The macroeconomic drivers in hedge fund beta management

Abstract

We investigate how macroeconomic indicators alter the dynamic risk exposure of different hedge fund style strategies. We implement a multifactor model to estimate the unobservable timevarying risk exposure conditional to macroeconomic information and a VAR to measure the impact of macroeconomic predictors on different time horizons. Using monthly returns on a cross-section of 10 different style indices from February 1997 to August 2019, we find that, on average, macroeconomic indicators explain approximately 30%, 55%, and 75% variability of betas at 1-, 6-, and 36-months horizons, respectively. Although macroeconomic predictors play a critical role at every horizon, at 1-month the dominating effect comes from idiosyncratic shocks, which indicates that in the short run hedge fund managers mostly rely on their own reallocation signals.Moreover, consistent with the fundamental drivers of the smart beta factors, we find that interest rate level and GDP growth similarly impact hedge fund exposures across styles.

Tracking market and non-traditional sources of risks in procyclical and countercyclical hedge fund strategies under extreme scenarios: a nonlinear VAR approach

“…Researchers are concerned about the asymmetric behavior of hedge funds depending on the phase of the business cycle (Holmes and Faff 2008 ; Jawadi and Khanniche 2012 ; Namvar et al 2016 ; Stafylas et al 2018 ). The Kalman filter is a tool used in a large number of studies (Thomson and van Vuuren 2018 ; Lambert and Platania 2020 ). 10 Other dynamic econometric techniques have also been used.…”

“…These options span various forms of market timing by portfolio managers (Glosten and Jagannathan 1994 ; Agarwal and Naik 2004 ; Stafylas et al 2017 ). The exposure of hedge-fund returns to risk factors, especially the market risk premium, has been made time-varying relatively recently, particularly since the subprime crisis (Holmes and Faff 2008 ; Billio et al 2012 ; Jawadi and Khanniche 2012 ; Bali et al 2014 ; Namvar et al 2016 ; Stafylas et al 2017 ; Racicot and Théoret 2016 ; Thomson and van Vuuren 2018 ; Lambert and Platania 2016 , 2020 ; Racicot et al 2021 ). The literature indicates that hedge funds monitor their risk exposure in order to take more risk in high regimes (i.e., expansions) and less risk in low regimes (i.e., recessions).…”

Incerteza De Mercado E O Desempenho De Fundos De Investimentos Em Ações No Brasil

“…Com base em evidências empíricas amplamente disponíveis na literatura, é esperado que a performance dos fundos de investimento em ações varie dinamicamente em função de condições sistêmicas do ambiente econômico (Lambert & Platania, 2020;Wang & Zheng, 2018;Bali, Brown, & Caglayan, 2014;Kosowski, 2011;Sun, Otten, & Bams, 2004;Ferson & Schadt, 1996). Especificamente, o estudo seminal de Ferson e Schadt (1996, p.158) mostra que a performance dos fundos de investimento deve ser analisada em função de informações sobre o cenário econômico disponível e, em função disso, análises empíricas deveriam buscar avaliar tal desempenho de forma a "incorporar variáveis com informações públicas".…”

“…Como mencionado anteriormente, estudos recentes indicam que, em momentos de incerteza, gestores tende a concentrar a negociação de ativos em alguns grupos de empresas menos arriscadas e, portanto, com menores níveis de retorno (Lambert, & Platania, 2020;Racicot, & Theoret , 2016), o que estaria associado a uma redução sistemática nas taxas de performance dos fundos. Nesse sentido, é possivel esparar que fundos com perfil de risco mais agressivos tendem a marter maiores níveis de retorno e, potanto, performance superior aos menos expostos em momentos de maiores incertezas.…”

“…Para testar a relação entre incerteza de mercado (MU) e performance dos fundos de investimentos, desenvolveu-se modelo empírico controlado pelos efeitos que são apontados pela literatura como determinantes específicos do desempenho dos fundos de investimento, a saber: risco (Lambert, & Platania, 2020;Racicot, & Theoret , 2016), existência de taxa de performance (Dalmácio et al 2008;Silva, Roma, & Iquiapaza, 2018), possibilidade alavancagem (Yoshinaga et al 2009) e tamanho do fundo (Borges, & Materlanc, 2015;Castro, & Minardi, 2009;Elton, Gruber, & Blake, 2012). Para tanto, o seguinte modelo empírico foi estimado:…”