金融与财务机器学习 第5章 因子模型的估计、检验与解释.pptVIP

错误定价*错误定价框架下对因子的解释：投资者行为偏差以及市场套利限制的存在使得股票价格偏离其内在价值，存在错误定价。错误定价越高，资产的价格异象越显著，因子的收益率越高。判断因子是否源自于错误定价的方法：业绩公告期：错误定价导致股票的价格偏离其内在价值，当市场上释放更多有利于发现公司内在价值的信息时，错误定价会得到纠正，股票的收益率会发生改变。预测未来基本面：标准化的预期外盈利（SUE）是一个非收益率指标，仅仅和公司的基本面相关。异象如果能够预测SUE则说明与错误定价有关。有限注意力：如果异象来源于错误定价则说明在投资者关注度较低，即投资者有限注意力问题更严重的股票中，异象的收益率更高。套利成本：套利成本过高会限制投资者的套利活动，股票对内在价值的偏离得不到纠正，从而产生错误定价。因此，套利成本较高的公司拥有较高的异象收益率。数据挖掘*数据挖掘即样本内过度拟合了资产定价模型，很多新因子在样本外不能获取显著的超额收益，并且种现象拒绝了来自风险补偿和错误定价的解释。如果因子是真实存在的，其样本外失效的原因通常有以下几方面的原因：交易成本：绝大多数的研究在构建因子多空对冲组合时没有考虑交易费用，因此导致多空对冲组合收益率的高估。另外在考虑做空限制后，因子收益率也会下降。机智的套利者：因子发表后，机智的套利者会快人一步去大肆交易该因子并削弱错误定价，最后会导致因子收益率大幅下降。因子拥挤：因子拥挤，是指由于某类因子表现较好，使得跟踪或者投资某一因子的资金大量涌入而使得该因子的样本外收益率稳定下降的现象。*本章小结与复习思考题本章小结*本章介绍了因子模型检验传统方法与前沿发展。介绍了组合分析法中的单变量、双变量与三变量组合分析，并阐述了独立排序和序贯排序之间的差别。从宏观不可交易因子的角度讲解了因子模拟组合法（包括排序分组法和方差最小化法）。时序回归主要包括Alpha检验、GRS检验两种检验方式。Fama-Macbeth回归包括两阶段和三阶段回归。一个新因子可以从风险补偿、错误定价和数据挖掘三个方面进行解释。复习思考题*简单阐述单变量组合分析的具体步骤。因子模拟组合法包含几种方法？具体阐述它们的流程。时序回归法的Alpha检验和GRS检验的差别是什么？比较Fama-MacBeth两阶段回归和三阶段回归的异同。可以从哪些角度解释因子模型？*谢谢观看！金融机器学习教研组金融机器学习FuweiJiangFooter*第五章因子模型的估计、检验与解释章前导读*如何去发现一个因子？因子模型是否能带来显著的风险溢价？如何进行检验？如何去比较不同因子模型解释股票横截面收益的能力呢？怎样去解读一个因子，其背后的原因又是什么呢？本章框架*第一节因子模型检验概述第二节组合分析法单变量组合分析双变量组合分析三变量组合分析第三节因子模拟组合法排序分组法方差最小化法第四节时序回归法Alpha检验GRS检验第五节Fama-MacBeth回归法Fama-MacBeth两阶段回归Fama-MacBeth三阶段回归第六节解释因子模型风险补偿错误定价数据挖掘*第一节因子模型检验概述因子模型检验概述*实证资产定价领域的相关研究从20世纪70年代开始蓬勃发展，从最初的CAPM模型到Fama-French三因子模型、q因子模型，再到Fama-French五因子模型等，时至今日已历经50年的发展。资产定价模型通常有两种传统检验方式：时序回归（Alpha检验、GRS检验）：重点检验模型的定价误差；Fama-MacBeth回归：通常估计因子的风险溢价。实证资产定价研究进展：从“因子动物园”到“因子大战”，再到创新实证资产定价理论。因子动物园：表示学术界过度挖掘异象和因子的现象。因子大战：不断提出降低定价误差的新因子模型。专栏5-1CAPM模型的失灵与Fama-French因子分析法的诞生*第二节组合分析法组合分析法*组合分析法是研究股票收益率横截面特征的一种非参数分析方法，该种分析方法不依赖于假设变量间的函数形式。组合分析的出发点是便捷地研究横截面两个及以上变量的相关关系，尤其在研究变量对股票的定价（预测）能力时被广泛应用。组合分析法主要包括：单变量组合分析、双变量组合分析及三变量组合分析单变量组合分析：围绕单一变量进行的组合分析，分析的对象是排序变量与目标变量间的横截面关系。双变量组合分析：围绕两个排序变量进行的组合分析。三变量组合分析：围绕三个排序变量进行的组合分析。单变量组合分析*单变量组合分析*