ETF Relative Strength மற்றும் Alpha Attribution விளக்கம்

ETF relative strength என்பது ஒரு சிறிய தொகுப்பு நிதிகளை, ஒரு benchmark-ஐ விட அவை எவ்வளவு தூரம் முன்னிலையில் அல்லது பின்தங்கியுள்ளன என்பதன் அடிப்படையில் வரிசைப்படுத்தி, முதலிடத்தில் உள்ளவற்றைத் தேர்ந்தெடுக்கும் முறையாகும். இந்த கட்டுரையில் நாம் ஆராயும் விதி இதுதான்: ஒவ்வொரு 20 வர்த்தக அமர்வுகளுக்கும் ஒருமுறை, ஒரு குறிப்பிட்ட universe-ல் உள்ள நிதிகளை, அதே 20 அமர்வுகளில் SPY-ன் வருமானத்தைக் கழித்து, அதன் அடிப்படையில் வரிசைப்படுத்தி, முதல் இரண்டு இடங்களைப் பிடிக்கும் நிதிகளை overlapping sleeves முறையில் வைத்திருக்க வேண்டும். ஒரு உத்தியின் செயல்திறனைச் சோதிக்கும்போது, அதன் attribution முக்கியமானது. இத்தகைய ஒரு உத்தியின் சோதனையில், regression முறையில் கணக்கிடப்பட்ட alpha, அந்த உத்தி ஏற்கனவே கொண்டிருந்த exposures-ஐ உள்ளடக்கியபோது ஆண்டுக்கு 0.38% ஆகக் குறைந்தது.

ETF relative strength விதி எவ்வாறு செயல்படுகிறது

Relative strength என்பது வருமானம் அல்ல, அது ஒரு ஒப்பீடு. ஒரு benchmark 5% உயர்ந்திருக்கும்போது, ஒரு நிதி 20 அமர்வுகளில் 3% உயர்ந்திருந்தால், அதன் relative strength எதிர்மறையாக இருக்கும். ஒரு benchmark 4% சரிந்திருக்கும்போது, ஒரு நிதி 1% சரிந்திருந்தால், அதன் relative strength நேர்மறையாக இருக்கும். வரிசைப்படுத்துவதற்குப் பயன்படுத்தப்படும் எண் excess return ஆகும்: ஒரு குறிப்பிட்ட கால இடைவெளியில் நிதியின் சதவீத மாற்றம், அதே கால இடைவெளியில் benchmark-ன் சதவீத மாற்றத்தைக் கழித்து கணக்கிடப்படுகிறது.

இதற்கு இரண்டு தேர்வுகள் உள்ளன. Lookback என்பது வரிசைப்படுத்தலுக்கு எவ்வளவு வரலாற்றுத் தரவு பார்க்கப்படுகிறது என்பதைக் குறிக்கிறது; 20 அமர்வுகள் என்பது ஏறக்குறைய ஒரு மாத வர்த்தக காலமாகும். Holding period என்பது ஒரு நிதி எவ்வளவு காலம் போர்ட்ஃபோலியோவில் இருக்கும் என்பதைத் தீர்மானிக்கிறது. இவை இரண்டும் சமமாக இருக்கும்போது, முழு போர்ட்ஃபோலியோவும் மாதத்திற்கு ஒருமுறை மாற்றப்படும், மேலும் முடிவுகள் நீங்கள் எந்தத் தேதியில் தொடங்குகிறீர்கள் என்பதைப் பொறுத்தே அமையும். Overlapping sleeves இந்தச் சார்புநிலையை நீக்குகின்றன: ஒரே விதியின் பல பிரதிகளைச் சில அமர்வுகள் இடைவெளியில் இயக்கி, ஒவ்வொன்றையும் மூலதனத்தின் ஒரு பகுதியாகப் பிரித்து முதலீடு செய்வதன் மூலம், ஒரு குறிப்பிட்ட தொடக்கத் தேதியைச் சார்ந்திருக்காமல், சீரான கலவையை வைத்திருக்க முடியும்.

கீழே உள்ள அட்டவணை, ஒன்பது நிதிகளைக் கொண்ட ஒரு universe-ல் (broad-market, sector, international மற்றும் metals ETF-கள்), கடந்த 21 தினசரி முடிவுகளைப் பயன்படுத்தி, சரியாக 20 அமர்வுகளுக்கான வருமானத்தை வரிசைப்படுத்துகிறது.

