The excel worksheet case2.xlsx on Canvas contains the case data and a case cover sheet. Please enter all your answers on to this template and turn in this file.  Be sure to enter the names of your group members on the case template.  Please submit one case per group.   Turn in your case ON CANVAS.

In this case, you will apply your knowledge of factor investing, as discussed in our            lectures. A large institutional fund manager, Dimensional Fund Advisors (DFA), uses       factor investing strategies based on the Fama and French model. Peruse the DFA web site (dimensional.com) for insights into their philosophy and how to translate research on        size, value, and other factors into tradable investment strategies. For example, the              following article conveys key aspects of DFA’s philosophy:

https://www.dimensional.com/us-en/insights/10-obstacles-to-investing-and-how-to- overcome-them

To learn about DFA’s perspective on value investing, see the following article:

https://www.dimensional.com/us-en/insights/anasc-exceptional-value-premium

Additional material available at http://us.dimensional.com/about-us/our-company is useful background.

Quantitative Questions

In July 2020, Maggie Smith, responsible for overall portfolio management at                 RocketFund, a medium size corporate pension fund, pours over pages of regression       output.  Like most pension funds, RocketFund uses several portfolio managers. Maggie Smith is responsible for the selection and evaluation of its portfolio managers. The        pension fund has most of its portfolio in big stocks and growth stocks, using funds        managed by Dimensional Fund Advisors (see DFA web site). Smalval, a fund that        specializes in small and value stocks, is a small portion of RocketFund’s portfolio.

Maggie is concerned about the performance of Smalval, particularly because some of its   major stock holdings could overlap with funds managed by DFA, which would reduce      the effective diversification of RocketFund’s overall portfolio. She also fears that some of the funds’ holdings could be too risky given the pension fund’s conservative investment   philosophy. Maggie has identified three stocks that compose a large fraction of Smalval’s portfolio for further examination: Apple (AAPL), Berkshire-Hathaway (BRK) and             Seagen (SGEN). Seagen, formerly Seattle Genetics, is a biotechnology company focused  on developing and commercializing innovative, empowered monoclonal antibody-based   therapies for the treatment of cancer (see Background Note I).

Henry Knowbetter, Smalval’s main portfolio manager, claims that, even though Apple does not look like a small cap stock or a value stock, “when it walks and talks like a    duck, it’s a duck.” He says that Apple’s current risk exposure fits Smalval’s focus on small caps and value stocks. He also argues that Seagen is poised to become a major     player in the biotechnology field and that biotechnology is likely to grow quickly in the future, as the pace of medical research accelerates around the world.

Increasingly worried, Maggie asks DFA to help her prepare for the next meeting with    Knowbetter. DFA provides her with several valuable tools (see Background note II).      DFA suggests using the three-factor model developed by Fama and French (FF3 model) to classify stocks as “small” or “big” stocks, or as “value” or “growth” stocks. Maggie   plans to estimate this model and the CAPM using regression analysis.

Downloading monthly return data from 2002 to 2020, Maggie begins her analysis and sees that Knowbetter is in for some tough questions… .

Questions

Follow the procedure below to assist Maggie. When estimating the CAPM and FF3          models, use the historical risk-free rate provided to calculate excess returns based on data from 2002 to 2020. When forecasting future returns, use E(Mkt - Rf) = 3%/year, E(SMB) = 2%/year, and E(HML) = 4%/year; and assume the current risk-free rate is 1%/year.       Assume expected annualized market volatility will be 15% and that firms’ future betas     will equal their historical betas from 2002-2020. Remember to exclude the alpha—the      intercept in the regression—from CAPM and FF3 expected return estimates. Remember  to add or subtract the risk-free rate whenever appropriate.

1)         Maggie applies the FF3 model, using monthly data from 2002-2020, (see       Background Note II) to see whether Seagen, Berkshire-Hathaway and Apple are indeed “walking” like small stocks and/or value stocks.  Characterize the risk exposures (betas) of the three stocks to the SMB and HML factors. What does Maggie conclude?  Show your calculations.

