跳至正文
返回文库全部文档

用于资产定价与表现评估的随机投资组合

文章 arXiv papers · 作者: Cyril Bachelard et al.
阅读原文

总结

本文将随机控制应用于实证资产定价和投资表现评估。研究使用被描述为一类马尔可夫链蒙特卡罗方法的几何随机游走，生成符合投资者约束的随机投资组合。这些组合可作为灵活的对照组，用于考察学术研究中的因子溢价如何关联到实际投资环境中的表现。

实证案例在一个高度受限的设定下，检验了规模、价值、质量和动量溢价的风险暴露；该设定以 MSCI 多因子指数的投资者指引为蓝本。文章还讨论了使用随机投资组合推断表现的局限，尤其是高维几何带来的挑战。摘录介绍了研究设计和问题，但未提供数值发现，因此无法得知受约束的投资组合是否捕捉到这些溢价或跑赢基准。其主要启示在于方法层面：解读实证表现时，对照投资组合的构建方式和几何效应都很重要。

核心观点

  • 几何随机游走可生成符合投资者约束的随机对照投资组合。
  • 随机投资组合抽样可将因子溢价研究与实际表现分析联系起来。
  • 实证应用考察了规模、价值、质量和动量暴露。
  • 以受约束的多因子指数指引作为投资设定案例。
  • 高维几何使传统随机投资组合推断更为复杂。

标签

因子投资投资组合构建统计学回测
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。