Seberapa Sering Portofolio Faktor Harus Di-rebalancing?
Anda telah membangun strategi momentum yang menunjukkan Sharpe ratio yang menarik dalam backtest. Sinyal diperbarui setiap bulan, jadi Anda melakukan rebalancing bulanan. Tapi haruskah demikian? Bagaimana jika rebalancing mingguan menangkap lebih banyak alpha? Atau bagaimana jika rebalancing kuartalan hampir tidak mengorbankan return sambil memotong biaya trading hingga setengahnya? Pertanyaan tentang frekuensi rebalancing terletak di persimpangan antara peluruhan sinyal, turnover, dan biaya transaksi -- dan jawabannya lebih penting dari yang disadari kebanyakan investor.
Novy-Marx dan Velikov (2016) menangani pertanyaan ini secara langsung dalam studi komprehensif mereka tentang biaya trading anomali. Temuan mereka mengejutkan: untuk banyak strategi faktor yang terkenal, alpha bruto yang muncul dalam makalah akademis sebagian besar atau seluruhnya dikonsumsi oleh biaya transaksi yang diperlukan untuk mempertahankan portofolio. Pilihan frekuensi rebalancing bukan detail implementasi yang sepele. Ini adalah penentu utama apakah suatu strategi benar-benar menghasilkan uang.
Pajak Turnover pada Strategi Faktor
Setiap event rebalancing menghasilkan turnover. Saham masuk dan keluar dari portofolio, ukuran posisi bergeser, dan setiap transaksi menimbulkan biaya -- komisi, bid-ask spread, dan market impact. Total biaya meningkat seiring frekuensi rebalancing dan jumlah turnover per rebalancing.
Novy-Marx dan Velikov meneliti taksonomi luas dari 23 anomali yang didokumentasikan dalam literatur akademis dan memperkirakan return bersih setelah biaya menggunakan pengukuran effective spread dari Hasbrouck (2009). Temuan sentral mereka: banyak anomali yang tampak sangat menguntungkan secara bruto menjadi marginal atau tidak menguntungkan setelah biaya trading realistis dikurangkan. Anomali berumur pendek -- yang memerlukan rebalancing sering untuk dieksploitasi -- terkena dampak paling besar karena turnover tinggi mereka mengalikan biaya per-transaksi di banyak siklus rebalancing.
Mekanismenya langsung. Jika sebuah strategi memerlukan turnover tahunan 200% dan menimbulkan biaya satu arah 50 basis poin per transaksi, beban biaya tahunan adalah 2 x 0,50% = 2,00% dari nilai portofolio. Untuk strategi dengan alpha bruto 3%, ini menyisakan hanya 1% secara bersih -- dan itu sebelum memperhitungkan tracking error, implementation shortfall, atau kesalahan estimasi dalam alpha itu sendiri.
Frekuensi Rebalancing dan Alpha Bersih: Trade-Off
Hubungan antara frekuensi rebalancing dan kinerja bersih tidak linier. Rebalancing yang lebih sering menangkap lebih banyak sinyal mentah tetapi menimbulkan biaya yang secara proporsional lebih tinggi. Rebalancing yang kurang sering mengurangi biaya tetapi membiarkan portofolio menyimpang dari target, menyebabkan peluruhan alpha.
Tabel berikut mengilustrasikan trade-off untuk strategi faktor yang distilasi dengan berbagai frekuensi rebalancing, berdasarkan pola yang didokumentasikan oleh Novy-Marx dan Velikov (2016):
| Frekuensi Rebalancing | Turnover Tahunan | Alpha Bruto (perkiraan) | Estimasi Biaya Trading | Alpha Bersih (perkiraan) |
|---|---|---|---|---|
| Mingguan | 400-600% | 5,0% | 4,0-5,0% | 0,0-1,0% |
| Bulanan | 150-250% | 4,5% | 1,5-2,5% | 2,0-3,0% |
| Kuartalan | 80-120% | 3,5% | 0,8-1,2% | 2,3-2,7% |
| Semi-tahunan | 50-70% | 2,8% | 0,5-0,7% | 2,1-2,3% |
| Tahunan | 30-50% | 2,0% | 0,3-0,5% | 1,5-1,7% |
Polanya jelas. Rebalancing mingguan menangkap alpha bruto paling banyak tetapi menghasilkan turnover yang sangat besar sehingga return bersih bisa mendekati nol. Rebalancing kuartalan sering muncul sebagai titik optimal untuk banyak strategi faktor ekuitas -- menangkap porsi substansial dari alpha bruto sambil menjaga turnover tetap terkendali. Frekuensi optimal bergantung pada seberapa cepat sinyal yang mendasari meluruh dan seberapa mahal biaya untuk memperdagangkan sekuritas yang relevan.
