Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Hybrid Solution to Portfolio Management


Published on

WealthMark LLC. Research

Published in: Economy & Finance, Business
  • Be the first to comment

  • Be the first to like this

Hybrid Solution to Portfolio Management

  1. 1. WealthMark  Research  By:    Ben  Esget  The  Hybrid  Solution  to  Portfolio  Management      Introduction:  Most  active  fund  managers  fail  to  beat  their  desired  index.    John  Bogle,  founder  of  the  Vanguard  Group,  testified  before  the  Senate  Subcommittee  on  Financial  Management,  the  Budget,  and  International  Security  on  November  2,  2003  stating  from  1984-­‐2002  the  S&P  500  index  annualized  a  return  of  12.2%  while  the  average  mutual  fund  annualized  9.3%.    Over  multiple  decades  only  about  10%  of  mutual  funds  managers  have  been  able  to  beat  the  S&P  500  index1.    Investors  compound  manager’s  underperformance  by  chasing  high  performing  managers,  investing  only  after  the  manager  has  racked  up  impressive  gains,  then  investors  watch  their  account  underperform  as  the  manager  regresses  to  the  mean  of  all  managers.    Morningstar  Inc.  frequently  cites  examples  of  mutual  fund  investors  doing  much  worse  than  the  fund  itself  by  trying  to  time  well  performing  funds  and  futher  highlights  this  problem  noting  Star  managers  that  have  fallen  from  grace,  citing  examples  such  as  the  Legg  Mason  Value  Trust,  the  CGM  Focus  Fund,  and  the  Fairholm  Fund.      But  even  Morningstars’  own  fund  selection  process  has  failed  to  add  value;  in  fact,  their  fund  selection  process  has  done  worse  than  the  average  actively  managed  mutual  fund  (see  Exhibit  1).    It  is  the  blind,  leading  the  blind,  leading  the  blind.  Exhibit  1:                                                                                                                              1  Burton  G.  Malkiel,  “Reflections  on  the  Efficient  Market  Hypothesis:  30  Years  Later,”  The  Financial  Review  40,  http://www.e-­‐m-­‐  (2005):  1-­‐9.   1    
  2. 2. Morningstar  4  and  5  star  funds  versus  the  Wilshire  5000  index  *based  on  equal  investment  in  55  funds,  after  expenses,  loads  and  redemption  fees.  Source:  Hulbert  Financial  Digest  Exhibit  2  shows  historically  hedge  funds  have  achieved  higher  returns  than  traditional  indexes,  especially  when  adjusted  for  risk.      From  1994-­‐2011  hedge  funds  returned  9.07%  annualized  while  stocks  and  bonds  returned  7.18%  and  6.25%  annualized,  respectively.          Exhibit  2:    Source:  Center  for  Hedge  Fund  Research  Hedge  funds  come  with  unique  problems  that  do  not  make  the  extra  alpha  achieved  risk  free.    One  of  the  major  problems  with  hedge  funds  is  the  extreme  fee  structure.    Traditionally  hedge  funds  have  charged  a  2%  management  fee  and  a  20%  incentive  fee.    Fees  have  been  coming  down  over  the  last  18  years,  but  during  those  18  years  hedge  funds  pocketed  28.1%  of  profits  generated  in  the  portfolios2.      Hedge  funds  generally  use  leverage  to  enhance  returns  both  directly  and  at  the  security  level.    They  deploy  leverage  directly  by  accessing  lines  of  credit  and  indirectly  through  use  of  options  and  futures.    In  addition,  hedge  funds  are  usually  not  transparent  and  quite  often  illiquid.    This  creates  a  very  unique  situation  where  there  is  a  disjoint  in  distribution  of  information  between  the  potential  investor  and  the  fund  manager  as  to  how  much  risk  is  involved  with  the  fund,  and  how  robust  the  funds  strategy  is  going  forward.    Warren  Buffett  is  famous  for  saying  “When  the  tide  goes  out  you  see  who  is  swimming  naked.”    During  the  economic  collapse  of  2008  many  hedge  fund  investors  were  dismayed  to  discover                                                                                                                            2  Laurence  Fletcher,  Managers  Pocket  28%  of  Hedge  Fund  Profits  –  Study,­‐hedgefunds-­‐study-­‐idUSBRE83N0JR20120424  (April  2012).   2    
