请选择 进入手机版 | 继续访问电脑版

对冲基金网

 找回密码
 立即注册
查看: 66|回复: 0

情绪交易与对冲基金收益

[复制链接]

145

主题

167

帖子

654

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
654
发表于 2021-12-14 23:52:24 | 显示全部楼层 |阅读模式
摘要
文献来源:[1] Chen Y, Han B, Pan J. Sentiment Trading and Hedge Fund Returns[J]. The Journal of Finance, 2021.
推荐原因:当出现情绪波动时,套利者可能使用不同的交易策略,从而导致其呈现不同的情绪暴露。本文发现通过情绪beta(即对冲基金对情绪波动的暴露)排序分组的对冲基金组合,最高与最低组的月度风险调整后的收益差值为0.59%,在管理能力强的基金中该收益差值更加显著。此外,约10%的对冲基金具有情绪择时能力,其情绪择时能力与基金的情绪beta以及基金业绩正相关。本文的研究表明,优秀的对冲基金能够通过预测及利用投资者情绪变化来获取高收益。
893930039f604157a398c081d6561f76.png
04936dbb78514e57976052873f72907a.png
1. 背景
非理性投资者的情绪是易变的。情绪的变化不仅会导致错误定价,还会导致套利行为的减少。本文专注于情绪对套利者业绩表现的影响。特别地,我们研究了对冲基金收益与对冲基金应对情绪变化的交易策略的异质性之间的关系。
对冲基金的策略通常无法直接观察到。然而,在情绪波动期间,套利者策略的差异会导致对情绪的暴露出现分化,因此策略的情绪暴露可以直接用来衡量其如何应对情绪变化。本文发现对冲基金的情绪beta与未来收益之间存在正向的横截面相关性。根据1994年至2018年间的4073只权益对冲基金,该结果在统计及经济意义上均显著。
2. 数据
2.1. 对冲基金
本文的对冲基金样本来自于Lipper TASS数据库。TASS将对冲基金分为11种策略类别,由于本文的情绪指标主要对应美国股市,因此本文主要考虑投资范围为美股的对冲基金。我们剔除每只基金在新加入数据库后的前12个月内收益率,只选取以美元汇报月度净收益率、并且允许月度或者更高频率赎回的基金。此外,删除重复的基金,以及管理规模低于500万的基金。最后,要求每个基金至少有30个收益样本。经过筛选后,我们样本包含1994年至2018年的4073只对冲基金,样本分布及特征如下表所示。
d4ef81e2c0024fb3a74cbe9dd252f71c.png
2.2. 情绪变化
我们主要使用Baker-Wurgler情绪变化指数衡量情绪波动。Baker and Wurgler (2006)复合6个指标衡量市场整体的情绪:封闭式基金折价率,市场换手率,IPO数量及上市首日收益率,新发股数及股利溢价。情绪指标首先对这些指标使用主成分分析,然后对宏观经济变量正交来剔除经济周期的影响。为了衡量投资者情绪在时间维度上的变化,Baker and Wurgler (2007)使用这些指标变化的第一主成分构建了月度情绪变化指数。如下图,样本内月度情绪变化指数的均值为-0.50,标准差为1.39,25%及75%分位数分别为-1.38及0.47。
9c17964a9f3d4ebcbbbec76d496f4163.png
为了稳健性,我们还使用两个情绪波动指标,分别为密歇根大学根据家庭信心调查构建的消费者情绪指数,以及Da, Engelberg, and Gao (2015)根据网络搜索关键字构建的FEARS指数。Baker-Wurgler情绪变化指数与密歇根消费者情绪指数正相关,与FEAR指数负相关,这是由于后者反映了投资者对经济状况的恐慌程度。
2.3. 风险因子
为了衡量风险调整后的收益,即alpha,我们控制了常见的风险因子,包括权益市场因子,规模因子,10年期国债收益率变化,信用风险溢价变化,三个债券、货币、商品的趋势跟踪因子。我们还控制了通货膨胀率、违约溢价,并且发现对这些因子的暴露与对冲基金的收益率显著相关。进一步地,我们加入了动量因子,因为Griffin and Xu (2009)发现对冲基金使用动量策略。最后,我们控制了非流动性风险。整体上,Baker-Wurgler情绪变化指数仅与三个风险因子微弱相关,分别为权益市场因子,规模因子,及通货膨胀因子。
3. 基础结果
3.1. 排序组合
我们首先使用排序组合检验情绪beta与对冲基金收益之间的关系。从1996年12月起,使用36个月的滚动窗口估计基金的情绪beta(即在情绪变动指数上的载荷),按照情绪beta将对冲基金分为10组,构建等权组合,然后衡量组合在下个月的收益率。
