Apa itu Anomali Low-Volatility

Teori keuangan menyatakan bahwa investor yang menerima risiko lebih besar harus dibayar dengan return yang lebih tinggi. Anomali low-volatility adalah pengamatan jangka panjang bahwa hal ini sering kali tidak terjadi. Dalam banyak periode sejarah pasar, saham yang lebih tenang mampu mengimbangi atau bahkan mengalahkan saham yang lebih liar, sementara pemegangnya mengalami fluktuasi yang jauh lebih kecil. Tulisan ini menyandingkan realized volatility dengan total return untuk dua puluh lima saham besar yang populer selama kurang lebih dua tahun terakhir, dan hubungannya terlihat longgar dan tidak teratur, bukan garis naik yang rapi seperti yang digambarkan dalam buku teks.

Apa itu anomali low-volatility

Volatility di sini berarti annualized volatility: standar deviasi dari return harian sebuah saham, yang diskalakan menjadi angka tahunan. Angka di sekitar 16% tergolong tenang untuk sebuah saham, dan angka di atas 50% menandai saham yang rutin bergerak beberapa persen dalam sehari. Capital Asset Pricing Model, kerangka kerja yang diajarkan di setiap kursus keuangan, memprediksi garis naik yang lurus, di mana volatility yang lebih tinggi menghasilkan expected return yang lebih tinggi.

Penelitian akademis selama puluhan tahun menemukan kecenderungan sebaliknya. Portofolio low-volatility secara historis memberikan return yang sebanding dengan, dan terkadang lebih baik daripada, portofolio high-volatility, namun dengan risiko yang jauh lebih kecil. Kesenjangan antara teori dan catatan sejarah itulah yang disebut anomali. Ini adalah salah satu pola yang paling banyak dipelajari di pasar, dan menjadi dasar bagi dana "min-vol" dan "low-vol" yang dijual saat ini.

Volatility dibandingkan return, saham demi saham

Grafik di bawah ini mengambil dua puluh lima saham large cap populer, menghitung annualized volatility dan total return masing-masing dalam periode yang sama, lalu mengurutkannya dari yang paling tenang hingga yang paling liar. Jika buku teks terbukti benar, batang return akan naik sejalan dengan batang volatility dari kiri ke kanan.

WITH d AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY','KO','JNJ','PG','PEP','WMT','MCD','MO','VZ','XOM','JPM','HD','COST','UNH','MRK','LLY','HON','LMT','CAT','TXN','ORCL','NVDA','TSLA','AMD','NFLX')
      AND window_start >= now() - INTERVAL 800 DAY
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
r AS (
    SELECT ticker, dt, c,
           c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
    FROM d
)
SELECT ticker,
       round(stddevSamp(ret) * sqrt(252) * 100, 1) AS annual_vol_pct,
       round((exp(sum(log(1 + ret))) - 1) * 100, 1) AS total_return_pct
FROM r
WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
GROUP BY ticker
ORDER BY annual_vol_pct

Kenyataannya tidak demikian. Nama paling tenang dalam kumpulan ini adalah S&P 500 itu sendiri, ticker SPY, dengan annualized volatility 16% untuk total return 42.8%. Jika melihat ke seluruh data, beberapa saham tunggal yang paling tenang mencatatkan keuntungan kuat, sementara beberapa nama yang paling volatile berakhir datar atau minus. Batang return tersebar. Mereka tidak mengikuti batang volatility dalam garis lurus, yang merupakan gambaran anomali ini: volatility tambahan di sisi kanan tidak memberikan kenaikan return yang dapat diandalkan.

Apa yang sebenarnya didapat dari volatility tambahan

Mengelompokkan dua puluh lima nama tersebut menjadi tiga bagian berdasarkan volatility mempertegas poin ini. Setiap sepertiga bagian mendapatkan median return dan rentang dari performa terburuk hingga terbaik, sehingga spread hasil terlihat di samping rata-ratanya.

WITH d AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY','KO','JNJ','PG','PEP','WMT','MCD','MO','VZ','XOM','JPM','HD','COST','UNH','MRK','LLY','HON','LMT','CAT','TXN','ORCL','NVDA','TSLA','AMD','NFLX')
      AND window_start >= now() - INTERVAL 800 DAY
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
r AS (
    SELECT ticker, dt,
           c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
    FROM d
),
pername AS (
    SELECT ticker,
           stddevSamp(ret) * sqrt(252) * 100 AS vol,
           (exp(sum(log(1 + ret))) - 1) * 100 AS tr
    FROM r
    WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
    GROUP BY ticker
),
ranked AS (
    SELECT ticker, vol, tr, ntile(3) OVER (ORDER BY vol) AS bucket FROM pername
)
SELECT multiIf(bucket = 1, '1. Calmest third', bucket = 2, '2. Middle third', '3. Wildest third') AS vol_group,
       round(median(vol), 1) AS median_vol_pct,
       round(median(tr), 1) AS median_return_pct,
       round(min(tr), 1) AS worst_return_pct,
       round(max(tr), 1) AS best_return_pct,
       round(max(tr) - min(tr), 0) AS range_pct
FROM ranked
GROUP BY bucket
ORDER BY bucket

Selama periode tertentu ini, sepertiga bagian yang paling liar memang mencatatkan median return tertinggi, 87.1% dibandingkan 20.6% untuk sepertiga bagian yang paling tenang. Hal itu jujur, dan itu penting. Jendela dua tahun adalah waktu yang singkat, dan dua tahun terakhir memberikan imbalan kepada segelintir nama teknologi dan momentum besar yang volatile. Namun, apa yang juga didapat dari sepertiga bagian paling liar adalah dispersi. Return-nya berkisar dari -15.8% hingga +223.3%, dengan spread sebesar 239 percentage points. Sepertiga bagian paling tenang berada dalam spread 92 poin. Volatility tinggi memperlebar kerucut hasil jauh lebih besar daripada mengangkat titik tengahnya. Investor di kelompok liar memiliki peluang nyata untuk mendapatkan return terbaik di tabel dan peluang yang sama nyatanya untuk mendapatkan yang terburuk.

