עבור לתוכן
כל מסמכי הספרייה

תיקון שונות השוק בסימולציות מניות מרובות נכסים

מאמר arXiv papers · מחבר: Abdulrahman Alswaidan et al.

סיכום

מחקר זה עוסק בבעיה של ספירה כפולה של שונות בנתוני מניות סינתטיים מרובי נכסים. שילוב מחוללים מלאים של תשואות נכסים עם גורם שוק עלול להביא לכך ששונות השוק תיכלל פעמיים בתשואות המדומות. התיקון המוצע ממרכז את ההגרלות של כל מחולל ומשנה את קנה המידה שלהן לאורך אופק קבוע, לפני הוספת רכיב השוק, וכך מייתר התאמה של מחולל נפרד לשאריות הרגרסיה.

בדיקות ביקום של מניות וקרנות סל בארצות הברית מצאו שהמסלולים המתוקנים שמרו על זנבות כבדים ושחזרו חשיפות שוק מכוילות עם שגיאה נמוכה. בהיסטוריות 2025 שלא נכללו באמידה, השיטה שיפרה את שיעור המעבר הממוצע בבדיקות ההתפלגות לעומת הרכבה נאיבית, והביאה את חציון היחס בין השונות הסינתטית לשונות הנצפית לקרוב לאחת. שיעור החריגות המדווח של ערך בסיכון בזנב השמאלי ליום אחד נותר גבוה מהשיעור הנומינלי. הרחבה של משך קפיצות שיפרה את קיבוץ התנודתיות עבור SPY בתרחיש אחד, אך העברת ההגדרות שלה פגעה בהתאמה הזמנית במדגם המבחן. תלות בין שאריות אינה ממודלת ועלולה לנפח תשואות מדומות מאיזון מחדש; אילוץ סכום אפס גם מסיר את אי־הוודאות בשאריות במועד הסופי.

רעיונות מרכזיים

  • שילוב מחוללי תשואה מלאה עם גורם שוק עלול לספור את שונות השוק פעמיים.
  • התיקון ממרכז את הגרלות המחוללים ומשנה את קנה המידה שלהן לאורך אופק קבוע, לפני הוספת גורם השוק.
  • הבדיקות מצאו שזנבות כבדים וחשיפות שוק מכוילות נשמרו, וההתאמה ההתפלגותית השתפרה בהיסטוריות שלא נכללו באמידה.
  • שיעור החריגות המדווח של סיכון הזנב היה גבוה מהשיעור הנומינלי, והעברת הגדרות הקפיצות פגעה בהתאמה הזמנית במדגם המבחן.
  • תלות לא ממודלת בין שאריות הנכסים עלולה להפריז בתשואות המדומות מאיזון מחדש.

תגיות

הטקסט המלא
# Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals


# Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals









Synthetic multi-asset equity data must reproduce each asset's return distribution and its relationship with the market. Reusing a generator fitted to full asset returns creates a problem: adding its draws to a market factor counts market variance twice. We derived a correction that centers and rescales each draw over a fixed horizon before adding the market factor, allowing reuse without fitting a second generator to regression residuals. We tested the correction on 423 non-market assets in a 424-asset United States equity and exchange-traded-fund universe, using hidden Markov generators with heavy-tailed emissions. The corrected paths retained heavy tails and recovered the calibrated market loadings with low error. On 416 complete asset histories held out from 2025, the correction improved the mean Kolmogorov-Smirnov pass rate over naive composition and brought the median ratio of synthetic to observed variance close to one. Its one-day left-tail 99% Value-at-Risk exceedance rate, using thresholds pooled across separate simulated paths, was 1.12%, compared with 1.16% for the residual-fit hidden Markov comparator and a nominal rate of 1%. We also tested a jump-duration mechanism that extended visits to extreme-return states and improved volatility clustering for the broad-market exchange-traded fund with ticker SPY. The multi-asset correction remained effective with jumps enabled, but transferring the SPY jump settings improved temporal fit in training and worsened it in the 2025 holdout. The method provides a way to reuse fitted asset generators for daily-fit comparisons. Its zero-sum residual constraint removes terminal residual uncertainty, and unmodeled dependence among asset-specific residuals can lead to overstated rebalancing returns. Code, cached inputs, result summaries, and instructions for fitting the per-asset models accompany the paper.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.