Smart beta asset allocation strategy has become a compromise between the investor’s reluctance to involve an active manager and understanding that simply following a market index whether it goes up or down is not effective. Although the term "smart beta" was introduced by a major investment consultant - Tower Watson in 2008-2009, the idea of <200b><200b>creating alternative systematic investment indices to "beat" a particular market without getting active managers involved, is not new. "Smart beta" is a fairly transparent set of systematic strategies built on purely quantitative methods.

Initially, for the first-generation indices, so-called "smart beta" 1.0 strategies, it all simply boiled down to the alternative assets-weighing approach i.e. finding weights that are not determined just by market capitalization or asset prices. These indices include the types of asset portfolios with equal weights (equal-weight indices) and weighted by book value (example of fundamental indices) as well as portfolios with minimal variation (Minimal Variance). Now, there are ETFs (Exchange Traded Funds) replicating such portfolios and providing access to "smart beta" strategies, for each of these types. The main advantage of "smart beta" 1.0 is its intuitiveness, easy to build approach and logical explanation of their inherent additional profitability.

For example, the equal-weight indices are not negatively affected by the apparent concentration of "overvalued" shares. In a market-weighted index shares, rising in price automatically gain more weight, while a share price fall leads to a decrease in its weight in the index. This creates a systematic bias in favor of expansive stocks, hence, leading to a lower future return in the long run. At the same time, the overvalued and undervalued shares in equal weight index, enter with the same weights and the pricing effects are gradually self-reducing, trending to zero.

It may seem that such ETFs are just passive trackers of the "smart" index. No need to fool ourselves - once the weights of the index are not determined by the market capitalization of the assets, the maintenance process of such "passive" "smart" indices requires an active rebalancing. Hence, passive trackers of smart indices turn out to be active. Investing in such indices and keeping them is an actively rebalanced portfolio.

It may also seem that shifting away from a market-weighted index,to automatically re-balanced portfolio, is simply equivalent to the inclusion of other portfolio optimization factors that can lead to long-term profitability. As these factors may lose efficiency , others would appear with the additional profitability associated with them. This seems to be the key ingredient of new beta’s “smartness". This judgement is logical. But the reality turns out not to be so simple. If we analyse the strategies of "smart beta" in terms of their replication by factors (3 factors of Fama-French and the momentum factor), then interesting facts are revealed:

  1. Factor replication earns less, but contains more risk.
  2. Factor replication leads to more expensive trading than for the "smart" index itself. This is due to the more frequent and expensive rebalancing of factor replicas, which are translated into the trading costs that are ten times higher (for a fundamental index 20-30 times) for replicas than for the "smart" indices themselves.
  3. "Smart" indices can handle more capital allocation than their factor replications.
  4. And finally, the replicas are simply worse in doing what "smart" indices are trying to achieve. For example, the replica of the minimal-variation index has the same volatility level as the market itself, even higher, defying the whole idea of such index.
Replicas of the fundamental and balanced indices show a negative yield relative to the benchmark twice as often and for twice as long periods of time.

Generally speaking, it turns out that "smart" indices add profitability and are useful in allocating capital. They, in fact, turn the previously unexplained alpha into an alternative beta. For a relatively small amount of money spent on rebalancing, we receive something that used to be mysterious and cost a lot of money, in a transparent and liquid form.

There is also an obvious risk, of course. Lee and West in 2017 analysed the yield of 125 ETF on US equities issued on "smart" indices, and compared them with the forecasted and theoretical historical yield of the respective indices. Prior to the product release, all smart indices "beat" their market benchmarks, especially at the time horizons of 6 months and 3 years preceding the actual launch of the products. And after the launch, as the thoughtful reader can already guess, investors eventually get somewhat disappointed. The worst result shown by 25% from the list of ETF’s delivered negative profitability against the benchmark (-1-1.5% against the expected + 0.8%), and the best 25% showed an additional yield of 2-3%, against the expected + 5% over the benchmark. In short, it turned out that "smart" indices in reality are worse than their forecasted theoretical returns by about 2%. At the same time, they are still better than the benchmark, but on average not by the desired 2.5%, but somewhere around + 0.5-1%. As a result, it turns out that it makes sense to use liquid investment products based on "smart" indices. But we don’t expect any miracles.

