Случайные портфели для оценки активов и результатов инвестиций

Сводка

В статье случайные контрольные портфели применяются к эмпирической оценке активов и инвестиционных результатов. Геометрические случайные блуждания, описанные как класс методов Монте-Карло с цепями Маркова, используются для генерации портфелей с учётом ограничений инвестора. Такие портфели дают гибкие контрольные группы для изучения того, как премии факторов, исследуемые в академических работах, связаны с результатами в практических инвестициях.

В эмпирическом примере анализируется экспозиция к премиям за размер, стоимость, качество и моментум в рамках строгих ограничений, основанных на рекомендациях для инвесторов индекса MSCI Diversified Multifactor. В статье также обсуждаются ограничения случайных портфелей при оценке результатов, особенно сложности, связанные с геометрией высокой размерности. Отрывок описывает методику и исследовательские вопросы, но не содержит численных результатов, поэтому не показывает, отражают ли портфели с ограничениями факторные премии или превосходят ли бенчмарк. Главный вывод методологический: при интерпретации эмпирических результатов важны формирование контрольного портфеля и геометрические эффекты.

Ключевые идеи

• Геометрические случайные блуждания позволяют генерировать контрольные портфели с учётом ограничений инвестора.
• Выборка случайных портфелей связывает исследования факторных премий с практической оценкой результатов.
• В эмпирическом примере рассматриваются экспозиции к размеру, стоимости, качеству и моментуму.
• Пример инвестиционной схемы основан на ограничениях для мультифакторного индекса.
• Геометрия высокой размерности усложняет традиционную оценку результатов по случайным портфелям.

Теги

# Randomized Control in Performance Analysis and Empirical Asset Pricing


# Randomized Control in Performance Analysis and Empirical Asset Pricing









The present article explores the application of randomized control techniques in empirical asset pricing and performance evaluation. It introduces geometric random walks, a class of Markov chain Monte Carlo methods, to construct flexible control groups in the form of random portfolios adhering to investor constraints. The sampling-based methods enable an exploration of the relationship between academically studied factor premia and performance in a practical setting. In an empirical application, the study assesses the potential to capture premias associated with size, value, quality, and momentum within a strongly constrained setup, exemplified by the investor guidelines of the MSCI Diversified Multifactor index. Additionally, the article highlights issues with the more traditional use case of random portfolios for drawing inferences in performance evaluation, showcasing challenges related to the intricacies of high-dimensional geometry.

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.