Apa yang Harus Ditanyakan Investor Institusional Sebelum Mengalokasikan Strategi Sistematis
Proses uji tuntas Anda untuk manajer kuantitatif kemungkinan besar berfokus pada kinerja: pengujian ulang, rasio Sharpe, penarikan, dan atribusi. Hal ini hampir pasti tidak menguji apakah variabel-variabel tersebut disusun dengan benar dalam kaitannya dengan kekuatan ekonomi yang ingin ditangkapnya.
Kesenjangan itu tidaklah kecil. Ini mungkin merupakan sumber risiko terbesar yang tidak terdiagnosis dalam evaluasi strategi sistematis saat ini. Bagian ini memberi Anda satu pertanyaan yang menutupnya. Ini tidak memerlukan latar belakang teknis dan dapat digunakan dalam rapat manajer Anda berikutnya.
Polanya
Tiga pengalokasi di tiga institusi berbeda menggambarkan skenario yang sama kepada saya dalam satu minggu. Manajer ekuitas yang sistematis menambahkan lapisan “kualitas” pada strategi nilai. Backtest ditingkatkan: rasio Sharpe lebih tinggi, drawdown lebih rendah, atribusi lebih bersih. Alokasi dibuat. Dua belas bulan kemudian, strategi tersebut memiliki kinerja yang buruk dibandingkan dengan versi pengalokasi yang hanya menggunakan nilai yang lebih sederhana.
Ketiga pengalokasi menyimpulkan bahwa manajer mereka telah menyesuaikan model dengan data historis. Namun diagnosis tersebut tidak sepenuhnya menjelaskan apa yang salah.
Faktor kualitas bukan merupakan variabel independen. Hal ini merupakan konsekuensi dari kekuatan yang sama yang mendorong keuntungan. Termasuk tidak menambah informasi. Hal ini menimbulkan distorsi yang membuat backtest terlihat lebih baik justru karena membuat model secara struktural menjadi lebih buruk.
Ini disebut kesalahan spesifikasi. López de Prado dan Zoonekynd memeriksanya 26 model faktor Barra yang banyak digunakan dalam studi CFA Institute Research Foundation dan menemukan kasus di mana jenis kesalahan ini membalik tanda koefisien faktor. Dalam satu contoh, pembebanan yang benar pada faktor likuiditas adalah +0,08. Dengan variabel kontrol yang salah, menjadi −0,04. Kesesuaian statistik model meningkat seiring dengan adanya error.
Mereka menyebutnya sebagai “faktor fatamorgana”. López de Prado kemudian menerjemahkan temuan ini untuk praktisi di an Investor yang giat postingan blog.
Dimana Kerangka Kerja Saat Ini Berhenti
Komunitas CFA telah menghasilkan alat yang kuat untuk evaluasi kuantitas. Kerangka penyaringan Simonian bertanya apakah faktor-faktor tersebut mempunyai intuisi ekonomi, apakah buktinya kuat di seluruh subsampel, dan bagaimana perubahan model diatur. Pertanyaannya tentang pengendalian risiko adalah apakah suatu strategi memberikan apa yang dijanjikannya. Ini adalah naluri yang benar.
Namun kerangka kerja terbaik yang ada pun berfokus pada fungsi model dan cara pembuatannya. Mereka tidak bertanya mengapa variabel-variabel tersebut terstruktur sebagaimana adanya. Kuesioner uji tuntas (DDQ) standar industri menanyakan faktor mana yang digunakan manajer dan bagaimana faktor tersebut mendefinisikannya. Mereka tidak bertanya mengapa variabel-variabel tersebut dan variabel lainnya sengaja dikecualikan. Kesenjangan itulah yang menyembunyikan kesalahan spesifikasi.
Satu Pertanyaan yang Mengubah Percakapan
“Bagaimana Anda memutuskan variabel mana yang akan dimasukkan ke dalam model Anda, dan variabel mana yang sengaja Anda kecualikan?”
Nilai dari pertanyaan terletak pada apa yang diungkapkannya. Anda tidak meminta daftar variabel. Anda bertanya apakah keputusan inklusi dan eksklusi didasarkan pada alasan ekonomi dan bukan berdasarkan statistik saja.
Dalam percakapan saya dengan pengalokasi dan manajer, tanggapannya terbagi dalam tiga kategori berbeda.