  3. 3. their  funds  using  copious  leverage  and  many  funds  “locked”  assets  allowing  liquidity  at  the  managers’  discretion.    Hedge  funds  also  display  massive  variance  of  the  individual  fund’s  performance.    Unlike  mutual  funds  where  most  simply  underperform  an  index,  hedge  funds  often  completely  collapse  or  experience  massive  losses.    Finally,  hedge  funds  are  required  by  law  to  set  net  worth  minimums,  limit  their  number  of  investors  and  are  restricted  in  how  they  market  in  an  effort  to  protect  unsophisticated  investors  from  risk.    To  offset  these  government  interventions  hedge  funds  usually  set  high  minimum  investment  amounts  to  maximize  their  assets  per  fund.      Overall,  the  portfolio  management  industry  lacks  a  clear  value  proposition  for  the  investor.    Where  outperformance  is  seen  it  is  often  overpriced,  difficult  to  predict  going  forward,  and  comes  with  unique  characteristics  which  generally  involve  excess  risk.    A  new  style  of  portfolio  management  is  needed  that  eliminates  these  issues  and  restores  the  investor  value  proposition.  Alpha  demystified:  There  are  three  key  ways  portfolio  managers  can  add  alpha  outside  of  employing  leverage.       1. Security  selection   2. Market  timing     3. Beta  selection    Source:  Investcorp  Security  selection  can  be  any  individual  investment  form  of  holding,  including  but  not  limited  to,  an  individual  stock,  bond,  index,  piece  of  real  estate,  an  option  or  a  futures  contract.    Beta  timing  is  the  practice  of  moving  allocations  within  a  portfolio  as  a  way  of  increasing  or  decreasing  risk.    Beta  selection  is  the  fund  managers’  choice  of  how  much  risk  in  relation  to  the  market  to  take.      The  vast  majority  of  portfolio  managers  attempt  to  add  value  through  only  one  or  two  of  these  methods.    Most  managers  often  do  so  in  a  discretionary  way  and,  as  discussed  above,  either  come  up  short  or  create  a  portfolio  exposed  to  very  unique  risks  and  exorbitant  fees.    In  order  to  combat  these  issues  we  recommend  systematically  adding  value  through  all  three  drivers  of  alpha.  Eliminating  Forced  and  Unforced  Errors:   3    
  4. 4. In  investing,  like  baseball,  there  are  forced  and  unforced  errors.    Forced  errors  are  defined  as:  a  miss  caused  by  an  opponent’s  good  play.    Unforced  errors  are  defined  as:  an  error  in  service  or  a  return  shot  that  cannot  be  attributed  to  any  factor  other  than  poor  judgment  and  execution  by  the  player3.    Investors  can  greatly  reduce  unforced  errors  by  taking  a  systematic  approach  to  investing  because  it  greatly  reduces  the  chance  of  making  mistakes.    Indexes  are  a  great  example  of  this  since  indexes  are  a  manmade  systematized  approach  to  investing.    Individual  investors  like  mutual  fund  managers  often  fail  to  outperform  the  S&P  500  which  is  a  manmade  index.    Some  indexes  however  have  actually  fared  better  than  the  S&P  500.      Since  its’  inception  the  NASDAQ  index  has  outperformed  the  S&P  500  albeit  with  much  higher  volatility  (See  Exhibit  3).    Since  1990  the  global  bond  index  has  outperformed  the  S&P  500,  but  did  have  very  long  periods  of  underperformance  (See  Exhibit  2).  Exhibit  3:    The  probability  of  making  a  forced  error  goes  up  as  the  volume  of  trades  and  transactions  increase  because  there  is  a  chance  that  your  positioning  will  be  incorrect.    Each  transaction  exponentially  increases  the  odds  of  mistakes  compounding  while  every  transaction  increases  tax  liability  and  transaction  costs.    For  these  reason  robust  investment  strategies  should  not  only  be  systematic  but  will  have  a  better  chance  at  future  success  if  they  are  semi-­‐passive  with  limited  trading  limiting  the  opportunities  for  forced  or  unforced  errors.    Warren  Buffet  states  that  as  he  gets  older  his  holding  times  get  longer  and  longer  because  “When  you  sell  you  have  to  be  right  twice,  once  when  you  sell  and  once  when  you  buy  again.”                                                                                                                            3  Wikipedia,  Glossary  of  Tennis  Terms  -­‐  Unforced  Error,   4    
