Metodologie di analisi delle performance degli hedge fund prima e durante la crisi finanziaria

Considerando circa settanta regressioni, con l'analisi delle componenti principali abbiamo individuato tredici fattori in grado di rappresentare al meglio la variabilità e la covarianza presente nel campione degli excess return delle asset class utilizzate, dal periodo gennaio 2003 a dicembre 2007.
Ognuna di queste componenti è in grado di fornire un discreto contributo delle asset class che rappresenta, in quanto, il software SAS restituisce, per il periodo esaminato, dei fattori ben definiti.

Le componenti principali individuate spiegano i seguenti mercati:
- La prima componente rappresentativa del mercato azionario mondiale;
- Seconda componente rappresentativa dei mercato azionario settoriale;
- Terza componente rappresentativa del mercato obbligazionario;
- Quarta componente rappresentativa dei tassi di interesse a breve termine americani ed europei;
- Quinta componente rappresentativa dei tassi di interesse di medio / lungo periodo del mercato europeo;
- Sesta componente rappresentativa degli indici sulle commodity;
- Settima componente rappresentativa degli indici di volatilità;
- Ottava componente rappresentativa dei tassi di total net return Growth e Value del mercato europeo;
- Nona componente rappresentativa dei tassi di total net return Growth e Value del mercato Far East;
- Decima componente rappresentativa del tasso della commodity Livestock;
- Undicesima componente rappresentativa ai tassi di interessi di medio / lungo periodo americani;
- Dodicesima componente rappresentativa del mercato dell'energia;
- Tredicesima componente rappresentativa alle società small capital.

Si è scelto di tenere tale numero di componenti principali per il grado di informazione offerta dal numero di fattori selezionati, infatti i tredici fattori rappresentano il 90,32% della varianza totale.

Dopo aver ruotato i fattori tramite il metodo VARIMAX, ovvero un metodo che ha come obiettivo la minimizzazione del numero di variabili che possiedono saturazioni elevate per ciascun fattore, è possibile ottenere lo schema dove per ogni componente è indicata la varianza spiegata corrispondente.
Anche in questo caso vediamo come la significatività statistica del test F non è dimostrata nella maggior parte delle strategie: soltanto tre, contro le cinque del metodo di Sharpe (1992) hanno un p – value minore rispetto il livello di significatività.
Nonostante la bassa significatività, tale metodologia è ritenuta più precisa perché sintetizza il contributo informativo di settanta regressori in tredici fattori. Si risolve il problema della multicollinearità per il fatto che le variabili esplicative non sono tra loro correlate come avveniva nell'analisi proposta da Sharpe (1992).

Inoltre il fatto che il test F non sia statisticamente significativo nella maggior parte delle strategie indica che il problema non è la metodologia con il quale si lavora ma la dinamicità delle strategie degli hedge fund, essendo totalmente diverse da quelle impiegate dalle asset class utilizzate (Fung e Hsieh, 1997).
Inoltre, nel loro paper Fung e Hsieh propongono un'altra applicazione delle componenti principali, ovvero trovare le comunalità non tra i regressori ma tra le strategie di hedge fund (spiegato nel capitolo sei).
Leggendo i risultati della loro analisi ci rendiamo infatti conto che si otterrebbero dei risultati più significativi; tuttavia, nel nostro caso non è stato possibile applicare la loro metodologia per il fatto che sarebbe necessario possedere le performance dei singoli fondi hedge anziché gli indici rappresentativi delle strategie (unici dati disponibili in nostro possesso per la nostra analisi).