Торговые события: Макрокатализаторы США, исследование за 15 лет. Goldman Sachs. 

Перевод документа от Goldman Sachs.

Оригинал этого документа и множество других переводов в телеграмм-канале:

https://t.me/holyfinance

В этом отчете мы показываем, что осведомленность о недавней реакции конкретного индекса/ETF на определенный катализатор может дать инвесторам преимущество в торговле этим ETF при следующем появлении катализатора. Мы изучили динамику 47 ETF на 34 типа макрособытий за последние 15 лет. За последние 15 лет S&P 500 был значительно более волатильным в отдельные дни макрособытий, чем в дни, не связанные с макрособытиями, что делает анализ макрособытий критически важным для покупателей индексных опционов, использующих преимущества цен на опционы, на которые все больше давят систематические продавцы опционов. С точки зрения направленности, доходность S&P 500 в дни макрособытий была положительной в 14 из 15 лет, в то время как доходность в дни, не связанные с событиями, была положительной только в 7 из 15 лет. Вместе с этим отчетом мы запускаем новую услугу Custom Research Service, которая поможет инвесторам определить активы, стабильно работающие на определенных макрокатализаторах.

Понимание доходности катализаторов и выявление перегибов цикла

Мы отслеживаем доходность в дни макрокатализаторов, чтобы (1) понять их вклад в общую доходность, (2) понять их влияние на волатильность и (3) отслеживать тенденции в направленном движении макрокатализаторов. Мы оцениваем годовую доходность в +6,2% за последние 15 лет от позиционирования для направленного движения в ETF перед катализатором, когда этот ETF демонстрировал статистически значимые направленные движения на тот же катализатор в течение прошлого года.

• Наиболее значимые катализаторы в настоящее время: Заседания FOMC, объем производства в час в несельскохозяйственных предприятиях, потребительский кредит от ФРС были наиболее значимыми событиями за последний год.
• Наиболее реактивные ETF: XLP, FXY, фонды с фиксированным доходом (HYG, IEF) и международные (EWG, EWU, VGK, FEZ) совершили наиболее значительные и последовательные направленные движения на макрокатализаторы за последний год.

Исторические движения как дополнение к прогнозам на будущее: Наш анализ не зависит от фундаментального взгляда на каждый катализатор и поэтому является дополнением к другим макромоделям. Мы не рекомендуем инвесторам торговать только на основе прошлого, не учитывая вероятный исход катализатора; однако мы считаем, что модель обеспечивает важный исторический контекст.

Модель макрокатализаторов в пяти графиках

Использование макрокатализаторов в своих интересах

В этом отчете мы изучаем доходность различных классов активов и секторов на макрособытиях за последние 15 лет. Мы показываем, что знание недавней истории движений на макрокатализаторах может быть полезным для прогнозирования размера и направления движений на будущих катализаторах, даже до того, как будет сформировано мнение о самом макрособытии.

Мы оцениваем годовую доходность в +6,2% для стратегии long-short, которая позиционируется на основе предыдущих 12 месяцев реакции рынка на макрокатализаторы.

Ключевые выводы:

1. Прошлые движения на макрокатализаторы полезны для прогнозирования будущих движений на макрокатализаторы для широкого спектра активов. Сюрпризы макроэкономических данных, как правило, обладают определенной степенью устойчивости, что приводит к систематическим движениям цен активов вокруг макрособытий, являясь, таким образом, источником "альфы".
2. Важность событий меняется с течением времени. Многие документировали "альфу" во время заседаний FOMC; однако в разные периоды цикла заседания FOMC менее последовательно изменяли курс акций. Наша модель меняется по мере того, как инвесторы фокусируются на других катализаторах по мере развития цикла.
3. Недавняя история важна, но отдаленная история может помешать созданию модели. Мы обнаружили, что для прогнозирования движения вперед полезно использовать историю за 1 год, которая работает лучше, чем периоды с оглядкой на 2 или 3 года назад.
4. Выборочная торговля улучшает результаты. Устойчивость направленной реакции рынка на катализаторы в целом важна для доходности; однако торговые стратегии, которые выборочно реализуются при высокой статистической значимости, имеют более высокую доходность с поправкой на риск.

Методика получения сигнала о предстоящих катализаторах: Мы оцениваем влияние каждого катализатора на дневную доходность каждого актива за последний год. Мы используем одну регрессию для каждого актива с базовым движением и одной фиктивной переменной для каждого из основных макрокатализаторов. Затем мы оцениваем ожидаемое движение актива на следующий день в зависимости от того, какие катализаторы имеют место. Мы считаем день события "торгуемым", если бета одного или нескольких катализаторов статистически значима (p-value < 0,01) по сравнению с предыдущим годом, а ожидаемое движение превышает 0,3 стандартного отклонения по отношению к волатильности актива за последний 1 год. Мы рассчитываем 1-дневную доходность актива (long/short в зависимости от сигнала) и рассчитываем совокупную доходность портфеля, в котором находится каждая позиция. В дни, когда модель посылает несколько торговых сигналов, мы предполагаем, что капитал распределяется поровну между всеми возможностями.