  5. 5. Lunch:    Not  Free,  but  More  of  It:  Academic  and  Industry  research  reveal  four  aspects  of  stocks  that  display  a  persistent  and  robust  ability  to  generate  alpha  systematically:   1. Value   2. Momentum   3. Dividends     4. Volatility  The  vast  majority  of  academic  and  industry  research  is  in  the  area  of  valuation.    Over  time  value  stocks  have  outperformed  other  stocks  whether  you  define  value  as  EV/EBITDA  (Enterprise  Value/  Earnings  Before  Interest,  Taxes,  Depreciation  and  Amortization,  EV/GP  (Enterprise  Value/Gross  Profit),  P/E  (Price  to  Earnings),  P/B  (Price  to  Book),  or  EV/FCF  (Enterprise  Value/Free  Cash  Flow).  Exhibit  4:    Source:    Gray  and  Carlisle,  “Quantitative  Value”,  Due  2013    Many  mutual  fund  managers  and  some  hedge  fund  managers  classify  themselves  as  value  investors.    Yet,  even  as  value  stocks  outperform  the  index  most  of  these  managers  fall  short.    Interestingly,  there  is  a  large  body  of  research  indicating  that  the  belief  humans  add  value  above  and  beyond  a  quantitative  model  is  incorrect.    The  data  shows  that  quant  models  are  the  ceiling  of  performance  and  human   5    
  6. 6. decisions  not  only  don’t  enhance  performance  but  actually  diminish  it.4    Perhaps  it  is  cognitive  dissidence,  perhaps  it  is  the  high  level  of  testosterone  on  Wall  Street5,  or  perhaps  it  is  boyhood  fantasies  of  becoming  Warren  Buffet,  but  whatever  the  reason,  money  managers  seem  incapable  of  accepting  a  passive  approach  to  value.    Momentum  investment  strategies,  also  known  as  trend  following,  have  been  well  documented  as  a  way  to  add  alpha.    For  years  trend  followers  established  themselves  as  managed  futures  hedge  funds  but  more  recently  this  strategy  has  been  established  as  a  value  added  way  to  buy  stocks.    In  their  research  paper  “Does  Trend  Following  Work  on  Stocks?”  Willcox  and  Critenden  show  that  using  momentum  as  criteria  to  buying  and  selling  stocks  added  substantial  value  over  the  basic  index  (See  exhibit  5).    Exhibit  5:      Source:    Blackstar  Equity.    Equity  research  from  Goldman  Sachs  and  Dorsey  Wright  show  similar  results  both  on  a  hypothetical  back  tested  basis  and  on  a  real  time  performance  basis.                                                                                                                              4  EYQUM  Investment  Management,  The  Case  for  Quantitative  Value  Investment,­‐for-­‐Quantitative-­‐Value-­‐Eyquem-­‐Global-­‐Strategy-­‐20120613  (June  2012).  5  Sylvia  Ann  Hewlett,  Harvard  Business  Review:  Too  Much  Testosterone  on  Wall  Street?,  (January  2009).   6    
  7. 7. Picking  stocks  based  on  dividend  yield  is  another  way  to  systematically  enhance  returns.    Similar  to  value  investing,  dividends  appear  to  add  incrementally  more  value  (See  Exhibit  6).    In  the  “Little  Book  of  Big  Dividends”,  Carlson  shows  that  not  only  does  buying  stocks  in  accordance  with  the  dividend  yield  add  value  but  more  value  can  be  added  when  run  through  an  algorithm  for  safety  as  well.    Professor  Jeremy  Siegel’s  research  shows  that  dividend  stocks  have  added  additional  alpha  going  back  as  far  as  data  exists  (1800’s).              Exhibit  6:   +  Source:  Credit  Suisse,  2011    In  recent  years  the  concept  of  a  low  volatility,  or  low  beta  index  (also  called  low-­‐variance,)  has  gained  popularity  as  a  wave  of  academic  research  shows  this  strategy  to  add  alpha.    One  of  the  more  interesting  aspects  of  low  volatility  stocks  is  that  they  appear  to  have  a  bimodal  distribution  of  beta  depending  on  market  conditions.    During  bull  markets  low  volatility  stocks  have  historically  had  a  beta  close  to  1  and  often  outperform  the  market  as  a  whole  during  this  period6.    During  bear  markets  low  volatility  stocks  have  historically  displayed  low  beta  and  have  proven  a  natural  hedge  against                                                                                                                            6  Pim  van  Vliet,  “Ten  Things  You  Should  Know  About  Low-­‐Volatility  Investing,”  The  Journal  of  Investing  (Winter  2011):  141-­‐143.   7    