Jalannya proses sama pentingnya dengan titik akhir

Satu angka total return menyembunyikan proses perjalanannya. Melacak $100 yang diinvestasikan pada awal periode melalui setiap minggu menunjukkan bagaimana rasanya memegang volatility.

WITH d AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS dt,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('KO','SPY','NVDA')
      AND window_start >= now() - INTERVAL 800 DAY
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, dt
),
r AS (
    SELECT ticker, dt,
           c / lagInFrame(c) OVER (PARTITION BY ticker ORDER BY dt) - 1 AS ret
    FROM d
),
f AS (
    SELECT ticker, dt, ret FROM r WHERE ret IS NOT NULL AND ret > -0.5 AND ret < 0.5
),
cum AS (
    SELECT ticker, dt,
           100 * exp(sum(log(1 + ret)) OVER (PARTITION BY ticker ORDER BY dt)) AS idx
    FROM f
),
wk AS (
    SELECT ticker, toMonday(dt) AS week, argMax(idx, dt) AS wv
    FROM cum GROUP BY ticker, week
)
SELECT week,
       round(maxIf(wv, ticker = 'KO'), 1) AS ko_calm,
       round(maxIf(wv, ticker = 'SPY'), 1) AS spy_market,
       round(maxIf(wv, ticker = 'NVDA'), 1) AS nvda_wild
FROM wk
GROUP BY week
ORDER BY week

Saham yang tenang di sini adalah Coca-Cola (KO), yang liar adalah Nvidia (NVDA), dan garis tengah adalah pasar. Pada minggu terakhir, $100 di KO telah tumbuh menjadi $129.9, S&P 500 menjadi $142.8, dan NVDA menjadi $226.8. NVDA memenangkan periode ini dan melakukannya melalui jalur yang terlihat bergerigi, dengan mengalami penurunan dua digit persentase lebih dari satu kali di sepanjang jalan. KO tertinggal dari kedua garis lainnya namun hampir tidak bergoyang. Tidak ada hasil yang sesuai dengan buku teks. Nama yang tenang tidak mengalahkan pasar kali ini, dan nama yang volatile memberikan hasil meskipun ada anomali, bukan karena anomali tersebut. Itulah karakteristik jendela waktu yang singkat. Anomali adalah kecenderungan yang diukur selama beberapa dekade, bukan janji tentang periode dua tahun apa pun.

Mengapa anomali ini nyata tetapi bukan hukum pasti

Versi terkuat dari temuan low-vol ini tergolong sederhana: dalam jangka panjang, membeli saham yang lebih tenang tidak mengurangi return investor, dan secara tajam memangkas risiko mereka. Ini adalah pernyataan tentang rata-rata dari ribuan nama dan bertahun-tahun, bukan aturan yang mengatur dua puluh lima saham selama dua puluh empat bulan. Periode seperti ini, di mana nama-nama momentum yang volatile melonjak tajam, adalah alasan tepat mengapa pola ini disebut anomali dan bukan hukum. Untuk melihat lebih lengkap saham large cap mana yang sebenarnya paling tenang, lihat saham large-cap paling tenang. Sisi sebaliknya, memegang beberapa pemenang besar yang volatile, membawa concentration risk tersendiri, dan temperamen yang dihargai oleh anomali ini mirip dengan temperamen di balik membeli saat orang lain takut.

FAQ

Apa itu anomali low-volatility?

Ini adalah pola yang telah lama diamati bahwa saham low-volatility menghasilkan return yang setinggi, atau lebih tinggi dari, saham high-volatility dalam jangka panjang, dengan risiko yang jauh lebih rendah. Hal ini bertentangan dengan prediksi buku teks bahwa risiko lebih besar menghasilkan return lebih besar.

Apakah saham low-volatility benar-benar mengalahkan saham high-volatility?

Dalam sampel multi-dekade, penelitian menemukan bahwa mereka secara kasar menyamai atau mengalahkan saham high-volatility berdasarkan risk-adjusted basis. Dalam jendela waktu singkat, hasilnya bisa berbalik. Dalam jendela dua tahun yang diukur di sini, sepertiga bagian nama yang paling volatile mencatatkan median return tertinggi, dengan rentang hasil yang jauh lebih lebar.

Apakah investasi low-volatility merupakan strategi yang baik?

Investasi low-volatility secara historis memangkas risiko tanpa mengorbankan banyak return, itulah sebabnya dana "min-vol" ada. Ini bukan jaminan outperformance pada tahun tertentu, dan bisa tertinggal tajam ketika nama-nama spekulatif memimpin.

Bagaimana volatility saham diukur?

Ukuran yang umum adalah annualized volatility: standar deviasi dari persentase return harian, dikalikan dengan akar kuadrat dari dua ratus lima puluh dua (jumlah hari perdagangan dalam setahun). Angka yang lebih tinggi berarti pergerakan harian tipikal yang lebih besar ke arah mana pun.

Setiap panel di atas adalah query yang tersimpan dan dapat diperiksa. Buka SQL di bawah grafik apa pun untuk memeriksa perhitungan, atau jalankan tes volatility-versus-return yang sama pada kumpulan nama Anda sendiri di terminal Strasmore.