Копипаст | Изучение количественных инвестиционных стратегий. 1 Часть.

Перевод исследования The Journal of Investment Consulting.

Оригинал этого исследования и многое другое в моём телеграмм-канале

https://t.me/holyfinance
_____________

— Какие основные силы помогли сформировать вашу карьеру и привести вас туда, где вы находитесь сегодня?

Когда я был студентом, я не думал, что стану академиком. Я получил степень по гуманитарным наукам, которая включала математику, историю, английский язык и тому подобные предметы. Во время учебы на MBA я начал работать ассистентом-исследователем над несколькими научными работами и понял, что действительно могу внести свой вклад на том уровне, на котором работал. Летом моего первого курса со мной произошло знаменательное событие. Я устроился на работу в отдел корпоративной стратегии крупнейшей на тот момент в мире компании по добыче меди, базирующейся в Торонто. Мне было поручено построить модель для прогнозирования будущего роста валового внутреннего продукта (ВВП) — и для меди это очень важная информация.

Поскольку добыча меди меняется в соответствии с бизнес-циклом, любая возможность прогнозировать ВВП помогла компании принимать решения об открытии и закрытии рудников по всему миру. Я знал, что многие компании занимаются подобным прогнозированием с помощью сложных эконометрических моделей. Я счел эти модели излишне сложными и чрезвычайно жесткими, поэтому у меня возникла идея попытаться извлечь информацию с финансовых рынков. Я вспомнил, что в одном исследовании Чикагского университета анализировались цены акций в поисках информации о будущем экономическом росте, и данные были неоднозначными. В то время шутка заключалась в том, что фондовый рынок прогнозировал девять из последних четырех рецессий.

Я начал с того, что попытался понять, почему эта информация была такой ненадежной. Фондовый рынок казался идеальным показателем, поскольку мы ожидали, что будущий экономический рост будет стимулировать ожидаемые денежные потоки компаний. Но в случае с акциями происходит много других вещей. В результате возникает много ложных сигналов. Итак, я посмотрел на рынок облигаций. Доходность облигаций также прогнозируется, но существует ряд различий, скажем, между казначейскими облигациями и фондовым рынком. Во-первых, облигации имеют фиксированный срок погашения, акции — нет. Во-вторых, казначейские облигации имеют фиксированный купон, что означает, что инвесторы точно знают, сколько они получат по истечении срока погашения облигации, поэтому, по сути, денежные потоки фиксированы.

Еще одним аспектом этого проекта, который меня заинтриговал, был риск. Акции — это рискованно. Этот меняющийся риск может быть связан, а может и не быть, с бизнес-циклом, в то время как казначейские облигации относительно безрисковы. Оба инвестиционных инструмента должны содержать информацию о будущем. Базовая теория говорит нам, что доходность облигации — это комбинация ожидаемой реальной ставки, ожидаемой инфляции и премии за риск. Экономическая теория связывает реальный курс с реальным ростом ВВП. Я посмотрел на наклон краткосрочной структуры процентных ставок, или кривой доходности, и обнаружил, что она является надежным показателем экономического роста.

Я готовил презентацию для высокопоставленных чиновников компании, но за неделю до того, как я должен был выступить, вся группа по корпоративной стратегии была уволена. Будучи летним студентом, я остался без работы. Тем не менее, я продолжал работать над этой идеей.

Осенью, когда я вернулся на второй год своей программы MBA, я показал документ нескольким преподавателям, и они сказали: “О, это важно. Это отличная идея”. Они сказали, что есть три курса, которые вы должны пройти, чтобы получить степень. Мы объединим их в один курс, и все, что вам нужно будет сделать, это поработать над этой статьей. Когда они просмотрели следующую версию, они предложили мне подать заявку на получение докторской степени. В моем заявлении говорилось: “У меня есть идея, и вот черновик статьи, над которой я работаю. Я знаю, что еще рано, но я действительно заинтересован в этом исследовании, и, пожалуйста, примите меня в свою программу”. Меня приняли на несколько программ, но я решил поступить в Чикагский университет. Я пришел с докладом, хотя обычный подход заключается в том, чтобы потратить пару лет на выполнение курсовой работы, а затем начать думать о теме своей диссертации.

