Hedge fund returns and factors at the daily frequency

Abstract

Ever more hedge funds over the recent years decide to report daily. The present thesis consists of 3 chapters and aims to pave the way for hedge fund analysis with daily data. Chapter 1 provides detailed guidelines that allow the replication of daily versions of hedge fund factors, exclusively using Thomson Reuters Datastream data, based on strategies that trade futures and options, as proposed by Fung and Hsieh (2001), Agarwal and Naik (2004) and Moskowitz, Ooi, and Pedersen (2012). Data comparisons where the original data is available are illustrated, and refinements with broader coverage and less sensitivity to outliers are suggested. Using a comprehensive universe of daily variables, Chapter 2 studies the performance evaluation of hedge funds at daily resolution and concludes that hedge fund factor exposures measured with daily return data are more precise than exposures measured with monthly data. Factor selection with daily data leads to more factors for each fund, which can bring about average annualized alpha decreases by 1% and ‘stellar’ alpha reduction by 2%. The evidence for time-variation in exposures is also much stronger in daily data. Our findings suggest that much outstanding research on hedge fund alpha and risk exposures should be interpreted cautiously. Chapter 3 provides detailed guidelines about the extraction, handling, and utilization of high-frequency hedge funds data from the Bloomberg database. It assesses whether Bloomberg can be a hedge funds provider for data analysis, investigates differences between funds reporting daily vs. those reporting monthly in Bloomberg, and concludes that daily hedge funds analysis can reveal richer patterns. Specific issues regarding hedge fund biases, managerial skill, and structural breaks are discussed.

Όλο και περισσότερα αντισταθμιστικά αμοιβαία κεφάλαια υψηλού κινδύνου (hedge funds) τα τελευταία χρόνια αποφασίζουν να ανακοινώνουν τις αποδόσεις τους σε ημερήσια βάση. Η παρούσα διπλωματική εργασία, αποτελείται από 3 κεφάλαια και έχει ως στόχο να ανοίξει το δρόμο για την ανάλυση των κεφαλαίων αυτών με τη χρήση και αξιοποίηση ημερήσιων δεδομένων. Το Κεφάλαιο 1 παρέχει λεπτομερείς κατευθυντήριες γραμμές που επιτρέπουν την κατασκευή παραγόντων αμοιβαίων κεφαλαίων αντιστάθμισης κινδύνου σε ημερήσια συχνότητα, με αποκλειστική χρήση δεδομένων από τη βάση Thomson Reuters Datastream, ακολουθώντας στρατηγικές που διαπραγματεύονται συμβόλαια μελλοντικής εκπλήρωσης (futures contracts) και δικαιώματα προαίρεσης (options contracts), όπως προτάθηκε από τους Fung και Hsieh (2001), Agarwal και Naik (2004) και Moskowitz, Ooi και Pedersen (2012). Παρουσιάζονται συγκριτικά αποτελέσματα, όπου υπάρχουν διαθέσιμα τα αρχικά δεδομένα των συγγραφέων, και προτείνονται βελτιώσεις που βασίζονται σε ένα διευρυμένο σύνολο συμβολαίων και σε μικρότερη ευαισθησία σε ακραίες τιμές. Χρησιμοποιώντας ένα από τα εκτενέστερα σύνολα ημερήσιων μεταβλητών στη σχετική βιβλιογραφία, το Κεφάλαιο 2 μελετά την αξιολόγηση της απόδοσης των hedge funds σε ημερήσιο επίπεδο και καταλήγει στο συμπέρασμα ότι τα ανοίγματα σε παράγοντες κινδύνου hedge fund που αξιολογούνται σε ημερήσια βάση είναι πιο ακριβή από τα αντίστοιχα που αξιολογούνται με μηνιαία δεδομένα. Η επιλογή παραγόντων κινδύνου με χρήση ημερήσιων δεδομένων οδηγεί σε μεγαλύτερο πλήθος παραγόντων για κάθε αμοιβαίο κεφάλαιο, γεγονός που μπορεί να επιφέρει μέσες ετήσιες μειώσεις άλφα (alpha) κατά 1% ή ακόμα και μείωση άλφα κατά 2% σε ειδικές περιπτώσεις διακεκριμένων κεφαλαίων. Η ένδειξη για χρονική διακύμανση των εκθέσεων σε κίνδυνο είναι επίσης ισχυρότερη στα ημερήσια δεδομένα. Τα ευρήματά μας υποδηλώνουν ότι πολλές έρευνες σχετικά με τα αντισταθμιστικά αμοιβαία κεφάλαια υψηλού ρίσκου και την έκθεση αυτών στον κίνδυνο θα πρέπει να ερμηνεύονται πολύ προσεκτικά. Το Κεφάλαιο 3 παρέχει λεπτομερείς οδηγίες σχετικά με την εξαγωγή, το χειρισμό και τη χρήση δεδομένων hedge funds υψηλής συχνότητας από τη βάση δεδομένων Bloomberg. Εξετάζει κατά πόσο η Bloomberg μπορεί να αξιολογηθεί ως ένας ικανός και αξιόπιστος πάροχος hedge funds για ανάλυση δεδομένων, διερευνά τις διαφορές μεταξύ των αμοιβαίων κεφαλαίων που αποφασίζουν να ανακοινώνουν καθημερινά την επίδοσή τους έναντι εκείνων που αναφέρουν μηνιαία στη Bloomberg και καταλήγει στο συμπέρασμα ότι η ανάλυση hedge funds με χρήση ημερήσιων δεδομένων μπορεί να οδηγήσει σε πλουσιότερα μοτίβα τον ερευνητή. Επιπλέον, συζητούνται συγκεκριμένα ζητήματα σχετικά με τα διάφορα είδη μεροληψιών που μπορούν να παρουσιάσουν τα αμοιβαία κεφάλαια αντιστάθμισης κινδύνου, την ικανότητα του διαχειριστή τους, καθώς και περιπτώσεις παρουσίας διαρθρωτικών μεταβολών κατά τη χρονική περίοδο που εξετάζεται.