Memahami analisis kuantitatif untuk memahami kinerja dan risiko lindung nilai dan risiko
Meskipun reksa dana dan dana lindung nilai dapat dianalisis menggunakan metrik dan proses yang sangat mirip, dana lindung nilai memang memerlukan tingkat kedalaman tambahan untuk mengatasi tingkat kerumitan dan hasil yang diharapkan asimetris.Hedge fund umumnya hanya dapat diakses oleh investor terakreditasi karena mereka memerlukan kepatuhan dengan peraturan SEC yang lebih sedikit daripada dana lain.
Artikel ini akan membahas beberapa metrik penting untuk dipahami saat menganalisis dana lindung nilai, dan meskipun ada banyak metrik lainnya yang perlu dipertimbangkan, metrik yang disertakan di sini adalah tempat yang baik untuk memulai analisis yang cermat tentang kinerja dana lindung nilai.
Apa Memahami Analisis Kuantitatif Untuk Memahami Kinerja Hedge Fund?
- Memahami kinerja dan karakteristik risiko hedge fund seringkali bisa sedikit lebih kompleks daripada reksa dana atau portofolio standar saham dan obligasi.
- Banyak hedge fund mencari keuntungan absolut daripada mencoba mengalahkan indeks seperti S&P 500, dan karena itu kinerja harus dinilai sesuai dan bergantung pada strategi tertentu.
- Risiko, juga, harus diukur dengan cara yang sesuai dengan tujuan investasi, dan dapat mencakup nilai-pada-risiko (VaR) serta analisis ekor gemuk.
Pengembalian Mutlak dan Relatif
Mirip dengan analisis kinerja reksa dana, hedge fund harus dievaluasi untuk kinerja pengembalian absolut dan relatif. Namun, karena variasi strategi hedge fund dan keunikan masing-masing hedge fund, pemahaman yang baik tentang berbagai jenis pengembalian diperlukan untuk mengidentifikasinya.
Pengembalian absolut memberi investor gambaran tentang di mana mengkategorikan reksa dana dibandingkan dengan jenis investasi yang lebih tradisional. Juga disebut sebagai pengembalian total, pengembalian absolut mengukur keuntungan atau kerugian yang dialami oleh suatu dana.
Misalnya, hedge fund dengan pengembalian rendah dan stabil mungkin merupakan pengganti yang lebih baik untuk investasi pendapatan tetap daripada ekuitas makro global pengembalian tinggi .
Pengembalian relatif , di sisi lain, memungkinkan investor untuk menentukan daya tarik reksa dana dibandingkan dengan investasi lain. Perbandingan dapat berupa dana lindung nilai, reksa dana, atau bahkan indeks tertentu yang coba ditiru oleh investor. Kunci untuk mengevaluasi pengembalian relatif adalah untuk menentukan kinerja selama beberapa periode waktu, seperti pengembalian tahunan satu, tiga dan lima tahun. Selain itu, pengembalian tersebut juga harus dipertimbangkan relatif terhadap risiko yang melekat pada setiap investasi.
Metode terbaik untuk mengevaluasi kinerja relatif adalah dengan menentukan daftar peers, yang dapat mencakup reksa dana tradisional, ekuitas atau indeks pendapatan tetap dan dana lindung nilai lainnya dengan strategi serupa. Reksa dana yang baik harus berkinerja di kuartil teratas untuk setiap periode yang dianalisis untuk membuktikan kemampuannya secara efektif dalam menghasilkan alfa.
Mengukur Risiko
Melakukan analisis kuantitatif tanpa mempertimbangkan risiko serupa dengan menyeberang jalan yang ramai dengan mata tertutup. Teori keuangan dasar menunjukkan bahwa pengembalian yang terlalu besar dapat dihasilkan hanya dengan mengambil risiko, jadi meskipun reksa dana mungkin menunjukkan pengembalian yang sangat baik, investor harus memasukkan risiko ke dalam analisis untuk menentukan kinerja reksa dana yang disesuaikan dengan risiko dan bagaimana perbandingannya dengan investasi lain.