Как известно, предсказать доходность широких индексов и классов активов, особенно в течение коротких периодов времени, довольно сложно. В ходе наших исследований мы обнаружили, что крайне важно рассматривать сигналы в контексте предстоящего макрокалендаря, поскольку это позволяет инвесторам лучше понять, на что они могут ориентироваться или на что реагировать. Наш анализ показывает, что реакция на макрокатализаторы не является случайной, но простых подходов к расшифровке реакции рынка на макрокатализаторы недостаточно для выработки инвестиционной стратегии. Наша система предлагает систематический способ анализа возможностей.

Почему мы считаем, что в макрокатализаторах есть альфа?

Мы находим свидетельства значительных движений на макрособытия, постоянства макросюрпризов, а также изменения значимости реакции рынка на макрокатализаторы. Наша система разработана таким образом, чтобы учитывать каждый из этих элементов.

Устойчивость макросюрпризов

Индекс MAP США объединяет индивидуальные показатели неожиданности данных - разницу между заявленными значениями основных индикаторов и консенсус-ожиданиями - для макроэкономических рядов США. Хотя этот индекс представляет собой среднее значение неожиданности данных за последние три месяца, он демонстрирует высокую степень устойчивости. Другими словами, хорошие экономические сюрпризы, как правило, следуют за хорошими, а плохие новости влекут за собой новые плохие новости. Используя индекс MAP в США в качестве косвенного показателя неожиданностей, мы видим, что почти весь 2015 год неожиданности были негативными, а большую часть 2023 года - позитивными. На самом деле, если проанализировать последние 15 лет на предмет случаев, когда индекс MAP США пересекал уровень +/- 1 стандартное отклонение, то таких поворотных точек было 24, а промежуток между ними составлял в среднем 219 дней. Если за последние 15 лет сюрпризы от данных менялись с положительных на отрицательные (или с отрицательных на положительные) всего 24 раза, можно ожидать, что реакция рынка на эти сюрпризы будет меняться с такой же частотой.

В этом отчете мы проверяем гипотезу о "макро-альфе", изучая ежедневные движения основных инвестируемых активов, представленных следующими 47 американскими ETF (выбранными из-за их высокой ликвидности):

• Широкие индексы: Russell 2000 (IWM), S&P 500 (SPY), Dow Jones Industrial Average (DIA), Nasdaq 100 (QQQ).
• Сектора: Товары ежедневного пользования (XLP), розничная торговля (XRT), недвижимость (VNQ), домостроители (XHB), материалы (XLB), коммунальные услуги (XLU), энергетика (XLE), здравоохранение (XLV), недвижимость (IYR), энергетика (XOP), промышленность (XLI), товары длительного пользования (XLY), биотехнологии (XBI), золотодобытчики (GDX), младшие золотодобытчики (GDXJ), нефтесервисы (OIH), финансы (XLF), технологии (XLK), биотехнологии (IBB).
• Фиксированный доход: Инвестиционный класс (LQD), общий рынок облигаций (BND), 20+-летние казначейские обязательства (TLT), высокодоходные (HYG), 7-10-летние казначейские обязательства (IEF).
• Сырьевые товары: Нефть WTI (USO), золото (GLD).
• Международные фондовые индексы: Бразилия (EWZ), Тайвань (EWT), Германия (EWG), MSCI Emerging Markets (EEM), Великобритания (EWU), FTSE Europe (VGK), EURO STOXX 50 (FEZ), FTSE Emerging Markets (VWO), MSCI EAFE (EFA), China Large-Cap (FXI), Japan Hedged Equity (DXJ), Южная Корея (EWY), Япония (EWJ).
• FX: Euro Trust (FXE), Yen Trust (FXY), British Pound Sterling Trust (FXB), USD Index Bullish Fund (UUP).

Из 127 макроэкономических релизов США, перечисленных Bloomberg, мы выделили 34, которые демонстрируют достаточную вариативность в расписании релизов, чтобы их можно было анализировать совместно.

