Métricas de distancia para modelos de valoración de activos

Resumen

El artículo propone medidas basadas en distancias para comparar modelos de valoración de activos, motivadas por la preocupación de que las pruebas estadísticas puedan tener poca potencia y de que las estadísticas alfa se usen sin rigor. La métrica propuesta combina alfas al cuadrado y errores estándar al cuadrado, y luego calcula la raíz cuadrada, ofreciendo un único diagnóstico que tiene en cuenta tanto la valoración errónea estimada como la incertidumbre.

También ofrece una interpretación bayesiana: el rendimiento del modelo se plantea como la distancia entre una distribución implícita en el modelo y una distribución basada en datos que representa el escepticismo. Según este enfoque, se prefieren los modelos con menor dispersión de alfa y mayor poder explicativo. La descripción señala que añadir momentum al modelo de cinco factores de Fama-French atenúa una preocupación expresada sobre una valoración errónea anual de entre −8 % y +8 %. Estas métricas se presentan como complemento de los valores p, no como sustitutos; el texto proporcionado no ofrece detalles metodológicos ni una validación más amplia.

Ideas clave

• La métrica propuesta combina alfas al cuadrado y errores estándar al cuadrado en una medida de distancia.
• El enfoque bayesiano compara las creencias implícitas en el modelo con una distribución escéptica basada en datos.
• El análisis favorece modelos con baja dispersión de alfa y alto poder explicativo.
• El artículo presenta el momentum como una adición útil al modelo de cinco factores de Fama-French.
• Las métricas de distancia buscan complementar los valores p frecuentistas como diagnósticos de modelos.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.