Последние научные исследования - хедж фонды, PE, ФРС и банки, Chat GPT и влияние иммиграции на рынок труда. Alpha in Academia.
Перевод статьи из блога Alpha in Academia.
Больше переводов в телеграмм-канале:
https://t.me/holyfinance
Хедж-фонды
Секретные хедж-фонды преуспевают
Название работы: Ненаблюдаемая производительность хедж-фондов
Авторы данной работы создали новый показатель эффективности хедж-фондов, названный «ненаблюдаемая эффективность (UP)». UP представляет собой разницу между отчетной доходностью фирмы хедж-фонда и гипотетической доходностью портфеля, основанного на раскрытых данных о владении акциями фирмы. В исследовании анализируется выборка фирм хедж-фондов, ориентированных на акции, за период с 1994 по 2017 год и проводится сравнение UP с другими показателями эффективности. UP является более сильным предсказателем будущей эффективности хедж-фондов, чем другие показатели. Основными факторами, влияющими на UP, являются внутриквартальные сделки с акциями, использование деривативов, короткие продажи и задержка раскрытия информации о длинных позициях по акциям. Авторы также обнаружили, что предсказательная сила UP снижается в течение более длительных периодов, что указывает на ограничения в масштабируемости этих торговых стратегий.
Ладно, возможно, «секретные» - не самое подходящее слово. Однако этим хедж-фондам не обязательно заключать долгосрочные сделки с покупкой акций; они могут быть «крутыми» и осуществлять короткие продажи, торговать опционами или вести краткосрочную торговлю. Их способность не показывать в своих квартальных отчетах информацию о своих сделках кажется очень выгодной. Возможно, это происходит потому, что все розничные трейдеры пытаются копировать хедж-фонды, когда выходят их квартальные отчеты. А может быть, потому, что рынок акций более эффективен, чем рынки деривативов. А может быть, ни то, ни другое. Выбирайте сами.
Частный капитал
Обобщения о частном капитале верны
Название статьи: Управление маржой: Влияние PE на финансовый, физический и человеческий капитал
В данной работе рассматриваются последствия приобретения частным капиталом (PE) крупной сети коммерческих больниц HCA Healthcare. В исследовании используется методология изучения событий и используются данные о сделках для измерения влияния на фактические потоки доходов больниц. В больницах HCA после приобретения PE увеличилось количество пребываний в стационаре и доходы. Увеличение числа пребываний в больницах и доходов наблюдалось независимо от положения больницы на рынке до приобретения. Однако владение PE было связано с уменьшением числа сотрудников, работающих на полную ставку в больницах HCA, особенно на рынках, где доминирует HCA, и снижением общего уровня внедрения медицинских IT в больницах HCA. Авторы предполагают, что эти изменения отражают дисциплинированный подход владельцев PE к сдерживанию расходов.
Эта статья в значительной степени подтверждает прежние представления о частном капитале (по крайней мере, когда LBO применяется к больницам). Доходы больниц растут, а рост числа штатных сотрудников снижается. Кроме того, штатные сотрудники заменяются на неполный рабочий день. Таким образом, хотя индустрия прямых инвестиций может нанести ущерб отдельным работникам, она приносит пользу портфельной компании и самой PE-фирме, а значит, выгоду инвесторам. В конце концов, все дело в создании ценности для инвесторов. Инвесторы ведь на первом месте, верно?
ФРС и банки
Спасение банков может нанести вред финансовым рынкам
Название статьи: Стигма спасения
В данной работе исследуется влияние репутационных проблем на эффективность государственных спасений. Авторы разработали двухпериодную модель, в которой правительство предлагает купить активы у фирм с ограничениями ликвидности, вызванными неблагоприятным положением на рынке. Модель выявила два типа равновесий. В равновесии кратковременного стимулирования (SSE) получатели спасения страдают от стигматизации, и во втором периоде рынок замирает. В равновесии отложенного стимулирования (DSE) высококачественные фирмы сигнализируют о своей силе, отказываясь от спасения, что приводит к восстановлению рынка во втором периоде. Авторы обнаружили, что оптимальным подходом является тайное спасение, которое устраняет стигматизацию. Прозрачные спасения также могут работать, но только если они приводят к DSE. Авторы исследования не рекомендуют предлагать несколько программ спасения для одного и того же сектора, поскольку они ухудшают неблагоприятный отбор.
