戦略構築の手法

手法の 4 つの柱

1. シグナルの生成
   • 機会に応じたアロケーションのため、ファクター・データで学習させた機械学習（ML）モデルによって主要なアロケーション・シグナルを生成
   • 過学習を排除するため、学習期間、検証期間、アウトオブサンプル期間を明確に区分
2. リスクの最適化
   • アロケーションを原資産の市場価格サイクルに整合させる
   • 結果として得られる少なくとも 1:3 のリスク・リワードと、最長 30 日の保有期間が、アロケーション時点でのガードレールとなる
3. アロケーションの上限
   • 資産へのウェイト配分は、資産、セクター、グループ全体の上限制約を遵守するように行う
   • リバランスの上限を適用して最終的なアロケーションを市場の流動性に整合させ、戦略を執行可能なものにする
4. ポートフォリオ構築
   • 各戦略はマーコウィッツ・モデルに基づき、流動性の高い先物限月を組み入れて構築
   • 分散とカーブ全体にわたるアロケーションを適用することで、独立したリターン・ストリームを強化

まとめると、AiLA は、無相関のリターンを伴うアルファの創出に向けて、差別化された戦略構築アプローチを採用しています

概要

背景

AILA の戦略は、次の 3 つの種類に分類できます。

1. 季節性戦略
2. イベント・ドリブン戦略
3. トレード・フロー戦略

これらの戦略を分解し、次の点を確認しました。

• 特定のファクターとの強い相関があるか
• 単一または一連のファクターで、アルファの大部分を説明できるか
• アルファは、これら 14 のファクターでは説明できない真の残差であるか

分析の対象とした戦略

1. AILAS002: 欧州電力・ガス戦略
2. AILAF010: 分散型コモディティ戦略
3. AILAF012: イベント・ドリブン型の分散コモディティ戦略
4. AILAS043: 農産物戦略：穀物、油糧種子、ソフト
5. AILAS066: ベースメタル戦略

回帰の手法

各戦略のリターン・ストリームとファクターのリターン・ストリームについて、多変量回帰と相関の分析を行いました。

評価では合計 14 のファクターを考慮しました。

ファクター分解

• この戦略は、考慮した 14 のファクターのすべてと無相関であり、ここで考慮した 14 のファクターでは説明できない残差アルファを持つことを示しています
• 統計的に有意な主要ファクターは、バックワーデーションと欧州電力ベータです

• この戦略は、考慮した 14 のファクターのすべてと無相関であり、ここで考慮した 14 のファクターでは説明できない残差アルファを持つことを示しています
• 統計的に有意な主要ファクターは、バックワーデーション、バリュー、貴金属ベータ、ソフト・ベータ、石油ベータです

• この戦略は、考慮した 14 のファクターのすべてと無相関であり、ここで考慮した 14 のファクターでは説明できない残差アルファを持つことを示しています
• 統計的に有意な主要ファクターは、カーブ・キャリー、トレンド、ボラティリティ・キャリー、コモディティ・ベータ、欧州電力ベータ、石油ベータです

• この戦略は、考慮した 14 のファクターのすべてと無相関であり、ここで考慮した 14 のファクターでは説明できない残差アルファを持つことを示しています
• 統計的に有意な主要ファクターは、バックワーデーション、ボラティリティ・キャリー、コモディティ・ベータ、ソフト・ベータ、穀物／油糧種子ベータです

• この戦略は、考慮した 14 のファクターのすべてと無相関であり、ここで考慮した 14 のファクターでは説明できない残差アルファを持つことを示しています
• 統計的に有意な主要ファクターは、トレンド、ボラティリティ・キャリー、ベースメタル・ベータです

結論

• これらの戦略と標準ファクターとの間には、相関がほとんどありません。
• ベースメタル戦略と農産物戦略は、それぞれのセクター・ファクターとわずかな正の相関を示しています。

• F012 戦略は、市場が急に調整する局面でパフォーマンスを上げることが想定されているため、設計どおり、大半のファクターと負の相関を持っています。
• ハイライトしたファクターは、対象の戦略に対して統計的に有意なものを示しています。