Ada beberapa metrik yang digunakan untuk mengukur risiko:
Standar Deviasi
Di antara keuntungan menggunakan deviasi standar sebagai ukuran risiko adalah kemudahan perhitungannya dan kesederhanaan konsep distribusi normal pengembalian. Sayangnya, itu juga menjadi alasan kelemahannya dalam menggambarkan risiko yang melekat pada dana lindung nilai. Sebagian besar hedge fund tidak memiliki pengembalian simetris, dan metrik deviasi standar juga dapat menutupi kemungkinan kerugian besar yang lebih tinggi dari perkiraan.
Nilai yang Berisiko (VaR)
Nilai berisiko adalah metrik risiko yang didasarkan pada kombinasi mean dan deviasi standar. Tidak seperti deviasi standar, bagaimanapun, ini tidak menggambarkan risiko dalam kaitannya dengan volatilitas, melainkan sebagai jumlah tertinggi yang kemungkinan besar akan hilang dengan probabilitas lima persen. Dalam distribusi normal, ini diwakili oleh lima persen paling kiri dari kemungkinan hasil. Kekurangannya adalah jumlah dan probabilitas dapat diremehkan karena asumsi pengembalian yang terdistribusi normal. Ini masih harus dievaluasi saat melakukan analisis kuantitatif, tetapi investor juga harus mempertimbangkan metrik tambahan saat mengevaluasi risiko.
Kecondongan
Skewness adalah ukuran asimetri pengembalian, dan menganalisis metrik ini dapat menjelaskan risiko dana.
Gambar di bawah ini menunjukkan dua grafik dengan rata-rata dan deviasi standar yang identik. Grafik di sebelah kiri miring positif. Ini berarti mode mean> median>. Perhatikan bagaimana ekor kanan lebih panjang dan hasil di kiri berkumpul ke arah tengah. Meskipun hasil ini menunjukkan probabilitas yang lebih tinggi dari hasil yang kurang dari mean, ini juga menunjukkan probabilitas, meskipun rendah, dari hasil yang sangat positif seperti yang ditunjukkan oleh ekor panjang di sisi kanan.
Kemiringan sekitar nol menunjukkan distribusi normal. Semua ukuran kemiringan yang positif kemungkinan besar akan menyerupai distribusi di sebelah kiri, sedangkan kemiringan negatif menyerupai distribusi di sebelah kanan. Seperti yang dapat Anda lihat dari grafik, bahaya distribusi miring negatif adalah probabilitas hasil yang sangat negatif, bahkan jika probabilitasnya rendah.
Kurtosis
Kurtosis adalah ukuran bobot gabungan dari suatu distribusi ekor relatif terhadap distribusi lainnya.
Pada Gambar 2 di bawah, distribusi di sebelah kiri menunjukkan kurtosis negatif, yang menunjukkan probabilitas hasil yang lebih rendah di sekitar mean, dan probabilitas yang lebih rendah untuk nilai ekstrem. Kurtosis positif, distribusi di sebelah kanan, menunjukkan probabilitas hasil yang lebih tinggi di dekat mean, tetapi juga probabilitas yang lebih tinggi untuk nilai ekstrem. Dalam hal ini, kedua distribusi juga memiliki mean dan deviasi standar yang sama, sehingga investor dapat mulai mendapatkan gambaran tentang pentingnya menganalisis metrik risiko tambahan di luar deviasi standar dan VAR.
Rasio Sharpe
Salah satu ukuran paling populer dari pengembalian yang disesuaikan dengan risiko yang digunakan oleh hedge fund adalah rasio Sharpe. Rasio Sharpe menunjukkan jumlah pengembalian tambahan yang diperoleh untuk setiap tingkat risiko yang diambil. Rasio Sharpe yang lebih besar dari 1 adalah baik, sedangkan rasio di bawah 1 dapat dinilai berdasarkan kelas aset atau strategi investasi yang digunakan. Bagaimanapun, input untuk penghitungan rasio Sharpe adalah mean, deviasi standar, dan tingkat bebas risiko, sehingga rasio Sharpe mungkin lebih menarik selama periode suku bunga rendah dan kurang menarik selama periode suku bunga yang lebih tinggi.