在控制常见风险因子后,将基金的超额收益对情绪变动指数回归,衡量每只基金的情绪beta。滚动窗口可以用来估计beta值在时间序列上的变动。在月度t,使用36个月滚动窗口内的至少30个收益样本,进行如下回归:
跟踪组合构建后下一个月的表现。将每个分位数组合的超额收益对Fung-Hsieh七因子、动量因子、流动性因子进行回归,估计得到alpha。相应地,最高组和最低组的alpha差值就体现了可归因于情绪beta的收益差异。在检验中,我们使用带2阶滞后的Newey-West (1987)标准差估计t统计值,其中滞后期数根据对冲基金月度收益的自相关性确定。
下表展示了情绪beta分组的对冲基金组合的超额收益及alpha。情绪beta最高的组合的平均超额收益为每月0.58%(t值为3.48),alpha为每月0.51%(t值为2.98),表明显著正向的超额收益,而情绪beta最低的组合超额收益为每月0.27%(t值为1.77),alpha为每月-0.08%(t值为-0.51)。最高与最低组合的收益差值为0.31%每月(t值为3.16),在经济及统计意义上均显著为正。从风险调整角度来看,最高与最低组合的alpha差值为每月0.59%(t值为3.55)。虽然组合的收益并不随着情绪beta严格单调,但是情绪beta最高的三个组合也是超额收益最高、alpha最高的三个组合。因此,分位数组合的检验结果说明情绪beta与对冲基金的超额收益及风险调整后alpha均显著正向相关。
e9f3622118944576a422f462ef7060c6.png
下图展示了最高与最低组合之间的月度alpha差值。alpha的月度差值在2/3以上的样本内都为正。累计alpha的差值也呈现出持续差异。
b9f9021d95174fc4b62efe4269ab5adf.png
3.2. Fama-MacBeth回归
为了控制已知因素对对冲基金收益的影响,我们使用Fama-MacBeth (1973)横截面回归的方法,将基金的超额收益或者alpha对情绪beta及其他基金特征及风格变量进行回归,回归模型如下:
其中,情绪beta使用过去36个月滚动窗口估计。
横截面回归结果如下。基金超额收益对情绪beta的回归系数为0.17(t值为3.03)。基金alpha对情绪beta的回归系数为0.14(t值为3.31)。这些结果与分位数组合的结果相一致,表明情绪beta可以正向且显著地预测对冲基金的横截面表现。
34874bd3160f464d828df215d522d34a.png
4. 如何解释情绪beta与基金表现之间的关系?
本章探究了可能解释以上结果的两个原因,这两个解释并不是完全互斥的。
4.1. 基于风险的解释
第一个为基于风险的解释,高情绪beta对冲基金的优异表现来自于持有高情绪beta股票,这些股票由于正向的情绪风险溢价而具有更高的收益。
我们将情绪beta分组的对冲基金收益差值对一个可交易的情绪因子进行回归。该情绪因子使用股票市场构建,为根据Baker-Wurgler情绪beta分组的最高和最低组收益差值。在我们的样本期内,可交易的情绪因子的均值为0.28%(t值为2.06)。
在控制了对情绪因子及其他风险因子的暴露后,最高最低的对冲基金组合收益差值为每月0.56%(t值为3.54)。将该结果与前文未调整情绪因子时估计得到的基金alpha(即每月0.59%,t值为3.55)比较,可以看到高情绪beta对冲基金的优秀表现在控制了情绪因子后仅降低了0.03%。因此,我们关于对冲基金的结果并不能完全由情绪beta与股票收益之间的关系所解释。这个结果还表明,高情绪beta的对冲基金并不是仅仅持有正向的情绪beta股票。他们的高情绪暴露主要来自于复杂且动态的交易策略。
ba868da5da984b5ba263ba3285e5a9c0.png
4.2. 基于能力的解释
第二个为基于管理能力的解释,高情绪beta基金的优秀表现来自于管理者的能力。
在前文中我们发现,在控制了各种风险因子后,根据情绪beta排序分组的最高的三个对冲基金组合(尤其是最高组)呈现出经济及统计意义上均显著的正向alpha,而其他对冲基金基本没有alpha。
4.2.1. 对冲基金能力与情绪beta-基金表现关系
文献已经发现了与管理能力相关的对冲基金特征,如高管理费、采取高水位线条款(high-water mark)、更长的锁定期及通知期等。进一步地,Titman and Tiu(2011)还基于基金收益对风险因子的暴露,提出基金经理能力衡量指标。根据该指标,低能力的管理人,他们对自己使用主动策略产生alpha的能力缺少自信,选择在系统性风险上暴露更多。这表明低能力管理人的基金相对系统性风险因子具有更高的R方。相比之下,高能力管理人的R方更低。