Для меня это было совершенно по-другому. В первый день в Чикагском университете я работал над своей идеей. В конце концов, моя диссертационная комиссия рассмотрела эту статью. Они были настроены скептически, как и следовало ожидать. В состав комитета входили будущие нобелевские лауреаты: Юджин Фама,1 который был моим руководителем; Мертон Миллер;2 и Ларс Хансен;3 и, конечно, другие, у которых я многому научился. Они были настроены скептически, потому что моя диссертация показала, что перевернутая кривая доходности — когда долгосрочные ставки опускаются ниже краткосрочных — предсказывает рецессию. Данные были ограничены, поэтому перевернутая кривая доходности сработала в четырех случаях из четырех. Члены комитета сказали, что, возможно, мне просто повезло. Я сказал, что, возможно, это удачная находка, но экономическая основа прочна как скала; мое открытие — это не интеллектуальный анализ данных. Мы все можем согласиться с тем, что экономическая основа должна работать, и она действительно работает.

На них произвело впечатление то, что я предсказал рецессию с «двойным дном» в начале 1980-х годов, когда основные эконометрические службы этого не сделали. Конечно, они также были впечатлены тем, что стоимость предоставления этого прогноза была намного ниже, чем платить тысячи долларов за прогноз от одной из эконометрических служб. В то время стоимость экземпляра The Wall Street Journal составляла 25 центов. И вот был прогноз, который был так же хорош, как и тот, который стоил тысячи долларов.

— Значит, низкие процентные ставки никак не повлияли на этот сигнал?

Моя модель довольно проста. У неё есть одна переменная: разница между долгосрочными и краткосрочными процентными ставками. Он успешно предсказал восемь из последних восьми рецессий. Модель также хороша в прогнозировании продолжительности рецессий. Хотя некоторые могут сказать, что модель не работает из-за политики количественного смягчения (QE) ФРС и низких процентных ставок, мой ответ таков: ни одна модель не идеальна, вокруг много шума. Действительно, влияние ФРС было гораздо сильнее в начале моей выборки. В 1960-х и 1970-х годах политика ФРС могла повлиять на всю кривую доходности. Сегодня ФРС трудно контролировать кривую доходности, поскольку постоянный дефицит государственного бюджета и забалансовые статьи привели к очень большому росту рынка облигаций.

У ФРС действительно есть некоторый контроль на очень коротком горизонте, хотя некоторые считают, что степень контроля преувеличена. Я не соглашаюсь с доводом о том, что из-за QE моя модель больше не работает. Я слышал этот аргумент несколько раз. Я слышал это перед мировым финансовым кризисом, когда кривая доходности перевернулась. Я, конечно, слышал это в 2019 году. На самом деле, я считаю, что ФРС создает много шума, но послужной список индикатора говорит сам за себя.

— При использовании этих моделей сигнал начинается, возможно, в месяце T минус 10. Если вы действительно начнете торговать, когда поступит сигнал, вы потеряете деньги в целом. Это относится к вашей модели, или вы всегда зарабатываете деньги?

Вы задаете совершенно другой вопрос. Вы спрашиваете об использовании сигнала в торговой стратегии. Я говорю о способности наклона кривой доходности прогнозировать экономический рост. Это взаимосвязанные, но разные вопросы.

Учитывая, что моя модель имеет хорошую репутацию индикатора ожидаемого экономического роста, мы должны быть в состоянии разработать какую-то стратегию для торговли по этому сигналу. Однако это непростая задача, поскольку фондовый рынок ведет себя не совсем так, как деловой цикл.