WITH bounds AS
(
    SELECT
        min(d) AS first_day,
        max(d) AS last_day
    FROM
    (
        SELECT date AS d
        FROM global_markets.stocks_daily_aggs
        WHERE ticker = 'SPY'
          AND date >= today() - 120
        GROUP BY d
        ORDER BY d DESC
        LIMIT 21
    )
)
SELECT
    sleeve.ticker                            AS etf,
    sleeve.ret_pct                           AS return_pct,
    round(sleeve.ret_pct - bench.ret_pct, 2) AS excess_vs_spy_pct
FROM
(
    SELECT
        ticker,
        round((argMax(toFloat64(close), date) / argMin(toFloat64(close), date) - 1) * 100, 2) AS ret_pct
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('QQQ', 'IWM', 'XLK', 'XLE', 'XLF', 'XLV', 'XLU', 'GLD', 'EFA')
      AND date >= (SELECT first_day FROM bounds)
      AND date <= (SELECT last_day FROM bounds)
    GROUP BY ticker
) AS sleeve
CROSS JOIN
(
    SELECT
        round((argMax(toFloat64(close), date) / argMin(toFloat64(close), date) - 1) * 100, 2) AS ret_pct
    FROM global_markets.stocks_daily_aggs
    WHERE ticker = 'SPY'
      AND date >= (SELECT first_day FROM bounds)
      AND date <= (SELECT last_day FROM bounds)
) AS bench
ORDER BY excess_vs_spy_pct DESC

வரிசையின் உச்சியில், GLD அந்த 20 அமர்வுகளில் 8.69% வருமானத்தை அளித்துள்ளது, இது SPY-க்கு எதிராக 6.34 புள்ளிகள் ஆகும். வரிசையின் இறுதியில், XLU ஆனது -5.81 புள்ளிகளில் இருந்தது. ஒவ்வொரு வரிசையும் இரண்டு பார்களில் இந்தத் தகவலைக் காட்டுகிறது: நிதியின் செயல்பாடு மற்றும் SPY-ன் நகர்வைக் கழித்த பிறகு எஞ்சியிருப்பது. அனைத்து 9 வரிசைகளிலும் இரண்டு பார்களுக்கு இடையே உள்ள தூரம் ஒரே மாதிரியாக இருக்கும், ஏனெனில் ஒவ்வொரு நிதியும் ஒரே benchmark-க்கு எதிராக ஒரே கால இடைவெளியில் அளவிடப்படுகிறது.

Alpha attribution உண்மையில் எதை அளவிடுகிறது

Alpha attribution என்பது ஒரு regression ஆகும். உத்தியின் வருமானத் தொடரை ஒன்று அல்லது அதற்கு மேற்பட்ட benchmark வருமானத் தொடர்களுடன் ஒப்பிட்டு ஒரு நேர்க்கோட்டை வரைவதாகும். ஒவ்வொரு benchmark-ன் slope என்பது ஒரு exposure ஆகும்: அதாவது அந்த உத்தி அந்த benchmark-உடன் எவ்வளவு தூரம் ஒத்துப் போகிறது என்பதைக் குறிக்கிறது. அந்த exposures-க்கு ஈடு செய்த பிறகு எஞ்சியிருப்பது intercept ஆகும், இதுவே alpha என்று அழைக்கப்படுகிறது. R squared என்பது மூன்றாவது எண்; இது உத்தியின் மாறுபாடுகளில் benchmark எவ்வளவு பங்களிக்கிறது என்பதைக் குறிக்கிறது (0% என்றால் benchmark எதையும் விளக்கவில்லை, 100% என்றால் உத்தி என்பது benchmark மற்றும் ஒரு மாறிலி மட்டுமே).