К счастью, о спасении сейчас не думают (кроме спасения SVB). Однако в 2008 году они казались почти обычным явлением, когда правительство приняло программу Troubled Asset Relief Program. Только через TARP во время GFC банкам и другим финансовым организациям было выделено в общей сложности 700 миллиардов долларов. В данной статье показано, что публичные спасения могут на самом деле навредить рынкам, и что сдержанные спасения могут быть лучше. В следующий раз, когда вы будете разговаривать с человеком, принимающим решения в ФРС, FDIC или Министерстве финансов, покажите им это.
Количественные финансы
Название статьи: Что делает ChatGPT с исторической доходностью акций?Экстраполяция и мискалибровка в прогнозах доходности акций LLM
В этом исследовании ученые проверили, проявляет ли ChatGPT-4, большая языковая модель (LLM), поведенческие предубеждения при прогнозировании доходности акций, используя исторические данные. В исследовании сравниваются прогнозы ChatGPT-4 с человеческими прогнозами, полученными в ходе опросов. ChatGPT-4, как и люди, демонстрирует экстраполяционную предвзятость, то есть при прогнозировании переоценивает доходность недавнего прошлого. Полученные результаты свидетельствуют о том, что магистры-практики могут обладать развитыми навыками счета, но при этом подвержены тем же когнитивным предубеждениям, которые влияют на принятие человеком финансовых решений. Однако ChatGPT-4 лучше, чем люди, оценивает риски.
Это стало для нас неожиданностью. Авторы статьи обнаружили, что LLM переоценивает свои будущие прогнозы и придает чрезмерное значение недавним результатам. Люди также часто становятся жертвами предвзятого отношения к событиям. ChatGPT подвержен когнитивным предубеждениям? Каким образом? Разве это не LLM? Скорее всего, это связано с тем, что LLM обучаются на человеческих текстах и поведении, поэтому им свойственны те же недостатки. Думаю, в ближайшее время эта система не заменит нашу работу.
Экономика
Влияние иммиграции на безработицу зависит от текущего рынка труда
Название работы: Моделирование безработицы, вызванной миграцией
Стандартные неоклассические модели и модели DMP не учитывают потенциал иммиграции в увеличении безработицы среди местных работников. В данной статье используется модель, которая включает в себя нормирование рабочих мест в рамках модели соответствия. Модель показывает, что иммиграция может повысить уровень безработицы на депрессивных рынках труда с ограниченными возможностями трудоустройства. Однако иммиграция также может принести пользу фирмам, поскольку позволяет им легче заполнять вакансии. Общее влияние иммиграции на благосостояние зависит от состояния рынка труда. На неэффективно слабых рынках труда иммиграция снижает благосостояние, но повышает его на неэффективно сильных рынках труда.
Таким образом, когда рынок труда уже неэффективно слаб (безработица высока, вакансий мало) и работников больше, чем рабочих мест, иммигранты способствуют повышению уровня безработицы среди местных работников и снижают их благосостояние. И наоборот, когда рынок труда сильный (уровень безработицы низкий, много вакансий) и работников меньше, чем вакансий, иммигранты помогают фирмам заполнить вакансии, увеличивая прибыль и повышая благосостояние. Это кажется вполне логичным. Классический спрос и предложение в экономике. Я полагаю, что мнение человека об иммиграции в значительной степени зависит (или должно зависеть) от его текущего географического и социально-экономического положения.