4.2 Dynamische schattingen
4.2.2 Tijdreeksanalyse
De conclusies uit de vorige subparagraaf zijn puur gebaseerd op een visuele analyse van 52 geschatte Grangernetwerken van connectiviteit. Deze subparagraaf gaat een stap verder door methoden uit de tijdreeksanalyse toe te passen op de 52 geschatte Grangernetwerken om bovenstaande resultaten in subparagraaf 4.2.1 dan wel te bekrachtigen, dan wel te verwerpen. Specifiek worden er in deze subparagraaf de volgende twee tijdreeksen geanalyseerd: de totale gestandaardiseerde uitgaande graad van alle hedgefondsen naar de overige hedgefondsen (HF → HF) en de totale gestandaardiseerde uitgaande graad van alle hedgefondsen naar de financiële markten (HF → EQ). De eerstgenoemde tijdreeks wordt vanaf nu weergegeven door yHF →HFt en de tweede tijdreeks wordt weergegeven door ytHF →EQ. Deze twee tijdreeksen met 52
waarnemingen zijn verkregen door bijbehorende maatstaven te berekenen uit elk van de 52 dynamisch geschatte Grangernetwerken van connectiviteit tussen hedgefondsen en financiële
markten.
Figuur 5: Visualisatie van tijdreeksen verkregen uit de 52 dynamisch geschatte Grangernetwerken tussen hedgefondsen en financiële markten. De plot laat de totale gestandaardiseerde uitgaande graad van alle hedgefondsen naar de overige hedgefondsen (HF → HF), in het blauw, over de tijd zien. De rode lijn is dan de totale gestandaardiseerde uitgaande graad van alle hedgefondsen naar de markten (HF → EQ) over de tijd, beginnende in augustus 2005 tot en met december 2009.
Figuur 5 geeft een visualisatie van de tijdreeks ytHF →HF weer in het blauw en de tijdreeks ytHF →EQ wordt weergegeven in het rood. Figuur 5 komt overeen met de conclusies getrokken in de vorige subparagraaf dat voorafgaand aan de financiële crisis van 2007-2008 er een hoge mate van connectiviteit is en dat deze connectiviteit tijdens de crisis afneemt. Toch komt deze observatie minder sterk naar voren dan naar voren lijkt te komen in de visualisaties van de 52 geschatte netwerken. Dit komt omdat de totale uitgaande graden rond oktober 2008 relatief gezien weer sterk toenemen. Op basis van de theorie betekent deze sterke toename dat de mate van systeemrisico na de crisis weer is toegenomen. Dit had misschien dan ook een indicatie kunnen zijn van een nieuw opkomende crisis na 2008, namelijk de flash crash op 6 mei 2010.
Aangezien de focus van deze paper vooral op de financiële crisis van 2007-2008 ligt, wordt er vanaf nu gewerkt met de tijdreeksen yHF →HFt en ytHF →EQ over de periode augustus 2005 tot en met december 2008. De laatste 12 waarnemingen worden dus niet meegenomen in de analyse en zodoende resulteert dit in 40 effectieve waarnemingen voor de twee tijdreeksen yHF →HFt en ytHF →EQ. Bijlage D.1 bevat nogmaals de visualisaties van de tijdreeksen ytHF →HF en yHF →EQt maar dan zonder de laatste 12 waarnemingen. De neerwaartse trend in Figuur 6 van Bijlage D.1 laat nu duidelijk zien dat voorafgaand aan de financiële crisis van 2007-2008 er een hoge mate van
connectiviteit is en dat deze connectiviteit tijdens de crisis afneemt
Het doel van deze subparagraaf is om de tijdreeksen ytHF →HF en ytHF →EQ te modelleren en te analyseren aan de hand van methoden uit de tijdreeksanalyse. Er wordt dan ook begonnen met het modelleren van de tijdreeksen yHF →HFt en ytHF →EQ. Hiervoor wordt onder andere gekeken naar de lagstructuur van de tijdreeksen en de eventuele aanwezige trends. Deze modelselectie is uitgevoerd in Bijlage D.2
In Bijlage D.2 wordt aan de hand van de partiële autocorrelatiecoëfficiënten (PACF) en wordt met behulp van de visualisatie in Figuur 6 van Bijlage D.1 beargumenteerd dat de tijdreeksen yHF →HFt en ytHF →EQ gemodelleerd kunnen worden aan de hand van een eerste orde autoregressief model (AR(1)) met deterministische trend:
yHF →HFt = αHF + βHFt + φHFyt−1HF →HF + ηHF,t, ηHF,t∼ (0, σ2HF), t = 2, . . . , 40 (16)
yHF →EQt = αEQ+ βEQt + φEQyt−1HF →EQ+ ηEQ,t, ηEQ,t ∼ (0, σEQ2 ), t = 2, . . . , 40 (17)
Het blijkt dat model (16) en model (17) niet geheel optimaal zijn, maar toch een redelijke
benadering geven. Dit heeft te maken met het feit dat er geen moving average (M A) termen zijn opgenomen in het model.
