Penjelasan Factor Model dan Factor Loading
Pahami return bersama dan idiosinkratik, faktor teramati dan laten, factor loading, factor return, premi risiko, estimasi, dan atribusi
Jawaban langsung
Factor model menguraikan return banyak aset menjadi bagian yang didorong sejumlah kecil faktor bersama dan residual spesifik aset. Factor loading mengukur seberapa sensitif aset terhadap suatu faktor, sedangkan factor return mengukur seberapa besar faktor itu terealisasi selama suatu periode. Loading yang lebih besar tidak menjamin return yang diharapkan lebih tinggi, dan factor return terealisasi berbeda dari kompensasi rata-rata yang disebut premi risiko. Definisi faktor, scaling, jendela estimasi, dan ketergantungan residual mengubah hasil, sehingga eksposur, atribusi, dan ketidakpastian harus dilaporkan bersama
Return memuat bagian bersama dan spesifik
Factor model menulis return aset sebagai loading yang dikalikan realisasi faktor ditambah residual yang tidak dijelaskan oleh model yang ditentukan
Faktor bersama memadatkan pergerakan yang dibagi antar aset. Pasar, suku bunga, kredit, value, dan size adalah kandidat yang mungkin, bukan kebenaran universal
Residual tidak otomatis merupakan noise yang tidak berbahaya. Faktor yang dihilangkan, peristiwa korporasi, kesalahan pengukuran, dan nonlinearitas semuanya dapat tetap berada di sana
Loading adalah sensitivitas bersyarat
Factor loading adalah slope yang menghubungkan return aset dengan satu faktor sambil mempertahankan faktor lain yang disertakan dalam model tetap
Angkanya berubah ketika faktor diukur dalam poin persentase dibandingkan simpangan baku. Loading bukan sifat inheren tanpa unit yang tidak berubah
Menambahkan faktor berkorelasi mengubah makna dan ketidakpastian setiap loading. Beta satu faktor tidak dapat dibandingkan langsung dengan beta multifaktor
Faktor teramati dan laten dimulai secara berbeda
Faktor teramati dibangun dari data seperti excess return pasar, perubahan suku bunga, atau portofolio long-short yang dapat diperdagangkan
Faktor laten diekstraksi secara statistik dari kovarians di antara banyak aset. PCA dapat menemukan arah bersama tetapi tidak memberikan identitas ekonomi
Variabel makroekonomi, faktor portofolio yang dapat diperdagangkan, dan faktor laten memerlukan validasi berbeda meskipun sama-sama disebut “faktor”
Identifikasi dan rotasi membentuk faktor laten
Menskalakan ulang loading laten dan menskalakan balik nilai faktornya tidak mengubah return bersama yang dipasang
Beberapa faktor laten juga dapat berotasi sambil menjelaskan kovarians yang sama. Varians, ortogonalitas, tanda, atau pembatasan struktural menetapkan suatu representasi
Pembatasan tersebut merupakan bagian dari interpretasi, bukan sekadar perhitungan. Besaran loading dari normalisasi berbeda tidak dapat diperingkat tanpa penyesuaian
Factor return dan premi risiko berbeda
Factor return adalah nilai terealisasi yang dapat positif atau negatif. Hasil kali factor return dengan loading memberikan kontribusi return bersama pada periode tersebut
Premi risiko adalah kompensasi rata-rata yang diharapkan untuk menanggung suatu eksposur. Mean historis merupakan estimasi yang bising atas ekspektasi itu
Loading deret waktu dan harga cross-sectional atas eksposur adalah objek yang berbeda. Beta tinggi memerlukan asumsi pricing tambahan untuk menyiratkan mean return tinggi
Error estimasi dan perubahan perlu diperhatikan
Jendela pendek merespons perubahan terbaru tetapi tidak presisi, sedangkan jendela panjang dapat mencampur struktur yang sudah usang ke dalam estimasi yang halus
Perdagangan nonsinkron, data hilang, outlier, dan error konstruksi faktor dapat mendistorsi loading. Standard error dan diagnostik residual tetap diperlukan
Regresi bergulir, state-space model, dan shrinkage dapat menangani perubahan. Kompleksitas model bukan pengganti bukti kestabilan
Uraikan risiko dan kinerja portofolio
Factor loading portofolio biasanya merupakan jumlah berbobot kepemilikan dari loading aset. Nama aset yang berbeda tetap dapat terkonsentrasi pada faktor yang sama
Atribusi kinerja memisahkan kontribusi factor return dari return residual. Atribusi tidak boleh mencampur penjelasan retrospektif dengan kinerja yang diharapkan
Lindung nilai dapat mengurangi eksposur target sambil menyisakan risiko basis dan residual. Kekuatan penjelasan hasil pemodelan tidak menjamin perlindungan saat stres
Laporkan batas model
Ungkapkan definisi faktor, konstruksi, frekuensi return, mata uang, sampel, risk-free rate, persamaan estimasi, dan metode pembobotan
Sajikan loading, interval kepercayaan, kontribusi faktor, volatilitas residual, dan korelasi residual agar konsentrasi tersembunyi tetap terlihat
Uji kumpulan faktor alternatif dan periode out-of-sample. Factor model adalah kompresi realitas yang berguna, bukan satu-satunya dekomposisi
Pertanyaan umum
Apakah factor loading di atas satu otomatis berisiko?
Angka itu saja tidak cukup. Pertimbangkan unit dan volatilitas faktor, eksposur lain, serta risiko residual
Apakah faktor sama dengan indikator?
Tidak. Indikator adalah variabel terukur; faktor dibangun atau disimpulkan untuk menjelaskan pergerakan return bersama
Apakah diversifikasi menghilangkan semua risiko idiosinkratik?
Diversifikasi dapat menguranginya ketika residual hanya berkorelasi lemah. Pendorong bersama yang dihilangkan dapat menyisakan korelasi residual dan risiko persisten
Apakah loading yang lebih besar menyiratkan return yang diharapkan lebih besar?
Tidak selalu. Kesimpulan itu memerlukan klaim terpisah yang didukung bahwa eksposur tersebut merupakan sumber risiko yang diberi harga