Distanzmaße zum Vergleich von Asset-Pricing-Modellen

Zusammenfassung

Die Arbeit schlägt distanzbasierte Kennzahlen zum Vergleich von Asset-Pricing-Modellen vor. Anlass sind Bedenken, dass statistische Tests eine geringe Aussagekraft haben können und Alpha-Statistiken undiszipliniert eingesetzt werden. Die vorgeschlagene Kennzahl kombiniert quadrierte Alphas und quadrierte Standardfehler und zieht daraus die Quadratwurzel. So entsteht ein einzelnes Diagnosemaß, das sowohl geschätzte Fehlbewertung als auch Unsicherheit berücksichtigt.

Die Arbeit bietet außerdem eine bayessche Interpretation: Die Modellleistung wird als Abstand zwischen einer modellimplizierten Verteilung und einer datengestützten Verteilung dargestellt, die Skepsis repräsentiert. In dieser Darstellung werden Modelle mit geringerer Alpha-Streuung und höherer Erklärungskraft bevorzugt. Der Beschreibung zufolge mindert die Ergänzung des Fama-French-Fünf-Faktoren-Modells um Momentum ein geäußertes Bedenken hinsichtlich einer jährlichen Fehlbewertung von minus acht bis plus acht Prozent. Diese Kennzahlen sind als Ergänzung zu p-Werten und nicht als Ersatz dafür gedacht; der bereitgestellte Text enthält keine methodischen Details oder umfassendere Validierung.

Kernaussagen

• Die vorgeschlagene Kennzahl verbindet quadrierte Alphas und quadrierte Standardfehler zu einem Distanzmaß.
• Die bayessche Betrachtungsweise vergleicht modellimplizierte Überzeugungen mit einer datengestützten skeptischen Verteilung.
• Der Darstellung zufolge sind Modelle mit geringer Alpha-Streuung und hoher Erklärungskraft vorzuziehen.
• Die Arbeit stellt Momentum als sinnvolle Ergänzung zum Fama-French-Fünf-Faktoren-Modell dar.
• Distanzmaße sollen frequentistische p-Werte als Modelldiagnostik ergänzen.

Schlagwörter

# Comparing Asset Pricing Models: Distance-based Metrics and Bayesian Interpretations


# Comparing Asset Pricing Models: Distance-based Metrics and Bayesian Interpretations









In light of the power problems of statistical tests and undisciplined use of alpha-based statistics to compare models, this paper proposes a unified set of distance-based performance metrics, derived as the square root of the sum of squared alphas and squared standard errors. The Bayesian investor views model performance as the shortest distance between his dogmatic belief (model-implied distribution) and complete skepticism (data-based distribution) in the model, and favors models that produce low dispersion of alphas with high explanatory power. In this view, the momentum factor is a crucial addition to the five-factor model of Fama and French (2015), alleviating his prior concern of model mispricing by -8% to 8% per annum. The distance metrics complement the frequentist p-values with a diagnostic tool to guard against bad models.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.