Cost-efficient factor investing in emerging equity markets

When factor investing is applied to emerging equity markets, due to the universe’s illiquid structure, the market friction must be considered. Risk-adjusted on-paper returns of such strategies look particularly appealing, but significant implementation hurdles stand in their path. While factor investing has been well-examined in literature, research gaps remain. This dissertation undertakes three comprehensive studies to resolve existing research gaps concerning portfolio cost-efficiency regarding the trade-off between return and implementation costs in emerging equity markets. Various approaches for further improvement of this trade-off extend the research. The first study demonstrates a factor-based strategy in emerging markets and provides a better understanding of the above trade-off. Multiple sensitivity analyses present the benefits of a first cost-mitigation approach. The second study further seeks to understand equity portfolios’ return and cost dynamics in a macroeconomic context. Leading indicators from developed and emerging markets are utilized to forecast the near-term factor regime. This prediction is adaptively implemented into the portfolios, adds a timing component, and highly increases the cost-efficiency. The third study extends the efficacy of the researched cost-mitigation strategy by implementing the benefits of a stock liquidity prediction based on state-of-the-art machine learning models.

Bei der Anwendung von Factor Investing auf die Aktienmärkte der Emerging Markets müssen Marktfriktionen aufgrund der illiquiden Struktur des Universums besonders berücksichtigt werden. Die risikobereinigten Renditen solcher Strategien sehen auf dem Papier besonders ansprechend aus, doch stehen ihnen erhebliche Umsetzungshürden im Weg. Obwohl Factor Investing in der Literatur gut untersucht wurde, gibt es immer noch Forschungslücken. In dieser Dissertation werden drei umfassende Studien durchgeführt, um die bestehenden Forschungslücken in Bezug auf die Kosteneffizienz von Aktienportfolios zu schließen. Hierzu wird der Trade-off zwischen Rendite und Implementierungskosten der Portfolien in Emerging Markets sowie verschiedene Verbesserungsansätze untersucht. Die erste Studie demonstriert eine faktorbasierte Strategie in Emerging Markets und liefert ein besseres Verständnis des oben genannten Trade-offs. Mehrere Sensitivitätsanalysen zeigen die Vorteile eines ersten Ansatzes zur Kostenreduzierung auf. Die zweite Studie zielt darauf ab, die Rendite- und Kostendynamik von Aktienportfolios in einem makroökonomischen Kontext besser zu verstehen. Frühindikatoren aus Industrie- und Schwellenländern werden zur Vorhersage des kurzfristigen Faktorregimes herangezogen. Diese Vorhersage wird adaptiv in die Portfolios implementiert, fügt eine Timing-Komponente hinzu und erhöht die Kosteneffizienz erheblich. Die dritte Studie erweitert die Wirksamkeit der untersuchten Strategie zur Kostenreduzierung, indem sie die Vorteile einer auf modernen maschinellen Lernmodellen basierenden Vorhersage der Aktienliquidität einsetzt.