全部版块 我的主页
论坛 经济学人 二区 外文文献专区
601 5
2022-05-11
英文标题:
《A nested factor model for non-linear dependences in stock returns》
---
作者:
R\\\'emy Chicheportiche and Jean-Philippe Bouchaud
---
最新提交年份:
2013
---
英文摘要:
  The aim of our work is to propose a natural framework to account for all the empirically known properties of the multivariate distribution of stock returns. We define and study a \"nested factor model\", where the linear factors part is standard, but where the log-volatility of the linear factors and of the residuals are themselves endowed with a factor structure and residuals. We propose a calibration procedure to estimate these log-vol factors and the residuals. We find that whereas the number of relevant linear factors is relatively large (10 or more), only two or three log-vol factors emerge in our analysis of the data. In fact, a minimal model where only one log-vol factor is considered is already very satisfactory, as it accurately reproduces the properties of bivariate copulas, in particular the dependence of the medial-point on the linear correlation coefficient, as reported in Chicheportiche and Bouchaud (2012). We have tested the ability of the model to predict Out-of-Sample the risk of non-linear portfolios, and found that it performs significantly better than other schemes.
---
中文摘要:
我们工作的目的是提出一个自然的框架来解释股票收益率多元分布的所有经验已知属性。我们定义并研究了一个“嵌套因子模型”,其中线性因子部分是标准的,但线性因子和残差的对数波动率本身具有因子结构和残差。我们提出了一个校准程序来估计这些对数体积因子和残差。我们发现,虽然相关线性因子的数量相对较大(10个或更多),但在我们对数据的分析中,只有两个或三个对数体积因子出现。事实上,一个只考虑一个对数体积因子的最小模型已经非常令人满意,因为它准确地再现了二元copula的特性,特别是中间点对线性相关系数的依赖性,如Chicheportiche和Bouchaud(2012)所述。我们测试了该模型在样本外预测非线性投资组合风险的能力,发现它的性能明显优于其他方案。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类:Quantitative Finance        数量金融学
二级分类:Portfolio Management        项目组合管理
分类描述:Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
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
2022-5-11 15:19:59
StockReturns中非线性依赖的嵌套因子模型Sr’EMY Chichepatiche和JEAN-PHILIPPE BOUCHAUDAbstract。我们工作的目的是提出一个自然的框架来解释股票收益率多元分布的所有经验已知性质。我们定义并研究了一个“嵌套因子模型”,其中线性因子部分是标准的,但线性因子和残差的对数波动率本身具有因子结构和残差。我们提出了一个校准程序来估计这些对数体积因子和残差。我们发现,虽然相关线性因素的数量相对较大(10个或更多),但在我们对数据的分析中,只有两个或三个对数体积因素出现。事实上,一个只考虑一个对数体积因子的最小模型已经非常令人满意,因为它准确地再现了二元连接函数的性质,特别是中间点对线性相关系数的依赖,如Chicheportiche和Bouchaud(2012)所述。我们测试了该模型预测样本外非线性投资组合风险的能力,发现其表现明显优于其他方案。1.介绍金融资产或资产类别之间的依赖关系是现代投资组合选择理论的核心。
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