ஒரு rotation விதியை ஒரே ஒரு broad-market தொடருடன் regress செய்தால், அது தனித்துவமாகத் தோன்றும். ஆகஸ்ட் 2026-ல் வெளியிடப்பட்ட ஒரு விதியின் attribution-ல், ஒற்றை-benchmark பொருத்தமானது 14.0% R squared-ஐக் காட்டியது. உத்தியின் மாறுபாட்டில் ஆறில் ஏழு பங்கு விளக்கப்படாமல் இருந்தது, இது தனித்துவமாகத் தெரிந்தது. அந்த விதி உண்மையில் கொண்டிருந்த exposures-ஐ (momentum tilt மற்றும் sector concentration) உள்ளடக்கியபோது, R squared 63.6% ஆக உயர்ந்தது மற்றும் intercept ஆண்டுக்கு 0.38% ஆகக் குறைந்தது. வருமானத் தொடர் மற்றும் குறியீடு ஒன்றுதான், ஆனால் ஒப்பீட்டுத் தொகுப்பு மாறியது. அந்த உத்தி ஏற்கனவே அறியப்பட்ட exposures-ஐத்தான் பயன்படுத்திக் கொண்டிருந்தது.

அந்த ஆய்வு அதன் சொந்த விலைகளை ஒரு நிலையான seed-லிருந்து உருவாக்குகிறது, எனவே தரவு விற்பனையாளர் இல்லாத வாசகரும் அதன் ஒவ்வொரு எண்ணையும் மீண்டும் உருவாக்க முடியும். இது எழுதப்படும்போது சில நாட்களே ஆன ஒரு திட்டமாகும், மேலும் இவ்வளவு புதிய திட்டம் வாரந்தோறும் மாறக்கூடும். ஒரு எண்ணை மேற்கோள் காட்டுவதற்கு முன், நீங்கள் இயக்கிய சரியான commit அல்லது tagged release-ஐக் குறித்துக்கொள்ளுங்கள்: factor proxies அல்லது மாதிரி காலம் மாறும்போது attribution எண்களும் மாறும். reproducible backtest tooling பற்றிய எங்கள் குறிப்பு, இதை மறுபக்கத்திலிருந்து விளக்குகிறது.

இந்த பாடம் factor-model சொல்லகராதி இல்லாமலும் புரியும். நீங்கள் எதற்கு எதிராக regress செய்கிறீர்களோ அதுவே உங்கள் alpha-வைத் தீர்மானிக்கிறது, எனவே intercept-ஐப் பார்ப்பதற்கு முன்பே அதைத் தேர்ந்தெடுத்து, அது ஏன் சரியான ஒப்பீடு என்பதற்கான காரணத்தை எழுதி வையுங்கள். முடிவைப் பார்த்த பிறகு தேர்ந்தெடுக்கப்படும் ஒப்பீடு, ஒப்பீட்டின் தேர்வை மட்டுமே அளவிடுகிறது.

ETF-ல் எவ்வளவு பங்கு ஏற்கனவே benchmark-ஆக உள்ளது

பிரச்சினையைக் கண்டறிய முழுமையான factor model தேவையில்லை. ஒரு நிதியின் தினசரி வருமானத்தை எடுத்து, அதே அமர்வுகளில் SPY-ன் தினசரி வருமானத்துடன் ஒப்பிட்டு, correlation-ஐ வர்க்கப்படுத்துங்கள் (square). இது ஒரு broad-market benchmark ஏற்கனவே நிதியின் தினசரி மாறுபாட்டில் எவ்வளவு பங்களிக்கிறது என்பதைக் காட்டுகிறது.

WITH daily AS
(
    SELECT
        ticker,
        date,
        toFloat64(close) AS px,
        lagInFrame(toFloat64(close)) OVER (PARTITION BY ticker ORDER BY date ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_px
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('SPY', 'QQQ', 'IWM', 'XLK', 'XLE', 'XLF', 'XLV', 'XLU', 'GLD', 'EFA')
      AND date >= today() - 760
)
SELECT
    sleeve.ticker                                                AS etf,
    round(pow(corr(sleeve.fund_ret, bench.spy_ret), 2) * 100, 1) AS r_squared_vs_spy_pct
FROM
(
    SELECT ticker, date, px / prev_px - 1 AS fund_ret
    FROM daily
    WHERE prev_px > 0
      AND ticker != 'SPY'
) AS sleeve
INNER JOIN
(
    SELECT date, px / prev_px - 1 AS spy_ret
    FROM daily
    WHERE prev_px > 0
      AND ticker = 'SPY'
) AS bench USING (date)
GROUP BY sleeve.ticker
ORDER BY r_squared_vs_spy_pct DESC

