Stocks out of the herd. An overview of return dispersion in equity markets and some trading ideas

Abstract: With the present work, we provide a comprehensive review of academic and practitioners literature on Return Dispersion. The nature of the phenomenon, whether systemic or idiosyncratic, is one of the issues on which we found most disagreement. Although without aspiring to have the last word in the debate, we argue that dispersion in equity returns might not be as idiosyncratic as claimed by some authors. Those authors, in fact, mainly draws their conclusions from the application of standard asset pricing models (e.g. CAPM) and standard estimation techniques (e.g. regressions). While providing a decomposition of Return Dispersion in its systemic and idiosyncratic components based on more articulate models and estimation techniques (e.g. Kalman filter), we show that the weight of the two components is not an absolute, but rather a function of both the estimation method and the quality of the asset pricing factors considered. In other words, the use of better asset pricing models allows to increase the weight of the systemic component pretty much indefinitely, with the number and quality of factors selected being, at the end of the day, a discretional choice. We also noticed, however, that dispersion of betas and Return Dispersion move together without decoupling. This result on one hand seems to back the systemic nature of the phenomenon. On the other, it allowed us to develop a set of trading strategies based on betas and dispersion in returns. In those strategies, Return Dispersion is used as a timing signal to switch from a high-beta portfolio to a low-beta portfolio. Results achieved might be relevant from an economic perspective, since they provide good returns. But they are also relevant on theoretic ground, as they prove that it is possible to time beta-exposure on the basis of an easily computable variable such as Return Dispersion. Furthermore, results achieved are robust to different specifications of the trading signal, whether extracted from simple trends in Return Dispersion or from a two-state Markov Switching model.

Con la presente tesi, proponiamo una sintesi esaustiva della letteratura accademica (e applicativa) sulla Return Dispersion. La natura del fenomeno, sistemica o idiosincratica, è uno degli argomenti sui quali abbiamo trovato maggiore disaccordo. Pur senza la pretesa di avere l’ultima parola nel dibattito, argomentiamo che la dispersione nei rendimenti azionari potrebbe non essere tanto idiosincratica quanto sostenuto in alcune ricerche. In quei lavori, infatti, le conclusioni vengono principalmente raggiunte con l’applicazione di modelli di asset pricing standard (es. CAPM) e di tecniche di stima convenzionali (es. regressioni). Nel presente lavoro forniamo una decomposizione della Return Dispersion nelle sue componenti sistemiche ed idiosincratiche sulla base di modelli e tecniche di stima più articolate (es. Kalman filter). Nel farlo, mostriamo come il peso delle componenti sistemiche ed idiosincratiche non sia un assoluto, ma piuttosto una funzione sia del metodo di stima utilizzato che della qualità degli asset-pricing factor considerati. In altre parole, l’utilizzo di modelli di asset pricing models con un fit migliore, permette di incrementare il peso della componente sistemica a discrezione, dal momento che il numero e la tipologia dei fattori selezionati dipendono, in ultima istanza, da valutazioni discrezionali. Nella nostra ricerca, abbiamo anche notato che la dispersione dei beta si muove con la dispersione dei rendimenti azionari senza che avvenga disaccoppiamento. Questo risultato sembra da un lato avvalorare l’ipotesi circa la natura sistemica della Return Dispersion. Dall’altro lato, ci ha permesso di sviluppare un insieme di strategie di trading basate sulla dispersione dei beta e dei rendimenti. In tali strategie, la Return Dispersion viene utilizzata per generare segnali di timing per spostarsi da un portafoglio ad alto beta a un portafoglio a basso beta. I risultati ottenuti potrebbero essere rilevanti da una prospettiva economica, dal momento che i ritorni generati sono buoni. Ma la rilevanza è anche teorica, dal momento che gli algoritmi sembrano provare che è possibile fare timing della esposizione al beta sulla base di una misura facilmente computabile come la Return Dispersion. I risultati ottenuti sono robusti rispetto a diverse specificazioni del segnale di trading, il quale viene estratto sia da semplici misure di Trend nella Return Dispersion, sia da un modello Markoviano a cambiamento di regime.