Quantcraft ： 在对冲基金迷宫中导航

全球 日期2024年2月6日 VivekAnand+44(20)754-52789 导航对冲基金迷宫 研究团队 这是我们Quantcraft系列的第四十九版。本期刊概述了不同资产类别的新交易和分析模型。 VivekAnandClaytonGillespieCaioNatividadeGianpaoloTomasiGanchiZhang 今天的报告浏览了对冲基金投资的复杂格局，揭示了对策略、业绩趋势和创新投资组合构建方法的见解。我们检查了对冲基金研究（HFR）数据库，讨论了分析对冲基金业绩，风险衡量，经理选择和风险分析的复杂性。 我们引入了一种定量方法来构建针对特定投资者目标的投资组合-无论是实现市场中性还是减轻亏损。 此外，我们调查了对冲基金和基于银行的QIS策略之间的关系，展示了它们通过多元化来协同投资组合增强的潜力。 总之，这项研究提供了一个精致的视角来指导投资者通过这种有价值但复杂的另类资产类别的复杂性。 附录1中重要的研究披露和分析师认证投资者：美国监管机构尚未批准大多数外国上市的美国投资者股指期货和期权。合资格的投资者可以通过非处方产品获得风险敞口。德意志银行正在并寻求与其研究报告中涵盖的公司开展业务。因此，投资者应该意识到公司可能存在利益冲突，可能会影响本报告的客观性。投资者应将此报告视为仅是单一因素。做出投资决策。MCI(P)041/10/2023。7T2se3r0Ot6kwoPa 本Qatcraft的结构如下：第2节介绍了HFR数据库，强调了其覆盖范围，偏见以及我们解决这些问题的方法。在此基础上，第3节深入研究了对冲基金业绩的复杂性，涵盖了跨风格的回报分布、因子暴露和持久性等方面。接下来，第4节介绍了我们构建对冲基金投资组合以满足特定投资者目标的量化框架，其中包括市场中性和CTA投资组合的示例。第5节探讨了对冲基金与QIS策略之间的关系。最后，第6节总结了关键见解并提供了最终想法。此外，附录I介绍了我们将QIS策略跨资产类别和风格相结合的方法，以最大化绝对回报，同时保持市场中性。 导航对冲基金迷宫 1.Introduction 对冲基金是机构投资者投资组合的基本支柱，并通过提供多样化和可靠的正回报来证明其价值。但正如乔治·索罗斯所说的那样，“对冲基金就像一座金矿。如果你知道在哪里挖，你可以赚很多钱。但如果你不这样做，你可能会损失很多钱。这项研究旨在为投资者提供一个框架，通过评估各种策略，审查基金经理以及构建符合最佳投资目标的投资组合，谨慎地“知道在哪里挖掘”。 2.HFR数据库简介 为了解开对冲基金业绩的复杂性并做出明智的投资决策，本研究有三个主要目标： 2.1数据集 在这项研究中，我们利用HFR数据库1获取经理的业绩数据。对冲基金研究（HFR）维护一个基于订阅的数据库，包括6,000多个基金（截至2022年6月），提供自1990年以来的每月回报数据，尽管在此之前的覆盖范围有限。HFR数据库提供了对冲基金业绩和统计数据的全面存储库，使我们能够进行严格的行业分析。图2描绘了HFR数据库中所有对冲基金的覆盖范围。值得注意的是，对冲基金的数量近年来从大约1万的峰值下降。 1.□提供关键的见解。为投资者提供必要的见解涉及破译对冲基金业绩的复杂性。这包括仔细检查各种风格的回报分布，检查因子敞口以及评估随时间的持久性。该分析旨在增强投资者对对冲基金投资固有动态的理解。 2.□引入定量分配框架。这项研究的一个重要贡献是引入了一个量化框架，旨在构建适合特定投资者目标的最佳对冲基金投资组合，例如实现市场中性或提供凸性。通过提出一种系统的投资组合构建方法，投资者配备了一个强大的工具，使他们的投资组合与精确的投资目标保持一致。 3.□评估对冲基金与基于银行的量化投资解决方案(QIS)策略。