Inzicht in kwantitatieve analyse van hedgefondsen

Hoewel beleggingsfondsen en hedgefondsen kunnen worden geanalyseerd met behulp van zeer vergelijkbare statistieken en processen, vereisen hedgefondsen een extra diepgang om hun complexiteitsniveau en hun asymmetrische verwachte rendementen aan te pakken. Hedgefondsen zijn over het algemeen alleen toegankelijk voor geaccrediteerde beleggers, omdat ze moeten voldoen aan minder SEC-voorschriften dan andere fondsen.

Dit artikel zal ingaan op enkele van de kritieke statistieken om te begrijpen bij het analyseren van hedgefondsen, en hoewel er nog vele andere zijn die in overweging moeten worden genomen, zijn de hier opgenomen goede manieren om te beginnen met een rigoureuze analyse van de prestaties van hedgefondsen.

Absoluut en relatief rendement

Net als de prestatieanalyse van beleggingsfondsen, moeten hedgefondsen worden geëvalueerd op zowel absoluut als relatief rendement. Vanwege de verscheidenheid aan hedgefondsstrategieën en het unieke karakter van elk hedgefonds is een goed begrip van de verschillende soorten rendementen nodig om ze te identificeren.

Absoluut rendement geeft de belegger een idee waar hij het fonds kan categoriseren in vergelijking met de meer traditionele soorten beleggingen. Ook wel het totale rendement genoemd, meet absoluut rendement de winst of het verlies van een fonds.

Een hedgefonds met een laag en stabiel rendement is bijvoorbeeld waarschijnlijk een betere vervanging voor vastrentende beleggingen dan aandelen uit opkomende markten, die mogelijk worden vervangen door een wereldwijd macrofonds met een hoog rendement.

Relatief rendement daarentegen stelt een belegger in staat de aantrekkelijkheid van een fonds te bepalen in vergelijking met andere beleggingen. De vergelijkingen kunnen andere hedgefondsen, beleggingsfondsen of zelfs bepaalde indexen zijn die een belegger probeert na te bootsen. De sleutel tot het evalueren van relatieve rendementen is het bepalen van de prestaties over verschillende perioden, zoals een-, drie- en vijfjaarlijkse rendementen. Bovendien moeten deze rendementen ook worden beschouwd in relatie tot het risico dat inherent is aan elke belegging.

De beste methode om de relatieve prestaties te evalueren is om een ​​lijst met peers te definiëren, die een dwarsdoorsnede van traditionele beleggingsfondsen, aandelen- of vastrentende indexen en andere hedgefondsen met vergelijkbare strategieën kan bevatten. Een goed fonds moet in de bovenste kwartielen presteren voor elke geanalyseerde periode om zijn alfa-genererende vermogen effectief te bewijzen.

Risico meten

Het uitvoeren van kwantitatieve analyses zonder rekening te houden met risico's lijkt op het oversteken van een drukke straat terwijl je geblinddoekt bent. Fundamentele financiële theorie geeft aan dat buitenmaatse rendementen alleen kunnen worden gegenereerd door risico's te nemen, dus hoewel een fonds uitstekende rendementen kan vertonen, moet een belegger risico in de analyse opnemen om de voor risico gecorrigeerde prestaties van het fonds te bepalen en te vergelijken met andere beleggingen.

Er zijn verschillende statistieken gebruikt om het risico te meten:

Standaardafwijking

Een van de voordelen van het gebruik van standaarddeviatie als een maat voor het risico zijn het gemak van berekening en de eenvoud van het concept van een normale rendementsverdeling. Helaas is dat ook de reden voor de zwakte bij het beschrijven van de inherente risico's in hedgefondsen. De meeste hedgefondsen hebben geen symmetrisch rendement en de standaardafwijkingsmaatstaf kan ook de hoger dan verwachte kans op grote verliezen maskeren.

Value at Risk (VaR)

Value at risk is een risicometriek die is gebaseerd op een combinatie van gemiddelde en standaarddeviatie. In tegenstelling tot standaarddeviatie beschrijft het echter niet het risico in termen van volatiliteit, maar eerder als het hoogste bedrag dat waarschijnlijk met een waarschijnlijkheid van vijf procent verloren zal gaan. In een normale verdeling wordt dit weergegeven door de meest linkse vijf procent van de waarschijnlijke resultaten. Het nadeel is dat zowel het bedrag als de waarschijnlijkheid kunnen worden onderschat vanwege de veronderstelling van normaal verdeelde rendementen. Het moet nog steeds worden geëvalueerd bij het uitvoeren van een kwantitatieve analyse, maar een belegger moet ook rekening houden met aanvullende statistieken bij het evalueren van het risico.

scheefheid

Scheefheid is een maat voor de asymmetrie van het rendement, en het analyseren van deze maatstaf kan extra licht werpen op het risico van een fonds.

