پیش بینی حق بیمه حقوق بلند مدت برای تخصیص دارایی

دسترسی عضو موسسه CFA به مجله تحلیلگران مالی.

• مقاله کامل
• ارقام و داده ها
• منابع
• تکمیلی
• استناد
• معیارهای
• چاپ مجدد و مجوزها
• دسترسی به /doi/full/10. 1080/0015198x. 2022. 2073782؟needaccess=true

خلاصه

پیش بینی حق بیمه حق بیمه کشور بلند مدت بر اساس یک مدل فاکتور جهانی جهانی (CS-GFM) ، که در آن عوامل نشان دهنده جبران خسارت ریسک های ارائه شده توسط متغیرهای ارزیابی و مالی برتر ، از نظر آماری و اقتصادی بر اساس مدل های پیش بینی سری زمان هستندمعمولاً در آکادمی و تمرین استفاده می شود. پیش بینی حق بیمه سهام CS-GFM در مقایسه با استراتژی های تخصیص دارایی بلند مدت بر اساس هجده مدل پیش بینی متداول ، به طور مداوم در سراسر ایالات متحده و یازده بازار سهام توسعه یافته ، سودهای قابل توجهی در مقایسه با استراتژی های تخصیص دارایی بلند مدت ایجاد می کند.

• تخصیص دارایی ها
• پیش بینی
• مدل عامل جهانی
• قابلیت پیش بینی افکار طولانی

سپاسگزاریها

ما از نیکول م. پسران (همبستگی) و دو داور ناشناس بخاطر نظرات سازنده آنها سپاسگزاریم. ما از شرکت کنندگان Timotheos Angelidis ، Abraham Lioui و شرکت کنندگان در سمینار در مرکز ICMA در دانشکده بازرگانی هنلی ، دانشگاه خواندن ، بخاطر نظرات و پیشنهادات مفید تشکر می کنیم.

بیانیه افشای

هیچ تضاد احتمالی منافع توسط نویسنده (های) گزارش نشده است.

اطلاعات اضافی

یادداشت های مربوط به مشارکت کنندگان

Athanasios Sakkas

Athanasios Sakkas استادیار گروه حسابداری و دارایی ، دانشگاه اقتصاد و تجارت آتن ، آتن ، یونان است.

Nikolaos Tessaromatis

Nikolaos Tessaromatis استاد دارایی در دانشکده تجارت EDHEC ، نیس ، فرانسه است.

یادداشت

1 تعداد فزاینده ای از خانه های سرمایه گذاری سالانه پیش بینی های بلند مدت بازده دارایی را برای کمک به تصمیمات سرمایه گذاری بلند مدت سرمایه گذاران منتشر می کنند (https://www. savvyinvestor. net/blog/long-term-asset-retu-forecasts).

2 Boudoukh ، Richardson ، and Whitelaw (2008 Boudoukh ، J. ، M. Richardson ، and R. F. Whitelaw. 2008.: //doi. org/10. 1093/rfs/hhl042. [Crossref] ، [Web of Science ®] ، [Google Scholar]) و Boudoukh ، اسرائیل و ریچاردسون (2019 Boudoukh ، J. ، R. Israel و M. Richardson. 2019. "پیش بینی هوریزون طولانی: یک داستان هشدار دهنده."[Web of Science ®] ، [Google Scholar] ، 2021 Boudoukh ، J. ، R. Israel و M. Richardson. 2021. https://doi. org/10. 1016/j. jfineco. 2021. 09. 013. [Crossref] ، [Google Scholar]) استحکام آماری پیش بینی را زیر سوال می برد ، و استدلال می کند که رگرسیون بازگشت هربوریزون به طور موثری اندازه نمونه کمی دارد. آنها استدلال می كنند كه پس از استفاده از روشهای مناسب برای اصلاح تعصب به دلیل خطاهای همپوشانی ، شواهد پیش بینی بر اساس بازده چندگانه همپوشانی توهم آور است.

3 هنگامی که مدل مقطعی با استفاده از سرمایه گذاری در بازار به جای وزن برابر برآورد می شود ، R z ، T: T + Q-1 بازده سبد سهام جهانی سرمایه گذاری خواهد بود.

