Smart Beta ETF: Definition, Types, Example
James Chen, CMT is an expert trader, investment adviser, and global market strategist.
Gordon Scott has been an active investor and technical analyst or 20+ years. He is a Chartered Market Technician (CMT).
What Is a Smart Beta ETF?
A smart Beta ETF is a type of exchange-traded fund (ETF) that uses a rules-based system for selecting investments to be included in the fund portfolio. An exchange-traded fund or ETF is a type of fund that tracks an index such as the S&P 500. Smart beta ETFs build on traditional ETFs and tailor the components of the fund’s holdings based on predetermined financial metrics.
Key Takeaways
- Smart Beta ETFs use a rules-based, systematic approach to choosing stocks from a particular index.
- A smart Beta ETF might choose companies that only exhibit certain behaviors or metrics.
- Smart Beta is a blend of active and passive investing.
- Smart Beta investing follows an index, but it also considers alternative factors in choosing the stocks from the index.
- Common types of smart beta ETFs include strategies that are equally weighted, fundamentally weighted, factor-based, or low volatility.
Understanding Smart Beta ETFs
The rules governing what stocks make up exchange-traded funds vary depending on the rules established at the fund’s inception. Also, there are different weightings for each stock in a fund. Weighting means a fund might have more shares of one stock versus another based on an underlying aspect such as value. Some ETFs might track a stock index that contains only bank stocks, large companies, or technology stocks.
Market-cap weighting is one of the most common methods in selecting how many shares of a company's stock comprise an index or fund. A market-cap weighting means that a company is chosen based on its market capitalization or its share price multiplied by the number of outstanding shares. A company that has many shares outstanding, and whose stock has risen significantly, will have a significant weighting in a market-cap index.
Smart Beta doesn't employ the typical cap-weighted index strategy. Instead, it takes into account granular factors that are specific to a particular company or industry. A smart Beta ETF might choose companies that only exhibit certain behaviors or metrics. These metrics include factors like earnings growth, the momentum of a stock—the extent a stock moves up or down—or profitability. Each ETF has its own rules that are part of an overall systematic approach to picking stocks to be included in the fund.
Types of Smart Beta ETFs
A smart Beta ETF might screen and choose its holdings based on a company’s dividend growth. Dividends are distributions paid to shareholders from the company’s earnings as a reward for investing in the company. Companies that pay dividends tend to be large, well-established, and profitable companies.
Risk-weighted approaches take into account expected volatility in stocks. Funds might limit the holdings to stocks with low volatility to reduce risk in the fund. Volatility is a measure of how much a security’s price fluctuates, or to the extent, it does or does not fluctuate in price. Conversely, some investors welcome risk and might want to invest in a fund that focuses on companies that have high-growth potential.
Although there are many types of Smart Beta ETF strategies, a few of the most common include:
- Equally weighted: Instead of weighting the fund based on stock price and market capitalization, this strategy equally weights the factors and each holding.
- Fundamentally weighted: Companies are selected and weighted by such factors as total earnings, profits, revenue, or financially driven fundamentals and metrics.
- Factor-based: Stocks are weighted based on specific factors such as balance sheet components, underpriced valuations, or smaller companies that are growing.
- Low volatility: This method focuses on stocks and indexes with low volatility or small price fluctuations over a historical period.
Passive and Active Management
Smart Beta ETFs use a combination of both passive and active methods of investing. Active investing is akin to having an investment manager choose stocks to include in a portfolio. An actively-managed fund buys and sells stocks as needed based on various fundamental metrics like earnings or financial ratios.
A fund is passive because it tracks an index without having an investment manager choosing the stocks. Passive funds tend to have lower fees as a result. For example, a fund might track all the stocks in the S&P 500 so that it mimics or tracks each move exactly as the S&P.
Smart Beta is a blend of active and passive investing. It follows an index making it passive, but it also considers alternative factors in choosing the stocks or investments from within the index. In other words, a smart beta fund that tracks the S&P 500 index would not select every stock on the index. Instead, it might select only the ones that exhibit a specific behavior such as a certain percentage amount of revenue growth.
Benefits Associated With Smart Beta ETFs
Many smart Beta ETFs are designed to increase portfolio returns, maximize dividends, and lower portfolio risks.
Some might argue that one of the benefits of Smart Beta strategies is the use of equally-weighted indexing. This parameter removes the emphasis on stocks in the index with the largest market-cap weightings. With market-cap weightings, if the largest stocks or holdings underperform, they will have a sizable impact on the performance of the index relative to the smallest components of the index.
Smart beta is not a passive strategy like the traditional market capitalization-weighted index funds. While many Smart Beta ETFs have higher expense ratios than passive index products, they are less expensive than most actively managed funds.
Smart Beta ETFs are ideal for investors hoping to maximize their income and returns while also allowing for the potential to minimize risk.
Risks Associated With Smart Beta ETFs
Smart Beta ETFs are still a relatively new method of investing and can exhibit low trading volumes. Low trading volume or liquidity can result in investors not being able to sell or exit their positions easily.
Trading costs can be high to re-establish the original index weighting. This increase in price comes from the fund purchasing stocks from the index that is to be included in the fund. As a result, the fees charged for smart Beta might be lower than actively managed funds, but the savings might not be significant.