Why do "smart" indices become "not so smart", when they are implemented? There are two main reasons. First, "smart" systems regularly underestimate the transaction costs. Secondly, as "smart" indices are systematic products, there parameters, are one way or another, adjusted to the good historical track record, which changes over time. Hence, the main task of the "smart" indices science is to determine when it is statistically possible to expect a repeatable yield from trading systems with multiple filters and signals.

Putting it all together, it seems useful to rely on "smart" indices, at least for the partial allocation of capital through allocation to passive trackers. There’re no management costs we can still capture some of the systematic positive effects for which we previously needed expensive managers.

Стиль выбора активов, называемый «smart beta», стал своеобразным компромисом между нежеланием вовлекать активного управляющего и пониманием, что просто следовать рыночному индексу не так уж и эффективно. Хотя термин «smart beta» был введен крупным инвестиционным консультантом - компанией Tower Watson в 2008-2009 годах, идею создания альтернативных систематических инвестиционных индексов чтобы «бить» конкретный рынок без привлчения активных менеджеров, новой назвать нельзя. В нынешнем понимании, «smart beta» – это систематичекие стратегии, которые построены на чисто количественных методах и при этом достаточно прозрачны. Например, равновзвешанные индексы не страдают от явной концентрации «перегретых» акций. В рыночно-взвешенном индексе растущие акции автоматически получают больше веса, в то время как падение цены акции приводит к уменьшению ее веса в рыночном портфеле. Таким образом создается систематический уклон в пользу спекулятивных акций, приводящий в долгосрочной перспективе к пониженной доходности. В тоже время в равновзвешенный индекс переоцененные и недооценненные акции входят с одинаковыми весами и ошибки ценообразования примерно сокращаются, самоусредняясь в ноль.

Например, равновзвешанные индексы не страдают от явной концентрации «перегретых» акций. В рыночно-взвешенном индексе растущие акции автоматически получают больше веса, в то время как падение цены акции приводит к уменьшению ее веса в рыночном портфеле. Таким образом создается систематический уклон в пользу спекулятивных акций, приводящий в долгосрочной перспективе к пониженной доходности. В тоже время в равновзвешенный индекс переоцененные и недооценненные акции входят с одинаковыми весами и ошибки ценообразования примерно сокращаются, самоусредняясь в ноль.

На первом этапе, для так-называемых стратегий «smart beta» 1.0, индексов первого поколения, все сводилось просто к альтернативному взвешиванию активов, т.е. нахождению весов, которые не определяются просто капитализацией, или ценой, активов. К индексам «smart beta» 1.0 можно отнести портфели активов с равными весами (equal-weight indices), портфели активов, взвешанных по book value (пример фундаментальных индексов) и портфелей с минимальной вариацией (Minimal Variance). Для каждого из этих типов теперь существуют ETF (Exchange Traded Funds) реплицирующие такие портфели и предоставляющие доступ к этой «умной бете».

Может показаться, что такие ETF – просто пассивные тракеры, но не рыночного портфеля (индекса), а специально устроенного «умного» индекса. Но тут обманывать себя не надо: как только веса индекса не определяются рыночной капитализацией активов, при поддержании таких «пассивных» «умных» индексов требуется активно торговать. Так что пассивные тракеры «умных» индексов на самом деле активны. Войти в такие индексы и держать их – это активное торговое решение.

Может также показаться, что уход от взвешенного по рынку индекса, при котором автоматически появляется динамика и перевзвешивание это просто эквивалентен включению других факторов, способных приводить к долгосрочной доходности. Ушли от рынка, появились другие факторы, пришла связанная с ними дополнительная доходность – вот и вся «умность» новой бэты. Логично и ожидаемо. Но оказывается все не так просто.

