Hedge Funds Performance: een Kater na de Crisis?

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 2014 Hedge Funds Performance: een Kater na de Crisis? Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Handelswetenschappen Mathias De Waele Guillaume Jaecques onder leiding van Prof. Koen Inghelbrecht 1

2

3

4

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 2014 Hedge Funds Performance: een Kater na de Crisis? Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Handelswetenschappen Mathias De Waele Guillaume Jaecques onder leiding van Prof. Koen Inghelbrecht 5

PERMISSION Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Mathias De Waele Guillaume Jaecques 6

Voorwoord Met deze masterproef sluiten wij onze vier jaar als student Handelswetenschappen af. In dit eindwerk nemen wij de hedge fund industrie onder de loep. We richten ons op de specifieke strategieën die deze opmerkelijke beleggingsfondsen volgen, en gebruiken specifieke statistische modellen inzake Finance om hun returns beter te begrijpen. Dit eindwerk heeft ons in staat gesteld een betere kijk te ontwikkelen op de hedge fund industrie, en over de dynamiek van de financiële markten in het algemeen. We kunnen stellen dat we relevante ervaring hebben opgedaan voor onze toekomstige professionele loopbanen. We willen de lezer laten weten dat we geregeld gebruik maken van Engelstalige termen. Deze termen zijn gemeengoed in de academische literatuur. We hebben dan ook besloten deze termen niet te vertalen. Wij willen verder graag onze promotor dr. Koen Inghelbrecht bedanken voor de constructieve feedback en hulp om deze masterproef tot een goed einde te brengen. 7

8

Inhoudstafel Inleiding... 9 Literatuurstudie...11 Algemeen...11 Hedge Fund Returns Modellen...13 Het Capital Asset Pricing Model...13 Illiquiditeit in Hedge Fund Returns...16 Het 3-factor Model van Fama en French...17 Het 4-factor Model van Carhart...18 Multi-factor Modellen...19 Hedge Fund Strategieën...24 Convertible Arbitrage...24 Dedicated Short Bias...25 Emerging Markets...25 Equity Market Neutral...26 Event Driven...26 Fixed Income Arbitrage...27 Fund of Funds...28 Global Macro...28 Long / Short Equity...28 Managed Futures...29 Multi-Strategy...30 Data...31 HFRI Hedge Fund Indices...31 Credit Suisse Hedge Fund Indices...31 Risicofactoren...32 Beschrijvende Statistiek...35 Methodologie...37 Single Index Model...37 9

Single Index Model met Lagged bèta...37 Het 3-factor Model van Fama en French...37 Het 4-factor Model van Carhart...38 Een Aangepast 4-factor Model...38 Het Multi-factor Model...38 Modellen met Interactietermen...39 Portefeuilles met Hegde Funds...40 Regressies...41 Single Index Model...41 Het 3-factor Model van Fama en French...42 Het 4-factor Model van Carhart...44 Een Aangepast 4-factor Model...44 Het Multi-factor Model...45 Evolutie van Alfa...46 Portefeuilles met Hegde Funds...48 Conclusie...49 Bronnen...51 Appendix...55 10

