因素溢价评估的横截面方法有哪些？

因素溢价评估的横截面方法有哪些？

在上一章中,我们介绍了因素是如何利用公司特征和市场数据进行构建的。随后,我们讨论分析了这些因素的统计特性。在这一章中,我们要把我们的分析扩展到多因素情形,目的是建立能包含诸如交易数量、交易成本、行业差别和跟踪误差等许多常见的制度约束在内的动态多因素交易策略。为了达到这个目的,我们将使用增长率、价值量、质量和动量等因素的组合。我们的股票池是从1989年12月至2008年12月间罗索1000指数中的股票,而且我们使用Compustat Point-In-Time和1BES数据库来构建因素。

首先,我们将回顾一下评估因素的收益溢价和风险特征的几种方法,包括投资组合分类法、因素模型法、因素组合法和信息系数法。然后,我们将讨论把几个因素合并到一个模型??交易策略??中的方法。具体来说我们将讨论数据驱动法、因素模型法、试探法和最优化方法。对一个交易策略进行样本外数据回溯测试以了解它的性能和风险特征是十分重要的。我们将会讨论分裂样本测试和递归的样本外测试。

在本章中,我们会提供一系列的例子,包括多因素交易策略的回溯测试。正如在前面的章节中所说的那样,提供这些例子的目的并不是为了给出能获得收益的交易策略,而是为了说明分析人员进行研究时所遵循的过程。需要强调的是,我们使用的因素都是众所周知的而且已经被业内人士研究了很多年。我们认为这些例子的额外价值在于其对于基于因素的交易模型的研发过程的详尽阐述。

因素溢价评估的横截面方法

有几种方法可以用于评估因素的收益溢价和风险特征。本节我们将讨论四种最常用的方法:投资组合分类法、因素模型法、因素组合法和信息系数法。我们将研究每种方法并总结其优点和缺点。

实际中,在给定的情况下要确定合适的方法需要考虑几个决定因素。第一个决定因索是财务数据的结构。第二个决定因素是因素背后的经济学常识。例如,有时我们要寻找的是收益和因素之间的单调关系,而另外一些时候我们则只关心极端值。第三个决定因素是每种方法的基本假设对于采用的数据生成过程来说是否是有效的。

牛市通网是一个牛股推荐网与低风险投资知识网，可以在线联系客服领取牛股。牛市通网从权威的投资专家、金融分析师等投资信息中挑选优质的文章进行发布。牛市通网主要为投资者提供股票知识、股票观点、股票分析和明智金融投资讨论等信息。