全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1827 30
2022-05-07
英文标题:
《Entropy-Based Financial Asset Pricing》
---
作者:
Mihaly Ormos, David Zibriczky
---
最新提交年份:
2015
---
英文摘要:
  We investigate entropy as a financial risk measure. Entropy explains the equity premium of securities and portfolios in a simpler way and, at the same time, with higher explanatory power than the beta parameter of the capital asset pricing model. For asset pricing we define the continuous entropy as an alternative measure of risk. Our results show that entropy decreases in the function of the number of securities involved in a portfolio in a similar way to the standard deviation, and that efficient portfolios are situated on a hyperbola in the expected return - entropy system. For empirical investigation we use daily returns of 150 randomly selected securities for a period of 27 years. Our regression results show that entropy has a higher explanatory power for the expected return than the capital asset pricing model beta. Furthermore we show the time varying behaviour of the beta along with entropy.
---
中文摘要:
我们研究熵作为一种金融风险度量。熵以一种更简单的方式解释证券和投资组合的股权溢价,同时比资本资产定价模型的贝塔参数具有更高的解释力。对于资产定价,我们将连续熵定义为另一种风险度量。我们的结果表明,熵在一个投资组合中涉及的证券数量的函数中以类似于标准差的方式减少,并且有效的投资组合位于预期收益-熵系统中的双曲线上。在实证调查中,我们使用了随机选取的150种证券27年的日收益率。我们的回归结果表明,与资本资产定价模型beta相比,熵对预期收益具有更高的解释力。此外,我们还展示了β随熵的时变行为。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Pricing of Securities        证券定价
分类描述:Valuation and hedging of financial securities, their derivatives, and structured products
金融证券及其衍生产品和结构化产品的估值和套期保值
--
一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-7 07:42:06
研究文章基于熵的金融资产PricingMiha\'ly Ormos*,布达佩斯技术与经济大学金融系Da\'vid ZibriczkyDepartment,Magyar tudo\'sok krt。匈牙利布达佩斯1117号2楼*ormos@finance.bme.huAbstractWe研究熵作为金融风险度量。熵以一种更简单的方式解释证券和投资组合的公平性,同时比资本资产定价模型的贝塔参数具有更高的解释力。对于资产定价,我们将连续熵定义为风险的另一种度量。我们的结果表明,熵随投资组合中涉及的证券数量的函数而减小,其方式与标准差类似,并且有效的投资组合位于预期回报-熵系统中的双曲线上。在实证调查中,我们使用了随机选择的150种证券27年的每日收益率。我们的回归结果表明,熵对预期收益的解释力高于capitalasset定价模型beta。此外,我们还展示了β随熵的时变行为。引言我们运用一种新的风险度量,即熵,建立了均衡资本资产定价模型。熵表征不确定性或测量随机变量的分散性。在我们的特殊情况下,它描述了股票和投资组合回报的不确定性。在现代马科维茨[1]投资组合理论和均衡资产定价模型[2]中,我们应用线性回归。这种方法假设收益率是平稳的、正态分布的;然而,事实并非如此[3]。另一方面,熵没有这种边界条件。本文的主要目的是将熵作为一种新的风险度量。作为起点,甚至密度函数本身也必须进行估计。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 07:42:09
