Forbedret forudsigelse for aktivafkast

NUS-dataforskere har udviklet en forbedret version af den Fama-franske trefaktormodel for at give bedre skøn over det økonomiske afkast til forretningsanalyse.

Den Fama-franske trefaktormodel bruges almindeligvis i aktivprissætning og porteføljestyring til at beskrive afkastet fra finansielle aktiver. Modellen anvender primært tre faktorer til at vurdere de afkast, der kan opnås fra aktiemarkedet. Disse tre faktorer omtales almindeligvis som markedet (Rm-Rf), størrelse (SMB) og værdi (HML). Rm-Rf er et mål for markedsrisikoen, som er forskellen mellem afkastet fra den finansielle portefølje og den risikofrie rente. De to andre faktorer, SMB og HML, måle det historiske merafkast for små virksomheder i forhold til store virksomheder og værdiaktier i forhold til vækstaktier. Selvom mange andre faktormodeller blev foreslået i litteraturen, den Fama-franske trefaktormodel er bredt favoriseret på grund af sin beregningsmæssige enkelhed og pålidelige forudsigelsesydelse. Imidlertid, modellen er lineær med fast parametrisering, som kan være restriktive.

Et forskerhold ledet af prof LI Jialiang fra Institut for Statistik og Anvendt Sandsynlighed, NUS har udviklet en mere fleksibel ikke-parametrisk version af den Fama-franske trefaktormodel til forbedret forudsigelse af afkastet fra en given finansiel portefølje. I deres tilgang de tre faktorer er beskrevet af glatte ikke-parametriske funktioner konstrueret ved hjælp af tilgængelige historiske data. Dette giver en mere omfattende karakterisering af aktivafkastet sammenlignet med den oprindelige model, som bruger lineære funktioner. Forskerholdet gav den teoretiske begrundelse for de metoder, der blev brugt i den nye tilgang i dette arbejde. De udførte også simuleringsundersøgelser ved hjælp af historiske amerikanske aktiemarkedsdata for at validere de foreslåede tilgange. Ved at bruge deres estimeringsmetoder, de fandt ud af, at lineære funktioner muligvis ikke fuldt ud fanger virkningerne af de tre faktorer, og de kunne karakteriseres bedre ved at bruge ikke-parametriske tilgange.

Prof Li sagde, "I vores undersøgelse ved hjælp af historiske finansielle data, den nye tilgang kan give mere præcise forudsigelser, svarende til mere end 35 % forbedring i forhold til at tage højde for afkastet af et aktiv. Ud over at analysere afkastet fra aktiver, den forbedrede version af modellen kan tilpasses til at give bedre numeriske resultater til en bredere vifte af applikationer i forretnings- og finansdomænerne."