• Активность: Новые заказы на товары длительного пользования (Durable goods new orders), промышленное производство (industrial production), новые заказы производителей (manufacturers new orders), товарные запасы оптовиков (merchant wholesalers inventories), расходы на личное потребление (personal consumption expenditures), розничные продажи (retail sales).
• Кредит: потребительский кредит ФРС (Federal Reserve consumer credit), долг федерального бюджета Казначейства (Treasury federal budget debt).
• Рынки труда: Национальный отчет о занятости ADP (ADP national employment report), объявления о сокращении рабочих мест Challenger (Challenger US job cut announcements), число занятых в несельскохозяйственном секторе (Nonfarm payrolls), производительность труда в час (output per hour).
• Жилье: Продажи существующих домов (Existing homes sales), индекс цен на жилье FHFA (FHFA house price index), продажи новых домов на одну семью (new one family houses sold), начало строительства новых частных домов (new privately owned housing units started), ожидаемые продажи домов (pending home sales).
• Нефть: Общее изменение запасов сырой нефти (Total change in crude oil inventories).
• Политика: Заседание FOMC (FOMC meeting), протоколы FOMC (FOMC minutes).
• Цены: Индекс потребительских цен (Consumer price index), индекс импортных цен (import price index).
• Торговля: Чистые операции с иностранной валютой (Foreign net transactions), торговый баланс товаров и услуг (trade balance of goods and services).
• Опросы: Индекс национальной активности ФРС Чикаго (Chicago Fed national activity index), опережающий индекс Conference Board (Conference Board leading index), потребительское доверие Conference Board (Conference Board consumer confidence), прогноз ФРС Далласа по производству (Dallas Fed manufacturing outlook), производственный опрос Empire State (Empire State manufacturing survey), международный барометр деловой активности Чикаго (International Chicago business barometer), индексы деловой активности от ISM по производству и по непроизводственной сфере (ISM manufacturing, non-manufacturing), опрос деловой активности ФРС Филадельфии (Philadelphia Fed business outlook survey), оптимизм в малом бизнесе (small business optimism).

Моделирование влияния макрокатализаторов: Эконометрические соображения

• Совместное моделирование макрособытий: С 2010 года произошло более 6 000 отдельных макро-релизов по этим 34 индикаторам, причем чаще всего в один день происходило два или более событий. 56% дней в выборке были днями с несколькими макрособытиями, а самый напряженный день был заполнен одиннадцатью макрособытиями. Макрособытия одного дня могут оказывать усиливающее влияние на ETF (например, две "хорошие" новости) или нейтрализующее ("хорошие" и "плохие" новости). Для того чтобы отделить систематический эффект каждого типа макрособытия на ETF, необходимо их совместное моделирование. Мы построили одну регрессионную модель для каждого ETF с одним фиктивным макрособытием в качестве регрессоров.
• Выборочная реализация: Мы не стремились построить модель, которая бы объясняла движения каждого дня по каждому активу, скорее наша цель - выявить возможности со статистически значимым потенциалом прибыли в контексте обычной дневной волатильности и других регулярно происходящих макрособытий. Мы выделяем предстоящие дни с одним или несколькими значимыми катализаторами (на основе p-value) и игнорируем дни/события без статистически значимых катализаторов. Хотя значимость каждого катализатора возрастает и падает с течением времени, мы сохраняем все фиктивные показатели катализаторов в модели, чтобы обеспечить контекст модели.
• Учет изменений в фокусе внимания инвесторов: Из колебаний индекса неожиданностей MAP США (Рисунок 1) видно, что макросюрпризы имеют элементы постоянства и средней реверсии. Чтобы найти баланс между 1) достаточным количеством наблюдений для статистических выводов и 2) как можно более короткой выборкой, отражающей текущие рыночные условия, мы оцениваем нашу модель с помощью ежедневных данных в течение одного года.

Движения в дни макрокатализаторов были иными, чем в дни без катализаторов, и в целом более позитивными за период нашего исследования.

С точки зрения волатильности очень важно быть в курсе макрокатализаторов. На рисунке ниже показано, что волатильность была выше, чем в средний несобытийный день, в 27 из 34 катализаторов, выбранных для нашего исследования (10% дней за последние 15 лет были несобытийными).

С точки зрения направленности, SPX рос в дни макрокатализаторов в 14 из последних 15 лет, и в 11 из этих 15 лет дни макрокатализаторов превосходили дни некатализаторов (Рисунок ниже). В разбивке по дням 44 из 47 ETF показали положительную доходность в дни макрокатализаторов, причем 37 из 47 продемонстрировали более высокую доходность в дни с макрособытием (событиями) по сравнению с днями без событий в нашей выборке (Рисунок ниже).

Реакция меняется со временем

Наша система адаптируется по мере того, как реакция инвесторов на катализаторы меняется с течением времени. Чтобы проиллюстрировать изменение значимости движения цен активов в зависимости от катализаторов, мы показываем процент ETF в нашей модели, которые имели статистически значимую направленную реакцию на макрособытия на уровне 1% значимости в определенном году. В 2011 году 49% из 47 ETF значительно изменили свою доходность на публикацию данных о продажах домов в ожидании. "Макро-альфа" очень скудна: в среднем только 7 из 34 макро-катализаторов были значимыми для одного или нескольких ETF в течение года.