Smart Beta ETFs can underperform traditional indexes, such as the S&P 500 since they need to be constantly readjusted to the indexes. In other words, holdings are added and sold based on the rules of the fund. Since smart Beta ETFs have so many variables to consider, trading them can be more difficult than trading with traditional indexes. As a result, the prices of smart Beta ETFs can vary from the fund’s underlying value.
Smart Beta is a blend of active and passive investing, following an index but also considering alternative factors.
Smart Beta ETFs rely less on market-cap weightings to avoid one stock overly influencing an ETF's value.
These funds have lower fees than actively-managed funds.
Smart Beta ETFs allow for flexibility in choosing holdings and their behaviors including risk-based approaches.
Some smart Beta ETFs can be expensive since stocks have to be bought and sold to meet the fund's rules.
Smart Beta funds can underperform the passive indexes since they are traded continuously versus a buy and hold strategy.
Trading volume can be low leading to difficulty buying and selling the funds.
Smart Beta ETFs typically have higher fees than passively index-based funds.
Real-World Example of Smart Beta Funds
The Vanguard Dividend Appreciation Index Fund ETF Shares (VIG) is a smart-beta ETF that tracks an index of stocks that pay dividends. The fund chooses companies from the Nasdaq US Dividend Achievers Select Index. However, the VIG adds a layer of specific criteria that are needed for a company to be included in the fund’s holdings. The VIG chooses companies that have made dividend increases for 10 consecutive years.
The expenses ratio is low at 0.06% and has companies from several industries including;
- Microsoft Corp.
- JPMorgan Chase & Co.
- Walmart Inc.
- PepsiCo. Inc.
- Johnson & Johnson
We can see from the list that the companies are well established, which is typical for companies that have consistently paid a dividend over the years. Since dividends are paid from earnings, only the most profitable companies can consistently pay them.
Модель фонда smart beta что это
4 сентября 2020
- взять и разобраться
- smart-betа
- советы
В мае 2020 года исследователи из Стокгольмской школы экономики опубликовали шокирующее исследование так называемых smart beta фондов. Их выводы: заявленные стратегии чаще всего нереализуемы на практике, а инвесторы просто «бегают» за громкими названиями. Разбираемся, что же такое smart-beta фонды и как они работают на самом деле.
Smart beta – что это?
Если вы хотите создать традиционный индексный фонд, вы скорее всего будете использовать индекс, составляющее которого взвешены по капитализации. В этом случае при грамотной работе инвестиционного менеджера финансовый результат будет крайне близок динамике индекса широкого рынка. Это то, что называется индексным (пассивным) инвестированием.
А что если вместо традиционных весов, использовать альтернативные факторы ранжирования компаний, например, факторы стоимости или размера компаний? Получится индекс (и, соответственно, фонд) «умной беты», smart beta[1]. Именно такую категорию фондов, «изобретенную» талантливыми маркетологами, и изучают Йоханнссон, Сабатуччи и Тамони. Теоретически, смарт-фонды должны давать повышенную доходность (превышение над уровнем рыночной доходности принято называть «премией»).
В своей работе ученые наглядно продемонстрировали, что значительная часть «умных» фондов – обычные индексные фонды. Инвесторы в эти инструменты коллективных инвестиций не смогут получить дополнительную доходность, на которую наивно рассчитывают. Более того, многие управляющие используют в названии фондов ссылку на альтернативные факторы исключительно в маркетинговых целях, и тем самым просто обосновывая свои более высоких комиссии.
Идея факторного инвестирования в последние годы стала горячей темой индустрии коллективных инвестиций. На Рисунке 1 приведена статистика по активам фондов, использующих упоминание факторов в своем названии. По данным ETFGI, на июль 2020 г. в smart-beta ETFs вложено 818 млрд долл. по всему миру. Самими популярными стратегиями стали факторы размера и роста компаний, предложенные нобелевским лауреатом Юджином Фамой и его постоянным соавтором Кеннетом Френчем, и фактор «momentum»[2], впервые предложенный в 1993 году Нарасиманом Егадишем и Шериданом Титманом.
Рисунок 1. Объем активов в фондах факторного инвестирования
Источник: Johansson, Andreas and Sabbatucci, Riccardo and Tamoni, Andrea, Smart Beta Made Smart (May 5, 2020).
Теория против практики
Академическим исследователям удалось обнаружить премии за риск, обусловленные факторами. Более того, их «наоткрывали» столько, что Джон Кохрейн назвал их «зоопарком». Хоу с коллегами подсчитали, что ка минимум 65% отмеченных «аномалий» не выдерживают серьезной статистической проверки. Но это еще полбеды. В реальной жизни возможность получить дополнительную доходность серьезно ограничена. Существуют объективные трудности с заимствованием ценных бумаг, получением финансирования под их залог, а кроме того на результаты влияет асимметрия информации. В итоге на практике извлечь «ожидаемые доходности» получится только в некоторых ситуациях и лишь у небольшого числа управляющих, способных занимать как длинную, так и короткую позицию, как это предписывают «факторные» модели. В большинстве случаев инвестору просто продают дорогостоящие инструменты повторения все тех же классических индексов. Это ведет к недополученной прибыли, ведь инвестор для получения куда лучшего результата может использовать индексный фонд или ETF с минимальными издержками.
