Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Finanzas I Modelos de Factores José Tessada Escuela de Administración Octubre 2018 EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Temas 1 Motivación 2 APT con un factor de riesgo 3 APT Multi-factorial 4 Tests empı́ricos del APT 5 Problemas prácticos del APT 6 Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Lecturas: BKM capı́tulos 8.1-8.2, 10 y 13 (lectura rápida). EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Intuición APT = Arbitrage Pricing Theory S.Ross desarrolla la idea en 1976 en su paper “Return,Risk and Arbitrage” Es una teorı́a sobre retornos esperados alternativa al CAPM Las grandes fuerzas que determinan los precios en el APT son la diversificación y el arbitrage Pero, necesitamos un modelo estadı́stico de los retornos Las conclusiones a las que llega el APT pueden ser similares a las del CAPM, pero partiendo de supuestos muy distintos En este caso también tenemos una SML (potencialmente multidimensional) EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Supongamos el siguiente modelo estadı́stico para retornos: Rit − RF = αi + βi(Rct − RF) + eit ∀i (1) Esto se puede parecer al CAPM a primera vista, pero no es necesariamente CAPM No hemos dicho que Rc sea el retorno de mercado El coeficiente βi es sólo el coeficiente de una regresión lineal, no el beta del CAPM En el fondo, tenemos un modelo estadı́stico de los retornos, no una ecuación de equilibrio Rct es el retorno de un activo o portafolio que captura los movimientos comunes entre activos eit es el retorno residual después de “limpiar” las fuentes de co-movimiento entre activos En promedio este residuo es cero: E(ei) = 0. EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) El gran supuesto del APT es que esos residuos no están correlacionados a través de activos, es decir, E(eiej) = 0 para todo activo i 6= j (2) Esto implica que Rc es capaz de capturar los movimientos comunes en un grupo grande de activos =⇒ residuos son independientes o idiosincráticos El retorno de un activo puede desviarse de αi + βi(Rct − RF), pero esa desviación no ocurrirá simultáneamente para todo un grupo de activos (o si no deberı́a estar capturada por Rc). Si este modelo estadı́stico se cumple, entonces la covarianza entre los retornos de 2 activos es: Cov(Ri, Rj) = βiβjV(Rc) (3) La principal implicancia del APT es que los αi de activos individuales deben ser aproximadamente cero. ¿Por qué? EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Consideremos que existen N activos. Si formamos un portafolio equal-weighted con estos activos su retorno es: Rpt − RF = αp + βp(Rct − RF) + ept donde αp = α1 N + ... + αN N βp = β1 N + ... + βN N ep = e1 N + ... + eN N ¿Cuánto es el riesgo idiosincrático de este portafolio? EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Las covarianzas no aparecen en esta fórmula porque hemos asumido que los residuos ei no están correlacionados a través de activos Tomemos σ2máx = máx(σ 2 1 , ..., σ 2 N) : Var(ep) ≤ σ2máx N Pero σ 2 máx N → 0 cuando N → ∞. Entonces, la varianza idiosincrática de este portafolio también tiende a cero Dado que la varianza del residuo tiende a cero y ya tenı́a media cero, podemos escribir el retorno del portafolio como: Rpt − RF = αp + βp(Rct − RF) Pero, ¿puede ser αp distinto de cero? EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Si αp > 0 hay una oportunidad de arbitraje: Compro el portafolio p y vendo (posición corta) βp unidades del portafolio c ¿Cuánto es el retorno de esta estrategia? Lo mismo ocurre si αp < 0 El APT dice que todo portafolio diversificado debe tener αp = 0 EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Los activos individuales pueden tener alfas distintos de cero, pero “no por mucho” Deben ser aproximadamente cero ¿Por qué? De lo contrario se puede convertir en una oportunidad de arbitraje Entonces, para la mayorı́a de activos: Rit − RF ≈ βi(Rct − RF) + eit En promedio: E[Rit − RF] ≈ βiE[Rct − RF] Si Rc = Rm, es decir, si el portafolio c corresponde al mercado, llegamos a la misma ecuación del CAPM, pero con supuestos absolutamente distintos En este caso lo importante no serı́a que el mercado fuera un portafolio eficiente, si no que fuera capaz de agotar las fuentes de movimiento común entre activos Modelamos las covarianzas, ¿por qué? No nos importa la crı́tica de Roll: no importa si mi medida de mercado de verdad considera toda la riqueza existente, si no sólo si cumple los requisitos estadı́sticos que vimos EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) En general podemos pensar que es necesario incluir K portafolios o factores para poder representar las fuentes de movimiento común entre activos Y la idea es buscar un K <<< al número de activos disponibles a modelar Los factores no son necesariamente retornos de portafolios, pueden ser variables macro como la inflación, el crecimiento del PGB, el crecimiento de una cierta industria (ej: el cobre para Chile), etc. Sin embargo, es usual representar estos otros factores con portafolios que capturan esas fuentes de comovimiento entre activos Por ejemplo: el portafolio “inflación” compra los activos más sensibles a la inflación y vende corto los activos menos sensibles Esto tiene ciertas ventajas en la interpretación y la implementación empı́rica del APT, pero no es un requisito conceptual Ver en BKM como trabajar modelos en los cuales los factores no son portafolios La versión multi-factorial del APT es: Rit − RF = αi + βi1(R1t − RF) + . . . + βiK(RKt − RF) + eit = αi + K ∑ k=1 βik(Rkt − RF) + eit El supuesto clave sigue siendo E(eiej) = 0 para todo activo i 6= j EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Los betas son la çantidad”de cada factor o riesgo que tiene un activo Los betas pueden ser positivos o negativos. Un beta negativo implica que un activo es un buen hedge con respecto a un cierto riesgo La implicancia clave del APT es que los alfas son aproximadamente cero para todo activo, y por lo tanto: E[Rit − RF] ≈ K ∑ k=1 βikE[Rkt − RF] Ejemplo: Supongamos una economı́a con dos factores de riesgo: la sensibilidad al crecimiento del PGB y la sensibilidad a la inflación El premio por riesgo de crecimiento es de 5 %, es decir, las acciones más expuestas a este riesgo ganan en promedio un 5 % más que las menos expuestas El premio por riesgo de inflación es 3 % La empresa X tiene un beta-crecimiento de 1.2 y un beta-inflaciónde 0.8 ¿Cuánto es el premio por riesgo de la empresa? EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Los tests del APT son una generalización de los tests del CAPM La clave del test son los alfas o las desviaciones de los retornos promedio respecto del modelo bajo consideración Un buen modelo es el que nos da alfas más chicos, ojalá cero Si los alfas son distintos de cero (en un sentido estadı́stico) rechazamos la versión del APT y buscamos otros factores o agregamos factores EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) La clave del APT es poder capturar las fuentes de movimiento común entre activos El APT es como un “fishing license” (Fama) en el sentido que es una carta blanca para empezar a meter más y más factores hasta que se representen todas las fuentes de movimiento común Un primer problema empı́rico es que ha sido muy difı́cil encontrar un set de factores que sea capaz de capturar todas las fuentes de movimiento común y entregar residuos absolutamente idiosincráticos Otro problema más conceptual es que el APT no nos dice qué portafolios o factores deberı́an cumplir los requisitos estadı́sticos que se piden Los factores son definidos de acuerdo a sus propiedades estadı́sticas, pero no necesariamente de acuerdo a la intuición económica que hay detrás Por ejemplo, si el factor que encuentro es el número de dı́as en que el mercado estuvo abierto: mientras produzca residuos idiosincráticos no me importa la causa que está detrás de su importancia La estadı́stica usa datos históricos: si no hay