Как импульс, размер компании и остаточная волатильность повышают полезность портфеля

Сводка

В документе оценивается, как характеристики активов совместно прогнозируют доходность и помогают формировать портфели для инвесторов с разными предпочтениями по риску. Эффективность рассматривается через степенную полезность вне выборки и эквиваленты определенности; также анализируется ошибка оценивания, возникающая, когда веса портфеля связываются с характеристиками. Для снижения переобучения предлагается оптимизировать целевую функцию на выборке, сильнее штрафующую рискованные веса, чем сама функция полезности.

Ни одна отдельная характеристика не повышает полезность для каждого инвестора. Однако сочетание импульса, размера компании и остаточной волатильности дает для рассмотренных инвесторов портфели с более высокими эквивалентами определенности, чем указанные бенчмарки. Авторы объясняют результат взаимодополняемостью характеристик: в частности, импульс помогает ограничить переобучение на других входных данных. Доходности полученных портфелей также, по-видимому, в значительной степени отличаются от доходностей традиционных факторов. В кратком описании нет сведений о выборке или численных величинах эффекта, поэтому по одному тексту нельзя оценить силу и обобщаемость выводов.

Ключевые идеи

• Веса портфеля, оцениваемые по характеристикам активов, могут содержать ошибку оценивания.
• Для снижения переобучения при выборе весов используется более вогнутая целевая функция на выборке.
• В анализе ни одна отдельная характеристика не повышает полезность для каждого инвестора.
• Сочетание импульса, размера и остаточной волатильности дает более высокие эквиваленты определенности, чем бенчмарки, для разных инвесторов.
• Импульс может дополнять другие характеристики, снижая склонность модели к переобучению на них.
• Доходности полученных портфелей в значительной степени не входят в пространство традиционных факторов.

Теги

# An Empirical Assessment of Characteristics and Optimal Portfolios


# An Empirical Assessment of Characteristics and Optimal Portfolios









We analyze characteristics' joint predictive information through the lens of out-of-sample power utility functions. Linking weights to characteristics to form optimal portfolios suffers from estimation error which we mitigate by maximizing an in-sample loss function that is more concave than the utility function. While no single characteristic can be used to enhance utility by all investors, conditioning on momentum, size, and residual volatility produces portfolios with significantly higher certainty equivalents than benchmarks for all investors. Characteristic complementarities produce the benefits, for example momentum mitigates overfitting inherent in other characteristics. Optimal portfolios' returns lie largely outside the span of traditional factors.

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.