«Умный» маркетинг против «умного» индексинга
Ученые придумали, как из выборки smart-beta фондов найти фонды, которые, несмотря на свои названия, являются обычными индексными фондами и должны быть отнесены к категории closet-indexing («скрытых» индексных фондов). Вот рекомендации, основанные на выводах ученых, которые должен иметь ввиду инвестор, если встретился со smart-beta фондами:
Не полагайтесь на красивое название фонда при инвестировании.
Около трети фондов, относящихся к категории «smart» на основе названия, были отсеяны. Оказалось, они просто отслеживали широкий традиционный индекс, но за повышенную комиссию.
«Умный», основанный на серьезных академических исследованиях индекс, часто невозможно реализовать.
По разным причинам (от регуляторных до экономических) возможности управляющих по реализации стратегий, основанных на факторном анализе существенно ограничены. Гладко было на бумаге, да забыли про овраги – любая красивая факторная модель может оказаться нереализуемой на практике. Ключ к успеху – в реализуемости стратегии на практике.
Полагайтесь не на красивый маркетинг, а на факты.
Ученые также проанализировали ежедневные притоки средств в умные фонды и установили, что при приятии решения об инвестировании инвесторы наивно полагаются на название фонда, а не на результаты его работы. Смотрите на результаты работы, подтвержденные фактами, а не на название.
Выводы исследователей еще раз подтверждают широко известное заявление Джека Богла. Этот пионер индексного инвестирования и основатель Vanguard утверждал, что проблема со «smart beta» фондами – в том, что они де-факто являются инструментами, следующими за широким рынком. Они просто притворяются «умными» за счет инновационного маркетинга, в то время как на самом деле повторяют обычные индексы, взимая за это повышенное вознаграждение. Теперь мнение Богла дополнительно подтверждено фактами
[1] Некоторые российские управляющие компании используют термин и вовсе некорректно, добавляя «смарт-бета» к названию фондов, вовсе не имеющих отношения к факторным инвестициям. Впрочем, соответствие названия ПИФ начинке в России практически не регулируется и не контролируется.
[2] Пусть вас не смущает загадочное название фактора: на самом деле это просто «инерция». Идея состоит в том, что инвестору при прочих равных стоит покупать акции недавно подорожавших компаний и продавать акции неудачников. В основе стратегии – эффект постепенного распространения информации: чем больше распространяются новые знания, тем больше нарастает «вал» продаж или покупок.
Последние новости
Получайте самое свежее в Telegram
Здесь вы найдете советы, как экономить, копить и правильно инвестировать.
Читайте аналитику в Telegram
Следите за новостями в нашем аналитическом ТГ-канале.
Смотрите видео
Мы регулярно снимаем обучающие ролики и вебинары для инвесторов на YouTube.
ВКонтакте
Рассказываем про инвестиции, показываем портфели, расшифровываем аналитику.
ETF — биржевые инвестиционные фонды (exchange-traded funds). Эмитенты ФинЭкс Фандс АЙКАВ (FinEx Funds ICAV) и ФинЭкс Физикли Бэкт Фандз АЙКАВ (FinEx Physically Backed Funds ICAV) далее — Фонды. Фонд является лицом, обязавшимся акциям ETF. Информация раскрывается на сайте finexetf.com.
Информация, представленная на данном сайте, носит исключительно ознакомительный характер, не содержит гарантий надежности возможных инвестиций и стабильности размеров возможных доходов или издержек, связанных с указанными инвестициями, не является заявлением о возможных выгодах, связанных с методами управления активами; не является обещанием выплаты дохода, не является прогнозом роста курсовой стоимости ценных бумаг; не является рода офертой, в том числе побуждением к приобретению акций ETF; не является индивидуальной инвестиционной рекомендацией и ценные бумаги либо операции, упомянутые в ней, могут не соответствовать инвестиционным целям инвестора. Определение соответствия ценной бумаги либо операции интересам и инвестиционным целям инвестора является задачей самого инвестора. Инвестиции в рынок ценных бумаг связаны с риском. Стоимость активов может увеличиваться и уменьшаться. Результаты инвестирования в прошлом не определяют доходы в будущем. Группа Компаний FinEx, ее дочерние компании и аффилированные лица не дают гарантий или заверений и не принимают ответственности, в том числе за любые возможные убытки (прямые или косвенные, предвиденные и непредвиденные в отношении финансовых результатов, полученных на основании использования информации, размещенной на данном сайте и не рекомендует использовать указанную информацию в качестве единственного источника информации при принятии инвестиционного решения.
Данная информация не является предложением финансовых услуг и (или) индивидуальной инвестиционной рекомендацией. Финансовые инструменты либо операции, упомянутые в ней, могут не соответствовать вашим инвестиционным целям (ожиданиям). Определение соответствия финансового инструмента либо операции вашим личным обстоятельствам, инвестиционным целям, срокам инвестирования и уровню риска, который вы готовы принять при реализации своих инвестиционных решений, является исключительно задачей инвестора. Группа Компаний FinEx, ее дочерние компании и аффилированные лица не несут ответственности за возможные убытки в случае совершения операций либо инвестирования в упомянутые здесь финансовые инструменты, и не рекомендует использовать указанную информацию в качестве единственного источника информации при принятии инвестиционного решения.
Представленная информация носит общедоступный характер, не предназначена для конкретной целевой аудитории и/или отдельного лица, не учитывает личные обстоятельства каждого инвестора (не основана на учете информации о нем) и не может рассматриваться в качестве подходящей для инвестирования конкретного лица, получившего к ней доступ.