Если проанализировать стратегии «умной беты» на предмет их репликации факторами (3 фактора Фамы-Френча и фактор момента), то выясняются интересные факты:

  1. Факторные реплики зарабатывают меньше, а содержат риска больше.
  2. Факторные реплики приводят к более дорогому трейдингу, чем для самого индекса. Связано это с более частым и дорогим ребалансированием факторных реплик, которое транслируется в торговые издержки в десятки раз больше (для фундаментального индекса в 20-30 раз при размере $10 млрд) для реплик, чем для самих индексов.
  3. «Умные» индексы способны в разы больше загрузить в себя капитала, чем их факторные реплики
  4. Ну и наконец, реплики просто хуже в тем, что «умные» индексы пытаются достичь. Например, реплика мин-вариационный индекса имеет волатильность как у самого рынка, а то и выше.
Реплики фундаментального и равновзвешенного индексов показывают отрицательную доходность по отношению к бенчмарку в два раза чаще, и длятся такие периоды почти в два раза длиннее.

Часть объяснения такого разительного отличия реплик от индексов в том, что реплики просто не похожи на сами индексы. Когда мы пытаемся просто свести «умность» индексов к добавлению к рынку различных дополнительных (заметим, разумных) факторов, то мы все ухудшаем, удорожаем, и уменьшаем глубину, достигая ровно противополжного эффекта, которого пытаются добиться обычно при репликации фондов.

В общем, так получается что «умные» индексы добавляют доходности и полезны при аллокации капитала. Они, по сути, превращают ранее не объясненную альфу в альтернативную бету. За сравнительно небольшие деньги получили в прозрачной и ликвидной форме, то что раньше называлось мастерством, было таинственным, и стоило много денег. Конечно, есть и очевидный риск. Ли и Вест в 2017 году проанализировали доходности 125 ETF на акции США, выпущенных на «умные» индексы, и сравнили их с обещанной и теоретической исторической доходностью соответствующих индексов. До выпуска продуктов все индексы «били» свои рыночные бенчмарки, причем особенно сильно на горизонтах 6 месяцев и 3 года до физического запуска продуктов. А после запуска, как уже может догадаться вдумчивый читатель, инвесторы оказались разочарованы. Так худшие 25% из списка ETF просто показали отрицательную доходность по отношению к бенчмарку (-1-1.5% при ожидавшейся +0.8%), а лучшие 25% показали дополнительную доходность на уровне 2-3% при ожидаемой +5% над бенчмарком. Короче, «в среднем по больнинице» получилось, что «умные» индексы в реальной жизни хуже своих обещанных теоретической историей доходностей примерно на 2%. При этом они все равно лучше чем бенчмарк, но в среднем не на желанных 2.5%, а где то +0.5-1%. В итоге, получается, что имеет смысл приглядеться к ликвидным инвестиционным продуктам на «умные» индексы, можно их использовать. Но чудес ждать не надо.

Почему «умные» индексы «глупеют», когда встречаются с реальной жизнью? Есть две основных причины. Во-первых, «умные» системы регулярно недооценивают транзакционные издержки и поэтому, в частности, отстают от своих «нарисованных» доходностей. Во-вторых, потому что «умные» индексы – систематические, в системах есть параметры, и эти параметры, так или иначе, подгоняются под хороший исторический трек-рекорд. Так что основная задача в науке об «умных» индеках – это определить когда статистически можно ожидать повторимой доходности от торговых систем с многочисленными фильтрами и сигналами.

Собирая все вместе, кажется неразумным не использовать «умные» индексы хотя бы для частичной аллокации капитала за счет аллокации в пассивные тракеры. Менеджерам можно не платить, а часть систематических эффектов, для эксплуатации которых нам раньше требовались менеджеры, мы все таки капитализируем.