Welche Informationen enthält die durch Optionen implizierte Schiefe und in welcher Beziehung steht sie zur Impulsanomalie?

Gurdip Bakshi, Nikunj Kapadia und Dilip B. Madan erstellten Schätzer für optionale Momente der Verteilung der Renditen auf den zugrunde liegenden Vermögenswert und leiteten eine umfassende und fortlaufende Untersuchung des Informationsgehalts dieser Verteilung ein, die sich auf den asymmetrischen dritten Moment der Schiefe konzentriert .

Bisher finden diese Untersuchungen zuweilen widersprüchliche Beweise für den Informationsgehalt der optionalen impliziten risikoneutralen Schiefe (RNS), dem dritten Moment dieser Verteilung. Es wurde gesagt, dass ein hoher positiver RNS eine negative Beziehung zu den Renditen aufgrund von Verhaltenspräferenzen für Lotteriebestände und eine positive Beziehung aufgrund eines niedrigen RNS-Proxys für eine Überbewertung aufweist, insbesondere bei Leerverkaufsbeschränkungen.

Um dieses Problem zusätzlich zu beleuchten, potenziell widersprüchliche Ergebnisse zu lösen und den Informationskanal besser zu verstehen, haben wir die Beziehung von RNS zum vergangenen und zukünftigen Kurspfad von Aktien untersucht.

Wir stellen fest, dass der am Monatsende geschätzte zeitgleiche RNS eine positive Korrelation mit den Renditen der zugrunde liegenden Aktie im folgenden Monat aufweist. Eine gleichgewichtete Null-Kosten-Portfolio-Sortierung mit hohem (d. H. Am positivsten) minus niedrigem (am negativsten) RNS weist signifikante abnormale Renditen von 94 Basispunkten auf, von denen 39 Basispunkte auf das kurze Bein zurückzuführen sind. Dieses Ergebnis steht im Einklang mit der Erklärung zur Überbewertung, die durch frühere Untersuchungen vorgebracht wurde.

Die verbleibenden 55 Basispunkte sind jedoch auf das lange Bein zurückzuführen, das nicht zur Erklärung passt. Darüber hinaus weist ein wertgewichtetes äquivalentes High-minus-Low-RNS-Portfolio abnormale Renditen von ungefähr 70 Basispunkten auf, wobei 48 Basispunkte auf den langen und 21 Basispunkte auf den kurzen Abschnitt zurückzuführen sind. Bei beiden Portfoliogewichtungen deutet das größere Ausmaß des Überschuss- und abnormalen Renditebeitrags des langen Beines mit hohem RNS darauf hin, dass die RNS-Anomalie mehr beinhaltet als die vorhandene Erklärung zur Überbewertung der RNS-Anomalie, die sich auf das kurze Bein konzentriert. In der Tat stellen wir fest, dass der für Aktien mit niedrigem RNS vorgeschlagene Bewertungskanal in beide Richtungen funktioniert und dass Aktien mit hohem RNS relativ unterbewertet sind, was ihre Aufwärtskurserholung in der folgenden Abbildung erklärt. Darüber hinaus stellen wir fest, dass das lange Bein des Null-Kosten-High-Low-RNS-Portfolios während der Markterholung ein positives und signifikantes bedingtes Beta aufweist, während das kurze Bein dies nicht tut, was auf eine Dynamik hindeutet, die eine Überbewertung unter Leerverkaufsbeschränkungen nicht erfasst.

Basierend auf diesen Erkenntnissen schlagen wir eine alternative Erklärung zur RNS-Anomalie als Indikator für die Erholung der Aktienkurse vor, die direkt mit dem Momentum-Crash-Phänomen verknüpft ist, bei dem eine Trendumkehr eine Umkehrung der Momentum-Anomalie bewirkt.

Pfadabhängige Beziehung zwischen RNS und zugrunde liegenden monatlichen Renditen

Pfadabhängige Beziehung zwischen RNS und zugrunde liegenden monatlichen Renditen. Das Quintile 5-Portfolio enthält Aktien mit der positivsten Option-implizierten Schiefe am Ende des Monats 0, während Quintile 1 die niedrigste enthält.

