자산 가격 결정과 성과 평가를 위한 무작위 포트폴리오
기사 arXiv papers · 저자: Cyril Bachelard et al.
요약
이 글은 실증적 자산 가격 결정과 투자 성과 평가에 무작위 대조군을 적용합니다. 마르코프 연쇄 몬테카를로 방법의 한 종류로 설명되는 기하 랜덤워크를 이용해 투자자 제약을 충족하는 무작위 포트폴리오를 생성합니다. 이 포트폴리오는 학술적으로 연구된 요인 프리미엄이 실제 투자 환경의 성과와 어떤 관련이 있는지 살펴볼 유연한 대조군 역할을 합니다.
실증 사례는 MSCI 다중요인 지수의 투자자 지침을 본뜬 강한 제약 설정에서 규모, 가치, 품질, 모멘텀 프리미엄에 대한 노출을 시험합니다. 글은 성과 추론에 무작위 포트폴리오를 사용할 때의 한계, 특히 고차원 기하학이 만드는 어려움도 논의합니다. 발췌문은 설계와 연구 질문을 설명하지만 수치 결과는 제시하지 않아, 제약 포트폴리오가 프리미엄을 포착하거나 벤치마크를 능가하는지 보여주지 않습니다. 핵심 교훈은 방법론에 있습니다. 실증 성과를 해석할 때 대조 포트폴리오 구성과 기하학적 효과가 중요합니다.
핵심 아이디어
- 기하 랜덤워크로 투자자 제약을 충족하는 무작위 대조 포트폴리오를 만들 수 있습니다.
- 무작위 포트폴리오 표본 추출은 요인 프리미엄 연구와 실제 성과 분석을 연결할 수 있습니다.
- 실증 적용에서는 규모, 가치, 품질, 모멘텀 노출을 살펴봅니다.
- 제약이 있는 다중요인 지수 지침을 투자 설정의 사례로 사용합니다.
- 고차원 기하학은 전통적인 무작위 포트폴리오 추론을 어렵게 합니다.
태그
전문
# Randomized Control in Performance Analysis and Empirical Asset Pricing # Randomized Control in Performance Analysis and Empirical Asset Pricing The present article explores the application of randomized control techniques in empirical asset pricing and performance evaluation. It introduces geometric random walks, a class of Markov chain Monte Carlo methods, to construct flexible control groups in the form of random portfolios adhering to investor constraints. The sampling-based methods enable an exploration of the relationship between academically studied factor premia and performance in a practical setting. In an empirical application, the study assesses the potential to capture premias associated with size, value, quality, and momentum within a strongly constrained setup, exemplified by the investor guidelines of the MSCI Diversified Multifactor index. Additionally, the article highlights issues with the more traditional use case of random portfolios for drawing inferences in performance evaluation, showcasing challenges related to the intricacies of high-dimensional geometry.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.