फंग - ह्सिह - अनुभवजन्य - विशेषताओं - गतिशील व्यापार - रणनीतियों

विकास अग्रवाल, नारायण वाय। नायक द्वारा 2002 हेज फंड को गैर-रेखीय विकल्प जैसे एक्सचेंजों को मानक परिसंपत्ति वर्गों में प्रदर्शित करने के लिए जाना जाता है और इसलिए पारंपरिक रेखीय कारक मॉडल उनके जोखिम-वापसी व्यापारिक वस्तुओं को कैप्चर करने में सीमित सहायता प्रदान करता है। हम विकल्प-आधारित जोखिम वाले कारकों के साथ पारंपरिक मॉडल को बढ़ाकर इस समस्या का समाधान करते हैं। हे हेज फंड को गैर-रैखिक विकल्प-जैसे एक्सचेंजों को मानक परिसंपत्ति वर्गों में प्रदर्शित करने के लिए जाना जाता है और इसलिए पारंपरिक रेखीय कारक मॉडल उनके जोखिम-वापसी व्यापारिक वस्तुओं को हासिल करने में सीमित सहायता प्रदान करता है। हम विकल्प-आधारित जोखिम वाले कारकों के साथ पारंपरिक मॉडल को बढ़ाकर इस समस्या का समाधान करते हैं। हमारे परिणामों से पता चलता है कि इक्विटी उन्मुख हेज फंड की रणनीति बड़ी संख्या में बाजार सूचकांक पर डाल विकल्प में एक छोटी स्थिति की तरह आती है, और इसलिए बाएं-पूंछ के जोखिम का जोखिम उठाते हैं, जो सामान्य तौर पर इस्तेमाल किए गए माध्य-विचरण ढांचे । माध्य-सशर्त मान-एट-रिस्क फ्रेमवर्क का उपयोग करना, हम उस हद तक प्रदर्शित करते हैं, जो औसत-भिन्नता ढांचे पूंछ जोखिम को कम करके नहीं दर्शाता है। मिल्मा गेटमंस्की, एंड्रयू डब्लू लो, इगोर मकारोव द्वारा अंतर्निहित प्रणालीगत के साथ कार्य करना - वित्तीय अर्थशास्त्र के जर्नल। 2004 फंड और अन्य वैकल्पिक निवेश को बचाव करने के लिए रिटर्न अक्सर अधिकतर क्रमानुसार सहसंबंधित होते हैं, अधिक परंपरागत निवेश वाहनों के रिटर्न के विपरीत, जैसे लंबे समय से केवल इक्विटी पोर्टफोलियो और म्यूचुअल फंड। इस पत्र में, हम इस तरह के सीरियल सहसंबंध के कई स्रोतों को खोजते हैं और एस। फंड और अन्य वैकल्पिक निवेश को बचाव करने के लिए रिटर्न अक्सर अधिकतर क्रमानुसार सहसंबंधित होते हैं, अधिक परंपरागत निवेश वाहनों के रिटर्न के विपरीत, जैसे लंबे समय से केवल इक्विटी पोर्टफोलियो और म्यूचुअल फंड। इस पत्र में, हम इस तरह के सीरियल सहसंबंध के कई स्रोतों का पता लगाते हैं और यह दर्शाते हैं कि सबसे अधिक संभावना स्पष्टीकरण अल्टिलिविटी एक्सपोजर है, अर्थात् सिक्योरिटीज में निवेश जो सक्रिय रूप से कारोबार नहीं कर रहे हैं और जिसके लिए बाजार की कीमतें आसानी से उपलब्ध नहीं हैं। अतरलक्षित प्रतिभूतियों के पोर्टफोलियो के लिए, रिपोर्ट में रिटर्न रिटर्न की तुलना में चिकना होगा, जो कि अस्थिरता को कमजोर करेगा और शार्क अनुपात जैसे जोखिम-समायोजित प्रदर्शन उपायों में वृद्धि करेगा। हम अल्टिलिविटी एक्सपोज़र के अर्थमितीय मॉडल का प्रस्ताव करते हैं और चिकनाई प्रोफ़ाइल के साथ-साथ स्मुटिंग-एडजस्टेड शार्प रेशियो के लिए अनुमानक विकसित करते हैं। TASS डेटाबेस से तैयार की गई 908 हेज फंड के नमूने के लिए, हम यह दिखाते हैं कि हमारे अनुमानित चिकनाई गुणांक हेज-फ़ंड शैली श्रेणियों में बहुत भिन्न होते हैं और अल्टिलिविटी एक्सपोजर को बढ़ाते हुए एक उपयोगी प्रॉक्सी हो सकते हैं। मार्कस के। ब्रुनेर्मिएयर, स्टीफन नागल - वित्त वॉल्यूम का जर्नल लिक्स, नहीं। 5 अक्टूबर 2004. 2004 यह कागजात दस्तावेज है कि हेज फंड ने टेक्नोलॉजी बबल के दौरान स्टॉक की कीमतों पर सही बल लागू नहीं किया था। इसके बजाय, वे भारी तकनीकी स्टॉक में निवेश कर रहे थे यह बुलबुले की अनभिज्ञता का नतीजा नहीं दिखता है: हेज फंड ने उत्थान पर कब्जा कर लिया है, लेकिन, उनकी स्थिति कम करके यह कागजात दस्तावेज है कि हेज फंड ने टेक्नोलॉजी बबल के दौरान स्टॉक की कीमतों पर सही बल लागू नहीं किया था। इसके बजाय, वे भारी तकनीकी स्टॉक में निवेश कर रहे थे यह बुलबुले की अनजानता का नतीजा नहीं लगता है: हेज फंड ने उत्थान पर कब्जा कर लिया है, लेकिन गिरावट के बारे में गिरावट के बारे में अपनी स्थिति कम करके, मंदी का अधिक से बचा नहीं। हमारे निष्कर्षों ने कुशल बाजारों के विचार से कहा है कि तर्कसंगत सट्टेबाज़ हमेशा कीमतों को स्थिर करते हैं वे ऐसे मॉडलों के अनुरूप होते हैं जिनमें तर्कसंगत निवेशक बुलबुले की सवारी करना पसंद करते हैं क्योंकि मध्यस्थता के लिए अनुमान लगाने योग्य निवेशक भावना और सीमाएं होती हैं। इस तरह से सहसंबद्ध होना चाहिए। दूसरा, कुछ हेज फंड भी गतिशील व्यापार रणनीतियों को लागू कर सकते हैं, जो परिसंपत्ति वर्ग के कारकों के लिए गैर-रैखिक जोखिम उत्पन्न करते हैं, जिसका अर्थ है कि एक रेखीय मॉडल को याद किया जाता है (-फ़ंग और सिक्स 1997 - अग्रवाल और नाइक 2000)। हमने स्कैटरप्लॉट की अनौपचारिक जांच की और हेज फंड रिटर्न के हमारे नमूने में बहुत गैर-रैखिकता नहीं पाई। कुल मिलाकर, हम मानते हैं कि हमारे सरल मॉडल 6 फंड के लिए जेनिफर एन। कारपेंटर - जर्नल ऑफ फाइनेंस 2000 यह पत्र एक जोखिम वाले प्रबंधक की गतिशील निवेश की समस्या को हल करता है, जो वह संपत्ति पर कॉल विकल्प के साथ मुआवजा देता है जो वह नियंत्रित करता है। प्रबंधकों के अनुकूलतम नीति के तहत, विकल्प या तो पैसे से गहरे या गहराई से समाप्त होता है। जैसा कि परिसंपत्ति मूल्य शून्य में जाता है, अस्थिरता अनगिनत होती है। हालांकि, टी यह पत्र एक जोखिम वाले प्रबंधक की गतिशील निवेश की समस्या को हल करता है, जो वह संपत्ति पर कॉल विकल्प के साथ मुआवजा देता है जो वह नियंत्रित करता है। प्रबंधकों के अनुकूलतम नीति के तहत, विकल्प या तो पैसे से गहरे या गहराई से समाप्त होता है। जैसा कि परिसंपत्ति मूल्य शून्य में जाता है, अस्थिरता अनगिनत होती है। हालांकि, विकल्प का मुआवजा सख्ती से अधिक जोखिम लेने वाला नहीं होता है। कभी-कभी, प्रबंधकों को इष्टतम अस्थिरता विकल्प के साथ कम होती है, यदि वह अपने खाते का कारोबार कर रहे थे तो यह होगा। इसके अलावा, प्रबंधक को अधिक विकल्प देने से वह अस्थिरता को कम कर देता है कन्वेक्स मुआवजा योजना के साथ प्रबंधक वित्तीय बाजारों में एक महत्वपूर्ण भूमिका निभाते हैं। यह पेपर एक जोखिम वाले प्रबंधक के लिए इष्टतम गतिशील निवेश नीति के लिए हल करता है जो उस संपत्ति पर कॉल ऑप्शन पर भुगतान करता है जो वह नियंत्रित करता है। पेपर इस बात पर ध्यान केंद्रित करता है कि विकल्प मुआवजे के कारण जोखिम के लिए प्रबंधकों की भूख पर असर पड़ता है, जब वह विकल्प की स्थिति का बचाव नहीं कर सकता। एक तरफ, विकल्प की बहिर्वक्रिया प्रबंधक को पैसे के पास होने की संभावना है जो कि पैसे के पास होने की संभावना है। इष्टतम नीति के तहत, विकास अग्रवाल, नारायण वाय। नाइक, एलारो डायमसन, विलियम गेट्ज़मान, डेविड हिएह, फ्रांस डी रूून, हेनरी सर्व्ह्स - जर्नल ऑफ फाइनेंशियल एंड क्वांटिटेटिव एनालिसिस के प्रबंधक। 2000 ड्यूक यूनिवर्सिटी में हेज फंड कॉन्फ्रेंस में मौजूद अनाम निधि सम्मेलन और प्रतिभागियों को ड्यूक यूनिवर्सिटी में बचाव निधि सम्मेलन और जॉर्ज ओ। अरागोन द्वारा दिये जाने वाले हेज फंड सम्मेलन में भाग लेने वाले प्रतिभागियों और वित्तीय अर्थशास्त्र के जर्नल 2007 यह पत्र रिटर्न के बीच एक सकारात्मक, अंतराल संबंध पाता है और निजी निवेश फंडों की पुन: साझाकरण करता है और यह दर्शाता है कि पहले दर्ज़ किए गए सकारात्मक अल्फा को अल्लिकिड फंड शेयर रखने के लिए मुआवजे के रूप में व्याख्या की जा सकती है। लॉकबैक प्रावधानों के साथ धन पर एक अनन्य रिटर्न एप्लिकेशन हैं यह पत्र रिटर्न के बीच एक सकारात्मक, अंतराल संबंध पाता है और निजी निवेश फंडों की पुन: साझाकरण करता है और यह दर्शाता है कि पहले दर्ज़ किए गए सकारात्मक अल्फा को अल्लिकिड फंड शेयर रखने के लिए मुआवजे के रूप में व्याख्या की जा सकती है। लॉकबैक प्रावधानों के साथ धन पर एक अनूठे रिटर्न गैर-लॉकपॉप्स फंड के मुकाबले लगभग 4 उच्च है, और सबसे अधिक तरल शेयरों के साथ धन का अल्फा या तो नकारात्मक या तुच्छ है। यह पत्र भी फंड की परिसंपत्तियों में शेयर प्रतिबंधों और तरलता के बीच एक सकारात्मक सहयोग पाता है, यह सुझाव देता है कि उच्च मोचन लागत का सामना करने वाले निधियों का प्रयोग निवेशकों के लिए कम-तरलता की जरूरतों के लिए स्क्रीन पर प्रतिबंधों का उपयोग होता है। परिणाम पिछले सिद्धांतों के अनुरूप हैं, जो कि तरलता की कीमत है, और कम तरल परिसंपत्तियां निवेशकों द्वारा अब तक निवेश क्षितिज के साथ आयोजित की जाती हैं। जेईएल वर्गीकरण: निकोलस पी। बी। बोलेन, जेफरी ए। बीसजे द्वारा जी11 जी 12 - वित्त वॉल्यूम का जर्नल LVI, NO 3 जून 2001. 2001 म्यूचुअल फंड बाजार समय के मौजूदा अध्ययनों में मासिक रिटर्न का विश्लेषण किया जाता है और समय की क्षमता के छोटे सबूत मिलते हैं। हम दिखाते हैं कि दैनिक परीक्षण अधिक शक्तिशाली होते हैं और मासिक परीक्षणों की तुलना में दैनिक परीक्षणों में म्यूचुअल फंड की महत्वपूर्ण समय की क्षमता अधिक बार प्रदर्शित होती है। हम सिंथेटिक फंड का एक सेट तैयार करते हैं म्यूचुअल फंड बाजार समय के मौजूदा अध्ययनों में मासिक रिटर्न का विश्लेषण किया जाता है और समय की क्षमता के छोटे सबूत मिलते हैं। हम दिखाते हैं कि दैनिक परीक्षण अधिक शक्तिशाली होते हैं और मासिक परीक्षणों की तुलना में दैनिक परीक्षणों में म्यूचुअल फंड की महत्वपूर्ण समय की क्षमता अधिक बार प्रदर्शित होती है। नकली परिणामों के लिए नियंत्रण के लिए हम सिंथेटिक फंड रिटर्न के एक सेट का निर्माण करते हैं बहुमत के दैनिक समय के गुणांक उनके सिंथेटिक समकक्षों से काफी अलग हैं। ये परिणाम बताते हैं कि म्यूचुअल फंड में पहले से दस्तावेज की तुलना में अधिक समय की क्षमता हो सकती है। गौरव एस अमीन, हैरी एम। कैट द्वारा 2002 डायनेमिक ट्रेडिंग रणनीतियों के प्रभाव के लक्षण: हेज फंड का मामला हे लेख हेज फंड प्रदर्शन पर एक बेरोज़गार डाटासेट पर कुछ नए परिणाम प्रस्तुत करता है। परिणाम बताते हैं कि हेज फंड उन रणनीतियों का पालन करते हैं जो म्यूचुअल फंड से नाटकीय रूप से भिन्न होते हैं और दावा करते हैं कि ये रणनीतियों अत्यधिक गतिशील हैं। लेख हेज फंड में पाँच प्रमुख निवेश शैलियां पाता है, जो जब शार्पस (1 99 2) में जोड़ा गया तो संपत्ति वर्ग के कारक मॉडल खरीद और पकड़ और गतिशील व्यापारिक रणनीतियों दोनों के शैली विश्लेषण के लिए एकीकृत रूपरेखा प्रदान कर सकते हैं। ऑक्सफोर्ड यूनिवर्सिटी प्रेस द्वारा सोसाइटी फॉर फाइनैंशियल स्टडीज की ओर से पत्रिका में प्रकाशित लेख, वित्तीय समीक्षा की समीक्षा हमारे ज्ञान के लिए, यह आइटम डाउनलोड के लिए उपलब्ध नहीं है। यह उपलब्ध है कि क्या यह पता लगाने के लिए, तीन विकल्प हैं: 1. संबंधित अनुसंधान के तहत नीचे जांच करें कि इस आइटम का कोई और संस्करण ऑनलाइन उपलब्ध है या नहीं। 2. प्रदाताओं वेब पेज पर जांचें कि क्या यह वास्तव में उपलब्ध है 3. एक समान शीर्षक वाले आइटम की खोज करें जो उपलब्ध होगा। अपनी पत्रिका की वित्तीय समीक्षा में समीक्षा के लिए सोसाइटी फॉर फाइनैंशियल स्टडीज द्वारा दी गई अनुच्छेद। वॉल्यूम (वर्ष): 10 (1 99 7) अंक (महीना): 2 () पृष्ठ: 275-302 गतिशील ट्रेडिंग रणनीतियों के प्रभावी लक्षण: हेज फंड का मामला क्योंकि, हेज फंड थोड़ा विनियमन के अधीन हैं, वे कम या कम करने के लिए अपने विवेक का उपयोग कर सकते हैं एक तरलता सदमे का लाभ उठाएं फंग और हिस (1 99 7) के अनुसार, हेड फंड द्वारा शार्पेक्स 27 के (1 99 2) संपत्ति वर्ग के कारक मॉडल में इस्तेमाल की जाने वाली पांच प्रमुख निवेश शैलियों को जोड़ना गतिशील व्यापारिक रणनीतियों के एक शैली के विश्लेषण के लिए एकीकृत ढांचा प्रदान करता है। साक्ष्य यह भी दर्शाता है कि गतिशील व्यापारिक रणनीतियों हेज फंड जोखिम जोखिम को प्रभावित करते हैं। quot छापें अमूर्त सार तत्व: हम हेज फंड रिटर्न के उच्च-पिक वितरण का अध्ययन करते हैं और कारकों की पहचान करते हैं जो उच्च-क्षण के जोखिम को चलाते हैं। हेज फंड मासिक रिटर्न का उपयोग करते हुए हमें पहले चार पलों के रिटर्न के बीच एक मजबूत सहसंबंध मिलता है (अर्थात, मानक विचलन (एसडी), तिरछापन, और कर्टोसिस) और धनराशि की विभिन्न विशेषताओं जैसे लीवरेज, तरलता, प्रोत्साहन और रणनीति- संबंधित कारक हम पाते हैं कि अन्य कारकों, प्रोत्साहन-संबंधी कारकों और एक हेज फंड x27 की विशिष्ट रणनीति को नियंत्रित करने के बाद फंड रिटर्न के वितरण पर सबसे अधिक प्रभाव पड़ता है। हमारा सबूत यह भी सुझाव देते हैं कि निवेशकों को हेज फंड विशेषताओं में आवंटित किया जा रहा है, जबकि फंड की रणनीतियों और प्रोत्साहन कारकों पर अधिक जोर दिया जाता है। पूर्ण लेख आलेख अक्टूबर 2016 एच के केंट बेकर इमेद चाइकीर समीर सादी लिगांग झोंग ने कहा कि कॉल विकल्पों के इस पोर्टफोलियो का मूल्य एचएफ वैल्यू के अस्थिरता की वृद्धि के साथ बढ़ता है और एचएफएम इन विकल्पों का उपयोग करते हैं, यदि विकल्प की परिपक्वता पर संपत्ति के प्रबंधन की संपत्ति