本研究进行了比较分析，针对基于银行的量化投资解决方案（QIS）策略评估对冲基金，以评估对冲基金相对于标准QIS策略可以提供的潜在成本调整后的alpha；我们还调查了对冲基金与QIS策略之间的关系，展示他们通过更大的多元化来协同增强投资组合的潜力。 在这项研究中，我们专注于通过基础方法区分的五种主要策略分类- 全球宏观、事件驱动、相对价值、股票对冲和基金中的基金： □全球宏观基金经理利用自上而下的自由裁量方法来评估全球宏观经济趋势。□事件驱动型专家围绕合并、重组或破产等公司事件瞄准机会，以捕捉估值差异。□相对价值基金旨在通过复杂的套利技术利用定价差异。□股票对冲类基金将基本面选股与量化alpha模型相结合，叠加可变市场净敞口。□最后，FundofFunds提供捆绑的多经理工具，以更好地分散特定于经理的风险。 As Figure 3 shows, Equity Hedge has traditionally constitutedthe majority share within the database by aggregated assets.Accessing the HFR database allows 通过自动分类对这些主要策略分类进行深入分析。 作为静态描述符的补充，HFR还提供了四种有用分类的时变时间统计信息： □业绩：对冲基金在每个时间段的业绩数据。□资产：指定每个对冲基金随时间持有的资产。□区域：指定基金的区域投资分配(即加拿大、美国等)。□工具：指定基金的工具投资分配（即债券、股票等）。 2.2HFR数据库中的对冲基金指标全面的HFR数据库为研究人员提供了一组广泛的管理器指标，涵盖了两个广泛 的分类-静态和时间属性。静态特征包含自基金成立之日起保持不变的固定细节。这包括不变的标识符、启动年份、披露的管理费结构、高水印激励条款的使用、HFR跟踪的精确开始日期以及在发起时建立的其他合同条款。如图4所示，这些透明的静态描述符为基金的运营方法提供了初步视角。 从HFR数据库中纳入活跃和失效的基金(图6)。 资料来源：德意志银行，彭博财经LP，HFR。 对冲基金研究中的另一个关键数据偏差是回填或即时历史偏差。当新基金的加入追溯增加了历史收益时，就会出现这种偏差，从而形成了夸大的早期跟踪记录，因为通常只有成功的基金才会报告初始业绩。HFR数据库提供了将资金添加到数据库的日期，以及首次报告业绩的日期。平均而言，从数据库包含日期到首次报告业绩日期之间要经过18个月，因为基金最初上市时通常会提供大约1.5年的回填历史回报。因此，为了避免我们分析中的回填偏差，我们省略了数据库中所有基金的前18个月收益。图7显示了HFR数据库内回填数据与未回填数据的覆盖范围。 最初，我们的数据集包含28,344个对冲基金的信息，这两个对冲基金都已解散2和生活3。然而，由于基金报告各种货币的回报，出现了重复。我们排除了非美元对冲基金，以确保数据的准确性，导致19,799个不同对冲基金的精炼样本。 接下来，我们调查对冲基金研究中的潜在偏见，并详细说明我们解决这些偏见的方法。 2.3对冲基金数据库中的偏见 对冲基金研究容易受到数据偏差的影响，其中一些数据偏差是众所周知的，文献中已经广泛涵盖4. Thefirstexampleisthesurvivorshipbiasthatarisedwhenonlyhedgefundsstilloperating at the end ofthe sample period areincludedintheanalysis.Thiscanleadtohedgefundperformancebeingoverestimated,asthe失败的基金被排除在外。我们通过以下方式减轻这种偏见 4布朗等人(1999)、冯和谢(2000)、梁(2000)和亚历山大和迪米特里(2004年)。 接下来是选择偏差。这发生在对冲基金数据库中，因为报告是自愿的，创建了一个不具有代表性的样本。优秀的表演者可能会参与吸引资本，从而使报告的回报向上倾斜。