Во время некоторых рецессий фондовый рынок действительно растет. Выбор времени важен, поэтому вы правы, утверждая, что инверсия может произойти за год до начала рецессии. Итак, не могли бы вы подождать, прежде чем приступать к реализации стратегии? Я не публиковал статью, связывающую эту идею с какой-либо торговой стратегией, но я знаю, что некоторые управляющие активами используют эту информацию для своих количественных торговых стратегий. Инвесторам нужно быть осторожными при торговле по этому сигналу, потому что у нас было всего восемь рецессий. Это означает всего восемь наблюдений, так что стратегию легко переделать. Кроме того, эта информация представляет собой всего лишь одну переменную. Управляющий активами, безусловно, должен учитывать другие переменные при разработке успешной торговой стратегии.

— Что вы считаете своими главными достижениями?

Одна из моих любимых статей — моя статья в журнале Journal of Finance за 2000 год об условной асимметрии и ценообразовании (Harvey and Siddique 2000), которая оказала значительное влияние на профессию. По сути, концепция статьи заключается в том, что мы, похоже, застряли в мире ожидаемых доходов и отклонений. Даже сегодня инвесторы склонны сравнивать коэффициенты Шарпа в различных стратегиях и игнорировать другие аспекты риска.

В статье Марковица, удостоенной Нобелевской премии 1952 года, он признает сделанные им предположения. Одно из предположений, которое он четко излагает, заключается в том, что модель не работает, если отдается предпочтение моментам более высокого порядка — например, перекосу. Мы знаем, что инвесторы не любят риск снижения, и мы также знаем, что доходность активов распределяется неравномерно. Поэтому управляющим активами важно четко учитывать риск снижения или перекос в структуре портфеля. Многие проекты не учитывают перекосы; следовательно, управляющий портфелем должен полагаться на управление рисками в качестве второго процесса. Я давно выступаю за то, чтобы управление рисками и разработка портфеля были интегрированы. Этот момент убедительно изложен в одной из моих недавних книг (Harvey et al., 2021). Один из способов добиться этого — явно учесть обратную сторону оптимизации.

Я также считаю, что мое президентское обращение за 2017 год, опубликованное в Journal of Finance, оказало влияние на отрасль. В обращении я указываю, что более 400 факторов (неправдоподобное число) были опубликованы в ведущих журналах, что, вероятно, является результатом интеллектуального анализа данных.

Одна из тем, которые я обсуждаю в своем обращении, — это стимулы. Редакторы журналов хотят, чтобы их журнал публиковал статьи, которые получат как можно больше цитирований. Они знают, что исследование с отрицательными результатами — исследователь проверяет сигнал, который не работает, — получает очень мало цитат. Авторы также знают о целевой функции редактора, поэтому они не публикуют статьи, которые показывают отрицательные результаты. Они могут положить их в папку с файлами и продолжить попытки найти фактор, сигнал или методологию, которые действительно работают. Такая практика приводит к интеллектуальному анализу данных и предвзятому отношению к публикациям. Я предполагаю, что в более чем 90 процентах финансовых школ мира автор единственной публикации в Journal of Finance имеет работу на всю жизнь. Стимул найти работающий фактор очень велик. В работе Harvey et al. (2016) я утверждал, что, вероятно, более половины наших (экономических) эмпирических выводов являются ложными, что является довольно сильным выражением. Я сказал, что это относится и к моим исследованиям.

Я думаю, что представители профессии подумали об этом и пришли к выводу, что нам нужно более высокое препятствие, чем обычные две стандартные ошибки, или правило двух сигм, которое уместно только в том случае, если исследователь выполняет один тест. Это базовая статистика. Если более 400 факторов могут преодолеть это препятствие, нам нужно более высокое препятствие.

Другая часть моего президентского послания касается необходимости быть осторожными в том, как мы делаем выводы; нам нужно учитывать наши прежние убеждения. Я привожу пример серии из трех экспериментов.

В первом эксперименте участвует музыковед, которая утверждает, что может определить, просмотрев любые две страницы партитуры Гайдна или Моцарта, является ли композитор Гайдном или Моцартом. Я играю на пианино. Я играю Гайдна и Моцарта, но у меня это никак не получается. Итак, был разработан эксперимент, в котором использовались десять разных пар партитур, и музыковед получил десять правильных оценок из десяти.

