पोर्टफ़ोलियो उपयोगिता सुधारने के लिए मोमेंटम, आकार और अवशिष्ट अस्थिरता

सारांश

यह दस्तावेज़ मूल्यांकन करता है कि परिसंपत्ति विशेषताएँ मिलकर प्रतिफल का पूर्वानुमान कैसे देती हैं और अलग-अलग जोखिम प्राथमिकताओं वाले निवेशकों के लिए पोर्टफ़ोलियो बनाने में उनका उपयोग कैसे हो सकता है। इसमें प्रदर्शन को नमूने से बाहर पावर यूटिलिटी और निश्चितता समतुल्यों के रूप में मापा गया है; फिर उन विशेषताओं से पोर्टफ़ोलियो भार जोड़ने पर पैदा होने वाली अनुमान त्रुटि पर चर्चा की गई है। ओवरफिटिंग घटाने के लिए यह नमूने के भीतर ऐसे उद्देश्य को अनुकूलित करने का प्रस्ताव करता है जो जोखिमभरे भारों को यूटिलिटी फलन की तुलना में अधिक दंडित करता है।

कोई एक विशेषता हर निवेशक की उपयोगिता नहीं बढ़ाती। हालांकि, मोमेंटम, कंपनी का आकार और अवशिष्ट अस्थिरता मिलाने से विचाराधीन निवेशकों के लिए बताए गए बेंचमार्क से अधिक निश्चितता समतुल्य वाले पोर्टफ़ोलियो बनते हैं। लेखक इस परिणाम का कारण विशेषताओं के बीच पूरकता बताते हैं: विशेष रूप से, मोमेंटम अन्य इनपुट से होने वाली ओवरफिटिंग सीमित करने में मदद करता है। परिणामी पोर्टफ़ोलियो प्रतिफल पारंपरिक कारक प्रतिफलों से भी काफी अलग दिखाई देते हैं। संक्षिप्त विवरण में नमूने की जानकारी या प्रभाव के संख्यात्मक आकार नहीं हैं, इसलिए केवल इस पाठ से निष्कर्षों की मज़बूती और व्यापकता आँकी नहीं जा सकती।

मुख्य विचार

• परिसंपत्ति विशेषताओं से अनुमानित पोर्टफ़ोलियो भारों में अनुमान त्रुटि हो सकती है।
• भार चुनते समय ओवरफिटिंग घटाने के लिए नमूने के भीतर अधिक अवतल उद्देश्य का उपयोग किया जाता है।
• विश्लेषण में कोई एकल विशेषता हर निवेशक की उपयोगिता नहीं बढ़ाती।
• मोमेंटम, आकार और अवशिष्ट अस्थिरता मिलाने से सभी निवेशकों के लिए बेंचमार्क से अधिक निश्चितता समतुल्य मिलते हैं।
• अन्य विशेषताओं की ओवरफिटिंग प्रवृत्ति घटाकर मोमेंटम उनका पूरक बन सकता है।
• परिणामी पोर्टफ़ोलियो प्रतिफल पारंपरिक कारकों के दायरे से काफी हद तक बाहर हैं।

टैग

# An Empirical Assessment of Characteristics and Optimal Portfolios


# An Empirical Assessment of Characteristics and Optimal Portfolios









We analyze characteristics' joint predictive information through the lens of out-of-sample power utility functions. Linking weights to characteristics to form optimal portfolios suffers from estimation error which we mitigate by maximizing an in-sample loss function that is more concave than the utility function. While no single characteristic can be used to enhance utility by all investors, conditioning on momentum, size, and residual volatility produces portfolios with significantly higher certainty equivalents than benchmarks for all investors. Characteristic complementarities produce the benefits, for example momentum mitigates overfitting inherent in other characteristics. Optimal portfolios' returns lie largely outside the span of traditional factors.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।