in

L'asymétrie liée aux options et l'anomalie de momentum

[ad_1]

Quelles informations l’asymétrie liée aux options contient-elle et quel est son rapport avec l’anomalie de momentum?

ont créé des estimateurs pour les moments de la distribution des rendements de l’actif sous-jacent implicites avec des options, et ont lancé une vaste enquête en cours sur le contenu en informations de cette distribution, qui se concentre sur le troisième moment asymétrique de l’asymétrie.

Jusqu'à présent, ces explorations ont parfois mis au jour des preuves contradictoires concernant le contenu en informations de l'asymétrie asymptomatique du risque, option-impliquée, le troisième moment de cette distribution. et , .

Pour éclairer davantage la question, aider à résoudre les problèmes potentiellement contradictoires et à mieux comprendre le canal d’information, nous.

Nous constatons que les RNS contemporains estimés à la fin du mois présentent une corrélation positive avec les rendements du titre sous-jacent le mois suivant. Un portefeuille à coût nul et à pondération égale sur les RNS élevés (c'est-à-dire les plus positifs) moins faibles (les plus négatifs) affiche des rendements anormaux significatifs de 94 points de base, dont 39 points de base sont imputables au segment court. Ce résultat est cohérent avec les avancées de.

Toutefois, les 55 points de base restants sont dus à la longue jambe, ce qui ne correspond pas à l’explication. En outre, un portefeuille RNS équivalent haut / bas RNS donne des rendements anormaux d’environ 70 points de base, dont 48 points en raison de la position longue et 21 points en raison de la jambe courte. Parmi les deux pondérations du portefeuille, la plus grande ampleur de la contribution excédentaire et anormale du long segment à taux de RNS élevé suggère que l'anomalie du RNS est plus explicite que l'explication de surévaluation existante de l'anomalie du RNS axée sur le segment court. En effet, nous constatons que le canal de valorisation proposé pour les actions à faible RNS fonctionne dans les deux sens et que les actions à RNS élevé sont relativement sous-évaluées, ce qui explique leurs rebonds de prix à la hausse dans la figure ci-dessous. En outre, nous constatons que le segment long du portefeuille de RNS sans coût élevé-bas présente un bêta conditionnel positif et significatif lors des rebonds du marché, contrairement au segment court, ce qui suggère une dynamique que ne surpasse pas la surévaluation sous des contraintes de vente à découvert.

Sur la base de ces résultats, nous proposons une autre explication de l’anomalie RNS en tant qu’indicateur des rebonds du cours de l’action, la reliant directement à la.


Relation dépendant du chemin entre le RNS et les déclarations mensuelles sous-jacentes

Relation dépendant du chemin entre le RNS et les rendements mensuels sous-jacents. Le portefeuille de Quintile 5 contient les actions présentant l’asymétrie implicite d’option la plus positive à la fin du mois 0, alors que le quintile 1 en contient le plus bas.


Le graphique ci-dessus montre la dépendance du RNS vis-à-vis de la performance passée et future du titre sous-jacent. À la fin de chaque mois de formation du portefeuille (t = 0), nous classons les actions en quintiles RNS, formons des portefeuilles et traçons les rendements excédentaires passés et futurs du portefeuille, à pondération égale, pour les RNS Q1 faible et Q5 élevé.

Le graphique montre que les actions tant RNS élevées que basses présentent une inversion de leurs performances. Les actions du premier trimestre ont une bonne performance historique avant la constitution du portefeuille et une mauvaise performance après. À l'inverse, les actions du T5 affichent une performance négative avant la constitution du portefeuille et un rebond positif par la suite. Le comportement du portefeuille du premier trimestre est cohérent avec l’explication de la dégradation de la performance future par des actions surévaluées et limitées par des ventes à découvert. Mais le rebond positif du portefeuille Q5 ne l’est pas.

Conformément au renversement de tendance des stocks à moment négatif observé dans le portefeuille RNS Q5, nous constatons que l’anomalie RNS isole l’effet des collisions en mouvement. montrent que les stratégies Momentum subissent des rendements négatifs peu fréquents et persistants, en particulier à la fin des récessions des marchés, ainsi que des périodes de forte volatilité des marchés au moment du rebond des actions à faible élan. Le bêta marché de la stratégie Momentum devient plus négatif en période de fortes tensions sur les marchés, ce qui lui confère une exposition asymétrique négative au rebond. Nous constatons que l'anomalie RNS a un bêta positif lors de rebonds à l'échelle du marché, ce qui lui confère une exposition asymétrique positive.

Sur la base de sa relation négative avec les retours sur l’impulsion, nous partons de l’hypothèse que l’anomalie du RNS prend de l’ampleur. Nous démontrons cela en formant une stratégie gagnant-moins perdant au sein de RNS terciles et en trouvant des différences significatives dans ses performances.

La stratégie d'élan dans le tercile RNS élevé connaît les collisions les plus graves autour des rebonds du marché après les périodes de récession. Si l’on tient compte de la taille, nous constatons que, pour tous les terciles, à l’exception du plus petit, la stratégie Momentum génère les rendements les plus faibles en période de récession et de périodes de forte volatilité des marchés pour le tercile RNS le plus élevé. Inversement, le tercile RNS le plus bas donne la performance la plus forte (les pertes les plus faibles), à la fois pour les moyennes et les grandes entreprises.

