모멘텀·규모·잔차 변동성 포트폴리오

기사 arXiv papers · 저자: Christopher G. Lamoureux et al.

요약

이 문서는 자산 특성이 결합해 수익률을 얼마나 예측하는지, 그리고 서로 다른 위험 선호를 가진 투자자를 위한 포트폴리오 구성에 어떻게 활용할 수 있는지 평가합니다. 성과를 표본 외 멱효용과 확실성 등가액으로 나타낸 뒤, 포트폴리오 비중을 특성에 연계할 때 생기는 추정 오차를 다룹니다. 과적합을 줄이기 위해 효용 함수 자체보다 위험 비중에 더 큰 불이익을 주는 표본 내 목적 함수를 최적화하는 방법을 제안합니다.

어떤 단일 특성도 모든 투자자의 효용을 개선하지는 않습니다. 하지만 모멘텀, 기업 규모, 잔차 변동성을 결합하면 고려한 투자자 전반에서 명시된 벤치마크보다 확실성 등가액이 높은 포트폴리오를 만들 수 있습니다. 저자들은 그 이유로 특성 간 상호보완성을 들며, 특히 모멘텀이 다른 입력값의 과적합을 줄이는 데 도움이 된다고 설명합니다. 결과 포트폴리오 수익률은 전통적인 요인 수익률과도 대체로 구별되는 것으로 보입니다. 간략한 설명에는 표본 세부사항이나 효과 크기의 수치가 없어, 결과의 강도와 일반성을 본문만으로 평가할 수 없습니다.

핵심 아이디어

자산 특성으로 추정한 포트폴리오 비중에는 추정 오차가 생길 수 있습니다.
비중을 선택할 때 과적합을 줄이기 위해 더 오목한 표본 내 목적 함수를 사용합니다.
분석에서 어떤 개별 특성도 모든 투자자의 효용을 개선하지는 않습니다.
모멘텀, 규모, 잔차 변동성을 결합하면 투자자 전반에서 벤치마크보다 높은 확실성 등가액을 얻습니다.
모멘텀은 다른 특성이 과적합되는 경향을 줄여 상호보완 역할을 할 수 있습니다.
결과 포트폴리오 수익률은 전통적인 요인으로 대부분 설명되지 않습니다.

# 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.

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

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

모멘텀·규모·잔차 변동성으로 포트폴리오 효용 개선

요약

핵심 아이디어

태그