Decaimento do alfa de fatores, concentração e risco de crash

Resumo

Este estudo modela o declínio do alfa de fatores como hiperbólico, derivando essa forma de um modelo de equilíbrio da teoria dos jogos e comparando-a com alternativas lineares e exponenciais. Os testes usam oito fatores de Fama–French de 1963 a 2024. Os autores relatam que, nos testes, a forma hiperbólica se ajusta melhor a fatores mecânicos, como momentum e reversão, do que a fatores baseados em julgamento, como valor e qualidade. Também encontram evidências de que a concentração se acelerou após 2015, enquanto um teste fora da amostra mostra que o modelo superestimou o alfa restante.

Os resultados sugerem que a concentração pode ser mais útil para avaliar o risco de crash do que para selecionar fatores visando retornos. Fatores de reversão concentrados tiveram maior probabilidade de crash, enquanto o momentum concentrado apresentou menor risco de crash na análise relatada. Um método de seleção baseado em concentração não superou a referência de momentum de fatores no índice de Sharpe. Essas conclusões dependem dos fatores escolhidos, do modelo e dos testes históricos; o estudo não demonstra que medidas de concentração prevejam crashes ou retornos futuros em outros contextos.

Ideias principais

• Um modelo da teoria dos jogos implica decaimento hiperbólico do alfa de fatores.
• Nos testes relatados, a forma hiperbólica se ajusta melhor a fatores mecânicos do que a fatores baseados em julgamento.
• O modelo superestima o alfa restante fora da amostra, e a concentração se acelerou após 2015.
• A seleção de fatores baseada em concentração não superou a referência de momentum de fatores no índice de Sharpe.
• A concentração foi associada a diferentes riscos de crash para fatores de reversão e de momentum.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.