Es este un enfoque razonable para determinar la importancia relativa de la valoración de los factores?

Question

Estoy tratando de llegar a una medida de la importancia relativa de un número de la valoración de los factores. Me pregunto si los coeficientes de correlación no puede ser utilizado para la determinación de esta.

Más sobre el tema: Mi objetivo es determinar si los sectores son más o infravalorado al comparar la valoración actual de las métricas históricas. Por ejemplo, supongamos que tiene de P/B y P/E indicadores para el sector de consumo discrecional y en un P/B base, el sector está infravalorado pero en un P/E de la base de que está sobrevalorado. Estoy tratando de construir una manera de resolver esto a venir para arriba con un sobre/infravalorado determinación cuando se tiene la valoración de las métricas que son contradictorias.

Mi pensamiento es el uso de métricas en el tiempo t-1 y se devuelve en el tiempo t. El uso de estos datos estoy pensando en que puede encontrar las correlaciones y el uso de los coeficientes de correlación como el peso relativo que al intentar crear un mecanismo para determinar si un sector es de más o infravalorado.

Es este un enfoque razonable? Cualquier recomendaciones que podrían ser de utilidad. Gracias!

Answer 1

Estás realmente interesado en el ranking de los diferentes indicadores, o solo quieres saber cómo debes combinarlos para hacer la mejor predicción posible? ¿Hay alguna razón usted no puede utilizar varios juntos?

Los coeficientes de correlación sería certianly ser un punto de partida razonable para ello. Usted tiene dos problemas obvios que si lo haces de esta manera:

1. Un coeficiente de correlación no indica cómo económicamente significativa la relación es, por la manera estadísticamente significativa. En otras palabras, una cierta variable correlaciona muy estrechamente con los rendimientos, pero la diferencia en los rendimientos puede ser muy pequeño para diferentes valores de la variable. Sin embargo, si se comparan los diferentes predictores de la misma población, existe una cantidad total de la variabilidad, y algo con un mayor coeficiente de correlación va a explicar más de lo mismo. Pero podría no ser posible para que usted pueda darse cuenta de toda la información que usted tiene ganancias. Por ejemplo, ser capaz de identificar los grandes perdedores y ganadores, podría ser mucho más valiosa que la de ordenar la masa de los pequeños ganadores y pequeños perdedores de cada uno de los otros.
2. Usted encontrará que sus indicadores están correlacionados unos con otros. ¿Cómo se puede medir la contribución de cada uno hace a la determinación de la valoración? Por lo general, si usted tiene dos variables, los dos juntos, va a predecir mejor que la de uno solo. Es posible que desee hacer varias regresiones lineales con diferentes conjuntos de parámetros y el uso de algunas manera de decidir cuál es la mejor. Los coeficientes de correlación están estrechamente relacionados con una sola variable de regresión, por lo que este enfoque es una especie de generalización de la utilización de corrlation de los coeficientes.

La calibración en el tiempo t-1 y utilizando los resultados para predecir el tiempo t es también un enfoque razonable. Usted debe tener cuidado de sobreajuste. Esto es cuando se desarrolla un modelo que no tiene ningún contenido real, pero sólo sucede por casualidad que coincidan exactamente con lo bien que se ha hecho en t-1, de modo que no trabajo en cualquier otro período. Usted puede tomar otras épocas y buscar algo que funciona muy bien, sobre todo para probar y dar la vuelta a este. O usted podría utilizar diversas técnicas como la log-verosimilitud para medir la complejidad de su modelo de manera óptima debe ser.

Si realmente quieres comparar diferentes indicadores tomados en forma aislada, papel comercial podría ser una buena forma, a pesar de que hace más sentido financiero de sentido estadístico. Formular una estrategia similar para cada indicador, por ejemplo. comprar el mejor 10% y corto el peor 10%, y ver que se han hecho de la mayor cantidad de dinero después de un cierto tiempo. Esto te obligará a decidir qué escala de tiempo se va a buscar para que las devoluciones a través de (o desarrollar alguna otra manera de elegir cuando cierre de posiciones), que es fundamental para las estrategias estadísticas.

Answer 2

El enfoque que usted describe de mirar a la valoración de las métricas en un período, frente a los rendimientos que el siguiente es similar a la sección transversal de los modelos de factores, como la Barra, o la Fama-Macbeth procedimiento. En estos métodos, en lugar de buscar la correlación, hacer un corte transversal en la regresión de los rendimientos (o rendimientos en exceso o alfa) contra todo tipo de factores, tales como la valoración de las métricas, lo que quiere. Los coeficientes de las regresiones representan los rendimientos de los distintos factores. El rendimiento esperado y la volatilidad de estos factores podrían determinar su importancia relativa.