Die obige Grafik zeigt die Pfadabhängigkeit von RNS in Bezug auf die vergangene und zukünftige Wertentwicklung der zugrunde liegenden Aktie. Am Ende jedes Portfoliobildungsmonats (t = 0) ordnen wir Aktien in RNS-Quintile ein, bilden Portfolios und zeichnen die vergangenen und zukünftigen gleichgewichteten Überschussrenditen des Portfolios für niedrige RNS Q1 und hohe RNS Q5 auf.

Die Grafik zeigt, dass sowohl Aktien mit hohem als auch mit niedrigem RNS ihre Performance umkehren. Die Q1-Aktien weisen vor der Portfoliobildung eine gute historische Performance und danach eine schlechte Performance auf. Umgekehrt weisen die Q5-Aktien vor der Portfoliobildung eine negative Performance und danach eine positive Erholung auf. Das Verhalten des Q1-Portfolios steht im Einklang mit der Erklärung einer schlechteren zukünftigen Performance durch überbewertete und auf Leerverkäufe beschränkte Aktien. Die positive Erholung des Q5-Portfolios ist jedoch nicht der Fall.

In Übereinstimmung mit der im RNS Q5-Portfolio beobachteten Trendumkehr negativer Momentum-Aktien stellen wir fest, dass die RNS-Anomalie die Auswirkungen von Momentum-Crashs isoliert. Daniel und Moskowitz zeigen, dass Momentum-Strategien selten negative Renditen erleiden, die insbesondere am Ende von Marktrezessionen anhalten, und Perioden mit hoher Marktvolatilität, wenn sich Aktien mit geringem Momentum erholen. Das Markt-Beta der Momentum-Strategie wird in Perioden mit hohem Marktstress negativer, was zu einem asymmetrischen negativen Risiko für die Erholung führt. Wir stellen fest, dass die RNS-Anomalie während marktweiter Rebounds ein positives Beta aufweist, was ihr ein entgegengesetztes asymmetrisches positives Engagement verleiht.

Aufgrund seiner negativen Beziehung zu den Impulsrenditen nehmen wir an, dass die RNS-Anomalie Impulsabstürze aufnimmt. Wir demonstrieren dies, indem wir innerhalb von RNS-Terciles eine Gewinner-minus-Verlierer-Momentum-Strategie entwickeln und signifikante Unterschiede in der Leistung zwischen ihnen feststellen.

Die Momentum-Strategie im Tercile mit hohem RNS verzeichnet nach Rezessionsperioden die schwersten Abstürze im Zusammenhang mit Markterholungen. Unter Berücksichtigung der Größe stellen wir fest, dass die Momentum-Strategie für alle außer dem kleinsten Tercile von Aktien die niedrigsten Renditen in Rezessionen und Perioden mit hoher Marktvolatilität im höchsten RNS-Tercile erzielt. Umgekehrt liefert das niedrigste RNS-Tercile die stärkste Momentum-Performance (die wenigsten Momentum-Crashs) sowohl für mittlere als auch für große Unternehmen.

Um diesen Befund auf Aktien ohne gehandelte Optionen zu verallgemeinern, die zur Berechnung des RNS-Merkmals erforderlich sind, erstellen wir ein Portfolio, das Merkmale nachahmt, unter Verwendung von optionalen Aktien. Dies ermöglicht es uns, ein größeres Universum handelbarer Vermögenswerte anzusprechen, was sowohl die wirtschaftliche Bedeutung unseres Befundes als auch seine Robustheit erhöht.

Indem wir die Anforderung beseitigen, dass Aktien über die gehandelten Optionen verfügen, die zur Berechnung des RNS-Merkmals erforderlich sind, beseitigen wir eine potenzielle Auswahlverzerrung in unseren Ergebnissen. Wir gehen davon aus, dass nicht optionale Aktien mit ähnlichen Kurserholungsmustern einem Engagement in diesem faktorähnlichen Portfolio ausgesetzt sind, das aus optionalen Aktien aufgebaut ist, für die Preisrückschläge aufgrund einer Sortierung des RNS-Merkmals prognostiziert werden, und finden Beweise, die mit dieser Hypothese übereinstimmen.