Figuur 1 toont twee grafieken met identieke gemiddelden en standaarddeviaties. De grafiek links is positief scheef. Dit betekent de gemiddelde> mediaan> modus . Merk op hoe de rechterstaart langer is en de resultaten aan de linkerkant zijn gebundeld tot in het midden. Hoewel deze resultaten wijzen op een hogere waarschijnlijkheid van een resultaat dat kleiner is dan het gemiddelde, geeft het ook de waarschijnlijkheid aan, hoewel laag, van een extreem positief resultaat zoals aangegeven door de lange staart aan de rechterkant.

Figuur 1: Positieve scheefheid en negatieve scheefheid

Bron: "Contingency Analysis" (2002)

Een scheefheid van ongeveer nul duidt op een normale verdeling. Elke scheefheidsmaat die positief is, lijkt waarschijnlijk op de verdeling links, terwijl negatieve scheefheid lijkt op de verdeling rechts. Zoals u in de grafieken kunt zien, is het gevaar van een negatieve scheve verdeling de kans op een zeer negatief resultaat, zelfs als de kans laag is.

kurtosis

Kurtosis is een maat voor het gecombineerde gewicht van de staarten van een verdeling ten opzichte van de rest van de verdeling.

In figuur 2 vertoont de verdeling links negatieve kurtosis, hetgeen duidt op een lagere kans op resultaten rond het gemiddelde en een lagere kans op extreme waarden. Een positieve kurtosis, de verdeling rechts, duidt op een hogere kans op resultaten nabij het gemiddelde, maar ook op een hogere kans op extreme waarden. In dit geval hebben beide distributies ook hetzelfde gemiddelde en dezelfde standaardafwijking, zodat een belegger een idee kan krijgen van het belang van het analyseren van de aanvullende risicometingen naast de standaardafwijking en VAR.

Figuur 2: Negatieve kurtosis en positieve kurtosis

Bron: "Contingency Analysis" (2002)

Sharpe-ratio

Een van de meest populaire maatstaven voor risico-gecorrigeerde rendementen gebruikt door hedgefondsen is de Sharpe-ratio. De Sharpe-ratio geeft het verkregen extra rendement aan voor elk genomen risiconiveau. Een Sharpe-ratio groter dan 1 is goed, terwijl ratio's onder 1 kunnen worden beoordeeld op basis van de gebruikte activaklasse of beleggingsstrategie. In elk geval zijn de inputs voor de berekening van de Sharpe-ratio gemiddeld, standaarddeviatie en de risicovrije rente, dus Sharpe-ratio's kunnen aantrekkelijker zijn tijdens periodes van lage rentetarieven en minder aantrekkelijk tijdens periodes van hogere rentetarieven.

Prestaties meten met benchmarks

Om de prestaties van het fonds nauwkeurig te meten, is een vergelijkingspunt nodig om het rendement te evalueren. Deze vergelijkingspunten worden benchmarks genoemd.

Er zijn verschillende maten die kunnen worden toegepast om de prestaties ten opzichte van een benchmark te meten. Dit zijn drie veel voorkomende:

beta

Bèta wordt systematisch risico genoemd en is een maat voor het rendement van een fonds ten opzichte van het rendement op een index. Een markt of index die wordt vergeleken, krijgt een bèta van 1. Een fonds met een bèta van 1, 5 heeft daarom de neiging om een ​​rendement van 1, 5 procent te hebben voor elke beweging van 1 procent in de markt / index. Een fonds met een bèta van 0, 5 daarentegen heeft een rendement van 0, 5 procent voor elk rendement van 1 procent op de markt.

Bèta is een uitstekende maatstaf om te bepalen hoeveel aandelenblootstelling - aan een bepaalde activaklasse - een fonds heeft en een belegger in staat stelt om te bepalen of en / of hoe groot een toewijzing aan een fonds gerechtvaardigd is. Bèta kan worden gemeten ten opzichte van elke referentie-index, inclusief aandelen, vastrentende of hedgefondsindexen, om de gevoeligheid van een fonds voor bewegingen in de specifieke index te onthullen. De meeste hedgefondsen berekenen bèta ten opzichte van de S&P 500-index, omdat ze hun rendement verkopen op basis van hun relatieve ongevoeligheid / correlatie met de bredere aandelenmarkt.

