Faktor-Alpha-Rückgang, Crowding und Crashrisiko

Zusammenfassung

Diese Studie modelliert den Rückgang von Faktor-Alpha als hyperbolisch, leitet die Form aus einem spieltheoretischen Gleichgewichtsmodell her und vergleicht sie mit linearen und exponentiellen Alternativen. Die Tests verwenden acht Fama–French-Faktoren aus 1963 bis 2024. Laut Bericht passt die hyperbolische Form besser zu mechanischen Faktoren wie Momentum und Reversal als zu urteilsbasierten Faktoren wie Value und Quality. Außerdem finden die Autoren Hinweise darauf, dass das Crowding nach 2015 zunahm. Ein Test außerhalb der Stichprobe zeigt zugleich, dass das Modell das verbleibende Alpha überschätzte.

Die Ergebnisse deuten darauf hin, dass Crowding zur Einschätzung des Crashrisikos nützlicher sein könnte als zur Auswahl von Faktoren für Renditen. Bei starkem Crowding hatten Reversal-Faktoren eine höhere Crashwahrscheinlichkeit, Momentum-Faktoren hingegen in der berichteten Analyse ein niedrigeres Crashrisiko. Eine auf Crowding basierende Auswahlmethode übertraf die Faktor-Momentum-Benchmark bei der Sharpe Ratio nicht. Diese Ergebnisse hängen von den gewählten Faktoren, dem Modell und den historischen Tests ab. Die Studie belegt nicht, dass Crowding-Maße in anderen Situationen künftige Crashs oder Renditen vorhersagen.

Kernaussagen

• Ein spieltheoretisches Modell impliziert einen hyperbolischen Rückgang des Faktor-Alphas.
• In den berichteten Tests passt die hyperbolische Form besser zu mechanischen als zu urteilsbasierten Faktoren.
• Das Modell überschätzt das verbleibende Alpha außerhalb der Stichprobe; das Crowding nahm nach 2015 zu.
• Die auf Crowding basierende Faktorauswahl übertraf die Faktor-Momentum-Benchmark bei der Sharpe Ratio nicht.
• Crowding hing bei Reversal- und Momentum-Faktoren mit unterschiedlichen Crashrisiken zusammen.

Schlagwörter

# Not All Factors Crowd Equally: Modeling, Measuring, and Trading on Alpha Decay


# Not All Factors Crowd Equally: Modeling, Measuring, and Trading on Alpha Decay









We derive a specific functional form for factor alpha decay -- hyperbolic decay alpha(t) = K/(1+lambda*t) -- from a game-theoretic equilibrium model, and test it against linear and exponential alternatives. Using eight Fama-French factors (1963--2024), we find: (1) Hyperbolic decay fits mechanical factors. Momentum exhibits clear hyperbolic decay (R^2 = 0.65), outperforming linear (0.51) and exponential (0.61) baselines -- validating the equilibrium foundation. (2) Not all factors crowd equally. Mechanical factors (momentum, reversal) fit the model; judgment-based factors (value, quality) do not -- consistent with a signal-ambiguity taxonomy paralleling Hua and Sun's "barriers to entry." (3) Crowding accelerated post-2015. Out-of-sample, the model over-predicts remaining alpha (0.30 vs. 0.15), correlating with factor ETF growth (rho = -0.63). (4) Average returns are efficiently priced. Crowding-based factor selection fails to generate alpha (Sharpe: 0.22 vs. 0.39 factor momentum benchmark). (5) Crowding predicts tail risk. Out-of-sample (2001--2024), crowded reversal factors show 1.7--1.8x higher crash probability (bottom decile returns), while crowded momentum shows lower crash risk (0.38x, p = 0.006). Our findings extend equilibrium crowding models (DeMiguel et al.) to temporal dynamics and show that crowding predicts crashes, not means -- useful for risk management, not alpha generation.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.