Во втором эксперименте участвует любитель чая, который утверждает, что может определить, было ли молоко налито в чашку до или после того, как был налит чай. Это кажется немного неправдоподобным. Итак, в эксперименте используется десять пар чашек, и любитель чая получает десять правильных ответов из десяти возможных.

В последнем эксперименте участвует посетитель бара, который слишком много выпил и утверждает, что чем больше он пьет, тем лучше видит будущее. В этом эксперименте мы подбрасываем монетку десять раз, и подвыпивший посетитель называет все до единого правильными.

Итак, у нас есть три разных эксперимента — десять подряд — и значение p меньше 0,001. Каков ваш вывод? Что вы из этого извлекаете? Классическая статистика говорит нам, что все эти результаты весьма значимы. В первом эксперименте участвует музыковед, и человек этой профессии должен уметь отличать Гайдна от Моцарта. Возможно, вы скептически относитесь к человеку, пьющему чай во втором эксперименте, но, возможно, в этом утверждении есть доля правды, и мы можем узнать из значения p, что этот человек действительно может различить разницу между молоком, добавляемым до или после чая. Третий эксперимент абсурден. Меня не волнует, получит ли человек двадцать очков подряд. Не имеет смысла, что человек может предвидеть будущее. Нам всем нужно учитывать наши прежние убеждения.

Классическая статистика просто рассматривает p-значение, и слишком часто мы полагаемся только на классическую статистику. Что еще хуже, существует много фундаментальных недоразумений относительно того, что на самом деле означает это значение p. Мое президентское обращение призывает представителей нашей профессии учитывать свои прежние убеждения при принятии решений. Этот подход применим не только в академических кругах; он может быть использован при принятии большинства практических решений по управлению активами. Допустим, вы разрабатываете торговую стратегию, основанную на прочном экономическом фундаменте — например, на моей модели кривой доходности. Похоже, это работает. Затем вам предлагается стратегия, основанная исключительно на данных, разработанная, возможно, после того, как были опробованы тысячи различных переменных. Стратегия работает лучше, чем стратегия с прочной экономической основой. Так что же вы делаете? Вам следует серьезно снизить вес выводов для стратегии сбора данных — потому что это добыча данных — и больше склоняться к стратегии, имеющей прочную экономическую основу. Именно так следует использовать предшествующие убеждения.

— Теперь, когда вы изложили все это в нескольких хороших статьях, что изменилось в академическом мире с интеллектуальным анализом данных?

Я потратил год на чтение статей, не относящихся к области финансов, и только около 10 процентов ссылок в моем президентском послании связаны с финансами и экономикой. Я узнал, как в других областях сводится к минимуму вероятность ложноположительных результатов, но некоторые решения трудно применить к финансам. Например, в эксперименте в области биологии или медицины исследователь может предварительно зарегистрировать протокол: что будет тестироваться, размер выборки, статистическая процедура, пороговое значение, правило исключения выбросов. Все параметры оговариваются заранее. Во время эксперимента исследователь следует протоколу, который сводит к минимуму вероятность серьезного интеллектуального анализа данных.

Однако в области финансов данные легко доступны — данные о доходности акций, данные об основных показателях компании, — поэтому исследователь может собрать данные и зарегистрировать эксперимент, даже если исследователю уже известны результаты. Большая часть проблемы связана с тем, за что мы вознаграждаем в финансовой профессии; например, некоторые школы просто подсчитывают публикации преподавателя и основывают продвижение по службе на этом количестве. Однако лучшие школы этого не делают. Они оценивают качество статей, некоторые из которых, возможно, даже не были опубликованы в ведущих журналах. Они ищут документы, которые окажут большое влияние. Статья, представляющая собой экспедицию по интеллектуальному анализу данных, не окажет никакого влияния, потому что она не будет хорошо работать вне выборки. Однако в режиме реального времени редактору нелегко определить потенциальное воздействие.

