Métricas de distância para comparar modelos de precificação de ativos

Resumo

O artigo propõe medidas baseadas em distância para comparar modelos de precificação de ativos, motivado por preocupações de que testes estatísticos possam ter baixo poder e de que estatísticas alfa possam ser usadas sem rigor. A métrica proposta combina alfas ao quadrado e erros-padrão ao quadrado e, em seguida, calcula a raiz quadrada, oferecendo um diagnóstico único que considera tanto a má precificação estimada quanto a incerteza.

O artigo também apresenta uma interpretação bayesiana: o desempenho do modelo é formulado como a distância entre uma distribuição implícita no modelo e uma distribuição baseada nos dados que representa ceticismo. Nessa interpretação, são preferidos modelos com menor dispersão de alfa e maior poder explicativo. A descrição relata que acrescentar momentum ao modelo de cinco fatores de Fama-French ameniza uma preocupação declarada com má precificação anual de menos oito a mais oito por cento. Essas métricas são apresentadas como complementos aos valores-p, não como substitutas; o texto fornecido não traz detalhes metodológicos nem validação mais ampla.

Ideias principais

• A métrica proposta combina alfas ao quadrado e erros-padrão ao quadrado em uma medida de distância.
• A formulação bayesiana compara as crenças implícitas no modelo com uma distribuição cética baseada nos dados.
• O relato favorece modelos com baixa dispersão de alfa e alto poder explicativo.
• O artigo apresenta o momentum como um complemento útil ao modelo de cinco fatores de Fama-French.
• As métricas de distância pretendem complementar os valores-p frequentistas como diagnósticos de modelos.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.