का मूल्य (IF) कॉल विकल्पों के हड़ताल मूल्य से अधिक है 7. फंग और हिएह (1 99 7) यह पाया गया कि जब आईएफसी पैसे से बाहर हो, यानी वर्तमान एचएफ वैल्यू अंतर्निहित कॉल के स्ट्राइक मूल्य से नीचे है विकल्प, संविदात्मक बाधाएं, और प्रतिष्ठात्मक चिंताओं से प्रबंधकों को जोखिम बढ़ने से रोका जा सकता है। ऐसा प्रतीत होता है कि, एक बार अच्छी प्रतिष्ठा बन गई है, एचएफएम कम जोखिमपूर्ण प्रबंधन रणनीतियों का पालन करके इसे संरक्षित करते हैं। abstract abstract abstract abstract: इस पत्र में पिछले दो दशकों में विकसित हेज फंड्स (एचएफ) पर साहित्य का सार है, विशेष रूप से जो कि प्रबंधकीय विशेषताओं से संबंधित है (एक सहयोगी टुकड़ा एचएफ के जोखिम प्रबंधन विशेषताओं को शामिल करता है)। यह वर्गीकृत करता है, वर्तमान एचएफ साहित्य, जो सुझाव देते हैं कि कौन सी महत्वपूर्ण समस्याएं हल हो गई हैं और जो समस्याओं को अभी तक पर्याप्त रूप से संबोधित नहीं किया गया है। यह पिछले वित्तीय विनियमन के प्रभावों और एचएफ उद्योग और इसके प्रदर्शन और जोखिम प्रबंधन प्रथाओं पर नए वित्तीय विनियमन के प्रभाव की संभावनाओं पर भी चर्चा करता है, और शोध के लिए नए रास्ते सुझाता है। इसके अलावा, यह एचएफ प्रदर्शन के लिए प्रबंधकीय विशेषताओं के महत्व पर प्रकाश डाला गया है, और अधिक परिष्कृत एचएफ-संबंधी जोखिम प्रबंधन उपकरणों के विकास में सफल होने की संभावनाएं और कमी। जेईएल वर्गीकरण कोड: जी 20, जी -23, पूर्ण पाठ लेख सितंबर 2016 इंटरनेशनल बिजनेस रिसर्च अल्कोनो एज़ेवेडो इज़िडिन एल कालक उद्धृत पोटिटिव कर्टोसिस की विशेषता एक चरम परित्याग या लीप्टोकैरिक वितरण नकारात्मक कर्टोसिस से होती है जो एक अपेक्षाकृत सपाट वितरण का संकेत देती है। उच्च स्तर के कर्टोसिस के साथ वितरण वसा-पूंछ के रूप में जाना जाता है और गैर-गाऊसी (फंग एपीपी हैसि, 1997) हैं। quot छापें अमूर्त abstract: pgt अग्रिम प्रीमियम पहेली को हल करने के लिए कोई सफलता नहीं मिली है वैश्विक मुद्रा बाजार को सभी वित्तीय बाजारों के लिए सबसे अधिक जानकारी कुशल और पारदर्शी माना जाता है क्योंकि यह उल्लेखनीय स्थिरता के साथ सूचनाओं के बीच और कम-प्रतिक्रिया के बीच संतुलन को दर्शाता है। कुशल बाजार पूर्वप्रेषण espouses निवेशकों को व्यवस्थित रूप से एक बेंचमार्क मात नहीं कर सकते क्योंकि सभी निवेशकों को एक ही जानकारी तक पहुंच है। इसलिए, मुद्राओं की वापसी की अपेक्षित दीर्घकालिक दर अनिवार्य रूप से शून्य है। आर्बिट्राज प्राइसिंग थ्योरी का दावा है कि निवेश रिटर्न यादृच्छिक हैं। जैसे, व्यापारी खुद को गलत मुद्राओं का लाभ नहीं ले सकते हैं। खुला ब्याज दर समता का दावा यह है कि द्वि-राष्ट्रीय ब्याज दर के विचलन विनिमय दरों में अपेक्षित अंतर के बराबर है। इस पत्र में निम्नलिखित प्रश्न पूछे जाते हैं: अल्फा की दृढ़ता मुद्रा चलने वाले व्यापार कोष में मौजूद होती है या इसके अतिरिक्त रिटर्न केवल व्यवहार संबंधी पूर्वाग्रहों का संग्रह होता है पूर्ण पाठ अनुच्छेद अगस्त 2016 Ian HudsonFung और Hsieh Document (1997) - अनुभवजन्य अभिलक्षण यह पूर्वावलोकन का अंत है बाकी दस्तावेज़ तक पहुंचने के लिए साइन अप करें अपरिवर्तित पाठ पूर्वावलोकन: डायनेमिक ट्रेडिंग रणनीतियों के अनुभवजन्य अभिलक्षण: हेज फंड का मामला विलियम फंग पैराडिम, एलडीसी डेविड ए। हसी ड्यूक यूनिवर्सिटी यह लेख हेज फंड प्रदर्शन पर एक बेरोज़गार डेटासेट पर कुछ नए परिणाम प्रस्तुत करता है। परिणाम बताते हैं कि हेज फंड उन रणनीतियों का पालन करते हैं जो म्यूचुअल फंड से नाटकीय रूप से भिन्न होते हैं, और इस दावे का समर्थन करते हैं कि ये रणनीतियों अत्यधिक गतिशील हैं। हेड फंड्स में लेख एनडीए प्रमुख निवेश शैलियों की है, जो जब शार्पस (1 99 2) परिसंपत्ति वर्ग के कारक मॉडल में जोड़ा गया तो खरीद-और-पकड़ और गतिशील व्यापारिक रणनीतियों दोनों के शैली विश्लेषण के लिए एक एकीकृत रूपरेखा प्रदान कर सकते हैं। शार्प (1 99 2) ने प्रदर्शन एट्रिब्यूशन और म्यूचुअल फंड मैनेजर्स के स्टाइल विश्लेषण के लिए एक परिसंपत्ति वर्ग कारक मॉडल का प्रस्ताव किया। शॉर्पस (1 99 2) अंतर्ज्ञान की शान को दिखाकर दिखाया गया कि अमेरिका के म्यूचुअल फंडों के एक व्यापक ब्रह्मांड के प्रदर्शन को सफलतापूर्वक प्रतिलिपि बनाने के लिए केवल सीमित परिसंपत्ति वर्गों की सीमित संख्या की आवश्यकता है। इस अग्रणी काम के आधार पर, वाणिज्यिक सॉफ्टवेयर पैकेज अब बड़े पैमाने पर निवेशकों के लिए अपने परिसंपत्ति आवंटन निर्णय और उनके पोर्टफोलियो का शैली मिश्रण का विश्लेषण करने के लिए उपलब्ध हैं। इस लेख की सामग्री लेखकों की राय है और संबंधित संस्थानों का प्रतिनिधित्व नहीं हो सकती है। लेखक अपने हेज फंड और सीटीए पूल डाटाबेस के उपयोग के लिए एआईजी ग्लोबल निवेशक, टास मैनेजमेंट, और पैराडाइमम एलडीसी का आभारी हैं। हम मैक्स बेकर, जेम्स कुई, मार्क यूनगेर, और गाय इनग्राम को उनकी सहायता के लिए धन्यवाद करते हैं। इस लेख में माइकल ब्राडली, रवि जगन्नाथन, पीट काइल, हैरी मार्कोविट्स, एस। विश्वनाथन, आइवी एसेट मैनेजमेंट के प्रिंसिपल और एक अनाम रेफरी की टिप्पणी से भी पैदा हुईं। डेविड ए। एचएसआईएच, फाउका स्कूल ऑफ बिजनेस, ड्यूक विश्वविद्यालय, बॉक्स 90120, डरहम, नेकां 27708-0120 को डेटा के लिए पत्राचार और अनुरोधों का पता। वित्तीय अध्ययन ग्रीष्मकालीन 1997 वॉल्यूम की समीक्षा 10, सं। 2, पीपी। 275302 सी 1997 की वित्तीय समीक्षा की समीक्षा 0893- 9 454971.50 वित्तीय अध्ययन की समीक्षा वी 10 एन 2 1997 शॉर्पस (1 99 2) दृष्टिकोण की सफलता इस तथ्य के कारण है कि अधिकांश म्यूचुअल फंड मैनेजर्स के पास निवेश जनादेश सापेक्ष रिटर्न लक्ष्य के साथ पारंपरिक परिसंपत्ति प्रबंधकों के समान। आमतौर पर संपत्ति वर्गों की अच्छी संख्या में संपत्ति रखने के लिए वे आम तौर पर विवश हैं और अक्सर कम या कोई लाभ उठाने तक सीमित नहीं होते हैं। उनकी जनादेश उनकी परिसंपत्ति वर्गों पर मिलने वाले रिटर्न से मिलने या उससे अधिक है। इसलिए वे रिटर्न उत्पन्न करने की संभावना रखते हैं जो कि मानक परिसंपत्ति वर्गों के रिटर्न से अत्यधिक सहसंबद्ध होते हैं। परिणामस्वरूप, प्रबंधकों के बीच स्टाइलिश मतभेद मुख्य रूप से उनके पोर्टफोलियो में संपत्ति के कारण होते हैं, जो आसानी से शार्पस (1 99 2) शैली के प्रतिगमन में कब्जा कर लेते हैं। इस लेख में, हम निवेश प्रबंधन शैलियों का विश्लेषण करने के लिए शारपेस (1 99 2) के मॉडल का एक विस्तार का प्रस्ताव करते हैं। इसका उद्देश्य रिश्तेदार रिटर्न लक्ष्य के साथ पारंपरिक प्रबंधकों के विश्लेषण के लिए एक एकीकृत ढांचे के साथ-साथ पूर्ण रिटर्न लक्ष्य के साथ वैकल्पिक प्रबंधकों का भी होना है। ये वैकल्पिक प्रबंधकों ने रिटर्न उत्पन्न किया है जो मानक परिसंपत्ति वर्गों से कम सहसंबद्ध होते हैं। नतीजतन, इन वैकल्पिक प्रबंधकों के स्टाइलस्टिक अंतर को कैप्चर करने के लिए मूल शार्प (1 99 2) मॉडल को बदलना चाहिए। विशेष रूप से हम हेज फंड मैनेजर्स और कमोडिटी ट्रेडिंग सलाहकारों (सीटीए) पर ध्यान देते हैं। यह वैकल्पिक प्रबंधकों की श्रेणी के भीतर प्रबंधकों का एक महत्वपूर्ण वर्ग है। हेज फंड मैनेजर और सीटीए आमतौर पर बाजार के माहौल की परवाह किए बिना, एक पूर्ण प्रतिफल लक्ष्य बनाने के लिए जनादेश देते हैं। 2 निरपेक्ष वापसी लक्ष्य को हासिल करने के लिए, उन्हें कई परिसंपत्ति वर्गों में चुनने की क्षमता दी जाती है और उन गतिशील व्यापारिक रणनीतियों को नियुक्त करने की सुविधा होती है जो अक्सर कम बिक्री, उत्तोलन, और डेरिवेटिव तदनुसार, हम इन वैकल्पिक प्रबंधकों के दृष्टिकोण और पारम्परिक म्युचुअल फंड मैनेजर्स के बीच मतभेदों को समायोजित करने के लिए शारपेस (1 99 2) परिसंपत्ति वर्ग कारक मॉडल का विस्तार करते हैं। हमारा काम अंतर्ज्ञान पर आधारित है कि प्रबंधकों का रिटर्न तीन प्रमुख निर्धारकों द्वारा आम तौर पर किया जा सकता है: प्रबंधकों के पोर्टफोलियो में परिसंपत्तियों से लाभ, उनकी व्यापारिक रणनीतियों, और उनके उत्तोलन का उपयोग। शार्पस (1 99 2) मॉडल में, फोकस आरएसटी कुंजी निर्धारक, रिटर्न के स्थान घटक पर था, जो हमें बताता है कि परिसंपत्ति श्रेणियों में प्रबंधक निवेश करता है। हमारा मॉडल कारक को शामिल करके शार्प दृष्टिकोण को बढ़ाता है कि कैसे पता चलता है कि एक प्रबंधक रणनीति के घटक रिटर्न की और 1 म्यूचुअल फंड मैनेजर्स के इस्तेमाल को प्रबंधन के तहत परिसंपत्तियों के आधार पर मुआवजा दिया जाता है। चूंकि म्यूचुअल फंड इनोज़ टॉप रेटेड फंड में जा रहे हैं, उनके संबंधित बेंचमार्क के मुताबिक रेट किए गए हैं, इसलिए प्रबंधकों को अपने बेंचमार्क को मात देने के लिए प्रोत्साहन दिया गया है। 2 हेज फंड मैनेजर और सीटीए प्रोत्साहन प्रोत्साहन से अपने मुआवजे का एक बड़ा सौदा प्राप्त करते हैं, जिसका भुगतान केवल तब ही किया जाता है जब ये प्रबंधकों को सकारात्मक रिटर्न मिलता है। इसके अलावा, उनके प्रोत्साहन अनुबंधों में एक उच्च वॉटरमार्क सुविधा के लिए प्रोत्साहन शुल्क का भुगतान करने से पहले उन्हें सभी पिछले घाटे को बनाने की आवश्यकता है। इस प्रकार इन वैकल्पिक प्रबंधकों को पूर्ण रिटर्न मैनेजर कहा जाता है। गतिशील ट्रेडिंग रणनीतियों के 276 अनुभवजन्य अभिलक्षण रिटर्न की मात्रा घटक का लाभ उठाते हैं। शार्पेस (1 99 2) मॉडल में नए कारकों को जोड़ना हमें उन प्रबंधकों को समायोजित करने की अनुमति देता है जो गतिशील, लीवरेज ट्रेडिंग रणनीतियों को रोजगार देते हैं। ये अतिरिक्त कारक हैं जो रिटर्निंग रिटर्न बनाम रिटर्न इनवेस्टमेंट शैलियों के बीच रणनीतिक अंतर पर अंतर्दृष्टि प्रदान करते हैं। जैसे ही सारपस मॉडल परिसंपत्ति मिश्रण निर्णय को अंतर्दृष्टि प्रदान करता है, जब केवल सापेक्ष रिटर्न शैलियों पर विचार किया जाता है, तो विस्तारित मॉडल एक पूर्ण वापसी लक्ष्य के साथ संपत्ति मिश्रण निर्णय का विश्लेषण करने के लिए एक रूपरेखा प्रदान करता है। हम अपने मॉडल को मॉर्निंगस्टार से 3,327 यू.एस. म्यूचुअल फंड और 409 हेज फंड सीटीए पूल को एक अनूठे डाटाबेस से लागू करते हैं जो कि कभी भी पहले कभी नहीं किया गया है। शार्प (1 99 2) के रूप में, हम यह मानते हैं कि म्युचुअल फंड का रिटर्न मानक परिसंपत्ति वर्गों से बहुत अधिक है। इसके विपरीत, हम यह देखते हैं कि हेज फंड मैनेजर और सीटीए रिटर्न उत्पन्न करते हैं, जो कि म्यूचुअल फंड और स्टैंडर्ड एसेट क्लास के रिटर्न में कम सहसंबंध रखते हैं। इसके अलावा, हेज फंड और सीटीए पूल में प्रदर्शन विविधता का एक बड़ा सौदा है। इस प्रभाव को हासिल करने के लिए, हम शार्पस (1 99 2) मॉडल के लिए तीन अतिरिक्त शैली कारकों का प्रस्ताव करते हैं। यह मॉडल के प्रदर्शन को सही ढंग से सुधारता है लेख को निम्नानुसार व्यवस्थित किया गया है। धारा 1 में हम शॉर्पेस (1 99 2) के समान एक आठ-परिसंपत्ति वर्ग कारक मॉडल से शुरू करते हैं। हम इन परिसंपत्ति या स्थान कारकों को कहते हैं। यू.एस. म्यूचुअल फंड के लिए शॉर्पेस (1 99 2) के अपडेट्स का खंड 2 में है। परिणाम दिखाते हैं कि आठ कारक रैखिक मॉडल म्यूचुअल फंड मैनेजर्स के एक बहुत व्यापक नमूने के लिए परिसंपत्ति मिश्रण के संतोषजनक अनुमान प्रदान करता है, जिसमें केवल मामूली बदलाव शामिल हैं। खंड 3 में हम फंड और सीटीए पूल रिटर्न के बचाव के लिए शारपेस शैली के प्रतिगमन लागू करते हैं। धारा 4 स्थान की पसंद और व्यापारिक रणनीति के बीच अंतर पर चर्चा करता है। हेज फंड और सीटीए पूल में आम शैलियों के साथ धारा 5 सौदों। प्रदर्शन मूल्यांकन और उत्तरजीविता पूर्वाग्रह के मुद्दे पर धारा 6 की टिप्पणी। धारा 7 हमारे नंदी के निहितार्थ को संबोधित करता है और कुछ समापन टिप्पणियां प्रदान करता है। 