، در این مرحله قیمت به طور متوسط 43 سنت کاهش می‌یابد و او به قیمت 99. 76 دلار به فروش می‌رسد. در مجموع، معامله گر به طور متوسط 67 سنت برای هر سهم (100. 43 دلار منهای 99. 76 دلار) یا 67 واحد در ثانیه برای رفت و برگشت ضرر می کند. چند روز پس از فروش، قیمت سهام به طور متوسط 24 سنت به 100 دلار باز می گردد و در نتیجه هیچ تاثیر بلندمدتی از معاملات بر قیمت نخواهد داشت.

مدیرانی که سفارشات خود را در زمان بسته شدن بازار ارسال می‌کنند، ممکن است خطاهای ردیابی پایینی نسبت به شاخص‌هایی که هدف قرار می‌دهند، داشته باشند. با این حال، معاملات مدیران قیمت سهام را بالا یا پایین می‌برد و تاثیر آن در بازده شاخص‌هایی که در نهایت ارزش آن‌ها بر اساس قیمت‌های پایانی محاسبه می‌شود، تعبیه می‌شود. این نکته ی مهمی است. هزینه تاثیر بازار پنهان است و در مقایسه مستقیم عملکرد صندوق و عملکرد شاخص قابل مشاهده نیست.

مقایسه استراتژی‌های بتا هوشمند

ما همچنین هزینه های مربوط به اجرای طیف وسیعی از استراتژی های بتا هوشمند را برآورد می کنیم. ضمیمه روش‌های بتای هوشمندی را که ما استفاده می‌کنیم، خلاصه می‌کند. این روش‌ها برای شبیه‌سازی استراتژی‌های محبوب‌تر در بازار امروزی در نظر گرفته شده‌اند. ما روش‌هایی را طراحی می‌کنیم تا جهان‌های آغازین، تعاریف منطقه‌ای و تاریخ‌های تعادل مجدد را ارائه دهیم. برای محاسبه هزینه‌ها، AUM را برای استراتژی‌های ایالات متحده و بین‌المللی معادل 10 میلیارد دلار و برای استراتژی‌های بازارهای نوظهور معادل 1 میلیارد دلار فرض می‌کنیم.

یافته های ما قابل توجه است. برای مثال، تعیین می‌کنیم که در طول دوره‌ای که مشاهده می‌کنیم، استراتژی‌های حرکتی با حداقل 10 میلیارد دلار دارایی کل دارای هزینه‌های تجاری 200 واحد در ثانیه یا بیشتر هستند. در همان سطح AUM، هزینه های استراتژی های درآمدی در محدوده 60-80 bps است و هزینه های استراتژی های کیفیت به زیر 40 bps می رسد.

اگر عواملی را که هزینه‌های بسیار متفاوت استراتژی‌های مختلف را هدایت می‌کنند، درک کنیم، مقایسه‌ها حتی معنادارتر می‌شوند. استفاده از مدل هزینه تاثیر بازار Aked و Moroz به ما این امکان را می‌دهد که هزینه‌های پیاده‌سازی را به ویژگی‌های کلیدی مرتبط با تجارت استراتژی‌های بتای هوشمند، از جمله حجم پورتفولیو، شیب، گردش مالی، تمرکز گردش مالی، و تعداد روزهای معامله نسبت دهیم. ما این اصطلاحات را به صورت زیر تعریف و توصیف می کنیم:

1. حجم نمونه کارها تجمع متوسط روزانه تجارت روزانه ، به دلار ، از کلیه سهام موجود در نمونه کارها است. هزینه یک استراتژی به طور معکوس با حجم نمونه کارها متناسب است. همه مساوی ، یک نمونه کارها با کلاه کوچک در صورتی که نیمی از حجم کل دوم داشته باشد ، دو برابر بیشتر از آن به عنوان یک نمونه کارها درپوش بزرگ هزینه خواهد داشت.