4 استراتژی مخلوط ثابت با استراتژی تخصیص دارایی چند دوره ای از کمپبل و نابیارا متفاوت است (1999 Campbell ، J. Y. ، and L. M. Viceira. 1999. "تصمیمات مصرف و نمونه کارها در هنگام بازده مورد انتظار زمان متفاوت است."114 (2): 433 - 495. doi: https: //doi. org/10. 1162/00335399556043. Y. Xia. 2010. "پایداری ، پیش بینی و برنامه ریزی نمونه کارها"[Google Scholar]) ، Campbell ، Viceira و White (2003 Campbell ، J. Y. ، L. M. Viceira و J. S. White. 2003. "ارز خارجی برای سرمایه گذاران بلند مدت." مجله اقتصادی 113 (486): C1 - C25. DOI: https: //doi. org/10. 1111/1468-0297. 00120. [Crossref] ، [Google Scholar]) و Chacko and Viceira (2005 Chacko ، G. ، and L. M. Viceira. 2005."مصرف پویا و انتخاب نمونه کارها با نوسانات تصادفی در بازارهای ناقص."بررسی مطالعات مالی 18 (4): 1369 - 1402. doi: https: //doi. org/10. 1093/rfs/hhi035.[Crossref] ، [Web of Science ®] ، [Google Scholar]) ، که مطالبات محافظت از بین المللی را در نتیجه پیش بینی بازگشت کوتاه مدت در نظر می گیرد. ما تقاضای حصار را مطابق با شواهد ارائه شده در برنت (1999 Brandt ، M. W. 1999 "نادیده می گیریم." تخمین نمونه کارها و انتخاب مصرف: یک رویکرد معادلات اویلر مشروط. "/doi. org/10. 1111/0022-1082. 00162. [Crossref] ، [Web of Science ®] ، [Google Scholar]) ، Ang and Bekaert (2002 Ang ، A. ، and G. Bekaert. 2002. "تغییر رژیم. "بررسی مطالعات مالی 15 (4): 1137 - 1187. doi: https: //doi. org/10. 1093/rfs/15. 4. 1137. [Crossref] ، [Web of Science ®] ، [Google Scholar]) و Diris ، Palm ، and Schotman (2015 Diris ، B. ، F. Palm ، and P. Schotman. 2015. "تخصیص دارایی استراتژیک بلند مدت: یک ارزیابی خارج از نمونه." علوم مدیریت 61 (9):2185 - 2202. doi: https: //doi. org/10. 1287/mnsc. 2014. 1924. [Crossref] ، [Web of Science ®] ، [Google Scholar] ، [Google Scholar]) ، که نشان می دهد ارزش اقتصادی خواسته های بین المللی در استراتژیک (تخصیص دارایی پویا) در یک تنظیم خارج از نمونه ناچیز است.

5 ما همچنین خطاهای استاندارد را با استفاده از (الف) پارامتر استاندارد تاخیر در Newey و West محاسبه می کنیم (1987 Newey ، W. K. ، and K. D. West. 1987.(3): 703 - 708. doi: https: //doi. org/10. 2307/1913610. 1 ، جایی که Q نشان دهنده افق سرمایه گذاری است. در صورت درخواست ، نتایج مفصلی از نویسندگان در دسترس است. همچنین بحث را در بخش "Caveats" مشاهده کنید.

6 توجه داشته باشیم که رهگیری در مدل های 1-7 جدول 1 متفاوت است زیرا ما لزوماً برای هر متغیر حالت داده برای همان کشورها نداریم.

7 ما یک R OOS 2 منفی را مشاهده می کنیم ، در حالی که T-statistic تنظیم شده با MSFE در سطح اطمینان 1 ٪ برای مدلهای مبتنی بر DY یک متغیره و چند متغیره برای استرالیا قابل توجه است. این شواهد هنگام مقایسه مدل های تو در تو قابل قبول است. بحث را در کلارک و وست مشاهده کنید (2007 کلارک ، T. E. ، و K. D. West. 2007. "آزمایش های تقریباً عادی برای دقت پیش بینی مساوی در مدلهای تو در تو." مجله اقتصاد سنجی 138 (1): 291 - 311doi. org/10. 1016/j. jeconom. 2006. 05. 023. [Crossref] ، [Web of Science ®] ، [Google Scholar]) ، McCracken (2007 McCracken ، M. W. 2007 ". علیت. "مجله اقتصاد سنجی 140 (2): 719 - 752. doi: https: //doi. org/10. 1016/j. jeconom. 2006. 07. 020. [Crossref] ، [Web of Science ®] ، [Google Scholar]) و پاورقی 21 از نیلی و همکاران.(2014 Neely ، C. J. ، D. E. Rapach ، J. Tu ، and G. Zhou. 2014./doi. org/10. 1287/mnsc. 2013. 1838. [Crossref] ، [Web of Science ®] ، [Google Scholar]).