Inleiding There are reasons to believe that the best professional manager of investors money these days is a quietspoken, seldom photographed man named Alfred Winslow Jones. 1 Met deze zin begint het artikel The Jones Nobody Keeps Up With van Fortune uit 1966 en introduceert hiermee Alfred W. Jones als de grondlegger van de hedge fund industrie. Anno 2014 wordt de hedge fund industrie geschat op 2 700 miljard dollar, dubbel zoveel als in 2008 2. Sinds de jaren 80 is de populariteit van hedge funds spectaculair gestegen, dit is merendeels toe te schrijven aan hun bijzondere structuur, diversificatiemogelijkheden en performance. Hedge Fund Research deelt mee dat er globaal ongeveer 10,000 hedge funds actief zijn, waar er in 1990 nog maar 610 actief waren. Deze evolutie wijst op het belang van hedge funds als een investeringsopportuniteit. De immense populariteit van hedge funds ligt aan de basis van deze thesis. Concreet stellen we de vraag of de toevoeging van een hedge fund aan een buy-and-hold beleggingsportefeuille ervoor kan zorgen dat het rendement van deze portefeuille stijgt, zonder dat de volatiliteit ervan stijgt. Dit kan een verklaring en een bestaansreden geven voor de grootte van de hedge fund industrie. Meer specifiek beschouwen we de returns van hedge fund indices gedurende de periode 1994-2013. Aan welke risicofactoren stellen de hedge funds zich bloot gedurende deze periode? En kunnen zij rendementen creëren zonder al te bloot te staan aan deze risiscofactoren? Verder maken we ook het onderscheid tussen de returns van deze hedge fund indices in bear- en bullmarkts. We spreken dan respectievelijk over up en down equity markets. Slagen hedge funds erin een beleggingsportefeuille te optimaliseren, en zorgen zij dus voor minder volatiliteit tijdens een financiële stress situatie? Of zorgen zij er juist voor dat de investeerder met een kater opstaat na een crisis? Deze thesis is als volgt ingedeeld: in het eerste deel wordt grondig de bestaande literatuur omtrent hedge funds besproken, waarbij de focus gelegd wordt op de verschillende modellen die kunnen gebruikt worden om hedge fund performance te meten en de verschillende strategieën die hedge funds kunnen volgen. Vervolgens wordt een beschrijving gegeven van de gebruikte data, en een korte bespreking van de beschrijvende statistiek. Vervolgens nemen we onze methodologie en de daar mee gepaarde resultaten door. De conclusie geeft tenslotte de voornaamste resultaten van deze thesis weer. 1 Fortune, April 1966 2 De Tijd, 23 April 2014 11

12

Literatuurstudie Algemeen Hedge funds eenduidig definiëren is zo goed als onmogelijk. Ruim geformuleerd betreft het investeringsvehikels, waar enkel zeer vermogende of institutionele investeerders toegang tot hebben. Ze zijn gekenmerkt door onder andere flexibele investeringsstrategieën, sterke monetaire incentives voor hun managers, en weinig tot geen overheidsregulering (Ackermann, McEnally en Ravenscraft (1999)). Vaak worden hedge funds vergeleken met mutual funds. BarclayHedge 3 stelt dat beide investeren in financiële activa, maar dat (1) hedge funds veel minder gereguleerd worden dan mutual funds, (2) hedge funds daardoor kunnen investeren in een bredere waaier van financiële producten en derivaten, en daartoe gebruiken maken van meer gesofisticeerde technieken, (3) hedge fund managers een management fee opstrijken los van de performance van hun hedge fund, daar waar mutual fund managers management fees wel in relatie tot de prestatie van hun mutual fund worden bepaald, (4) de net asset values van hedge funds minder duidelijk te bepalen zijn, door hun investeringen in minder liquide financiële activa. Als gevolg zijn hedge funds minder liquide dan mutual funds. Dit verklaart dat bij veel hedge funds er sterke restricties zijn met betrekking tot de in- en uitstap van investeerders. Hedge funds leggen bv. een lock-up periode vast, waarmee bedoeld wordt dat een investeerder pas na 1 jaar zijn inbreng kan terugeisen. Uitstappende investeerders moeten daartegenover rekening houden met het feit dat de inleg vaak maar per kwartaal terugbetaald wordt (Ackermann, McEnally & Ravenscraft (1999)). Waar wel een duidelijke lijn te trekken is, zijn de claims die hedge funds algemeen maken. De belangrijkste claims zijn market timing en de absolute return approach. De eerste term verwijst naar het feit dat hedge funds pogen de markt te timen. Dit houdt in dat ze hun portefeuille aanpassen naargelang de omstandigheden op de financiële markten. Hierdoor zouden ze erin kunnen slagen hogere returns te behalen dan de meer klassieke beleggingsstrategieën, zoals buy-and-hold. De tweede term benadrukt dat de hedge funds ernaar streven dat ten allen tijde hun return positief is. Wanneer een marktindex, die door een hedge fund als benchmark gebruikt wordt, negatief evolueert, zal het hedge fund proberen beter te presteren dan deze marktindex om een positieve return te genereren (Li en Shawky (2013)). 3 http://www.barclayhedge.com/research/educational-articles/hedge-fund-strategy-definition/what-is-a-hedgefund.html 13

