Ước lượng tỷ lệ PE cơ bản bằng mạng Bayes động cho giao dịch

Tóm tắt

Nghiên cứu dùng mạng Bayes động để xây dựng mô hình ước lượng tỷ lệ giá trên lợi nhuận cơ bản, vốn thường dựa vào đánh giá của chuyên gia. Tỷ lệ PE được suy luận nhằm hỗ trợ quyết định đầu tư của con người hoặc làm đầu vào cho hệ thống giao dịch tự động. Các tác giả suy ra quy trình suy luận thuận-nghịch và tối đa hóa kỳ vọng cho mạng được đề xuất, đồng thời liên hệ cấu trúc mạng với cách diễn giải biến động theo tài chính hành vi.

Một chiến lược giao dịch được xây dựng từ kết quả suy luận Bayes, và các thử nghiệm so sánh chiến lược này với những chuẩn đối chiếu đầu tư thông thường. Các tác giả báo cáo chiến lược liên tục vượt trội trong các thử nghiệm đó. Bản tóm tắt không nêu tài sản, định nghĩa chuẩn đối chiếu, giai đoạn kiểm định hay giả định về chi phí giao dịch, nên kết quả được báo cáo không thể xác lập hiệu suất nói chung hoặc tính phù hợp cho giao dịch thực. Phương pháp được trình bày vừa là cách ước lượng đầu vào định giá, vừa là cơ sở cho các quyết định có hệ thống.

Ý chính

• Mạng Bayes động được dùng để ước lượng tỷ lệ PE cơ bản.
• Các quy trình suy luận thuận-nghịch và tối đa hóa kỳ vọng được suy ra cho mô hình đề xuất.
• Tỷ lệ PE được suy luận có thể hỗ trợ quyết định của chuyên gia hoặc làm đầu vào cho hệ thống giao dịch tự động.
• Cách diễn giải mô hình được liên hệ với bằng chứng tài chính hành vi về biến động.
• Các thử nghiệm báo cáo rằng chiến lược dùng tỷ lệ PE được suy luận vượt trội so với các chuẩn đối chiếu thông thường.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.