자산 가격결정 모형 거리 측정치

기사 arXiv papers · 저자: Zhongzhi Lawrence He

요약

이 논문은 통계 검정의 검정력이 낮을 수 있고 알파 통계가 엄밀한 기준 없이 사용될 수 있다는 우려에서 출발해, 자산 가격결정 모형을 비교하는 거리 기반 측정치를 제안합니다. 제안된 지표는 제곱 알파와 제곱 표준오차를 결합한 뒤 제곱근을 취해, 추정된 가격 오류와 불확실성을 모두 반영하는 단일 진단값을 제공합니다.

또한 모형 성과를 모형이 함의하는 분포와 회의적 태도를 나타내는 데이터 기반 분포 사이의 거리로 보는 베이지안 해석도 제시합니다. 이 관점에서는 알파 분산이 낮고 설명력이 높은 모형을 선호합니다. 설명은 Fama-French 5요인 모형에 모멘텀을 추가하면 마이너스 8%에서 플러스 8%에 이르는 연간 가격 오류에 관한 우려를 완화한다고 보고합니다. 이 측정치들은 p값을 대체하는 것이 아니라 보완하는 것으로 제시됩니다. 제공된 글에는 방법론 세부 사항이나 더 폭넓은 검증이 없습니다.

핵심 아이디어

제안된 지표는 제곱 알파와 제곱 표준오차를 결합해 거리 측정치를 만듭니다.
베이지안 관점은 모형이 함의하는 믿음을 회의적인 데이터 기반 분포와 비교합니다.
이 설명은 알파 분산이 낮고 설명력이 높은 모형을 선호합니다.
논문은 Fama-French 5요인 모형에 모멘텀을 추가하는 것이 유용하다고 제시합니다.
거리 측정치는 모형 진단에서 빈도주의 p값을 보완하기 위한 것입니다.

# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.

자산 가격결정 모형 비교를 위한 거리 측정치

요약

핵심 아이디어

태그