論文の概要: Time-Invariance Coefficients Tests with the Adaptive Multi-Factor Model
- arxiv url: http://arxiv.org/abs/2011.04171v2
- Date: Mon, 26 Apr 2021 00:53:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 02:04:30.666070
- Title: Time-Invariance Coefficients Tests with the Adaptive Multi-Factor Model
- Title(参考訳): 適応多要素モデルを用いた時間不変係数テスト
- Authors: Liao Zhu, Robert A. Jarrow, Martin T. Wells
- Abstract要約: 適応多要素モデル(AMF)とFama-French 5-factorモデル(FF5)を比較した。
6年以内のほぼ全ての期間において,ベータ係数はAMFモデルに時間不変であることを示す。
これは、ローリングウィンドウ(例えば5年)を持つAMFモデルは、FF5モデルよりも実現されたアセットリターンとより整合していることを意味する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The purpose of this paper is to test the time-invariance of the beta
coefficients estimated by the Adaptive Multi-Factor (AMF) model. The AMF model
is implied by the generalized arbitrage pricing theory (GAPT), which implies
constant beta coefficients. The AMF model utilizes a Groupwise Interpretable
Basis Selection (GIBS) algorithm to identify the relevant factors from among
all traded ETFs. We compare the AMF model with the Fama-French 5-factor (FF5)
model. We show that for nearly all time periods with length less than 6 years,
the beta coefficients are time-invariant for the AMF model, but not for the FF5
model. This implies that the AMF model with a rolling window (such as 5 years)
is more consistent with realized asset returns than is the FF5 model.
- Abstract(参考訳): 本稿では,アダプティブ・マルチファクター(AMF)モデルにより推定されるベータ係数の時間不変性をテストする。
AMFモデルは、一定のベータ係数を意味する一般仲裁価格理論(GAPT)によって示唆される。
AMFモデルは、Groupwise Interpretable Basis Selection (GIBS)アルゴリズムを使用して、すべてのETFから関連する要素を識別する。
AMFモデルとFama-French 5-factor (FF5)モデルを比較した。
6年以内のほぼ全ての期間において、ベータ係数はAMFモデルでは時間不変であるが、FF5モデルでは変化しないことを示す。
これは、転がり窓を持つamfモデル(例えば5年)がff5モデルよりも実現されたアセットリターンと一貫性があることを意味する。
関連論文リスト
- MoELoRA: Contrastive Learning Guided Mixture of Experts on
Parameter-Efficient Fine-Tuning for Large Language Models [24.17147521556083]
本稿では,新しいPEFT手法であるMoELoRAを紹介する。
数学推論と常識推論のベンチマークにおいて,11のタスクについて実験を行った。
MoELoRAはLoRAよりも4.2%高い平均性能を達成し、いくつかのベンチマークで175B GPT-3.5と比較して競争性能を示した。
論文 参考訳(メタデータ) (2024-02-20T09:30:48Z) - Straggler-resilient Federated Learning: Tackling Computation
Heterogeneity with Layer-wise Partial Model Training in Mobile Edge Network [4.1813760301635705]
本稿では,FedPMT(Federated partial Model Training)を提案する。
したがって、FedPMTのすべてのデバイスは、グローバルモデルの最も重要な部分を優先している。
実証的な結果は、FedPMTが既存のベンチマークFedDropを大きく上回っていることを示している。
論文 参考訳(メタデータ) (2023-11-16T16:30:04Z) - NeFL: Nested Federated Learning for Heterogeneous Clients [48.160716521203256]
フェデレートラーニング(FL)は、分散ラーニングにおけるプライバシー維持のための有望なアプローチである。
FLのトレーニングパイプラインでは、遅いクライアント(すなわちストラグラー)がトレーニング時間を遅くし、パフォーマンスを低下させる。
奥行きと幅方向の両方のスケーリングを用いて,モデルをモデルに効率的に分割するフレームワークであるネスト付きフェデレーションラーニング(NeFL)を提案する。
論文 参考訳(メタデータ) (2023-08-15T13:29:14Z) - Frame Flexible Network [52.623337134518835]
既存のビデオ認識アルゴリズムは、常に異なるフレーム番号の入力に対して異なるトレーニングパイプラインを実行する。
トレーニングに使われていない他のフレームを使用してモデルを評価した場合、パフォーマンスが大幅に低下するのを観察する。
本稿では,フレームフレキシブルネットワーク(FFN)と呼ばれる汎用フレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-26T20:51:35Z) - Beyond ADMM: A Unified Client-variance-reduced Adaptive Federated
Learning Framework [82.36466358313025]
我々はFedVRAと呼ばれる原始二重FLアルゴリズムを提案し、このアルゴリズムはグローバルモデルの分散還元レベルとバイアスを適応的に制御することができる。
半教師付き画像分類タスクに基づく実験は,既存の手法よりもFedVRAの方が優れていることを示す。
論文 参考訳(メタデータ) (2022-12-03T03:27:51Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳(メタデータ) (2022-05-27T08:38:20Z) - ELODI: Ensemble Logit Difference Inhibition for Positive-Congruent
Training [146.3594149290743]
負のフリップは、レガシーモデルを新しいものに置き換えた場合に、分類システムで発生するエラーである。
本稿では,単一モデルの推論コストにおいて,誤り率とNFRの両方のパフォーマンスをパラゴンで達成する分類システムを訓練する手法を提案する。
論文 参考訳(メタデータ) (2022-05-12T17:59:56Z) - A Comparative Study of Gamma Markov Chains for Temporal Non-Negative
Matrix Factorization [3.211619859724085]
非負行列分解(NMF)は、非負のデータを解析するための方法の確立されたクラスとなっている。
我々はNMF文献のガンマ・マルコフ連鎖を4つレビューし、それらがすべて同じ欠点を共有していることを示す。
次に、この制限を克服するBGAR(1)という時系列文献の見過ごされたモデルである第5のプロセスを導入する。
論文 参考訳(メタデータ) (2020-06-23T09:04:46Z) - The Low-volatility Anomaly and the Adaptive Multi-Factor Model [0.0]
本稿は,低ボラティリティ異常の新しい説明を提供する。
我々は,GIBSアルゴリズムによって推定される適応多要素モデルを用いて,低ボラティリティポートフォリオと高ボラティリティポートフォリオに大きく関係する基底資産を求める。
論文 参考訳(メタデータ) (2020-03-16T20:08:31Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z) - A Bayesian Long Short-Term Memory Model for Value at Risk and Expected
Shortfall Joint Forecasting [26.834110647177965]
バリュー・アット・リスク(VaR)と期待不足(ES)は、市場リスクを測定し、極端な市場の動きを管理するために金融セクターで広く利用されている。
量子化スコア関数と非対称ラプラス密度の最近の関係は、VaRとESのジョイントモデリングのためのフレキシブルな可能性に基づく枠組みにつながっている。
Asymmetric Laplace quasi-likelihoodをベースとしたハイブリッドモデルを開発し、機械学習のLong Short-Term Memory(LSTM)時系列モデリング技術を用いて、VaRとESの基盤となるダイナミクスを効率的に捉える。
論文 参考訳(メタデータ) (2020-01-23T05:13:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。