อธิบาย factor models และ factor loadings
ทำความเข้าใจผลตอบแทน common และ idiosyncratic, factors ที่สังเกตได้และ latent factors, factor loadings, factor returns, risk premia การประมาณ และ attribution
คำตอบโดยตรง
factor model แยกผลตอบแทนของสินทรัพย์จำนวนมากออกเป็นส่วนที่ขับเคลื่อนด้วย common factors จำนวนน้อยกับ residual เฉพาะสินทรัพย์ factor loading วัดความไวของสินทรัพย์ต่อ factor ส่วน factor return วัดว่า factor นั้นให้ผลลัพธ์เท่าใดในช่วงเวลา การมี loading สูงกว่าไม่ได้รับประกันผลตอบแทนคาดหมายที่สูงกว่า และ factor return ที่เกิดขึ้นจริงก็แตกต่างจากค่าชดเชยเฉลี่ยที่เรียกว่า risk premium นิยามของ factor, scaling, windows ที่ใช้ประมาณ และ dependence ของ residual เปลี่ยนผลลัพธ์ ดังนั้นควรรายงาน exposure, attribution และ uncertainty พร้อมกัน
ผลตอบแทนมีทั้งส่วนร่วมและส่วนเฉพาะ
factor model เขียนผลตอบแทนของสินทรัพย์เป็น loadings คูณกับ factor realizations บวก residual ที่โมเดลที่ระบุไม่สามารถอธิบายได้
common factors บีบอัดการเคลื่อนไหวที่สินทรัพย์ต่าง ๆ มีร่วมกัน market, rates, credit, value และ size เป็น candidates ที่เป็นไปได้ ไม่ใช่ความจริงสากล
residual ไม่ได้เป็น noise ที่ไม่มีอันตรายโดยอัตโนมัติ factors ที่ละไว้ เหตุการณ์บริษัท measurement error และ nonlinearities อาจยังคงอยู่ในนั้น
loading คือความไวแบบมีเงื่อนไข
factor loading คือ slope ที่เชื่อมผลตอบแทนของสินทรัพย์กับ factor หนึ่ง ขณะตรึง factors อื่นในโมเดลไว้
ตัวเลขของมันเปลี่ยนเมื่อวัด factor เป็น percentage points เทียบกับ standard deviations จึงไม่ใช่คุณสมบัติที่ไม่มีหน่วยและไม่เปลี่ยนแปลง
การเพิ่ม factors ที่มี correlation กันจะเปลี่ยนทั้งความหมายและ uncertainty ของแต่ละ loading single-factor beta ไม่สามารถเปรียบเทียบตรง ๆ กับ multifactor beta
observed และ latent factors เริ่มต้นต่างกัน
observed factor สร้างจากข้อมูล เช่น market excess return การเปลี่ยนแปลงของ interest rate หรือ tradable long-short portfolio
latent factor สกัดทางสถิติจาก covariance ของสินทรัพย์จำนวนมาก PCA หา common directions ได้ แต่ไม่ได้ให้ identity ทางเศรษฐศาสตร์
ตัวแปรมหภาค tradable portfolio factors และ latent factors ต้องผ่านการตรวจสอบต่างกัน แม้ใช้คำว่า “factor” เหมือนกัน
Identification และ rotation กำหนดรูปร่างของ latent factors
การ rescale latent loading แล้ว rescale factor value กลับกันทำให้ common return ที่ fit ได้ไม่เปลี่ยน
latent factors หลายตัวสามารถ rotate ได้เช่นกันขณะที่ยังอธิบาย covariance เดิม ความแปรปรวน orthogonality เครื่องหมาย หรือข้อจำกัดเชิงโครงสร้างเป็นตัวกำหนด representation
ข้อจำกัดเหล่านั้นเป็นส่วนหนึ่งของการตีความ ไม่ใช่เพียงการคำนวณ ขนาด loading จาก normalization ต่างกันไม่ควรนำมาเรียงอันดับโดยไม่ปรับให้เทียบกัน