与能力解释相一致,我们发现高情绪beta对冲基金的出色表现在管理能力高的对冲基金中更强。根据Titman-Tiu基金能力指标,将对冲基金分为两个子样本,在高管理能力基金中,高情绪与低情绪beta基金的收益差值为0.41%(t值为4.07),alpha差值为0.71%(t值为4.02),而在低管理能力基金中收益差值平均仅为0.25%(t值为2.07),alpha差值为0.46%(t值为2.30)。这些结果表明,情绪beta与基金表现之间的关系在高管理能力的对冲基金中更加显著。
类似地,在更有经验(基金规模及成立年限)、管理费更好、采取高水位线条款、具有锁定期、更长的通知期的基金中,情绪beta与基金表现之间的关系更强。
60927818fef74fb791f5ec43f40e9309.png
4.2.2. 情绪择时
为了考察在情绪波动时提高基金业绩的具体管理能力,我们检验了对冲基金是否可以对投资者情绪进行择时并且相应调整其持仓。
我们首先检验对冲基金的情绪择时能力。我们根据经典的Henriksson and Merton (1981)市场择时检验建立了情绪择时模型。由于情绪变化指数本身并不能反映投资收益,我们检验了对冲基金对可交易情绪因子的动态变化,可交易情绪因子为最高与最低情绪股票组合的收益差。
我们在单个基金层面进行检验,而不是在对冲基金指数层面进行检验,因为并不是所有的基金都会具有情绪择时能力。更重要的是,我们关注对冲基金情绪择时能力的差异是否与基金情绪beta以及业绩表现的横截面差异相关。对于每个具有至少30个月度收益率的基金来说,我们进行如下情绪择时回归:
其中,∆sentiment为情绪变化指数,sent-factor为通过股票情绪beta构建的可交易情绪因子,变量I为哑变量,当可交易情绪因子高于时间序列均值时取1,否则为0。系数γ衡量基金经理的情绪择时能力。具有对投资者情绪择时能力的基金经理,在可交易情绪因子收益高的时候,会增加基金对可交易情绪因子的暴露,从而带来正向的回归系数γ。因此,我们将γ称作情绪择时系数。
为了验证我们情绪指标的合理性,我们考察了情绪择时系数与对冲基金业绩之间的关系。如果情绪择时系数至少部分刻画了真正的择时能力,其应当与基金的业绩呈现正相关性。
下表展示了情绪择时系数γ的t值的横截面分布。在样本中,13.82%的基金的t值高于1.65(即在正态分布下5%的右侧显著性水平),而只有2.77%的样本t值低于-1.65(即正态分布下5%的左侧显著性水平)。因此,分布的右侧比左侧更加肥尾,表明正向的情绪择时系数比负向的择时系数更加突出。在三种抽样方法下该结论仍然成立,表明高情绪择时系数不太可能是单纯运气的结果。
b7f1da8dca354d9d9079a2cb5a6c68e0.png
然后,我们检验情绪择时是否与对冲基金在横截面上的情绪beta相关。我们发现这个两个变量显著正相关。该结果表明,情绪择时越强的对冲基金倾向于具有更高的情绪beta。
最后,我们发现情绪择时系数确实影响了对冲基金的业绩表现。将未来一个月的基金表现对情绪择时系数进行Fama-MacBeth回归,不论使用超额收益还是alpha作为回归因变量,情绪择时能力的系数均显著为正。同时,情绪beta仍然与对冲基金的业绩呈现强相关性。
因此,我们发现具有正向情绪择时能力的对冲基金具有更高的情绪beta以及更好的业绩。然而,情绪择时能力似乎只能够部分解释情绪beta对基金业绩的影响,还需进一步地研究。
f8cfd1b325c1496c89e8c80ff155c7db.png
5. 总结
本文研究了对冲基金对情绪波动的暴露,即情绪beta,与基金业绩的关系。对冲基金使用的不同情绪交易策略可能导致它们在情绪暴露上的横截面差异。我们的研究表明,对投资者情绪变化具有高度正向暴露的对冲基金能够显著取得更好的业绩。根据情绪beta排序分组的最高与最低组的风险调整收益达到月度0.59%(t值为3.55)。
我们进一步探究了产生该现象的两种可能的解释。我们的分析表明情绪beta与基金收益之间的关系在管理能力强的对冲基金中更加显著。此外,我们在部分样本中发现情绪择时能力,这些具有情绪择时能力的管理人表现出高情绪beta及高alpha。因此,虽然情绪波动可能减弱套利行为,但是熟练的套利者能够从中获利(即通过预测情绪的变动)。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

手机版|小黑屋|对冲基金网

GMT+8, 2022-1-20 13:54 , Processed in 0.062051 second(s), 20 queries .

Powered by CNHedge

快速回复 返回顶部 返回列表