< Deutsche Version >

Capacity, Constraints, and the Myth of Pure Skill

In a paper, Matt Kavian argues that outperformance is less about superior information and more about implementation. He builds a minimal model in which several managers hold identical—even perfect—signals, yet differ in size and constraints. What matters is not “alpha” in the abstract, but implementable alpha—the portion that can actually be realized given market depth, frictions, deadlines, and mandates. Three core results follow:

1) one can derive capacity frontiers under both linear and square-root price impact;

2) crowding compresses the monetizable mispricing as informed capital scales; and

3) return–flow feedback generates a stable AUM fixed point and negative autocorrelation of measured alpha—even with constant skill.

This framework rationalizes familiar facts—diseconomies of scale, weak persistence, and post-inflow reversals—without assuming declining skill or learning, and yields testable predictions linking capacity to market depth, volatility, participation, and execution horizons. For allocators, the implication is straightforward: holding research quality constant, smaller implementations tend to deliver better results per unit of capital.

Put simply: good returns → inflows → larger traded size → higher impact/costs → lower future (measured) alpha, and vice versa after outflows. Results thus ebb and flow over time even if underlying skill does not change.

Kapazität, Restriktionen und der Mythos reinen Könnens 

In einer wissenschaftlichen Arbeit zeigt Matt Kavian, dass Outperformance weniger eine Frage besserer Information ist als eine Umsetzungsfrage. Er baut ein minimales Modell, in dem mehrere Manager identische, sogar perfekte Prognosen haben, die sich aber in Grösse und Restriktionen unterscheiden. Entscheidend ist nicht „Alpha“ an sich, sondern das implementierbare Alpha – also jener Teil, der sich unter Markttiefe, Handelskosten, Fristen und Mandatsvorgaben tatsächlich realisieren lässt. Aus diesem Ansatz folgen drei Kernaussagen:

1) es lassen sich Kapazitätsgrenzen (capacity frontiers) herleiten – unter linearem wie unter Square-Root-Impact,

2) Crowding komprimiert die realisierbare Preislücke, je mehr informiertes Kapital gleichzeitig handelt, und

3) ein Feedback zwischen Renditen und Mittelzuflüssen führt zu einem stabilen AUM-Gleichgewicht und zu negativer Autokorrelation gemessenen Alphas – selbst bei konstanter Fähigkeit.

Damit erklärt das Rahmenwerk bekannte Muster wie Skalennachteile, schwache Persistenz und Reversals nach Zuflüssen, ohne abnehmende Skills oder Lernprozesse zu unterstellen, und liefert testbare Ableitungen, wie Kapazität von Markttiefe, Volatilität, Teilnahmequote und Ausführungsfristen abhängt. Für Allokatoren bedeutet das: Bei gleicher Research-Qualität schneiden kleinere Implementierungen pro investiertem Franken besser ab.

Einfach gesagt: Gute Renditen → mehr Zuflüsse → mehr gehandelte Grösse → höherer Markt-Impact/Kosten → tieferes künftiges (gemessenes) Alpha – und umgekehrt bei Abflüssen. Dadurch schwanken die Ergebnisse über die Zeit, auch wenn das Können gleich bleibt.

Für weitere Informationen, schreiben Sie an av@cb-partners.com