1. एक एसेट क्लास फैक्टर मॉडल हम रिटर्न के साथ संपत्ति के एक पोर्टफोलियो पर वापसी के साथ शुरू t: आरटी xj टी आरजे टी (1) जम्मू जहां एक्सज टी अवधि टी (टी 1 से टी) के दौरान संपत्ति जम्मू पर भार है, और आरजे टी अवधि की अवधि में संपत्ति जम्मू पर वापसी है, जम्मू। जे। और जम्मू सभी के ऊपर समीकरण ऑपरेटर को दर्शाता है जम्मू के मूल्य सुविधा के लिए, जे 0 संपत्ति जोखिम-रहित संपत्ति है धारणा करके, उधार और 277 वित्तीय अध्ययनों की समीक्षा v 10 n 2 1997 ऋण दरों में समान हैं और जोखिम मुक्त-रिटर्न के बराबर हैं। संपत्ति की संख्या (जे) को बड़ा माना जाता है। उदाहरण के लिए, केवल न्यूयॉर्क स्टॉक एक्सचेंज में सूचीबद्ध 2,000 से अधिक इक्विटी हैं जब तक हम विदेशी स्टॉक, सरकारी बॉन्ड, कॉरपोरेट बॉन्ड, बंधक, कमोडिटीज, विदेशी मुद्रा, और इतने पर शामिल होते हैं, संपत्ति की संख्या हजारों में होती है बड़ी संख्या में परिसंपत्तियों के साथ काम करने में यह बोझ है, खासकर जब उनमें से बहुत से एक दूसरे के साथ बहुत ही सहसंबद्ध होते हैं कार्य को अधिक प्रबंधनीय स्तर तक कम करने के लिए, हम यह मानते हैं कि मानक मध्यस्थता मूल्य निर्धारण सिद्धांत (एपीटी) मॉडल के रूप में रिटर्न के लिए एक कारक संरचना है: आरजे टी जे के एफकेएफ जेटी। (2) कश्मीर के व्यवस्थित कारक हैं, Fkt। कश्मीर 1. कश्मीर कारक लोड हो रहा है और स्वैच्छिक रिटर्न है। हम मानते हैं कि व्यवस्थित कारकों exogenously विनिर्दिष्ट हैं और, शार्प (1 99 2) के बाद, हम संपत्ति वर्गों के रूप में कारकों की व्याख्या करते हैं। कारक मॉडल का उपयोग करके, हम पोर्टफोलियो रिटर्न को आरटी wkt Fkt एट के रूप में पुनः लिख सकते हैं। (3) k जहां wkt xj t jk j et xj t jt जम्मू पोर्टफोलियो के बदले बड़ी संख्या में परिसंपत्ति रिटर्न के भारित औसत होने के बजाय, यह अब एक छोटी सी परिसंपत्ति वर्गों का भारित औसत है। इस प्रकार शार्पेस (1 99 2) शैली प्रतिगमन, आरटी बीके एफकटी यूटी (4) कश्मीर ओपन एंडेड म्यूचुअल फंड की शैलियों को कैप्चर करने में अच्छी तरह से काम करता है, जिनके रिटर्न मानक एसेट क्लास के उन लोगों के लिए बहुत ज्यादा सम्बंधित हैं। शार्प (1 99 2) ने यह एक परिसंपत्ति वर्ग कारक मॉडल 3 कहलाता है। इस लेख में हम तीन इक्विटी वर्गों का उपयोग करते हैं: एमएससीआई यू.एस. इक्विटी, एमएससीआई गैर-यू.एस. इक्विटी और आईएफसी उभरते बाज़ार इक्विटी। दो बांड कक्षाएं हैं: जेपी मॉर्गन अमेरिकी सरकार बांड और जेपी मॉर्गन गैर-अमेरिकी सरकारी बांड। 3 परिसंपत्ति वर्गों के शॉर्पेस पसंद यू.एस. आधारित निधि के मुकाबले अधिक उन्मुख है, जबकि हम वैश्विक सम्बन्धों के साथ आठ श्रेणियों में संपत्ति का समूह बनाते हैं। 278 गतिशील ट्रेडिंग रणनीतियों के अनुभवजन्य लक्षण नकदी के लिए हम 1 महीने की यूरोडोलर जमा का उपयोग करते हैं। वस्तुओं के लिए हम सोने की कीमत का उपयोग करते हैं। मुद्राओं के लिए हम फेडरल रिजर्व ट्रेड वेटेड डॉलर इंडेक्स सूचकांक का उपयोग करते हैं। 4 हम बड़े पैमाने पर नमूने पर यू.एस. ओपन एंडेड म्यूचुअल फंड्स पर शॉर्पेस (1 99 2) परिणामों को अपडेट करते हुए शुरू करते हैं। म्यूचुअल फंड पर होने वाला अनुभवजन्य पृष्ठभूमि एक पृष्ठभूमि के रूप में कार्य करता है जिसके साथ हेज फंड और सीटीए पूल रिटर्न की विश्लेषण की तुलना की जा सकती है। 2. म्यूचुअल फंड प्रदर्शन एट्रिब्यूशन और स्टाइल विश्लेषण हम मॉर्निंगस्टार डाटाबेस (दिसंबर 1 99 5 के माध्यम से अपडेट) में 3,327 ओपन-एंडेड म्यूचुअल फंडों के लिए शॉर्पेस शैली प्रतिगमन चलाते हैं, जो कि कम से कम 36 महीने का रिटर्न है। चित्रा 1 रेग्रेसन के आर 2 एस के वितरण का सारांश प्रस्तुत करता है। यह दर्शाता है कि म्यूचुअल फंड में से 47 में 75 से ऊपर आर 2 एस है, और 92 में आर 2 एस 50 से अधिक है। चित्रा 2 इन रिग्रेजेन्स में (सांख्यिक रूप से) सबसे अधिक मान्य संपत्ति वर्ग का वितरण प्रदान करता है। इक्कीस प्रतिशत म्युचुअल फंड दो संपत्ति वर्गों से सम्बंधित हैं: यू.एस. इक्विटी और यू.एस. सरकारी बॉन्ड। 99 फंडों में से 99, सबसे सशर्त परिसंपत्ति वर्ग के coefcients सकारात्मक हैं, और उनमें से 52 सांख्यिकीय रूप से शून्य से अधिक है और एक से अलग सांख्यिकीय नहीं है। ये परिणाम मूल शार्प (1 99 2) लेख में बहुत समान हैं म्यूचुअल फंड के उच्च सहसंबंध मानक परिसंपत्ति वर्ग के रिटर्न में लौटता है, इसका मतलब है कि म्यूचुअल फंड्स में स्टाइल मिक्स को चुनना उन पोर्टफोलियो में एसेट मैनेजमेंट के निर्धारण के समान है। यह तर्क भी देता है कि म्यूचुअल फंड का प्रदर्शन काफी हद तक इस स्थान पर स्थित है कि अंतर्निहित रणनीति, जो बाज़ारों की पसंद को देती है, खरीद और पकड़ के समान होती है। नतीजतन, जहां वे निवेश करते हैं, वे कितना कम निवेश करते हैं, म्यूचुअल फंडों में प्रदर्शन का महत्वपूर्ण निर्धारक है। यह म्यूचुअल फंड शैलियों की यह स्थिर प्रकृति है जो शॉर्पेस शैली प्रतिगमन को म्यूचुअल फंड प्रदर्शन का विश्लेषण करने के लिए उपयुक्त बनाती है, और संभवतया रिश्तेदार रिटर्न इनवेस्टमेंट शैली के साथ परंपरागत प्रबंधकों की अधिकतर प्रदर्शन विशेषता। म्यूचुअल फंड रिटर्न और परिसंपत्ति वर्गों के बीच संबंधों का उच्च स्तर यह इंगित करता है कि म्यूचुअल फंड शैलियों मूल रूप से विभिन्न परिसंपत्ति वर्गों का उपयोग करने वाली रणनीतियां खरीदते हैं और रखती हैं। दो अपवाद हैं 4 शार्प (1 99 2) में उन आठ परिसंपत्ति वर्ग अलग हैं। शार्पस संपत्ति वर्गों को मुख्य रूप से अमेरिकी प्रतिभूतियों के प्रति भारित किया जाता है। वह कई यू.एस. स्टॉक का इस्तेमाल करता है, बड़े कैप वृद्धि, बड़े कैप वैल्यू, और छोटी टोपी। सोना, उभरते बाजार इक्विटी, आदि जैसे व्यापक और अधिक वैश्विक परिसंपत्ति वर्गों की तुलना में उनके मतभेद छोटे होते हैं। क्योंकि ये परिसंपत्ति वर्ग हेज फंड ब्रह्मांड में महत्वपूर्ण हैं, और जब से हमें अपने पुनर्गठन में परिसंपत्ति वर्गों की संख्या को प्रतिबंधित करने की आवश्यकता है , हमने व्यापक, अधिक वैश्विक सूचकांकों का चयन किया है। इसके अलावा, हमने अचल संपत्ति और उद्यम पूंजी को छोड़ा है क्योंकि इन संपत्ति म्यूचुअल फंड, हेज फंड और सीटीए में महत्वपूर्ण नहीं हैं। 279 वित्तीय अध्ययनों की समीक्षा v 10 n 2 1997 चित्रा 1 आर 2 बनाम संपत्ति वर्गों का वितरण चित्रा 2 सबसे सशर्त परिसंपत्ति वर्ग का वितरण उच्च उपज कॉरपोरेट बॉन्ड फंड और नगरपालिका बंधन फंडों की आठ संपत्ति वर्गों के साथ कम संबंध हैं। उच्च उपज कॉरपोरेट बॉन्ड फंड की संख्या और संस्थागत निवेशकों द्वारा व्यथित प्रतिभूतियों में ब्याज को देखते हुए, उच्च उपज कार्पोरेट बॉन्ड इंडेक्स को शामिल करना आवश्यक है। यह देखते हुए कि नगर निगम के रिटर्न में सरकार के साथ डायनेमिक ट्रेडिंग रणनीतियों के संबंध में कम 280 व्यावहारिक अभिलक्षण हैं, तो कर योग्य निवेशकों के लिए कर योग्य और कर-मुक्त रिटर्न के बीच अंतर के लिए एक नगरपालिका बांड इंडेक्स को जोड़ने का विचार हो सकता है। 3. हेज फंड प्रदर्शन एट्रिब्यूशन हम अब हेज फंड और सीटीए पूल की ओर रुख करते हैं। हेज फंड निजी निवेश साझेदारी हैं, जिनमें से प्रबंध भागीदार एक व्यापक निवेश जनादेश दिया जाता है। ये वाहन परिष्कृत उच्च निवल मूल्य निवेशकों के लिए प्रतिबंधित हैं। सीटीए एक व्यक्तिगत या व्यापार संगठन है, जो कि राष्ट्रीय वायदा एसोसिएशन में सदस्यता के माध्यम से कमोडिटी फ्यूचर्स ट्रेडिंग कमिशन (सीएफटीसी) के साथ पंजीकृत है, ग्राहकों को वायदा, विकल्प, और सिक्योरिटीज खाते में ग्राहकों की तरफ से फैसले लेने के लिए प्राधिकरण को विशेष रूप से स्थापित किया गया है। ग्राहक (प्रबंधित खाता) 1 9 80 के दशक में विभिन्न वायदा पूल के आगमन तक, सीटीए उन व्यापारों के लिए सीमित थे, जो वे व्यापार (वस्तु, कमोडिटी वायदा और वायदा विकल्प) कर सकते थे। सभी बाजारों के वैश्वीकरण और विस्तार और विनियामक बाधाओं में कमी ने सीटीए को विश्व की ब्याज दर, मुद्रा, इक्विटी, और भौतिक वस्तु बाजार जैसे उपकरणों की बढ़ती संख्या को व्यापार करने की क्षमता दी है। इसलिए, जब ऐतिहासिक सीटीए को हेज फंड मैनेजर्स से अलग देखा गया है, तो पिछले 10 वर्षों में दोनों के बीच का अंतर धुंधला हो गया है क्योंकि सीटीए लगभग सभी वित्तीय बाजारों में व्यापक जनादेश के साथ निजी निवेश साझेदारी संचालित करते हैं। वास्तव में, कई प्रबंधकों के पास हेज फंड और सीटीए पूल दोनों हैं। इस आलेख के उद्देश्यों के लिए हेज फंड और सीटीए पूल को एक समूह के फंड के रूप में माना जाता है, जिसे केवल हेज फंड्स के रूप में संदर्भित किया जाता है। हम 40 9 हेज फंड के रिटर्न पर शॉर्पेस शैली प्रतिगमन चलाते हैं। हमारे नमूने के दायरे पर टिप्पणी करना उचित है। म्यूचुअल फंड के विपरीत, हेज फंड मैनेजर्स को सार्वजनिक रूप से प्रबंधन के तहत अपने प्रदर्शन और परिसंपत्तियों का खुलासा करने की आवश्यकता नहीं है। फ्यूचर्स (फरवरी 1 99 5, पीपी 6264) अनुमान लगाते हैं कि 1 99 0 और 2000 के बीच हेज फंड हैं, साथ ही 1 99 4 के अंत में 100160 बिलियन संपत्तियों में प्रबंधन के अधीन हैं। यद्यपि ये संख्या म्यूचुअल फंड उद्योग की तुलना में छोटी दिखती हैं, जो कि एक लीवरेज आधार पर 6,000 निधि और 2 ट्रिलियन की संपत्ति के ऊपर, एक बड़े हेज फंड द्वारा उठाए गए पदों में सबसे अधिक म्युचुअल फंडों की तुलना में अधिक है 5 बैरनों (20 फरवरी, 1 99 5, पीपी 2326) ने 1 99 3 के अंत में प्रबंधन के तहत 294 अरब संपत्तियों के साथ 277 हेज फंड सूचीबद्ध किए। बैरन्स (1 9 फरवरी, 1 99 6, MW74MW75) 146 हेज फंड सूचीबद्ध हैं जिनकी कम से कम 20 मिलियन प्रबंधन के तहत परिसंपत्तियों में और 1 99 5 के अंत तक 2-वर्षीय ट्रैक रिकॉर्ड। इन फंडों की कुल संपत्ति 25.1 बिलियन है जो प्रबंधन के अधीन है। 281 वित्तीय अध्ययनों की समीक्षा v 10 n 2 1997 हमारे ब्रह्माण्ड में लगभग 700 हेज फंड प्रोग्राम और 240 सीटीए पूल शामिल हैं, जिनके पास 80 अरब डॉलर का प्रबंधन है। इस ब्रह्माण्ड के निर्माण में विपर्यय का एक बड़ा स्रोत प्रदर्शन इतिहास की कमी है। यह इस तथ्य का स्वाभाविक परिणाम है कि 1 99 0 के दशक में अधिकांश धन शुरू किए गए थे, और कई फंडों में उनके अस्तित्व के अधिकांश के लिए केवल सीमित संपत्तियां थीं। इसके अलावा कई प्रबंधकों के पास अपतटीय निवेशकों को लक्षित विभिन्न नामों के तहत व्यावहारिक रूप से समान प्रसाद शामिल होते हैं। इसके अतिरिक्त, वहां धन की राशि है, जो हेज फंड्स के पोर्टफोलियो हैं। 9 40 फंडों के ब्रह्मांड पर पहुंचने में, हमने नकदी निधि और निधियों का धन निकाला है हालांकि, डुप्लिकेट फंड की परिसंपत्तियां (लेकिन निधियों का धन नहीं) 80 अरब डॉलर में संपत्ति के तहत प्रबंधन शामिल हैं। निधियों का उपयोग करने योग्य नमूना 409 पर आ जाता है क्योंकि हमें कम से कम 5 मिलियन संपत्तियों के साथ 3 साल का मासिक रिटर्न मिलना चाहिए। अतिरिक्त विवरण परिशिष्ट में प्रदान किए जाते हैं। चित्रा 1 चित्रा 1 शैली प्रतिगमन परिणामों का सारांश। वे म्यूचुअल फंड के साथ तुलना में हड़ताली हैं। जबकि आधे से अधिक म्यूचुअल फंड 75 से ऊपर आर 2 एस हैं, बचाव निधियों का लगभग आधी (48) 25 से कम आर 2 है। चित्रा 2 दिखाता है कि रिग्रेजेन्स में कोई एकल संपत्ति वर्ग प्रभावी नहीं है। प्रत्येक परिसंपत्ति वर्ग के लिए, हम अलग-अलग सकारात्मक कोफिशेंट (ठोस काली पट्टी) और नकारात्मक कोफिशेंट (रिक्त श्वेत बार) के साथ धन के अंश की रिपोर्ट करते हैं। Unlike mutual funds, a substantial fraction (25) of hedge funds are negatively correlated with the standard asset classes. In addition, in only 17 of hedge funds are the coefcients of the most signicant asset class statistically greater than zero and not statistically different from one. The evidence indicates that hedge funds are dramatically different from mutual funds. Mutual fund returns have high and positive correlation with asset class returns, which suggests that they behave as if deploying a buy-and-hold strategy. Hedge fund returns have low and sometimes negative correlation with asset class returns. In the next section we provide an explanation for the differences between the results of hedge funds versus those of mutual funds. 