السؤال الذي يكشف النماذج الكمية الضعيفة

ما الذي يجب على المستثمرين المؤسسيين طرحه قبل التخصيص للاستراتيجيات المنهجية

من المحتمل أن تركز عملية العناية الواجبة الخاصة بك للمديرين الكميين على الأداء: الاختبارات الخلفية، ونسب شارب، وعمليات السحب، والإسناد. ويكاد يكون من المؤكد أنه لا يختبر ما إذا كانت المتغيرات منظمة بشكل صحيح فيما يتعلق بالقوى الاقتصادية التي من المفترض أن تستحوذ عليها.

وهذه الفجوة ليست بسيطة. قد يكون أكبر مصدر خطر غير مشخص في تقييم الإستراتيجية المنهجية اليوم. هذه القطعة تعطيك سؤالا واحدا يغلقه. ولا يتطلب أي خلفية فنية ويمكن استخدامه في اجتماع مديرك القادم.

النمط

وصف لي ثلاثة موزعين في ثلاث مؤسسات مختلفة نفس السيناريو خلال أسبوع واحد. أضاف مدير الأسهم المنهجي تراكب “الجودة” إلى استراتيجية القيمة. تحسن الاختبار الخلفي: ارتفاع نسب شارب، وانخفاض عمليات السحب، والإسناد الأنظف. يتم التخصيص. وبعد مرور اثني عشر شهرًا، كان أداء الاستراتيجية أقل من أداء النسخة الأبسط ذات القيمة فقط التي حل محلها المُخصص.

وخلص الموزعون الثلاثة إلى أن مديريهم قد قاموا بمقارنة النموذج بالبيانات التاريخية. لكن هذا التشخيص لم يفسر بشكل كامل الخطأ الذي حدث.

ولم يكن عامل الجودة متغيرا مستقلا. لقد كان ذلك نتيجة لنفس القوى التي تدفع إلى العودة. بما في ذلك أنه لم يضيف المعلومات. لقد أدخل تشويهًا جعل الاختبار الخلفي يبدو أفضل على وجه التحديد لأنه جعل النموذج أسوأ من الناحية الهيكلية.

وهذا ما يسمى خطأ المواصفات. قام ماركوس لوبيز دي برادو، دكتوراه، وفنسنت زونيكيند، دكتوراه، بفحص 26 نموذجًا لعامل بارا مستخدمة على نطاق واسع في دراستهم لمؤسسة أبحاث معهد CFA ووجدوا حالات قلب فيها هذا النوع من الخطأ علامة معامل العامل. في أحد الأمثلة، كان التحميل الصحيح على عامل السيولة هو +0.08. مع متغير التحكم الخاطئ، أصبح −0.04. تحسن الملاءمة الإحصائية للنموذج مع الخطأ.

يسمون هذا “عامل السراب”. قام لوبيز دي برادو وزونيكيند لاحقًا بترجمة هذه النتائج في مقال المستثمر المغامر مدونة.

حيث تتوقف الأطر الحالية قصيرة

لقد أنتج مجتمع CFA أدوات قوية للتقييم الكمي. ويتساءل إطار فحص سيمونيان عما إذا كانت العوامل لها حدس اقتصادي، وما إذا كانت الأدلة قوية عبر العينات الفرعية، وكيف يتم التحكم في تغييرات النموذج. سؤاله حول ضوابط المخاطر يتعلق بما إذا كانت الإستراتيجية تحقق ما تعد به. هذه هي الغرائز الصحيحة.

ولكن حتى أفضل الأطر الموجودة تركز على ما يفعله النموذج وكيف تم بناؤه. ولا يسألون عن سبب تنظيم المتغيرات بهذه الطريقة. تسأل استبيانات العناية الواجبة المتوافقة مع معايير الصناعة (DDQs) عن العوامل التي يستخدمها المدير وكيفية تعريفها. ولا يسألون لماذا تم استبعاد تلك المتغيرات وغيرها عمدا. هذه الفجوة هي المكان الذي يختبئ فيه خطأ المواصفات.

سؤال واحد يغير المحادثة

“كيف حددت المتغيرات التي يجب تضمينها في نموذجك، وما هي المتغيرات التي استبعدتها عمدًا؟”

وقيمة السؤال تكمن في ما يكشفه. أنت لا تطلب قائمة المتغيرات. أنت تتساءل عما إذا كانت قرارات التضمين والاستبعاد ترتكز على المنطق الاقتصادي وليس على التوافق الإحصائي وحده.

في محادثاتي مع كل من الموزعين والمديرين، تنقسم الردود إلى ثلاث فئات متميزة.

