مطالبات دولتی به عنوان سیگنال بورس سهام

تهیه عمومی فرایند خرید کالا ، خدمات یا کار توسط بخش دولتی از بخش خصوصی است. براساس بانک جهانی ، تهیه عمومی به طور متوسط تقریباً 20 ٪ از تولید ناخالص داخلی در سطح جهان را نشان می دهد.

داده های پیمانکاری دولت جهانی از طریق Open: Factset Marketplace جوایز قرارداد را در بیش از 40 کشور (از جمله آمریکای شمالی ، اتحادیه اروپا ، APAC) نظارت می کند و از سال 2010 نزدیک به 15 تریلیون دلار هزینه دولت را به خود اختصاص می دهد (شکل 1). براساس این بانک اطلاعاتی ، نزدیک به 40 ٪ از قراردادهای کشورهای توسعه یافته به کمتر از 8000 شرکت در فهرست عمومی اعطا می شود که نشان دهنده غلظت بالای پیمانکاری قابل توجه به تعدادی از تأمین کنندگان بزرگ عمومی به ویژه در کشورهای ایالات متحده و اتحادیه اروپا است.

تهیه فدرال ایالات متحده به تنهایی بیش از 500 میلیارد دلار سالانه به طور متوسط (شکل 1) با پیمانکاری در چند بخش مهم از جمله دفاع ، مراقبت های بهداشتی ، انرژی ، امنیت سایبری و خدمات حرفه ای به شدت نسبت به تأمین کنندگان لیست بزرگ ، به خود اختصاص می دهد. با این وجود ، اطلاعات مربوط به جوایز قراردادهای دولتی بلافاصله در قیمت سهام این تأمین کنندگان سنتی گنجانیده نمی شود و می تواند برای ساخت سیگنال برای پیش بینی بازده سهام مقطعی برای تأمین کنندگان اصلی دولت ایالات متحده استفاده شود.

یک مطالعه توسط Tonderalpha.com فرض می کند که پردازش اطلاعات مربوط به جوایز قرارداد تهیه دولت به اندازه کافی و سریع برای سرمایه گذاران بسیار پر هزینه است. در حالی که بزرگترین قراردادها توجه رسانه ها را به خود جلب می کند ، اکثریت قریب به اتفاق جوایز قرارداد هیچ گونه پوشش مطبوعاتی را دریافت نمی کنند. علاوه بر این ، سیستم تدارکات فدرال ایالات متحده پیش بینی های مطالبات مطالبات بسیار دقیق آینده نگر را فراهم می کند ، اگرچه از نظر تعداد کوچکتر است ، اما قراردادهای چند تراریخته تقریباً 90 ٪ از کل ارزش USD جوایز فدرال سالانه (شکل 2 و 3) یا تقریباً تقریباً است. 5 تریلیون دلار از سال 2010 تا امروز. نظارت نزدیک به اطلاعات عمومی در کل چرخه پرداخت هر یک از پیمانکاری های فدرال ایالات متحده ، پیش بینی دقیق آینده در مورد مطالبات مربوط به قراردادهای دولت را امکان پذیر می کند. داده های دریافتنی آینده نگر در هر تیک در دسترس است.

استراتژی کوتاه کوتاه با استفاده از مطالبات مطالبات پیش رو از قراردادهای دولت ایالات متحده

ما از پایگاه داده مطالبات مطالبات آینده نگر از تهیه فدرال ایالات متحده بین سالهای 2013 تا 2019 برای پشتوانه استراتژی های معاملاتی متعدد استفاده کردیم که در بنگاه های دولتی با مطالبات دولتی طولانی می رود و بقیه بازار را با تغییر وزن سهام در پرتفوی ها و جهان کوتاه می کند. که در آن اجرا می شوند. ما یک روند سه مرحله ای را دنبال کردیم:

1. مقیاس مطالبات دولت رو به جلو برای هر سهام در پایان هر ماه توسط سرمایه گذاری در بازار سهام
2. با تفریق متوسط مطالبات پیش رو برای هر بنگاه طی یک سال گذشته و تقسیم بر انحراف استاندارد آنها در مدت مشابه ، مؤلفه غیر منتظره مطالبات قابل دریافت را استخراج کنید
3. عملکرد استراتژی ها را با محاسبه نسبت های شارپ آنها و برآورد ALPHAS با توجه به مدلهای مختلف فاکتور کنترل کننده بازار ، اندازه ، ارزش ، حرکت ، سودآوری و عوامل سهام سرمایه گذاری آزمایش کنید.

سیگنال مطالبات غیر منتظره دولت

برای رسیدن به سیگنالی که اطلاعات جدیدی را که در دسترس عموم است اما پردازش توسط سرمایه گذاران در مطالبات دولتی دشوار است ، ضبط می کند ، ما اقدامات مطالبات غیر منتظره دولت (UGR) را توسعه دادیم. اندازه گیری UGR با دنبال کردن این مراحل محاسبه می شود:

1. در پایان هر ماه ، برای هر سهام ، ما مطالبات دولت آینده نگر را با سرمایه گذاری در بازار سهام مقیاس می کنیم و به مطالبات دولتی مقیاس (SGR) می رسیم.
2. مطالبات غیر منتظره دولت (UGR) SGR عادی شده است ، جایی که عادی سازی با کم کردن متوسط SGR در سال گذشته و تقسیم بر انحراف استاندارد SGR در سال گذشته انجام می شود.

