אמידת קבוצת הנכסים המינימלית הפורשת את חזית ממוצע־שונות
סיכום
המאמר בוחן כיצד לזהות את תת־הקבוצה הקטנה ביותר של נכסים מסוכנים שיכולה לפרוש את חזית היעילות של ממוצע־שונות ביקום נכסים גדול יותר. הוא מציג תנאים לזיהוי תת־הקבוצה ומציג הליך אמידה והסקה שנועד לכלול את הקבוצה האמיתית בהסתברות השואפת לאחת ולהתכנס ברמת ביטחון שנבחרה.
סימולציות מונטה־קרלו מוצגות כראיה לביצועים חזקים במדגמים סופיים. יישום אמפירי משווה אסטרטגיות מומנטום של מניות בודדות ושל מומנטום גורמים לגורמי תשואת מניות מבוססים. הממצאים מזהים מומנטום של גורמים, כמה אסטרטגיות מומנטום של מניות וכמה גורמי תשואה כתורמים חשובים ליעילות ממוצע־שונות; הניתוח גם בוחן ומדרג את תרומתם. המסמך אינו מספק פרטים על המדגם, הנכסים הספציפיים, בחירות האמידה או בדיקות העמידות, ולכן אי אפשר להעריך את המסקנות האמפיריות מעבר לסקירה זו.
רעיונות מרכזיים
- הקבוצה הפורשת המינימלית היא תת־קבוצת הנכסים המסוכנים הקטנה ביותר הפורשת את חזית היעילות של ממוצע־שונות ביקום התיקים.
- תנאי הזיהוי מגדירים מתי אפשר לשחזר תת־קבוצה זו.
- השיטה המוצעת אומדת את הקבוצה ומספקת הסקה עם כיסוי אסימפטוטי והבטחות התכנסות.
- נעשה שימוש בסימולציות מונטה־קרלו להערכת ביצועים במדגם סופי.
- יישום מדרג את תרומותיהם של מומנטום מניות, מומנטום גורמים וגורמי תשואה מבוססים ליעילות ממוצע־שונות.
תגיות
הטקסט המלא
# 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.
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.