  8. 8. drawdowns7.    In  1990,  S&P  started  its  own  index  that  tracks  the  100  lowest  volatility  stocks  within  the  S&P  500  for  the  last  trading  year  and  the  results  are  impressive  (See  Exhibit  7).    Other  researchers  have  looked  back  further,  using  back-­‐tested  hypothetical  indexes.    This  work  showed  similar  results  to  that  of  S&P.    One  of  the  more  interesting  pieces  of  research  was  published  in  the  Journal  of  Portfolio  Management  in  1991  entitled  “Beta  and  Return”  by  Fisher  Black.    They  show  from  1926  to  1991  “low-­‐beta  stocks  did  better  than  the  CAPM  (Capital  Asset  Pricing  Model)  predicts,  and  high  beta  stocks  did  worse.”    He  explains  how  this  anomaly  is  not  decreasing  in  significance  but  rather  is  increasing,  “If  anything,  the  pattern  looks  stronger  (from  1965-­‐1991)  than  it  did  for  1926-­‐1965  period.”    Interestingly,  in  1991  Black  conceded  he  had  no  way  of  knowing  if  low  volatility  stocks  would  continue  to  outperform  going  forward,  but  we  can  now  see  they  definitely  have.    Similar  results  have  been  shown  by  Robeco  Asset  Management,  Russell  Investments,  and  Thorley  and  Perry  of  BYU.    Exhibit  7:      Source:  S&P  Research    Investors  should  consider  several  things  when  deciding  if  and  how  to  use  any  of  the  four  strategies  listed  above.    The  most  important  considerations  are  the  likelihood  that  a  strategy  will  continue  to  work  going  forward,  the  investor’s  ability  to  stick  with  the  strategy  and  the  turnover  within  the  strategy.      It  should  come  as  no  surprise  that  each  of  the  strategies  discussed  above  is  not  a  free  lunch.    Each  strategy  has  long  periods  of  time  where  it  underperforms  other  indexes,  sometimes  significantly.    At  points  of  underperformance  the  investor  must  decide  whether  to  stick  with  a  strategy  based  on  its  long-­‐term  merits  or  throw  in  the  towel  for  a  different  strategy.    In  my  opinion,  this  is  the  number  one  reason                                                                                                                            7  Pim  van  Vliet,  Low-­volatility  investing:  a  long-­term  perspective,­‐investing/low-­‐volatility-­‐investing/low-­‐volatility-­‐investing-­‐a-­‐long-­‐term-­‐perspective.jsp  (January  2012).   8    
  9. 9. investors  fail  to  achieve  above  average  performance.      This  dilemma  is  toughest  with  momentum  strategies  because  they  are  notoriously  volatile  (sharp  and  sudden  losses  known  as  drawdowns)  and  have  high  transaction  volumes  leading  to  a  higher  chance  of  errors.    Drawdowns  are  a  measure  of  investor  pain,  and  human  psychology  is  such  that  investors  often  evaluate  how  much  pain  is  worth  a  unit  of  gain.    Large  drawdowns  coupled  with  high  transaction  volumes  will  make  this  strategy  difficult  for  most  investors  to  stick  with.    Value,  Dividends,  and  Low  Volatility  strategies  are  all  lower  turnover  giving  the  investor  a  better  chance  of  sticking  with  the  strategy.        Only  a  Low  Volatility  portfolio  by  design  will  limit  downside  risk.    The  degree  to  which  value  stocks  and  high  dividend  portfolios  limit  downside  risk  is  much  more  uncertain.    Examining  the  market  crash  of  2008,  value  metrics  showed  bank  stocks  to  be  significantly  undervalued  and  banks  appeared  on  most  dividend  screens  as  the  highest  yielding  stocks.    Of  course,  bank  stocks  were  some  of  the  hardest  hit  during  the  2008  market  collapse  leaving  many  of  these  portfolios  significantly  underperforming  other  indexes  and  investors  facing  the  dilemma  discussed  above.    The  S&P  Low  Volatility  index  however,by  design  is  low  volatility  and  experiences  significantly  less  downside.    The  S&P  500  Low  Volatility  index  includes  a  high  degree  of  value  stocks  and  both  currently  and  historically  boosts  a  higher  dividend  yield  than  the  S&P  500  index.    