論文の概要: Enhancing a Risk Model by Adding Transient Statistical Factors

• arxiv url: http://arxiv.org/abs/2605.12977v1
• Date: Wed, 13 May 2026 04:15:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.805698
• Title: Enhancing a Risk Model by Adding Transient Statistical Factors
• Title（参考訳）: 過渡的統計因子を付加したリスクモデルの構築
• Authors: Alexandros E. Tzikas, Emmanuel J. Candès, Trevor Hastie, Stephen P. Boyd, Mykel J. Kochenderfer, Ronald N. Kahn,
• Abstract要約: 資産収益の推定は、金融ポートフォリオの構築と評価の鍵となる要素である。 既存の因子モデルを強化するために,最大推定値に基づく体系的手法を提案する。 提案した拡張は,元のモデルに欠落したリターンの構造をキャプチャすることを示す。
• 参考スコア（独自算出の注目度）: 90.40844650665713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the covariance of asset returns, i.e., the risk model, is a key component of financial portfolio construction and evaluation. Most risk modeling approaches produce a factor model that decomposes the asset variability into two components: the first attributed to a small number of factors that are common among the assets and the second attributed to the idiosyncratic behavior of each asset. Third-party providers typically provide risk models to investors, and while these models are typically of high quality, they may fail to capture important information, e.g., changing market regimes and transient factors. To overcome these limitations, we propose a systematic method based on maximum likelihood estimation to enhance an existing factor model by both refining the given model and adding new statistical factors. Our approach relies only on the observed sequence of realized returns and on the choice of two hyperparameters: the number of additional factors and the half-life parameter that determines the weights assigned to returns in the log-likelihood objective. Importantly, our methodology applies to the situation where asset returns may be missing, making it suitable for typical equity datasets. We demonstrate our approach on the Barra short-term US risk model, a high-quality risk model used in practice, for a universe of US high-capitalization equities. We show that the proposed extension captures structure in the returns that is missed by the original model.
• Abstract（参考訳）: 資産収益の共分散、すなわちリスクモデルの推定は、金融ポートフォリオの構築と評価の鍵となる要素である。 ほとんどのリスクモデリングアプローチは、資産の変動性を2つの構成要素に分解する因子モデルを生成します。 サードパーティのプロバイダは通常、投資家にリスクモデルを提供しており、これらのモデルは一般的に高品質であるが、重要な情報、例えば市場体制の変化や過渡的要因を捉えることができない可能性がある。 これらの制約を克服するために、与えられたモデルを精錬し、新しい統計因子を追加することにより、既存の因子モデルを強化するために、最大推定に基づく体系的手法を提案する。 提案手法は, 実効リターンの観測シーケンスと2つのハイパーパラメータの選択にのみ依存する: 追加因子の数と, 対数的目的のリターンに割り当てられた重みを決定する半減期パラメータである。 重要なことは、資産のリターンが欠落している可能性がある状況に対して、当社の方法論が適用され、典型的なエクイティデータセットに適合する。 本稿は、米国における高資本化均衡の宇宙において、実際に使用される高品質リスクモデルであるBarraの短期リスクモデルに対するアプローチを実証する。 提案した拡張は,元のモデルに欠落したリターンの構造をキャプチャすることを示す。

関連論文リスト

• Synthetic Data for Portfolios: A Throw of the Dice Will Never Abolish Chance [0.0]
  本稿では、特にポートフォリオとリスクマネジメントにおいて、生成モデルの限界についてより深く理解するために貢献する。 本稿では,米国株式の宇宙における従来の評価基準を満たす多変量回帰生成のためのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-01-07T18:50:24Z)
• STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
  金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。 双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。 ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
  論文  参考訳（メタデータ） (2024-12-12T17:15:49Z)
• Factor Investing with a Deep Multi-Factor Model [123.52358449455231]
  我々は、業界中立化と市場中立化モジュールを明確な財務見識をもって取り入れた、新しい深層多要素モデルを開発する。 実世界の株式市場データによるテストは、我々の深層多要素モデルの有効性を示している。
  論文  参考訳（メタデータ） (2022-10-22T14:47:11Z)
• Deep Partial Least Squares for Empirical Asset Pricing [0.4511923587827302]
  我々は、deep partial least squares (DPLS) を用いて、個々の株式リターンに対する資産価格モデルの推定を行う。 新たな貢献は、非線形因子構造を解決し、経験的資産価格におけるディープラーニングの現在のパラダイムを前進させることである。
  論文  参考訳（メタデータ） (2022-06-20T21:30:39Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)

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。