2. شیب ، در این زمینه ، درجه ای است که وزنه کارها از یک نمونه کارها با وزن حجم منحرف می شوند ، که مایع ترین ترکیب مجموعه ای از سهام است. نمونه کارها با وزن حجم دارای شیب 1 است. همه چیز برابر است ، یک نمونه کارها با شیب 2 ، هزینه های تأثیر بازار دو بار را تجربه می کند.

3. گردش مالی سالانه یک طرفه دیگر تعیین کننده هزینه است. به طور کلی ، استراتژی که نیاز به نرخ بالاتری از معاملات دارد ، هزینه های بیشتر تأثیر بازار را متحمل می شود.

4- غلظت گردش مالی نشان دهنده میزان گسترش معاملات در نمونه کارها است. به عنوان مثال ، دو تعادل با همان نرخ گردش مالی را در نظر بگیرید. یکی نیاز به خرید 100 میلیون دلار از سهام یک شرکت بزرگ یک شرکت بزرگ دارد ، در حالی که دیگری نیاز به خرید 10 میلیون دلار از سهام 10 شرکت بزرگ کلاه دارد. معاملات بسیار متمرکز ، مانند سابق ، برای اجرای آن پرهزینه تر است. علاوه بر این ، استراتژی هایی که مرتباً تعادل می یابند (به عنوان مثال ، سه ماهه در مقابل سالانه) تمایل به غلظت گردش مالی کمتری دارند.

5- تعداد روزهای معاملاتی نیز عامل مهمی در هزینه است ، اما توجه داشته باشید که اجرای آن را توصیف می کند نه اینکه ویژگی یک استراتژی بتا هوشمند باشد. یک مجری که کمتر به خطای ردیابی مربوط می شود می تواند با گسترش یک تعادل واحد در طی چند روز نقدینگی بازار ، هزینه را به طور مؤثر کاهش دهد.

برآورد هزینه جامد علاوه بر این می تواند در ظرفیت های نسبی نیز روشن شود. از لحاظ رویه ای ، ما هزینه ثابت را برای کلیه استراتژی ها با 50 bps در سال تعیین می کنیم و AUM مربوطه را محاسبه می کنیم ، به طور مؤثر ظرفیت را به عنوان بیشترین میزان دارایی که یک استراتژی می تواند بدون تحمل بیش از 50 bps از تأثیر بازار در سال باشد ، تعیین می کنیم. این رویکرد برای مقایسه ظرفیت های استراتژی های مختلف بتا هوشمند ، پایه ای را به ما می دهد.

هزینه های تأثیر بازار استراتژی های بتا هوشمند شبیه سازی شده ایالات متحده که ما مطالعه می کنیم از 272 bps بالا برای یک استراتژی حرکت استاندارد تا پایین 2 bps برای استراتژی شاخص اساسی است. برعکس ، ظرفیت این استراتژی ها ، با یک سطح هزینه 50 جفت باز ، از 2 میلیارد دلار برای یک استراتژی حرکت استاندارد تا 291 میلیارد دلار برای یک استراتژی شاخص اساسی اجرا می شود.

آمار نمونه کارها در حال گفتن است. به عنوان مثال ، استراتژی های حرکت شارپ و حرکت استاندارد دارای نرخ گردش مالی بالایی (به ترتیب 108. 5 ٪ و 155. 8 ٪) ، غلظت گردش مالی بالا (به ترتیب 88. 4 ٪ و 90. 2 ٪) و حجم پرتفوی پایین (به ترتیب 35. 7 میلیارد دلار و 37. 9 میلیارد دلار))نسبت به سایر استراتژی های بتا هوشمند. در مجموع ، این خصوصیات حاکی از آن است که این دو استراتژی دارای منابع متمرکز یا غیرقانونی بوده اند ، کاملاً از چند موقعیت خارج و در چند موقعیت تجارت می کنند و این کار را با سرعت سریع انجام می دهند. همه این صفات به هزینه بالای استراتژی ها کمک می کند. در مقابل ، حرکت شارپ و حرکت استاندارد دارای کمترین شیب ، در 1. 3 است که نشان می دهد وزن آنها با سرمایه گذاری در بازار (یا یک نوع) برخی از چالش های معاملاتی را کاهش می دهد. به طور کلی ، حرکت ممکن است به عنوان یک استراتژی بتا هوشمند مستقل انتخاب خوبی نباشد ، با فرض اینکه مجریان از اجرای منفعل استفاده می کنند.

