跳至正文
返回文库全部文档

用拓扑数据分析重新审视财务比率预测因子

文章 arXiv papers · 作者: Pawel Dlotko et al.
阅读原文

总结

本文重新考察七种常见公司财务比率与股票收益之间的关系。研究采用拓扑数据分析，具体使用 Ball Mapper 算法，将财务比率空间中的观测表示为二维图。该可视化旨在帮助识别因子间的依赖关系，并考察这些关系与收益的关联。

主要发现是，财务比率与收益之间以及因子彼此之间的关系往往是非单调的。这表明，简单的线性或单向解释可能会遗漏与资产定价和投资研究相关的结构。摘要指出，拓扑方法可以为熟悉的预测因子提供不同视角，但未提供样本细节、验证测试、估计交易收益或防范数据挖掘的措施。因此，其潜在投资价值的主张仍属探索性；该方法揭示的是有待进一步研究的模式，并未证实盈利策略。

核心观点

  • 研究考察七种成熟财务比率与股票收益之间的关联。
  • Ball Mapper 将比率数据转换为二维图，以可视化结构和因子间的相互依赖关系。
  • 报告的关联往往是非单调的，简单的关系假设可能无法呈现这一点。
  • 摘要将TDA作为资产定价研究的探索性工具。
  • 文中未报告交易测试，也没有足够的方法细节来证实其盈利能力。

标签

股票因子投资统计学机器学习
全文
# Financial ratios and stock returns reappraised through a topological data analysis lens


# Financial ratios and stock returns reappraised through a topological data analysis lens









Firm financials are well established as return predictors, being the inspiration for a large set of anomalies in the asset pricing literature. Employing topological data analysis we revisit the question of association between seven of the most commonly studied financial ratios and stock returns. Specifically the TDA Ball Mapper algorithm is applied to visualise the point cloud of financial ratios as an abstract two-dimensional graph readily allowing for identification of interdependencies between factors. These relationships are seldom monotonic, opportunities for investors to profitably exploit this knowledge provided by TDA abound. Clear potential offered by the tools of TDA to shed new light on asset pricing models is demonstrated. Scope for benefit is limited only by the availability of information to the analyst.

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。