但是，如果不需要投资，一些强大的基金可能会避免报告，从而通过排除顶级非记者来降低收益。虽然量化净效应具有挑战性，因为无法观察到的全部人口，我们承认潜在的影响。我们旨在通过使用强大的HFR数据库来缓解这一问题，该数据库捕获了大多数对冲基金的信息，尽管这种普遍的行业自愿报告偏见。 □剔除历史不超过两年的基金，以减少多期抽样偏差。□去除基于波动性的异常值，以消除扭曲。 这个数据清理过程产生了一个无偏的、有代表性的子集，适合随后对对冲基金随着时间的推移表现的决定因素进行复杂的分析。 最后，对冲基金数据库还面临多期抽样偏差，这源于缺乏足够回报历史的基金。包括回报历史有限的基金可能会导致结果偏差。如果只提供短期业绩记录，投资者可能会高估未来的表现。此外，由于观察不足，样本量小阻碍了稳健的统计分析。为了缓解这种前瞻偏差，我们强加了24个月的最低收益历史要求，不包括数据不足的新基金。 3.对冲基金业绩的复杂性 在上一节中，我们讨论了对冲基金数据库中常见的偏见，以及我们通过全面的数据过滤来缓解这些偏见的方法。在这个经过过滤的基金会的基础上，我们现在深入研究对冲基金业绩的复杂性。我们的分析评估了主要策略和子策略的回报分布，通过相关性和主成分透镜评估了一段时间内的关系。这些对跨策略的绩效模式的定量评估可作为报告后面的无偏差经理选择的门户。 最后的数据清理步骤涉及删除异常值，为此，我们排除了长期波动率在第1和第99百分位数之外的基金。 从最初的19,799美元计价基金，我们的综合偏差去除过程产生了13,274个基金的无偏差子集，代表了样本大小减少了32％。图8说明了原始和“擦洗”的宇宙。 3.1收益分布、相关性和PCA分析我们通过观察对冲基金随时间的年度收益分布来开始分析。图9绘制了基金间第75百分位数、中位数和第25百分位数的年度业绩。 对冲基金收益中位数的下降趋势（图9，上图）表明业绩变得越来越具有挑战性，尤其是在金融危机期间和之后。潜在驱动因素包括更高的跨资产相关性，更频繁的小型危机以及对资产收益和波动性的宏观影响越来越大。尽管如此，结果突显了对冲基金经理的选择变得越来越重要。 图9（下图）显示了对冲基金年度收益的第75百分位数和第25百分位数之间的业绩差异。有趣的是，这个四分位数范围显示出紧缩趋势，这意味着对冲基金收益在最近一段时间相对于历史变得不那么差异化，并且可能更加相关。 分析对冲基金对之间的收益相关性分布为整个宇宙的业绩同质性提供了另一个视角。如图10所示，基金之间的平均相关系数在评估期内增加。这进一步证实了最近一段时间的回报趋同加速，重申了在当前时代相对于历史，经理人选择可能具有递减的差异化潜力。 Insummary,to ensure an accurate evaluation of hedge fundperformancedriversinthefollowingsections,werefinetheuniverseby: □纳入非活跃基金以减少幸存者偏差。□排除回填的回报，以最大程度地减少即时历史记录偏差。 随着基础基金在危机中变得更加系统相关，规模缩小。 尽管从历史上看已经有限，但紧缩特征向量集与先前的相关性分析相结合，重申了动荡引起的系统联系主导了对冲基金的变化，为多样化留下了递减的空间。 Insummary,medianhedgefundreturnshavebroadlydeclinedovertime,whileperformanceconvergencehastotallydecreaseddifferentiationacrossunderlyingmanagers.Thesejointdynamichighingineveratingchallsinmanagerselectionandthequestforreal Footingforward,we shift the analysis to evaluating relativep