본문으로 건너뛰기
라이브러리 문서 전체

최소 평균·분산 프런티어 구성 집합 추정

기사 arXiv papers · 저자: Zhipeng Liao et al.
원문 읽기

요약

이 논문은 더 큰 투자 자산군의 평균·분산 효율적 프런티어를 구성할 수 있는 위험자산의 최소 부분집합을 찾는 방법을 연구합니다. 해당 집합을 식별하는 조건을 제시하고, 참 집합을 포함할 확률이 1에 가까워지고 선택한 신뢰 수준에서 수렴하도록 설계된 추정 및 추론 절차를 소개합니다.

몬테카를로 시뮬레이션은 유한 표본에서 성과가 우수하다는 증거로 제시됩니다. 실증 적용에서는 개별 주식 모멘텀 및 요인 모멘텀 전략을 기존 주식 수익률 요인과 비교합니다. 연구 결과는 요인 모멘텀, 일부 주식 모멘텀 전략, 여러 수익률 요인이 평균·분산 효율성에 중요한 기여를 한다고 밝히며, 각 기여도를 검토하고 순위를 매깁니다. 문서에는 표본, 구체적 자산, 추정 선택, 강건성 검증에 대한 세부사항이 없어 이 개요만으로 실증 결론을 평가할 수 없습니다.

핵심 아이디어

  • 최소 구성 집합은 포트폴리오 자산군의 평균·분산 효율적 프런티어를 구성하는 최소 위험자산 부분집합입니다.
  • 식별 조건은 이 부분집합을 복원할 수 있는 경우를 규정합니다.
  • 제안한 방법은 집합을 추정하고 점근적 포함 확률과 수렴 보장을 제공하는 추론을 수행합니다.
  • 유한 표본 성과를 평가하기 위해 몬테카를로 시뮬레이션을 사용합니다.
  • 적용 사례는 주식 모멘텀, 요인 모멘텀, 기존 수익률 요인이 평균·분산 효율성에 기여하는 정도를 순위화합니다.

태그

팩터 투자모멘텀포트폴리오 구성통계
전문
# 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.

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

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