intuición detrás no sabemos si el factor que encontramos se mantendrá en el futuro o si fue simplemente una correlación espúrea EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Es el modelo APT más popular en el mercado de USA Ventajas: es simple y ha sobrevivido múltiples tests en USA y otros mercados desarrollados Desventajas: las de todo modelo APT. En pocas palabras, no es todavı́a claro qué riesgos de verdad representan los factores encontrados por FF El modelo de FF considera 3 factores de riesgo: 1 Retorno de un ı́ndice de mercado al estilo CAPM 2 Retorno de un portafolio que compra acciones con alta razón libro-bolsa (book-to-market) y vende acciones con baja razón libro-bolsa 3 Retorno de un portafolio que compra acciones de baja capitalización bursátil y vende acciones de alta capitalización bursátil El segundo factor es la diferencia de retorno entre las acciones “value” y “growth”, y se le conoce como “value spread” El tercer factor es el “size spread” Estos 3 factores capturan más del 90 % de la variación de retornos en portafolios americanos =⇒ No hay mucha variación común que quede afuera EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Para cada activo: Rit − RF = αi + βim(Rmt − RF) + βiHMLHMLt + βiSMBSMBt + eit donde HMLt = Rhigh,t − Rlow,t SMBt = Rsmall,t − Rbig,t Como todo modelo APT, la predicción es que αi = 0 La justificación de HML y SMB es la observación empı́rica de que el tamaño y la razón B/M predicen retornos empı́ricamente Esto significa que deberı́an estar capturando fuentes de comovimiento entre acciones. . . ¿cuáles? EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Algunas interpretaciones “racionales” del modelo de FF, es decir, que consideran la existencia de un trade-off riesgo-retorno, son: B/M: acciones value tienen mayor riesgo de quiebra. La evidencia al respecto no es concluyente Tamaño: empresas más chicas son menos lı́quidas y por eso reciben un premio De verdad el size spread fue documentado a principios de los 80s y ha desaparecido en las décadas recientes: ¿aumento de liquidez? ¿Eficiencia de mercado al darnos cuenta de esta “anomalı́a”? La interpretación behavioral es que HML no representa un factor de riesgo si no la sobre-demanda de inversionistas irracionales por acciones “growth” que son consideradas como ”glamorosas”. No es que tengan menor riesgo, sino que son más ”sexy”. Ejemplo: Yahoo vs. una compañı́a de agua potable, ¿Amazon versus Sears? Es difı́cil testear las hipótesis racionales versus irracionales, la evidencia no es concluyente todavı́a A pesar de las carencias teóricas, el modelo de FF sigue siendo muy útil para asignación de portafolios, creación y evaluación de fondos mutuos, calcular tasas de descuento para evaluación de proyectos EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Cumulative return by BE/ME 1926-2005 (log scale) 0.1 1 10 100 1000 10000 100000 19 26 07 19 28 12 19 31 05 19 33 10 19 36 03 19 38 08 19 41 01 19 43 06 19 45 11 19 48 04 19 50 09 19 53 02 19 55 07 19 57 12 19 60 05 19 62 10 19 65 03 19 67 08 19 70 01 19 72 06 19 74 11 19 77 04 19 79 09 19 82 02 19 84 07 19 86 12 19 89 05 19 91 10 19 94 03 19 96 08 19 99 01 20 01 06 20 03 11 growth value EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Cumulative return by size 1926-2005 (log scale) 0.1 1 10 100 1000 10000 100000 19 26 07 19 28 12 19 31 05 19 33 10 19 36 03 19 38 08 19 41 01 19 43 06 19 45 11 19 48 04 19 50 09 19 53 02 19 55 07 19 57 12 19 60 05 19 62 10 19 65 03 19 67 08 19 70 01 19 72 06 19 74 11 19 77 04 19 79 09 19 82 02 19 84 07 19 86 12 19 89 05 19 91 10 19 94 03 19 96 08 19 99 01 20 01 06 20 03 11 small big EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Cumulative returns by size 1985-2005 (log scale) 1 10 100 19 85 01 19 85 09 19 86 05 19 87 01 19 87 09 19 88 05 19 89 01 19 89 09 19 90 05 19 91 01 19 91 09 19 92 05 19 93 01 19 93 09 19 94 05 19 95 01 19 95 09 19 96 05 19 97 01 19 97 09 19 98 05 19 99 01 19 99 09 20 00 05 20 01 01 20 01 