Jawaban yang kuat: Manajer menjelaskan mekanisme ekonomi di balik inklusi setiap variabel. Yang terpenting, mereka mendiskusikan variabel-variabel yang mereka kecualikan dan alasannya, menunjukkan bahwa spesifikasi adalah pilihan desain yang disengaja. Mereka membedakan antara variabel yang menggerakkan faktor sasarannya dan variabel yang dihasilkan darinya. Manajer terkuat menelusuri rantai kausalitas ekonomi: bagaimana kekuatan makro memproyeksikan sinyal di tingkat stok, dan mengapa model tersebut mencerminkan rantai sebab akibat tersebut dibandingkan mencari korelasi.
Jawaban standar: Manajer mengutip kriteria statistik: rasio informasi, peningkatan R-kuadrat, uji signifikansi. Ini adalah praktik industri saat ini. Hal ini tidak salah, namun tidak lengkap. Kesesuaian statistik saja tidak dapat membedakan antara variabel yang termasuk dalam model dan variabel yang menimbulkan distorsi sekaligus meningkatkan metrik kesesuaian. Inilah jebakan yang ada di cerita pembuka.
Jawaban yang mengkhawatirkan mengambil salah satu dari dua bentuk: “Kami menggunakan semua variabel yang tersedia dan membiarkan model memilih” menandakan kerentanan struktural terhadap faktor fatamorgana. Di sisi lain, “Proses pemilihan variabel kami adalah hak milik” mungkin mencerminkan perlindungan kekayaan intelektual yang sah. Namun seorang manajer yang tidak dapat menjelaskan alasan di balik spesifikasinya, bahkan tanpa mengungkapkan variabel tertentu, tidak dapat menunjukkan bahwa alasan tersebut ada.
Mengapa Ini Penting Sekarang
Pendekatan portofolio total (TPA) memusatkan transparansi faktor. Dana pensiun terbesar sekarang mengharuskan setiap mandat diungkapkan dalam bahasa yang sama. Ketika seluruh portofolio Anda harus dapat dipahami pada tingkat faktor, validitas kausal dari model tersebut secara langsung mempengaruhi alokasi modal dan penganggaran risiko.
Pengembalian faktor menurun. Dokumen McLean dan Pontiff (2016). penurunan pengembalian faktor sebesar 50-58% setelah publikasi akademis. Karena semakin banyak modal yang mengejar faktor-faktor yang dipublikasikan, perbedaan antara model yang ditentukan dengan baik dan fatamorgana menjadi perbedaan antara sisa alpha dan noise yang mahal.
Pengalokasi paling canggih sudah bertindak dalam hal ini. ADIA Lab telah memberikan pendanaan khusus, penghargaan penelitian tahunan sebesar $100,000, dan tantangan global yang menarik hampir 2,000 peneliti untuk melakukan inferensi kausal dalam investasi.
Ketika pengalokasi yang mengelola satu triliun dolar berinvestasi dalam memecahkan masalah ini, ada satu pertanyaan yang layak diajukan pada pertemuan Anda berikutnya.
Standar V(A) CFA Institute mengharuskan anggota untuk memiliki “dasar yang masuk akal dan memadai” untuk rekomendasi investasi, termasuk memahami asumsi dan batasan model kuantitatif. Pertanyaan ini — “Bagaimana Anda memutuskan variabel mana yang akan disertakan dalam model Anda, dan variabel mana yang sengaja Anda kecualikan?” — membantu memenuhi standar tersebut.
Sebelum Pertemuan Anda Berikutnya
Ajukan satu pertanyaan tentang mengapa variabel tersebut ada dan mengapa variabel lainnya tidak. Kualitas jawaban akan memberi tahu Anda lebih banyak tentang kekuatan struktural dari proses kuantitas dibandingkan backtest apa pun.
Ini adalah yang pertama dari empat dimensi risiko spesifikasi Saya meneliti dalam kerangka yang lebih luas yang mencakup bagaimana manajer mendiagnosis kegagalan kinerja, apakah mereka dapat menjelaskan perdagangan tertentu, dan seberapa sensitif model mereka terhadap perubahan struktural. Namun spesifikasi harus diutamakan, karena jika variabelnya salah, tidak ada hal di hilir yang dapat memperbaikinya.
Ini adalah salah satu dimensi kerangka risiko spesifikasi yang lebih luas, di samping cara manajer mendiagnosis kegagalan kinerja, menjelaskan perdagangan tertentu, dan merespons perubahan struktural.