Pour généraliser ce résultat aux actions sans options négociées nécessaires au calcul de la caractéristique RNS, nous construisons un portefeuille imitant les caractéristiques en utilisant des actions optionnelles. Cela nous permet de traiter un plus grand univers d'actifs négociables, ce qui accroît la portée économique de notre constatation ainsi que sa robustesse.

En éliminant l'exigence que les actions aient les options échangées nécessaires pour calculer la caractéristique RNS, nous éliminons un biais de sélection potentiel dans nos résultats. Nous émettons l'hypothèse que les actions non optionnelles présentant des schémas de rebond de prix similaires auront une exposition à ce portefeuille imitant les facteurs, construites à partir des actions optionnelles censées avoir des rebonds de prix d'une sorte sur la caractéristique RNS, et trouverons des preuves cohérentes avec cette hypothèse.

Les actions présentant une caractéristique RNS élevée, ainsi que celles présentant une forte asymétrie, imitant une charge de portefeuille, présentent des retournements positifs de performance nettement plus fréquents au niveau de chaque entreprise, motivés par une réaction à la sous-évaluation passée. Les charges sur le portefeuille imitant le facteur d'asymétrie prédisent une asymétrie future réalisée, ce qui est cohérent avec son efficacité en tant que substitut du RNS. En outre, une stratégie d'élan sur les actions présentant les chargements de portefeuille les plus proches du facteur d'asymétrie a considérablement amélioré les performances, confirmant la capacité de la caractéristique RNS à identifier et à éviter le phénomène de crash, comme le montre le tableau ci-dessous:


Décile de moment de retour excédentaire

Performance de la stratégie Momentum sur tous les quintiles d’exposition au portefeuille SKEW imitant le facteur d’asymétrie et impliquant l’option. La quantité de mouvement est définie comme suit, mais elle est robuste aux spécifications alternatives.


Ces résultats ne sont pas motivés par des actions de petite taille, non liquides ou à coûts de transaction élevés. L’amélioration du compromis risque-rendement de la stratégie Momentum introduite en évitant les collisions momentum avec des actions à faible RNS est plus importante que celle de la stratégie Momentum à gestion des risques suggérée par. Cela implique que les informations d'inversion des performances saisies dans la caractéristique RNS ont une valeur économique significative.

Cela montre également qu’il est possible d’identifier et d’éviter les ralentissements, ce qui améliore considérablement les performances de la stratégie. Nous démontrons que les stocks RNS élevés prédisent une performance boursière positive, en particulier après une période de sous-performance, et cette inversion a un lien avec le phénomène d’effondrement de momentum documenté par Daniel et Moskowitz. Nous observons ce comportement en utilisant à la fois les caractéristiques RNS des actions optionnelles et tous les actions CRSP, quelle que soit leur option, en utilisant des chargements d’actions sur notre nouveau facteur d’asymétrie neutre en ce qui concerne le risque.

Les facteurs de pondération asymétriques, neutres en termes de risque et de risque, constituent une stratégie simple pour éviter les collisions momentanées de manière économiquement significative et démontrent le lien entre l’anomalie RNS, le rebond des prix et le risque de collisions en mouvement. Ces résultats renforcent notre compréhension du contenu en informations de l’asymétrie implicite, liée aux options, de la distribution des rendements des actions sous-jacentes.

Si vous avez aimé cet article, n'oubliez pas de vous abonner à la .


Tous les messages sont l'opinion de l'auteur. En tant que tels, ils ne doivent pas être interprétés comme un conseil en investissement, et les opinions exprimées ne reflètent pas nécessairement les vues du CFA Institute ou de l’employeur de l’auteur.

Crédit image: © Getty Images / Ralf Hiemisch


Formation continue pour les membres du CFA Institute

Cet article est éligible au crédit d’éducation permanente. auto-documenter ces crédits.

Paul Borochin, Ph.D., CFA, est professeur adjoint de finance à l'Université du Connecticut. Il a obtenu un doctorat en finance de la Fuqua School de la Duke University et une licence en finances et statistiques de la Wharton School de la University of Pennsylvania. Ses domaines de recherche sont la propriété institutionnelle et les applications de la théorie de la tarification des actifs pour extraire des informations sur les événements et les stratégies d'entreprise, avec des sous-spécialisations en gouvernance d'entreprise, asymétrie d'information et M & A. Il enseigne un séminaire d'études supérieures en théorie de la tarification des actifs et des cours de premier cycle en finance d'entreprise.

Yanhui Zhao, PhD, est professeur assistant en finance à l'Université du Wisconsin – Whitewater. Elle a obtenu un doctorat en finance de l'Université du Connecticut et une maîtrise en finance quantitative de l'Université Rutgers en 2012. Ses recherches portent sur deux domaines: obtenir des informations sur les actifs sous-jacents sur les marchés des options sur actions et améliorer notre compréhension de la structure par terme. du coût de l'équité.

[ad_2]

Je suis un planificateur financier. Voici comment j'investis mon propre argent.

Comment se focaliser au laser sur une importance extrême | Immobilier