09 20 02 05 20 03 01 20 03 09 20 04 05 20 05 01 20 05 09 small big EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores Una fuente de movimiento común que los factores de FF no capturan es el momentum Consideremos el portafolio UMD: UMDt = Rup,t − Rdown,t Las acciones “up” son las acciones ganadoras en los últimos 12 meses y las acciones “down” son las perdedoras Este portafolio tiene un premio por riesgo sustancial a pesar de usar sólo información histórica (en la próxima clase hablaremos de eficiencia) Es usual hoy en dı́a considerar un modelo de FF aumentado con este cuarto factor UMD Tampoco ha sido fácil entender qué riesgo captura este factor,y es uno de los argumentos tradicionales contra la posición de que todo mayor retorno es una compensación a un riesgo que se está incorporando EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores EAA220B Factores J. Tessada 2-2018 Motivación APT con un factor de riesgo APT Multi- factorial Tests empı́ricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores 1920 The Journal of Finance R© Table II Intercepts and Slopes in Variants of Regression (1) for Equal-Weight (EW) and Value-Weight (VW) Portfolios of Actively Managed Mutual Funds The table shows the annualized intercepts (12 ∗ a) and t-statistics for the intercepts (t(Coef )) for the CAPM, three-factor, and four-factor versions of regression (1) estimated on equal-weight (EW) and value-weight (VW) net and gross returns on the portfolios of actively managed mutual funds in our sample. The table also shows the regression slopes (b, s, h, and m, for RM−Rf , SMB, HML, and MOM, respectively), t-statistics for the slopes, and the regression R2, all of which are the same to two decimals for gross and net returns. For the market slope, t(Coef ) tests whether b is different from 1.0. Net returns are those received by investors. Gross returns are net returns plus 1/12th of a fund’s expense ratio for the year. When a fund’s expense ratio for a year is missing, we assume it is the same as other actively managed funds with similar assets under management (AUM). The period is January 1984 through September 2006. On average there are 1,308 funds and their average AUM is $648.0 million. 12 ∗ a Net Gross b s h m R2 EW Returns Coef −1.11 0.18 1.01 0.96 t(Coef ) −1.80 0.31 1.12 Coef −0.93 0.36 0.98 0.18 −0.00 0.98 t(Coef ) −2.13 0.85 −1.78 16.09 −0.24 Coef −0.92 0.39 0.98 0.18 −0.00 −0.00 0.98 t(Coef ) −2.05 0.90 −1.78 16.01 −0.25 −0.14 VW Returns Coef −1.13 −0.18 0.99 0.99 t(Coef ) −3.03 −0.49 −2.10 Coef −0.81 0.13 0.96 0.07 −0.03 0.99 t(Coef ) −2.50 0.40 −5.42 7.96 −3.22 Coef −1.00 −0.05 0.97 0.07 −0.03 0.02 0.99 t(Coef ) −3.02 −0.15 −5.03 7.78 −3.03 2.60 each month. The EW portfolio weights funds equally each month. The inter- cepts in (1) for EW fund returns tell us whether funds on average produce returns different from those implied by their exposures to common factors in returns, whereas VW returns tell us about the fate of aggregate wealth invested in funds. Table II shows estimates of (1) for fund returns measured gross and net of fund expenses. Net returns are those received by investors. Monthly gross returns are net returns plus 1/12th of a fund’s expense ratio for the year. The market slopes in Table II are close to 1.0, which is not surprising since our sample is funds that invest primarily in U.S. stocks. The HMLt and MOMt slopes are close to zero. Thus, in aggregate, active funds show little exposure to the value-growth and momentum factors. The EW portfolio of funds pro- duces a larger SMBt slope (0.18) than the VW portfolio (0.07). We infer that smaller funds are more likely to invest in small stocks, but total dollars in- vested in active funds (captured by VW returns) show little tilt toward small stocks. Motivación APT con un factor de riesgo APT Multi-factorial Tests empíricos del APT Problemas prácticos del APT Modelo de Fama y French (FF) Fama y French – 3 Factores Carhart – 4 Factores
Compartir