ابق على اطلاع بالتحديثات المجانية
ببساطة قم بالتسجيل في الشركات الأوروبية myFT Digest – يتم تسليمه مباشرة إلى صندوق الوارد الخاص بك.
في الصيف الماضي، نشر ثلاثة باحثين ورقة بحثية مثيرة للاهتمام أكدت على أهمية البيانات الجيدة، وكيف يمكن للتغييرات الدقيقة في المدخلات (غير المقصودة أو المتعمدة) أن تغير الاستنتاج بشكل جذري.
أظهرت الورقة البحثية – “العوامل المزعجة”، التي كتبها بات آكي، وأدريانا روبرتسون، وميخائيل سيموتين – كيف يمكن أن تتباين عوائد العديد من المحركات النظرية الكبيرة لعوائد الاستثمار بشكل كبير اعتمادًا على الإطار الزمني الذي يتم قياسه فقط.
وهنا ملخص:
إن عوامل فاما الفرنسية موجودة في كل مكان في التمويل التجريبي. لقد وجدنا أن عوائد العوامل تختلف بشكل كبير اعتمادًا على وقت تنزيل البيانات، ولا يتم تفسير سوى جزء صغير من هذه التغييرات بأثر رجعي من خلال المراجعات التي يتم إجراؤها على البيانات الأساسية. لقد أظهرنا أن هذه التغييرات لها تأثيرات كبيرة في سياقين تمت دراستهما على نطاق واسع: أداء صناديق الاستثمار المشتركة وتسعير الأسهم عبر القطاعات. تشير اختبارات التقييم النموذجية إلى أن الطرازات الأحدث لا تؤدي أداءً أفضل. النتائج التي توصلنا إليها لها آثار كبيرة على سلامة البحوث المالية وتؤكد أهمية فهم مصدر بيانات الطرف الثالث.
بالنسبة للأشخاص الذين ليسوا على رأس تأريخهم الكمي (من أجل العار)، فإن فاما-فرنسي المشار إليهم هم الحائز على جائزة نوبل يوجين فاما ومعاونه المتكرر كين فرينش.
في عام 1993، نشروا ورقة بحثية مذهلة أظهرت كيف تتفوق الأسهم الأصغر والأسهم الأرخص بشكل منهجي على سوق الأسهم الأوسع على المدى الطويل، وهو انتهاك واضح لفرضية الأسواق الفعالة التي وضعها فاما.
اقترح فاما وفرنش أن هذه العوائد الإضافية كانت تعويضًا عن مخاطر إضافية، ثم قاما لاحقًا بتوسيع نطاق عملهما ليظهر أيضًا أن الشركات المربحة للغاية والمتحررة من الاستثمار كان أداؤها ضعيفًا أيضًا. ومع عامل السوق (بيتا)، يُعرف هذا بنموذج فاما الفرنسي الخماسي.
ومنذ ذلك الحين، قام كل من الأكاديميين والممارسين بتحسين هذه العوامل، ومن المفترض أنهم اكتشفوا العديد من العوامل الجديدة التي يطلق عليها الكثيرون الآن اسم “حديقة الحيوان العامل”. ويعتقد عدد غير قليل من الأشخاص أن العديد من العوامل المفترضة – أو علاوة المخاطر، كما يطلق عليها أحيانًا – هي في الواقع نسج زائفة من التنقيب المفرط في البيانات.
من خلال استبعاد أو تضمين بعض شرائح السوق (مثل الشركات الصغيرة) أو الوجود -سعال- وانتقائياً فيما يتعلق بالإطار الزمني المستخدم، يمكنك التوصل إلى عوامل زائفة تبدو رائعة في ورقة تعزيز الحيازة ولكنها قذرة في الأسواق الحقيقية – “أزمة التكرار” في صناعة التمويل نفسها. ومع ذلك، تعتبر العوامل Fama-French أساسية.
لا يشكك آكي وروبرتسون وسيموتين في نموذج العوامل الخمسة في حد ذاته، فقد وجد العديد من الباحثين الآخرين نتائج مماثلة، (بدرجات متفاوتة) في الأسواق الدولية أيضًا.
