Danh mục ngẫu nhiên cho định giá tài sản và đánh giá hiệu quả

Tóm tắt

Bài viết áp dụng các nhóm đối chứng ngẫu nhiên vào định giá tài sản thực nghiệm và đánh giá hiệu quả đầu tư. Bài sử dụng bước đi ngẫu nhiên hình học, được mô tả là một lớp phương pháp Monte Carlo chuỗi Markov, để tạo danh mục ngẫu nhiên đáp ứng các ràng buộc của nhà đầu tư. Các danh mục này cung cấp nhóm đối chứng linh hoạt để xem xét mức độ các phần bù nhân tố được nghiên cứu trong học thuật liên hệ với hiệu quả trong bối cảnh đầu tư thực tế như thế nào.

Ví dụ thực nghiệm kiểm tra mức độ tiếp xúc với phần bù quy mô, giá trị, chất lượng và động lượng trong một thiết lập bị ràng buộc chặt, dựa trên hướng dẫn dành cho nhà đầu tư của chỉ số MSCI Diversified Multifactor. Bài viết cũng bàn về hạn chế khi dùng danh mục ngẫu nhiên để suy luận hiệu quả, đặc biệt là những khó khăn do hình học nhiều chiều gây ra. Trích đoạn mô tả thiết kế và câu hỏi nghiên cứu nhưng không cung cấp kết quả số, nên không cho biết danh mục bị ràng buộc có nắm bắt được phần bù hay vượt chuẩn đối chiếu hay không. Bài học chính thuộc về phương pháp: cách xây dựng danh mục đối chứng và các hiệu ứng hình học rất quan trọng khi diễn giải hiệu quả thực nghiệm.

Ý chính

• Bước đi ngẫu nhiên hình học có thể tạo danh mục đối chứng ngẫu nhiên theo các ràng buộc của nhà đầu tư.
• Lấy mẫu danh mục ngẫu nhiên có thể kết nối nghiên cứu phần bù nhân tố với phân tích hiệu quả thực tế.
• Ứng dụng thực nghiệm xem xét mức độ tiếp xúc với quy mô, giá trị, chất lượng và động lượng.
• Hướng dẫn của một chỉ số đa nhân tố có ràng buộc được dùng làm thiết lập đầu tư ví dụ.
• Hình học nhiều chiều làm phức tạp suy luận truyền thống từ danh mục ngẫu nhiên.

Thẻ

# 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.

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.