مدیریت نمونه کارها با کاهش

سرمایه گذاران نهادی تصمیمات سرمایه گذاری را بر اساس انواع اقدامات مربوط به ریسک و عملکرد تنظیم شده ریسک با حداکثر کاهش تاریخی ، که به عنوان بزرگترین ضرر اوج به دلهره تعریف شده است ، در میان محبوب ترین اقدامات می گیرند. در حقیقت ، "بهترین شیوه ها در سرمایه گذاری های جایگزین: دقت کافی" (2010) 1 نیاز به تجزیه و تحلیل کشش به عنوان بخشی از دقت کافی دارد. با این حال ، فقدان ارزیابی کمی کامل وجود دارد که آیا رویکردهای مبتنی بر کشش به مدیریت نمونه کارها به عملکرد کمک می کند.

در مقاله تحقیقاتی ما "مدیریت نمونه کارها با اقدامات مبتنی بر کشش ،" آینده در مجله سرمایه گذاری های جایگزین ، ما نتایج یک مطالعه جامع از رویکردهای مستقر و جدید مبتنی بر پیش بینی و پیامدهای نمونه کارها را در تصمیم گیری های تخصیص ارائه می دهیم. ما استحکام رویکردهای نویز در داده ها را بررسی می کنیم و عملکرد خارج از نمونه را با استفاده از 613 Live و 1،384 مشاوران معاملات کالا در طول دوره 1993-2015 در چارچوب شبیه سازی Molyboga و L'Helec (2016) که شامل می شود ، تجزیه و تحلیل می کنیم. محدودیت های واقع بینانه که توسط سرمایه گذاران نهادی با آن روبرو است.

اول ، ما با تولید 1000 سناریو تصادفی ، محاسبه وزنهایی که هر اندازه گیری مبتنی بر کشش را به حداقل می رساند و وزن ها را در برابر وزن های بهینه واقعی ارزیابی می کنیم ، مسئله حساسیت رویکردهای مبتنی بر سر و صدا به سر و صدا در داده ها را بررسی می کنیم. هر سناریو از پنج دارایی غیر مرتبط با 36 بازده ماهانه استفاده می کند که مستقل هستند و به طور یکسان توزیع می شوند و از توزیع عادی استاندارد پیروی می کنند. با ساخت و ساز ، وزن بهینه واقعی برای هر دارایی برابر با 20 ٪ است اما معرفی خطای نمونه برداری منجر به مجموعه ای واگرا از وزن می شود. ما میانگین فاصله بین وزن های بهینه محاسبه شده و وزن های بهینه واقعی را برای ارزیابی حساسیت هر اندازه گیری نسبت به خطای نمونه گیری محاسبه می کنیم. ما می دانیم که یک اندازه گیری مبتنی بر مبنای تازه معرفی شده ، تغییر انتظار مشروط اصلاح شده (MCED) ، قوی تر از حداکثر پیش بینی تاریخی معمولی (MDD) یا اقدامات پیش بینی شده مورد انتظار شرطی (CED) است که در مقاله تحقیقاتی توسط گلدبرگ و محمود معرفی شده است.(2014) 3.

محدوده خطاهای MCED 64. 71٪ است، در حالی که هر دو CED و MDD محدوده 100٪ دارند. درصد خطاهای نسبتاً کوچک بی ن-20٪ و +20٪ برای MCED 94. 14٪ است که بالاتر از 86. 90٪ برای CED و 86. 56٪ برای MDD است. انحراف استاندارد خطاهای آن 12. 20 درصد است که کمتر از 17. 39 درصد برای CED و 17. 07 درصد برای MDD است. هر متریک نشان می دهد که MCED قوی ترین معیار از سه معیار مبتنی بر برداشت برای خطای نمونه است.

دوم، ما MCED را در چارچوب شبیه سازی مقیاس بزرگ Molyboga و L'Ahelec (2016) ارزیابی می کنیم که بر زیرمجموعه ای از صندوق های تامینی در فضای آتی مدیریت شده که شامل 613 وجوه زنده و 1384 وجوه منحل شده در دوره 1993-2015 تحمیل شده است. این چارچوب الزامات استاندارد سرمایه گذاران نهادی را در رابطه با طول سابقه، میزان دارایی های تحت مدیریت (AUM) و تعداد وجوه موجود در پرتفوی را در بر می گیرد. این روش دقیقاً از تصمیمات مدیریت پورتفولیوی سرمایه گذاران نهادی تقلید می کند و محدودیت های سرمایه گذاری و ترجیحات سرمایه گذار را برای تولید نتایجی که برای سرمایه گذاران مرتبط است ترکیب می کند. ما عملکرد خارج از نمونه را با چندین معیار متداول از عملکرد مستقل و سهم حاشیه ای پرتفوی ارزیابی می کنیم.

ما متوجه شدیم که یک تخصیص متوسط 10٪ به پرتفوی های CTA، عملکرد 60-40 پرتفوی اصلی سهام و اوراق قرضه را برای همه روش های ساخت پرتفوی در نظر گرفته شده در مطالعه بهبود می بخشد. برای دوره خارج از نمونه بین ژانویه 1999 و ژوئن 2015، تخصیص 10 درصدی به معاملات آتی مدیریت شده، بسته به روش ساخت پرتفوی، نسبت شارپ پرتفوی اصلی را از 0. 365 به 0. 390-0. 404 بهبود می بخشد. ما تجزیه و تحلیل سهم حاشیه ای را برای طیفی از تخصیص CTA بین 5٪ و 60٪ تکرار می کنیم. شکل 3 نشان می دهد که میانگین نسبت شارپ در پرتفوی های ترکیبی به بالاترین مقدار خود یعنی تقریباً 0. 5 در تخصیص 50% به CTAها می رسد.

ما همچنین دریافتیم که به طور مستقل، رویکرد ریسک برابر مبتنی بر MCED بر سایر تکنیک های مبتنی بر کاهش تسلط دارد، اما از رویکرد تعدیل شده با نوسانات برابر (EVA) که در Molyboga و L'Ahelec (2016) برجسته شده است، برتری ندارد.

این یافته بر اهمیت حسابداری دقیق خطای نمونه، همانطور که در DeMiquel و همکاران (2009) گزارش شده است، تاکید می کند، و در مورد اتکای بیش از حد به اقدامات مبتنی بر کاهش در مدیریت سبد سرمایه گذاری های سنتی و جایگزین مانند سهام، اوراق قرضه، املاک و مستغلات هشدار می دهد. و صندوق های تامینی

پانویسها و منابع

1. "بهترین شیوه ها در سرمایه گذاری های جایگزین: بررسی دقیق" (2010)، میزگرد گرینویچ. 2. Molyboga، Marat و Christophe L'Ahelec، 2016، یک روش مبتنی بر شبیه سازی برای ارزیابی سرمایه گذاری های صندوق تامینی، مجله مدیریت دارایی، به زودی. 3. گلدبرگ، لیزا، و اولا محمود، 2014، در مورد اندازه گیری محدب ریسک کاهش، کاغذ کار. 4. دمیکئل، ویکتور، لورنزو گارلاپی و رامان آپال، 2009، تنوع بهینه در مقابل ساده: استراتژی پورتفولیو 1/N چقدر کارآمد است، بررسی مطالعات مالی 22، 1915-1953