2)         Maggie wants to quantify the historical risk of Seagen. She decides to use the CAPM model and runs a regression of Seagen’s excess returns on the excess  market return from 2002-2020. She also estimates the annualized total             volatility of Seagen’s excess returns to be 50.52% based on annualizing the     standard deviation of SGEN’s monthly excess returns. Based on the CAPM    beta, what is the CAPM expected return for Seagen’s stock? What is Seagen’s idiosyncratic volatility? If the stock market’s return is +10% in 2021, what do you expect Seagen’s stock return to be?

3)         Maggie decides that Smalval should not hold Apple, but should focus on       small computer hardware stocks to get exposure to the industry. She wants to demonstrate to Knowbetter that holding the industry substantially reduces      idiosyncratic risk. Using excess return data from 2002-2020, she estimates     that Apple’s total annualized volatility is 33.63% per year, whereas the          computer hardware industry annualized volatility is 23.09%. Using the           CAPM, compute the annual idiosyncratic volatility for Apple and for the hardware industry. Use only data from 2002 through 2020 to compute the CAPM beta for the hardware industry.

4)         Maggie tries to improve the precision of her estimate for the expected return for Apple using an “industry beta estimate.” Instead of using Apple’s beta,   Maggie now uses the hardware industry beta, again from 2002-2020. Using the CAPM model, what is Maggie’s estimate of the expected return on         Apple’s stock?

5)         One reason why Knowbetter wants to hold Apple in Smalval’s portfolio is that Knowbetter is optimistic about iPhone 12 sales. Maggie asks if the Fama-        French prediction of Apple’s expected return is much higher than the CAPM   prediction. Compute and compare the CAPM and FF3 estimates of Apple’s     expected return, using excess return data for Apple (not the hardware                industry). Why is the FF3 estimate different? Comment on the magnitude of    the difference.  For what kinds of stocks would you expect to find the biggest  differences between the CAPM and FF3 estimates?

Background Note I: Seagen, formerly Seattle Genetics

(From Seagen’s website, last visited October 21st, 2020)

Seagen is a global biotechnology company dedicated to       revolutionizing cancer care. We’re developing transformative therapies that make a meaningful difference in people’s lives.

Research that’s transforming cancer care

Our Pipeline

As a pioneer in antibody– drug conjugates (ADCs), Seagen has led the way in    novel cancer therapeutics for more than 20 years. Our research team is highly  motivated to build an innovative pipeline of transformative cancer therapeutics accelerated by best-in-class technology platforms. Our science is inspired by a singular mission—to make a real difference for people impacted by cancer.

Today, our research efforts are dedicated to advancing a pipeline of:

     Programs using our proprietary ADC technologies

     Novel antibodies and other targeted cancer therapeutics

     New classes of ADC linkers that incorporate novel small molecule payloads to kill

tumor cells and induce an anti-tumor immune response

     Novel antibody engineering technologies

     ADCs in combination with checkpoint inhibitors

Background Note II: The Fama-French Model

The CAPM predicts that the expected excess return of a stock depends only on the          market beta of the stock, where the coefficient of dependence is measured by the market excess return:

E(ri ) − rf  =  Fi [E(rm ) − rf ]

Denoting E(MktRf) = E(rm) – rf as the excess market return, we can interpret the CAPM as a one-factor model for stock returns, where the expected excess stock return depends on the expected return of only one factor, the excess market return:

E(ri ) − rf  =  Fi [E(MktRf)]

During the 1980s and 1990s, researchers found two significant deviations from the           CAPM. The first deviation is a “size premium.” Researchers found that over long periods of time small stocks provide greater average returns than large stocks, even after               adjusting for their stock market betas. The second deviation is a “value premium.” Value stocks, or stocks with high book-to-market ratios out-perform growth stocks, or stocks     with low book-to-market ratios, even after adjusting for their stock market betas.

