Modelos de fatores e cargas fatoriais explicados
Entenda retornos comuns e idiossincráticos, fatores observados e latentes, cargas fatoriais, retornos de fatores, prêmios de risco, estimação e atribuição
Resposta direta
Um modelo de fatores decompõe os retornos de muitos ativos em uma parte impulsionada por um pequeno conjunto de fatores comuns e um resíduo específico do ativo. Uma carga fatorial mede a sensibilidade de um ativo a um fator, enquanto um retorno de fator mede quanto esse fator realizou durante um período. Uma carga maior não garante retorno esperado maior, e um retorno de fator realizado é diferente da compensação média chamada prêmio de risco. Definições de fatores, escala, janelas de estimação e dependência residual mudam o resultado, então exposição, atribuição e incerteza devem ser reportadas juntas
Os retornos contêm partes comuns e específicas
Um modelo de fatores escreve o retorno de um ativo como cargas multiplicadas pelas realizações dos fatores mais um resíduo não explicado pelo modelo especificado
Fatores comuns comprimem movimentos compartilhados entre ativos. Mercado, juros, crédito, valor e tamanho são candidatos possíveis, não verdades universais
O resíduo não é automaticamente um ruído inofensivo. Fatores omitidos, eventos corporativos, erro de mensuração e não linearidades podem permanecer nele
Uma carga é uma sensibilidade condicional
Uma carga fatorial é a inclinação que conecta o retorno de um ativo a um fator enquanto mantém fixos os outros fatores incluídos no modelo
Seu número muda quando um fator é medido em pontos percentuais em vez de desvios-padrão. Ela não é uma propriedade imutável e sem unidade
Adicionar fatores correlacionados muda o significado e a incerteza de cada carga. Um beta de fator único não é diretamente comparável a um beta multifatorial
Fatores observados e latentes começam de formas diferentes
Um fator observado é construído a partir de dados, como retorno de mercado excedente, mudança de taxa de juros ou uma carteira negociável comprada e vendida
Um fator latente é extraído estatisticamente da covariância entre muitos ativos. A PCA pode encontrar direções comuns, mas não fornece uma identidade econômica
Variáveis macroeconômicas, fatores de carteiras negociáveis e fatores latentes exigem validação diferente apesar de compartilharem a palavra “fator”
Identificação e rotação moldam fatores latentes
Reescalar uma carga latente e reescalar inversamente seu valor de fator deixa o retorno comum ajustado inalterado
Vários fatores latentes também podem girar enquanto explicam a mesma covariância. Variância, ortogonalidade, sinais ou restrições estruturais fixam uma representação
Essas restrições fazem parte da interpretação, não apenas do cálculo. Magnitudes de carga com normalizações diferentes não podem ser classificadas sem ajuste
Retornos de fatores e prêmios de risco são distintos
Um retorno de fator é um valor realizado que pode ser positivo ou negativo. Seu produto com uma carga dá a contribuição comum ao retorno daquele período
Um prêmio de risco é a compensação média esperada por assumir uma exposição. Uma média histórica é uma estimativa ruidosa dessa expectativa
Cargas de séries temporais e preços transversais da exposição são objetos diferentes. Um beta alto precisa de premissas adicionais de precificação para implicar retorno médio alto
O erro de estimação e a mudança exigem atenção
Uma janela curta reage a mudanças recentes, mas é imprecisa, enquanto uma janela longa pode misturar uma estrutura obsoleta em uma estimativa suave
Negociação não sincronizada, dados ausentes, outliers e erro na construção do fator podem distorcer as cargas. Erros-padrão e diagnósticos dos resíduos continuam necessários
Regressões móveis, modelos de espaço de estados e shrinkage podem tratar mudanças. Complexidade do modelo não substitui estabilidade demonstrada
Decomponha risco e desempenho da carteira
Uma carga fatorial da carteira normalmente é a soma ponderada pelas posições das cargas dos ativos. Nomes diferentes ainda podem se concentrar no mesmo fator
A atribuição de desempenho separa contribuições do retorno dos fatores do retorno residual. Ela não deve confundir uma explicação retrospectiva com desempenho esperado
Um hedge pode reduzir uma exposição-alvo e ainda deixar risco de base e residual. Forte poder explicativo ajustado não garante proteção em estresse
Declare os limites do modelo
Divulgue definições e construção dos fatores, frequência dos retornos, moeda, amostra, taxa livre de risco, equação de estimação e método de ponderação
Apresente cargas, intervalos de confiança, contribuições dos fatores, volatilidade residual e correlação residual para que a concentração oculta permaneça visível
Teste conjuntos de fatores alternativos e períodos fora da amostra. Um modelo de fatores é uma compressão útil da realidade, não sua decomposição única
Perguntas frequentes
Uma carga fatorial acima de um é automaticamente arriscada?
O número, sozinho, é insuficiente. Considere a unidade e a volatilidade do fator, outras exposições e o risco residual
Um fator é a mesma coisa que um indicador?
Não. Um indicador é uma variável medida; um fator é construído ou inferido para explicar movimentos comuns de retorno
A diversificação elimina todo o risco idiossincrático?
Ela pode reduzi-lo quando os resíduos têm pouca relação. Fatores comuns omitidos podem deixar correlação residual e risco persistente
Uma carga maior implica retorno esperado maior?
Não necessariamente. Essa conclusão exige uma afirmação sustentada separadamente de que a exposição é uma fonte de risco precificada