Любая информация, предоставляемая пользователем сайта, не используется в целях определения инвестиционного профиля этого лица. Предоставляемая информация используется исключительно для формирования набора данных, на основании которых может быть решена задача, обозначенная как целевая в соответствующем разделе.
Introduction:
In the world of finance, the concept of smart beta has gained significant attention, providing individual investors with access to screening strategies that were once exclusive to institutional players. With the emergence of Exchange-Traded Funds (ETFs) based on smart beta indices, investors can now tap into the potential of these strategies. This article explores the two primary types of smart beta ETFs: absolute smart beta and tilt toward smart beta. We delve into the creation of an absolute smart beta index, focusing on the momentum strategy and its implementation using the MSCI Momentum Index as a reference point. By understanding the construction and dynamics of smart beta indices, investors can gain valuable insights into the world of momentum investing.
The Rise of Smart Beta and ETFs:
- Introduction to Smart Beta and its Origins: The article begins by introducing the concept of smart beta, which represents an implementation of screening strategies in the form of ETFs. It highlights that smart beta ETFs provide individual investors with access to strategies that were previously limited to institutional investors.
- The Role of ETFs in Democratizing Smart Beta Strategies: This section emphasizes the significance of ETFs in democratizing smart beta strategies, making them accessible to a wider range of investors.
Absolute Smart Beta: Unveiling the Momentum Strategy:
- Momentum Investing: A Quantitative Approach: The article explains momentum investing as a quantitative strategy that relies on the performance of past winners relative to past losers. It mentions that this strategy is popular among hedge fund managers.
- Exploring the MSCI Momentum Index: This section introduces the MSCI Momentum Index as a reference point for understanding the absolute smart beta strategy. It mentions that the index consists mostly of large and mid-cap stocks with the best 6 and 12-month past returns.
- Analysis of Top Holdings in the MSCI USA Momentum Index: Here, the article examines the top holdings of the MSCI USA Momentum Index, highlighting the weightings of individual stocks within the index and comparing them to their weightings in the broader MSCI USA Index.
Creating a Pretend Absolute Smart Beta Index:
- Methodology: Building the Big 10 Index: This section outlines the methodology for constructing a hypothetical absolute smart beta index, referred to as the Big 10 Index. It mentions using the ten largest firms by market capitalization as of a specific date and calculating their past 12-month returns.
- Calculating Past Returns and Market Capitalization Weights: The article explains the process of calculating past returns and market capitalization weights for the selected stocks in the Big 10 Index.
- Forming the Momentum Portfolio: Winners Take the Lead: This part highlights that the momentum portfolio within the Big 10 Index includes only the top-performing stocks, representing the winners within the selected stocks.
Unveiling the Power of Momentum: Performance Analysis:
- Evaluation of the Big 10 Index Returns: This section evaluates the returns of the Big 10 Index, showcasing its performance over a specific period.
- Assessing Performance of the Momentum Index: The article analyzes the performance of the momentum index derived from the top-performing stocks within the Big 10 Index.
- The Potential of Momentum Strategies: Past Winners vs. Past Losers: Here, the article discusses the potential of momentum strategies by comparing the performance of past winners against past losers, emphasizing the tendency of winners to outperform.
Real-Life Implications and Future Possibilities:
- Periodic Updates: Reflecting Past 12-Month Performance: This section highlights the importance of updating the index periodically to reflect the performance of the past 12 months.
- Expanding the Momentum Index: Potential New Entrants: The article mentions the possibility of including new stocks in the momentum index if their performance meets certain criteria, using Apple and Facebook as examples.
- From Index to ETF: Enabling Individual Investors to Embrace Momentum: This section explains how the momentum index can be used as a basis for creating ETFs, allowing individual investors to participate in momentum strategies.
- Exploring Tilted Strategies: A Glimpse into Smart Beta Tilt Index and ETFs: The article concludes by briefly mentioning the concept of smart beta tilt index and ETFs as a variant of the absolute smart beta strategy.
Conclusion:
Smart beta ETFs have revolutionized the investment landscape, granting individual investors access to powerful screening strategies. By understanding the concept of smart beta and focusing on the absolute smart beta strategy, specifically the momentum approach, investors can gain valuable insights into the construction and performance of smart beta indices. The ability to identify past winners and capture their potential for outperformance offers an exciting avenue for investors seeking to optimize their portfolios. As the world of finance evolves, smart beta ETFs continue to pave the way for individual investors to participate in momentum strategies and potentially unlock enhanced returns.
Инвестиционные факторы
Разбираемся с последней модой в области пассивных инвестиций: инвестиционными факторами и smart-beta фондами. Как выясняется, смысла в этом довольно мало.
Историческая справка: CAPM, альфа, бета, и факторы
Пусть все инвесторы на рынке максимизируют свою доходность, при заданном уровне индивидуального риска, имеют одинаковые ожидания от активов, одинаковое понимание риска (как волатильности доходностей) и одинаковый горизонт инвестирования, а также имеют неограниченный доступ к кредиту под безрисковую ставку. Комиссии и ограничения на торговые операции отсутствуют. В этом случае соотношение доходность/риск всех инструментов будет одинаковым. А так как рыночный портфель — тоже инструмент, то мы можем выразить ожидаемые (требуемые инвесторами) доходности через рыночную доходность: r − r f = β ( r m − r f ) , где r — ожидаемая доходность инструмента, r f — безрисковая ставка, r m — ожидаемая рыночная доходность, а β — коэффициент, показывающий чувствительность доходности актива к изменению доходности рынка.