factor returns และ risk premia เป็นคนละสิ่ง
factor return คือค่าที่เกิดขึ้นจริงและเป็นบวกหรือลบก็ได้ ผลคูณของมันกับ loading ให้ contribution ของ common return ในช่วงนั้น
risk premium คือค่าชดเชยเฉลี่ยที่คาดหมายสำหรับการรับ exposure ค่าเฉลี่ยในอดีตเป็นค่าประมาณที่มี noise ของความคาดหมายดังกล่าว
loading แบบ time-series และราคา cross-sectional ของ exposure เป็นคนละวัตถุ beta ที่สูงต้องมีสมมติฐานด้าน pricing เพิ่มเติมจึงจะสรุปว่าผลตอบแทนเฉลี่ยสูง
ต้องใส่ใจ estimation error และการเปลี่ยนแปลง
window สั้นตอบสนองต่อการเปลี่ยนแปลงล่าสุดแต่ไม่แม่นยำ ขณะที่ window ยาวอาจผสมโครงสร้างที่ล้าสมัยเข้าเป็นค่าประมาณที่เรียบ
การซื้อขายไม่พร้อมกัน ข้อมูลหาย outliers และ error จากการสร้าง factor อาจบิดเบือน loadings จึงยังต้องใช้ standard errors และ residual diagnostics
rolling regressions, state-space models และ shrinkage อาจช่วยจัดการการเปลี่ยนแปลง แต่ความซับซ้อนของโมเดลไม่ใช่สิ่งทดแทน stability ที่แสดงหลักฐานแล้ว
แยกความเสี่ยงและผลการดำเนินงานของพอร์ต
factor loading ของพอร์ตโดยทั่วไปคือผลรวมแบบถ่วงน้ำหนักด้วย holdings ของ loading สินทรัพย์แต่ละตัว ชื่อหลายตัวก็ยังอาจกระจุกตัวอยู่ใน factor เดียวกัน
performance attribution แยก contribution จาก factor return ออกจาก residual return ต้องไม่สับสนคำอธิบายย้อนหลังกับผลการดำเนินงานที่คาดหมาย
hedge อาจลด exposure เป้าหมายแต่ยังเหลือ basis และ residual risk พลังการอธิบายที่ fit ได้สูงไม่ได้รับประกันการป้องกันในภาวะ stress
รายงานขอบเขตของโมเดล
เปิดเผยนิยาม factor, วิธีสร้าง, ความถี่ของ return, currency, sample, risk-free rate, สมการประมาณ และวิธีถ่วงน้ำหนัก
แสดง loadings, confidence intervals, factor contributions, volatility ของ residual และ correlation ของ residual เพื่อให้เห็น concentration ที่ซ่อนอยู่
ทดสอบชุด factor ทางเลือกและช่วง out-of-sample factor model เป็นการบีบอัดความเป็นจริงที่มีประโยชน์ ไม่ใช่การแยกองค์ประกอบที่เป็นเอกลักษณ์เพียงแบบเดียว
คำถามที่พบบ่อย
factor loading มากกว่าหนึ่งหมายถึงเสี่ยงโดยอัตโนมัติหรือไม่
ตัวเลขเพียงอย่างเดียวไม่พอ พิจารณาหน่วยและ volatility ของ factor, exposure อื่น และ residual risk
factor เหมือนกับ indicator หรือไม่
ไม่ indicator คือตัวแปรที่วัดได้ ส่วน factor ถูกสร้างหรืออนุมานเพื่ออธิบายการเคลื่อนไหวของผลตอบแทนร่วม
diversification กำจัด idiosyncratic risk ทั้งหมดหรือไม่
อาจลดได้เมื่อ residual มีความสัมพันธ์กันน้อย แต่ common drivers ที่ละไว้สามารถทำให้ residual correlation และความเสี่ยงที่คงอยู่ยังเหลือ
loading ที่ใหญ่ขึ้นหมายถึงผลตอบแทนคาดหมายที่ใหญ่ขึ้นหรือไม่
ไม่จำเป็น ข้อสรุปนั้นต้องมีข้ออ้างที่ได้รับการสนับสนุนแยกต่างหากว่า exposure เป็นแหล่งความเสี่ยงที่มีการกำหนดราคา