4. Two Dimensions of Style: Location Choice and Trading Strategy It is well publicized that most hedge funds use many of the same liquid asset classes as mutual funds. For example, George Soross Quantum Fund was long U. S. stocks and short Japanese stocks in the October 1987 stock market crash, short the British pound in September 1992, long precious metals in April 1993 (including a 13 stake in Newmont Mining), and long the U. S. dollarshort the Japanese yen in February 282 Empirical Characteristics of Dynamic Trading Strategies 1994.6 The fact that the Quantum Funds returns have low correlation to the returns of asset classes (R 2 40) must be due to its dynamic use of leverage and choice of asset exposure. To see this, compare the style regression in Equation (4) and the denition of returns in Equation (3). The style regression can attribute a managers returns to asset classes only if his returns are correlated to the asset class returns. Sharpe is clearly aware of this problem. He refers to the style regressions as nding an average of potentially changing styles over the period covered Sharpe (1992), p. 3 by the regression. From our earlier discussions, the concept of style should be thought of in two dimensions: location choice and trading strategy. Location choice refers to the asset classes, that is, the F s in Equation (3), used by the managers to generate returns. Trading strategy refers to the direction (longshort) and quantity (leverage), that is, the ws in Equation (3), applied to the assets to generate returns. The actual returns are therefore the products of location choice and trading strategy. To illustrate this point, consider a manager trading SampP futures contracts. Without leverage, a fully invested position of being consistently long one futures contract (i. e. buy and hold) will result in the style regression showing a coefcient of one on the SampP 500 index. If the manager leverages up to two futures contract, the regression coefcient will be two. Conversely, if he is short one futures contract, the regression coefcient will be 1. However, if he alternates between long and short each month, the regression coefcient will be close to zero. In this example, the location is the U. S. stock market in all cases. The returns, on the other hand, are very different depending on the trading strategy. In the rst two cases, the returns are positively correlated with U. S. stocks. In the third case, the returns are negatively correlated with U. S. stocks. In the fourth case, the returns are uncorrelated with U. S. stocks. This example illustrates how return is a function of the location choice as well as trading strategy. With the traditional managers (i. e. mutual fund managers), their emphasis centers on where to invest. Consequently, the observed returns on average resemble a buy-andhold strategy with limited leverage. In other words, the ws generally lie between zero and one, with perhaps a modest adjustment due to stock betas. Our empirical results also indicate that time variation of the ws have limited impact on the return characteristics of the dominant styles, which are highly correlated to the asset class returns. 6 See Barrons (November 2, 1987, pp. 3536), Forbes (November 9, 1992, pp. 4042), Barrons (May 17, 1993, p. 53), and Futures (April 1994, pp. 2428). 283 The Review of Financial Studies v 10 n 2 1997 This is not so with hedge funds. Their managers trading strategies have weights (w) that are not constrained to be between zero and one. In principal, the ws can be between negative innity and positive innity. In practice, the ws are usually between 10 and 10. In addition, the managers can be opportunistic, so that the ws can and do change quickly. Their returns are not likely to be correlated to the asset class returns. These are dynamic trading strategies. This helps to explain why Sharpes style regression, which is better suited to buyand-hold returns on asset classes, is not appropriate for performance attribution when applied to hedge fund managers who use dynamic trading strategies. 5. Hedge Funds Style Analysis In principle, Sharpes style regression can be extended by adding regressors to proxy the returns of dynamic trading strategies. In practice, this is impossible to implement on monthly returns because there is a nite number of monthly returns but an innite number of dynamic trading strategies. Instead we use factor analysis to determine the dominant styles in hedge funds. The idea is quite simple. If two managers use similar location choices and trading strategies, their returns should be correlated. Factor analysis can extract the dominant common styles, whether or not they are correlated to the asset classes. We factor analyze the 409 hedge funds as a single group and we are able to extract ve mutually orthogonal principal components, explaining approximately 43 of the cross-sectional return variance.7 Using the hedge funds most highly correlated with these principal components, we construct ve style factors whose returns are highly correlated to the principal components.8 7 We omitted funds specializing in emerging markets, since there is limited opportunity to employ dynamic trading strategies in emerging markets. Emerging markets do not have sufcient liquidity to allow managers to get in and out quickly, and many have prohibitions against short sales. Above all, available performance history is sketchy. Since our sample of hedge funds have returns over different time periods, the factor analysis was conducted on 297 funds that had returns over a common 36-month period. We standardized the returns for each fund so that they all had mean zero and variance one. This removes differences in variances caused by leverage differences. (For example, two funds empolying the exact same trading strategy but different leverage will have different return variances.) Principal components are performed on the standardized returns. The rst ve principal components explain, respectively, 11.87, 10.00, 9.42, 6.35, and 4.93 of the cross-sectional return variance. 8 We actually rotated the rst ve prinicipal components slightly to allow us to better interpret the data. The ve style factors represent investable returns on ve portfolios of hedge fund managers which closely replicate the ve rotated factors. This is done as follows. For each factor, we form a portfolio using hedge fundsCTA pools that are correlated only to that principal component. The portfolio weights are chosen so that the portfolio returns have maximal correlation with the corresponding principal component. Short sales constraints are imposed since it is not possible to sell short hedge funds and CTA pools. The correlations of the ve style factors to the corresponding principal components are all above 93. We use the maximal correlation portfolio, rather than 284 Empirical Characteristics of Dynamic Trading Strategies This quantitative method of dening investment styles should be contrasted with the qualitative method used by the hedge fund industry, which is based on the trading strategies described in the disclosure documents of hedge funds. By researching the disclosure documents of the funds in each style factor, we can associate our ve style factors with some of these commonly used qualitative style categories used by the hedge fund industry to describe trading strategies: SystemsOpportunistic, GlobalMacro, Value, SystemsTrend Following, and Distressed. In the absence of generally accepted and welldened style names, we have attempted to adhere to commonly used terms to describe hedge fund styles in the investment community. We acknowledge that the terminology is imprecise. To the best of our knowledge, there has not been formal statistical analysis of these loosely dened qualitative styles, nor do we have well-established sources such as Morningstar for reference as in the case of mutual fund styles. Indeed, various industry sources frequently publish a much wider range of style classications. Often, reported returns for the same style category will differ across sources and the same manager can appear in different style categories depending on the source. Data vendors frequently regard information on hedge fund styles to be proprietary. One of the objectives of this article is to see if there are indeed style categories that are consistent with return data. We are of the view that it is what fund managers do, not what they say they do, that determines stylistic differences. However, for labeling purposes, it is helpful to generally adhere to industry conventions where possible. The term systems traders is used to describe managers who use technical trading rules. Thus SystemsTrend Following refers to traders who use technical trading rules and are mostly trend followers, while SystemsOpportunistic refers to technically driven traders who also take occasional bets on market events relying on rule-based models. GlobalMacro refers to managers who primarily trade in the most liquid markets in the world, such as currencies and government bonds, typically betting on macroeconomic events such as changes in interest rate policies and currency devaluations and relying mostly on their assessments of economic fundamentals. Value refers to traders who buy securities of companies they perceive to be undervalued based on their microanalysis of the fundamentals. Distressed refers to managers who invest in companies near, in, or recently emerged from bankruptcycorporate restructuring.9 the optimal mean-variance tracking portfolio, because the principal components and the rotated factors are based on standardized returns, while the style factor portfolios are based on the actual returns. 9 We have investigated the stationarity of these style factors by dividing the data into two subperiods. 285 The Review of Financial Studies v 10 n 2 1997 In order to determine whether the ve style factors are location choices or dynamic trading strategies, we apply Sharpes style regression on the original eight asset classes plus high yield bonds to the ve style factors. Two style factors are each correlated with a single asset class. The Value style has an R 2 of 70 against the eight asset classes plus high yield corporate bonds and is strongly correlated to U. S. equities (with a coefcient of 0.95 and a t-statistic of 7.73). This is due to the fact that most Value managers have a long bias in U. S. equities. The Distressed style has an R 2 of 56 and is strongly correlated to high yield corporate bonds (with a coefcient of 0.89 and a t-statistic of 6.06). This is not surprising, since Distressed managers and high yield corporate bond funds both invest in companies with low or no credit ratings. Furthermore, it is common practice to price unrated, unlisted securities at a spread to the traded, high yield bonds, which explains the correlation between the Distressed style and high yield corporate bonds. The two Systems style factors (SystemsOpportunistic and SystemsTrend Following) have low R 2 s (29 and 17, respectively) and are not correlated to any of the asset classes. The GlobalMacro style is difcult to interpret. It has an R 2 of 55 and is correlated with U. S. bonds (coefcient: 0.84, t-statistic: 3.47), the U. S. dollar (coefcient: 0.46, t-statistic: 2.43), and the IFC emerging market index (coefcient: 0.15, t-statistic: 2.90). The correlation to U. S. bonds and the dollar are not surprising, given highly publicized reports regarding the bond and currency trades of the GlobalMacro managers in 1993 and 1994. However, the correlation with the IFC emerging market index could conceivably be a consequence of spurious cross-correlations with other major asset classes. A problem with the regression approach is that the results are very sensitive to outliers. The fact that the GlobalMacro style is statistically correlated with three asset markets does not necessarily mean that it is using a buy-and-hold strategy in these markets. A buy-and-hold strategy generates returns that have a linear relationship with those of an asset class, while a dynamic trading strategy does not. We resort to a different technique, similar to nonparametric regressions, to distinguish between these two trading strategies. In Table 1 we divide the monthly returns of each asset class (excluding cash) into ve states or environments of the world, ranging from severe declines to sharp rallies, by sorting the monthly returns into ve quintiles. The average returns (and the associated standard errors) of that asset class, as well as those of the ve style factors, are computed in each state of the world. Basically the principal components are unaffected. However, the style factors are somewhat affected, perhaps because traders have changed styles, or perhaps because of statistical variations. 