Mesures de distance pour comparer les modèles d’évaluation des actifs

Résumé

L’article propose des mesures fondées sur la distance pour comparer les modèles d’évaluation des actifs, en réponse aux préoccupations selon lesquelles les tests statistiques peuvent manquer de puissance et les statistiques alpha manquer de rigueur d’utilisation. La mesure proposée combine les alphas au carré et les erreurs-types au carré, puis en prend la racine carrée : elle fournit ainsi un indicateur unique qui tient compte à la fois de la mauvaise évaluation estimée et de l’incertitude.

L’article propose aussi une interprétation bayésienne : les performances du modèle sont présentées comme la distance entre une distribution impliquée par le modèle et une distribution fondée sur les données, qui représente le scepticisme. Selon cette approche, les modèles présentant une dispersion des alphas plus faible et un pouvoir explicatif plus élevé sont privilégiés. La description indique que l’ajout du momentum au modèle à cinq facteurs de Fama-French atténue une préoccupation exprimée concernant une mauvaise évaluation annuelle de moins huit à plus huit pour cent. Ces mesures sont présentées comme un complément aux valeurs p, et non comme leur remplacement ; le texte fourni ne contient pas de détails méthodologiques ni de validation plus générale.

Idées clés

• La mesure proposée combine les alphas au carré et les erreurs-types au carré pour former une mesure de distance.
• L’approche bayésienne compare les croyances impliquées par le modèle à une distribution sceptique fondée sur les données.
• L’approche privilégie les modèles à faible dispersion des alphas et à fort pouvoir explicatif.
• L’article présente le momentum comme un ajout utile au modèle à cinq facteurs de Fama-French.
• Les mesures de distance visent à compléter les valeurs p fréquentistes comme outils de diagnostic des modèles.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.