2022-5-11 15:20:16
请注意,当ρ增加时,ln |ρ/ρ(B)|趋于0,这表明高度相关的股票更“椭圆”,也就是说,确实暴露在相同的波动模式下。这些对的相关性越小,它们偏离椭圆双变量分布的距离就越远,这就需要更丰富的描述,而不仅仅是暴露在共模波动下的振幅。这一点,再加上对其他观察值(如copuladiagonals)的经验值和理论值的比较,激发了对具有多种波动模式的股票回报的描述,但不包括σi可被乘法分解为市场贡献ω、部门贡献bωs(其中股票i属于部门s)的模型,剩余贡献eωias:σi=σeω+bωs+eωi。相反,我们提出,由于因子峰度和剩余峰度的相互作用,加性非高斯因子应该能够产生异常的中间值,这是由Chicheportiche和Bouchaud(2012)中提出的C(,)的toymodel激发的。对多元依赖关系的理论描述的探索导致了关于连接函数的文献爆炸。除了上面讨论的椭圆连接函数外,还提出了几个连接函数族:阿基米德(Clayton、Franck和其他)、Vine、Liouville等。不幸的是,正如Chichepatiche和Bouchaud(2012)所强调的,这些连接函数通常是没有财务解释的理论片段,仅出于这个原因就应该被怀疑。(这些可选的copulaso无法重现股票回报的经验依赖性)。我们在Chicheportiche和Bouchaud(2012)中主张,需要基于直觉和合理性构建有意义的连接词。
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

2022-5-11 15:20:19
因此,本文的目的是构建一个通用因子模型,该模型足够灵活,可以重现股票收益率经验联合分布的所有已知类型化事实,但仍然足够简单,可以根据数据进行简单校准。我们希望我们的股票回报多元模型能够:o用少量因素重现线性相关性的结构。o生成具有非高斯因子和残差的厚尾收益序列如Cizeau等人(2001年)所观察到的,考虑残余物的挥发性和因素的挥发性之间的相关性;Allez和Bouchaud(2011年)。o重现Chicheportiche和Bouchaud(2012)中确定的异常连接结构,尤其是上述对角线和反对角线以及中间点,见图2。还有人指出,高度相关的股票对“更椭圆”,在金融危机等高度动荡的时期,股票对都更相关、更椭圆,显示出强烈的共同波动模式通过减少参数数量,预测非线性(绝对值和二次)相关性的结构,以清除经验测量的依赖系数,并允许有效的样本外风险控制。4 R.CHICHEPROTICHE和J.-P.BOUCHAUDTable 1。
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

2022-5-11 15:20:22
根据彭博社分类的经济部门,每个时期对应的个人数量。彭博社行业代码2000–04 2005–09 2009–12 2000–09通信#3 33 25 29 18消费者,周期性#4 60 49 33 40消费者,非周期性#5 67 75 53能源#7 19 21 34 15金融#8 57 55 75 37工业#11 51 50 42 50 50技术#13 38 43 35公用事业35227 28公司总数352345 352 359总天数(T)1258 2514我们将在下面展示,我们通过一个“嵌套”因子模型来实现这一点,即标准因子模型,其中因子的波动性本身具有乘法因子结构。我们建立了因子波动率的因子模型,需要一个(或者两个)“主导模式”(也影响残差的波动性)加上特殊贡献。也许令人惊讶的是,这种主导波动模式并不是线性因素模型中主导(市场)模式的波动。最近的几项研究得出的结论与我们的结论部分重叠。Kelly等人(2012年)记录了个人股票收益波动性的强协动。他们发现,因子残差模型(如Fama和French(1993)或主成分分析)表现出强烈的波动性依赖性,他们使用单因子(vol)模型捕捉到这种依赖性。据我们所知,这是股票文献中唯一一个在去除线性相关性后,将股票收益的波动性依赖性描述为二阶效应的尝试。然而,它只关注残差波动率,因此忽略了因素波动率相关性,正如我们在下文中所揭示的。正如在讨论图1时提到的,期权界也非常关注期权组合风险描述的波动依赖性,一些研究已经开始解决这个问题。
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

2022-5-11 15:20:33
下文第12段。我们通过求解公式(8),使用M=10,对三个数据集的线性权重β进行了校准。我们将在下一节详细讨论因子时间序列Ft·和剩余时间序列Et·的性质;我们将特别指出,虽然这些时间序列确实是近似不相关的,但PCA方法在矩阵反演的清洗方案中也被称为特征值裁剪,是迄今为止已知的最佳通用清洗方案之一,见Potters和Bouchaud(2009)。6 R.CHICHEPROTICHE和J.-P。
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

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