Low  volatility  portfolios  have  the  advantage  of  being  value  oriented  and  high  yielding;  but  value  portfolios  and  high  yielding  portfolios  do  not  necessarily  boast  low  volatility.    Low  volatility  portfolios  have  conceptual  advantages  as  well,  primarily,  because  they  are  difficult  to  arbitrage  away.    Not  only  do  the  portfolios  tend  to  favor  some  of  the  largest  most  liquid  stocks  in  the  world  these  portfolios  are  not  designed  to  “outperform”  but  rather  reduce  volatility.    In  a  world  where  portfolio  managers  are  paid  handsomely  for  outperformance  it  is  irrational  for  portfolio  managers  to  focus  on  a  strategy  that  is  not  designed  for  explicit  outperformance  (never  mind  the  difficulty  marketing  such  a  strategy  during  a  raging  bull  market)  thus  creating  a  situation  where  a  known  driver  of  alpha  is  left  underutilized.        Picking  Your  Poison:    Choosing  how  much  risk  to  accept  during  portfolio  construction  is  like  choosing  poison;  at  some  point  any  amount  of  incremental  risk  will  sting.    The  world  of  beta  is  infinite,  ranging  from;  cash  with  a  beta  of  zero  to  penny  stocks  and  options  often  approaching  Vegas  odds.    Choosing  the  right  amount  of  incremental  risk  is  an  extremely  complex  concept  where  even  the  best  portfolio  managers  quite  often  underestimate  the  extremities  within  markets89.    One  of  the  best  ways  to  construct  a  robust  portfolio  is  to  find  a  baseline  beta  for  your  portfolio  and  incrementally  add  or  subtract  beta  accordingly.    In  a  portfolio  where  only  broad  based  liquid  indexes  are  used,  securities  and  allocations  should  be  preselected  in  a  way  to  systematically  increase  or  reduce  risk.    By  preselecting  betas  and  asset  allocation  for  robust  portfolio  performance  under  periods  of  extreme  market  duress,  the  portfolio  manager  has  a  higher  probability  of  avoiding  the  large  losses  seen  by  many  hedge  funds  as  well  as  creating  a  strategy  that  is  easier  for  investors  to  stick  with.    The  beta  of  the  S&P  Low  Volatility  index  is  .57  while  that  of  the  S&P  500  is  1  .  This  means  for  every  1%  the  S&P  500  moves,  the  Low  Volatility  index  moves  .57%,  on  a  daily  basis.    We  set  a  baseline  beta  to  be  that  of  the  S&P  Low  Volatility  index.    Thus,  any  incremental  increase  or  decrease  in  beta  from  this                                                                                                                            8  Roger  Lowenstein,  When  Genius  Failed:  The  Rise  and  Fall  of  Long-­‐Term  Capital  Management  (Random  House  Trade  Paperbacks,  2001).  9  Nassim  Nicholas  Taleb,  The  Black  Swan:  Second  Edition:  The  Impact  of  the  Highly  Improbable:  With  a  new  section:  "On  Robustness  and  Fragility  (Random  House  Trade  Paperbacks;  2  edition,  May  2010).   9    
  10. 10. starting  point  must  be  justified  and  should  be  done  in  a  very  controlled  way.    To  reduce  beta  we  incrementally  add  portions  of  the  Barclays  bond  aggregate  and  to  increase  beta  we  incrementally  add  portions  of  the  NASDAQ  index,  up  to  60%.    The  beta  of  the  Barclays  bond  aggregate  against  the  S&P  500  is  .17  with  a  .20  correlation  and  the  beta  of  the  NASDAQ  against  the  S&P  500  is  1.18  with  a  correlation  of  .9210.    Notice,  the  highest  beta  we  are  willing  to  accept  in  any  portion  of  our  portfolio  is  only  1.18  and  this  is  blended  with  an  index  with  a  beta  of  .57  bringing  the  overall  maximum  portfolio  beta  to  .814  (much  lower  than  the  S&P  500).    For  reference  the  S&P  High  Beta  index  has  a  beta  of  1.7  and  the  Oil  Service  Sector  index  has  a  beta  of  1.4711.  The  standard  deviation  of  the  S&P  Low  Volatility  index,  the  Barclays  Bond  Aggregate  index  and  the  NASDAQ  are,  11.37%,  2.86%  and  18.43%,  respectively.    By  systematically  controlling  the  beta  in  the  portfolio,  the  portfolio  manager  increases  the  probability  of  avoiding  extreme  losses,  enhancing  investors’  ability  to  stick  with  the  portfolio  during  extreme  conditions,  the  probability  or  repeatability  of  performance,  and  alpha.        