8 در جدول A. 2 از مواد تکمیلی آنلاین ، ما عملکرد پیش بینی کننده هر مقایسه مدل ممکن را ارزیابی می کنیم. کلارک و وست تنظیم شده MSFE (2007 Clark ، T. E. ، and K. D. West. 2007. "آزمایش های تقریباً عادی برای دقت پیش بینی مساوی در مدلهای تو در تو." مجله اقتصاد سنجی 138 (1): 291-311doi. org/10. 1016/j. jeconom. 2006. 05. 023. [Crossref] ، [Web of Science ®] ، [Google Scholar]) آمار نشان می دهد که پیش بینی های مدل DY و PE یک متغیره از MSFE از نظر آماری پایین تر از پیش بینی های همه از همه پیش بینی شده استسایر مدلهای عامل. استفاده از تنظیم محافظه کارانه تر Bonferroni برای محاسبه خطاهای استاندارد ، برتری پیش بینی های مدل DY و PE را به سایر مدلهای فاکتور تک متغیره و چند متغیره تأیید می کند.

9 Rapach and Zhou (2020 Rapach ، D. E. ، and G. Zhou. 2020. "زمان و پیش بینی بازگشت سهام مقطع: روشهای جدید یادگیری ماشین." در یادگیری ماشین برای مدیریت دارایی: پیشرفت های جدید و برنامه های مالی ، ویرایش شده توسطE. Jurczenko ، 1-33. Hoboken ، NJ: Wiley. [Google Scholar]) بحث مفصلی در مورد تکنیک های یادگیری ماشین برای پیش بینی بازده سهام مقطعی در یک مجموعه سری زمانی ارائه می دهد. بخش B در مواد تکمیلی آنلاین با جزئیات بیشتر سه مدل یادگیری ماشین را شرح می دهد.

10 Pástor ، Stambaugh و Taylor (2017 Pástor ، L. ، R. F. Stambaugh و L. A. Taylor.: //doi. org/10. 1111/jofi. 12509. [Crossref] ، [Web of Science ®] ، [Google Scholar]) نشان می دهد که ، برای یک متغیر مستقل ، برآوردگر شیب با استفاده از FAMA و MACBETH (1973 FAMA ، E. F.، و J. D. Macbeth. 1973. "ریسک ، بازگشت و تعادل: تست های تجربی." مجله اقتصاد سیاسی 81 (3): 607 - 636. doi: https: //doi. org/10. 1086/260061. [CrossRef] ،[Web of Science ®] ، [Google Scholar]) در صورت تعادل پانل و واریانس متغیر مستقل در تمام دوره های زمانی ثابت است.

11 تفاوت اصلی بین اثرات ثابت کشور پانل و مدل اثرات ثابت پانل یا CS-GFM فرض یک مؤلفه خاص کشور در حق بیمه سهام کشور است. بدترین عملکرد پیش بینی مدل اثرات ثابت کشور می تواند به دلیل خطای تخمین در تخمین رهگیری های خاص کشور باشد. Hjalmarsson (2010 Hjalmarsson ، E. 2010. "پیش بینی بازده جهانی سهام." مجله تجزیه و تحلیل مالی و کمی 45 (1): 49 - 80. doi: https: //doi. org/10. 1017/S00221099990469. [Crossref] ، [[Web of Science ®] ، [Google Scholar]) استدلال می کنند که حتی اگر دامنه ها یا رهگیری ها در بین کشورها یکسان نباشند ، در یک ضرایب محدود شده با تجارت تعصب آمیز ممکن است بر روی شیب خاص کشور حاکم باشد و برآوردهای رهگیری را بر عهده داشته باشد.

12 Rapach and Zhou (2013 Rapach ، D. E. ، and G. Zhou. 2013. "پیش بینی سهام بازده است."Google Scholar]) یک نظرسنجی جامع از مدلهای پیش بینی حق بیمه حق بیمه جایگزین. دونگ و همکاران.(2021 Dong ، X. ، Y. Li ، D. Rapach ، and G. Zhou. 2021. "ناهنجاری ها و بازده بازار مورد انتظار." مجله مالی 77 (1): 639 - 681. doi: https: // doi. org/10. 1111/jofi. 13099. [Crossref] ، [Google Scholar]) شواهد آماری قوی و اقتصادی از پیش بینی بازده بازار ایالات متحده با استفاده از اطلاعات در 100 بازده ناهنجاری طولانی مدت و تکنیک های کوچک شدن که در برابر متناسب بودن محافظت می کنند ، گزارش می دهند.

13 ما از داور تشکر می کنیم که ارزیابی "خارج از نمونه" از پیش بینی های حق بیمه مبتنی بر CS-GFM را با استفاده از شش کشور در برآورد مدل پیش بینی ارائه داده اند.