Количество значимых катализаторов меняется с течением времени. Если в 2021 году значительное влияние на активы оказывали 8 типов катализаторов, то в 2022 году их число сократилось всего до 2 типов. За последний год ETF реагировали на дни, когда выходили данные по занятости и заседания FOMC.

Обзор доходности катализаторов за последний год

На Рисунке 6 представлена более подробная информация о последних реакциях рынков на макроэкономические новости. В нем представлены индивидуальные коэффициенты модели для каждого ETF и макрокатализатора с результатами за последний год. Как и в предыдущей таблице, мы наблюдаем более систематические движения цен на публикацию данных по занятости и заседания FOMC. ETF на рынках акций США, секторах с фиксированным доходом и иностранных рынках акций были наиболее чувствительны к макроэкономическим публикациям за последний год.

• Наиболее значимые катализаторы в настоящее время: Заседания FOMC, объем производства в час в несельскохозяйственных предприятиях, потребительский кредит ФРС - события, которые оказали наиболее значительное и устойчивое влияние на активы за последний год.
• Наиболее реактивные ETF: XLP, FXY, фонды с фиксированным доходом (HYG, IEF) и международные (EWG, EWU, VGK, FEZ) совершили самые значительные движения на макрокатализаторах за последний год.

В данной таблице представлены движения по макрокатализаторам за период с 31 мая 2023 года по 31 мая 2024 года. Каждый день мы рассчитываем новую матрицу, которая будет использоваться для оценки прогнозной доходности предстоящих катализаторов. С течением времени эти коэффициенты и их значение будут меняться.

Торговые стратегии для макрокатализаторов

Диверсифицированный подход к позиционированию на макрокатализаторы с использованием этой концепции действительно доказал свою ценность за последние 15 лет; мы оцениваем доходность в +6,2% в годовом исчислении для ежедневной стратегии long-short, которая позиционирует на основе предыдущих 12 месяцев реакции рынка на значимые макрокатализаторы.

Реализация: Long-shor стратегия

Методология: Мы оцениваем влияние каждого катализатора на ежедневную доходность каждого актива в течение одного года. По одной регрессии на каждый актив с базовым ожидаемым движением и одной фиктивной переменной для каждого из основных макрокатализаторов. Затем мы формулируем "вневыборочное" ожидаемое движение актива на следующий день в зависимости от того, какие катализаторы имеют место. Мы считаем день события "торгуемым", если:

1. День со значимым уровнем катализатора: Бета одного или нескольких катализаторов должна быть статистически значимой по сравнению с предыдущим годом на уровне значимости 1%.
2. Ожидается движение активов выше/ниже обычного: Включены только ожидаемые движения рынка - модель, построенная на основе всех катализаторов, произошедших в этот день - более чем на 0,3 стандартного отклонения по сравнению с прошлым 1 годом. Здесь мы стремимся отсеять события, которые либо не оказывают значительного влияния на ETF, либо несколько событий, которые могут иметь противоположное направленное влияние на ETF, тем самым нивелируя друг друга.

Расчет доходности отслеживающего портфеля: Мы рассчитываем 1-дневную доходность актива и рассчитываем доходность портфеля, в котором находятся все позиции. В дни, когда модель посылает торговый сигнал по нескольким ETF, дневная доходность представляет собой средневзвешенное значение всех доходностей.

Прошлые показатели по классам активов: Мы оцениваем годовую доходность в +6,2% для ежедневной стратегии long-short, которая позиционирует на основе предыдущих 12 месяцев реакции рынка на макрокатализаторы, при доходности с поправкой на риск 0,7% (Рисунок 7). Из 2 870 торговых сигналов, отправленных моделью за последние восемь лет, 54% имели положительную доходность. При формировании портфеля по классам инструментов, используемых в качестве базовых, наша стратегия оказалась наиболее успешной для международных фондовых индексов (доходность с поправкой на риск = 0,58%) и валют (доходность с поправкой на риск = 0,57%; рис. 8 и 10). Обратите внимание, что диверсификация стратегии увеличила доходность с поправкой на риск.

Обзор макрокатализаторов на ближайший месяц

Правила принятия решений, определенные в предыдущем разделе, примененные к календарю входящих событий, дают 15 торговых кандидатов в период с 18 июня-2024 по 8 июля-2024 в течение 6 дней, среди которых 2 имеют несколько релизов. Мы рассматриваем сигналы модели в контексте фундаментальных показателей каждого актива/рынка, чтобы определить кандидатов на волатильность на катализаторах в течение следующего месяца.