Hedge funds stonden tijdens de financiële crisis van 2008 in de belangstelling van de publieke opinie. Ze worden vaak ten onrechte beschuldigd één van de hoofdrolspelers te zijn in de subprime crisis. RAND 4 verklaart waarom de beschuldigingen omtrent de cruciale rol van hedge funds als katalysator voor de subprime crisis onterecht zijn, in vergelijking met de kredietbeoordelaars en uitgevers van ABS s, MBS s, CDO s en CDS s. De hedge funds ondergingen de subprime crisis op twee manieren. Ten eerste, veel hedge funds hadden grote MBO- en CDO-portefeuilles. Ondanks het feit dat een aantal hedge funds juist speculeerden op waardeverminderingen van dergelijke producten, hebben de meeste hedge funds zware verliezen geleden wanneer de huizenmarktbubbel barstte. De reden voor het relatief grote aandeel van sommige Hedge funds in MBO s is een combinatie van de beperkte regulering en de grote winstmarge op deze financiële producten. Verder maakten ze ook gebruik van veel vreemd vermogen, die vertaalt werd in een zeer hoog leverage. Doordat banken tijdens de crisis met een groot liquiditeitstekort zaten, waren ze genoodzaakt hun leningen bij de hedge funds terug te eisen, waardoor de hedge funds verplicht werden bepaalde activa te verkopen, met verliezen en waardedalingen als gevolg. Dit zorgde voor een verlies in hun kredietwaardigheid, waardoor nog meer banken hun leningen vervroegd gingen opvragen. Het uiteindelijke resultaat was dat door deze hoge leverage sommige Hedge funds over kop gingen. Ten tweede destabiliseerden ze ook de financiële markten door miljarden zelf uit de banken te halen, uit vrees voor het failliet gaan van bepaalde banken. Dit had een negatief effect op de liquiditeit van deze banken tot gevolg. De eigenschappen vide supra impliceren dat hedge funds bestuurd worden door managers die erin slagen los van een al te grote blootstelling aan de markt een positieve return creëren. In een financieeleconometrisch model vertaalt dit zich als volgt: Excess Return Hedge Fund = α + (1)xRisicofactor(1) + (2)xRisicofactor(2) Dit model meet in welke mate de excess return van een hedge fund, de return bovenop de risicovrije rente, kan verklaard worden door bloot te staan aan een aantal risicofactoren. De alfa (α) meet dat gedeelte van de return dat niet kan worden verklaard door deze blootstelling. Per risicofactor wordt vervolgens een bèta ( ) berekend. Deze bèta geeft aan aan welke risicofactoren het hedge fund zich heeft blootgesteld. Dit zijn onder meer het marktrisico, het risico op faling van ondernemingen, et cetera. Een hedge fund heeft in principe een significante alfa en lage waarden voor de bèta s (Fung en Hsieh (1997)). Fung en Hsieh (1997) beschouwen hedge funds dan ook als zero-beta investeringen. Deze analyse staat centraal in de 4 http://www.rand.org/news/press/2012/09/19.html 14