Это базовое соотношение Capital Asset Pricing Model (модели оценки финансовых активов), предложенной в середине 60-х как следствие портфельной теории Марковица i (Не)Математика диверсификации-3: современная теория портфеля Теория портфеля Гарри Марковица, и почему это лишь математическая иллюстрация. Принципы построения портфеля гораздо проще. .
В эту модель мы углубляться не будем, а пойдём немного в другую сторону. Коэффициент β определяется умножением коэффициента корреляции на отношение стандартных отклонений доходностей актива и рыночного портфеля (его также можно определить из регрессионной модели: как коэффициент прямой, наилучшим образом описывающей зависимость доходности актива от доходности рынка). Очевидно, что если актив с рынком некоррелирован, то модель предскажет для него безрисковую доходность, несмотря на возможную высокую волатильность этого актива. Так мы приходим к концепции инвестиционных факторов: владение финансовым активом подставляет инвестора под некоторую совокупность независимых друг от друга рисков, к каждому из которых актив имеет разную чувствительность, и каждый из которых имеет собственную изменяющуюся во времени доходность. То есть (все доходности сверх безрисковых): r = α + β m r m + β 1 r 1 + β 2 r 2 + … , где r i и β i — доходности факторов и чувствительность актива к ним, а α — доходность актива, не объяснимая факторами. Это и есть та самая альфа, за которую бьются активные управляющие. (Впрочем, некоторые исследователи, Роберт Шиллер например, утверждают, что никакие это не независимые риски, а систематическая неэффективность. Дискуссия в научной среде продолжается, а разного рода факторов насчитали уже порядка трёхсот, хотя не все они взаимно-независимые.)
Эта модель, изначально из трёх факторов: рынок, капитализация (SML, Small Minus Large, доходность мелких минус доходность крупных фирм), оценка (HML, High B/P Minus Low B/P, доходность дешёвых минус доходность дорогих по P/B фирм), была предложена в 1992 г. Анализ доходностей активно-управляемых фондов, сделанный ими в 2010г с добавлением фактора инерции (momentum) показал, что такая модель на 99% объясняет доходности фондов (при этом альфа — доходность от собственно управления активами — отрицательна и примерно равна комиссиям за управление).
Инвестировать напрямую в факторы (кроме общерыночного) — невозможно т.к. нельзя, например, бесплатно зашортить акции крупных компаний и на полученные деньги купить акции мелких, что должно дать чистую доходность фактора SML, остальные конструируются аналогично. Но можно инвестировать в такие категории акций, которые дают экспозицию на нужные факторы: акции малой капитализации, недооценённые акции, акции, которые в недавнем прошлом росли быстрее всего. Посмотрим, как ведут себя портфели, собранные из акций разных категорий.
Исходные данные и сводная таблица факторов
Изучать «факторные портфели» будем по таблицам Френча — огромному массиву месячных доходностей портфелей акций, отобранных по различным критериям. Я выбрал ряд наиболее понятных и популярных критериев. Для каждого из них взял доходности взвешенных по капитализации портфелей из 30% первых и 30% последних акций по данному критерию. Если у нас комбинированный фактор, то портфели будут из акций, которые в числе первых/последних одновременно и по первому критерию, и по второму.
Хотя основная масса рядов у Френча доступна с 1927г, я буду анализировать отрезок только c 1985. Т.к. примерно с этого времени получили широкое распространение компьютеры и базы данных, и по крайней мере профессиональным участникам стал доступен сплошной анализ компаний, что значительно повысило эффективность рынка.
| Код | медианная доходность | СКО квартальной доходности | доходность/СКО | средняя просадка, % | макс. просадка, % | |
|---|---|---|---|---|---|---|
| MARKET | рынок | 6.5 | 7.1 | 0.93 | -16 | -52 |
| Lcap | мал. капитализация | 7.6 | 11.1 | 0.67 | -17 | -49 |
| Hcap | крупн. капитализация | 6.7 | 7.6 | 0.89 | -17 | -54 |
| Hpb | высокий P/B | 6.8 | 8.1 | 0.84 | -16 | -55 |
| Lpb | низкий P/B | 7.4 | 9.2 | 0.80 | -16 | -49 |
| Ldiv | низкая див. доходность | 5.0 | 8.8 | 0.57 | -21 | -58 |
| Hdiv | высокая див. доходность | 6.7 | 7.1 | 0.94 | -13 | -48 |
| Hop | высокая прибыльность | 8.5 | 7.5 | 1.13 | -11 | -36 |
| Lgro | медленный рост активов | 7.4 | 7.6 | 0.97 | -11 | -40 |
| Hgro | быстрый рост активов | 5.6 | 9.2 | 0.60 | -24 | -68 |
| Hpe | высокий P/E | 6.5 | 8.1 | 0.80 | -17 | -55 |
| Lpe | низкий P/E | 8.9 | 8.4 | 1.05 | -12 | -44 |
| mom | наибольшая полная доходность в предыдущий год | 9.1 | 11.0 | 0.82 | -11 | -53 |
| Lcap Lpe | 11.0 | 9.9 | 1.11 | -12 | -42 | |
| Hcap Lpe | 8.5 | 8.4 | 1.01 | -13 | -45 | |
| Lcap Hop | 10.8 | 10.4 | 1.04 | -12 | -37 | |
| Hcap Hop | 8.4 | 7.4 | 1.14 | -11 | -37 | |
| Lpb Hop | 18.2 | 16.0 | 1.14 | -20 | -60 | |
| Lpb Lgro | 8.1 | 11.1 | 0.72 | -17 | -56 | |
| Lpb Hgro | 5.1 | 11.2 | 0.46 | -23 | -58 |
Аномальные доходности
Из таблицы выше видно, что большинство «факторных» портфелей заметно отстают от рыночного по такому «классическому» параметру эффективности размещения средств как отношение доходности на единицу волатильности этой доходности. Но есть и «аномалии»: Hop, Lpe, Lcap Lpe, Lpb Hop. Особенно последний — «священный грааль» активных инвесторов: эффективные компании, которые при этом дёшево оценены рынком — с фантастической медианной доходностью аж втрое выше рыночной. Но вдруг эти аномалии вовсе не аномалии? Посмотрим на распределения доходностей и просадок (начального капитала в реальном выражении) на 15-летних скользящих окнах.
