投资分析模型专题:因子投资与机器学习及业绩归因.pdf
- 上传者:十三姨
- 时间:2023/03/24
- 浏览次数:308
- 下载次数:5
- 0人点赞
- 举报
投资分析模型专题:因子投资与机器学习及业绩归因。第十五期海外论文双周志聚焦因子投资,包括因子模型在机器学习发展背景 下的研究进展以及因子投资的业绩归因。第一篇论文梳理了因子投资的经典模 型,并介绍了机器学习在资产定价领域的最新进展,强调机器学习在解决高维 实证资产定价模型中的重要作用;第二篇论文介绍了一种度量主动型对冲基金 获取贝塔收益能力的指标 BA,发现主动型贝塔基金相比主动型阿尔法基金提 供了更好的风险调整后收益,而且 BA 能够更好地预测基金未来的业绩表现。
因子模型、机器学习和资产定价
因子模型是资产定价中实证分析的主要框架。静态因子模型是最基础的因子模 型,常见的研究框架包括三个方面,一是因子已知且可观测,二是因子及其暴 露是隐含的,三是因子暴露是可观测的,但因子是隐含的。条件因子模型相比 静态因子模型更适合去描述单个资产以及时变的因子风险暴露,需要施加约束 来识别模型,常见的建模方法包括 Barra 和工具变量 PCA(IPCA)方法。
机器学习在实证资产定价方法中的贡献包括测度预期收益、估计因子和风险 暴露、估计风险溢价以及估计随机折现因子及其暴露。测度预期收益方面,机 器学习方法的发展催生出股票收益预测的第三种方法,侧重于变量选择和降维 技术;估计因子和风险暴露方面,包括 PCA、IPCA、自编码器学习等;估计 风险溢价方面,包括三步回归、弱因子等;估计随机折现因子及其暴露方面, 包括 PCA、惩罚回归、深度学习等方法。
因子模型、风险溢价和阿尔法的统计特性的渐近识别方案。文献中有三种主 要的渐近方案来表征因子模型、风险溢价和阿尔法的统计特性。传统的推断依 赖于常用的大 T、固定 N 的渐近性,第二种方案允许 N 和 T 同时无限增长, 第三种方案采用大 N 固定 T 的设计。在传统的 OLS、GLS 估计方法之外,许 多文献开始采用 PCA、风险溢价 PCA 以及有监督的 PCA 等机器学习方法对大 N 大 T 和大 N 小 T 类型的渐近形式进行识别。
主动贝塔对冲基金管理
两类投资风格的对冲基金:主动贝塔和主动阿尔法。本文将主动阿尔法定义为 获取最终没有反映在因子暴露的收益,将主动贝塔定义为采取与宏观风险因子 相关的方向性头寸。此外,本文在业绩归因、市场时机以及业绩预测领域对现 有文献做了扩展,发现主动贝塔是对现有高级组合管理方法的补充。
数据选择以及统计梳理。从数据选择看,本文使用彭博的 1994-2013 年期间的 对冲基金数据,彭博要求所有基金报告自成立以来的所有业绩,同时采取相关 方法处理了幸存者偏见和回填偏差的影响。从样本统计看,代表性基金管理资 产 7300 万美元,管理费为 1.5%,对投资者高于水位线以上的所有利润收取 20%的激励费用,最低初始投资额为 25 万美元,赎回期为 30 天。
主动贝塔管理的测度。主动贝塔管理是试图采取与未来产生最高绝对回报的因 子相关的持仓。本文引入两个变量以捕捉基本模型中所有因子不同方面的主动 贝塔,其中 SBS 测度当期成功,而 DBR 捕捉因子择时的动态效应,然后引入 SBS 和 DBR 的平均等权平均值作为主动贝塔的综合度量。
主动阿尔法和主动贝塔的比较。根据主动贝塔管理的测度 BA,本文创建了按 照 BA 排名的基金组合,发现头部 BA 组合明显优于底部组合,同时提供更高 的长期回报率、夏普比率以及信息比率。此外。头部主动贝塔基金在长期表现 上优于头部主动阿尔法基金,并且在短期表现方面经常比头部主动阿尔法基金 表现得更好。
- 全部热门
- 本年热门
- 本季热门
- 清华大学-人工智能之机器学习.pdf 40 20积分
- 2023年人工智能机器学习研究报告.pdf 15 15积分
- 量化投资专题研究报告:机器学习合成非线性因子,增强效果如何? 13 5积分
- 机器学习和知识图谱在行业轮动中的应用.pdf 13 3积分
- 企业文化专题研究:定量视角看企业文化,基于机器学习的研究.pdf 9 4积分
- 投资工具专题报告:机器学习与技术分析结合策略研究.pdf 8 4积分
- 亚马逊云科技7个典型的机器学习案例 7 1积分
- 兰德-在中美竞争中保持人工智能和机器学习的竞争优势.pdf 7 5积分
- 机器学习资产配置:HMM模型择时及配置策略.pdf 6 3积分
- GRAPH+AI加速供应链数字化转型.pdf 5 2积分
- 2023年人工智能机器学习研究报告.pdf 15 15积分
- 2023数据科学与机器学习平台市场厂商评估报告.pdf 4 3积分
- 2022年AI和机器学习全景报告,AI生命周期数据管理.pdf 4 3积分
- 金融市场策略:积极适应市场风格,行为金融+机器学习新发现.pdf 3 9积分
- 世界银行-利用机器学习和现代数据科学对司法改革成本和收益进行加权(英).pdf 1 4积分
- Gartner-首席数据和分析官如何领导数据科学和机器学习领域的技能提升计划(英).pdf 1 2积分
- 商品期权与机器学习结合策略研究.pdf 1 5积分
- 关于机器学习的一些问题汇总(英).pdf 0 15积分
- 基于机器学习的股票交易时机研究.docx 0 10积分
- JF-可预见的不平等机器学习对信贷市场的影响.pdf 0 4积分
- 产业趋势和主题投资跟踪:根据最新定义,应重点关注新质生产力的哪些方向?.pdf 38 6积分
- 新质生产力三大投资主线.pdf 21 3积分
- 德赛西威研究报告:四问四答,再看德赛西威投资价值.pdf 13 3积分
- 工商业储能开发要点及投融资分析.pdf 9 4积分
- 银发经济蓝海下的投资脉络.pdf 8 6积分
- 2023境内ETF年度报告:多点开花,逆势增长,ETF投资正当时.pdf 4 3积分
- 比特币产业链构成及相关投资价值分析:4年减半,周而复始.pdf 4 3积分
- 出海投资方法论初探.pdf 4 3积分
- 东盟出口全览&投资机会拆解.pdf 4 2积分
- 基于美国补库视角的出口产业链投资机会梳理.pdf 3 5积分