literatuur en in deze thesis. Algemeen kan gesteld worden dat een hedge fund dus zeker niet doet wat zijn naam suggereert. Een hedge fund hedgt niet, maar speculeert. De oorspronkelijke beleggingsstrategie van Alfred W. Jones bestond in het nemen van een long positie in ondergewaardeerde aandelen, en een short positie in overgewaardeerde aandelen. Dit is geen hedging strategie om een financieel risico af te dekken (zoals bv. een vliegtuigmaatschappij zich indekt tegen stijgende olieprijzen met behulp van een termijncontract), maar een speculatieve strategie met betrekking tot de relatieve verhouding van aandelen, en het tegelijkertijd minimaliseren van blootstelling aan de marktbewegingen (Edwards (1999)). Net zoals er, met betrekking tot strategie, verschillende soorten mutual funds zijn, zijn er ook verschillende soorten hedge funds. Een consensus over een formeel systeem inzake de strategieën is er evenwel niet. De belangrijke database TASS somt zo 17 types hedge funds op, terwijl Hedge Fund Research (HFR) er een dertigtal onderscheidt (Connor en Lasarte (2004)). Deze thesis spitst zich toe op elf verschillende strategieën, ruim genomen de meest voorkomende in de hedge fund industrie. Deze hedge fund strategieën worden in het laatste deel van deze literatuurstudie besproken. Eerst nemen we de literatuur door inzake de modellen die hedge fund returns meten. Hedge Fund Returns Modellen De literatuur inzake de returns van hedge funds baseert zich op verschillende financieel-econometrische modellen. Deze zijn het Capital Asset Pricing Model, het 3-factor model van Fama en French, het 4-factor model van Carhart, en het multi-factor model. We beschrijven de verschillende modellen en vervolgens duiden we de voornaamste bevindingen uit de literatuur. Het Capital Asset Pricing Model Het Capital Asset Pricing Model (CAPM) werd gecreëerd door Sharpe (1964) en Lintner (1965). Het is het eerste model dat we gebruiken om de returns van hedge funds te analyseren. Aan de basis van het model ligt de relatie tussen het verwacht rendement van een financieel actief (bv. een aandeel) en het risico verbonden met dit actief. De belegger wordt vergoed door enerzijds de risicovrije rente, en anderzijds een risicopremie voor het systematisch risico van het actief. Met ander woorden, het verwacht rendement van een financieel actief is gerelateerd aan het systematisch risico van het actief, het verwachte marktrendement en de risicovrije rente. Initieel werd aangenomen dat het systematisch risico de enige verklarende variabele in het verklaren van de cross-sectionele verschillen tussen rendementen zou zijn (Akdeniz, Altay-Salih en Aydogan (2000)). Mathematisch wordt het CAPM als volgt uitgedrukt: 15

R i = α i + β i (R M r f ) + e i waarbij R i de excess return van het financieel actief i, β i het systematisch risico van het actief i, R M het verwacht marktrendement en r f de risicovrije rente is. De factor α i geeft het rendement weer van het actief bovenop het verwachte rendement gegenereerd door het marktrisico van het actief. Daarentegen geeft de factor e i het risico weer specifiek gebonden aan dit actief (Bodie, Kane en Marcus (2013)). Dit risico kan volgens de moderne portefeuilletheorie van Markowitz (1952) door diversificatie volledig geneutraliseerd worden. Hieruit volgt dat portfoliomanagers pogen een long positie in te nemen op aandelen met een positieve alfa, en een short positie in aandelen met een negatieve alfa (Bodie, Kane en Marcus (2013)). De alfa is, als intercept van de regressie, namelijk een rendement bovenop een benchmark, zoals de S&P 500 (Engström (2004)). Het aandeel-specifieke risico is volledig gediversifieerd en de portfoliomanager hoopt bloot te staan aan aandelen die beter presteren als zijn benchmark. Sinds Jensen (1968) is de alfa van het CAPM populair om de prestaties van een beleggingsfonds te meten. Deze alfa kan namelijk ook gebruikt worden om het rendement van een beleggingsportefeuille ten opzichte van een benchmark te evalueren. De alfa draagt dan de naam Jensen s alpha. Het CAPM heeft echter twee restricties. Ten eerste, het baseert zich op de wereldindex, een index van alle financiële activa. Ten tweede, het model gebruikt verwachte rendementen, in plaats van gerealiseerde rendementen. Daarom gebruiken we in de praktijk een Single Index Model (SIM) (Bodie, Kane en Marcus (2013)). De eerste restrictie wordt omzeild door de wereldindex te vervangen door een brede marktindex, zoals de S&P 500. Verder werkt het SIM met historische rendementen, in plaats van verwachte rendementen. Mathematisch wordt dit als volgt uitgedrukt: R i = α i + β i R M + e i waarbij R i de excess return van het financieel actief i is, β i de relatie van het actief i met de marktindex M weerspiegelt, α i het rendement van de actief i weergeeft dat niet kan worden verklaard aan de hand van de blootstelling aan de marktindex, en e i het risico specifiek met dit asset verbonden is. Vide supra, voor een financieel actief maakt dit dus dat alfa losstaat van het rendement van een marktindex. Bèta weerspiegelt de relatie met de marktindex, en het specifieke risico, verbonden aan het actief, worden volledig gediversifieerd. In de literatuur worden volgende resultaten bekomen met betrekking tot SIManalyses van hedge funds returns, gebaseerd op het CAPM: 16