286 Empirical Characteristics of Dynamic Trading Strategies Table 1 Returns of hedge fund style factors across different market environments: January 1991December 1995 (in percent per month) Environment MeanS. D. SysOpp MeanS. D. GlobalMac MeanS. D. Value MeanS. D. SysTrend MeanS. D. Distressed MeanS. D. Environment: US Eqty 1 2.820.29 1.620.99 2 0.050.19 0.211.08 3 1.590.11 1.561.09 4 3.040.12 0.311.36 5 5.130.59 1.511.91 0.820.62 2.140.42 1.870.69 1.420.29 1.670.44 1.980.61 0.170.54 1.580.51 3.740.88 5.190.80 1.451.26 1.710.82 0.770.51 1.911.70 0.501.55 1.560.38 2.080.72 1.720.47 1.560.36 1.860.53 Environment: Non-US Equity 1 5.160.42 1.601.29 2 1.770.22 1.051.29 3 0.810.15 0.820.89 4 3.350.19 1.491.25 5 6.990.50 2.281.73 0.500.55 1.250.75 0.900.42 1.850.54 1.930.66 0.921.02 1.840.70 1.880.70 2.420.81 3.431.17 2.451.59 1.190.93 0.000.70 0.400.56 3.821.58 1.520.45 1.510.31 2.330.62 0.960.34 2.360.58 Environment: US Bond 1 0.950.18 0.070.96 2 0.210.07 0.031.04 3 0.790.05 2.071.19 4 1.360.05 0.211.37 5 2.250.16 3.721.61 0.490.66 1.420.67 1.620.49 2.020.36 1.800.57 1.111.13 1.951.10 2.311.01 1.110.73 2.310.96 1.180.70 0.140.61 2.751.75 1.080.85 2.141.59 1.000.42 2.090.64 2.260.73 1.570.25 1.900.36 Environment: Non-US Bond 1 2.890.52 0.991.26 2 0.110.11 1.090.81 3 1.050.07 0.841.34 4 2.12 0.11 1.961.13 5 4.520.49 3.391.61 1.610.43 0.920.78 1.140.60 1.070.67 1.630.54 1.311.12 2.540.94 0.900.91 1.370.73 2.671.17 0.771.73 1.240.29 0.270.40 0.460.88 4.401.60 1.770.50 1.720.55 2.380.76 1.620.42 1.330.20 Environment: US Dollar 1 3.330.27 3.551.61 2 1.530.10 0.691.26 3 0.340.08 0.571.04 4 1.260.16 0.681.25 5 4.480.58 1.261.18 0.810.50 0.140.81 0.950.40 2.240.59 2.290.43 1.531.14 1.851.00 1.940.73 0.980.72 2.341.22 5.581.28 0.460.79 0.750.44 1.040.49 1.471.73 1.350.20 1.560.42 1.190.43 2.630.60 2.140.66 Environment: Gold 1 4.060.45 2 1.200.11 3 0.030.08 4 1.330.20 5 4.270.38 1.270.63 1.400.22 1.200.41 0.370.88 2.150.62 2.441.10 3.521.04 0.290.62 1.351.05 1.310.82 0.741.60 1.031.57 0.440.93 0.390.95 2.001.04 0.860.35 2.610.64 1.320.33 2.170.66 1.890.36 Environment: IFC Emerging Markets 1 4.800.71 1.291.32 0.380.82 2 1.590.19 1.770.77 0.810.55 3 0.560.14 1.141.02 1.170.42 4 2.760.22 0.701.48 1.470.41 5 8.521.33 0.371.84 2.560.59 0.340.94 1.011.07 2.230.77 1.570.74 3.451.12 1.250. 95 2.421.22 1.461.40 0.270.46 0.421.61 0.550.18 1.440.33 2.080.41 2.260.72 2.380.55 0.090.83 1.630.81 2.161.25 1.471.01 3.630.74 0.220.63 0.110.72 3.671.57 1.270.84 0.051.74 0.360.22 1.380.18 1.610.24 1.570.44 3.900.70 Environment: High 1 0.490.30 2 0.800.05 3 1.240.03 4 1.800.08 5 3.550.49 0.161.49 0.381.56 0.091.08 1.231.16 3.581.04 Yield Corporate Bonds 1.190.96 0.980.58 0.471.05 2.170.58 1.811.71 1.710.49 1.841.34 1.830.51 0.801.38 1.640.46 287 The Review of Financial Studies v 10 n 2 1997 If a style uses a buy-and-hold strategy in a given asset class, then its return in the ve states of the world should align with those in the asset class in a straight line. Using this method we identied that the Value style is akin to a buy-and-hold strategy in U. S. equities. The other four styles do not use buy-and-hold strategies in any of the asset classes. In particular, the Distressed style is not quite a buy-and-hold strategy in high yield corporate bonds, because its returns in states 4 and 5 for high yield corporates are out of line with those of the other states. For the same reason, the GlobalMacro style does not use buy-and-hold strategies in U. S. bonds, currencies, or emerging market equities. If a style uses a dynamic trading strategy in a given asset class, then its return should be large (positive or negative) when the underlying asset returns are at extremes (i. e. states 1 and 5). In the case of the SystemsOpportunistic style, it is most protable during rallies in U. S. bonds, non-U. S. bonds, and gold, and during declines in the U. S. dollar. The SystemsTrend Following style is most protable during rallies in non-U. S. equities and bonds, and during declines in the U. S. dollar. The GlobalMacro style is most protable during rallies in gold, the U. S. dollar, and emerging markets. The locations we have identied are consistent with the disclosure information provided by the traders. It is important to point out that this type of nonlinear, statedependent return tabulation is helpful only to infer the location of a trading style, but it is not very informative on the nature of the trading strategies employed. Based on the evidence, it is reasonable to conclude that the Value style is highly sensitive to the movements of the overall U. S. equity market. The Distressed style is also quite sensitive to the performance of the high yield corporate bond market. The other three styles are dynamic trading strategies in a variety of markets. They are not sensitive to the asset markets in the normal states (i. e. 2, 3, and 4), but can be sensitive to selective markets during extreme states. Given that we are measuring extreme or tail events, there is little hope of attaching statistical signicance. Indeed, we are making a much weaker statement. Table 1 shows that there exist nonlinear correlations between three style factors and some of the standard asset classes, which can give rise to optionlike payouts. Figures 3, 4, and 5 illustrate three of the most dramatic examples of optionlike payouts. Figure 3 shows that the SystemsTrend Following style has a return prole similar to a straddle (i. e. long a put and a call) on U. S. equities. Figure 4 shows that the SystemsOpportunistic style is like a call option on gold. Figure 5 shows that the GlobalMacro style behaves like a straddle on the U. S. dollar. 288 Empirical Characteristics of Dynamic Trading Strategies Figure 3 Systemstrend following style versus U. S. equity Figure 4 Systemsopportunistic style versus gold 289 The Review of Financial Studies v 10 n 2 1997 Figure 5 Globalmacro style versus dollar A few remarks are appropriate here. The terms Systems, Value, GlobalMacro, and Distressed are qualitative descriptors used by the hedge fund industry to describe the investment styles of hedge fund managers based on their disclosure documents. Here we are able to quantify the actual returns of these investment styles using factor analysis. It is important to remark that we are not advocating that it takes only ve style factors to completely characterize the myriad of strategies deployed by hedge fund managers. Contrary to the case of mutual funds where the statistically identied styles account for the lion share of performance variation, here the ve style factors can only account for 43 of the return variance of hedge funds. In the world of private investments, it is quite common to have a few niche arbitrageurs operating in illiquid markets where large hedge funds would nd it unsuitable given their size. Therefore the style factors represent the most popular trading strategies that can operate in asset markets with adequate depth and liquidity. Indeed, the lack of dominant style factors attests to the wealth of performance diversity available among these managers.10 10 We are aware of a number of trading strategies that are not captured by the ve dominant style factors. There are short sellers who only short equities. There are also traders who specialize in spread trading, such as (1) warrants versus stocks, (2) convertible securities versus stocks, (3) the short end versus the long end of the yield curve, (4) mortgage securities versus government securities, and (5) interbank swaps versus government securities. These are typically arbitrage 290 Empirical Characteristics of Dynamic Trading Strategies Lastly, a brief remark on what has come to be known as market neutral strategies is in order. There is a growing literature on what constitutes a market neutral strategy, its attractive characteristics and its potential pitfalls e. g. Lederman and Klein (1996). A detailed analysis of this category of trading styles, which often includes the Distressed style, is beyond the scope of this article. However, we note that return orthogonality to the traditional asset classes is a poor screening device for market neutral funds. As our example in Section 4 shows, a market timing strategy can appear to be uncorrelated to the very asset class it has directional exposure to, yet market timing strategies are generally not regarded as market neutral. A better screening criterion is to require a market neutral fund to be orthogonal to the ve hedge fund styles as well as the traditional asset classes. Our analysis shows that three hedge fund style factors (i. e. SystemsOpportunistic, SystemsTrend Following, and GlobalMacro) appear to use market timing strategies in various asset classes, so that they have directional exposure even if they are uncorrelated to the asset classes on average. Hedge funds correlated to these styles are not market neutral. In addition, two other hedge fund styles (Value and Distressed) are correlated to U. S. equity and high yield corporate bonds, respectively. Hedge funds correlated to these styles are also not market neutral. Beyond using correlation as a screening device, truly market neutral funds should not have excessive exposures to traditional asset classes in extreme moves. For example, a typical duration neutral xed income strategy may have no correlation to normal movements in interest rates, yet may have directional exposure to extreme movements see Fung and Hsieh (1996) for details. Limiting the amount of tail exposure, as is done in Table 1, is also a good device to screen for market neutral funds. 