لكنهم وجدوا أن “التغييرات في عوائد العوامل (في مكتبة البيانات الفرنسية على الإنترنت) متكررة، وكثيراً ما تكون جوهرية، وتؤثر على الاستنتاجات حول الأسئلة ذات الدرجة الأولى في مجال التمويل”.
وإلى أن يتم نشر هذا القانون للعامة، فإننا لا نعتقد أن التمويل الأكاديمي قادر على تبرير الاستخدام المستمر للعوامل الفرنسية. لكي نكون واضحين، لا يوجد شيء في هذا التحليل يتحدث عن صحة نموذج العوامل الثلاثة (أو الخمسة)، فقط لهذا المصدر المحدد لبيانات العوامل. فضلاً عن ذلك فإننا لا نعتقد أن هناك حلاً اقتصادياً قياسياً أو إحصائياً قادراً على إنقاذ العوامل الفرنسية. لا تدعم الأدلة الاستنتاج القائل بأن “الضوضاء” التي نوثقها هي، أو يمكن تقريبها بشكل معقول، من خلال خطأ القياس الكلاسيكي. نظرًا لأن التغييرات تبدو وكأنها نتيجة تعديلات متعمدة على الكود، فمن غير الواقعي افتراض أنه يمكننا التنبؤ بالشكل الذي قد يبدو عليه التغيير (التغييرات) في المستقبل.
استجاب فرينش وفاما لهذا الأمر قبل عيد الميلاد مباشرة، في ورقة بحثية رصدناها الأسبوع الماضي بفضل كبير الاستراتيجيين الكميين في شركة روبيكو، بيت فان فليت.
العنوان – إنتاج US Rm-Rf وSMB وHML في مكتبة بيانات Fama-French – يلمح إلى أن هذا ليس أداة تقليب الصفحات. حتى بالنسبة لمعايير التمويل الأكاديمي، فهذه أمور مقصورة على فئة معينة، حيث تتضمن تفاصيل شاملة لمصادر البيانات المختلفة ونهجها ومنهجيتها وما إلى ذلك.
Fama و French لا يذكران صراحةً عوامل الضوضاء الورق، ولكنها تقوم بتحديث القوة المقدرة لعوامل مختلفة، مثل ترقية القيمة (HML، أو عالي-ناقص-منخفض، في الجدول أدناه) وخفض الحجم (SMB، أو صغير-ناقص-كبير).
(تكبير)
ومع ذلك، وكما أشار ماتياس هاناور، زميل فان فليت، على موقع X/Twitter، فمن الممكن أن تكون النقطة المهمة في الفقرة الأخيرة:
إنذار أخير في محله. إن تفاصيل بناء العوامل قابلة للنقاش، وليس هناك أي سحر. وبعد عقود من الخبرة، تدرك أبحاث تسعير الأصول بوضوح أن نماذج العوامل، بغض النظر عن كيفية إنشائها، تترك ثغرات في تفسير عوائد الأصول المتوقعة. علاوة على ذلك، فإن عدم استقرار المعلمات وخطأ التقدير الإحصائي يجتمعان للإشارة إلى أن تقديرات العائد المتوقع لأصول أو محافظ محددة من نماذج تسعير الأصول غير موثوقة. التحذير المناسب هو: استخدمه على مسؤوليتك الخاصة.
ذات يوم قال الإحصائي جورج بوكس: “كل النماذج خاطئة، ولكن بعضها مفيد”. العوامل ليست قوانين فيزيائية، ولكنها إطار مفيد لفهم الأسواق.
ومع ذلك، كما لاحظ فاما وفرنش أعلاه، لا يوجد نموذج أفضل من البيانات التي تستخدمها، ولا توجد مجموعة بيانات خالية من نقاط الضعف. لذلك الحذر الكمي.
قراءة متعمقة:
– “أزمة التكرار” الخفية للتمويل (FT)
– حكاية الشتاء الكمية (FTAV)