[Tabel 1] De volgende tabel sommeert de resultaten van bovenstaande literatuur: [Tabel 2] We merken eerst en vooral de verschillende keuze inzake de marktindex op. Kooli (2005) gebruikt als benchmark een gewogen index van alle aandelen genoteerd op de NYSE, de Amex en de NASDAQ. Ze volgen hierbij Fama en French (1993) en Capocci en Hübner (2004). Amin en Kat (2001) en Asness, Krial en Liew (2001) gebruiken de S&P 500. Ranaldo en Favre (2005) en Dewachter, Hoorelbeke en Smedts (2005) nemen als gewogen marktindex een uitgebreide aandelenindex, met name de Russell 3000, samen met een obligatie-index, respectievelijk de Lehman US Aggregate Bond Index en de Salomon Brothers US Governement and Corporate Bond Index. Deze combinatie van aandelen- en obligatie-indices wijst op de verwachting dat hedge funds actief zijn op zowel de aandelen- als obligatiemarkt. Ook kan dit erop duiden dat hedge funds volgens de literatuur een return nastreven dat tussen obligaties en aandelen in ligt. Als risicovrij rente wordt voornamelijk de Amerikaanse T-Bill op één maand genomen. Enkel Amin en Kat (2001) gebruiken de Libor USD op drie maanden. Amin en Kat (2001), Kooli (2005), Ranaldo en Favre (2005) en Dewachter, Hoorelbeke, en Smedts (2005) concluderen dat de meeste hedge fund indices een significante, positieve alfa genereren. Enkel Dedicated Short Bias in de studie van Dewachter, Hoorelbeke en Smedts (2005) genereert een negatieve alfa, die weliswaar niet-significant is. Asness, Krial en Liew (2001) vinden bij Emerging Markets en Managed Futures een negatieve, niet-significante bèta. Op basis van deze resultaten besluiten dat hedge funds returns genereren door zich enkel bloot te stellen aan het marktrisico is echter te kort door de bocht. Ranaldo en Favre (2005) besluiten expliciet dat hedge funds returns niet-lineair zijn. De verklaringskracht van de uitgevoerde modellen in de literatuur ondersteunt deze conclusie. Inzake R² komen deze modellen, op een aantal uitzonderingen na, doorheen deze studies niet uit boven 25%. Multi-factor modellen zijn daarom meer geschikt hedge funds returns te analyseren, en worden dan ook veel meer gebruikt. De literatuur inzake analyse van hedge funds returns gebaseerd puur op het CAPM is mede daardoor vrij beperkt. Wel krijgen we aan de hand van deze literatuur een eerste indicatie van de blootstelling van de verschillende hedge funds strategieën aan de markt. We merken de negatieve blootstelling en de zeer geringe blootstelling van respectievelijk Dedicated Short Bias en Equity Market Neutral aan de marktindex op. Deze resultaten liggen in de lijn van hun strategie. Voor de overige strategieën merken Ranaldo en Favre (2005) op dat niet degenen met de grootste bèta de hoogste returns genereren. Dit wijst op de 17