6. Insights on Performance Evaluation and Survivorship Bias for Hedge Funds Of the many differences between traditionally managed funds and hedge funds, two issues stand out: performance evaluation and survivorship bias, respectively. In this section, we contrast our ndings with the literature on these two important issues reported on mutual fund managers. In a simplistic setting, performance attribution and evaluation involve decomposing a managers returns into the part that can be replistrategies that have gained popularity over the last few years. The limited history, together with the diversity in the strategies employed, makes it less likely for their return characteristics to converge into identiable factors. 291 The Review of Financial Studies v 10 n 2 1997 cated by standard asset baskets, or market indices, and the residual that is attributed to the managers skill. The purpose of this decomposition rests on the assumption that investors are only willing to reward a manager for superior performance that cannot be easily replicated. Applying this concept to mutual funds, Jensen (1968) used a single-factor model, regressing a stock mutual funds returns (Rt ) on market returns (Rmt ) with being the constant term: Rt bRmt ut. (5) Sharpe (1992) extended this to a multiple-factor model for the general mutual fund: Rt bk Fkt ut. (6) k The slope coefcients of the regression tell us the replicating static mix of asset classes that would capture the funds performance. The constant term is used to measure the managers average ability to generate returns beyond this static mix of assets. In this decomposition, k bk Fkt was referred to as style, and ut as skill. The evidence in Figure 1, consistent with the mutual fund literature, shows that this regression works well for mutual funds, as indicated by the high R 2 values. However, this regression works very poorly for hedge funds because the R 2 values are very low. In the present context this would imply that mutual fund returns are generated primarily from static asset mix decisions, while hedge fund returns are generated primarily from skill. It is common practice to go beyond static asset class mixes in order to analyze the performance of mutual fund managers using simple trading strategies. This is achieved by further decomposing ut in Equation (5) into selectivity (which has its genesis from the equity world for describing the ability to pick stocks) and market timing (the ability to predict market direction). The identifying assumption is that selectivity consists of idiosyncratic, diversiable risks of individual stocks, while market timing consists of nondiversiable, nonlinear payouts of asset class returns based on trading strategies. Empirically the decomposition is implemented by adding proxies for market timing strategies to Equation (5). For example, Treynor and Mazuy (1966) used the square of the market return to proxy for market timing ability, while Merton and Henriksson (1981) used an option payout on the market return. Glosten and Jagannathan (1994) also provided some justication for using selected option-index portfolios as additional factors to proxy for dynamic trading strategies. The jury on the success of using a small number of proxies to pick up market timing abilities for mutual funds is still out. Jagannathan 292 Empirical Characteristics of Dynamic Trading Strategies and Korajczyk (1986) pointed out that a separation between selectivity and market timing is not in general possible when managers can follow dynamic trading strategies or use options. While this problem of identication may not be too severe in mutual funds, because managers do not use dynamic trading strategies or options extensively, it is likely to be very severe in hedge funds. Furthermore, with the exibility available to hedge fund managers, it is unclear whether the choice to bet on the currency market instead of stocks is to be interpreted as a selection decision or as a market timing decision. The only conclusive evidence we have is that the static asset mix component plays only a minor role in hedge fund performance in general. Consequently the important component of hedge fund performance is skill. In a sense, our model proposes a more detailed decomposition of the skill set to further characterize performance differences among hedge funds. A simplistic way of summarizing the difference between a manager that draws most of his return from the asset mix decision (the location decision) versus one that relies heavily on dynamic trading strategies is to think in terms of the intertemporal deltas to any given market. A manager that depends critically on the right location decision will have a slow-moving delta within a limited range (most mutual funds are limited in their use of short sales and leverage.) In contrast, a hedge fund manager can and will have deltas in orders of magnitude greater that can shift dramatically over very short intervals of time. A case in point is George Soross Quantum Fund. It is well known that Quantum gained 25.5 in September 1992 by betting on the devaluation of the British pound. Using monthly returns, the regression of Quantum against the pound has an R 2 of only 23. Using daily returns for the month of September 1992, the R 2 is only 10 The bet appeared to have been put on around September 11 and taken off around September 22. This can be seen from Figure 6, which plots Quantums daily net asset value per share versus the British poundU. S. dollar exchange rate (measured in pounds per U. S. dollar). The inability of simple statistical procedures in picking up the correlation between Quantum and the pound means that the number of proxies needed to pick up very short-term dynamic trading strategies is virtually innite. In the spirit of the present discussion, it is unclear whether this type of event return should be classied as selectivity or market timing. On the face of it, it appears to be market timing, but then why not bet on the other currencies Simply put, hedge fund returns are much harder to explain or replicate using simple trading rules. It is the recognition of these difculties that led us to add hedge fund styles to Sharpes asset class factor model. These new styles are 293 The Review of Financial Studies v 10 n 2 1997 Figure 6 Quantum net asset value versus GBPUSD exchange rate, September 1992 analogous to the market timing proxies in the mutual fund performance evaluation literature. The good news is that these new styles are uncorrelated to asset class returns. The bad news is that they are correlated with market returns during extreme moves or tail events.11 The exposure to tail events in asset markets is not diversiable, which substantially complicates risk management. Furthermore, we emphasize the limitations in using these new styles in performance attribution. The factor analysis indicates that there are many niche styles in the hedge fund universe still unaccounted for. It is conceivable that, with such a heterogeneous population, performance attribution may ultimately require in-depth due diligence on a case-by-case basis. Next we turn to the effect of survivorship bias on our empirical results. Here we need an estimate of the attrition rate in hedge funds. This turns out to be an exceedingly difcult task. Unlike mutual funds, hedge funds need not register with the Securities and Exchange Commission, nor does a hedge fund industry association exist that can document the entry and exit of funds. In short, it is almost impossible to know exactly how many funds existed as of a given point in time. Given that the population of hedge funds is unknown, there are two ways to estimate an attrition rate. The rst method takes a sample 11 Some of the more dramatic losses in the so-called market neutral funds occurred during large event moves in the asset markets. This can be attributed partially to a failure of their risk management system to cope with the abrupt increase in the correlation between their positions in the market. 294 Empirical Characteristics of Dynamic Trading Strategies of currently existing hedge funds and tracks them going forward in time. This prospective method of estimating attrition rate can only be done as a future research project. The second method to estimate the attrition rate is to go back in time to nd all funds that existed at a given point in time, say December 1994, and determine how many did not survive until a later point in time, say December 1995. This retrospective method of determining the attrition rate is appropriate in mutual funds, since the population of mutual funds on both dates is known. As the population of hedge funds at any given date is unknown, one is tempted to estimate a retrospective attrition rate by taking the funds in a database with returns in December 1994 and see how many of them dropped out by December 1995. This procedure would yield a downward bias in the attrition rate. To understand the bias of the retrospective attrition rate in a hedge fund database, one must understand the process and objectives in creating and maintaining a hedge fund database. Suppose there are N funds in the hedge fund population on December 1994 and A funds are in our database. Assume that there are no new funds coming into the population. The attrition rate is d per year. At the end of 1995, N d funds have exited the population and Ad funds have exited our database. If no funds were added into the database during 1995, the retrospective attrition rate would have been d (Ad)A. However, database vendors have an incentive to add quality funds into the database. In 1995 there are still (N A)(1 d) funds which were not in the database. Suppose B of them are added to the database, along with their past returns. At the end of 1995, there are A B funds in the database with returns in December 1994, but Ad of them had dropped out by December 1995. The retrospective attrition rate would be given by (Ad)(A B), which is a downward biased estimate of d by the factor A(A B). If we multiply the retrospective attrition rate by the adjustment factor (AB)A, we will have an unbiased estimate of the true attrition rate. Unfortunately we cannot calculate the adjustment factor (A B)A because we do not know when a given fund was added to the database. But we can obtain an upper bound for the adjustment factor. It is reasonable to assume that the sampling rate of the surviving funds in 1995 is the same as that of the original sample in 1994, that is, B(N A)(1 d) AN. This means B (N A)(1 d)(AN ). The adjustment factor, (AB)A, now becomes 1(1-AN)(1-d). As the adjustment factor is decreasing in AN and d, its maximum is two, when AN 0 and d 0. Thus doubling the retrospective attrition rate gives an upper bound of the true attrition rate. 295 The Review of Financial