تأثیر پویایی بازده بر انباشت مرکب ETF اهرمی

خلاصه

مقاله استدلال می‌کند که اثر کاهنده نوسان به‌تنهایی رفتار بلندمدت صندوق‌های قابل معامله اهرمی را توضیح نمی‌دهد. بررسی می‌کند که انباشت مرکب چگونه به خودهمبستگی بازده و دیگر پویایی‌های بازده وابسته است: بازده‌های مستقل می‌توانند در مقایسه با ضریب هدف، انباشت مرکب مورد انتظار مثبت ایجاد کنند؛ روندها می‌توانند نتیجه را بهبود دهند و بازگشت به میانگین می‌تواند آن را کاهش دهد. چارچوب آن شامل مدل‌های AR(1) و AR-GARCH، تغییر رژیم در زمان پیوسته و بسامدهای مختلف بازتنظیم است و خوشه‌بندی نوسان و تداوم رژیم را نیز در نظر می‌گیرد.

نویسندگان شواهد تجربی را بر پایه داده‌های حدود دو دهه از صندوق‌های قابل معامله SPDR S&P 500 و Nasdaq-100 گزارش می‌کنند. یافته‌اند که بازتنظیم روزانه در بازارهای متأثر از مومنتوم بازده را افزایش می‌دهد، درحالی‌که بازتنظیم با بسامد کمتر می‌تواند زیان را در رژیم‌های بازگشت به میانگین محدود کند. این یافته‌ها به پویایی بازده و تنظیمات بازتنظیم بررسی‌شده مشروط‌اند. خلاصه، اندازه اثرها، هزینه‌ها یا جزئیات شناسایی رژیم‌ها از پیش را ارائه نمی‌کند؛ بنابراین، ثابت نمی‌کند که سرمایه‌گذار بتواند با اطمینان برنامه بازتنظیم سودآوری را انتخاب کند.

ایده‌های کلیدی

• انباشت مرکب ETF اهرمی به پویایی بازده وابسته است، نه فقط به اثر کاهنده نوسان.
• روندها می‌توانند بازده اهرمی را افزایش دهند، درحالی‌که شرایط بازگشت به میانگین ممکن است به عملکرد ضعیف‌تر بینجامند.
• چارچوب، خودهمبستگی، خوشه‌بندی نوسان، تداوم رژیم و بسامد بازتنظیم را در نظر می‌گیرد.
• شواهد ETF گزارش‌شده، بازتنظیم روزانه را با سود در بازارهای متأثر از مومنتوم و بازتنظیم کم‌بسامد را با کاهش زیان در رژیم‌های بازگشت به میانگین مرتبط می‌داند.

برچسب‌ها

# Compounding Effects in Leveraged ETFs: Beyond the Volatility Drag Paradigm


# Compounding Effects in Leveraged ETFs: Beyond the Volatility Drag Paradigm









A common belief is that leveraged ETFs (LETFs) suffer long-term performance decay due to \emph{volatility drag}. We show that this view is incomplete: LETF performance depends fundamentally on return autocorrelation and return dynamics. In markets with independent returns, LETFs exhibit positive expected compounding effects on their target multiples. In serially correlated markets, trends enhance returns, while mean reversion induces underperformance. With a unified framework incorporating AR(1) and AR-GARCH models, continuous-time regime switching, and flexible rebalancing frequencies, we demonstrate that return dynamics -- including return autocorrelation, volatility clustering, and regime persistence -- determine whether LETFs outperform or underperform their targets. Empirically, using about 20 years of SPDR S\&P~500 ETF and Nasdaq-100 ETF data, we confirm these theoretical predictions. Daily-rebalanced LETFs enhance returns in momentum-driven markets, whereas infrequent rebalancing mitigates losses in mean-reverting regimes.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.