Оценка фундаментальных коэффициентов PE с помощью динамических байесовских сетей

Сводка

В исследовании динамическая байесовская сеть используется для формализации оценок фундаментальных коэффициентов цена/прибыль, которые часто основаны на экспертных суждениях. Выведенный коэффициент PE предназначен для поддержки инвестиционных решений человека или в качестве входных данных для автоматизированной торговой системы. Авторы выводят для предложенной сети алгоритмы прямого и обратного вывода и максимизации ожидания, а также связывают её структуру с трактовками волатильности в поведенческих финансах.

На основе результатов байесовского вывода строится торговая стратегия, которую в экспериментах сравнивают со стандартными инвестиционными бенчмарками. Авторы сообщают об устойчивом превосходстве в этих экспериментах. В кратком описании не указаны активы, определения бенчмарков, тестовые периоды или предположения о транзакционных издержках, поэтому заявленные результаты не доказывают общую доходность или пригодность для торговли на реальном счёте. Метод представлен и как способ оценивать показатели стоимости, и как основа для систематических решений.

Ключевые идеи

• Для оценки фундаментальных коэффициентов PE используется динамическая байесовская сеть.
• Для предложенной модели выводятся алгоритмы прямого и обратного вывода и максимизации ожидания.
• Выведенные коэффициенты PE могут помогать экспертам принимать решения или служить входными данными для автоматизированной торговой системы.
• Интерпретация модели связывается с данными поведенческих финансов о волатильности.
• В экспериментах сообщается, что стратегия с выведенными коэффициентами PE превосходит стандартные бенчмарки.

Теги

# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment


# Stock Trading Using PE ratio: A Dynamic Bayesian Network Modeling on Behavioral Finance and Fundamental Investment









On a daily investment decision in a security market, the price earnings (PE) ratio is one of the most widely applied methods being used as a firm valuation tool by investment experts. Unfortunately, recent academic developments in financial econometrics and machine learning rarely look at this tool. In practice, fundamental PE ratios are often estimated only by subjective expert opinions. The purpose of this research is to formalize a process of fundamental PE estimation by employing advanced dynamic Bayesian network (DBN) methodology. The estimated PE ratio from our model can be used either as a information support for an expert to make investment decisions, or as an automatic trading system illustrated in experiments. Forward-backward inference and EM parameter estimation algorithms are derived with respect to the proposed DBN structure. Unlike existing works in literatures, the economic interpretation of our DBN model is well-justified by behavioral finance evidences of volatility. A simple but practical trading strategy is invented based on the result of Bayesian inference. Extensive experiments show that our trading strategy equipped with the inferenced PE ratios consistently outperforms standard investment benchmarks.

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.