A Markov-Switching dynamic approach to non-linear hedge fund risk exposures

Our study wants to assist investors in having a better knowledge of the determinants of Hedge Fund risk and performance during different cycles of the market, since we found a covering gap of HF performance evaluation during last few years. We first want to ascertain the well-known non-linear returns of HF through cross sectional multiple linear regressions with linear risk factors using Hedge Fund Research (HFR) strategies indexes. Then, we compare the results obtained carrying out a second multiple linear regression adding non-linear derivatives risk factors. In the end they guarantee a slight better explanatory power improvement of our model but they don’t contribute to overcome the limitations of a linear model and, at the same time, complicate the understanding for a retail investor. With a view of binding market performance to HFs, we have decided to adopt a dynamic regime-switching model regression according to hidden market states. In this way we move from outdated quantile analysis and we let the model determine endogenously the market states which we assume to follow a Markovian process as in the framework of Billio et al. in 2010 and Stafylas et al. in 2018.

L’obiettivo principale di questo studio è di assistere gli investitori nel comprendere quali siano i fattori di rischio che definiscono i ritorni derivanti da investimenti in strategie di fondi Hedge. Il punto di partenza è l’analisi dei ritorni degli HF, caratterizzati da una non linearità, attraverso regressioni multilineari di tipo cross-sectional con fattori di rischio lineari, usando indici di performance aggregati divulgati dalla piattaforma Hedge Fund Research (HFR). I risultati ottenuti verranno comparati con un’ulteriore regressione multilineare, questa volta aggiungendo fattori di rischio non lineari provenienti da strumenti derivati. Questa ultima modifica migliora solo parzialmente il modello statico di valutazione delle performance e lo complica eccessivamente per un investitore, contribuendo però ad evidenziare ulteriormente l’uso di strategie non-lineari dei fondi Hedge. Successivamente, interessati a evidenziare le relazioni tra i vari stati del mercato azionario ed i ritorni Hedge, abbiamo utilizzato un modello dinamico di regressione a cambio regime con stati di mercato nascosti. In questo modo ci stacchiamo da un’analisi statica e obsoleta per quantili e in modo endogeno tramite il modello siamo in grado di determinare i regimi di stato che assumiamo seguano un processo Markoviano come deciso da Billio et al. nel 2010 e Stafylas et al. nel 2018.