إجابة قوية: ويشرح المدير الآلية الاقتصادية وراء إدراج كل متغير. والأهم من ذلك، أنهم يناقشون المتغيرات التي استبعدوها ولماذا، موضحين أن المواصفات كانت اختيارًا متعمدًا للتصميم. وهم يميزون بين المتغيرات التي تحرك العامل المستهدف والمتغيرات الناتجة عنه. ويتتبع أقوى المديرين سلسلة من الأسباب الاقتصادية: كيف تنعكس القوى الكلية على إشارات مستوى المخزون، ولماذا يعكس النموذج تلك السلاسل السببية بدلاً من التنقيب عن الارتباطات.

إجابة قياسية: ويستشهد المدير بالمعايير الإحصائية: نسبة المعلومات، وتحسين مربع R، واختبارات الأهمية. هذه هي الممارسة الصناعية الحالية. إنه ليس خطأ، لكنه ناقص. لا يمكن للملاءمة الإحصائية وحدها التمييز بين المتغير الذي ينتمي إلى النموذج والمتغير الذي يُحدث تشويهًا مع تحسين مقاييس الملاءمة. هذا هو بالضبط الفخ في القصة الافتتاحية.

الجواب المتعلق يأخذ أحد شكلين: إن عبارة “نحن نستخدم جميع المتغيرات المتاحة ونترك النموذج يختار” تشير إلى الضعف الهيكلي أمام سراب العوامل. ومن ناحية أخرى، فإن عبارة “عملية الاختيار المتغير لدينا هي ملكية خاصة” قد تعكس حماية مشروعة للملكية الفكرية. لكن المدير الذي لا يستطيع شرح الأسباب الكامنة وراء مواصفاته، حتى من دون الكشف عن متغيرات محددة، لا يمكنه إثبات وجود الأسباب.

لماذا هذا مهم الآن؟

نهج المحفظة الإجمالية (TPA) يعمل على مركزية شفافية العوامل. وتتطلب أكبر صناديق التقاعد الآن التعبير عن كل ولاية بلغة عامل مشترك. عندما يجب أن تكون محفظتك بأكملها مفهومة على مستوى العامل، فإن الصلاحية السببية لهذه النماذج تؤثر بشكل مباشر على تخصيص رأس المال وميزانية المخاطر.

عوائد العامل تتدهور. يوثق ماكلين وبونتيف (2016) انخفاضًا بنسبة 50-58% في عوائد العوامل بعد النشر الأكاديمي. مع نشر المزيد من العوامل التي تطارد رأس المال، يصبح الفرق بين النموذج المحدد جيدًا والسراب هو الفرق بين ألفا المتبقي والضوضاء الباهظة الثمن.

إن الموزعين الأكثر تطوراً يعملون بالفعل على هذا الأمر. خصص مختبر ADIA تمويلًا مخصصًا، وجائزة بحثية سنوية بقيمة 100 ألف دولار أمريكي، وتحديًا عالميًا اجتذب ما يقرب من 2000 باحث إلى الاستدلال السببي في الاستثمارات.

عندما يستثمر المُخصص الذي يدير تريليون دولار في حل هذه المشكلة، فإن الأمر يستحق طرح سؤال واحد في اجتماعك القادم.

يتطلب المعيار الخامس (أ) الخاص بمعهد CFA من الأعضاء أن يكون لديهم “أساس معقول وكافي” لتوصيات الاستثمار، بما في ذلك فهم الافتراضات والقيود الخاصة بالنماذج الكمية. هذا السؤال – “كيف قررت أي المتغيرات تريد تضمينها في نموذجك، وأيها استبعدتها عمدًا؟” – يساعد على تلبية هذا المعيار.

قبل اجتماعك القادم

اطرح سؤالاً واحدًا حول سبب وجود المتغيرات وعدم وجود المتغيرات الأخرى. ستخبرك جودة الإجابة بالمزيد عن السلامة الهيكلية للعملية الكمية أكثر من أي اختبار خلفي.

هذا هو البعد الأول من أربعة أبعاد لمخاطر المواصفات التي أدرسها في إطار أوسع يغطي كيفية تشخيص المديرين لفشل الأداء، وما إذا كان بإمكانهم شرح صفقات محددة، ومدى حساسية نماذجهم للتغيرات الهيكلية. لكن المواصفات تأتي أولاً، لأنه إذا كانت المتغيرات خاطئة، فلن يتمكن أي شيء من إصلاحها.

وهذا هو أحد أبعاد إطار مخاطر المواصفات الأوسع، إلى جانب كيفية تشخيص المديرين لفشل الأداء، وشرح صفقات محددة، والاستجابة للتغيير الهيكلي.