Estimer l’ensemble minimal couvrant la frontière moyenne-variance

Résumé

L’article étudie comment identifier le plus petit sous-ensemble d’actifs risqués capable de couvrir la frontière efficiente moyenne-variance d’un univers plus vaste. Il énonce les conditions d’identification de ce sous-ensemble et présente une procédure d’estimation et d’inférence conçue pour couvrir l’ensemble véritable avec une probabilité tendant vers un et converger au niveau de confiance choisi.

Des simulations de Monte-Carlo sont présentées comme preuve de bonnes performances en échantillon fini. Une application empirique compare les stratégies de momentum sur actions individuelles et de momentum factoriel aux facteurs établis de rendement des actions. Les résultats identifient le momentum factoriel, certaines stratégies de momentum sur actions et plusieurs facteurs de rendement comme des contributeurs importants à l’efficience moyenne-variance ; l’analyse examine et classe également leurs contributions. Le document ne donne aucun détail sur l’échantillon, les actifs concernés, les choix d’estimation ou les tests de robustesse ; les conclusions empiriques ne peuvent donc être évaluées au-delà de cette présentation.

Idées clés

• L’ensemble couvrant minimal est le plus petit sous-ensemble d’actifs risqués qui couvre la frontière efficiente moyenne-variance d’un univers de portefeuilles.
• Des conditions d’identification définissent les cas où ce sous-ensemble peut être retrouvé.
• La méthode proposée estime l’ensemble et fournit une inférence avec des garanties asymptotiques de couverture et de convergence.
• Des simulations de Monte-Carlo servent à évaluer les performances en échantillon fini.
• Une application classe les contributions du momentum sur actions, du momentum factoriel et des facteurs de rendement établis à l’efficience moyenne-variance.

Étiquettes

# Testing for the Minimum Mean-Variance Spanning Set


# Testing for the Minimum Mean-Variance Spanning Set









This paper explores the estimation and inference of the minimum spanning set (MSS), the smallest subset of risky assets that spans the mean-variance efficient frontier of the full asset set. We establish identification conditions for the MSS and develop a novel procedure for its estimation and inference. Our theoretical analysis shows that the proposed MSS estimator covers the true MSS with probability approaching 1 and converges asymptotically to the true MSS at any desired confidence level, such as 0.95 or 0.99. Monte Carlo simulations confirm the strong finite-sample performance of the MSS estimator. We apply our method to evaluate the relative importance of individual stock momentum and factor momentum strategies, along with a set of well-established stock return factors. The empirical results highlight factor momentum, along with several stock momentum and return factors, as key drivers of mean-variance efficiency. Furthermore, our analysis uncovers the sources of contribution from these factors and provides a ranking of their relative importance, offering new insights into their roles in mean-variance analysis.

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.