재무비율의 위상 분석

기사 arXiv papers · 저자: Pawel Dlotko et al.

요약

이 문서는 널리 연구된 기업 재무비율 7가지와 주식 수익률의 관계를 다시 살펴봅니다. 위상 데이터 분석, 특히 Ball Mapper 알고리즘을 적용해 재무비율 공간의 관측값을 2차원 그래프로 표현합니다. 이 시각화는 요인 간 의존성을 더 쉽게 파악하고 수익률과의 연관성을 살펴보도록 돕습니다.

주요 관찰 결과는 비율과 수익률의 관계, 그리고 요인 간 관계가 단조롭지 않은 경우가 많다는 것입니다. 따라서 단순한 선형 또는 한 방향 해석으로는 자산 가격 결정과 투자 연구에 관련된 구조를 놓칠 수 있습니다. 발췌문은 위상 방법이 익숙한 예측 변수에 대해 다른 관점을 제공할 수 있다고 주장하지만, 표본 세부 정보, 검증 테스트, 추정 거래 수익률, 데이터 마이닝 방지책은 제시하지 않습니다. 따라서 투자 가치에 대한 주장은 탐색적입니다. 이 방법은 추가 조사를 위한 패턴을 보여줄 뿐 수익성 있는 전략을 입증하지는 않습니다.

핵심 아이디어

이 연구는 기존에 알려진 재무비율 7가지와 주식 수익률의 연관성을 살펴봅니다.
Ball Mapper는 비율 데이터를 2차원 그래프로 변환해 구조와 요인 간 상호 의존성을 시각화합니다.
보고된 연관성은 단조롭지 않은 경우가 많아 단순한 관계 가정으로는 드러나지 않을 수 있습니다.
발췌문은 TDA을 자산 가격 결정 연구의 탐색적 도구로 제시합니다.
거래 테스트나 수익성을 입증하기에 충분한 방법론 세부 정보는 보고하지 않습니다.

# Financial ratios and stock returns reappraised through a topological data analysis lens


# Financial ratios and stock returns reappraised through a topological data analysis lens









Firm financials are well established as return predictors, being the inspiration for a large set of anomalies in the asset pricing literature. Employing topological data analysis we revisit the question of association between seven of the most commonly studied financial ratios and stock returns. Specifically the TDA Ball Mapper algorithm is applied to visualise the point cloud of financial ratios as an abstract two-dimensional graph readily allowing for identification of interdependencies between factors. These relationships are seldom monotonic, opportunities for investors to profitably exploit this knowledge provided by TDA abound. Clear potential offered by the tools of TDA to shed new light on asset pricing models is demonstrated. Scope for benefit is limited only by the availability of information to the analyst.

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

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

위상 데이터 분석으로 살펴본 재무비율 예측 변수

요약

핵심 아이디어

태그