Eugene Fama and Kenneth French, in a series of research papers, created the Fama-          French model to capture these premiums. The superior performance of small firms versus large firms is captured by a factor that goes long on small firms and short on large firms.  They call this factor SMB (“Small Minus Big”). The value premium is captured by a        factor that goes long on value firms and short on growth firms. This value factor is called HML (“High book-to-market Minus Low book-to-market”). In this model, investors are  compensated for exposure to size risk (SMB) and value risk (HML) in addition to market risk (MktRf). The expected excess return of a firm in the Fama-French model becomes:

E(ri ) − rf  =  Fi E(MktRf) +  si E(SMB) +  hi E(HML)

The coefficient i is the exposure to the market factor, si is the firm’s exposure to the size factor, and hi is the firm’s exposure to the value factor. Firms with high (low) si’s have    high (low) exposure to size risk and have risk exposures that mimic average small (large) firms. Similarly, firms with high (low) hi’s have high (low) exposure to value risk and     have risk exposures that mimic average value (growth) firms. Firms with higher               exposures to size or value factors have higher expected returns.

Many consultants and fund managers now use the Fama-French model to estimate         expected returns, to account for the size and value effects that the CAPM does not         capture. The Dimensional Fund Advisors’ web site provides background reading on the development and construction of the SMB and HML factors.

Background Note III: Estimating the Fama-French Model

To estimate the CAPM, we run a (security characteristic line) regression of excess returns of a firm or portfolio on the excess returns of the market (just as we did in class):

Tie (t) =  ai  +  Fi MktRf(t) +  ei (t)

where Tie (t) =  Ti (t) − Tf (t) and  MktRf(t) =  Tm (t) − Tf (t). The risk-free return is      known at the beginning of the time period. This regression is a univariate regression         because it has only one return factor MktRf. The coefficient  i is a measure of mispricing from the CAPM: it is the average return that is not explained by the firm’s exposure to     market risk.

To estimate the Fama-French model, we run a regression of firm or portfolio excess returns on the MktRf, SMB and HML factors. This is now a multivariate regression:

Tie (t) =  ai  +  bi MktRf(t) + si SMB(t) + hi HML(t) +  ei (t)

Now the i in this regression is a measure of mispricing from the Fama-French factors: it is the part of the firm’s return that is not explained by MktRf, SMB and HML factors.

Download the spreadsheet “Case 3 - Factor Investing.xlsx.” The spreadsheet lists              monthly returns for MktRf, SMB and HML. The returns for MktRf are computed by         subtracting the risk-free return from the market portfolio return during the same period.    The spreadsheet provides individual firm returns for Seagen (SGEN), a mid-sized             biotechnology company, Apple (AAPL), and Berkshire-Hathaway (BRK), which is          Warren Buffet’s famous value investment vehicle. The final sheet in the spreadsheet lists industry returns, across 49 industries. All data are monthly. The data sample for Seattle    Genetics, Apple and Berkshire-Hathaway is from Jan 2002 – June 2020. Because              industries contain many firms, some use much longer data samples in estimating costs of capital for industries. The data sample for the industry portfolios is from July 1926 – June 2020. In contrast, using long data samples for individual firms is problematic because the risk and industry profiles of firms can change significantly 30-year periods.

The spreadsheet shows how to run the CAPM and Fama-French regressions for the beer industry using monthly data from 1926 to 2020 (see the second sheet, labeled “Example Regression 1”). In practice, we may not use such a long sample period for estimation if there have been major structural changes in the industry. This sample is purely for          illustrative purposes.

To estimate both the CAPM and Fama-French model, we first compute excess returns (returns minus risk-free rate) for the beer industry and the market in each month. The  Fama-French regression coefficients are bi = 0.87, si = 0.21 and hi = 0. 13, and an  i of 0.26% per month. The Fama-French model assumes the FF3 alpha is zero. Using these coefficient estimates, the expected excess return for the beer industry is: