iT邦幫忙

2023 iThome 鐵人賽

DAY 22
0
AI & Data

量化交易與機器學習系列 第 22

資產定價(Asset Pricing)

  • 分享至 

  • xImage
  •  

資產定價模型必須完成兩個任務:

  1. 有效降維和
  2. 資產定價

通過神經網路在可交易資產套用 隨機貼現因子(Stochastic Discount Factor, SDF) 模型,可有效的估計投資組合權重。

常用的風險因素模型有 Fama-French 3 因子模型(Fama-French Three-Factor Model) 和 5 因子模型,大部分超額收益可歸因於這些因子。

模型估計

以下 2 種方法可為模型估計的目標函數:

  • 最小化錯誤定價損失(Minimizing Mispricing loss, MP-min):
    SDF 由無套利隱含的條件矩限制定義,當偏離當前條件時視為錯誤定價,成為估計過程中的目標。

  • 最大化夏普比率(Maximizing Sharpe Ratio, SR-max):
    可以使用 SDF 投資組合的夏普比率作為替代優化目標。

傳統金融理論說明 2 種方法應該產生相同的投資組合。
對於債券投資組合來說,2 種方法之間的差異較小。

夏普比率最大化(SR-max)的模型比債券投資組合資料具有更高的槓桿率。
夏普比率最大化(SR-max)通常比錯誤定價損失(MP-min)作表現得更好,如各自的樣本外夏普比率(Out-of-Sample Sharpe Ratio)和年均複合成長率(Compound Annual Growth Rate ,CAGR)。

對於可預測性,使用最小化錯誤定價損失(MP-min)作為訓練目標獲得了更好的結果。

  • 隱藏式馬可夫模型(Hidden Markov Model, HMM)

高波動性和相對較高正回報的狀態,低波動性和低但正回報的狀態,以及高波動性但負回報的狀態。
低波動性和低但正回報的主導地位的市場體制之一。

模型評價

常用的經濟動機財務指標最終模型評價方法:

  • 夏普比率
  • 索丁諾比率(Sortino Ratio)
  • 卡瑪比率(Calmar Ratio)

常用評價變數:

  • 年均複合成長率(Compound Annual Growth Rate ,CAGR)
  • 最大交易回落(Max Drawdown, MDD)
  • 平均和最大槓桿(Leverage)

上一篇
量化研究(Quantitative Research)
下一篇
投資組合優化(Investment Portfolio Optimization)
系列文
量化交易與機器學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言