検証用資産と弱いファクター

資産価格モデル関係のNBER論文をもう一丁。以下は、Stefano Giglio(イェール大)、Dacheng Xiu(シカゴ大)、Dake Zhang(同)による表題のNBER論文(原題は「Test Assets and Weak Factors」、ungated版)の要旨。

Estimation and testing of factor models in asset pricing requires choosing a set of test assets. The choice of test assets determines how well different factor risk premia can be identified: if only few assets are exposed to a factor, that factor is weak, which makes standard estimation and inference incorrect. In other words, the strength of a factor is not an inherent property of the factor: it is a property of the cross-section used in the analysis. We propose a novel way to select assets from a universe of test assets and estimate the risk premium of a factor of interest, as well as the entire stochastic discount factor, that explicitly accounts for weak factors and test assets with highly correlated risk exposures. We refer to our methodology as supervised principal component analysis (SPCA), because it iterates an asset selection step and a principal-component estimation step. We provide the asymptotic properties of our estimator, and compare its limiting behavior with that of alternative estimators proposed in the recent literature, which rely on PCA, Ridge, Lasso, and Partial Least Squares (PLS). We find that the SPCA is superior in the presence of weak factors, both in theory and in finite samples. We illustrate the use of SPCA by applying it to estimate the risk premia of several tradable and nontradable factors, to evaluate asset managers’ performance, and to de-noise asset pricing factors.
(拙訳)
資産価格のファクターモデルの推計と検証では、検証用資産の集合を選択することが必要となる。検証用資産の選択によって、相異なるファクターのリスクプレミアムがどれだけ上手く識別できるかが決まる。もしあるファクターがわずかな資産にしか影響しないのであれば、そのファクターは弱いものとなり、標準的な推計と推定が誤ったものとなる。換言すれば、ファクターの強さはそのファクターの内在的な特性ではなく、分析に用いられる資産のクロスセクションの特性なのである。我々は、検証用資産のユニバースから資産を選択し、分析対象のファクターのリスクプレミアム、および全体のストキャスティック・ディスカウントファクターを推計する新たな方法を提示する。その方法では、弱いファクターの問題と、リスクエクスポージャー同士の相関が高い検証用資産の問題が明示的に説明される。この手法を我々は教師あり主成分分析(SPCA)と呼ぶ。というのは、その手法では資産選択段階と主成分推計段階を反復するからである。我々はその推計値の漸近的特性を提示し、PCA、リッジ、Lasso、部分的最小二乗法(PLS)を用いた最近の研究で提示された他の推計値と、漸近挙動を比較する。弱いファクターが存在する場合、理論と有限サンプルの両面においてSPCAが優れていることを我々は見い出した。我々は、取引可能ならびに取引不可能な幾つかのファクターのリスクプレミアムの推計、アセットマネージャーのパフォーマンス評価、資産価格ファクターのノイズ除去に応用することにより、SPCAの使用法を説明する。