கடந்த இரண்டு ஆண்டுகளில், QQQ இந்த universe-ல் மிக உயர்ந்த ஒற்றை-benchmark R squared-ஐ 90.3%-ல் கொண்டிருந்தது, மற்றும் GLD மிகக் குறைவாக 3.1%-ல் இருந்தது. அந்த வரைபடத்தின் உயர் முனையிலிருந்து உருவாக்கப்பட்ட ஒரு sleeve, benchmark-ன் மறுவடிவமே ஆகும், மேலும் benchmark-ஐத் தவிர மற்றொன்றுடன் ஒப்பிடப்படும் எந்தவொரு intercept-ம் அந்த வித்தியாசத்தை உள்வாங்கிக்கொள்ளும். குறைந்த முனையில், ஒரு rotation உத்தி சந்தையில் இல்லாத வருமானத்தை சேர்க்க முடியும், ஆனால் அங்கேதான் இரண்டு நிதிகளைக் கொண்ட போர்ட்ஃபோலியோ பல்வகைப்படுத்தப்பட்ட போர்ட்ஃபோலியோவாக இருக்காது.

முன்னணி நிதி எவ்வளவு அடிக்கடி மாறுகிறது

நிதிகள் மாறுபடும்போது மட்டுமே வரிசைப்படுத்தும் விதிக்கு வேலை இருக்கிறது. கீழே உள்ள அட்டவணை ஒவ்வொரு நிதியின் மாத வருமானத்தை அதே மாதத்தில் SPY-ன் வருமானத்துடன் ஒப்பிட்டு, ஒவ்வொரு மாதமும் வலுவான மற்றும் பலவீனமான sleeve-ஐத் தேர்ந்தெடுக்கிறது.

WITH monthly AS
(
    SELECT
        toStartOfMonth(date)           AS m,
        ticker,
        argMin(toFloat64(close), date) AS first_close,
        argMax(toFloat64(close), date) AS last_close
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('SPY', 'QQQ', 'IWM', 'XLK', 'XLE', 'XLF', 'XLV', 'XLU', 'GLD', 'EFA')
      AND date >= toStartOfMonth(today() - 400)
      AND date <  toStartOfMonth(today())
    GROUP BY m, ticker
)
SELECT
    formatDateTime(x.m, '%Y-%m')   AS month,
    argMax(x.ticker, x.excess_pct) AS leading_etf,
    round(max(x.excess_pct), 2)    AS leader_excess_pct,
    round(min(x.excess_pct), 2)    AS laggard_excess_pct
FROM
(
    SELECT
        sleeve.m      AS m,
        sleeve.ticker AS ticker,
        (sleeve.last_close / sleeve.first_close - 1) * 100
          - (bench.spy_last / bench.spy_first - 1) * 100 AS excess_pct
    FROM monthly AS sleeve
    INNER JOIN
    (
        SELECT
            m,
            first_close AS spy_first,
            last_close  AS spy_last
        FROM monthly
        WHERE ticker = 'SPY'
    ) AS bench USING (m)
    WHERE sleeve.ticker != 'SPY'
) AS x
GROUP BY x.m
ORDER BY x.m

13 முழுமையான மாதங்களில், இந்தத் தொடர் 2025-07-ல் XLK முன்னிலையுடன் தொடங்குகிறது. சமீபத்திய முழுமையான மாதமான 2026-07-ல், வலுவான sleeve XLE ஆக 12.59 புள்ளிகளுடன் இருந்தது, அதே சமயம் பலவீனமானது -5.7 ஆக இருந்தது. இரண்டு கோடுகளுக்கு இடையே உள்ள தூரம், வரிசைப்படுத்தும் விதி சார்ந்திருக்கும் dispersion ஆகும். கோடுகள் நெருக்கமாக இருக்கும் மாதங்களில், வரிசைப்படுத்துதல் தன்னிச்சையானது, மேலும் ஒவ்வொரு வரிசைப்படுத்தலிலும் வர்த்தகம் செய்யும் விதி அந்த மாதங்களில் turnover கட்டணத்தைச் செலுத்துகிறது. மாத எல்லைகள் இங்கே கவனத்திற்குரியவை; how monthly returns are measured என்பது இதற்கான வழிமுறைகளை விளக்குகிறது.

