Fugu-MT 論文翻訳(概要): Time-Invariance Coefficients Tests with the Adaptive Multi-Factor Model

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

REEF: Representation Encoding Fingerprints for Large Language Models [53.679712605506715]
REEFは、被疑者モデルと被害者モデルの表現との中心となるカーネルアライメントの類似性を計算し、比較する。このトレーニング不要のREEFは、モデルの一般的な能力を損なうことなく、シーケンシャルな微調整、プルーニング、モデルマージ、置換に堅牢である。
論文参考訳（メタデータ） (2024-10-18T08:27:02Z)
Adversarial Schrödinger Bridge Matching [66.39774923893103]
反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。 D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
論文参考訳（メタデータ） (2024-05-23T11:29:33Z)
Estimating the Number of Components in Finite Mixture Models via Variational Approximation [8.468023518807408]
変動ベイズを用いた有限混合モデル(FMM)における成分数選択法を提案する。平均場(MF)変動近似から導かれるエビデンス下界(ELBO)の上限値と下界値との整合性を確立した。証明の副産物として、MF近似が後部分布の安定な挙動(モデル特異性に相応しい)を継承することを示す。
論文参考訳（メタデータ） (2024-04-25T17:00:24Z)
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)
Generative Fractional Diffusion Models [53.36835573822926]
我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
論文参考訳（メタデータ） (2023-10-26T17:53:24Z)
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)
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。