Alfa & dagelijkse handelsliquiditeit van effecten

 Hoeveel alfa genereren alle Wall Street effecten met minimum dagelijkse dollarvolumes van $1 Miljoen?  

Tegenwoordig worden er ongeveer 4000 niet-OTC effecten op Wall Street verhandeld die dagelijkse dollarvolumes van $1 Miljoen of meer hebben. Ongeveer 1150 daarvan werden al verhandeld vanaf april 2007 met die liquiditeit. Laten we eens onderzoeken hoeveel alfa die1150 effecten kunnen genereren als we alleen de historische effectenprijzen en volumes als input nemen. Als de efficiënte markthypothese inderdaad geldt, dan is alle publieke informatie verwerkt in de aandelenprijzen en volumes. Portefeuille management bestaat uit de volgende activiteiten: screenen, ranken, wegen, timen en validatie van in het verleden behaalde resultaten. Wij gebruiken historische einde-dag aandelenprijzen om deze vijf activiteiten te simuleren en gebruiken Market-On-Close (MOC) orders om een realistische validatie te berekenen. Behaalde resultaten uit het verleden zijn een indicatie voor toekomstig succes, maar geen garantie. 

Als het handelsinterval verkleind wordt tot een week, berekenen we dat beta -11.2% negatief wordt ten opzichte van de S&P500 en een risico-vrije rente van 2.66%. Alfa van deze 1150 effecten is dan 10.6%, en wordt de Expected Annual Growth Rate (EAGR, ook afgekort tot APR) gelijk aan 13.0% met een MAR ratio van 0.21 en een Sharpe ratio van 3.1:

We berekenen de 1150 asset allocaties in alle 675 weken van 2007 tot 15 mei 2020 met ons eigen weegalgoritme dat de MAR ratio maximaliseert. De CPU duurt ongeveer 40 seconden. De berekende alfa staat in geen verhouding tot de alfa die door sentiment gegenereerd wordt (Is News Sentiment still adding alpha?).

Gewoonlijk is het beleggingsdoel om het maximale risico in evenwicht te brengen met het jaarlijkse rendement. Voor dergelijke investeringen wordt de MAR ratio gelijk aan een of groter. Dit in evenwicht brengen wordt gewoonlijk bereikt door het combineren van long en short posities uit een Watchlist. Het wekelijks selecteren van long-short combinaties uit deze 1150 effecten met een hedge ratio van 50%, verhoogt de MAR ratio van 0.21 tot 0.35, en de Sharpe ratio tot 4.0, beta tot -7.5% en reduces alpha to 8.8%:

Een particuliere belegger heeft er geen belang bij om in zulke hoge aantallen effecten te beleggen. Hij is meer geïnteresseerd in het financiële resultaat van de hoogste rangen van die 1150 posities. Als hij wekelijks de 24 top-rangen van de long-short posities uit deze 1150 effecten met een hedge ratio van 80% combineert en scant voor een lange en korte correlatietijden van 2 en 1 week, zijn MAR ratio zal bijna verdubbelen tot 0.59, zijn Sharpe ratio verhoogt tot 5.7, hij produceert een alfa van 30.6%, exclusief broker kosten en dividendbelasting:

Het ranken is wordt vaak bewerkstelligd door gebruik te maken van fundamentele an/of technische indicatoren. Wij gebruiken geen van beiden. Wij gebruiken ons eigen ranking systeem, dat we ergodisch ranken noemen. Dit ranking systeem is gebaseerd op de aanname van het statistische gedrag van de prijsfluctuaties ergodisch is.   

Om de MAR ratio tot een goed-gebalanceerde waarde van 1.11 te krijgen, leggen we een additionele screening voorwaarde  op de MAR ratios van de individuele effecten door iedere week de TOP#50 te pakken, en de hedge ratio tot 110% te verhogen. Dit genereert een alfa van 18.1% met een beta of -4.3% and a YTD of 17.8%: 

Inclusief kosten en dividend belasting is dit game plan niet ineressant, omdat de resultatenkronne tussen 2010 en 2017 vrijwel vlak verloopt. Als je het handelsinterval naar 13 weken verhoogt, wordt de invloed van brokerkosten en dividendbelasting van minder belang en krijg je een MAR ratio van 0.6 en genereert een alfa van 22.8% with YTD=13.7%:

Om iedere week de TOP#24 long en short posities uit een WatchList van 1150 effecten te kiezen, kun je nog een extra risico reductie uit het diversificeren halen. Het portefeuille weegalgoritme kan de MAR ratio verder omhoog brengen dan die van de overeenkomstige gelijk-gewogen en prijs-gewogen portefeuilles. Als de validatieperiode van 12 tot 32 jaar verhoogd wordt en historische koersen tussen $2 en $500 gescreend worden, verhoogt de MAR ratio naar 0.75, nog steeds redelijk gebalanceerd, en genereert een alfa van 33.3% een een beta van -5.7%. De vergroting van alfa in 1996 ten opzichte van de S&P500 is duidelijk zichtbaar als ook het alfa verval na 2007:

Effecten allocatie algoritmes zijn CPU verslinders en neigen onstabiel te worden als de markt "bloedt". Onze weegalgoritmes blijven effectief tijdens grote schommelingen in de markt zoals die van 1987, 2001, 2009, 2018, en 2020. Weegalgoritmes hebben vaak de neiging om slechts een aantal effecten een overgewicht te geven, zodat de resterende effecten nauwelijk bijdragen. Wij hebben hier het genereren van alfa onderzocht met het investeren van constante bedragen aan het begin van ieder handelsinterval. We hebben dit gedaan om onrealistisch "compounding" over vele jaren te voorkomen. De resulterende vrije-kasstroom curve met een lineaire schaal is gelijkvormig met de "compounded" curve met een semi-log schaal. Initiële beleggingen van $1 Million gedurende ieder kwartaal sinds 2002 genereerden ongeveer $8 Miljoen in vrije kasstroom gedurende de afgelopen 12 jaar met een maximale terugval van $0.4 Miljoen.

Volgens ons is succesvol optimaal portfoliomanagement niet gebaat bij het introduceren van verschillende factoren zoals sentiment en de status van overbought en over sold. Onze software genereert het maximum resultaat met het minimale risico uit een gegeven WatchList, of alleen het maximale resultaat of het minimale risico. Resultaten uit het verleden zijn je beste voorspeller van succes, maar geen garantie.

Jan G. Dil and Nico C. J. A. van Hijningen
Mei 15, 2020