noodzaak aan meer gedetailleerde modellen. De verschillen met betrekking tot eenzelfde strategie tussen Ranaldo en Favre (2005) en Dewachter, Hoorelbeke en Smedts (2005) duiden op het gebruik van de verschillende marktindices en de verschillende gebruikte hedge fund indices databases. Illiquiditeit in Hedge Fund Returns Bij deze eerste resultaten op basis van het CAPM worden grote vraagtekens geplaatst in de literatuur. Men verwijst hierbij naar de autocorrelatie in de hedge fund returns. Getmansky, Lo en Makarov (2004) verklaren deze autocorrelatie door enerzijds het fenomeen van nonsynchronous trading, en anderzijds door de vrijheid die hedge funds genieten inzake het prijzen van illiquide activa. Nonsynchronous trading verwijst naar het feit dat securities niet altijd op hetzelfde moment worden verhandeld. If the last transaction in security A occurs at 2:00 pm and the last transaction in security B occurs at 4:00 pm; then included in B s closing price is information not available when A s closing price was set. This can create spurious serial correlation in asset returns since economy-wide shock will be reflected first in the prices of the most frequently traded securities, with less frequently traded stocks responding with a lag. Even when there is no statistical relation between securities A and B, their reported returns will appear to be serially correlated and cross-correlated simply because we have mistakenly assumed that they are measured simultaneously. 5 Naast nonsynchronous trading kan de autocorrelatie ook verklaard worden door het feit dat hedge fund returns hun returns verzachten. Hedge fund handelen immers uitgebreid in illiquide activa, waardoor ze op het moment dat ze hun returns doorgeven aan een database, ze een relatieve vrijheid hebben om deze returns beter voor te stellen dan ze in werkelijkheid zijn. De waarde van deze illiquide activa is namelijk niet eenduidig af te leiden uit de markt. Hedge fund managers gebruiken deze lacune om returns te verzachten, ze vlakken de dalen en toppen in hun returns af. Hierdoor verkrijgen ze een betere risicoprofiel dan wanneer ze dit niet zouden doen. De bèta s, gebaseerd op het CAPM, vertonen dus een vertekening naar beneden toe (Getmansky, Makarov en Lo (2004)). Asness, Krial en Liew (2001) counteren de autocorrelatie door het toevoegen van lags van hun marktindex. Indien de hedge fund returns niet synchroon lopen met de marktindices, dan zullen lags van de marktindices ook in verband staan met de hedge fund returns. Als uiteindelijk bèta nemen zijn de som β t + β t 1 + β t 2 + β t 3 + β t 4. Deze bèta verschilt wel degelijk van nul voor de meeste hedge fund indices, op Equity Market Neutral, Emerging Markets en Managed Futures na. Verder zijn deze bèta s ook 5 Getmansky, Lo en Makarov, 2004, An Econometric Model of Serial Correlation and Illiquidity in Hedge Fund Returns, p.3 18

hoger dan in het model zonder lags. Opmerkelijk ondergaan de alfa s in dit model een neerwaartse druk. De alfa s zijn vaak ook, alhoewel niet significant, negatief, in tegenstelling tot het model zonder lags. Asness, Krial en Liew (2001) geven dus een realistischer beeld van de blootstelling van hedge funds aan de marktindex weer. De volgende modellen bouwen verder op het CAPM, maar behouden een marktindex als risicofactor. Deze index is vaak de S&P 500 of een meer uitgebreide index zoals de Russell 3000 en de Wilshire 5000. Billio, Getmansky en Pelizzon (2009) vinden dat de blootstelling van hedge funds aan de S&P 500 minder sterk of negatief is tijdens crisissen, in vergelijking met gewone periodes. Dit toont aan dat managers in staat zijn om blootstelling aan de aandelenmarkt te verminderen. Het 3-factor Model van Fama en French Fama en French (1993) breiden het CAPM uit met 2 factoren. Het rendement van de beleggingsportefeuille wordt nu niet enkel afgemeten aan een marktindex, maar ook aan 2 factoren met betrekking tot de grootte en de book-to-market ratio van aandelen (Capocci (2004)). Het model werd ontwikkeld als antwoord op het feit dat het CAPM niet altijd slaagde in zijn opzet. Het 3-factor model voegt, naast de marktindex, een factor toe die het extra rendement voorstelt van een portefeuille bestaande uit een long positie in small caps (aandelen van kleinere bedrijven) en een short positie in large caps (aandelen van grotere bedrijven). Deze Small minus Big factor wordt ook de SMB-factor genoemd. Een volgende factor geeft het extra rendement weer van een portefeuille bestaande uit aandelen met een high book-to-market ratio (value stocks) bovenop een portefeuille bestaande uit aandelen met een low book-to-market ratio (growth stocks). Deze High minus Low factor wordt ook de HML-factor genoemd (Eraslan (2013)). Specifiek worden de SMB-factor en de HML-factor gecreëerd aan de hand van hun market equity (ME) en hun book-to-market ratio (Book Equity/Market Equity). De 50% grootste aandelen in functie van ME van de NYSE vormen de large caps, de andere 50% aandelen zijn de small caps. Vervolgens worden de aandelen geschikt naar de BE/ME-ratio. De 30% aandelen die de laagste BE/ME-ratio hebben, zijn de value stocks. De aandelen met de 30% hooste BE/ME-ratio vormen dan op hun beurt de growth stocks. Aandelen die noch value, noch growth zijn, zijn neutral. De onderstaande grafieken geven het onderscheid duidelijk weer: [Grafiek 1] Vervolgens worden de portfolio s als volgt samengesteld (Fama en French (1993)): 19

