Метрики расстояния для сравнения моделей оценки активов

Сводка

В статье предлагаются метрики на основе расстояния для сравнения моделей оценки активов. Мотивация — опасения, что статистические тесты могут обладать низкой мощностью, а статистикой альфа можно пользоваться без достаточных ограничений. Предлагаемая метрика объединяет квадраты альф и квадратов стандартных ошибок, а затем извлекает квадратный корень, формируя единый диагностический показатель, учитывающий как оценённую переоценённость или недооценённость, так и неопределённость.

Также предлагается байесовская интерпретация: результативность модели рассматривается как расстояние между распределением, заданным моделью, и основанным на данных распределением, выражающим скептическое отношение. В этой трактовке предпочтение отдаётся моделям с меньшим разбросом альф и большей объясняющей способностью. Согласно описанию, добавление моментума к пятифакторной модели Фама—Френча снимает обозначенную проблему годового отклонения цен от модели в диапазоне от минус восьми до плюс восьми процентов. Эти метрики представлены как дополнение к p-значениям, а не их замена; в предоставленном тексте нет методологических подробностей или более широкой проверки.

Ключевые идеи

• Предлагаемая метрика объединяет квадраты альф и стандартных ошибок в показатель расстояния.
• Байесовская трактовка сопоставляет выводы модели с основанным на данных распределением, выражающим скептицизм.
• В описании предпочтение отдаётся моделям с низким разбросом альф и высокой объясняющей способностью.
• В статье моментум представлен как полезное дополнение к пятифакторной модели Фама—Френча.
• Метрики расстояния задуманы как дополнение к частотным p-значениям при диагностике моделей.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.