Доходности всех «аномальных» факторов систематически опережают рыночную. Кроме «священного грааля», который в примерно 25% случаев начинает катастрофически терять доходность, и в 5% худших случаев оказывается ниже рынка. А если мы пересчитаем на полном наборе данных, то ниже рынка он окажется уже в 20% случаев, причём с отрицательной доходностью вплоть до -10%г:
По-видимому, здесь играет роль недостаточная диверсификация таких портфелей. То, что апологетами активного инвестирования преподносится как несомненное преимущество портфеля — небольшое количество тщательно проанализированных, эффективных и, главное, дёшево купленных, компаний — этот портфель и губит, когда реализуются недиверсифицируемые риски этих компаний. Но до тех пор, конечно, они — короли положения и очень убедительны.
На полных данных ещё и фактор высокой прибыльности мало отличим от рынка.
А что с просадками?
Иногда чуть хуже рынка, но в основном сильно лучше. Неужели и правда неэффективность?
Ну как сказать. Практически на любом 15-летнем периоде любой из этих факторов от рынка какое-то время катастрофически отставал (кроме, разве что, Hop). Для профессионального управляющего — неприемлемая ситуация. Но если вам норм, можете эту доходность забрать. Но не переоценивайте свою психологическую устойчивость.
При этом, распределения доходностей и просадок Lcap Hop сливаются с таковыми для Lcap Lpe, а Hcap Hop — для Hop, поэтому не будем их в дальнейшем рассматривать.
А если волатильность — не риск?
Теперь выберем те факторы, которые дают доходность выше рыночной и при этом меньшие, или сопоставимые, средние и максимальные просадки. Пусть и со значительно более высокой волатильностью.
Что мы видим? Более высокая волатильность привела к более проблемным портфелям и с точки зрения других видов риска.
Владеть акциями малой капитализации (Lcap) — очень больно, недооценёнными по P/B — тоже. Неожиданно ведёт себя momentum: в 40% случаев показывая фантастическую доходность, но и отставая иногда от рынка совершенно чудовищно. И совсем нежиданно хорошо показывают себя медленно растущие компании (Lgro): максимальное отставание от рынка в пределах разумного (для меня), систематически более высокая доходность, и значительно меньше просадки. Это уже тянет на неэффективность, имеющую психологическое объяснение: скучные, медленно растущие компании инвесторам не интересны и их стоимость оказывается систематически заниженной. Компании роста, наоборот, порождают завышенные ожидания, которые оказываются в цене, и в конченом итоге разочаровывают инвесторов (см. таблицу).
А что там с дивидендами?
Мы уже выделили «защитные» классы акций: Hop и Lgro. Добавим к ним ещё традиционно считающиеся таковыми «дивидендные» акции — Hdiv.
Красноречиво. Hdiv систематически хуже Lgro по доходности, и это можно понять: высокие дивиденды платят компании, которым уже некуда развиваться (т.е. Hdiv — это подкласс Lgro), но вот чтобы дивидендная доходность была высока — у компании должны быть проблемы, да ещё она может оказываться переоценённой относительно своих долгосрочных фундаментальных показателей из-за привлекательности текущих высоких дивидендов. Ну и максимальное отставание от рынка тут на уровне других «проблемных» факторов. График максимальной просадки я убрал, там Hdiv идёт между рынком и Lgro, приближаясь к рынку в худших сценариях.
Диверсификация между факторами
Итак, такого фактора, который обеспечивал бы нам доходность выше рыночной и, одновременно, душевный покой — не существует. Разве что Hop, который не очень сильно отстаёт от рынка. Потому что Lgro в виде фонда вы никогда не купите (представьте себе маркетинг такого чуда, как фонд на неразвивающиеся бесперспективные компании), только руками собирать, но тогда транзакционные издержки съедят изрядную часть премии «за бесперспективность» (всего лишь 2,5%г в среднем, кстати), и уж точно весь душевный покой.