Mengukur Kinerja Dengan Rasio Tolok Ukur
Untuk mengukur kinerja dana secara akurat, perlu memiliki titik perbandingan untuk mengevaluasi pengembalian. Poin perbandingan ini dikenal sebagai tolok ukur .
Ada beberapa ukuran yang dapat diterapkan untuk mengukur kinerja relatif terhadap tolok ukur. Ini adalah tiga yang umum:
Beta
Beta disebut risiko sistematis dan merupakan ukuran pengembalian dana relatif terhadap pengembalian indeks. Pasar atau indeks yang dibandingkan diberi beta 1. Dana dengan beta 1,5, oleh karena itu, akan cenderung memiliki pengembalian 1,5 persen untuk setiap pergerakan 1 persen di pasar / indeks. Dana dengan beta 0,5, di sisi lain, akan memiliki pengembalian 0,5 persen untuk setiap pengembalian 1 persen di pasar.
Beta adalah ukuran yang sangat baik untuk menentukan berapa banyak eksposur ekuitas – ke kelas aset tertentu – dana memiliki dan memungkinkan investor untuk menentukan apakah dan / atau seberapa besar alokasi dana dijamin. Beta dapat diukur relatif terhadap indeks patokan apa pun, termasuk ekuitas, pendapatan tetap, atau indeks dana lindung nilai, untuk mengungkapkan sensitivitas dana terhadap pergerakan dalam indeks tertentu. Sebagian besar hedge fund menghitung beta relatif terhadap indeks S&P 500 karena mereka menjual pengembalian berdasarkan ketidakpekaan / korelasi relatif mereka dengan pasar ekuitas yang lebih luas .
Korelasi
Korelasi sangat mirip dengan beta karena mengukur perubahan relatif dalam pengembalian. Namun, tidak seperti beta, yang mengasumsikan bahwa pasar mendorong kinerja reksa dana sampai batas tertentu, korelasi mengukur seberapa terkait pengembalian dua reksa dana. Diversifikasi , misalnya, didasarkan pada fakta bahwa kelas aset dan strategi investasi yang berbeda bereaksi secara berbeda terhadap faktor sistematis.
Korelasi diukur pada skala -1 hingga +1, di mana -1 menunjukkan korelasi negatif sempurna , nol menunjukkan korelasi yang tidak terlihat sama sekali, dan +1 menunjukkan korelasi positif sempurna. Korelasi negatif yang sempurna dapat dicapai dengan membandingkan pengembalian pada posisi S&P 500 yang panjang dengan posisi S&P 500 yang pendek. Jelasnya, untuk setiap persen kenaikan di satu posisi, akan ada persentase penurunan yang sama di posisi lain.
Penggunaan korelasi terbaik adalah membandingkan korelasi masing-masing dana dalam portofolio dengan dana lain dalam portofolio tersebut. Semakin rendah korelasi antara reksa dana ini satu sama lain, semakin besar kemungkinan portofolionya terdiversifikasi dengan baik. Namun, investor harus waspada terhadap terlalu banyak diversifikasi, karena pengembalian dapat berkurang secara dramatis.
Alfa
Banyak investor berasumsi bahwa alpha adalah selisih antara return dana dan benchmark return, tetapi alpha sebenarnya mempertimbangkan perbedaan return relatif terhadap besarnya risiko yang diambil. Dengan kata lain, jika return 25 persen lebih baik dari benchmark, tetapi risiko yang diambil 40 persen lebih besar dari benchmark, alpha justru menjadi negatif.
Karena inilah yang diklaim sebagian besar pengelola dana lindung nilai untuk menambah pengembalian, penting untuk memahami cara menganalisisnya.
Alfa dihitung menggunakan model CAPM :
ERsaya=Rf+βsaya