Проблема интеллектуального анализа данных менее серьезна в практике управления активами. Причина проста: когда исследователь, занимающийся добычей данных, внедряет стратегию в реальную торговлю, стратегия, скорее всего, потерпит неудачу. Это означает, что компания теряет репутацию, теряет активы, находящиеся под управлением, и не получает вознаграждения за работу. Для управляющих активами, проводящих количественные исследования, стимулы согласованы. Наличие правильной исследовательской культуры имеет решающее значение. Суровое наказание за наличие культуры, поощряющей интеллектуальный анализ данных. В академических кругах нет подобных наказаний, кроме как в лучших школах, так что исправить это нелегко.

— Разве вы не можете просто потребовать период вне выборки как часть тестовой среды?

Это трудно сделать. Подумайте о том, чтобы отправить статью в Journal of Finance, и в письме редактора о решении будет сказано: “Это выглядит интересно. Повторно отправьте статью с доказательствами, отсутствующими в выборке, через двадцать лет”. Мы знаем, что доходность акций довольно волатильна, а отношение сигнал/шум действительно низкое. Возможно, даже двадцати лет будет недостаточно. Опять же, исследователям необходимо учитывать предшествующие убеждения в контексте того, что они основаны на экономических основах. Нам просто не хватает сигнала. Исследователь должен быть дисциплинирован экономической теорией. Это способ свести к минимуму последствия интеллектуального анализа данных.

— Еще одна вещь, о которой вы упомянули в своем президентском послании, и которая, как мне показалось, была важной, — это то, что мы не проводим большого количества повторных исследований в области финансов или экономики. Как, по вашему мнению, профессия может продвинуться вперед в этой области? Было бы хорошей идеей попросить аспирантов повторить чью-то работу?

Моя статья 2019 года под названием “Репликация в финансовой экономике”, опубликованная в журнале Critical Finance Review, показывает, что я сторонник исследований репликации, и механизм, который вы предлагаете, — это именно то, что предлагается в этой статье. Идея заключается в том, что копирование статьи должно быть частью программ PhD для летнего проекта первого или второго курса. Репликация имеет много измерений. Одной из целей было бы просто получить результат в использованном образце, но могут быть и другие пути. Студент мог бы начать с этого, затем, возможно, извлечь результат из образца, чтобы проверить его жизнеспособность, возможно, «отвезти» его в другую страну. Существует множество возможностей, но задача репликации будет поручена учащемуся, а затем — это важно — результаты будут опубликованы в общедоступной базе данных.

Одной из издержек тиражирования является то, что студенты, часто магистры, пишут по электронной почте: “Я пытался воспроизвести ваше открытие. Должно быть, это неправильно, потому что я не могу это воспроизвести”. Тогда вы тратите время на работу со студентом, который, вероятно, допустил основные ошибки в кодировании. Допустим, мы повторим исследование один раз и разместим результаты в общедоступном репозитории. Когда у нас заканчиваются статьи для тиражирования, новые студенты во втором раунде тиражирования могут иметь дело со студентами, которые выполнили первый раунд тиражирования, вместо того, чтобы иметь дело с первоначальным автором. Новые ученики могут обнаружить ошибки в старых копиях. это способ справиться с этой проблемой. Сейчас в большинстве журналов действуют правила совместного использования кода, и это полезно.

В финансовой экономике у нас не так много повторений, главным образом потому, что большая часть данных широко доступна. Эти данные так легко получить, что стоимость репликации довольно низка, но главное, что я сделал в своей статье, заключается в том, что нам нужно снизить стоимость репликации, нам нужно упростить ее. В Journal of Finance теперь есть раздел, посвященный исследованиям репликации, что является шагом вперед; фактически, в ближайшее время будет опубликована статья о репликации, которую я представил, Harvey and Liu (2021). (Статья сейчас размещена в Social Science Research Network, или SSRN.) Если высокопоставленные люди в профессии начнут делать тиражи, это может изменить культуру. Нам нужно изменить культуру, не только отношение исследователей, но и отношение людей в деканате и других сотрудников университета, которые могут расценить повторное исследование как нечто более низкое по сравнению с другим типом работы. В других науках к повторениям относятся одинаково.