استراتژی های رشد سود سهام و سود سهام نیز هزینه های نسبتاً بالایی دارند. نرخ گردش مالی آنها بسیار پایین تر از روشهای استراتژی های حرکت است زیرا هر دو از قوانین باند سختگیرانه استفاده می کنند. دلایل اصلی هزینه های بالای آنها حجم پایین نمونه کارها آنها به ترتیب 13. 4 میلیارد دلار و 26. 0 میلیارد دلار به ترتیب و کاشی های بالا به ترتیب 9. 3 و 4. 5 است ، به احتمال زیاد نتیجه سرمایه گذاری در تعداد کمی از شرکتهای با بالاترین بازده و وزن گیری مواضع آنهابر اساس عملکرد. سرمایه گذاران که به دنبال جریان پایدار سود سهام سالم هستند ، به صورت هزینه های تأثیر بازار قیمت پنهان می پردازند.

شاخص اساسی یک شاخص گسترده در بازار است ، همانطور که با حجم بسیار زیاد نمونه کارها آن 96. 6 میلیارد دلار نشان داده شده است. تعادل مجدد آن در درجه اول شامل بازگرداندن نمایندگان موجود به وزن اساسی آنها است. بر این اساس ، هر دو میزان گردش مالی آن (11. 4 ٪) و غلظت گردش مالی (9 /21 ٪) کمترین استراتژی های بتاس هوشمند در نمونه ما هستند. شیب آن نیز کم است ، از نظر استراتژی های دارای وزن CAP ، نشان می دهد که اندازه اساسی با حجم معاملات بسیار ارتباط دارد. در مقابل ، استراتژی ارزش متمرکز از ظرفیت قابل توجهی پایین تر است. شرط بندی قوی و مستقیم بر روی یک عامل هدف ممکن است لزوماً منجر به بازده بالاتر نشود و تقریباً مطمئناً هزینه های اجرای بالاتری و همچنین خطر بیشتری را ایجاد می کند.

اگرچه استراتژی های موجود در گروه نوسانات کم از روش ها و ویژگی های متمایز برخوردار هستند ، همه آنها به هدف اصلی سرمایه گذاری خود می رسند - بازده قابل توجهی با ریسک کمتری. آنها هزینه های تأثیرگذاری در بازار بسیار متفاوتی دارند ، با این حال ، از 1. 9 ٪ برای استراتژی اساسی نوسانات پایین (تقریباً به اندازه حرکت) تا 7 bps برای استراتژی دفاعی و 5 bps برای استراتژی نوسانات کم RAFI (تقریباً به اندازه اساسی کم است. فهرست مطالب). دامنه طول بالا و طولانی ، اهمیت طراحی شاخص را تأکید می کند. استراتژی اساسی نوسانات پایین ساده ترین روش و کمترین نوسانات شبیه سازی شده را دارد. با این وجود ، اختلاف 185 جفت باز در هزینه های اجرای مورد انتظار برای غافل شدن بسیار زیاد به نظر می رسد.

سرانجام ، استراتژی های چند عاملی علی رغم پیچیدگی اضافه شده ، هزینه های متوسطی دارند. مخلوط کردن چندین پرتفوی تک عاملی تمایل به کاهش هزینه ها دارد زیرا استراتژی های تشکیل دهنده نقدینگی را در زیر مجموعه های مختلف بازار پیدا می کنند و معاملات اتفاق می افتد در سطح فاکتور فردی ممکن است یکدیگر را در سطح نمونه کارها جبران کنند.