在传统的资产定价模型中,预期收益和贝塔参数之间存在均衡,贝塔参数是市场投资组合和调查投资机会之间的协方差-方差。如果随机变量是正态分布的,那么熵遵循其标准开放存取:Ormos M,Zibriczky D(2014)基于熵的金融资产定价。《公共科学图书馆一号》9(12):e115742。doi:10.1371/期刊。波内。0115742编辑:詹皮罗·法瓦托,联合王国伦敦金斯顿大学收到日期:2014年8月8日接受日期:2014年11月26日出版日期:2014年12月29日版权:2014奥尔莫斯,齐布里茨基。这是一篇根据Creative Commons Attribution License条款发行的开放存取文章,该许可证允许在任何媒体上不受限制地使用、发行和复制,前提是原创作者和出处均已获得认证。数据可用性:作者确认,研究结果所依据的所有数据都是完全可用的,没有任何限制。数据来自证券价格研究中心(http://www.crsp.com/).访问RSP数据需要订阅。如需订阅信息,请contactsubscriptions@crsp.chicagobooth.edu.Funding当前位置作者没有支持或资助报告。竞争利益:作者宣称不存在竞争利益。PLOS ONE | DOI:10.1371/journal。波内。0115742 2014年12月29日1/21偏差;因此,在理想情况下,两种风险度量之间没有区别。然而我们的结果表明,标准差(beta)和给定证券或投资组合的熵之间存在显著差异。在这篇论文中,我们展示了熵为捕捉投资机会的风险提供了一个理想的选择。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 07:42:12
如果我们用不同的风险度量来解释广泛样本的证券和投资组合的回报,那么在普通最小二乘(OLS)回归设置中,风险熵度量的解释力要比样本内和样本外的传统度量的解释力高得多。我们表明,熵减少与多样化的行为类似于标准差;然而,同时它也捕捉到了单一证券或非有效投资组合的贝塔式系统风险。对于高度多样化的投资组合,熵的解释力是资本资产定价模型(CAPM)β的1.5倍。我们还测试了熵,并将其与标准风险度量进行了比较,发现熵的解释力在牛市中显著更高,而在熊市中则更低。我们对牛市和熊市的结果表明,不同的风险度量在风险和回报之间的正相关和负相关方面表现相似。这种行为强调了一个事实,即基于熵的风险度量可以给出矛盾的结果,就像在向上和向下的情况下传统的风险估计一样。我们还比较了基于熵的风险度量与样本内外的CAPMβ,这提供了关于不同方法预测能力的信息。由于CAPM贝塔仅测量系统风险,而基于熵的风险测量和标准差捕获了投资的总风险,我们的结果令人震惊,熵给出的平均解释力几乎是贝塔的两倍,平均标准差减少40%。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 07:42:16
本文的另一个贡献是,我们引入了一种简单的方法来估计证券或投资组合收益的熵。数据在我们的实证分析中,我们应用了研究中心不安全价格(CRSP)数据库从1985年到2011年底的每日回报。我们从标准普尔500指数成分股中随机选择了150种证券,这些证券在整个时期内都是可用的。市场回报是CRSP价值加权指数回报溢价高于无风险利率。该指数追踪纽约证券交易所(NYSE)、美国证券交易所(AMEX)和纳斯达克股票的收益。无风险利率是CRSP一个月期国债的收益。我们使用日收益率,因为它们不是正态分布的(见表1)。Erdo"s and Ormos(2009)[3]和Erdo"s et al.(2011)[4]描述了用非正常回报率建模资产价格的主要困难。DailReturn计算使我们能够比较不同的风险度量。基于熵的金融资产PricingPLOS ONE | DOI:10.1371/journal。波内。0115742 2014年12月29日2/21方法熵是一个数学定义的量,通常用于描述正在进行过程的系统中的结果概率。它最初是由鲁道夫·克劳修斯[5]在热力学中引入的,用来测量在隔离系统中通过可逆过程传递的热量的比率。在统计力学中,熵的解释是在观察系统宏观特性(压力、温度或体积)后,对系统不确定性的度量。Ludwig Boltzmann[6]介绍了熵在这方面的应用。他将配置熵定义为系统组成部分的具体排列方式的多样性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-7 07:42:19
他发现热力学和熵的统计方面之间有很强的关系:热力学熵和构型熵的公式只在所谓的波尔兹曼常数上有所不同。熵在信息论中也有一个重要的应用,这通常被称为香农熵[7]。信息提供者系统是一个随机控制论系统,其中的信息可以被视为一个随机变量。熵量化了消息中信息的预期值,或者换句话说,量化了在收到消息之前丢失的信息量。系统提供的消息越不可预测(不确定),消息中包含的信息的预期值就越大。因此,系统信息中更大的不确定性意味着更高的熵。因为熵等于消息中的预期信息量,所以它可以测量在不丢失信息的情况下可以应用的最大压缩比。在金融应用中,Philippatos和Wilson[8]发现熵更一般,并且比标准差有一些优势;在他们的论文中,他们比较了标准差和熵在投资组合管理中的行为。Kirchner和Zunckel[9]认为,在金融经济学中,熵是一种更好的工具,可以通过多样化来捕获风险的降低;然而,在他们的研究中,他们假设资产是高斯分布的。Dionisio等人[10]认为,熵观察多样化的效果,是比方差更普遍的不确定性度量,因为它使用了更多关于概率分布的信息。与通过线性均衡模型估计的系统风险和特定风险相比,互信息和条件熵表现良好。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群