— Возможно, отрасль также может внести свой вклад — потому что количественные адепты сначала повторно тестируют сигналы на разных данных, прежде чем внедрять их. По моему опыту, во многих случаях сигнал не работает, но он остается беззвучным

Вы правы в том, что каждый день профессионалы отрасли обсуждают то, что публикуется на SSRN. Если они видят интересное открытие, они отправляют статью для тиражирования; часто исследование работает, но академик игнорирует трения в реальном мире, такие как торговые издержки. При разумных торговых затратах эффект может исчезнуть. Даже с учетом исследования 400 факторов, ни одно исследование (о котором я знаю) не включает торговые издержки. Например, стратегия сквозного импульса с 800-процентной оборачиваемостью будет дорогостоящей и, скорее всего, сведет на нет все сообщения об альфе.

Репликация происходит внутри отрасли, но никто не заинтересован в том, чтобы делиться ею, потому что они хотят, чтобы их конкуренты тоже тратили ресурсы на репликацию. Та же проблема возникает в фармацевтической промышленности, когда десять фирм проводят один и тот же эксперимент, но никто не знает, что делают другие. Компания может попробовать пятьдесят различных сигналов и обнаружить, что сорок восемь из них не работают. Этот результат было бы полезно опубликовать, но компания не публикует его, потому что лица, принимающие решения, хотят, чтобы их конкуренты тратили ресурсы впустую, преследуя сорок восемь других сигналов, которые, как они знают, не работают. Аналогичная проблема существует и в других науках. Это нелегко исправить.

— Я не могу отделаться от мысли, что это чрезмерное увлечение факторами делает рынки менее эффективными.

Многочисленные факторы делают рынки менее эффективными. Управляющие количественными активами, как правило, внимательно относятся к надежности факторов в своих стратегиях, потому что они не хотят разочаровывать клиентов. Однако некоторые биржевые фонды объединяются на основе академической статьи. Управляющий представляет фонд клиентам и объясняет, что стратегия основана на рецензируемых исследованиях. Некоторые менеджеры продвигают сотни таких типов фондов, зная, что более половины стратегий, вероятно, не принесут успеха, но все равно собирают комиссионные. Итак, вы правы в том, что нынешнее сосредоточение внимания на факторах может привести к неэффективности.

Множество различных сил определяют баланс между неэффективностью и результативностью. Несмотря на то, что у нас есть отличные данные и новейшие инструменты машинного обучения, по-прежнему наблюдается повсеместное переобучение. Таким образом, применяя эти стратегии, они отталкивают цены от фундаментальных показателей. Мы видели, как это произошло в этом году, когда доля розничных инвесторов выросла примерно с 15 процентов от объема торгов до 20 процентов, и, возможно, в следующем году она даже возрастет до 25 процентов. Это инвесторы, работающие неполный рабочий день, и, учитывая сложность предоставляемой информации, мы видели, как они снижали цены далеко от разумных фундаментальных показателей. На мой взгляд, рынок станет менее эффективным в краткосрочной перспективе, прежде чем он станет более эффективным в долгосрочной перспективе.

— Почему академический мир не является более строгим в отношении экономических или практических мотиваций для тестов, которые вы проводите? Можно подумать, что вы могли бы пресечь многие из этих проблем в зародыше.

Я думаю, что мое исследование оказало определенное влияние в том смысле, что кандидату на работу практически невозможно получить должность ассистента профессора в области финансов или экономики на основе эмпирической статьи, показывающей, что торговая стратегия или фактор “работают”. Этот путь фактически пройден. В ведущих профессиональных журналах эмпирическое исследование, описанное в статье, почти всегда мотивируется экономическим обоснованием. Сегодня чрезвычайно трудно опубликовать статью, просто проведя некоторый анализ данных. Я думаю, что мы движемся в правильном направлении.

Конец 1 части. Продолжение следует!)