இரண்டு நிதிகளின் செறிவு உண்மையான ஆபத்தா?

Volatility என்பது இந்தக் கேள்விக்கான எளிய வடிவம். இந்த அட்டவணை ஒவ்வொரு நிதியின் தினசரி வருமான மாறுபாட்டை அதே இரண்டு ஆண்டுகளில் ஆண்டுக்கு ஒருமுறை கணக்கிடுகிறது மற்றும் SPY-ஐ ஒரு குறிப்புப் பட்டையாகக் கொள்கிறது, அத்துடன் ஒவ்வொரு நிதியும் சந்தித்த மோசமான அமர்வையும் காட்டுகிறது.

WITH daily AS
(
    SELECT
        ticker,
        date,
        toFloat64(close) AS px,
        lagInFrame(toFloat64(close)) OVER (PARTITION BY ticker ORDER BY date ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_px
    FROM global_markets.stocks_daily_aggs
    WHERE ticker IN ('SPY', 'QQQ', 'IWM', 'XLK', 'XLE', 'XLF', 'XLV', 'XLU', 'GLD', 'EFA')
      AND date >= today() - 760
)
SELECT
    ticker                                                   AS etf,
    round(stddevSamp(px / prev_px - 1) * sqrt(252) * 100, 1) AS annual_vol_pct,
    round(min(px / prev_px - 1) * 100, 2)                    AS worst_day_pct
FROM daily
WHERE prev_px > 0
GROUP BY ticker
ORDER BY annual_vol_pct DESC

XLK அதிகபட்சமாக 27.7% வருடாந்திர மாறுபாட்டைக் கொண்டிருந்தது, அதன் மோசமான அமர்வு -6.82% ஆகும், மற்றும் XLU குறைந்தபட்சமாக 15.8%-ல் இருந்தது. ஒரே நேரத்தில் இரண்டு நிதிகளை வைத்திருக்கும் ஒரு விதி, இந்த வரம்பிலிருந்து தேர்வு செய்கிறது, ஆனால் சராசரி செய்வதில்லை. அதிக மாறுபாடு கொண்ட நிதிகளால் ஏற்படும் ஆழமான சரிவுகள், திறமைக்கு பதிலாக exposure-ஆகவே attribution-ல் கணக்கிடப்படும். low volatility anomaly குறிப்பு, இதே வரைபடத்தின் குறைந்த முனையில் உள்ள நீண்டகாலப் பதிவை உள்ளடக்கியது.

உங்கள் rotation backtest-க்கான நான்கு சோதனைகள்

1. ஒரே நாளில் தகவல் கசிவு (Same-day signal leakage). 20-அமர்வு வரிசைப்படுத்துதல் ஒரு அமர்வின் முடிவில் கணக்கிடப்பட்டு, அதே முடிவில் வர்த்தகம் செய்யப்பட்டால், அந்த வர்த்தகம் அந்த நேரத்தில் தெரியாத தகவலைப் பயன்படுத்துகிறது. அமர்வு t வரை உள்ள தரவுகளில் வரிசைப்படுத்தி, அமர்வு t பிளஸ் ஒன்றில் வர்த்தகம் செய்யுங்கள்; இரண்டிற்கும் உள்ள இடைவெளிதான் கசிவின் அளவு. Look-ahead bias அந்த இடைவெளி எவ்வளவு பெரியது என்பதைக் காட்டுகிறது.
2. நிதிப் பட்டியலில் உயிர்வாழும் தன்மை (Survivorship). இன்று இருக்கும் நிதிகளை மட்டும் வைத்து உருவாக்கப்பட்ட universe, இடையில் மூடப்பட்ட அல்லது இணைக்கப்பட்ட நிதிகளைத் தவிர்க்கிறது; மோசமாகச் செயல்பட்ட நிதிகளே பெரும்பாலும் மூடப்படுகின்றன. Survivorship bias என்பது பங்குப் பட்டியலைப் போலவே ETF பட்டியலுக்கும் பொருந்தும்.
3. முன்கூட்டியே தேர்ந்தெடுக்கப்பட்ட benchmark. முதல் regression-க்கு முன்பே ஒப்பீட்டுத் தொகுப்பை எழுதி வையுங்கள், இதில் நீங்கள் எதிர்பார்க்கும் exposures-க்கான proxies-ம் இருக்க வேண்டும். நீங்கள் முன்கூட்டியே ஒப்புக்கொண்ட benchmark-க்கு எதிராக மட்டுமே intercept அர்த்தமுள்ளதாக இருக்கும்.
4. செறிவை நேரடியாக அளவிடுதல். முதல் இரண்டு நிதிகளை மட்டும் வைத்திருக்கும் அதே வரிசைப்படுத்தலை இயக்கி, பிறகு முதல் நான்கு, பின்னர் முழு universe-ஐயும் சம எடையில் வைத்துப் பாருங்கள். பெரும்பாலான லாபம் இரண்டு நிதிகள் கொண்ட பதிப்பிலேயே இருந்தால், செறிவுதான் முக்கியமானது, வரிசைப்படுத்துதல் என்பது எந்தச் செறிவைத் தேர்ந்தெடுப்பது என்பதற்கான ஒரு வழி மட்டுமே.