Tidak Semua Anomali Sama
Wawasan kritis dari karya Novy-Marx dan Velikov adalah bahwa anomali berbeda secara dramatis dalam sensitivitasnya terhadap biaya trading. Mereka mengelompokkan anomali ke dalam tiga kategori berdasarkan biaya implementasi:
Anomali berbiaya rendah seperti gross profitability dan return on assets melibatkan turnover rendah karena karakteristik perusahaan yang mendasarinya berubah secara perlahan. Strategi ini dapat di-rebalancing jarang -- tahunan atau semi-tahunan -- dengan kehilangan sinyal minimal. Alpha bersih mereka tetap signifikan secara ekonomi bahkan setelah memperhitungkan biaya trading.
Anomali berbiaya menengah seperti momentum dan earnings surprises memerlukan rebalancing yang lebih sering karena sinyal meluruh dalam hitungan bulan. Mereka menghasilkan turnover moderat, dan profitabilitas bersih mereka sensitif terhadap frekuensi rebalancing yang dipilih dan kualitas eksekusi. Teknik mitigasi biaya sederhana -- seperti menggunakan rentang spread buy/hold daripada cutoff keras -- dapat mempertahankan sebagian besar alpha bersih.
Anomali berbiaya tinggi termasuk short-term reversals dan sinyal microstructure tertentu menuntut trading yang hampir terus-menerus. Turnover-nya ekstrem, dan biaya transaksi mengonsumsi hampir seluruh return bruto. Strategi ini umumnya hanya layak untuk investor dengan akses pasar langsung dan biaya eksekusi serendah mungkin.
DeMiguel, Martin-Utrera, Nogales, dan Uppal (2020) memperluas lini penelitian ini dengan menunjukkan bahwa optimisasi portofolio dengan penalti turnover -- yang secara eksplisit memasukkan biaya trading ke dalam fungsi tujuan -- dapat secara substansial meningkatkan Sharpe ratio bersih relatif terhadap aturan rebalancing naif.
Mitigasi Biaya Praktis
Novy-Marx dan Velikov mengusulkan beberapa strategi praktis untuk mengurangi pajak turnover tanpa meninggalkan eksposur faktor:
Band rebalancing yang lebih lebar. Alih-alih melakukan rebalancing ke portofolio target yang tepat setiap periode, gunakan band toleransi. Sebuah saham tetap dalam portofolio sampai ia menyimpang cukup jauh dari ambang batas target. Pendekatan ini saja dapat mengurangi turnover sebesar 30-50% dengan peluruhan alpha yang minimal.
Rebalancing yang lebih jarang. Untuk anomali dengan peluruhan sinyal yang lambat, cukup melakukan trading lebih jarang merupakan pengungkit pengurangan biaya yang paling efektif. Beralih dari rebalancing bulanan ke kuartalan sering mempertahankan 70-80% alpha bruto sambil memotong biaya hingga setengah atau lebih.
Kesabaran dalam eksekusi. Menyebarkan transaksi selama beberapa hari mengurangi market impact, terutama untuk nama-nama yang kurang likuid. Penghematan biaya dari eksekusi yang sabar dapat menambahkan 50-100 basis poin return bersih tahunan untuk strategi yang dibatasi kapasitas.
Strategi mitigasi ini bukan sekadar keingintahuan teoretis. Mereka merepresentasikan perbedaan antara strategi yang bertahan saat berhadapan dengan pasar nyata dan strategi yang tidak.
Implikasi untuk Investasi Faktor
Pertanyaan frekuensi rebalancing memiliki implikasi langsung terhadap bagaimana investor harus mengevaluasi strategi faktor dan produk yang dibangun di atasnya. Produk investasi faktor yang melakukan rebalancing bulanan tidak selalu lebih unggul dari yang melakukan rebalancing kuartalan, bahkan jika versi bulanan menangkap alpha bruto yang sedikit lebih tinggi. Return bersih -- setelah semua biaya turnover, manajemen tracking error, dan eksekusi -- itulah yang penting.
Bagi praktisi yang membangun portofolio faktor, pesan dari penelitian ini jelas: mulailah dengan model biaya yang realistis, pilih frekuensi rebalancing yang memaksimalkan alpha bersih (bukan bruto), dan tanamkan kesadaran biaya ke setiap tahap konstruksi portofolio. Biaya tersembunyi rebalancing hanya tersembunyi jika Anda memilih untuk tidak melihat.
Referensi
- Novy-Marx, R., & Velikov, M. (2016). "A Taxonomy of Anomalies and Their Trading Costs." Review of Financial Studies, 29(1), 104-147. https://doi.org/10.1093/rfs/hhv063
- Hasbrouck, J. (2009). "Trading Costs and Returns for U.S. Equities: Estimating Effective Costs from Daily Data." Journal of Finance, 64(3), 1445-1477. https://doi.org/10.1111/j.1540-6261.2009.01469.x
- DeMiguel, V., Martin-Utrera, A., Nogales, F. J., & Uppal, R. (2020). "A Transaction-Cost Perspective on the Multitude of Firm Characteristics." Review of Financial Studies, 33(5), 2180-2222. https://doi.org/10.1093/rfs/hhz137