SMB-factor = 1 (Small Value + Small Neutral + Small Growth) 1 (Big Value + Big Neutral + Big 3 3 Growth) HML-factor = 1 (Small Value + Big Value) - 1 (Small Growth + Big Growth) 2 2 Fama en French (1993) vertrekken dus vanuit de bevinding dat rendementen met betrekking tot small caps en value stocks historisch groter waren dan voorspeld door het CAPM. Dit kan erop wijzen dat deze aandelen meer risico met zich meedragen. Small caps zijn meer gevoelig voor de conjunctuur, value stocks hebben een grotere kans om financieel onder druk te komen te staan. Bijgevolg zijn deze aandelen dus meer gevoelig voor macro-economische omstandigheden (Bodie, Kane en Marcus (2013)). Het model evalueert het rendement dus in functie van een market risk premium, een size premium, en een value premium. Mathematisch wordt het model als volgt voorgesteld: R i = α i + β i1 (R M R f ) + β i2 SMB + β i3 HML + ε i waarbij R i de excess return van de hedge fund index i, α i de return van de hedge fund i bovenop het marktrisico, de size premium en de value premium is. Respectievelijk geven β i1, β i2 en β i3 de blootstelling weer van de hedge fund index i aan de marktindex, de SMB-portefeuille en de HML-portefeuille weer (Bodie, Kane en Marcus (2013)). Kolobaric en Khatabakhsh (2012) vergelijken een CAPM-model met een 3-factor-model met betrekking tot Europese hedge funds. Algemeen besluiten ze dat het 3-factor model er beter in slaagt hedge fund returns te verklaren. De alfa s worden neerwaarts gecorrigeerd. Voor een aantal hedge fund strategieën verliezen ze ook hun significantie. Het 4-factor model van Carhart Aan het 3-factor model van Fama en French wordt door Carhart (1997) een 4 de factor toegevoegd, de momentumfactor. Net zoals value stocks en small caps in eenzelfde richting zouden evolueren, hebben ook momentum stocks deze neiging. Jegadeesh en Titman (1993) tonen aan dat de best presterende aandelen van de afgelopen 12 maanden, dit zullen blijven doen. Dit zijn de zogenaamde momentum stocks. Daarentegen, de slechtst presterende aandelen van de afgelopen maanden, blijven slecht presteren. Vanuit dit inzicht heeft zich de momentum investing strategie ontwikkeld. Portfoliomanagers nemen een long positie in op de best presterende aandelen van de afgelopen 12 maanden, en een short positie op de minst presterende aandelen van de afgelopen 12 maanden (Grinblatt, Titman en Wermers (1995)). Blit en van Vliet (2008) en Asness, Moskowitz en Pedersen (2013) bevestigen de kracht van 20

