| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 746.29 KB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Conventional wisdom posits that investors should refrain from market timing. Challenging this, recent work using Markov regime-switching models argues that the market and a set of other risk premiums can be effectively timed and thus investors can avoid periods of high volatility diminishing losses, whilst still taking advantage of positive returns in a stable economy. Existing literature focuses mostly on in-sample predictability. This thesis tests those conclusions in an out-of-sample setting, contributing to existing literature by further investigating how to time the market’s conditions using a Markov regime-switching model. More specifically, I estimate regime presence based on different variables, such as market turbulence, inflation, and economic growth. Regimes relate to either a highly volatile state, defined by economic contraction, or a more stable state, defined by economic growth. Additionally, in this thesis, I analyze different assets and risk premiums’ performance out-of sample, by comparing both a regime-based dynamic and a long-short strategy against a static one. The regime-based strategies’ allocations are adapted to maximize returns whilst diminishing volatility given the presence of the regimes identified. I find that using a Markov regime-switching model to time the market and adjust portfolio allocations significantly decreases volatility, greatly improving risk-adjusted performance. However, regime-based strategies do not appear to yield higher returns than a simple static allocation. Truly, they struggle to outperform a static strategy and market benchmarks. Nonetheless, some strategies based on market turbulence produce interesting alphas, suggesting that more research on regime-based strategies is warranted.
É do conhecimento geral que os investidores se devem abster da prática de market-timing. No entanto, o uso recente de modelos Markov de mudança de regime (MMMR) contraria esta afirmação, defendendo que é possível fazer timing do mercado e de um conjunto de prémios de risco, levando os investidores a evitar períodos de elevada volatilidade, diminuindo perdas, beneficiando simultaneamente de retornos positivos numa economia estável. A literatura existente foca-se maioritariamente numa previsão in-sample. A presente tese testa as conclusões prévias out-of-sample (OOS). Mais concretamente, identifico a presença de regimes baseada em diferentes variáveis, como turbulência de mercado, inflação e crescimento económico. Os regimes correspondem a um estado de grande volatilidade (contração económica), ou a um estado mais estável (crescimento económico). Adicionalmente, analiso o desempenho de diversos ativos e prémios de risco OOS, comparando uma estratégia dinâmica e uma longa-curta dependentes dos regimes versus uma estratégia estática. As alocações das estratégias baseadas em regimes são adaptadas para maximizar retornos, simultaneamente diminuindo a volatilidade, tendo em conta os regimes identificados. Nesta tese, concluo que utilizar um MMMR para timing do mercado e para ajustar alocações de portfólio reduz significativamente a volatilidade, aumentando consideravelmente a risk-adjusted performance. No entanto, estratégias baseadas em regimes parecem não produzir retornos mais elevados comparativamente a uma estratégia estática. Efetivamente, estas estratégias não têm um desempenho superior a uma estratégia estática e ao mercado enquanto benchmarks. Não obstante, algumas estratégias baseadas em turbulência levam a alphas interessantes, o que sugere justificar-se mais investigação em estratégias baseadas em regimes.
É do conhecimento geral que os investidores se devem abster da prática de market-timing. No entanto, o uso recente de modelos Markov de mudança de regime (MMMR) contraria esta afirmação, defendendo que é possível fazer timing do mercado e de um conjunto de prémios de risco, levando os investidores a evitar períodos de elevada volatilidade, diminuindo perdas, beneficiando simultaneamente de retornos positivos numa economia estável. A literatura existente foca-se maioritariamente numa previsão in-sample. A presente tese testa as conclusões prévias out-of-sample (OOS). Mais concretamente, identifico a presença de regimes baseada em diferentes variáveis, como turbulência de mercado, inflação e crescimento económico. Os regimes correspondem a um estado de grande volatilidade (contração económica), ou a um estado mais estável (crescimento económico). Adicionalmente, analiso o desempenho de diversos ativos e prémios de risco OOS, comparando uma estratégia dinâmica e uma longa-curta dependentes dos regimes versus uma estratégia estática. As alocações das estratégias baseadas em regimes são adaptadas para maximizar retornos, simultaneamente diminuindo a volatilidade, tendo em conta os regimes identificados. Nesta tese, concluo que utilizar um MMMR para timing do mercado e para ajustar alocações de portfólio reduz significativamente a volatilidade, aumentando consideravelmente a risk-adjusted performance. No entanto, estratégias baseadas em regimes parecem não produzir retornos mais elevados comparativamente a uma estratégia estática. Efetivamente, estas estratégias não têm um desempenho superior a uma estratégia estática e ao mercado enquanto benchmarks. Não obstante, algumas estratégias baseadas em turbulência levam a alphas interessantes, o que sugere justificar-se mais investigação em estratégias baseadas em regimes.
Description
Keywords
Markov regime-switching models Dynamic strategy Long-short strategy Regime-dependent allocation Economic regime variables Modelos Markov de mudança de regime Estratégia dinâmica Estratégia longa-curta Alocação baseada em regimes Variáveis económicas de regimes