تأثیر اهرم و بازگشت به میانگین بر توزیع بازده
خلاصه
این سند بررسی میکند چرا اثر اهرم، با وجود مشاهده گسترده، ممکن است ظاهراً تأثیر اندکی بر توزیع بازده برخی داراییها داشته باشد. اثر اهرم رابطهای عموماً منفی میان بازده دارایی و تغییرات نوسان را توصیف میکند. توضیح پیشنهادی، تعامل آن با بازگشت به میانگین است: اثر بر توزیع بازده زمانی قویتر است که اهرم زیاد و بازگشت به میانگین ضعیف باشد؛ بازگشت قوی به میانگین میتواند اثر را تضعیف کند، حتی وقتی اهرم زیاد است. نویسندگان روشی غیرمستقیم برای اندازهگیری این تعامل نیز پیشنهاد میکنند.
در کاربرد تجربی گزارش شده است که دادههای S&P 500 اثر تعاملی ضعیفی دارند؛ نتیجهای سازگار با تأثیر اندک اهرم بر توزیع بازده آن. تعامل همچنین به اندازه شرکت پیوند داده میشود: شرکتهای کوچکتر معمولاً تعامل قویتری دارند و شرکتهای بزرگتر تعامل ضعیفتری نشان میدهند. سند برآوردهای عددی یا جزئیات روش اندازهگیری را ارائه نمیکند و یافتههای آن اثبات نمیکنند که همین روابط برای همه داراییها یا نمونهها برقرارند.
ایدههای کلیدی
- اثر اهرم، همبستگی عموماً منفی میان بازده و تغییرات نوسان است.
- تأثیر آن بر توزیع بازده به نحوه تعاملش با بازگشت به میانگین بستگی دارد.
- گزارش شده است که این تعامل وقتی قویتر است که اهرم زیاد و بازگشت به میانگین ضعیف باشد.
- روش غیرمستقیم اندازهگیری پیشنهادی روی دادههای تجربی به کار میرود.
- دادههای S&P 500 تعامل ضعیفی نشان میدهند، درحالیکه تعامل در شرکتهای کوچکتر معمولاً قویتر از شرکتهای بزرگتر است.
برچسبها
متن کامل
# Does the leverage effect affect the return distribution? # Does the leverage effect affect the return distribution? The leverage effect refers to the generally negative correlation between the return of an asset and the changes in its volatility. There is broad agreement in the literature that the effect should be present for theoretical reasons, and it has been consistently found in empirical work. However, a few papers have pointed out a puzzle: the return distributions of many assets do not appear to be affected by the leverage effect. We analyze the determinants of the return distribution and find that the impact of the leverage effect comes primarily from an interaction between the leverage effect and the mean-reversion effect. When the leverage effect is large and the mean-reversion effect is small, then the interaction exerts a strong effect on the return distribution. However, if the mean-reversion effect is large, even a large leverage effect has little effect on the return distribution. To better understand the impact of the interaction effect, we propose an indirect method to measure it. We apply our methodology to empirical data and find that the S&P 500 data exhibits a weak interaction effect, and consequently its returns distribution is little impacted by the leverage effect. Furthermore, the interaction effect is closely related to the size factor: small firms tend to have a strong interaction effect and large firms tend to have a weak interaction effect.
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.