Wszystkie przewodniki po opcjach
Oddziel wspólne czynniki zwrotu od ryzyka specyficznego dla aktywa19 min czytania

Modele czynnikowe i ładunki czynnikowe — wyjaśnienie

Poznaj zwroty wspólne i idiosynkratyczne, czynniki obserwowalne i ukryte, ładunki czynnikowe, zwroty czynnikowe, premie za ryzyko, estymację i atrybucję.

Przygotowane przez Mark · Źródła pierwotne poniżej

Bezpośrednia odpowiedź

Model czynnikowy rozkłada zwroty wielu aktywów na część napędzaną przez niewielki zbiór wspólnych czynników oraz składnik resztowy specyficzny dla aktywa. Ładunek czynnikowy mierzy czułość aktywa na czynnik, a zwrot czynnikowy mierzy, ile czynnik zrealizował w danym okresie. Większy ładunek nie gwarantuje wyższego oczekiwanego zwrotu, a zrealizowany zwrot czynnikowy różni się od średniej rekompensaty nazywanej premią za ryzyko. Definicje czynników, skalowanie, okna estymacji i zależność resztowa zmieniają wynik, dlatego ekspozycja, atrybucja i niepewność powinny być raportowane razem.

Zwroty zawierają części wspólne i specyficzne

Model czynnikowy zapisuje zwrot aktywa jako ładunki pomnożone przez realizacje czynników plus resztę niewyjaśnioną przez określony model.

Czynniki wspólne kompresują ruchy współdzielone przez aktywa. Rynek, stopy, kredyt, value i size są możliwymi kandydatami, a nie uniwersalnymi prawdami.

Reszta nie jest automatycznie nieszkodliwym szumem. Mogą w niej pozostać pominięte czynniki, zdarzenia korporacyjne, błąd pomiaru i nieliniowości.

Ładunek jest warunkową czułością

Ładunek czynnikowy to nachylenie łączące zwrot aktywa z jednym czynnikiem przy utrzymaniu pozostałych uwzględnionych czynników modelu na stałym poziomie.

Jego liczba zmienia się, gdy czynnik mierzy się w punktach procentowych zamiast w odchyleniach standardowych. Nie jest niezmienną, pozbawioną jednostki własnością.

Dodanie skorelowanych czynników zmienia znaczenie i niepewność każdego ładunku. Beta jednoczynnikowa nie jest bezpośrednio porównywalna z betą wieloczynnikową.

Czynniki obserwowalne i ukryte zaczynają się różnie

Czynnik obserwowalny jest konstruowany z danych, takich jak nadwyżkowy zwrot rynkowy, zmiana stopy procentowej albo zbywalny portfel long-short.

Czynnik ukryty jest wydobywany statystycznie ze współwariancji wielu aktywów. PCA może znaleźć wspólne kierunki, ale nie dostarcza tożsamości ekonomicznej.

Zmienne makroekonomiczne, zbywalne czynniki portfelowe i czynniki ukryte wymagają różnej walidacji, mimo że dzielą słowo „czynnik”.

Identyfikacja i rotacja kształtują czynniki ukryte

Przeskalowanie ukrytego ładunku i odwrotne przeskalowanie jego wartości czynnikowej pozostawia dopasowany wspólny zwrot bez zmian.

Wiele czynników ukrytych może również rotować, nadal wyjaśniając tę samą kowariancję. Wariancja, ortogonalność, znaki lub ograniczenia strukturalne ustalają reprezentację.

Ograniczenia te są częścią interpretacji, a nie samym obliczeniem. Wielkości ładunków z różnych normalizacji nie można uporządkować bez korekty.

Zwroty czynnikowe i premie za ryzyko są różne

Zwrot czynnikowy jest zrealizowaną wartością, która może być dodatnia lub ujemna. Jego iloczyn z ładunkiem daje wkład tego okresu do wspólnego zwrotu.

Premia za ryzyko jest oczekiwaną średnią rekompensatą za posiadanie ekspozycji. Średnia historyczna jest obarczonym szumem oszacowaniem tego oczekiwania.

Ładunki szeregów czasowych i przekrojowe ceny ekspozycji są różnymi obiektami. Wysoka beta potrzebuje dodatkowych założeń cenowych, aby implikować wysoki średni zwrot.

Błąd estymacji i zmiana wymagają uwagi

Krótkie okno reaguje na niedawne przesunięcia, ale jest nieprecyzyjne, podczas gdy długie okno może mieszać przestarzałą strukturę w wygładzone oszacowanie.

Niesynchroniczny obrót, brakujące dane, wartości odstające i błąd konstrukcji czynnika mogą zniekształcać ładunki. Błędy standardowe i diagnostyka reszt pozostają konieczne.

Regresje kroczące, modele przestrzeni stanów i shrinkage mogą uwzględniać zmiany. Złożoność modelu nie zastępuje wykazanej stabilności.

Rozłóż ryzyko i wynik portfela

Ładunek czynnikowy portfela jest zwykle sumą ładunków aktywów ważoną ich udziałami. Różne walory nadal mogą koncentrować się na tym samym czynniku.

Atrybucja wyników oddziela wkłady zwrotów czynnikowych od zwrotu resztowego. Nie może mylić retrospektywnego wyjaśnienia z oczekiwanym wynikiem.

Hedge może ograniczyć docelową ekspozycję, pozostawiając ryzyko basis i resztowe. Silna dopasowana moc wyjaśniająca nie gwarantuje ochrony w warunkach skrajnych.

Raportuj granice modelu

Ujawnij definicje czynników, konstrukcję, częstotliwość zwrotów, walutę, próbę, stopę wolną od ryzyka, równanie estymacji i metodę ważenia.

Przedstaw ładunki, przedziały ufności, wkłady czynników, zmienność resztową i korelację reszt, aby ukryta koncentracja pozostała widoczna.

Testuj alternatywne zbiory czynników i okresy poza próbą. Model czynnikowy jest użyteczną kompresją rzeczywistości, a nie jej jedynym rozkładem.

Częste pytania

Czy ładunek czynnikowy powyżej jedności automatycznie oznacza ryzyko?

Sama liczba nie wystarcza. Uwzględnij jednostkę i zmienność czynnika, inne ekspozycje oraz ryzyko resztowe.

Czy czynnik jest tym samym co wskaźnik?

Nie. Wskaźnik jest zmierzoną zmienną, a czynnik jest skonstruowany lub wywnioskowany w celu wyjaśnienia wspólnego ruchu zwrotów.

Czy dywersyfikacja eliminuje całe ryzyko idiosynkratyczne?

Może je ograniczyć, gdy reszty są słabo powiązane. Pominięte wspólne czynniki mogą pozostawić korelację reszt i trwałe ryzyko.

Czy większy ładunek oznacza większy oczekiwany zwrot?

Niekoniecznie. Wniosek ten wymaga osobno popartego twierdzenia, że ekspozycja jest wycenianym źródłem ryzyka.

Źródła i dalsza lektura

Szybki test

Przeczytano? Sprawdź się w 3 pytaniach

1 / 3

Pytanie 01

Które stwierdzenie najlepiej pasuje do tego poradnika — Zwroty zawierają części wspólne i specyficzne?

Wybierz odpowiedź, aby zobaczyć wyjaśnienie

Słownik opcji