momentum investing. Zowel over verschillende assets classes, als verschillende geografische markten, zorgt deze strategie voor een momentum return premium. Asness, Moskowitz en Pedersen (2013) hameren op de negatieve correlatie tussen value investing en momentum investing en hun verwachte hoge returns. De combinatie van beide strategieën kan ijzersterk zijn inzake risico en rendement. In het 4-factor model wordt momentum opgenomen onder de noemer MOM. Deze factor wordt als volgt geconstrueerd: net als de Fama-Frenchfactoren vide supra, worden de aandelen, genoteerd op de NYSE, opgesplitst in functie van marktkapitalisatie. De mediaan wordt gebruikt om te bepalen of een aandeel een small cap, dan wel een large cap is. Vervolgens worden ze geklasseerd op basis van hun voorafgaande return. De aandelen in het 70 ste percentiel vormen de high momentum stocks, de aandelen in het 30 ste percentiel de low momentum stocks. De onderstaande grafieken geven het onderscheid duidelijk weer: [Grafiek 2] Net als de Fama-Frenchfactoren is de momentumfactor een rendement verdient op een portfolio. Deze wordt als volgt samengesteld (Carhart (1997)): MOM = 1 (Small High + Big High) - 1 (Small Low + Big Low) 2 2 Mathematisch kunnen we het model schrijven als: R i = α i + β i1 (R M R f ) + β i2 SMB + β i3 HML + β i4 MOM + ε i waarbij R i de excess return van de hedge fund index i, α i de return van de hedge fund i bovenop het marktrisico, de size premium, de value premium en de momentum premium is. Respectievelijk geven β i1, β i2, β i3 en β i4 de blootstelling weer van de hedge fund index i aan de marktindex, de SMB-portefeuille, de HML-portefeuille en de MOM-portefeuille weer (Carhart (1997)). De kracht van het 4-factor model blijkt als we de resultaten van Capocci (2004) inzake het CAPM en het 4- factor model naast elkaar leggen. Capocci (2004) gebruikt data over de periode januari 1984 juni 2000: [Tabel 3] Deze selectie uit een aantal hedge fund strategieën uit Capocci (2004) leert ons dat elke strategie zich significant blootstelt aan de SMB-factor. Hedge funds investeren duidelijk in de small caps. Verder zien we Event Driven, Long / Short Equity en Convertible Arbitrage ook gebruik maken van de HML-factor. Value investing sluit inderdaad aan bij deze strategieën. Algemeen heeft het 4-factormodel ook een hogere 21

verklaringskracht. Ook Bali, Brown en Caglayan (2011) bevestigen het belang van de momentumfactor voor vele hedge funds strategieën. Het CAPM, het 3-factor model van Fama en French (1993), en het 4-factor model van Carhart (1997) zijn lineaire modellen. Dit wil zeggen dat de performantie van hedge funds in lineair verband zal staan met de risicofactoren in deze modellen. Daar hedge funds juist proberen af te wijken van deze lineaire blootstelling, blijken deze modellen niet in staat overtuigend de performantie van hedge funds te verklaren. De literatuur gebruikt sinds Fung en Hsieh (1997) ook multi-factor modellen om de performantie van hedge funds te verklaren. Deze modellen worden in de volgende paragraaf besproken. Multi-factor Modellen Een nieuwe methode om de performantie van mutual funds te meten werd geïntroduceerd door Sharpe (1992). In tegenstelling tot de modellen vide supra, die factoren vormen aan de hand van portfolio s die geconstrueerd worden op basis van eigenschappen van aandelen, gebruikt Sharpe (1992) benchmarks die overeenkomen met de karakteristieken van de effecten waaruit de beleggingsportefeuille bestaat. Sharpe (1992) definieert 12 verschillende asset classes. De respectievelijke blootstelling aan deze asset classes van verschillende mutual funds, verklaart ten dele hun verschil in performantie. Op basis van hun historische returns kan al een duidelijke beeld worden bekomen van de blootstelling van de mutal funds, en inventariseert Sharpe (1992) een aantal mutual fund styles. Sharpe (1992) slaagde erin met een beperkt aantal asset classes de returns inzake een uitgebreid gamma van mutual funds te verklaren door middel van zijn asset class model. Fung en Hsieh (1997) breiden deze analyse uit naar hedge funds. Ze stellen dat de resultaten van Sharpe (1992) overeenkomen met de logica dat managers die een relative benchmark volgen, zoals een marktindex, resultaten zullen neerleggen die sterk correleren met deze benchmark. In hun analyse schuiven ze naar voren dat hedge fund managers zich voornamelijk richten op een absolute return approach. Vooreerst passen ze het model van Sharpe (1992) toe op hedge funds. De bekomen resultaten zijn duidelijk minder sterk in vergelijking met mutual funds. De mutual funds, met een sterke positieve correlatie met de asset classes, bekomen een duidelijke buy-and-hold strategie, terwijl de hedge funds minder sterk, en soms zelf negatief, correleren met de asset classes. Fung en Hsieh (1997) beschouwen dan ook niet enkel de keuze van de asset class als verklarend in hedge fund returns, maar ook de gevolgde investeringsstrategie, die in tegenstelling tot mutual funds, weinig restricties kent. Ze correleren de returns of hedge funds met elkaar, en slagen erin zo hedge funds op te delen in 5 verschillende categorieën: systems/opportunistic, global macro, value, systems/trend following en 22