Aktien mit einem hohen RNS-Merkmal sowie Aktien mit einem hohen Skewness-Merkmal, das die Portfoliobelastung nachahmt, weisen auf der Ebene der einzelnen Unternehmen wesentlich häufiger positive Wertumkehrungen auf, die auf eine Reaktion auf eine frühere Unterbewertung zurückzuführen sind. Belastungen des Portfolios, das den Skewness-Faktor nachahmt, sagen die zukünftige realisierte Skewness voraus, was mit seiner Wirksamkeit als Proxy für RNS übereinstimmt. Darüber hinaus hat eine Momentum-Strategie für Aktien mit der niedrigsten Portfoliobelastung, die den Skewness-Faktor nachahmt, die Performance erheblich verbessert und die Fähigkeit des RNS-Merkmals bestätigt, das Momentum-Crash-Phänomen zu identifizieren und zu vermeiden, wie in der folgenden Tabelle gezeigt:

Überschüssiges Rückgabemoment Dezil

Performance der Momentum-Strategie über Quintile des Engagements im Options-implizierten Skewness-Faktor-imitierenden Portfolio SKEW. Das Momentum wird nach Robert Novy-Marx definiert, ist jedoch gegenüber alternativen Spezifikationen robust.

Diese Ergebnisse werden nicht von kleinen, illiquiden oder Aktien mit hohen Handelskosten getragen. Die Verbesserung des Risiko-Rendite-Kompromisses der Momentum-Strategie, die durch die Vermeidung von Momentum-Crashs mit Aktien mit niedrigem RNS eingeführt wurde, ist signifikanter als die der von Pedro Barroso und Pedro Santa-Clara vorgeschlagenen risikomanagementierten Momentum-Strategie. Dies impliziert, dass die im RNS-Merkmal erfassten Informationen zur Leistungsumkehr einen bedeutenden wirtschaftlichen Wert haben.

Es zeigt auch, dass Momentum-Crashs identifiziert und vermieden werden können, was die Leistung der Strategie erheblich verbessert. Wir zeigen, dass Aktien mit hohem RNS eine positive Aktienperformance vorhersagen, insbesondere nach einer Phase der Underperformance, und diese Umkehrung hängt mit dem von Daniel und Moskowitz dokumentierten Momentum-Crash-Phänomen zusammen. Wir beobachten dieses Verhalten unter Verwendung sowohl der RNS-Merkmale in optionalen Aktien als auch aller CRSP-Aktien, unabhängig von der Option, indem wir Aktienladungen für unseren neuartigen konstruierten risikoneutralen Skewness-Faktor verwenden.

Risikoneutrale Skewness-Faktor-Ladungen bieten eine einfache Strategie, um Momentum-Crashs auf wirtschaftlich signifikante Weise zu vermeiden und die Beziehung der RNS-Anomalie zu Preiserholungen und Momentum-Crash-Risiko zu demonstrieren. Diese Ergebnisse unterstützen unser Verständnis des Informationsgehalts der durch Optionen implizierten Schiefe der Verteilung der zugrunde liegenden Aktienrenditen.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / Ralf Hiemisch

Weiterbildung für Mitglieder des CFA-Instituts

Dieser Artikel ist für Fortbildungspunkte (CE) berechtigt. Melden Sie sich beim CE-Tracking-Tool an, um diese Gutschriften selbst zu dokumentieren.

Paul Borochin, PhD, CFA

Paul Borochin, PhD, CFA, ist Assistenzprofessor für Finanzen an der University of Connecticut. Er promovierte in Finanzen an der Fuqua School der Duke University und promovierte in Finanzen und Statistik an der Wharton School der University of Pennsylvania. Seine Forschungsinteressen sind institutionelles Eigentum und Anwendungen der Asset-Pricing-Theorie, um Informationen über Unternehmensereignisse und -richtlinien zu extrahieren, mit Subspezialisierungen in Corporate Governance, Informationsasymmetrie und M & A. Er unterrichtet ein Graduiertenseminar in Asset Pricing-Theorie und Grundstudiengänge in Unternehmensfinanzierung.

Yanhui Zhao, PhD

Yanhui Zhao, PhD, ist Assistenzprofessor für Finanzen an der University of Wisconsin – Whitewater. 2012 promovierte sie in Finanzen an der University of Connecticut und 2012 an der Rutgers University in Master Finance. Ihre Forschung konzentriert sich auf zwei Bereiche: Informationen über zugrunde liegende Vermögenswerte von den Aktienoptionsmärkten zu erhalten und unser Verständnis der Begriffsstruktur zu verbessern der Eigenkapitalkosten.