Bijlage D.3 presenteert in Tabel 7 de schattingsresultaten van model (16) en van model (17). Beide modellen zijn met OLS geschat. Opvallend is dat alle coëfficiënten significant zijn, dat de deterministische trend coëfficiënt dalend is zoals verwacht en dat beide lagcoëfficiënten in absolute waarde kleiner zijn dan 1. Dit kan een indicatie zijn dat tijdreeksen yHF →HF
t en
ytHF →EQ trend-stationaire processen zijn.
Nadat de tijdreeksen yHF →HFt en ytHF →EQ gemodelleerd zijn, kunnen er verschillende statistische toetsen worden uitgevoerd. Er worden dan ook in deze paper een tweetal statistische toetsen uitgevoerd op de geschatte modellen (16) en (17). Ten eerste wordt er een simpele t-toets uitgevoerd op de coëfficient van de deterministische trendterm om te toetsen of de connectiviteit tussen alleen hedgefondsen (HF → HF) en de connectiviteit van hedgefondsen op de financiële markten (HF → EQ) voorafgaand aan de financiële crisis van 2007-2008 relatief sterk is en dat deze connectiviteit gedurende de crisis afneemt. Tot slot wordt er aan de hand van de Chow Breaktoets bepaald of juni 2007 daadwerkelijk een punt is waar de connectiviteit sterk afneemt. Deze observatie is namelijk in de vorige subparagraaf gemaakt op basis van een visuele analyse. Bijlage D.4 behandelt uitvoerig bovengenoemde twee toetsen op model (16) en model (17).
Bijlage D.4.1 analyseert aan de hand van een eenzijdige t-toets op de coëfficient β van de deterministische trendterm in model (16) en in model (17) of de tijdreeksen ytHF →HF en yHF →EQt onderhevig zijn aan een neerwaartse deterministische trend. De t-toetsen wijzen met een p-waarde
van respectievelijk 0.000 en 0.014 uit dat de geschatte coëfficient ˆβ van de deterministische trendterm van model (16) en van model (17) negatief en significant is en dat er zodoende een neerwaartse deterministische trend aanwezig is in de tijdreeksen yHF →HFt en ytHF →EQ. Deze toetsresultaten bekrachtigen dan ook de resultaten gevonden op basis van een visuele analyse in subparagraaf 4.2.1 dat de connectiviteit van en tussen hedgefondsen voorafgaand aan de financiële crisis van 2007-2008 relatief sterk is en dat deze connectiviteit tijdens de crisis is afgenomen.
Bijlage D.4.2 analyseert tot slot aan de hand van een Chow Breaktoets of juni 2007 daadwerkelijk een tijdstip is waar de connectiviteit tussen hedgefondsen (HF → HF) en waar de connectiviteit van hedgefondsen op financiële markten (HF → EQ) sterk is afgenomen. Anders gezegd, wordt er op basis van model (16) en model (17) formeel getoetst of zich er een breekpunt voordoet in de tijdsreeksen ytHF →HF en ytHF →EQ.
