Угасание факторной альфы, скученность и риск обвала

Сводка

В исследовании спад факторной альфы моделируется гиперболической функцией, выведенной из равновесной модели теории игр и сравниваемой с линейной и экспоненциальной альтернативами. В тестах используются восемь факторов Фама — Френча за период с 1963 по 2024. Авторы сообщают, что гиперболическая функция лучше описывает механические факторы, например импульс и разворот, чем факторы, зависящие от оценки, например стоимость и качество. Также они обнаруживают признаки ускорения скученности после 2015, а тест вне выборки показывает, что модель переоценила остающуюся альфу.

Результаты указывают, что скученность может быть полезнее для оценки риска обвала, чем для выбора факторов с целью получения доходности. В приведённом анализе скученные факторы разворота имели более высокую вероятность обвала, тогда как скученный импульс был связан с более низким риском обвала. Метод выбора факторов с учётом скученности не превзошёл базовый факторный импульс по коэффициенту Шарпа. Выводы зависят от выбранных факторов, модели и исторических тестов; исследование не доказывает, что показатели скученности будут прогнозировать будущие обвалы или доходность в других условиях.

Ключевые идеи

• Из теоретико-игровой модели следует гиперболическое угасание факторной альфы.
• В приведённых тестах гиперболическая функция лучше описывает механические факторы, чем факторы, зависящие от оценки.
• Модель переоценивает остаточную альфу вне выборки, а скученность ускорилась после 2015.
• Выбор факторов по скученности не превзошёл базовый факторный импульс по коэффициенту Шарпа.
• Скученность была связана с разным риском обвала для факторов разворота и импульса.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.