Correlatie

Correlatie lijkt sterk op bèta omdat het relatieve wijzigingen in het rendement meet. In tegenstelling tot bèta, die ervan uitgaat dat de markt tot op zekere hoogte de prestaties van een fonds aanstuurt, meet de correlatie hoe gerelateerd het rendement van twee fondsen zou kunnen zijn. Diversificatie is bijvoorbeeld gebaseerd op het feit dat verschillende activaklassen en beleggingsstrategieën verschillend reageren op systematische factoren.

Correlatie wordt gemeten op een schaal van -1 tot +1, waarbij -1 een perfecte negatieve correlatie aangeeft, nul helemaal geen duidelijke correlatie aangeeft en +1 een perfecte positieve correlatie aangeeft. Een perfecte negatieve correlatie kan worden bereikt door het rendement op een lange S&P 500-positie te vergelijken met een korte S&P 500-positie. Het is duidelijk dat voor elke procenttoename in de ene positie er een gelijke procentuele afname is in de andere.

Het beste gebruik van correlatie is om de correlatie van elk fonds in een portefeuille te vergelijken met elk van de andere fondsen in die portefeuille. Hoe lager de correlatie die deze fondsen met elkaar hebben, des te waarschijnlijker is de portefeuille goed gediversifieerd. Een belegger moet echter oppassen voor te veel diversificatie, omdat het rendement drastisch kan worden verlaagd.

Alpha

Veel beleggers gaan ervan uit dat alpha het verschil is tussen het fondsrendement en het benchmarkrendement, maar alpha houdt eigenlijk rekening met het verschil in rendement ten opzichte van de hoeveelheid genomen risico. Met andere woorden, als het rendement 25 procent beter is dan de benchmark, maar het genomen risico 40 procent groter was dan de benchmark, zou alpha eigenlijk negatief zijn.

Aangezien dit is wat de meeste hedgefondsbeheerders beweren toe te voegen aan het rendement, is het belangrijk om te begrijpen hoe het te analyseren.

Alpha wordt berekend met behulp van het CAPM-model:

ERi = Rf + βi × (ERm − Rf) waarbij: ERi = Verwacht rendement van de investeringRf = Risicovrije koersβi = Beta van de investeringERm = Verwacht rendement van de markt \ begin {uitgelijnd} & \ text {ER} _i = \ text {R} _f + \ beta_i \ times (\ text {ER} _m - \ text {R} _f) \\ & \ textbf {where:} \\ & \ text {ER} _i = \ text {Verwacht rendement van de investering} \\ & \ text {R} _f = \ text {Risicovrij tarief} \\ & \ beta_i = \ text {Beta van de investering} \\ & \ text {ER} _m = \ text {Verwacht rendement van de markt} \\ \ end {uitgelijnd} ERi = Rf + βi × (ERm −Rf) waarbij: ERi = Verwacht rendement van de investeringRf = Risicovrije renteβi = Beta van de investmentERm = Verwacht rendement van de markt

Om te berekenen of een hedgefondsbeheerder alfa heeft toegevoegd op basis van het genomen risico, kan een belegger eenvoudigweg de bèta van het hedgefonds in de bovenstaande vergelijking vervangen, wat zou resulteren in een verwacht rendement op de prestaties van het hedgefonds. Als het werkelijke rendement hoger is dan het verwachte rendement, heeft de hedgefondsbeheerder alfa toegevoegd op basis van het genomen risico. Als het werkelijke rendement lager is dan het verwachte rendement, heeft de hedgefondsbeheerder geen alfa toegevoegd op basis van genomen risico, hoewel het werkelijke rendement mogelijk hoger was dan de relevante benchmark. Beleggers moeten hedgefondsbeheerders willen die alfa toevoegen aan het rendement met het risico dat ze nemen, en die geen rendement genereren gewoon door extra risico te nemen.

Het komt neer op

Het uitvoeren van een kwantitatieve analyse van hedgefondsen kan zeer tijdrovend en uitdagend zijn. Dit artikel heeft echter een korte beschrijving gegeven van aanvullende statistieken die waardevolle informatie toevoegen aan de analyse. Er is ook een verscheidenheid aan andere statistieken die kunnen worden gebruikt, en zelfs die in dit artikel worden besproken, kunnen relevanter zijn voor sommige hedgefondsen en minder relevant voor andere.

Een belegger moet meer kunnen begrijpen van de risico's die inherent zijn aan een bepaald fonds door een paar extra berekeningen uit te voeren, waarvan vele automatisch worden berekend door analytische software, waaronder systemen van providers zoals Morningstar, PerTrac en Zephyr.