توضیح ناهنجاری نوسان پایین با انتخاب تطبیقی عوامل
خلاصه
این مقاله توضیحی مبتنی بر عوامل برای ناهنجاری نوسان پایین ارائه می‌دهد. برای شناسایی دارایی‌های پایه مرتبط با سبدهای نوسان پایین و بالا، از مدل تطبیقی چندعاملی استفاده می‌کند که با الگوریتم انتخاب پایه تفسیرپذیر گروهی برآورد شده است.
سبدهای گزارش‌شده در معرض عوامل بسیار متفاوتی قرار دارند؛ نویسندگان بر همین اساس استدلال می‌کنند که نوسان به مواجهه‌های ریسک موجود پیوند دارد و ریسکی مستقل نیست. آن‌ها عملکرد بهتر سبد نوسان پایین را به عملکرد تعادلی مواجهه‌های عاملی آن نسبت می‌دهند. مقاله همچنین گزارش می‌کند که مدل تطبیقی آن درون‌نمونه‌ای و برون‌نمونه‌ای از مدل پنج‌عاملی فاما‌ـ‌فرنچ بهتر عمل می‌کند. شرح ارائه‌شده داده‌ها، دوره نمونه، جزئیات مدل یا معیارهای عملکرد را مشخص نمی‌کند؛ بنابراین نمی‌توان این ادعاها را تنها بر اساس این خلاصه ارزیابی کرد.
ایده‌های کلیدی
- پژوهش برای توضیح بازده سبدهای نوسان پایین و بالا از مدل تطبیقی چندعاملی استفاده می‌کند.
- الگوریتم انتخاب پایه تفسیرپذیر گروهی، دارایی‌های پایه مرتبط با این سبدها را شناسایی می‌کند.
- بارهای عاملی متفاوت سبدها از توضیحی مبتنی بر مواجهه‌های ریسک موجود پشتیبانی می‌کند.
- نویسندگان عملکرد بهتر درون‌نمونه‌ای و برون‌نمونه‌ای مدل خود نسبت به مدل پنج‌عاملی فاما‌ـ‌فرنچ را گزارش می‌کنند.
- شرح ارائه‌شده جزئیات داده‌ها و معیارهای عملکرد را ندارد.
برچسب‌ها
متن کامل
# The Low-volatility Anomaly and the Adaptive Multi-Factor Model # The Low-volatility Anomaly and the Adaptive Multi-Factor Model The paper provides a new explanation of the low-volatility anomaly. We use the Adaptive Multi-Factor (AMF) model estimated by the Groupwise Interpretable Basis Selection (GIBS) algorithm to find those basis assets significantly related to low and high volatility portfolios. These two portfolios load on very different factors, indicating that volatility is not an independent risk, but that it's related to existing risk factors. The out-performance of the low-volatility portfolio is due to the (equilibrium) performance of these loaded risk factors. The AMF model outperforms the Fama-French 5-factor model both in-sample and out-of-sample.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.