FAQ

ETF relative strength என்றால் என்ன?

Relative strength என்பது ஒரு குறிப்பிட்ட கால இடைவெளியில் ஒரு நிதியின் வருமானம் மற்றும் அதே கால இடைவெளியில் ஒரு benchmark-ன் வருமானம் ஆகியவற்றிற்கு இடையிலான வித்தியாசமாகும். இதன் அடிப்படையில் வரிசைப்படுத்தும்போது, benchmark-ஐ விட சிறப்பாகச் செயல்பட்ட நிதிகள் மேலே வரும், அவற்றின் வருமானம் நேர்மறையாக இருந்தாலும் சரி, இல்லையென்றாலும் சரி.

Alpha attribution என்றால் என்ன?

இது ஒரு உத்தியின் வருமானத்தை ஒன்று அல்லது அதற்கு மேற்பட்ட benchmark வருமானத் தொடர்களுடன் regress செய்வதாகும். Slope-கள் உத்தி கொண்டுள்ள exposures-ஐ அளவிடுகின்றன, intercept என்பது அந்த exposures-க்கு ஈடு செய்த பிறகு எஞ்சியிருக்கும் வருமானம். இந்த intercept-தான் பொதுவாக alpha என்று அழைக்கப்படுகிறது.

அதிக R squared இருந்தால் ஒரு உத்தி மோசமானதா?

இல்லை. அதிக R squared என்பது benchmark-கள் உத்தியின் மாறுபாட்டில் பெரும்பகுதியை விளக்குகின்றன என்று அர்த்தம், இது தரம் பற்றியது அல்ல, ஒற்றுமை பற்றியது. மாறுவது intercept மட்டுமே: regression-ஆல் பார்க்கக்கூடிய exposures இனி தனித்துவமாகக் கருதப்படாது.

ஒரு போர்ட்ஃபோலியோவிற்குப் பதிலாக overlapping sleeves ஏன் வைத்திருக்க வேண்டும்?

ஒவ்வொரு 20 அமர்வுகளுக்கும் ஒருமுறை மறுசீரமைக்கப்படும் ஒற்றை போர்ட்ஃபோலியோ, தொடக்கத் தேதியைச் சார்ந்து முடிவுகளைத் தருகிறது. ஒரே விதியின் பல பிரதிகளைச் சீரற்ற இடைவெளியில் இயக்குவது, அந்தத் தேர்வைச் சராசரி செய்து, turnover-ஐ ஒரு குறிப்பிட்ட தேதியில் குவிக்காமல் மாதம் முழுவதும் பரப்புகிறது.

இங்கே உள்ள ஒவ்வொரு அட்டவணையும் அதை உருவாக்கிய SQL-உடன் வருகிறது. ஒன்றைத் திறந்து, உங்கள் சொந்த நிதிப் பட்டியலைச் சேர்த்து, Strasmore terminal-ல் வரிசைப்படுத்துதலை மீண்டும் இயக்கி, மாற்றங்களைக் கவனியுங்கள்.