AILAs Produktdesign – ein einfacher und systematischer Ansatz

Aus dem Englischen übersetzt. Maßgeblich ist der englische Text. Auf Englisch lesen

AILAs systematischer Designansatz

Öffentliche Daten & Open-Source-Modelle, ABER Interpretation von Risiko und Rendite aus Rohstoffperspektive

QUANTITATIVE METHODEN

  • Jeden Futures-Verfallstermin eines Assets innerhalb derselben Kurve getrennt behandeln. So entstehen innerhalb desselben Rohstoffmarkts unterschiedliche Renditen. Beispiel: WTI Juni und WTI Dezember haben getrennte Renditeströme; die WTI-Gesamtrendite aus 12 Monaten der Kurve weist daher eine geringe Volatilität auf
  • Risikoparameter so in die Performance einbetten, dass bei negativen Renditen ausgestiegen und bei neuen Chancen wieder allokiert wird. Daraus ergibt sich eine opportunistische statt einer ständigen Allokation
  • Auf Preisprognosen verzichten. Stattdessen auf das Timing der Allokation setzen, also darauf, wann Risiko eingegangen und wann es wieder abgebaut wird.

FUNDAMENTALER HINTERGRUND

  • Fokus auf Rohstoffe, in denen das Team aus dem fundamentalen Handel heraus über fundierte Erfahrung verfügt
  • Öffentlich verfügbare Daten nutzen, aber in aussagekräftige Faktoren umwandeln. Beispiel: den Abstand zwischen First Notice Date und Verfallstag des Kontrakts nutzen, um Liquiditätseinbrüche abzuschätzen
  • Die Terminstruktur des Assets als Informationsautobahn begreifen. Beispiel: Warum sind der März/April-Spread bei RBOB oder der Juli/November-Spread bei Sojabohnen wichtiger als andere Spread-Monate bei RBOB und Sojabohnen?
  • Das Verhalten der Assets über die verschiedenen Monate hinweg beachten, um Saisonalität und ihre Treiber herauszuarbeiten

NACHGELAGERTES PORTFOLIODESIGN MIT FOKUS AUF RISIKOMANAGEMENT 35%

MODELLIERUNG UND QUANTITATIVE METHODEN 15%

VORGELAGERTES DESIGN: FUNDAMENTALER HINTERGRUND 45%

DATEN 5%

Relative Bedeutung der Bausteine

HINTERGRUND

Verstärkung kleiner Ertragsvorteile

Zielsetzung

  • Wie bei vielen systematischen Anlagestrategien
  • werden kleine einzelne Vorteile bei Gewinn und Verlust
  • zu relevanten langfristigen Gewinnen verstärkt,
  • indem sie unabhängig voneinander viele Male wiederholt werden.

Umsetzung

  • Rohstoffchancen mit kleinem Vorteil prognostizieren,
  • wiederholt über viele einzelne Rohstoffmärkte und Futures-Kontrakte hinweg.
  • Unabhängige Wiederholungen ergeben sich auch aus kurzen Haltedauern, die jedoch gegen die Transaktionskosten abgewogen werden.

Ein Beispiel

  • Die Renditeverteilung eines einzelnen Assets an einem einzelnen Tag zeigt im Vergleich zur typischen Renditegröße (1%) nur einen winzigen GuV-Vorteil (2.5 bps).
  • Von 100 Tagesrenditen sind typischerweise 51 positiv und 49 negativ.
  • Wird dieselbe Chance jedoch jeden Tag über 25 unabhängige Assets wiederholt, ergibt sich eine Sharpe-Ratio von ~ 2, d. h. 20% Jahresrendite bei 10% Risiko.

KLEINE VORTEILE

AILAs Ansatz für Daten-Features

Zielsetzung

  • Rohstoffrenditen werden voraussichtlich von verschiedenen Mikro- wie Makrofaktoren getrieben.
  • Die Faktoren spiegeln sich teils in Markt-, teils in Fundamentaldaten wider.
  • Ziel ist es, die dominanten Faktoren zu identifizieren, um Allokationschancen zu begründen.

Umsetzung

  • Daten-Features als Stellvertreter (Proxy) für Preisfaktoren konstruieren.
  • Ein Modell trainieren, das Allokationschancen prognostiziert, d. h. ein günstiges erwartetes Chance-Risiko-Verhältnis, das mit einer charakteristischen Faktorsignatur in den Feature-Daten einhergeht.
  • Der Preis wird typischerweise von mehreren Faktoren und von „Rauschen“ beeinflusst, sodass nur kleine GuV-Vorteile entstehen.

Ein Beispiel

  • Im September und Oktober 2017 wurde der RBOB-Preis teilweise von einem Angebotsfaktor (Mikrofaktor) beeinflusst.
  • Von den Raffinerieausfällen durch Hurrikan Harvey wurde ein kurzfristiger Rückgang des Angebots erwartet.
  • Das knappere Angebot spiegelte sich in den Spreads der vorderen Kontrakte wider, d. h. in einem Teil der Mikro-Features.

UNKORRELIERTE KOMBINATIONEN

Kombination unkorrelierter Chancen

Zielsetzung

  • Gleichwertige Chancen sollten gleich viel zur Portfoliorendite beitragen.
  • Abhängige Chancen sollten nicht zu doppelten Allokationen in die „gleiche“ Chance führen.
  • Bessere Chancen sollten mehr zur Portfoliorendite beitragen, sind aber schwer abzuschätzen.

Umsetzung

  • Allokationen nach Risiko angleichen, d. h. eine Konzentration des Risikos auf volatilere Assets verhindern.
  • Allokationen zusammen mit der Korrelation der Marktrenditen betrachten, d. h. eine Risikokonzentration auf ähnliche Positionen in hoch korrelierten Assets verhindern, etwa in Kontrakten desselben Rohstoffs.
  • Einzelne Chancenprognosen in der Regel als gleichwertig behandeln.

Ein Beispiel

  • Viele unabhängige Chancen führen zu höheren risikoadjustierten Portfoliorenditen.
  • Eine höhere Marktkorrelation verringert jedoch bei gegebener Zahl tatsächlicher Asset-Allokationen die Zahl unabhängiger Chancen und erhöht die Portfoliovolatilität.
  • Für einzelne Allokationsentscheidungen sind Mikrofaktoren in der Regel wichtiger als Makrofaktoren.
  • Daher dürfte die Strategie in Phasen, die von idiosynkratischen Mikrofaktoren dominiert werden, besser abschneiden als in Phasen, in denen gemeinsame Makrofaktoren wie Zinsen oder der US-Dollar dominieren.
Investieren Sie in unsere Technologie