Macro  Advantage:    Beta  timing  has  a  terrible  reputation  littered  with  high  frequency  trading  styles  and  massive  losses  but  let  us  be  clear,  any  type  of  portfolio  change  is  beta  timing.    The  decision  to  rebalance  a  portfolio,  sell  one  stock  and  buy  another,  or  implement  tactical  asset  allocation  are  all  decision  that  involve  changing  the  beta  mix  of  a  portfolio  and  are  therefore  market  timing.    As  discussed  above,  such  decisions  can  be  made  in  a  systematic  way  or  in  a  haphazard  way.      Even  indexes  perform  some  market  timing  when  they  rebalance  the  indices.    In  its  purest  form,  beta  timing  is  going  from  100%  in  the  S&P  500  to  100%  cash,  moving  beta  from  1  to  0;  any  other  portfolio  reconstruction  is  simply  the  same  thing  to  a  lesser  degree.        Macro  strategies  can  increase  alpha  while  reducing  risk  (See  Exhibit  8).    Macro  strategies  add  value  via  careful  beta  timing  and  controlling  risk  via  VaR  (Value  at  Risk)  methodologies  but,  as  discussed  above,  often  deploy  leverage  and  liberal  use  of  options.    The  power  of  Macro  strategies  are  found  in  deep  seeded  human  responses  and  tendencies  and  will  not  be  easily  arbitraged  away.    In  fact,  as  the  world  becomes  more  efficient  at  a  micro  (bottom-­‐up)  level,  the  world  has  become  increasingly  inefficient  at  the  macro  level  (top  down).    To  defend  this  point  famed  investor  Peter  Thiel  points  out  “in  the  last  30  years  we  have  had  more  boom/bust  cycles  than  in  the  history  of  the  stock  market.”    Even  in  the  face  of  less  efficient  markets  at  the  macro  level  investors  often  still  cling  to  passive  indexes.    This  behavior  creates  alpha  generating  opportunities  for  those  willing  and  capable  to  exploit  systematic  macro  factors.    Human  biases,  including  confirmation,  optimism,  loss  aversion,  the  planning  fallacy,  herding,  recency  bias,  cognitive  dissidence,  and  the  story  bias12,  all  create  unique  behavioral  economic  tendencies  that  cause  investors  to  make  forced  and  unforced  errors13.    These  errors  can  be  exploited  through  systematic  macroeconomic  models  and  because  they  are  deeply  ingrained  in  humanity  they  are  not  easily  arbitraged  away,  although  some  conceptually  offer  a  higher  probability  of  success  going  forward  than  others.    But  can  a  macro  strategy  add  beta  timing  value  to  index  funds?                                                                                                                                  10  Bill  Harding  and  Marta  Norton,  In  Practice:  A  New  Guardrail  Against  Risk,­‐practice-­‐a-­‐new-­‐guardrail-­‐against-­‐risk.htm  (February  2011).  11  Yahoo  Finance,  Market  Vectors  Oil  Services  ETF  (OIH),  (August  2012).  12  Barry  Ritholtz,  Investors  10  Most  Common  Mistakes,­‐10-­‐most-­‐common-­‐mistakes/  (July  2012).  13  Michael  m.  Pompain,  CFA,  Readings  7-­‐9  Portfolio  Management  Study  Session  Chapter  3  Level  III  CFA  Study  Material-­‐Behavioral  Finance,  Individual  Investors,  and  Institutional  Investors.       10    
  11. 11. There  is  a  good  deal  of  research  that  shows  very  simplistic  macro  overlays  are  effective  in  adding  value  to  a  buy  and  hold  index  strategy.    Beta  timing  indicators  shown  to  add  value  include  the  dividend  yield  of  the  S&P  50014,  the  P/E  1015,  Price  to  Peak  Earnings16,  P/E  10  adjusted  for  periods  of  high  and  low  liquidity17,  P/B18,  change  in  liquidity19,  volatility20  21,  and  momentum22.      In  addition,  our  research  shows  changes  in  credit  spreads  and  deterioration  in  industrial  economic  data  can  add  value  when  used  as  an  indicator  to  lower  beta.          Exhibit  8:    Comparison  HFRI  MACRO  Index  vs  S&P  500  (Source:    HFR)                                                                                                                              14  Ben  Stein  and  Phil  DeMuth,  Yes,  You  Can  Time  the  Market!  (Wiley,  April  2003).  15  Robert  Shiller,  Homepage  of  Robert  Shiller,  (August  2012).  