Understanding leveraged ETFs’ compounding effect
Notice bibliographique
Résumé
Purpose Prior literature has shown that, theoretically, holding-period returns of a leveraged exchange-traded fund (LETF) are generally negatively affected by the volatility of the underlying benchmark’s daily returns, particularly for long holding periods. However, recent empirical studies simulate LETFs’ returns using historical benchmark returns and report results that are not entirely consistent with the theoretical predictions, leading to the possibility that the distribution of real-world returns may have certain characteristics that influence the outcomes. In this paper, the authors examine how asymmetric volatility affects LETFs’ performance and provide detailed explanations for the behavior of the performance of LETFs under different market conditions. Design/methodology/approach The authors conduct simulation analyses on a +3x LETF and a −3x LETF based on historical S&P 500 stock index returns, with asymmetric volatility incorporated into the model. Findings By incorporating the asymmetric volatility effect, the simulation results suggest that, contrary to the theoretical predictions, higher volatility does not always lead to more negative impact on LETFs’ performance. Rather, the performance depends on the market conditions under which high volatility occurs. The findings therefore help reconcile prior theoretical predictions with reported empirical findings. Originality/value The analysis adds to the literature by incorporating the asymmetric volatility effect of stock returns in studying LETFs’ performance. The authors also provide detailed explanations for the behavior of LETFs’ returns and compounding effect under different market conditions, thus providing contexts to prior empirical results.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».