سبدهای تصادفی برای قیمت‌گذاری دارایی و ارزیابی عملکرد
خلاصه
این مقاله از کنترل‌های تصادفی در قیمت‌گذاری تجربی دارایی و ارزیابی عملکرد سرمایه‌گذاری استفاده می‌کند. با به‌کارگیری گام‌برداری‌های تصادفی هندسی، که نوعی روش مونت‌کارلو زنجیره مارکوف توصیف شده‌اند، سبدهای تصادفی منطبق با محدودیت‌های سرمایه‌گذار تولید می‌کند. این سبدها گروه‌های کنترل انعطاف‌پذیری برای بررسی ارتباط صرف عوامل مطالعه‌شده در پژوهش‌های دانشگاهی با عملکرد در محیط عملی سرمایه‌گذاری فراهم می‌کنند.
نمونه تجربی، میزان مواجهه با صرف اندازه، ارزش، کیفیت و مومنتوم را در چارچوبی با محدودیت‌های شدید می‌سنجد که از دستورالعمل‌های سرمایه‌گذار برای شاخص چندعاملی متنوع MSCI الگوبرداری شده است. مقاله محدودیت‌های استفاده از سبدهای تصادفی برای استنباط عملکرد را نیز بررسی می‌کند، به‌ویژه دشواری‌های ناشی از هندسه با ابعاد بالا. گزیده طرح و پرسش‌های پژوهش را شرح می‌دهد اما یافته عددی ارائه نمی‌کند؛ بنابراین نشان نمی‌دهد که سبدهای محدودشده صرف عوامل را جذب می‌کنند یا از معیار مبنا بهتر عمل می‌کنند. نکته اصلی روش‌شناختی است: هنگام تفسیر عملکرد تجربی، ساخت سبد کنترل و اثرات هندسی اهمیت دارند.
ایده‌های کلیدی
- گام‌برداری‌های تصادفی هندسی می‌توانند سبدهای کنترل تصادفی منطبق با محدودیت‌های سرمایه‌گذار بسازند.
- نمونه‌گیری از سبدهای تصادفی می‌تواند پژوهش صرف عوامل را به تحلیل عملکرد عملی پیوند دهد.
- کاربرد تجربی، مواجهه با عوامل اندازه، ارزش، کیفیت و مومنتوم را بررسی می‌کند.
- دستورالعمل یک شاخص چندعاملی محدودشده، نمونه چارچوب سرمایه‌گذاری است.
- هندسه با ابعاد بالا استنباط سنتی از سبدهای تصادفی را دشوار می‌کند.
برچسب‌ها
متن کامل
# Randomized Control in Performance Analysis and Empirical Asset Pricing # Randomized Control in Performance Analysis and Empirical Asset Pricing The present article explores the application of randomized control techniques in empirical asset pricing and performance evaluation. It introduces geometric random walks, a class of Markov chain Monte Carlo methods, to construct flexible control groups in the form of random portfolios adhering to investor constraints. The sampling-based methods enable an exploration of the relationship between academically studied factor premia and performance in a practical setting. In an empirical application, the study assesses the potential to capture premias associated with size, value, quality, and momentum within a strongly constrained setup, exemplified by the investor guidelines of the MSCI Diversified Multifactor index. Additionally, the article highlights issues with the more traditional use case of random portfolios for drawing inferences in performance evaluation, showcasing challenges related to the intricacies of high-dimensional geometry.
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.