Но у нас ведь куча факторов с довольно различной динамикой, между которыми так и хочется ребалансировать портфель. Чтобы упростить работу, для начала очистим наш список категорий акций от повторений, недоступных категорий и очевидно бессмысленных для ребалансировки: с медианной доходностью значительно ниже среднерыночной при большем или сопоставимом риске. После этого у нас останется список всего из десяти категорий: Lcap, Hcap, Lpb, Hdiv, Hop, Lpe, Lcap Hop, Lpb Hop, mom.
Теперь найдём эффективную границу портфелей, составленных из этих категорий. Сгенерируем 50.000 случайных портфелей и разместим их на традиционном графике риск-доходность. Верхняя граница полученной фигуры из точек и будет исторической эффективной границей. Выглядит это так (каждая мелкая точка — портфель, цветом я обозначил максимальное отставание этого портфеля от рынка: чем зеленее — тем меньше).
Большинство выбранных категорий (кроме Lpb, Lcap, mom) лежат практически на одной линии в координатах риск-доходность, а то, что значительная часть портфелей находится выше этой линии по уровню доходности, говорит о возможности получить значительный бонус от ребалансировки. Посмотрим на 10 лучших портфелей по соотношению риск/доходность. Конечно, это не самые оптимальные портфели (я выбирал из тех 50.000 случайных), но нам они нужны не для того, чтобы воплощать (прошлое не повторится), а чтобы оценить использование каких факторов позволяет улучшить портфель.
| %г | СКО | Лаг | Просад | MAR KET |
Lcap | Hcap | Lpb | Hdiv | Hop | Lpe | Lcap Hop | Lpb Hop | mom |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12.9 | 8.0 | 28.0 | 34.0 | 0 | 0 | 0 | 0 | 0 | 0 | 25 | 0 | 30 | 45 |
| 12.5 | 7.8 | 26.4 | 35.1 | 0 | 3 | 0 | 0 | 19 | 0 | 0 | 11 | 29 | 39 |
| 13.7 | 8.6 | 30.0 | 35.0 | 0 | 0 | 0 | 0 | 0 | 0 | 21 | 0 | 37 | 41 |
| 14.2 | 8.9 | 29.5 | 34.1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 25 | 38 | 37 |
| 12.4 | 7.8 | 25.4 | 31.1 | 0 | 0 | 0 | 0 | 0 | 26 | 5 | 0 | 31 | 39 |
| 11.5 | 7.2 | 22.4 | 29.1 | 0 | 0 | 0 | 0 | 0 | 32 | 0 | 10 | 20 | 38 |
| 11.6 | 7.3 | 28.1 | 37.7 | 0 | 0 | 0 | 0 | 39 | 2 | 0 | 0 | 26 | 33 |
| 14.6 | 9.2 | 31.0 | 34.9 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 17 | 43 | 38 |
| 11.9 | 7.5 | 28.3 | 33.3 | 0 | 0 | 0 | 0 | 19 | 10 | 0 | 0 | 26 | 44 |
| 14.7 | 9.3 | 32.2 | 34.5 | 0 | 0 | 0 | 0 | 0 | 0 | 2 | 8 | 45 | 43 |
Можно сказать, что такие портфели состоят из 3 примерно равных частей. Двух высокорискованных нескоррелированных друг с другом: mom и Lpb Hop (у mom вообще околонулевая корреляция со всеми остальными факторами), и «защитной» из числа Hdiv, Hop, Lpe, Lcap Hop.
А как будут выглядеть самые доходные портфели, с которыми мы не очень сильно рискуем отстать от рынка?
| %г | СКО | Лаг | Просад | MAR KET |
Lcap | Hcap | Lpb | Hdiv | Hop | Lpe | Lcap Hop | Lpb Hop | mom |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10.9 | 7.3 | 19.5 | 30.3 | 0 | 4 | 0 | 0 | 0 | 49 | 1 | 0 | 21 | 25 |
| 10.9 | 7.2 | 19.9 | 30.0 | 0 | 0 | 0 | 0 | 0 | 28 | 0 | 37 | 8 | 27 |
| 10.7 | 7.2 | 19.0 | 31.7 | 0 | 0 | 0 | 10 | 2 | 44 | 0 | 0 | 20 | 24 |
| 10.7 | 6.9 | 19.1 | 28.4 | 1 | 0 | 0 | 0 | 0 | 51 | 0 | 0 | 19 | 30 |
| 10.6 | 7.3 | 20.0 | 32.7 | 43 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 26 | 30 |
| 10.5 | 6.9 | 19.0 | 32.4 | 0 | 0 | 0 | 0 | 0 | 31 | 27 | 0 | 14 | 28 |
| 10.5 | 7.7 | 19.6 | 30.8 | 0 | 0 | 0 | 0 | 0 | 64 | 0 | 0 | 22 | 13 |
| 10.5 | 7.1 | 18.3 | 29.7 | 0 | 1 | 6 | 0 | 0 | 48 | 0 | 0 | 19 | 26 |
| 10.5 | 7.5 | 19.2 | 32.2 | 4 | 0 | 1 | 1 | 0 | 47 | 12 | 0 | 20 | 16 |
| 10.5 | 7.3 | 19.5 | 33.0 | 43 | 0 | 0 | 0 | 0 | 0 | 3 | 0 | 25 | 29 |
Та же самая структура, только «защитная» часть стала ещё защитнее, а размер рискованной чуть уменьшился.