Studies v 10 n 2 1997 A further complication arises when new hedge funds enter the population. Unlike the mutual fund industry, in which new entrants arrive without return histories, it is common practice in the hedge fund industry to expect new funds to come with a track record accumulated either over an incubation period prior to launching the fund or from their previous trading history with a nancial institution. Typically, new funds are added to a database with a performance history. This will further bias downward the retrospective attrition rate. In estimating the retrospective attrition rate, we dene the population of hedge funds to be those that have operated for at least 3 years to avoid picking up new funds whose incubation period is typically less than 3 years. We examined 139 funds in the Paradigm database with returns in December 1994. To the best of our knowledge, at most, six funds had ceased operation by the end of 1995.12 That represents a retrospective attrition rate of 4.3 in 1 year and a maximum upper bound of 8.6 for the true attrition rate.13 This estimate of the attrition rate in hedge funds is comparable to that in mutual funds. Grinblatt and Titman (1989) found an average attrition rate of 4.3 per year between 1974 and 1984 for mutual funds. Brown et al. (1992) found the average attrition rate to be 4.8 between 1977 and 1985, ranging from 2.6 in 1985 to 8.5 in 1977. The low attrition rate in hedge funds means that survivorship bias is unlikely to affect the result that hedge fund returns are uncorrelated with those of asset classes. Even if we added back the 8.6 of hedge funds that had exited the sample, and even if their style regression R 2 s were 1.00, it would not dramatically change the distribution graphed in Figure 1. Survivorship bias is unlikely to impact the number of hedge fund styles in the factor analysis. It is conceivable that survivorship bias in funds can result in survivorship bias in our style estimates, if the funds that exited the sample had the same style and no surviving funds had that style. We were able to determine that this did not occur by examining the funds that ceased operation in 1995. Based on their returns and their disclosure documents, we determined that the exiting funds did not come from the same style. Some were systems traders, while others were niche funds that fell outside the ve dominant styles. The broader and more interesting question is to what extent survivorship biases the returns of the styles extracted from factor analysis based on a sample of surviving funds. Grinblatt and Titman (1989) 12 Four have ceased operations and the status of two more are unknown. 13 The authors are pursuing a project with Tass Management to study entry and exit in the Tass databases in conjunction with the behavior of assets under management going back a few years. Preliminary results on CTA funds indicate that the survivorship bias is similar to that in mutual funds. 296 Empirical Characteristics of Dynamic Trading Strategies found that survivorship biased upward mutual fund returns by 0.50 per year. For hedge funds, it is unclear if survivorship biases their returns upward or downward. The reason has to do with the life cycle of hedge funds when assets under management interact with performance. A small fund that has good performance attracts assets. Unlike mutual funds, hedge fund strategies have limited capacity. This means that, over any given time period, performance may well decline when a funds size gets too large. If it subsequently experiences poor performance, assets begin to ow out. In some cases the fund can return to some equilibrium level of assets under management and the fund survives. However, there will be other cases where assets shrink so much that it is no longer economical to cover the funds xed overhead and the manager closes it down and the fund exits. This can occur even if the returns during the latter stage are above the surviving funds average, but compares poorly to its peers in the same trading style. In other words, funds exiting the sample can easily have returns higher than the population average of the survivors. There are less common, but nonetheless anecdotal, examples where an exiting fund has better performance than the population average. It is frequently the case that with private investment pools like hedge funds, acceptable performing funds can go unnoticed for prolonged periods of time. After all, one would hardly expect marketing to be high on these traders list of skills. In these cases the managers can get impatient and simply close down the business and return to trade for a nancial institution. Another example is with successful funds. There are successful funds that have reached their perceived capacity and have stopped accepting new investments.14 At this stage, there is no incentive to report their performance to third parties outside of their own investor base. In other words, funds can drop out of a data vendors universe simply because they have chosen not to report their otherwise stellar performance. Other reasons unrelated to poor performance may cause a data vendor to cease reporting a funds performance. Tass Management, for example, delists a fund to avoid any liability in potential reporting errors. This can happen to funds with above average returns as well as below average returns. Ultimately one must recognize that hedge fund managers are a heterogeneous lot, thus survivorship bias needs careful interpretation. It is unclear to us that survivorship necessarily puts an upward bias on observed mean returns. More carefully conducted empirical work is needed. 14 The fact that George Soross Quantum Fund is closed to new investors and has been distributing assets to investors since 1992 illustrates our point that even large macro funds must limit their size in order to continue to turn in a good performance. 297 The Review of Financial Studies v 10 n 2 1997 7. Implications In this article we analyze investment styles using mutual fund returns from Morningstar and hedge fund returns from a dataset that has never been subjected to formal analysis. We have shown that there are 12 important investment styles buy-and-hold in nine asset classes (our eight original asset classes plus high yield corporate bonds) and three dynamic trading strategies. There are a number of implications. In terms of performance attribution and style analysis, we provide an extension to Sharpes style factor model. A style regression using these 12 variables should produce reasonably high R 2 values in at least 85 of mutual funds and perhaps 40 of hedge funds. We believe that this provides a good starting point in performance attribution and style analysis that can cope with both relative as well as absolute return managers.15 The results of our article also have implications for portfolio construction. An investor can now allocate across both location choices and trading strategies. There are, however, complications arising from the use of dynamic trading strategies that do not exist under a static buy-and-hold type of trading strategy. For the portfolio that includes dynamic trading strategies, portfolio construction and risk management are potentially more complex, depending on the investors risk preferences. Suppose an investor has quadratic preferences. Here, standard mean-variance tools are appropriate for asset allocation and risk management. We can show that the dynamic trading strategies can improve the performance of a traditional stock-bond portfolio without substantially increasing its risk. For example, a portfolio of 60 U. S. equities and 40 U. S. bonds has an annualized mean return of 11.55 and an annualized standard deviation of 7.97 between 1990 and 1995. By shifting 50 of the portfolio into the three dynamic trading strategies with equal weights, the annualized mean return increases to 15.92 and the annualized standard deviation decreases to 7.10. This is an economically significant benet. For investors with nonquadratic preferences, it is unclear whether mean-variance tools are appropriate for portfolio construction and 15 Since the three dynamic trading strategies exhibit nonlinear correlation with the eight noncash asset classes, it is picking up some of the Jensens alphas when only the buy-and-hold strategies are used. See, for example, Glosten and Jagannathan (1994). The main difference between our approach and that of Glosten and Jagannathan (1994) is that the factor analysis does not prespecify the underlying assets to which the dynamic trading strategies are related. The factor analysis could have picked up an important hedge fundCTA investment style using an asset class that is statistically independent of the eight noncash asset classes. The fact that the important hedge fund styles are either linearly or nonlinearly correlated to the eight noncash assets indicates that this is not so. We could not have known this before the factor analysis was performed. 298 Empirical Characteristics of Dynamic Trading Strategies risk management because some of the style factors involving dynamic trading strategies exhibit nonnormal distributions.16 Furthermore, they may have nonlinear correlation with those of the nine buy-and-hold styles. Portfolio construction and risk management must take into account investor preferences and the joint distribution of the 12 investment styles. The proper technique for portfolio construction when investors have nonquadratic preferences is a subject beyond the scope of this article.17 We can, however, illustrate how it may differ from the meanvariance approach. Suppose an investor is willing to give up some of the gains in a strongly rising stock market in order to reduce the downside risk in a rapidly falling one. This type of optionlike payout prole (similar to that of a portfolio insurance strategy) is generally not available from traditional managers. For example, consider Table 1 under the column SystemsOpportunistic. This particular style underperformed seven of the eight noncash asset classes during major rallies or extreme positive states. However, it delivered positive performance in the states when extreme negative outcomes were recorded in equities and bonds, which constitute the core of most institutional portfolios. An equally weighted portfolio of the three dynamic trading strategies can deliver superior performance in the states when extreme negative outcomes were recorded in the four equity and bond asset classes. Thus blending the three dynamic trading strategies to traditional managers can provide some downside protection. For example, take an investor who is highly averse to negative returns. The traditional 60 stock40 bond portfolio suffered a maximum monthly loss of 5.93 during the 19901995 period. If 50 of that portfolio is replaced by an equally weighted portfolio of the three dynamic trading strategies, the maximum monthly loss would be reduced to 2.87. For this investor, the latter portfolio would strongly dominate the traditional 60 stock40 bond portfolio. In other words, it is possible to achieve an optionlike return prole (relative to standard bench marks) with direct investment into existing hedge funds. Risk management in the presence of dynamic trading strategies is also more complex. Hedge fund managers have a great deal of 16 The ve hedge fund style factors have kurtosis of 3.22, 4.29, 2.64, 6.66, and 7.32, with a standard error of 0.63. This indicates that at least three of the ve style factors are not normally distributed. 