شهود اساسی در مورد اقدام UGR این است که سرمایه گذاران نباید از بنگاه هایی که به طور مداوم جوایز قرارداد دولتی دریافت می کنند یا از یک قرارداد جدید که به یک تأمین کننده سنتی به دولت فدرال اعطا می شود ، تعجب کنند که در مقایسه با اندازه معمول قراردادهای اعطا شده مادی نیست. همان شرکتارزش بالای UGR نشان می دهد که مطالبات مطالبات آینده نگر یک شرکت نسبت به یک ماه گذشته نسبت به میانگین آنها در سال گذشته به میزان قابل توجهی افزایش یافته است ، و این باعث تغییر در مطالبات قابل پرداخت با استفاده از انحراف استاندارد در مخرج می شود. ما فرض می کنیم که این موارد دقیقاً سهام است که برای سرمایه گذاران دشوار است که اطلاعات را برای اعلامیه های جدید قرارداد عمومی جدا کنند ، به ویژه در زمینه جمع آوری کلیه تحویل های آینده فدرال ایالات متحده.

بر اساس دانش تهیه عمومی دامنه و نظارت بر زمان واقعی/نقطه به موقع بر اجرای قراردادهای موجود و اعلامیه های قراردادهای جدید فدرال ، داده های مطالبات مطالب آینده نگر چند مرحله از جمع آوری را ارائه می دهد که از طریق هیچ یک از آنها در دسترس نیستاطلاعات خام از اعلامیه های نهادی/رسانه ای/شرکت. این به طور خاص برای استفاده از اثر UGR در مقایسه با ارزش مطالبات مورد انتظار (و در نتیجه اندازه تجارت موجود با دولت فدرال) در هر مقطع زمانی و در هر دوره زمانی مشخص طراحی شده است.

نتایج پشتیبان قوی و پایدار

در همه موارد ، این استراتژی ها بسیار خوب عمل می کنند و به نسبت شارپ سالانه بین 0. 77 و 1. 27 می رسند ، دامنه ای که بین دو برابر و کمی نسبت سه برابر شده از سبد بازار سبد بازار 0. 35-0. 40 است.

ALPHA استراتژی ها در همه موارد قابل توجه است و بسته به استراتژی و مدل فاکتور مورد استفاده ، بین 3. 4 ٪ و 7. 1 ٪ در سال متغیر است. نتیجه گیری ما:

• یک استراتژی معاملاتی که در سهام زیادی که در بالاترین میزان UGR و سهام کوتاه و بدون دریافتنی دولتی قرار دارد ، طول می کشد و به همان اندازه سهام را در پرتفوی های طولانی و کوتاه وزن می کند ، به نسبت شارپ سالانه 1. 27 می رسد. آلفا آن بسته به مدل فاکتور مورد استفاده از 5. 4 ٪ تا 7. 1 ٪ در سال متغیر است و از نظر آماری بسیار متفاوت از صفر است.
• یک نسخه با وزن در بازار به راحتی قابل اجرا از این استراتژی معاملاتی به نسبت شارپ سالانه 0. 82 دست می یابد ، با ALPHA از 4. 3 ٪ تا 4. 6 ٪ در سال.
• برای به دست آوردن سهولت اجرای ، نسخه ای از استراتژی تجارت UGR با وزن بازار که فقط در بین جهان 1000 راسل اجرا می شود ، نسبت به همان استراتژی که در جهان کامل سهام های تجاری عمومی که در بالا ذکر شد ، عملکردی تقریبا قابل تشخیص را بدست می آورد.
• سرانجام ، ما همچنین یک استراتژی را که برای اجرای آن بی اهمیت است ، پشت سر می گذاریم-یک نمونه کارها با وزن در بازار به طور متوسط در حدود 100 سهام که به طور متوسط در سطح بالای UGR در بین سهام Russell 1000 قرار دارند ، و کل بازار را کوتاه می کند (به عنوان مثال.، یک بازار ETF). این استراتژی نسبت شارپ سالانه 0. 77 را به دست می آورد و ALPHA آن از 3. 4 ٪ تا 4. 1 ٪ در سال است.
• نسخه ای از این استراتژی که در آن سیگنال روزانه به جای ماهانه به روز می شود ، عملکرد مشابهی را به دست می آورد. علاوه بر این ، به نظر می رسد که نتایج طولانی مدت است-تا هفت ماه طول می کشد تا آلفا ناچیز شود.

این پست وبلاگ توسط یک مشارکت کننده شخص ثالث نوشته شده است و لزوماً منعکس کننده نظر FactSet نیست. اطلاعات موجود در این گزارش مشاوره سرمایه گذاری نیست.