16  John  P.  Hussman,  Should  Come  as  No  Shock  to  Anyone,  (November  2009).  17  Clarium  Capital,  A  Macro  Framework  for  Valuing  the  S&P  500­‐Macro-­‐Framework-­‐for-­‐Equity-­‐Valuation  (2009).  18  Goldman  Sachs,  “Global  Tactical  Asset  Allocation  (GTAA),”  Asset  Management  Primer  (2003).  19  Lubos  Pastor  and  Robert  F.  Stambaugh,  “Liquidity  Risk  and  Expected  Stock  Returns,”  National  Bureau  of  Economic  Research,  (September  2001).  20 Russell  Investments,  Viewpoint:  Volatility-­‐responsive  asset  allocation  (August  2011).  21  Goldman  Sachs,  “Global  Tactical  Asset  Allocation  (GTAA),”  Asset  Management  Primer  (2003).  22  Mebane  T.  Faber  and  Eric  W.  Richardson,  The  Ivy  Portfolio:  How  to  Invest  Like  the  Top  Endowments  and  Avoid  Bear  Markets  (Wiley,  April  2011).   11    
  12. 12. Our  firm  has  developed  a  macro  model  that  measures  rates  of  change  in  credit  spreads  and  industrial  economic  data.    Back  tested  to  1976  the  model  adds  alpha  and  reduces  volatility  while  keeping  turnover  at  bay.      Exhibit  9  shows  the  back-­‐tested  results  of  implementing  this  strategy  as  a  simple  beta  timing  approach,  literally  taking  beta  from  1  to  0.    The  strategy  is  either  fully  invested  in  the  S&P  500  or  in  money  market  starting  in  1976.    Over  the  36  year  period  this  macro  beta  timing  model  annualized  a  compound  growth  rate  of  10.55%  while  the  S&P  500  achieved  7.4%.      In  addition,  the  model  effectively  reduced  risk  and  did  so  with  only  9  roundtrip  trades  during  this  time.        Exhibit  9:    Macro  Timing  model  vs  S&P  500  growth  of  $1000        Using  a  macro  overlay  to  determine  the  appropriate  amount  of  beta  risk  to  take  given  market  conditions  this  model  adds  value  over  the  S&P  500  index  through  higher  returns  and  reduced  volatility.    Conceptually  it  makes  sense  an  index  weighting  portfolio  risk  according  to  indicators  of  market  risk  would  add  value  over  and  above  a  traditional  index.        Putting  it  All  Together:    This  paper  has  discussed  various  techniques  that  can  be  used  to  systematically  add  value  through  the  three  drivers  of  alpha.  But  when  used  together  the  results  are  even  more  impressive.          Our  optimal  strategy  mix  takes  the  “best  of”  all  three  drivers  of  alpha.    First,  we  take  advantage  of  systematic  security  selection  through  alpha  drivers  by  maintaining  a  60%  allocation  in  the  S&P  500  Low  Volatility  index.    This  position  has  the  added  advantage  of  keeping  turnover  low,  the  risk  of  a  portfolio   12    
  13. 13. blow  up  low,  and  establishes  a  low  beta  floor  from  which  beta  may  be  increased  or  decreased  accordingly.    Second,  we  take  advantage  of  beta  selection  by  pre-­‐establishing  allocation  percentages  and  beta  drivers.    Thirdly,  we  take  advantage  of  beta  timing  via  a  systematic  macro  approach  that  monitors  global  credit  spreads  and  changes  in  industrial  economic  data.    Exhibit  10  shows  the  results  of  combing  all  three  strategies  since  1991  (The  first  year  of  the  S&P  500  Low  Volatility  index.)    For  this  period  the  blended  strategy  delivered  a  15.22%  annualized  rate  of  return  versus  6.9%  for  the  S&P  500  with  only  three  roundtrip  trades  (above  an  annual  rebalancing  trade).        Exhibit  10:  Blended  Strategy  vs  S&P  500           BLENDED S&P 500 STRATEGY MAX DRAW DOWN 56.78% 29.83% STANDARD DEV 17.63% 14.03% SHARP RATIO 0.23 0.74 SORTINO RATIO 0.28 1.34 *assumes a risk free return of 3%       13    
