تقدير أصغر مجموعة لامتداد متوسط التباين

الملخص

تدرس الورقة كيفية تحديد أصغر مجموعة فرعية من الأصول الخطرة التي يمكنها توليد الحد الكفء لمتوسط التباين في مجموعة أوسع. وتحدد شروط التعرف على هذه المجموعة، وتقدم إجراءً للتقدير والاستدلال صُمم لتغطية المجموعة الحقيقية باحتمال يقترب من الواحد، وللتقارب عند مستوى ثقة مختار.

وتُذكر محاكاة مونت كارلو دليلًا على أداء قوي في العينات المحدودة. ويقارن تطبيق تجريبي استراتيجيات زخم الأسهم الفردية وزخم العوامل بعوامل عوائد الأسهم المعروفة. وتحدد النتائج زخم العوامل وبعض استراتيجيات زخم الأسهم وعدة عوامل للعوائد بوصفها مساهمات مهمة في كفاءة متوسط التباين؛ كما يحلل البحث مساهماتها ويرتبها. ولا تقدم الوثيقة تفاصيل عن العينة أو الأصول المحددة أو خيارات التقدير أو اختبارات المتانة، لذا لا يمكن تقييم الاستنتاجات التجريبية بما يتجاوز هذا العرض.

الأفكار الرئيسية

• مجموعة الامتداد الدنيا هي أصغر مجموعة فرعية من الأصول الخطرة التي تولّد الحد الكفء لمتوسط التباين في فضاء المحافظ.
• تحدد شروط التعرف الحالات التي يمكن فيها استعادة هذه المجموعة.
• تقدر الطريقة المقترحة المجموعة وتوفر استدلالًا بتغطية تقاربية وضمانات للتقارب.
• تُستخدم محاكاة مونت كارلو لتقييم الأداء في العينات المحدودة.
• يرتب تطبيق ما مساهمات زخم الأسهم وزخم العوامل وعوامل العوائد المعروفة في كفاءة متوسط التباين.

الوسوم

# Testing for the Minimum Mean-Variance Spanning Set


# Testing for the Minimum Mean-Variance Spanning Set









This paper explores the estimation and inference of the minimum spanning set (MSS), the smallest subset of risky assets that spans the mean-variance efficient frontier of the full asset set. We establish identification conditions for the MSS and develop a novel procedure for its estimation and inference. Our theoretical analysis shows that the proposed MSS estimator covers the true MSS with probability approaching 1 and converges asymptotically to the true MSS at any desired confidence level, such as 0.95 or 0.99. Monte Carlo simulations confirm the strong finite-sample performance of the MSS estimator. We apply our method to evaluate the relative importance of individual stock momentum and factor momentum strategies, along with a set of well-established stock return factors. The empirical results highlight factor momentum, along with several stock momentum and return factors, as key drivers of mean-variance efficiency. Furthermore, our analysis uncovers the sources of contribution from these factors and provides a ranking of their relative importance, offering new insights into their roles in mean-variance analysis.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.