Uit de resultaten van de Chow breaktoets kan de conclusie getrokken worden dat er zich in tijdreeks ytHF →HF geen breekpunt voordoet rond juni 2007 in de connectiviteit tussen alleen hedgefondsen. De p-waarde van bijbehorende Chow breaktoets is dan ook 0.48. Het blijkt bij een significantieniveau van 0.10 dat er in de tijdreeks ytHF →EQ wel sprake is van een breekpunt rond juni 2007. De p-waarde van bijbehorende Chow breaktoets is dan ook 0.08. De connectiviteit van hedgefondsen op financiële markten (HF → EQ) is op basis van de Chow breaktoets met een 0.10 significantieniveau wel degelijk rond juni 2007 afgenomen.
Al met al kan er geconcludeerd worden dat bovenstaande toegepaste tijdreeksanalyse op de tijdreeksen yHF →HFt en ytHF →EQ, de resultaten gebaseerd op een visuele analyse in subparagraaf 4.2.1 bekrachtigen. Zo is aan de hand van een t-toets dezelfde conclusie getrokken als getrokken is op basis van de visuele analyse, namelijk dat de connectiviteit tussen alleen hedgefondsen (HF → HF) en de connectiviteit van hedgefondsen op markten (HF → EQ) voorafgaand aan de financiële crisis van 2007-2008 relatief sterk is en dat deze connectiviteit gedurende de crisis is afgenomen. Hoewel op basis van de Chow breaktoets niet naar voren komt dat er rond juni 2007 zich een breekpunt voordoet waar de connectiviteit tussen alleen hedgefondsen sterk afneemt, blijkt dat er wel een breekpunt aanwezig is op hetzelfde tijdstip in de tijdreeks yHF →EQt .2 Ook dit komt overeen met de resultaten gebaseerd op de visuele analyse uit subparagraaf 4.2.1.
Dit hoofdstuk heeft de verschillende resultaten van dit onderzoek gerapporteerd,
gevisualiseerd en geanalyseerd. In het volgende hoofdstuk worden alle algemene conclusies uit de bevindingen van dit hoofdstuk op een rij gezet.
5
Conclusie
Het doel van deze paper was om de aanwezigheid van invloeden van de hedgefondsindustrie op de stabiliteit van de financiële markten te analyseren. Om deze aanwezigheid van invloeden te analyseren, is uitvoerig gebruikgemaakt van de mate van connectiviteit tussen de
hedgefondsindustrie en de verschillende financiële markten en deze mate van connectiviteit is geschat en gevisualiseerd aan de hand van methoden uit de netwerkanalyse.
Aan de hand van maandelijkse rendementsdata over de periode februari 1999 tot en met december 2009 van 45 hedgefondsen en 25 marktindices, zijn er verschillende soorten gerichte Grangernetwerken en ongerichte gelijktijdige netwerken van connectiviteit geschat met behulp van het NETS-schattingsalgoritme. Specifiek zijn er in totaal drie statische schattingen uitgevoerd en is er één dynamische schatting uitgevoerd met behulp van de rolling window methode.
Op basis van de eerste statische schatting, de schatting van het gerichte Grangernetwerk en het ongerichte gelijktijdige netwerk van connectiviteit tussen alleen de hedgefondsen, zijn de volgende conclusies getrokken. Over de periode februari 1999 tot en met december 2009 is sprake van connectiviteit tussen de hedgefondsen. Op basis van deze connectiviteit is beargumenteerd dat instabiliteit van individuele hedgefondsen mogelijkerwijs invloed kunnen hebben op de stabiliteit van hun eigen industrie.
Op basis van het geschatte Grangernetwerk en gelijktijdige netwerk van connectiviteit tussen alleen de financiële markten is de conclusie getrokken dat er weinig sprake is van connectiviteit. Aangezien de gebruikte rendementsdata in dit onderzoek gecorrigeerd zijn voor algemene factoren, is dit resultaat aannemelijk.
De laatste statische schatting, de schatting van het gerichte Grangernetwerk van connectiviteit tussen de hedgefondsen en de financiële markten, laten zien dat hedgefondsen vooral invloed hebben op andere hedgefondsen. Hoewel de connectiviteit van hedgefondsen op de financiële markten niet sterk is, hebben hedgefondsen toch een zekere mate van invloed op deze markten. Dit geeft een indicatie dat instabiliteit van individuele hedgefondsen eventueel een gevaar kunnen vormen voor de stabiliteit van de financiële markten.