Реализация
Формулируя выводы предыдущего раздела на более традиционном языке, можно сказать, что оптимальные портфели — портфели, дающие постоянную экспозицию на QUALITY (Hop), VALUE (Lpb Hop/Lpe/Lpb/Hdiv) и MOMENTUM (mom) факторы. Посмотрим теперь, какие фонды мы можем выбрать, чтобы получить нужную нам экспозицию.
Проблема заключается в том, что издержки на самостоятельное управление диверсифицированным портфелем из отдельных акций, отобранных по этим факторам, будут чудовищными. А фонды могут иметь собственное представление о том, каким образом собирать факторные портфели. Так же и операционные издержки фондов могут быть таковы, что смысл их использования теряется.
Я выбрал по нескольку наиболее крупных, дешёвых и давно существующих фонда на каждый фактор, и оценил, насколько хорошо они отслеживают динамику этого фактора (чтобы устранить общерыночный риск, я смотрел на динамику категорий акций и фондов за вычетом динамики рынка в целом).
MOMENTUM
Всё очень плохо. Корреляция momentum-фондов с momentum-портфелем из таблиц Френча отчётливо отрицательная. Т.е. все наши выводы из предыдущего раздела уже пошли насмарку: momentum Френча появляется в портфелях из-за его отрицательной корреляции с другими категориями, но реальный momentum ведёт себя прямо противоположным образом.
Добавлять momentum-фонды в портфель ОПАСНО. Это не momentum-фактор, как он нам известен из академических исследований. Это совершенно неисследованное нечто, которое, к тому же, у каждого фонда — своё.
VALUE
У нас довольно много вариантов по каким параметрам добавлять «недооценённые» акции в портфель. К счастью, кроме очень проблемного Lpb Hop, они все ведут себя примерно одинаково.
Выберем для сравнения Lpe.
Здесь отслеживание уже гораздо лучше, но волатильность оказывается ниже «теоретического» value-портфеля, так что и бонус от ребалансировки будет меньше.
QUALITY
Quality, пожалуй, — самый проблемный фактор, который можно трактовать практически как угодно. Поэтому удивительно, что нашёлся фонд, который достаточно хорошо отслеживает теоретический портфель (FTCS). К сожалению, издержки стратегии оказываются велики, и реализованная доходность опускается на общую линию риск-доходность, лишь чуть-чуть превосходя среднерыночную, что соответствует большей волатильности такого портфеля.
Второй тур
Итак, у нас остались Hcap, Lcap, Hop и Lpe, причём доходности двух последних надо скорректировать вниз к линейной зависимости доходности от СКО (для этого возьмём логарифм от их индекса полной доходности, разложим его на линейный тренд и волатильность, изменим коэффициент линейного тренда и прибавим волатильность обратно). Вновь посмотрим на эффективную границу и эффективные портфели.
Красным пунктиром я отметил портфель с плечом стоимостью 1,5%г сверх безрисковой ставки, как в IB.
Самые эффективные по риск/доходность портфели получались из примерно 70% Hop + 30% MARKET с доходностью 7,3%г, СКО 7,2%г, отставанием от рынка 15% и просадкой 42%.
Самые доходные — 55% Lcap + 45% Lpe, 8,4%г, СКО 9,5%г, отставание 50%, просадка 47%.
Самые доходные с отставанием от рынка не более 20% — больше 60% Hop, остальное Lpe, 7,5%г, СКО 7,5%, просадка 37%.
Выводы
Что из всего этого следует?
- Фундаментальный анализ всё ещё работает, но на премию к рынку выше 2% для диверсифицированного портфеля рассчитывать сложно, и готовьтесь к периодам сильного и продолжительного отставания от рынка (причём сыграть на них ребалансировкой, похоже, нельзя: эффективных/доходных портфелей 30% MARKET + 30% Lpe + 30% Hop при моделировании не получилось).
- Momentum — замечательный теоретический фактор, но на практике, судя по всему, стоит дороже, чем приносит премии. И даже в теории он должен составлять только небольшую часть портфеля.
- Факторные фонды (smart-beta) в целом — скорее мода, чем то, что имеет смысл использовать: ожидаемая доходность сверх рыночной после комиссий ничтожная, но появляется дополнительный риск, связанный с методом построения и качеством ведения портфеля.
- Собирать руками портфель из фондов на отдельные факторы — аналогичная история.
- Дешёвое плечо значительно лучше значимого перевеса в SmallCaps.
Здесь я выкладываю лишь собственные размышления/исследования/расчёты, иногда собственное же изложение чужих мнений или результатов исследований. Размещённая информация может содержать ошибки, быть неактуальной на момент прочтения, допускать множество интерпретаций и проч. Я не занимаюсь образовательной деятельностью и не даю инвестиционных рекомендаций ни на этом сайте, ни в частном порядке.
Может быть, вам показалось, но способов получить гарантированную доходность за счёт каких бы то ни было финансовых инструментов, портфелей или торговых стратегий НЕ СУЩЕСТВУЕТ. Хуже того, способов гарантированно сохранить свой капитал тоже НЕ СУЩЕСТВУЕТ.
Материалы сайта могут быть использованы на условиях лицензии CC BY-NC-SA.
© Андрей Болкисев, 2021.