17 In a recent article Hlawitschka (1996) extended the Levy and Markowitz (1979) article to examine the use of mean-variance models when options are present in the opportunity set. Although the results generally favor the mean variance approximation, the dataset used is limited. Given that historical returns from a wide cross section of dynamically managed portfolios were generally unavailable to these previous studies, the present dataset could provide useful input to address the question of portfolio selection with nonquadratic preferences. 299 The Review of Financial Studies v 10 n 2 1997 freedom to generate returns that are uncorrelated with those of asset classes and traditional fund managers. This style diversication comes at a cost. Care must be taken to ensure that proper infrastructure is in place to operate broad investment mandates involving a wide range of nancial instruments. Another important element of risk is that periodically the portfolio can become overly concentrated in a small number of markets. As an example, take a portfolio with exposure in three markets: U. S. equities, U. S. bonds, and non-U. S. bonds. A part of the portfolio is managed traditionally, using buy-and-hold strategies. The remainder is in hedge funds allocated in the three styles with dynamic trading strategies. Suppose a steady trend develops in the international bond markets, as was the case in 1993. The GlobalMacro traders would have been long and leveraged. The SystemsTrend Following and SystemsOpportunistic traders would have been long as well, to take advantage of the trend. By December 1993 the portfolio could have been highly concentrated in non-U. S. bonds. It would have made a lot of money in 1993. But when the world bond market declined sharply in 1994, the portfolio would have lost a lot of money. We refer to this phenomenon as diversication implosion. The intuition here is that, although style exposures are still diverse, market exposures can converge. Overall the empirical results show that style diversication can be achieved by blending the traditional relative return investment approach to the absolute return investment styles. However, there is also an implicit cost. Conceptually it is the exibility in the absolute return managers investment mandate that allows them to deliver an uncorrelated set of returns. But freedom has its price. It is important for an investor using managers with dynamic trading strategies to take extra steps to reduce the chance of diversication implosion and exposure to extreme or tail events. This calls for greater efforts in due diligence, portfolio construction, and risk monitoring. In this article we outlined some tools to extend traditional style analysis to alternative managers employing dynamic trading strategies. Hopefully this will provide an analytical framework for managing portfolios with a better diversity of styles.18 18 A diskette containing the monthly returns of the 409 hedge funds used in this study will be made available for academic research purposes for a nominal fee of 15.00 U. S. from Duke University. Please send all requests to David A. Hsieh. Each academic researcher should write, on the letterhead of hisher academic institution, a statement stating that the data will be used only for academic purposes, that the data will not be redistributed to other parties, and that the work will acknowledge The Review of Financial Studies, AIG, Tass, and Paradigm LDC for making the data available. Updates of the data, which came from Tass Management, can be purchased 300 Empirical Characteristics of Dynamic Trading Strategies Data Appendix Generally hedge funds are private investment pools structured in such a way as to minimize regulatory and tax impediments in operating the strategy. Consistent with this objective, most funds have adopted a low prole and often secretive posture. This is especially so with some of the offshore funds catering to non-U. S. domiciled investors. Not only are performance statistics not readily given out, periodic returns are only legally released via the offshore administrators, even for investors in the funds. Similarly, marketing materials are only available on a very restricted basis. This is particularly so because some of the largest fund managers have no interest in increasing the assets under management. In contrast, data on CTAs who are regulated by the CFTC are much more readily available. Unfortunately pools of capital managed by CTAs are much smaller in comparison to hedge funds. For example, one of the largest CTAs is John W. Henry amp Co. managing a little under 2 billion. In comparison, George Soross Quantum Fund controls well over 8 billion in assets. The hedge fund universe is where a much wider range of dynamic trading strategies are used, as opposed to the CTA universe which mostly consists of technical traders operating in the commodity and nancial futures markets. Consequently the more interesting set of the data is also the harder set to assemble. Our universe of hedge funds and CTA pools consists of 250 hedge funds from Paradigm LDC (with assets under management of 44.6 billion), 451 hedge funds from Tass Management (with assets under management of 27.7 billion), and 239 CTA pools from Tass Management (with assets under management of 6.7 billion). Paradigm LDC is the general partner to Paradigm LP, a Cayman Islandbased consulting rm specializing in hedge fund portfolios. Paradigms database has been assembled through information on investments made by its clients, as well as direct contacts with hedge fund managers it follows as potential investments. Tass Management is one of the few database vendors specializing in supplying data on hedge funds and CTAs. Tass obtains its data directly from fund managers. To construct the universe of funds used in this article we carefully excluded similar funds offered by the same management company. Some of these are created for regulatory reasons, while others are created because of investor demand. Most of these funds within the same family are based on similar strategies with highly correlated returns. Without ltering out such duplications, they would overweigh directly from Tass. However, Paradigm LDC will not be able to supply updates. 301 The Review of Financial Studies v 10 n 2 1997 certain style participation and bias our analysis. Excluded also are funds of funds, which invest in other hedge funds and are not central to our style analysis. From this universe we extracted funds that have at least 3 years of monthly returns and at least 5 million in assets under management. Excluding the small funds is important. Frequently CTA databases include funds that manage as little as a few hundred thousand dollars employing very high leverage with wildly volatile returns. These funds are, for all practical purposes, not viable investment targets for professional investors. As a result, the usable database has 409 funds consisting of 168 hedge funds and 89 CTA pools from Tass and 152 hedge funds from Paradigm LDC. Each fund is identied by a fund number, followed by its latest 36 monthly returns. Another point to note is that nearly all of these returns are adjusted for ex post audit changes. Frequently a funds monthly returns are revised after yearend audit. We have made all of the adjustments known to us to date. References Brown, S. J. W. Goetzmann, R. G. Ibbotson, and S. A. Ross, 1992, Survivorship Bias in Performance Studies, Review of Financial Studies, 5, 553580. Fung, W. and D. Hsieh, 1996, Global Yield Curve Risk, Journal of Fixed Income, 6, 3748. Glosten, L. and R. Jagannathan, 1994, A Contingent Claim Approach to Performance Evaluation, Journal of Empirical Finance, 1, 133160. Grinblatt, M. and S. Titman, 1989, Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings, Journal of Business, 62, 393416. Hlawitschka, W. 1996, The Empirical Nature of Taylor-Series Approximations to Expected Utility, working paper, School of Business, Faireld University forthcoming in American Economic Review. Jagannathan, R. and R. A. Korajczyk, 1986, Assessing the Market Timing Performance of Managed Portfolios, Journal of Business, 59, 217236. Jensen, M. C. 1968, The Performance of Mutual Funds in the Period 19451964, Journal of Finance, 23, 389416. Lederman, J. and R. A. Klein, 1996, Market Neutral: State of the Art Strategies for Every Market Environment, Irwin Professional Publishing, Chicago. Levy, H. and H. M. Markowitz, 1979, Approximating Expected Utility by a Function of Mean and Variance, American Economic Review, 69, 308317. Merton, R. C. and R. D. Henriksson, 1981, On Market Timing and Investment Performance II: Statistical Procedures for Evaluating Forecasting Skills, Journal of Business, 41, 867887. Sharpe, W. F. 1992, Asset Allocation: Management Style and Performance Measurement, Journal of Portfolio Management, 18, 719. Treynor, J. and K. Mazuy, 1966, Can Mutual Funds Outguess the Market Harvard Business Review, 44, 131136. 302. View Full Document This note was uploaded on 06252015 for the course FINA 410 taught by Professor Blimma during the Winter 03913 term at Concordia Canada. Click to edit the document details Share this link with a friend: Most Popular Documents for FINA 410 Introduction to Basic Options 2 Concordia Canada FINA 410 - Winter 2015 W. sn. d.-ia. uaumgaamwwm. gt C H A PE R 1 INTRODUCTION In the last 20 years deriv Introduction to Basic Options 2 Joenvaaraa Document (2012) Concordia Canada FINA 410 - Winter 2015 New Stylized facts about Hedge Funds and Database Selection Bias Juha Joenvra, Rober Joenvaaraa Document (2012) 4. Hedge Funds Concordia Canada FINA 410 - Winter 2015 Investment Analysis 4. Hedge Funds Dr. Juliane Proelss Assistant Professor of Finance