Tot slot zijn met behulp van van de rolling window methode 52 verschillende
Grangernetwerken van connectiviteit tussen de hedgefondsen en de financiële markten dynamisch geschat. Gebruikmakend van een GIF van netwerkvisualisaties en gebruikmakend van de theorie voorgesteld door Billio e.a. (2012), is de conclusie getrokken dat er wel degelijk een zekere mate van aanwezigheid is van invloeden veroorzaakt door hedgefondsen op de stabiliteit van de financiële markten. Aan de hand van methoden uit de tijdreeksanalyse zijn vervolgens de conclusies die voortkomen uit de resultaten van de visuele analyse bekrachtigd.
Al met al kan aan de hand van de resultaten in deze paper beargumenteerd worden dat invloeden van hedgefondsen op de financiële markten wel degelijk aanwezig zijn. Hoewel deze conclusie in mindere mate naar voren komt uit de statische netwerkschattingen, laten de
visualisaties van de dynamische netwerkschattingen van connectiviteit tussen de hedgefondsen en de financiële markten de aanwezigheid van invloeden van deze hedgefondsen op de financiële markten wel degelijk zien. Een tijdreeksanalyse bekrachtigt dan ook deze conclusie.
Door het veelvuldig gebruikmaken van visualisaties van netwerken onderscheidt dit onderzoek zich van andere onderzoeken. Deze visualisaties maken de gevonden resultaten vele malen intuïtiever, dan resultaten van andere onderzoeken, die vaak gebaseerd zijn op de meer abstractere modellen en toetsen. Resultaten gebaseerd op alleen visualisaties kunnen echter minder betrouwbaar zijn dan resultaten gebaseerd op verschillende modellen en toetsen. Daarom heeft deze paper ook gebruikgemaakt van deze abstractere modellen en toetsen. Deze modellen en toetsen voeren echter niet de boventoon, maar zijn gebruikt om de conclusies op basis van de visualisaties dan wel te bekrachtigen, dan wel te verwerpen.
Referenties
Adrian, T. & Brunnermeier, M. K. (2011). Covar. National Bureau of Economic Research. Barigozzi, M. & Brownlees, C. T. (2016). Nets: network estimation for time series. Available at
SSRN 2249909.
Billio, M., Getmansky, M., Lo, A. W. & Pelizzon, L. (2012). Econometric measures of
connectedness and systemic risk in the finance and insurance sectors. Journal of Financial Economics, 104 (3), 535–559.
Bussière, M., Hoerova, M. & Klaus, B. (2015). Commonality in hedge fund returns: driving factors and implications. Journal of Banking & Finance, 54, 266–280.
Chan, N., Getmansky, M., Haas, S. M. & Lo, A. W. (2005). Systemic risk and hedge funds. National Bureau of Economic Research.
Diebold, F. X. & Yılmaz, K. (2014). On the network topology of variance decompositions: measuring the connectedness of financial firms. Journal of Econometrics, 182 (1), 119–134. Friedman, J., Hastie, T. & Tibshirani, R. (2008). Sparse inverse covariance estimation with the
graphical lasso. Biostatistics, 9 (3), 432–441.
Getmansky, M., Lo, A. W. & Makarov, I. (2004). An econometric model of serial correlation and illiquidity in hedge fund returns. Journal of Financial Economics, 74 (3), 529–609.
Heij, C., De Boer, P., Franses, P. H., Kloek, T. & Van Dijk, H. K. (2004). Econometric methods with applications in business and economics. OUP Oxford.
Ineichen, A. & Warburg, U. (2001). The myth of hedge funds. Journal of Global Financial Markets, 2 (4), 34–46.
Jackson, M. O. (2008). Social and economic networks. Princeton university press Princeton. Khandani, A. E. & Lo, A. W. (2007). What happened to the quants in august 2007? Journal of
investment management, 5 (4), 5–54.
Lipper TASS. (2005). Hedge fund database documentation. Thompson Reuters Lipper TASS. Newman, M. E. J. (2010). Networks: an introduction. Oxford University Press, Oxford. Reinhart, C. M. & Rogoff, K. (2009). This time is different: eight centuries of financial folly.
princeton university press.
Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society. Series B (Methodological), 267–288.
Bijlage A: Databeschrijving
A.1 Overzicht van Hedgefondsen
Tabel 2 bevat een overzicht van vijfenveertig hedgefondsen, waarvan de bijbehorende maandelijkse rendementsdata gebruikt is in dit onderzoek. Naast de naam van het desbetreffende fonds, wordt ook de bijbehorende code van dat fonds weergegeven. Deze codes komen van pas bij het
bestuderen van de visualisaties gebaseerd op de geschatte netwerken tussen hedgefondsen. Ook geeft Tabel 2 informatie over het land waarin desbetreffende hedgefonds gevestigd is en welke beleggingsstrategie zij voornamelijk toepast. Tot slot wordt de Assets Under Management (AUM) van de desbetreffende hedgefonds weergegeven in Amerikaanse dollars (USD).
Hedgefonds Fonds code Land Strategie AUM in USD
AXA Fortress B H.AXA.SG Singapore Emerging Markets 149,424,318.00
Basso Partners LP H.BAS.US US Convertible Arbitrage 1,578,156,324.00
Beach Point Total Return LP H.BP.US US Multi-Strategy 8,092,469,000.00
Black Diamond Partners LP H.BD.US US Multi-Strategy 9,446,628,302.00
BlackRock Global Allocation H.BR.UK UK Global Macro 454,000,000,000.00
Bridgewater All Weather 12% H.AllW.KY Cayman Fixed Income Arbitrage 46,000,000,000.00
Bridgewater Pure Alpha 12% H.PU12.KY Cayman Global Macro 151,000,000,000.00
BTG Pactual Hedge FIM H.BTG.BR Brazilië Fund of Funds 135,600,000,000.00
Chilton Flagship Strategy H.CHIL.US US Long/Short Equity 5,219,521,000.00
CI Global Opportunities H.CI.CA Canada Global Macro 9,582,219,954.00
Contrarian Capital I LP H.CONT.US US Event Driven 4,199,426,000.00
Credit Suisse Asset Mngmnt. H.CSAM.CH Zwitserland Multi-Strategy 124,600,000,000.00
Crestwood Capital Master H.CRES.US US Long/Short Equity 1,752,484,369.00
Cypress Partners LP H.CYP.CA Canada Equity Market Neutral 611,621,641.00
Deltec Emerging Markets LP H.DELT.US US Emerging Markets 1,001,682,892.00
Edgewoord Partners LP H.EDGE.US US Event Driven 9,246,395,736.00
Egerton Capital Partners LP H.EGER.UK UK Long/Short Equity 14,071,632,503.00
Gabelli Associates H.GAB.US US Event Driven 25,900,000,000.00
GAM Holding H.GAM.CH Zwitserland Multi-Strategy 119,785,517,157.90
Harvest Capital LP H.HARV.US US Event Driven 1,582,397,745.00
Icahn Enterprises H.ICA.US US Global Macro 24,560,000,000.00
Insight Investments Nav. H.INI.UK UK Multi-Strategy 407,000,000,000.00
Lansdowne LTD Class A H.LANS.UK UK Global Macro 30,639,142,987.00
MAN Group H.MAN.UK UK Multi-Strategy 1,135,000,000.00
Marshall Wace EUREKA A1 H.MW.UK UK Long/Short Equity 20,800,000,000.00
MKP Partners Offshore LTD H.MKP.IR Ierland Global Macro 23,991,816,597.00
Orbis Investment Mngmnt. H.ORB.BM Bermuda Multi-Strategy 12,774,342,000.00
Peconic Partners LTD H.PEC.US US Equity Market Neutral 661,530,064.00
Polar Long/Short Fund H.POL.CA Canada Long/Short Equity 13,776,014,597.00
R Opal Long/Short Global H.ROP.FR Frankrijk Long/Short Equity 153,287,262.63
Royce Partners H.ROY.US US Global Macro 37,101,700,724.00
Sandler Offshore Inc H.SAN.US US Equity Market Neutral 3,749,100,000.00
Seminole Capital Partners LP H.SEMI.US US Event Driven 3,288,160,374.00
Starboard Partners LP H.STAR.US US Long/Short Equity 2,570,310,437.00
Stark Investments LP H.STRK.US US Multi-Strategy 14,000,000,000.00
Overzicht van Hedgefondsen (vervolg Tabel 2)
Hedgefonds Fonds code Land Strategie AUM in USD
Symphony Overture LP H.SYM.US US Event Driven 16,991,474,544.00
TIG Arbitrage Associates LP H.TIG.US US Convertible Arbitrage ]3,618,433,863.00
Vertex Fund Class A H.VTX.CA Canada Event Driven 1,500,000,000.00
Visium Event Driven LP H.VIS.US US Event Driven 12,008,011,832.00
WCM Merger Fund LTD H.WCM.US US Event Driven 5,360,000,000.00
Wexford Spectrum LP H.WEX.US US Global Macro 6,336,187,898.00
Winton Diversified Program H.WIN.UK UK Multi-Strategy 30,000,000,000.00
York Capital Mngmnt. LP H.YORK.US US Event Driven 25,900,000,000.00
Zweig-Di Menna Partners LP H.ZWM.US US Equity Market Neutral 1,592,150,298.00
Tabel 2: Een overzicht van vijfenveertig verschillende hedgefondsen, waarvan de bijbehorende maan- delijkse rendementsdata gebruikt is in dit onderzoek. Dit overzicht geeft onder andere de naam, code, land van hoofdvestiging, strategie en bijbehorende Assets Under Management (AUM) in Amerikaanse dollars (USD) van desbetreffende hedgefonds weer.
A.2 Lipper TASS Hedgefondsstrategiebeschrijving
In Tabel 3 worden de negen verschillende beleggingsstrategieën beschreven waarnaar de Lipper TASS Hedgefondsdatabase is opgedeeld. Deze informatie komt rechtstreeks uit de Lipper TASS documentatie en is daarom ook in het engels (Lipper TASS,2005). Verder is de letterlijke presentatie van Chan e.a. (2005, pp. 98–99) gebruikt.
Strategy Description
Convertible Arbitrage This strategy is identified by hedge investing in the convertible (CA) securities of a company. A typical investment is to be long the
convertible bond and short the common stock of the same company. Positions are designed to generate profits from the fixed income security as well as the short sale of stock, while protecting principal from market moves.
Emerging Markets This strategy involves equity or fixed income investing in (EM) emerging markets around the world. Because many emerging
markets do not allow short selling, nor other viable futures or other derivative products with which to hedge, emerging market investing often employs a long-only strategy.
Equity Market Neutral This investment strategy is designed to exploit equity market (EMN) ineffciencies and usually involves being simultaneously long
and short matched equity portfolios of the same size within a country. Market neutral portfolios are designed to be either beta or currency neutral, or both. Well-designed portfolios typically control for industry, sector, market capitalization, and other exposures. Leverage is often applied to enhance returns.
Overzicht van Beleggingsstrategieën (vervolg Tabel 2)
Strategy Description
Event Driven This strategy is defined as ‘special situations’ investing designed (ED) to capture price movement generated by a significant pending
corporate event such as a merger, corporate restructuring, liquidation, bankruptcy or reorganization. There are three popular sub-categories in event-driven strategies: risk (merger) arbitrage, distressed/high yield securities, and Regulation D.
Fixed Income Arbitrage The fixed income arbitrageur aims to profit from price anomalies (FIA) between related interest rate securities. Most managers trade
globally with a goal of generating steady returns with low volatility. This category includes interest rate swap arbitrage, U.S. and non-U.S. government bond arbitrage, forward yield curve arbitrage, and mortgage-backed securities arbitrage. The mortgage-backed market is primarily U.S.-based,
over-the-counter and particularly complex.
Global Macro Global macro managers carry long and short positions in any (GM) of the world’s major capital or derivative markets. These
positions reject their views on overall market direction as influenced by major economic trends and/or events. The portfolios of these funds can include stocks, bonds, currencies, and commodities in the form of cash or derivatives instruments. Most funds invest globally in both developed and emerging markets.
Long/Short Equity This directional strategy involves equity-oriented investing on both the long and short sides of the market. The objective is (LSE) not to be market neutral. Managers have the ability to shift
from value to growth, from small to medium to large