  14. 14.      For  allocation  constrained  portfolios  our  research  shows  that  using  the  beta  timing  model  discussed  above  to  shift  beta  within  asset  classes  also  generated  alpha  while  lowering  volatility.    The  degree  of  outperformance  and  change  in  volatility  from  the  original  benchmark  depends  on  how  aggressive  of  a  shift  is  made  which  is  an  individual  preference.    For  instance,  following  the  technique  described  in  our  beta  timing  section  above  to  increase  or  eliminate  exposure  to  high  yield  bonds  within  a  fully  invested  bond  allocation  added  alpha.    Likewise,  shifting  from  the  S&P  500  to  the  S&P  500  Low  Volatility  considerably  reduced  volatility  and  generated  alpha  while  remaining  fully  invested  (See  Exhibit  10).    Even  within  sub  asset  classes,  like  small  cap  stocks  or  emerging  markets,  throttling  between  a  passive  index  and  the  corresponding  low  volatility  index  increased  returns  and  limited  downside.    Exhibit  10:  S&P  500  to  S&P  500  Low  Volatility  Index  vs  S&P  500     9000 8000 7000 S&P 500 to 6000 S&P 500 Low Volatility Index 5000 S&P 500 4000 3000 2000 1000 0 11/19/1990 11/19/1991 11/19/1992 11/19/1993 11/19/1995 11/19/1996 11/19/1997 11/19/1998 11/19/1999 11/19/2000 11/19/2001 11/19/2002 11/19/2003 11/19/2005 11/19/2006 11/19/2007 11/19/2008 11/19/2009 11/19/2010 11/19/2011 11/19/1994 11/19/2004  Discussion:    Discussed  above  are  a  multitude  of  investment  strategies  to  add  value  beyond  standard  indexing.    Our  firm  uses  two  basic  strategies  depending  on  an  individuals’  risk  tolerance  and  portfolio  constraints.    For  clients  that  desire  no  active  management  of  any  kind  we  deploy  a  multi-­‐asset  allocation,  following  the  endowment  strategy,  while  targeting  low  volatility  within  each  asset  class.    To  the  degree  we  are  free  to  do  so  we  adjust  allocations  in-­‐line  with  our  macro  model.    For  clients  that  seek  active  management  we  deploy  the  blended  strategy  as  discussed  above.         14    
  15. 15. For  both  of  these  strategies  there  is  a  clear  value  proposition.      By  avoiding  an  incentive  fee,  charging  a  very  low  management  fee  and  utilizing  index  funds  we  are  able  to  pass  alpha  gains  along  to  the  client.    This  allows  us  to  avoid  the  use  of  leverage,  options,  or  deployment  of  high  beta  strategies  that  we  are  inherently  risky.        The  value  proposition  for  the  investor  is  further  enhanced  in  that  all  of  our  work  focuses  on  robust  (long-­‐term)  strategies  versus  the  best  performing  (short-­‐term).    For  instance,  none  of  the  macro  indicators  analyzed  were  chosen  because  of  the  numbers  rather  they  were  chosen  for  their  qualitative  attributes  and  then  tested  for  our  strategy.    Similarly,  allocation  percentages  were  not  chosen  to  optimize  returns  they  were  selected  with  the  aim  of  keeping  risk  within  reason.    Indexes  that  were  chosen  are  very  liquid,  stable,  and  general  (no  specialized  indexes).    Finally,  everything  is  broken  down  in  a  systematic  fashion.    By  not  over-­‐optimizing  everything  our  model  is  highly  prepared  for  the  uncertainty  of  the  future.    As  a  final  point,  the  strategies  discussed  in  this  paper  flip  the  investment  model  on  its  head.    Instead  of  trying  to  price  stocks  or  the  market  itself,  our  blended  strategy  prices  risk  both  at  the  security  level  and  at  the  macro  level.    If  anything,  our  research  indicates  investors  routinely  take  too  much  risk.    They  take  too  much  risk  picking  stocks  which  is  why  low  volatility  strategies  outperform  the  CAPM  predicts  and  they  take  too  much  risk  even  when  macro  risks  are  increasing.    This  is  why  our  macro  model  reduces  downside  volatility  and  generates  alpha.    Investors  also  take  too  much  risk  when  developing  their  investment  strategy  in  that  they  deploy  strategies  with  little  concern  for  beta  or  how  the  portfolio  will  be  under  extreme  circumstances.    Investors  have  a  seemingly  infinite  amount  of  choices  about  how  to  invest  their  hard  earned  dollars  yet  many  of  them  continue  to  invest  in  strategies  that  offer  a  weak  value  proposition.    This  paper  lays  out  a  strategy  where  the  value  proposition  is  re-­‐established.      By  embracing  a  hybrid  model  of  portfolio  management  investors  can  gain  the  best  of  indexing  and  macro  hedge  fund  models  while  alleviating  some  of  the  biggest  problems.    The  hybrid  portfolio  discussed  in  this  paper  offers  liquidity,  low  cost,  low  turnover,  risk  reduction,  improved  alpha  and  a  better  alignment  of  portfolio  risk  and  macro-­‐economic  risks.           15