Leveraged and inverse ETF performance during the financial crisis
Notice bibliographique
Résumé
Purpose Leveraged and inverse ETFs (hereafter leveraged ETFs) have received much press coverage of late due to issues with their performance. Managers and the media have focused investors' attention on the impact of compounding, when the funds are held for more than one day. The aim of this paper is to lay out a framework for assessing the performance of leveraged ETFs. Design/methodology/approach The authors propose a simple way to disentangle the effect of compounding and that of the management of the fund and the trading premiums/discounts, all of which affect investors' bottom line. The former is influenced by the effectiveness and the costs of the manager's (synthetic) replication strategy and the use of leverage. The latter reflects liquidity and the efficiency of the market. Findings The paper finds that tracking errors were not caused by the effects of compounding alone. Depending on the fund, the impact of management factors can outweigh the impact of compounding, and substantial premiums/discounts caused by reduced liquidity during the financial crisis further distorted performance. Originality/value The authors propose a framework for practitioners to evaluate the performance of leveraged ETFs. This framework highlights a very topical issue, that of the impact of synthetic replication, which all leveraged ETFs use. Financial regulators such as the SEC and the Financial Stability Board have all taken issue with synthetically replicated ETFs. In leveraged ETFs, this issue is masked by the effects of compounding. The framework the authors propose allows investors to disentangle the two effects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».